Good enough definiujesz ty, nie agent - SDLC z AI
"Jeżeli chodzi o architekturę, nie pozwalam mu podejmować żadnych decyzji." 🎯 Łukasz stawia granicę, a Szymon kontruje: "pozwólmy tym agentom robić ten kod, który jest krótkowzroczny" - i raz na pięć iteracji każmy zrobić refactor. Przechodzimy SDLC z AI fazę po fazie, od zbierania wymagań do życia po deployu. Na wejściu AI tylko wspomaga - "nie pójdzie do legala, do procurementu" i nie odsiedzi dupogodzin na spotkaniach. Dalej: linki do chatów od biznesu zamiast przepakowanych wymagań, powrót Enterprise Architecta i YAML jako formalny output specyfikacji. Plus prototypy klikane przez biznes, których nie negujesz - ale kod i tak idzie do kosza. ⚠️ Potem twarda część: harness to nie pliki MD, tylko hooki, lintery i SonarQube, których agent nie ominie. Frontend przechodzi testy - OK, skasujesz i wygenerujesz na nowo. Logika biznesowa - review. Agent SRE na read only halucynuje, a z pełnymi uprawnieniami stwierdzi, że "buga nie będzie jak będzie baza pusta". 🤖 Na deser koszty tokenów (150-300 dolarów na DevOpsa, od 300 na developera), mBankowe 3-4% wpływu AI na cały proces i złośliwa puenta: "Jakbyś miał dobry proces, to byłeś już gotowy." Kto definiuje good enough - Ty czy agent? A teraz nie ma co się obijać! 👉 Wpadajcie na naszego Discorda: https://discord.gg/78zPcEaP22 ! 🔥Tam możecie się z nami pokłócić o przyspieszanie SQL-a, podyskutować o naiwnych nadziejach na AI albo po prostu podzielić się swoimi IT-owymi przemyśleniami. Słuchasz Patoarchitektów dzięki PROTOPII – firmie, w której Łukasz i Szymon działają na co dzień, wspierając zespoły IT na każdym etapie: od projektowania, przez wdrożenia i migracje, aż po optymalizację i zabezpieczenia. Oferujemy też mentoring i szkolenia dostosowane do potrzeb każdej firmy, niezależnie od wielkości. Sprawdź nas: 👉 protopia.tech - Nasze sociale i linki - Materiały do odcinka - Pato szkolenia 00:00:00 Intro 00:01:44 Zbieranie wymagań: kontekst, chaty od biznesu i formalny output 00:10:47 PoC i MVP budowane przez biznes — jak na to reagować 00:12:33 Faza projektu: krótkowzroczny kod agenta i long term maintainable code 00:15:11 Przygotowanie środowiska pracy, harness i workflow zespołu 00:18:30 Dekompozycja na zadania, architektura, granice i good enough 00:23:44 Wytwarzanie: skala szarości, frontend, logika biznesowa i frameworki 00:31:05 Ownership kodu, odpowiedzialność za outcome i myślenie holistyczne 00:34:24 Dostarczanie i życie po deployu: release'y, agenci SRE, halucynacje 00:40:32 Utrzymanie i ewolucja: aktualizacje, martwy kod i decommissioning 00:42:30 Mity, koszty tokenów i dobry proces jako gotowość na agentów 00:45:34 Podsumowanie i zakończenie
Moje pierwsze podejście do REM-u w 2010, linku kiedy wychodziło na poważnie, linku to do SQL. Nie mam pojęcia. Dawno, ale to początki naszej kariery. To jest taki stan, powiedzmy, nie powiedział, że to jest ORM dzisiaj, tylko ORM z początków naszej kariery. Dobra, idziemy do wytwarzania. Tu jest, możemy powiedzieć, może nie tylko, że dark factory, ale takie naprawdę przyciemnione bardzo mocno. Dobra, jeżeli popatrzymy sobie tak, implementacja, testy, code review, integracja i merge, build i CI. Teraz tak, od roboty DevOpsowej Zostaje nam w tym momencie opisz, co chcę, jakie mam wymagania i review tego.
Dopoznajmy, co robimy przez robotę DevOpsową, to inicjalne stworzenie. Raczej to są inaczej, są Terraform, deployment, budowa w ogóle inaczej. Szymon... CI, CD-ków. Raczej dobra, przyznajmy się, ja ostatni raz z palca pipeline napisałem może półtora roku temu, jak nie bardziej, o tak. Podobnie. Jamle do Kubernetesa, naprawdę, nawet nie chce mi się tego inaczej, robię tylko review, inne elementy, muszę mu czasem wskazać, bo widzę takie, slopy się zdarzają, ale 99% kodu będzie okej. Tak. Oczywiście, że tak. I bardziej będziesz patrzył, czy jest zgodna z twoimi standardami w firmie, niż to, czy jest zgodna z podejściem rynkowym. I przykładowo, jak zarzucisz MCP na przykład do Terraforma, czy do Kubernetesa... Sorry.
To jest poziom bardzo mocny, czyli tak jak powiedziałem, dla mnie jest to kod DevOps'owy na przykład 100% i zaczynamy się przesuwać w granicy, gdzie ja muszę co zrobić i pchnąć. I to jest ciągle taka zasada paretu będzie. 80% roboty wykona za nas. Ale front-endy na przykład to też rozmowa z Tomkiem Ducinem. Jak przechodzi testy, to po co na to patrzeć i nie ma optymalizacji. Tu potrzebujemy doprecyzować jedną rzecz, bo znowu będziemy mieli dwie skrajne grupy, które mówią jest, zrobi wszystko i grupa, która nie nadaje się. Nie, to jest taka skala szarości. Tak, i teraz skala wynika. Jeżeli przeciętny deweloper w twoim repo po tygodniu się nie odnajduje, To agent też nie będzie odnajdywał. Jeżeli natomiast generalnie możesz złożyć dewelopera i on na drugi dzień jest wydajny, może to zrobić, to spoko.
Dobra, skończmy na poważnie, żarty, ale na poważnie. To jest tak, robota DevOpsowa, tak, reviewujesz. To jest review. Frontend, tak jak Tomek powiedział... Poklikasz. Poklikę, tak jak Tomek powiedział, nawet bez... Jak testy przechodzi i sprawdzisz testy frontendowe, jest okej. To jest ok, bo po prostu skasujesz, wygenerujesz na nowo. Można teraz byłoby powiedzieć jedną rzecz, która gdzieś tam się dzieje. Przykładowo masz test, że nie wygenerował samodzielnie komponentów, tylko np. jak masz biblioteki do komponentów i innych rzeczy, że skorzystał tylko z gotowych. Ale znowu, wracamy do harnessów i pilnowania. Jeszcze ten obszar, w którym ja się zgodzę. Mianowicie to, żeby on trzymał spójność, żeby za każdym razem ten UI nie wyglądał inaczej, żeby w lewo, w prawo.
Ja pierdolę, jebać biedę. Czy dziesiątki... Dla takich systemów, powiedzmy, średnich? Tak. Dobra, powiedzmy, to są te rzeczy, kiedy mówimy, że abonament na dewelopera, raczej tokeny na dewelopera, tam w zależności jak zrobimy, to jest spokojnie lekką ręką, może inaczej. Na DevOpsa możesz liczyć pomiędzy 150 a 300 dolców miesięcznie na tokeny. Tak, spoko. Developer to zaczyna się od 300. I teraz jest pytanie, w którym momencie kończy się wartość? To jest pytanie, jak popatrzysz tak na orki, tam widzisz te red haty, inne rzeczy co były, to co też u nas rozmawiamy, to jest pytanie, kiedy taniej byłoby mu juniora kupić, zatrudnić juniora. W którym momencie zwiększanie zespołu jest tańsze niż w tym.
Pokazano wszystkie 5 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Łukasz i Szymon przedstawiają strukturę odcinka i temat, który będą omawiali - proces SDLC z AI.
Diskussja na temat zbierania wymagań i roli AI w tym procesie.
Analiza zalet i wad roli czatów w zbieraniu wymagań.
Rozważania na temat strukturyzacji procesu SDLC, w tym zbierania wymagań i podsumowywania rozmów.
Analiza roli agentów w procesie SDLC i ich ograniczenia.
Diskussja na temat przygotowywania środowiska pracy i dekompozycji na zadania.
Analiza architektury i granic w procesie SDLC, w tym dekompozycji na zadania i przygotowania środowiska pracy.
Rozważania na temat implementacji, testów i roli agentów w tych procesach.
Podsumowanie i dyskusja na temat ownershipu kodu i jego znaczenia w procesie SDLC z AI.
Rozmowa skupia się na konsekwencjach delegowania odpowiedzialności za kod napisany przez agenta AI. Autor podkreśla, że większość ludzi nie bierze odpowiedzialności za kod, który jest tworzony przez agencje, co prowadzi do problemów z jakością i ownershipem kodu.
Autor omawia problemy z kontrolą dostępu i testowaniem kodu tworzonego przez agenta AI. Podkreśla, że brak odpowiedzialności i kontrolki może prowadzić do nieefektywnego kodu i problemów technicznych.
Rozmowa zamyka się na temat potrzeby krytycznego myślenia i decyzyjności w zarządzaniu projektami z użyciem AI. Autor podkreśla, że choć AI może zwiększyć efektywność, nadal jest potrzebna ludzka kontrola i odpowiedzialność.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Intro
Zbieranie wymagań: kontekst, chaty od biznesu i formalny output
PoC i MVP budowane przez biznes — jak na to reagować
Faza projektu: krótkowzroczny kod agenta i long term maintainable code
Przygotowanie środowiska pracy, harness i workflow zespołu
Dekompozycja na zadania, architektura, granice i good enough
Wytwarzanie: skala szarości, frontend, logika biznesowa i frameworki
Ownership kodu, odpowiedzialność za outcome i myślenie holistyczne
Dostarczanie i życie po deployu: release'y, agenci SRE, halucynacje
Utrzymanie i ewolucja: aktualizacje, martwy kod i decommissioning
Mity, koszty tokenów i dobry proces jako gotowość na agentów
Podsumowanie i zakończenie