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
Wiem o co ci chodzi. Żeby dało go się bardziej mechanicznie do niego podejść. To teraz ja rzucę taki temat, czy może nie wróci Enterprise Architect, który na podstawie Enterprise Architect będziemy generowali kopy. Stary, szalony pomysł. Nie, to nie jest szalony. Powiem ci tak. Zaczynam mieć ręce i nogi. Pamiętasz Tomka, z którym pracowaliśmy i Marcina. Pamiętasz, mieliśmy dwóch kolegów na pewnym etapie. Przepraszam. Od nich specyfikacje, które wychodziły w Enterprise Architekcie, prawdopodobnie w tym momencie, gdyby jeszcze zajmowali się pisaniem specyfikacji, bo pewnie już tego nie robią, Sorry, znam analityków, od których moim zadaniem, gdybym miał pracować jako deweloper byłoby wzięcie ich Enterprise Architecta i DIF-ów zmian, żeby mieć tylko część zmian, które robili i po prostu robienie za sprawdzanie, czy agent poprawnie tylko zrobił lukier biznesową.
I żeby było jasne, my nie mówimy konkretnie o narzędziu Enterprise Architect, ale o formach jamlowych, czy formach przepływowych, hermaidów, tak inne rzeczy. Tak, tylko raczej w sensie formalizacji przygotowania analizy i wymagań. No tak, bo sposób, w którym oni pracowali... Bardziej centralizacji i weryfikacji w porównaniu z innymi rzeczami. Tak, tylko że oni mieli to spójne. Zobacz, że sposób w tym narzędziu... Oni korzystali z Enterprise Architecta nie do rysowania diagramów, tylko faktycznie do modelowania i zbierania wymagań. W tym systemie i w ekosystemie, gdzie ten system będzie istniał tak naprawdę, bo to jest problematyczne z agentami, nie wiedząc, co się dzieje dalej. Dobrze, czyli mamy, mamy, mamy, mamy ogarnięte. Ale dobra, to tak, czyli zanim powstania zadanie, podsumowując, bardzo dobrze wspomaga, Ale wspomaga.
A ja się z tym zgodzę w ogóle. Nie, ale ja z drugiej strony, bo słuchajcie, kurde, mieliśmy wyznawców, przepraszam, Architektura heksagonalna, clean code, solid, dry i tak dalej. Tak, inaczej, czy wiesz, czy całość, czy weźmy książkę, którą, kurde, polecamy te, czasami główno, czasami przepiękne, jest przepiękne, czyli na przykład Enterprise Integration Patterns. W tych modelach to wszystko jest. To, co niektórzy tak czczą i Szymon, i wiesz o tym, że to na koniec dnia Doświadczenie cię uczy dobierania. Właśnie o to chodzi. Przeciętym developer, jakiego mamy w zespole, będzie to aplikował
Mhm. To jest taka rzecz, z którą się nie zgodzę, nie może... To jest rzecz... Opisanie tego to jest inna sprawa, ale to ty musisz core zbudować, core założenia. To moja obserwacja jest taka, i to jest jedna z tych takich bardzo ważnych odpowiedzi człowieka, który tu istnieje. Definicja wystarczająco dobra, good enough, bo dostaniemy dwie skrajności, albo Enterprise aplikacje do subskrypcji na maile, no nie, albo drugi koniec, wciśnięte nogą rozwiązanie, które powinno być skomplikowane w to, co już istnieje. Tak, Szymon, wiesz, że jestem leniwy i staram się inaczej. Moja podstawowa zasada, co będzie, jeżeli ktoś do mnie zadzwoni, bo jest problem. I to jest moim zdaniem taki właśnie rule of thumb. Zastanów się, co będzie, jak ci każą to utrzymywać.
I też przypomnę te badanie o open source, że wyszło na to, że maintainerzy bibliotek i innych rzeczy Ich wydajność agent vs oni była względem błędu statystycznego w wielu miejscach. Tak, ale moja teoria jest też taka, no nie? Czemu to? Bo w tych jednoosobowych albo paroosobowych projektach masę jest wiedzy stadnej w głowach tych ludzi. Więc agent po prostu, ten agent, który jest w trybie, a rób aplikację Enterprise, bo takiego kodu jest najwięcej w sieci, on się takiego nauczył, nie odnajduje się w tym wąskim kontekście, gdzie po prostu trzeba to zoptymalizować. Dlatego też. Ale też z drugiej strony potrafi wykryć, weźmy na przykład... Tak, to jest fajne, on wykryje, on napisze testy i tak dalej. Dużo tej roboty, której nie chcemy robić.
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