Tag: claude-code
Posts with tag claude-code
Myliłem się co do Haiku
Używałem jednego modelu do wszystkiego i kiedy zużycie zaczęło rosnąć, obwiniałem plan. Rozwiązaniem okazało się rozdzielenie pracy, a największa oszczędność wcale nie wynikała z ceny tokenów.
Plan nie mówił nic o pushu
Zatwierdziłem plan. Nie było w nim ani słowa o commitowaniu, ani słowa o pushu. Pod koniec runu agent zrobił jedno i drugie mimo to. Uprawnienia określają, co agent może zrobić. Nikt nie mierzy luki między tym, co zatwierdziłeś, a tym, co się faktycznie wydarzyło.
Instrukcja to nie kontrakt
Reguły są zapisane, agent czyta je przy każdym promptowaniu, a i tak nie trafiają do kodu. Nic nie jest zepsute, bot nie ma czego zgłosić. Bo plik z regułami nie jest konfiguracją, tylko sugestią o nieznanej skuteczności.
Konfiguracja agenta to nie tylko konfiguracja
Zależności audytuję. Lockfile, advisories, cały rytuał. Dopiero po incydencie z keyv dotarło do mnie, że nie mam podobnego odruchu wobec plików, które mówią agentowi, co może robić w moim repozytorium.
Claude Fable 5 już jest. Ale do mojego pipeline’u jeszcze nie trafia
Claude Fable 5 pojawił się w tym tygodniu — rekordowe benchmarki, cena dwa razy wyższa niż Opus. Konfiguracja mojego produkcyjnego pipeline’u się nie zmieniła. I to nie jest zaniedbanie. Benchmarki mierzą surowe modele. Pipeline’y uruchamiają modele skalibrowane.
Czego nie pozwolę AI dotykać
Mam na produkcji system code review oparty na dziewięciu agentach. Mimo to nadal nie oddam AI pięciu decyzji — nie dlatego, że nie znam tych narzędzi, ale właśnie dlatego, że znam je bardzo dobrze. Decyzje, których nie da się tanio odwrócić, zostają po mojej stronie: te, które kumulują konsekwencje.
AI vs analiza statyczna — kiedy używać czego i po co używać obu
Komentarz pod ostatnim wpisem dał mi do myślenia: gdzie kończy się AI, a zaczyna analiza statyczna? Tak rysuję tę granicę — na podstawie systemu, którego używam na produkcji.
How I scale my AI code review system — and why every agent thinks like me
Adding a new agent to my system takes 2 days. Not because of the architecture — but because teaching it to think like me is the hard part.
Why I don't use one Opus for everything — model tiering in a multi-agent system
Running the most powerful model on every task is wasteful and slow. Here is how I split work across Haiku, Sonnet, and Opus — and why it matters at scale.
Jak zbudowałem system AI code review z 9 agentami — używając samego Markdowna
Bez Pythona, bez Node.js, bez customowych pluginów. Tylko ~2 900 linii prompt engineeringu, architektura fan-out/fan-in i system, który naprawdę łapie realne bugi.