Jak rozbijać olbrzymie zadania kodowe: AI agenci skalują bez tracenia kontekstu

Zdarza się każdemu. Dajesz AI agentowi polecenie przepisania systemu logowania, a po kwadransie widzisz, że zgubił oryginalne założenia. Między trzecim plikiem a kolejnym odświeżeniem okna kontekstu model zaczyna zgadywać. Nagle stajesz się niańką dla agenta, który jedzie w las.

Jest prostszy sposób. Bez pisania elaboratów specyfikacji i ciągłego czuwania.

Problem z oknem kontekstu, o którym mało kto mówi

AI agenci błyszczą w prostych zadaniach. Poproś o przerobienie jednej funkcji, zoptymalizowanie zapytania czy dodanie testów – zrobią to perfekcyjnie. Ale wielka refaktoryzacja całego kodu? To proszenie o żonglowanie całym projektem w jednym oknie kontekstu, plus myślenie o następnych krokach.

Nawet przy 200K tokenów walczysz pod górkę. Agent gromadzi historię, decyzje, notatki architektoniczne i fragmenty kodu. Nakład poznawczy staje się problemem. Jakby ktoś próbował kodować, trzymając w głowie każdą rozmowę z życia.

Wprowadzamy wzorzec koordynatora

A co, gdyby zamiast jednego agenta na wszystko, użyć:

• Jednego koordynatora, który widzi całość i układa plan
• Kilku specjalistów-workerów, każdy na swoją działkę
• Zewnętrznego recenzenta, który sprawdza w kluczowych momentach

To nie nowość – zarządzanie rozproszonymi zadaniami znamy od lat. Ale z LLM-ami? Tu zaczyna się zabawa.

Koordynator ma lekką robotę. Musi:

1. Podzielić zadanie na fazy z jasnymi zależnościami
2. Śledzić, co zrobione, a co czeka
3. Trzymać w pamięci plan ogólny (bez detali implementacji)
4. Uruchamiać nowych workerów, gdy poprzednie fazy gotowe

Każdy worker działa w izolacji – osobny git worktree, bez reszty kodu. Dostał prompt: "Przerób ten moduł na dependency injection. Oto kod teraz, oto architektura docelowa, działaj."

Zero bałaganu w kontekście. Zero grzebania w obcym kodzie. Zero domysłów o logice biznesowej.

Siła wspólnej recenzji

Tu jest haczyk: przed startem i po robocie zewnętrzny recenzent (inny model lub ten sam, ale świeży) kwestionuje plan i weryfikuje efekt.

Koordynator proponuje fazy – np. "Wydziel autentykację od autoryzacji", potem "Wyciągnij logikę ról", na końcu "Dodaj cache permisji". Recenzent rzuca: "Faza trzecia zależy od drugiej, ale co z migracją bazy?"

To barierka. Nie perfekcja, ale łapie błędy, zanim się rozniosą po workerach. Jak tech lead przeglądający plan przed budową.

Po wszystkim recenzent patrzy na diff. Czy faza spełniła cel? Brak side-effectów? Jakość na poziomie?

Kiedy to stosować (i kiedy odpuścić)

Ten schemat rządzi przy dużych refaktoryzacjach. Dlaczego?

• Jasne kryteria sukcesu: Refaktoryzacja OK, gdy kod działa jak dawniej, tylko czyściej.
• Mało założeń: Nie wymyślasz nowej logiki biznesowej.
• Wielu spojrzenia wzmacniają: Różne agenty (lub modele) na tę samą fazę dają lepsze rozwiązanie.

Ale dodawanie formularza z trzema polami? Za dużo zachodu. Użyj do 50-plikowego remontu, co normalnie zżera tydzień.

Co to zmienia w twoim workflowie

Największy zysk: oddajesz AI solidną robotę i ufasz, że da radę bez nadzorowania. Wzórzec koordynator-worker skaluje projekty, które kiedyś wymagały babysittingu.

Dla devów w NameOcean i poza – przy chmurze, automatyzacji deploymentu czy legacy – to otwiera drzwi:

• Refaktoryzacja infra: Z monolitycznego Terraform do modułowego IaC.
• Modernizacja legacy: Stopniowa migracja z przestarzałych wzorców.
• Restrukturyzacja API: Podział sklejonej logiki endpointów na serwisy.

Klucz? Dekompozycja i izolacja chronią przed zawaleniem kontekstu. Działa dla AI i ludzi.

Jak to ogarnąć w praktyce

Nie trzeba wymyślnych narzędzi. Wystarczy:

1. Środowiska izolowane (git worktree idealne)
2. Mechanizm koordynatora (agent, skrypt czy ustrukturyzowane prompty)
3. Recenzja w workflowie
4. Precyzyjne specyfikacje bez obcej logiki biznesowej

W NameOcean, gdzie rozwijamy AI w Vibe Hosting, ten schemat pozwala AI skalować do produkcji. Zamiast walczyć z limitem kontekstu, gramy z nim.

Następnym razem przed wielką refaktoryzacją nie wal w prompta wszystko naraz. Podziel. Zorganizuj. Przejrzyj. Daj workerom skupić się na tym, co lubią – klarownych, ograniczonych zmianach.

Twoje okno kontekstu (i głowa) podziękują.