Co zespoły bazodanowe mogą nauczyć programistów o agentach AI

Każdego tygodnia słyszymy o nowych cudach: agenty AI piszące kod szybciej niż ludzie, Cursor przebudowujący SQLite w kilka dni, fabryki software'owe produkujące pull requesty hurtowo. Łatwo się pogubić w tym szumie i zacząć się zastanawiać, czy nasza praca ma jeszcze sens.

Ale te nagłówki mijają się z sednem. Szybkość to najłatwiejsza część. Sprawić, żeby agent napisał kod szybko? Trywialne. Sprawić, żeby napisał kod, któremu naprawdę powierzysz systemy produkcyjne? To jest problem, o którym nikt nie chce rozmawiać.

Cockroach Labs niedawno podzielili się swoim podejściem do tego wyzwania i warto się temu przyjrzeć – szczególnie jeśli zastanawiasz się nad integracją agentów AI w swoim workflow.

Pytanie warte 160 tysięcy dolarów

W 2024 roku zespół Cockroach Labs dodał wsparcie dla bazy Oracle do swojego narzędzia migracyjnego MOLT. Projekt zajął dziewięć miesięcy i kosztował około 160 tysięcy dolarów czasu inżynierów. Solidna, profesjonalna robota.

Potem przyszedł kwiecień. Zespół musiał dodać wsparcie dla IBM Db2 – bazy z bogatym dialektem SQL, złożonym systemem typów i natywnym protokołem komunikacyjnym. Technicznie porównywalny zakres.

Zrobili to w mniej niż dwa dni. Całkowity koszt? 4 172 dolary.

I co ważne – żaden człowiek nie napisał ani linijki tego kodu.

Zanim zaczniesz pisać wypowiedzenie, pomyśl, co to umożliwiło: to nie było kwestią lepszych agentów. To był system zbudowany wokół radykalnego założenia – że wąskim gardłem nie jest pisanie kodu, tylko pisanie zaufanego kodu.

MOLT Sinai: szpital programistyczny

Cockroach Labs nie rzuciło agentów na problem i nie modliło się o najlepsze. Zbudowali system o nazwie MOLT Sinai – pipeline wzorowany na szpitalach akademickich, gdzie problemy stają się „pacjentami", scalany kod to „wypisy", a recenzenci to „ordynatorzy".

Metafory są urocze, ale filozofia jest poważna:

• Problemy to pacjenci: Każde zadanie wchodzi do systemu z dokumentacją, przechodzi triaż i podąża określoną ścieżką opieki
• Dekompozycja to diagnoza: Duże problemy dzielone są na pod-problemy z jawnymi zależnościami. Najpierw fundamenty, potem system typów, na końcu iteratory wierszy. Nie da się przyspieszyć gojenia.
• Recenzje to obchody: Każdy fragment pracy jest badany, odsyłany do poprawek (czasem 55 razy na jedno zgłoszenie) i eskalowany gdy trzeba
• Ludzie to ordynatorzy: Ostateczna władza pozostaje u doświadczonych inżynierów, którzy mogą przejąć sprawę gdy coś wygląda niepokojąco

Chodzi o to, żeby nie zastępować lekarzy – tylko zbudować system, gdzie stażyści, asystenci i specjaliści mają jasno zdefiniowane role.

Przepustowość to zły wskaźnik

Oto gdzie większość eksperymentów z AI idzie w złym kierunku: optymalizują pod „PR-y na godzinę" albo „linie kodu dziennie". Te metryki wyglądają świetnie w demo. Robią niesamowite nagłówki. Prawie nic nie znaczą dla faktycznego dostarczania oprogramowania.

Cockroach Labs mówi wprost: woleliby, żeby agenci pracowali 10 razy dłużej, niż żeby wprowadzili błędne dane do migracji klienta. Dla firmy, której cała wartość opiera się na poprawności danych, to nie filozofia – to kwestia przetrwania.

Ich pytanie brzmiało nie „ile PR-ów możemy scalić?", tylko „ilu z tych PR-ów wstydzilibyśmy się scalić?"

To pytanie, które więcej zespołów powinno sobie zadawać. Niezależnie od tego, czy używają agentów AI.

Co naprawdę się wydarzyło

Gdy wsparcie dla Db2 trafiło do MOLT:

• 32 pod-zgłoszenia otwartych pod głównym issue
• 27 pull requestów scalonych przez pipeline
• 55 razy recenzenci odsyłali pracę do poprawek
• 9 zgłoszeń eskalowanych, z czego 2 wymagały interwencji człowieka
• Pokrycie testami dorównało najlepiej przetestowanemu dialektowi (PostgreSQL)

Agenci nie byli idealni. Zgłaszali problemy we własnej pracy: brakujące fixtures, błędy w mapowaniu typów, poprawki poziomów izolacji. Potrzebowali nadzoru. Ale nadzór był ustrukturyzowany, celowy i skalowany do złożoności zadania.

Porównaj to do fabryki software'owej puszczającej agentów równolegle z warstwą obsługi merge'ów. Ta architektura ma sens, gdy wąskim gardłem jest szybkość pisania. Dla pracy wymagającej poprawności? Potrzebujesz czegoś bliższego szpitala niż linii produkcyjnej.

Co to oznacza dla Twojego zespołu

Większość z was nie buduje narzędzi do migracji baz danych. Budujecie aplikacje webowe, API, wewnętrzne narzędzia, MVP-y pod następny duży projekt. Stawki są inne.

Ale lekcja się sprawdza: agenci AI są świetni w objętości, ludzie są świetni w osądzie. Zespoły, które wyciągają prawdziwą wartość z AI coding, nie tylko piszą prompty do ChatGPT i wysyłają wynik. Budują systemy, które wykorzystują każdego do tego, w czym jest najlepszy.

To może oznaczać:

• Używanie agentów do boilerplate'u, testów i szkieletów
• Budowanie pipeline'ów recenzji, które łapią to, co agenci przegapiają
• Traktowanie wyniku agentów jako „pierwszego szkicu", nie „gotowego do wysyłki"
• Zatrzymywanie ludzi w pętli dla wszystkiego, co dotyka danych klientów lub kluczowej logiki biznesowej

Programiści, którzy będą prosperować obok agentów AI, to nie ci, którzy nauczą się szybciej klikać. To ci, którzy nauczą się projektować systemy, gdzie AI staje się mnożnikiem siły, nie obciążeniem.

Podsumowanie

MOLT Sinai przetworzył odpowiednik dziewięciu miesięcy pracy inżynierów w dwa dni, za 2,5% kosztów, z jakością dorównującą ludzkiemu kodowi.

Ale ten nagłówek przysłania to, co naprawdę się wydarzyło: zespół ludzi zbudował rygorystyczny system, zdefiniował jasne role, ustanowił znaczące punkty kontrolne, a potem pozwolił agentom działać w ramach tego frameworka.

Agenci nie zastąpili inżynierów. Ich wzmocnili.

To nie jest historia o AI zastępującym programistów. To historia o programistach budujących systemy na tyle dojrzałe, żeby dobrze wykorzystać AI.

I szczerze? To jest wersja tej opowieści, na którą warto zwracać uwagę.

Masz dość infrastruktury, która Cię spowalnia? Vibe Hosting łączy deployment wspierany AI z niezawodnością, której potrzebujesz, żeby dostarczać szybko – bez strachu. Rejestracja domen, certyfikaty SSL i hosting w chmurze – wszystko w jednym miejscu.