Pierwsze weekendowe starcie z AI – od sceptyka do wyznawcy

Jak AI zmieniło mój sposób budowania aplikacji

Przyznaję — przez długi czas patrzyłem na narzędzia AI do pisania kodu z lekkim dystansem. Dawały radę z prostymi funkcjami i wyjaśnieniami, ale do poważnego projektu? Wydawało mi się, że to wciąż za mało.

Sytuacja zmieniła się, gdy zobaczyłem, jak inni programiści kończą pełne projekty z pomocą AI. Nie traktowali tych narzędzi jak ciekawostki — używali ich jak zwykłego elementu codziennej pracy. To mnie przekonało, że warto sprawdzić, czy da się z tego zrobić coś więcej niż tylko szybkie skrypty.

Cosmobot jako test

Postanowiłem odkurzyć stary pomysł na Cosmobot — framework do budowania chatbotów obsługujących różne platformy komunikacyjne. Wybór padł na ten projekt z kilku powodów. Po pierwsze, był na tyle mały, że dało się go skończyć w jeden weekend. Po drugie, wymagał technologii, z którymi nie miałem na co dzień do czynienia — Haskell, systemy efektów i biblioteki do streamingu.

Zależało mi też na tym, żeby nie był to tylko testowy kod. Projekt zakładał konkretną architekturę i realne wymagania.

Wybór technologii

Wykorzystałem dwa kluczowe elementy:

Effectful — system efektów, który pozwala deklarować z wyprzedzeniem, jakie operacje uboczne może wykonać funkcja. Każde działanie wymaga jawnego pozwolenia, jak w systemie uprawnień dla kodu.

Streaming — biblioteka do obsługi strumieni danych. W przypadku chatbotów idealnie sprawdza się do łączenia i przetwarzania wiadomości z różnych platform.

Jak wyglądała praca

Na początek przygotowałem prosty dokument z opisem wymagań. Chciałem, żeby framework był czytelny dla człowieka, używał systemu efektów i miał czystą strukturę domenową. Potem po prostu zacząłem prosić AI o kolejne części.

Efekt zaskoczył mnie od pierwszych prób.

Co mnie najbardziej zaskoczyło

Najpierw integracja z QQ. API OneBot to standard używany głównie w Chinach — nie jest szczególnie popularny w angielskojęzycznej dokumentacji. Spodziewałem się kilku rund poprawek. Tymczasem AI napisało działającą integrację za pierwszym razem, zgodną z resztą kodu i wykorzystującą wcześniej wybrane abstrakcje.

W kolejnym kroku zmieniłem konfigurację z dotenv na TOML. AI szybko rozumiało kontekł i bez dramatów refaktoryzowało struktury.

Najciekawsze było jednak tempo pracy. Kompilacja → uruchomienie → sprawdzanie zachowania → kolejna funkcja. Taki zwięzły feedback loop sprawił, że czasem nawet nie czytałem szczegółowo wygenerowanego kodu — wystarczyło, że wynik działał.

Co to oznacza dla deweloperów

AI nie zastępuje programistów. Po prostu pomaga przesunąć się wyżej — od detali implementacyjnych do architektury i decyzji strategicznych. Programista nadal musi rozumieć, co się dzieje,只是

W mojej pracy z Cosmobotem AI zajmowało się tłumaczeniem pomysłów na działający kod. Czasem trzeba było korygować drobne rzeczy, ale znacznie przyspieszyło cały proces.

Czy ma to zastosowanie poza kodowaniem

Jeśli budujesz infrastrukturę na NameOcean — rejestrujesz domeny, konfigurujesz hosting lub ustawات DNS — ten sam sposób pracy może być równie przydatny. Co wcześniej zajmowało 40 godzin, teraz może zająć znacznie mniej czasu dzięki szybszej iteracji.

Podsumowanie

AI do pisania kodu przestaje być eksperymentem. Staje się częścią codziennego warsztatu. Nie chodzi o mniej pracy — chodzi o szybsze działanie i skupienie się na tym, co naprawdę wymaga ludzkiego osądu.