W platformie SaaS dla gastronomii agent kodujący pracował na regułach projektu, a przed każdą funkcją powstawały specyfikacja i plan. Wynik to ponad 1500 testów automatycznych w pipeline. Tak wygląda mój workflow AI-first w Laravelu: AI pracuje w moich regułach, a nie jest generatorem kodu, któremu oddaję projekt. Pracuję przede wszystkim z Claude Code, wspieranym przez ChatGPT, OpenAI API, Junie i Stitch. Te narzędzia biorą udział w całym cyklu tworzenia oprogramowania – od analizy wymagań, przez architekturę i implementację, po code review i dokumentację. Ostateczne decyzje techniczne i biznesowe zawsze pozostają po mojej stronie.
Poniżej opisuję, jak ten proces wygląda w praktyce w projektach Laravel.
Zasada pierwsza: najpierw architektura, potem kod
Nie zaczynam implementacji, dopóki architektura nie jest uzgodniona. Każda większa funkcjonalność zaczyna się od analizy wymagań i propozycji rozwiązania, a duże zmiany – od planu wdrożenia rozpisanego na etapy. Jeśli istnieje więcej niż jedna sensowna droga, porównuję kilka podejść z ich zaletami i wadami, zanim wybiorę jedną.
To zmienia rolę AI: zamiast „napisz mi ten moduł” pytanie brzmi „jakie są możliwe rozwiązania i jakie mają konsekwencje”.
Siedem etapów pracy
- Analiza – zrozumienie problemu biznesowego, wymagań i ograniczeń istniejącego systemu.
- Plan – podział pracy na etapy, które da się osobno wdrożyć i sprawdzić.
- Architektura – propozycja struktury rozwiązania i omówienie trade-offów: co zyskujemy, co tracimy, co będzie trudne do zmiany później.
- Implementacja – kod zgodny z konwencjami projektu i Laravela, PSR i zasadami SOLID.
- Review – przegląd zmian pod kątem błędów, niespójności i ryzyk.
- Refaktoryzacja – upraszczanie kodu i stopniowa redukcja długu technicznego.
- Dokumentacja – aktualizacja dokumentacji technicznej i zapis decyzji architektonicznych.
Gdzie AI pomaga najbardziej
Analiza trade-offów i ryzyk. AI pomaga porównywać podejścia, wskazywać ograniczenia i przewidywać konsekwencje decyzji architektonicznych, zanim zostaną zapisane w kodzie.
Code review i refaktoryzacja. Wykorzystuję AI do wykrywania potencjalnych problemów, upraszczania kodu i znajdowania miejsc, które warto uporządkować.
Wykrywanie duplikacji i niespójności. W większych aplikacjach łatwo o powtórzoną logikę albo moduły, które rozwiązują ten sam problem na dwa sposoby. AI pomaga je odnaleźć i ujednolicić.
Dokumentacja jako część procesu. Dokumentacja techniczna i ADR-y (Architecture Decision Records) powstają równolegle z implementacją, a nie po fakcie. Dzięki temu pozostają aktualne.
Mechaniczna praca. Automatyzacja powtarzalnych zadań pozwala skupić się na architekturze, logice biznesowej i rozwiązywaniu rzeczywistych problemów.
Własny zestaw reguł i narzędzi
Mój workflow opiera się na Claude Code oraz własnym zestawie dokumentacji, reguł architektonicznych, agentów i narzędzi. Reguły opisują, jak ma wyglądać kod w projekcie: modułowa architektura z wyraźnymi granicami, logika biznesowa poza kontrolerami, małe serwisy, wstrzykiwanie zależności, DTO i enumy. Dzięki temu AI pracuje w ramach konwencji projektu, a nie według własnych przyzwyczajeń.
Co zostaje po stronie programisty
AI przyspiesza pracę, ale nie przejmuje odpowiedzialności. Po mojej stronie zostają:
- walidacja logiki biznesowej – czy rozwiązanie robi to, czego naprawdę potrzebuje klient,
- ostateczne decyzje techniczne i architektoniczne,
- decyzje biznesowe i rozmowa o kompromisach z zespołem lub klientem,
- odpowiedzialność za kod, który trafia na produkcję.
Podsumowanie
AI-first nie oznacza „AI pisze, ja zatwierdzam”. Oznacza proces, w którym AI jest elementem pracy inżynierskiej na każdym etapie – od analizy po dokumentację – a programista prowadzi go i podejmuje decyzje.
Jeśli rozwijasz aplikację w Laravelu i szukasz programisty, który pracuje w ten sposób, zobacz, jak pracuję jako programista Laravel na kontrakt B2B, albo wyślij mi opis projektu. Do zespołu dołączam z tym procesem.