Advertise on podcast: Better Dev Club

Anthropic opisuje Scion: system kontroli wersji przygotowany dla pracy agentów AI w swoim monorepo. Przy deklarowanych ponad 30 tysiącach scalonych zmian dziennie operacje Gita stały się kosztownym wąskim gardłem. Piotrek Stapp i Kajetan Duszyński przyglądają się raportowanym przyspieszeniom i pytają, czego z tego przykładu może nauczyć się zwykły zespół: czy potrzebuje nowego narzędzia, czy najpierw lepszego procesu? W drugiej części rozmawiamy o Reverse Engineer Anything i granicach przepisywania gotowych produktów z AI. Piotrek opowiada o próbach zbudowania wyszukiwarki lotów uwzględniającej dojazd z lotniska, a Kajetan wyjaśnia, dlaczego zamiast pisać własny system mailingowy wybrał open source i AWS SES. Rozdzielamy aplikację dla siebie od produktu dla klientów oraz koszt napisania kodu od późniejszego utrzymania. 00:00 - [30 tys. commitów] Anthropic, Scion i pytanie o wartość zmian 02:50 - [Monorepo i agenci] Ograniczenia narzędzia czy problem procesu? 04:47 - [Git a praca agentów] Kontrola wersji przy ciągłej pracy online 07:20 - [Liczby Anthropic] Raportowane czasy operacji w środowiskach ludzi i agentów 10:38 - [Nie kopiuj cudzej skali] Dlaczego rozwiązanie Anthropic nie jest receptą dla wszystkich 13:37 - [Co trafia do repozytorium?] Historia zmian, dane i pytania o proces 16:59 - [Kod pisany przez AI] Spekulacje o źródłach skali i kosztach utrzymania 17:52 - [Reverse Engineer Anything] Odtwarzanie produktów i pierwsze próby Kajetana 19:42 - [Wyszukiwarka lotów] Próby Piotrka i koszt dojazdu z lotniska 22:48 - [Czy potrzebujesz historii Gita?] Commitowanie, cofanie zmian i praca agentów 24:14 - [Pokażcie proces] Czego prowadzący chcieliby dowiedzieć się od Anthropic 25:56 - [Własny produkt czy klon?] Hype wokół AI a rzeczywiste zapotrzebowanie na pracę 28:44 - [Mailing Marca Lou] Własne narzędzie a cena gotowej usługi 31:09 - [Kod to nie cały produkt] Sprzedaż, potrzeby użytkowników i różnice skali 32:55 - [Wybór Kajetana] Open source zamiast pisania mailingu od zera 33:33 - [AWS SES] Płatność za wysłane maile zamiast liczby subskrybentów 33:59 - [Koszt utrzymania] Dlaczego nie wszystko warto pisać samemu 36:12 - [Podsumowanie] Pytania o proces Anthropic i własne produkty słuchaczy

Modele decyzyjne mają wybierać odpowiedź, a nie prowadzić rozmowę. Czym różnią się od LLM-ów i dlaczego poprawny JSON jeszcze nie oznacza dobrej decyzji? W odcinku #42 rozmawiamy o Jev od TypeSafe AI, Microsoft-Decision-1 opartym na Qwenie oraz o tym, co w modelach decyzyjnych jest nowe, a co znamy od lat z machine learningu. Sprawdzamy, gdzie takie modele mogą się przydać: w wyborze narzędzi i modeli dla agentów AI, paper tradingu oraz wspomaganiu decyzji medycznych. Jest też historia lekarzy pytających ChatGPT, MedDecider i wyniki na egzaminie LEK. Dlaczego dobry wynik benchmarku nie zastępuje rozmowy z pacjentem? I kiedy wyspecjalizowany model ma więcej sensu niż kolejny prompt do ogólnego LLM-a? 00:00 Model decyzyjny kontra szef 00:45 Microsoft-Decision-1 kontra Jev 04:45 Czym jest model decyzyjny? 07:07 Qwen pod spodem i structured output 09:28 To samo pytanie, ta sama decyzja? 10:40 Sekundy kontra milisekundy 12:12 MedDecider, medycyna i paper trading 16:28 Qwen, Drex i modele bazowe 18:07 Microsoft kontra startup — Dawid i Goliat 21:07 Routing agentów: model, narzędzie czy człowiek? 23:55 Microsoft Foundry kontra gotowe aplikacje AI 28:00 Lekarz pyta ChatGPT 31:58 Wyniki LEK to nie wszystko 33:43 Pomysł na startup i zakończenie #AI #ModeleDecyzyjne #BetterDevClub #Qwen #Jev #AgenciAI

Głośny keynote DHH (Davida Heinemeiera Hanssona) na Rails World wstrząsnął całym światem IT. Twórca Ruby on Rails ogłosił, że po 20 latach przestaje pisać kod ręcznie i w zasadzie przechodzi na „emeryturę programistyczną”, oddając pisanie w ręce modeli AI. W 41. odcinku Better Dev Club Piotrek Stapp i Kajetan Duszyński rozkładają to wystąpienie na czynniki pierwsze. Czy Software Craftsmanship i dyskusje o czystości kodu to już przeszłość? Co z pasjonatami programowania, którzy weszli do branży z miłości do klepania linijek — czy czeka ich los dawnych malarzy po wynalezieniu aparatu fotograficznego? Panowie bez owijania w bawełnę analizują swoje codzienne nawyki: czy w ogóle jeszcze czytają wygenerowany kod, dlaczego testy stały się jedyną uprzężą trzymającą projekt w ryzach i czy tester z LLM-em w ręku może wkrótce zastąpić klasycznego programistę. Dyskutują także o zmianie struktury zespołów — od pełnej specjalizacji ku „dyrektorom kreatywnym” — pułapce traktowania kodu jak czarnej skrzynki oraz o tym, dlaczego paradoksalnie zrozumienie architektury komputera i fundamentów systemowych staje się ważniejsze niż kiedykolwiek. 00:00 Wstęp — suchar o DHH i echa keynote’a na Rails World 03:02 DHH i Ruby on Rails — języki programowania tracą znaczenie na rzecz modeli AI 04:45 Koniec Software Craftsmanship? Rzemiosło jako ukłon w stronę zespołu 06:01 Co z pasjonatami kodu? Malarstwo po wynalezieniu fotografii 08:51 Nowa warstwa abstrakcji — czy kochaliśmy klepać każdą linijkę? 12:03 Czytasz jeszcze kod? Testy jako „harness” projektu 13:31 LLM pisze lepsze testy — przypadki brzegowe, E2E i code review 15:52 Co zostało z rzemiosła? Czy wystarczy dać LLM-a testerom? 18:22 Rewolucja w zespołach — od specjalizacji do dyrektora kreatywnego 21:10 Stolarz a fabryka mebli — ręcznie strugany kod jako nisza 23:06 Kod jako czarna skrzynka — Uncle Bob, agenci i architektura 25:53 Powrót do fundamentów — rozumienie komputera zamiast „fix it” 26:22 Rok utrzymywania kodu z AI — czy stajesz się inżynierem? 27:40 90% pracy to CRUD-y — kraftowy kod kontra biznesowa rzeczywistość 29:19 Spełniony sen o IT i biznesie — optymistyczne spojrzenie w przyszłość #BetterDevClub #DHH #AI #CleanCode #SoftwareCraftsmanship #Programowanie #LLM #Testowanie #ArchitekturaOprogramowania #SDLC #RailsWorld #RubyOnRails

Czy rewolucja generatywnego AI jest w stanie obalić fundamentalne prawa inżynierii oprogramowania, które rządzą branżą od kilkudziesięciu lat? W 40. odcinku Better Dev Club Piotrek Stapp i Kajetan Duszyński biorą na warsztat klasyczne zasady wytwarzania software'u i sprawdzają, czy dorzucenie tokenów i armii agentów AI pozwala obejść ograniczenia, z którymi mierzymy się od dekad. Od dowcipu o 9 kobietach rodzących dziecko w miesiąc (Prawo Brooksa), przez architekturę odzwierciedlającą strukturę zespołów (Prawo Conwaya), po ewolucję systemów od prostych do złożonych (Prawo Galla). W dalszej części rozmowy panowie dyskutują o pułapkach metryk efektywności w dobie AI (Prawo Goodharta i "token maxing"), wyjaśniają, dlaczego dyskusje w internecie stały się zbyt grzeczne przez LLM-y, oraz analizują Prawo Amdahla na autentycznym przykładzie 3-tygodniowego debugowania błędu klawiatury w aplikacji terminalowej na iOS. Czy AI to faktycznie rewolucja wywracająca zasady gry, czy raczej ewolucja, która tylko uwypukla i wzmacnia klasyczne problemy inżynierii oprogramowania? Rozdziały: 00:00 - Wprowadzenie do praw fizycznych i inżynieryjnych 01:21 - Prawo Brooksa i jego współczesne zastosowanie w dobie agentów AI 04:14 - Prawo Conwaya a nowa struktura organizacyjna i komunikacyjna 07:29 - Ewolucja zespołów w kontekście agentów AI i monolitów 10:19 - Prawo Galla: Dlaczego skomplikowany system musi wyrosnąć z prostego 13:10 - Pułapki jednego prompta i zbieranie wymagań pod agentów 16:28 - Problemy z wymaganiami w oprogramowaniu i iteracyjna krytyka 20:22 - Prawa informatyki: Prawo Goodharta, mierzenie KPI i token maxing 26:31 - Prawo Amdahla i wąskie gardła w automatyzacji (case study debugowania iOS) 31:31 - Ewolucja czy rewolucja w kontekście AI oraz polecajka (Thinking in Systems) Linki i materiały: - Thinking in Systems (Donella H. Meadows): https://www.chelseagreen.com/product/thinking-in-systems/ - Nasza strona z transkrypcjami: https://betterdevclub.pl #betterdevclub #programowanie #ai #softwaredevelopment #sdlc

Czy generowanie kodu z pomocą sztucznej inteligencji faktycznie sprawiło, że zespoły dostarczają oprogramowanie 10x albo 100x szybciej? W tym odcinku bierzemy pod lupę cały cykl wytwarzania oprogramowania (SDLC) i sprawdzamy, co tak naprawdę uległo zmianie. Choć pisanie samego kodu skróciło się niemal do zera, wąskie gardła wcale nie zniknęły – przeniosły się na fazę zbierania wymagań, code review, weryfikację PR-ów, testy akceptacyjne (UAT) oraz rozmowy z klientem. Zamiast armii programistów zmagających się ze sztywnym podziałem na frontend i backend, deweloperzy wreszcie wychodzą ze swoich baniek, zaczynają przeklikiwać własne aplikacje na środowiskach deweloperskich i wyłapują błędy znacznie wcześniej. W drugiej części dyskutujemy o paradoksie Maerska (gdzie wdrożenie pojedynczej zmiany trwało 42 tygodnie, z czego samo kodowanie zaledwie 5 dni) oraz o tym, jak mierzyć efektywność zespołów, by nie wpaść w pułapkę metryk typu liczba linii kodu czy story pointy. Zastanawiamy się również nad prowokacyjną tezą: czy w epoce błyskawicznej generacji kodu hejtowany przez lata Waterfall i precyzyjne zbieranie wymagań z pomocą narzędzi takich jak Figma nie wrócą do łask, a mikroserwisy nie ustąpią miejsca dobrze zaprojektowanym monolitom? Rozdziały: 00:00 Wstęp: Suchar na start i czy jesteś już 100x deweloperem? 01:05 4 filary szybszego dostarczania: Output, Time to Market, mniej błędów i koszty 04:05 Czy da się to zmierzyć? Story pointy, kartki w backlogu i problem mierzalności 06:50 Realny deployment: Software medyczny vs specyfika e-commerce i Allegro 10:54 Jakość a nie jakość: Deweloperzy wreszcie klikają we własny soft i łapią błędy 13:20 Koniec silosów: Front vs Back – deweloperzy wychodzą poza swoje bańki 16:05 Paradoks Maerska: 42 tygodnie na zmianę, z czego tylko 5 dni kodowania 19:10 Prawdziwe wąskie gardła: Zrozumienie raportu, testy z użytkownikami i UX 22:22 Projektowanie od zera: Weryfikacja tożsamości gestem, bezpieczeństwo i on-prem 24:15 Produkt vs Konsulting: Ładowanie na taczkę i presja dowożenia sprintów 25:52 Przesunięcie wąskiego gardła: UAT-y, weryfikacja kodu i czy agent ma sprawdzać agenta? 27:18 Nowy podział ról: Mniej devów, więcej QA i analityków? 28:18 Mierzenie efektywności: Jak mierzyć postęp i pułapki metryk (Dostajesz to, co mierzysz) 31:57 Czy Waterfall wraca? Tydzień zamiast roku – renesans dokładnej analizy wymagań 34:39 Figma i nowoczesne narzędzia: Mockupy zamiast Painta i czy jeden prompt wystarczy dla banku? 38:10 Zmierzch mikroserwisów? Powrót do monolitu, gdy jeden zespół i agenci ogarniają całość 40:54 Nowa rola inżyniera: Nie bądź zombie patrzącym w licznik tokenów 42:14 Metafora taczki: Czas na myślenie i rozwiązywanie realnych problemów biznesowych 44:06 Zakończenie: Poszukiwany designer na kolejny odcinek i podsumowanie #betterdevclub #sdlc #programowanie #ai #coding #agile #waterfall #qa #codereview #figma #mikroserwisy #monolit #dora #developer

Były szef bezpieczeństwa Anthropic ostrzega: istnieje 10% szans, że AI doprowadzi do zagłady ludzkości w ciągu kilkunastu lat. W odpowiedzi liderzy największych potęg AI – Sam Altman (OpenAI), Dario Amodei (Anthropic), Demis Hassabis (Google) oraz Elon Musk – niespodziewanie zaczynają mówić jednym głosem i nawołują do spowolnienia oraz regulacji. Altman ogłasza wstrzymanie wejścia OpenAI na giełdę (IPO). Kajetan i Piotrek z humorem i dystansem rozpracowują ten medialny spektakl: czy to realna troska o bezpieczeństwo, czy może genialna zasłona dymna i próba zabetonowania rynku przed tańszą konkurencją z Chin (nowy DeepSeek)?\n\nW drugiej części panowie schodzą na ziemię i do realnego IT: jak dziś wygląda security i ucieczki modeli z harnessów, czy grozi nam atak na infrastrukturę krytyczną, paraliż banków lub panika giełdowa, oraz dlaczego w firmach bezpieczeństwo leży odłogiem, dopóki coś nie wybuchnie. Dyskutują też o rzekomym rozwiązaniu problemu milenijnego przez OpenAI, ekonomii tokenów i geopolitycznym starciu USA–Chiny, w którym jedynym wyborem ma być komunizm albo cyberpunk. Na koniec: optymistyczna wizja, w której AI zamiast budować bomby, leczy raka i ratuje planetę. 00:00 - [Wstęp] Jimmy Fallon, Trump i obietnica bezpieczeństwa AI 01:53 - [10% szans na zagładę] Odejście z Anthropic i czarne scenariusze 02:45 - [Sojusz gigantów] Altman, Amodei, Hassabis i Musk chcą regulacji 04:00 - [Regulacje czy monopol?] Kto naprawdę zyskuje na spowolnieniu wyścigu 05:11 - [Czynnik chiński] Tani DeepSeek depcze po piętach amerykańskim gigantom 05:53 - [Kulisy IPO] Dlaczego Sam Altman wstrzymuje wejście OpenAI na giełdę 08:00 - [Bańka strachu] Czy pompowanie paniki to tylko cyniczny marketing? 10:24 - [Realne cyberzagrożenia] Ucieczki z harnessów, wycieki danych i cyberataki 12:33 - [Rzeczywistość w firmach] Dlaczego security ma niski priorytet, dopóki nie wybuchnie 13:50 - [Problem milenijny] OpenAI chwali się matematycznym przełomem 15:50 - [Ekonomia tokenów] Ile firmy są w stanie zapłacić za reasoning? 16:51 - [Geopolityka AI] USA vs Chiny, europejskie regulacje i wizja Cyberpunka 19:33 - [300 tokenów na sekundę] Tempo rozwoju wg DeepSeek i utopijna przyszłość AI 21:34 - [Zakończenie] Podsumowanie i pożegnanie #betterdevclub #ai #anthropic #claude #openai #sam-altman #deepseek #ipo #regulacje #bezpieczenstwo #security #harness #google-deepmind #cyberpunk

OpenAI znów zatrzęsło internetem – nowy model („Astra”) wywołał falę zachwytów, obietnic AGI i demówek generujących gry w 3D czy grafiki w Blenderze jednym promptem. Kajetan i Piotrek z dystansem rozbierają ten spektakl na części pierwsze: sprawdzają, jak model radzi sobie w prostych codziennych zadaniach (od pisania maila po dowodzenie twierdzeń matematycznych), konfrontują go z Claude i Gemini oraz bez ogródek komentują viralowy post dr. Macieja Kaweckiego, który obwieścił nadejście AGI w dniu premiery.\n\nW drugiej części dyskutują o zmianie strategii OpenAI – wyjściu z bańki programistycznej w stronę globalnej interakcji z komputerem, kontrowersjach wokół praw autorskich i artykułu Jakuba Pachockiego ('An Alien Mind'). Rozważają też twardą ekonomię reasoningu: czy opłaca się płacić 30 razy więcej za 5 minut pracy modelu, dlaczego lokalne modele wciąż kuszą oraz dlaczego to nie same wagi modeli, lecz bezpieczne i sprytne harnessy będą ostatecznym bastionem programistów. Na koniec polecajka benchmarku ARC-AGI François Cholleta. 00:00 - [Suchar na start] Nowa Astra i Opel Astra ojca 00:46 - [Nowy model OpenAI] Premiera „Astry”, narracja o AGI i demówki z Blenderem 04:06 - [Gemini i mem z podium] Czy nowe modele naprawdę deklasują konkurencję? 05:27 - [Testy w praktyce] Pisanie maili, Claude vs Astra i zderzenie z hype'em 07:21 - [Gównoburza o AGI] Post dr. Macieja Kaweckiego i krytyka bezkrytycznego zachwytu 09:11 - [Dowodzenie twierdzeń] Matematyka w modelach i dylemat: ewolucja czy rewolucja cenowa? 10:57 - [Kulisy OpenAI] Sam Altman, moralność, marketing i ukrywanie reasoningu modeli 13:50 - [Pixel art i darmowe gry] Michael Jackson w Excelu i generowanie gier vs realna wartość 16:06 - [Wyjście z bańki IT] Grafika 3D, Stable Diffusion, I'mEmily2050 i pozwy o prawa autorskie 18:40 - [An Alien Mind] Jakub Pachocki o nieludzkiej naturze inteligencji maszynowej 21:04 - [Czas vs pieniądze] Czy warto płacić 30x więcej za reasoning w 5 minut? 22:37 - [Harness to przyszłość] Dlaczego środowisko uruchomieniowe staje się ważniejsze od modelu 24:35 - [Outro & ARC-AGI] Gierki logiczne François Cholleta i prawdziwy test na AGI #betterdevclub #ai #openai #astra #agi #anthropic #claude #sam-altman #jakub-pachocki #arc-agi #harness #reasoning #gemini #blender

Rozpoczynamy Sezon 2 podcastu Better Dev Club! Po wakacyjnej przerwie wracamy z przeglądem najgorętszych wydarzeń ze świata AI, sprzętu i programowania. Zaczynamy od cenowego szaleństwa wokół nowego sprzętu Apple – Mac Studio i Mac Mini w kosmicznych konfiguracjach oraz dlaczego zunifikowana pamięć Apple Silicon to wciąż jedyny sensowny wybór do lokalnych LLM-ów w porównaniu z farmami RTX 5090. W dalszej części omawiamy potężne przejęcie: Nvidia kupuje Hugging Face za niemal 13 miliardów dolarów. Dyskutujemy o napięciach między OpenAI a Cursorem i Muskiem (xAI), wysypie nowych modeli i narzędzi po wakacjach (Qwen, DeepSeek, Google Antigravity, seria Claude 5.1 Mythos / Fable) oraz o tym, dlaczego nowe wersje to już raczej spokojna ewolucja niż rewolucja. Na koniec przyglądamy się nowym modelom od Microsoft AI (Code, Thinking, Image/MAI-Image-v1) oraz kontrowersyjnemu ruchowi w ekosystemie .NET: wprowadzeniu Open Source Maintenance Fee ($20/miesiąc) dla organizacji korzystających z biblioteki Polly. 00:00 - [Intro] Wracamy po wakacjach! Start Sezonu 2 00:49 - [Sprzęt pod AI] Mac Studio i Mac Mini za 90k zł, pamięć zunifikowana vs 10x RTX 5090 04:20 - [Wielkie zakupy] Nvidia przejmuje Hugging Face za 13 miliardów dolarów 06:39 - [Founder & Storage] Fenomen Hugging Face, infrastruktura i potęga społeczności 07:27 - [Przetasowania na rynku] OpenAI vs Cursor, spór z Elonem Muskiem i xAI 08:56 - [Zalew modeli i narzędzi] Qwen, DeepSeek, Google Antigravity, seria Claude i tempo wydań 10:21 - [Ewolucja zamiast rewolucji] Dlaczego nowe wydania modeli już tak nie ekscytują 12:31 - [Markdowny i instrukcje] Problem z zarządzaniem plikami instrukcji i context engineering 14:00 - [Microsoft AI] Nowa linia modeli bez Copilota w nazwie: Code, Thinking i MAI-Image-v1 16:23 - [Generatory obrazów] Benchmarki, renderowanie tekstu na grafikach i specyfika modeli 18:21 - [Open Source Maintenance Fee] Polly w .NET wprowadza $20/msc dla korporacji 20:28 - [Obejścia i licencje] Spór o wrappery open source i problem procesowania $20 w korpo 22:36 - [Outro] Zapowiedź kolejnych odcinków, goście w Sezonie 2 i podsumowanie #betterdevclub #ai #mac-studio #apple-silicon #rtx-5090 #nvidia #hugging-face #openai #cursor #elon-musk #xai #claude #anthropic #deepseek #microsoft-ai #polly #dotnet #open-source

Specjalny odcinek z gościem: Marcin Malinowski, principal engineer w Allegro Pay, człowiek z dwóch światów: solidnego inżynierskiego rzemiosła (FP, DDD, CQRS, event sourcing) i bardzo świeżego, praktycznego podejścia do agentic coding. Rozmawiamy o tym, jak AI zmienia rolę principala, dlaczego warstwa kontekstowa i wiedza plemienna to największa słabość modeli oraz jak Allegro przebudowało dokumentację pod AI (RAG, bazy grafowe, hierarchia kontekstu).\n\nW drugiej części Marcin zdradza twarde liczby z Allegro Pay: ile kodu naprawdę generuje AI i gdzie ląduje, kto buduje agentów (inżynierowie vs eksperci domenowi bez znajomości Pythona), jak wygląda regulowany proces KYC/AML, agent payments protocol oraz narzędzia typu Snowflake, Obsidian i Playwright w rękach analityków. Na koniec szczera rozmowa o końcu ery „YOLO”, odpowiedzialności za kod, siatkach bezpieczeństwa wokół PR-ów, losie juniorów w erze AI i o tym, w co warto zainwestować swoje 10 000 godzin. „Wszystko, co powiedziałem jako prognoza — z tą gwiazdką na pewno się mylę”. 00:00 - [Intro] Marcin Malinowski — principal engineer w Allegro Pay 03:05 - [AI Engineering Foundations] Spec-driven development i mierzenie efektów pracy agentów 06:14 - [Warstwa kontekstowa] Dlaczego wiedza plemienna to największa słabość AI 10:33 - [Dokumentacja pod AI] RAG, bazy grafowe i hierarchia kontekstu w Allegro 12:59 - [Kraftowe rzemiosło] FP, DDD, CQRS, event sourcing i TDD w erze agentów 19:30 - [Allegro Pay] Ile kodu generuje AI, gdzie ląduje i co pokazują metryki 24:01 - [Kto buduje agentów] Inżynierowie vs eksperci domenowi, KYC/AML, Snowflake, Obsidian 34:48 - [Dane i odpowiedzialność] Regulacje, agent payments protocol i przetwarzanie danych klientów 39:26 - [Koniec YOLO] Odpowiedzialność za kod i budowanie siatek bezpieczeństwa 43:59 - [Review PR-ów] Dlaczego na PR-ze jest już za późno i jak dbać o jakość wcześniej 49:14 - [Juniorzy w erze AI] Entry-level jobs, nauka on the job i analogie ze sportem 55:53 - [W co inwestować] 1000/10000 godzin, fundamenty AI i ekspertyza w jednej dziedzinie 59:47 - [Ostatnia rada] Odręczne notatki i meta-nawyk 62:00 - [Outro] Podziękowania i zaproszenie do dyskusji #betterdevclub #ai #marcin-malinowski #allegro-pay #spec-driven-development #agentic-coding #ddd #tdd #event-sourcing #kyc #aml #snowflake #obsidian #mcp #junior #principal-engineer

Po ponad pół roku regularnego, cotygodniowego podcastu Kajetan i Piotrek robią rachunek sumienia i wracają do przewidywań, które obiecali sprawdzić „w czerwcu”. Zaczynają od Agentic AI Foundation, która właśnie ogłosiła przyjęcie 43 nowych członków (w tym F5, GoDaddy, Stripe i TRON oraz instytucji takich jak US Army) — czy fundacja faktycznie napędza adopcję otwartych standardów agentowych jak agents.md i MCP, czy działa wolno niczym Unia Europejska?\n\nW dalszej części odcinka rozliczają kolejne tezy: zapowiadany „koniec vibe codingu” (i nieprzyjęty termin gen-coding), spór monorepo vs multirepo i mit jak największego okna kontekstowego, migrację legacy od zera (Cobol → dotnet, akcje IBM i historia dotnetomaniaka), wejście modeli lokalnych na Maca, eksplozję małych modeli (Gemma, model w Chrome, MAI-Code-1-Flash, Gemini Flash) oraz pytanie, czy Claude Code spadnie z pierwszego miejsca przed IPO Anthropic. Szczerze przyznają, gdzie trafili, a gdzie mocno się pomylili. 00:00 - [Intro] Pół roku podcastu i czas na rozliczenie przewidywań 00:56 - [Agentic AI Foundation] Nowa strona, 43 nowych członków i adopcja agents.md oraz MCP 04:02 - [Membership] Associate members, US Army i pomysł na zostanie ambasadorem AAIF 06:14 - [Koniec vibe codingu?] Dlaczego termin gen-coding się nie przyjął 07:49 - [Vibe coding żyje] Przesunięcie w stronę dyscypliny, testów i workflow 11:56 - [Monorepo vs multirepo] Czy agenci ogarniają więcej niż jedno repozytorium? 14:22 - [Okno kontekstowe] Mit „im więcej kontekstu, tym lepiej” i analogia do megapikseli 17:37 - [Migracja legacy] Cobol do dotneta, akcje IBM i dotnetomaniak po latach 22:15 - [Modele lokalne] Tylko dla freaków? Gemma na Macu i koszt sprzętu 25:33 - [Małe modele] Gemma, model w Chrome, MAI-Code-1-Flash i Gemini Flash 30:07 - [Czy Claude Code spadnie z #1?] Marketing, IPO Anthropic i wojna narzędzi 33:20 - [Tooling i UX] Claude vs ekosystem Microsoftu (M365, Copilot CLI, VS Code) 37:06 - [Outro] Autoreklama, wakacyjne plany i zaproszenie do dyskusji #betterdevclub #ai #predykcje #agenticaifoundation #agentsmd #mcp #vibecoding #gen-coding #monorepo #legacy #cobol #localmodels #gemma #claudecode #anthropic

Kajetan i Piotrek omawiają dynamiczną sytuację wokół nagłej premiery i jeszcze szybszego zniknięcia modelu Claude 5 Fable. Zastanawiają się nad powiązanym z tym ryzykiem geopolitycznym oraz uzależnieniem Europy od amerykańskich dostawców technologii AI. Czy Trump lub jakikolwiek inny rząd może jednym pstryknięciem odciąć nas od modeli? \n\nW drugiej części odcinka dyskutują o problemie vendor lock-inu w erze sztucznej inteligencji, europejskiej kulturze regulacji (AI Act) kosztem innowacji oraz o tym, dlaczego założyciele ElevenLabs musieli przenieść się do USA. Analizują programy takie jak AI Giga Factories, pomysły zakupu Anthropic przez Unię oraz rolę polskich inicjatyw, by na koniec zaapelować: nie zakochujcie się w modelach, lecz w stabilnych procesach. 00:00 - [Intro] Trudne tematy polityczne w podcaście technologicznym 01:07 - [Znikający Fable] Premiera Fable 5 i nagła dezaktualizacja poprzedniego odcinka 02:00 - [Geopolityka] Czy rządy mogą wyłączać modele komercyjne? Ryzyko zależności od USA 04:10 - [Debata w sieci] Komentarze i tweet prof. Piotra Sankowskiego o europejskim narzekaniu 07:15 - [Regulacje vs Innowacje] ElevenLabs i ucieczka innowatorów do USA przed AI Actem 09:46 - [Głos z Europy] Co mówią brytyjscy, holenderscy i francuscy politycy o zależności technologicznej? 10:35 - [Kupmy Anthropic!] Szalony pomysł Piotra na uniezależnienie Europy 13:15 - [Polska innowacyjność] Jak rozkładają się środki publiczne w Polsce i rola programów unijnych 14:15 - [AI Giga Factories] Rządowy program budowy infrastruktury AI w Europie i jego tempo 17:10 - [Vendor locking] Dlaczego nie wolno uzależniać się od jednego dostawcy AI 19:07 - [Wsparcie lokalne] Dlaczego powinniśmy inwestować w Mistrala, Bielika i słuchać mądrych ludzi 21:18 - [Outro] Linki, podsumowanie i zaproszenie do dyskusji w komentarzach #betterdevclub #ai #geopolitics #fable5 #anthropic #ideasncbr #aiact #elevenlabs #gigafactories #vendorlocking #mistral #bielik #innovation

Kajetan i Piotrek biorą pod lupę najświeższą wojnę na benchmarki wywołaną głośną premierą rodziny modeli Claude 5 (w tym Mythos 5, Fable 5 i Opus 4.8) oraz niespodziewanym debiutem własnych modeli MAI od Microsoftu. Rozmawiamy o twardych liczbach z Agentic Coding Terminal Bench 2.1 oraz Humanity Last Exam, zderzając je z realnymi kosztami. Czy czeka nas przejście z subskrypcji na token-based billing? \n\nW drugiej części odcinka analizujemy niesamowity model do kodowania od Microsoftu, który ma być tańszy od Haiku i dorównywać Sonnetowi 4.6. Zastanawiamy się też, czy wysokie ceny tokenów w chmurze nie popchną firm do powrotu do on-premise, zwłaszcza w dobie premier sprzętu takiego jak Surface RTX Devbox czy lokalnego uruchamiania modeli pokroju Google Gemma bezpośrednio na naszych Macach. „Dzisiaj używamy najgorszych modeli, jakich będziemy w życiu używać”. 00:00 - [Intro] Testowanie najnowszych modeli: Gemma, MAI, Mythos i Fable 5 01:12 - [Benchmarki] Wojna na liczby i szczegóły Agentic Coding Terminal Bench 2.1 05:10 - [Humanity Last Exam] Czy Fable 5 i Claude Opus 4.8 oznaczają nadchodzący Skynet? 08:22 - [Strategia] Wielkie modele Anthropic vs małe, zoptymalizowane rozwiązania Google i Microsoftu 09:30 - [Cybersecurity] Udostępnianie Fable 5 a podsuwanie hakerom nowego pola do popisu 10:30 - [Małe modele] Nowe, wyspecjalizowane modele od Microsoftu – poziom Sonneta 4.6 za ułamek ceny? 12:50 - [Przyszłość] Dzisiejsze modele to najgorsze wersje, jakich będziemy używać w życiu 13:59 - [Koszty] Koniec darmowych subskrypcji? Anthropic przechodzi na token-based billing 19:49 - [Sprzęt] Surface RTX Devbox i Nvidia DGX – potężne maszyny do lokalnego uruchamiania AI 22:29 - [On-premise] Czy koszty chmury wypchną firmy z powrotem na własną infrastrukturę? 23:58 - [Lokalna Gemma] Uruchamianie modeli na Macu M2 Pro i satysfakcjonujące 30 tokenów na sekundę 25:18 - [Outro] Jak zmienia się Wasz codzienny workflow w erze lokalnego AI? #betterdevclub #ai #benchmarks #claude5 #fable #mythos #mai #microsoft #google #on-premise #gemma #surfacertxdevbox #hardware #cybersecurity

Kajetan i Piotrek zaczynają od prostego pytania: czy gdybyś był dzisiaj juniorem, bałbyś się o swoją przyszłość? Gadamy szczerze o tym, że strach w branży IT zawsze był – ale dziś algorytmy i clickbait go podbijają. Następnie rozkładamy na czynniki pierwsze nowe role, które wyrastają w erze AI: AI Engineer, Forward Deployed Engineer, RAG Engineer, GenCoding Engineer, Agent Orchestrator i Governance Engineer. Omawiamy konkretne dane z Ubera – deweloperzy przepalili roczny budżet AI w 4 miesiące, 70% kodu jest pisane z pomocą AI, ale nikomu nie udało się udowodnić, że wartość biznesowa wzrosła proporcjonalnie do ilości kodu. Dyskutujemy też o eksplozji commitów na GitHubie (300M → 500M → prawie 1,5 miliarda w 2026), rosnących kosztach subskrypcji AI i o tym, czy juniorzy mogą sobie w ogóle pozwolić na te narzędzia po podwyżkach cen GitHuba i Anthropica. 00:00 - [Intro] Gdybyś był juniorem dzisiaj, czy bałbyś się? 03:21 - [Strach] Świat zaprojektowany na clickbait i fear-driven content 05:08 - [Opozycja] CEO Anthropica vs Sundar Pichai: AI wytnie juniorów czy ich wzmocni? 07:34 - [Nowe role] AI Engineer i Forward Deployed Engineer 09:45 - [Nowe role] RAG Engineer, GenCoding Engineer, Agent Orchestrator 11:08 - [Governance] AI Governance Engineer, AI Act i prawa autorskie do designów z AI 13:09 - [Dane z Ubera] Roczny budżet AI przepalony w 4 miesiące 16:11 - [Claude Code] 84% inżynierów Ubera używa AI, 11% backend updates bez człowieka 16:57 - [GitHub] Eksplozja commitów: ilość kodu ≠ jakość. Jensen Huang i statystyki GitHuba 20:02 - [Vibe coding] Budowanie aplikacji Flutter bez doświadczenia i spalony budżet Copilota 22:08 - [Koszty] GitHub bez darmowego Copilota dla studentów, rosnące ceny Anthropica i OpenAI 24:06 - [Porada] Czy edukacja IT kiedykolwiek była za darmo? Jak junior ma się przygotować? #betterdevclub #ai #junior #kariera #llm #anthropic #google #uber #github #claude #copilot #flutter #vibecoding #forwarddeployedengineer #aigovernance #softwareengineering

Kajetan i Piotrek robią luźny przegląd Google I/O z perspektywy deweloperów, tym razem nagrywany z leżaków i z lekkimi problemami technicznymi po drodze. Rozmawiają o tym, dlaczego tegoroczne ogłoszenia Google wyglądają bardziej jak ewolucja niż rewolucja, co wnosi Gemini Flash oraz czy Google nie przesuwa środka ciężkości z developer experience na użytkowników biznesowych, Workspace, Androida i wyszukiwarkę.\n\nW odcinku wraca też temat toolingu: antygravity, IDE vs CLI, rosnącej roli agentów i tego, że w świecie AI coraz mniej emocjonują nas same nowe modele, a coraz bardziej konkretne zastosowania i narzędzia. Po drodze porównujemy też pozycję Google z Claude'em i zastanawiamy się, czy deweloperzy naprawdę dostali tu coś dla siebie. 00:00 - [Intro] Google I/O oglądane na spokojnie: bardziej nudno czy po prostu przewidywalnie? 02:06 - [Tooling] antygravity CLI, Gemini CLI i pytanie o realną nowość 05:28 - [Modele] Gemini Flash i nowa rodzina modeli Google 07:19 - [Strategia Google] Tanie, szybkie modele i nacisk na Androida, wyszukiwarkę i Workspace 09:39 - [Biznes vs Dev] Czy AI zmierza w stronę gotowych zadań biznesowych zamiast developmentu? 11:00 - [Claude] Dlaczego wśród deweloperów nadal wygrywa Anthropic 12:37 - [IDE i CLI] Cała rodzina antygravity i unifikacja narzędzi 16:20 - [Przyszłość modeli] Plotki o kolejnych premierach i brak poczucia rewolucji 17:50 - [Podsumowanie] Podsumowanie odcinka nagranego na leżakach :) #betterdevclub #ai #google #googleio #gemini #claude #anthropic #llm #developertools #workspace

Kajetan i Piotrek omawiają najnowsze trendy Gartnera na 2026 rok, ze szczególnym uwzględnieniem Domain Specific Language Models (DSLM) oraz systemów multi-agentowych. Rozmawiają o tym, czy przyszłość należy do wyspecjalizowanych modeli, czy nadal będą dominować wielkie LLMy.\n\nPojawia się wątek asystentów finansowych (nowa opcja w ChatGPT) i oddawania AI dostępu do swoich kont bankowych w kontekście kwestii bezpieczeństwa. Na warsztat trafia też Mayo Clinic i ich modele medyczne. W części dla programistów Piotrek dzieli się filozoficzną rozkminką: czy w erze AI w ogóle potrzebujemy jeszcze języków programowania wyższego rzędu, skoro modele mogłyby teoretycznie wypluwać od razu zoptymalizowany asembler? Całość podsumowujemy wizją, w której własne instancje wyspecjalizowanych modeli wygryzą biznes firm konsultingowych. 00:00 - [Intro] Rankingi Gartnera i trendy na 2026 rok: multi-agenty 01:04 - [DSLM] Domain Specific Language Models zamiast gigantycznych LLM 03:39 - [Finanse] ChatGPT nowym doradcą finansowym 08:37 - [Bezpieczeństwo] Czy oddamy OpenAI dostęp do konta bankowego? 15:02 - [Wyspecjalizowane AI] Modele branżowe i skany w Mayo Clinic 16:32 - [Programowanie] Czy AI potrzebuje języków programowania? O asemblerze 22:20 - [Zastosowania] AI jako asystent na co dzień (mandaty, medycyna, prawo) 23:49 - [Konsultanci] Twój lokalny model w zastępstwie za firmę konsultingową 24:23 - [Outro] Zapowiedź przyszłotygodniowego Google I/O #betterdevclub #ai #llm #dslm #gartner #security #finance #programming #chatgpt #agents