Deweloper z nickiem „specsmaxxing” opisuje w swoim wpisie na blogu acai.sh ewolucję pracy z AI — od frustrujących poprawek w nieskończoność do bardziej systematycznego podejścia opartego na specyfikacjach. Autor przedstawia własne doświadczenia z „psychozą AI” i rozwój narzędzia Acai.sh do zarządzania wymaganiami w projektach wspomaganych sztuczną inteligencją.
Wpis szczegółowo dokumentuje przejście od chaotycznego „vibe-codingu” do strukturalnego podejścia, gdzie każde wymaganie otrzymuje unikalny identyfikator i jest śledzone przez cały cykl rozwoju.
Kluczowe wnioski
- „Peak Slop” (szczyt niskiej jakości kodu AI) już minął — narzędzia i metody pracy z AI znacząco się poprawiły, prowadząc do bardziej stabilnego i testowalnego oprogramowania.
- Dokumentowanie wymagań w formie specyfikacji znacznie przewyższa skuteczność samych promptów — autor podkreśla wagę pisania dokumentów typu README.md, AGENTS.md czy testing-guide.md.
- System ACIDs (Acceptance Criteria IDs) pozwala na numerowanie i śledzenie wymagań bezpośrednio w kodzie, tworząc silne powiązanie między specyfikacją a implementacją.
- Narzędzie Acai.sh oferuje czterostopniowy proces: Specify (specyfikuj), Ship (wdrażaj), Review (recenzuj), Iterate (iteruj), zaprojektowany specjalnie do pracy z AI.
- Przyszłość rozwoju oprogramowania może prowadzić od „specsmaxxing” przez „testmaxxing” do reaktywnych fabryk oprogramowania.
Od chaosu do systematyzacji
Autor opisuje znajomy scenariusz pracy z AI: Claude tworzy funkcjonalność, ale programista musi wielokrotnie korygować pomijane przypadki brzegowe, problemy z paginacją czy optymalizacją zapytań. Każda iteracja kończy się frazą „You're absolutely right! Let me fix that.”
Ten chaos prowadzi do realizacji, że dokumentowanie wymagań w formie pisemnej znacząco poprawia jakość wyników. Jak zauważa autor: „slop in, slop out” — jakość specyfikacji bezpośrednio przekłada się na jakość kodu. Nic nie zastąpi „organicznej, pisanej ręcznie specyfikacji”.
System ACAI i narzędzie Acai.sh
Przełomowy moment nastąpił, gdy jeden z sub-agentów zaczął spontanicznie numerować wymagania i odwoływać się do nich w kodzie:
# Requirements
AUTH-1: Accepts `Authorization: Bearer <token>` header
AUTH-2: Tokens are user-scoped, providing access to any of the user's resources
AUTH-3: Rejects with 401 Unauthorized
// AUTH-1
const authHeader = req.headers["authorization"];
To doprowadziło do stworzenia systemu ACIDs (Acceptance Criteria IDs) i platformy Acai.sh. Narzędzie implementuje cykl: Specify (tworzenie specyfikacji w YAML), Ship (automatyczne wdrażanie), Review (sprawdzanie zgodności z wymaganiami), Iterate (powtarzanie procesu).
System śledzi pokrycie wymagań zamiast tradycyjnego pokrycia testami, oferując nowy sposób mierzenia jakości implementacji.
Konkurencja i przyszłość
Autor porównuje Acai.sh do innych narzędzi jak GitHub SpecKit, OpenSpec, Kiro czy Traycer.ai, podkreślając różnice w podejściu. Wizja przyszłości obejmuje ewolucję od „specsmaxxing” przez „testmaxxing” do „reaktywnych fabryk oprogramowania” — systemów zdolnych do automatycznego dostosowywania się do zmieniających się wymagań.
Narzędzie pozostaje open-source i skierowane do deweloperów szukających bardziej systematycznego podejścia do pracy z AI, choć autor przyznaje, że nie każdy doceni takie rozwiązanie.
