AI wykończy LowCode/NoCode i SaaS'y?
A dodatkowo testowanie API, co monitorować w AI, architektura Discorda, Context Engineering i interaktywny kurs promptingu od Anthrophic.
Cześć 👋
Nie wiem, czy słyszałeś/aś, ale OpenAI postanowił stworzyć AI consulting services. Jak zapłacisz minimum $10mln, to programiści z OpenAI wejdą do firmy i pomogą ci rozwiązać twoje problemy za pomocą AI. Za chwilę pewnie podobne kroki zrobi Google i Anthropic. Wszyscy piszą o kontrakcie z Pentagonem za $200mln, ja się zastanawiam czy to nie jest początek końca LowCode/NoCode i niektórych SaaS’ów.
Zacznijmy od LowCode i NoCode. Ich główną zaletą przez lata była szybkość wdrażania i budowania aplikacji. LowCode/NoCode super się sprawdzał na PoC/MVP i zebranie kasy na pełnoprawne rozwiązanie. Wielokrotnie rozmawiałem z klientami, którzy doszli do ściany z LowCode/NoCode lub koszty były zbyt duże.
Po co korzystać z LowCode/NoCode, skoro mogę wykorzystać AI do wygenerowania pierwszej wersji aplikacji.
Koszt stworzenia może być porównywalny lub minimalnie droższy, ale za to mamy:
w pełni spersonalizowane rozwiązanie
możliwość rozwoju w przyszłości
nie jesteśmy niczym ograniczeni
pełna swoboda we wdrożeniu
Z każdym kolejnym modelem do pisania kodu, bardziej się opłaca wygenerować kod niż korzystać z LowCode/NoCode.
I podobnie może być z micro-SaaS, które każą sobie płacić więcej, niż mają do zaoferowania. Nie znikną wszystkie SaaSy, bo to nie możliwe np.: po co od 0 robić Auth’a czy płatności. Mogą zniknąć te małe, których funkcjonalność da się powielić przy pomocy AI. Biznes może też rezygnować z tych rozwiązań, które mają tonę funkcjonalności, ale korzystają z małego wycinka. I to takiego, który można zrobić samemu.
Jeśli chcessz przy pomocy AI zrobić micro-SaaS to zastanów się gdzie jest wartość. Skoro ty wygerowałeś/aś kod, to każdy to może zrobić. Wartość musi być widoczna, a cena adekwatna do możliwości. By bardziej opłacało się wziąć twój produkt zamiast generować.
Jestem ciekawy twojej opinii na ten temat więc jeśli masz jakieś przemyślenia, to zostaw komentarz.
I zapraszam do najciekawszych artykułów z minionego tygodnia.
🤖 AI
O co chodzi z Context Engineering?
Na samym początku LLM pojawił się tzw. Prompt Engineer, czyli osoba odpowiedzialna za pisanie promptów. Jednak w przypadku dużych aplikacji to jest niewystarczające. Aby poprawnie korzystać z AI, trzeba odpowiednio zarządzać promptem, pamięcią, danymi, narzędziami i innymi elementami. Pomóc ma w tym Context Engineer.
5 rad jak budować MCP Servers
MCP to nowość, która stała się bardzo popularna. Powstaje sporo różnych serwerów MCP, ale nie wszystkie są zrobione dobrze. Zwykły wrapper na API nie wystarczy. W artykule znajdziesz 5 rad, które pomogą Ci pisać lepiej działające serwery, np. jak powinno się zwracać informacje o błędach.
Co musisz monitorować w systemach AI?
Ciężko jest budować systemy AI bez odpowiedniego monitoringu. Jednak oprócz monitoringu trzeba wiedzieć, co monitorować. Sentry opisało trzy etapy życia produktu wraz z opisem, co warto śledzić na każdym etapie i co może się zepsuć bez monitoringu.
🏗️ Architektura
Eventual Consitency przy uploadzie plików
Gdy robimy upload dużych plików, nie chcemy, aby użytkownik musiał czekać, aż wszystko się wyśle. Dużo lepiej, gdy dzieje się to w tle. Oskar opisuje, jak sobie z tym poradzić za pomocą Unique Resource Names. To prosty koncept, który można wdrożyć w wielu aplikacjach. Warto przeczytać.
Jak Discord przechowuje wiadomości?
Discord musi sobie radzić z OGROMNĄ ilością wiadomości dziennie. Ich architektura na początku nie była na to przygotowana, więc musieli dokonać kilku zmian w sposobie przechowywania danych, aby to się skalowało. W artykule znajdziesz opis ich drogi oraz dokonane wybory. Warto poczytać, jak projektować bazę pod tak ogromny ruch.
👨💻Development
Jak testować API?
Testy z API są jednymi z najważniejszych testów, szczególnie dla aplikacji API-first. W artykule znajdziesz więcej informacji na temat tych testów, różne rodzaje oraz narzędzia.
Jak zarządzać swoim czasem jako programista?
Praca programisty potrafi być męcząca. Wystarczy jedno skomplikowane zadanie, by być zmęczonym do końca dnia. Zapobiec temu można przez odpowiednie zarządzanie energią. W artykule znajdziesz kilka technik, które mogą ci w tym pomóc. Pamiętaj, by dostosować je do siebie.
Jak mierzyć wpływ AI na zespoły programistyczne?
AI poprawia wydajność 100x. To jest totalna bzdura, która jest bardziej marketingiem niż wynikiem pomiarów. Tylko jak to poprawnie mierzyć? W artykule znajdziesz, co warto mierzyć, jak zbierać te dane oraz jak wdrażać taki monitoring.
🧩 Inne
Interaktywny kurs prompingu od Anthropic
Anthropic udostępnił darmowy kurs tworzenia promptów. Opiera się on na Jupyter Notebooks z teorią i zadaniami. Obejmuje podstawowe tematy, aż po bardziej złożone, np. unikanie halucynacji.
Jak Shopify podchodzi do pracy
Regularnie, dwa razy w roku, Shopify wydaje nowe wersje swojego systemu. Jak im się to udaje i jak podchodzą do pracy? W artykule znajdziesz wyniki rozmowy z dyrektorem produktu na temat podejścia do pracy oraz tego, jak patrzą na AI.
Jak dobrze wykorzystywać AI
Ostatnio głośno było o pracy na temat tego, że korzystanie z AI nas ogłupia. Na szczęście nie jest tak źle. Jednak na pewno da się wykorzystywać AI w zły sposób, który nas nie rozwija. W artykule znajdziesz kilka pomysłów, jak podejść do tego lepiej i użyć AI do rozwoju.
Jeśli podoba ci się newsletter to zachęcam do subskrypcji
oraz do podzielenia się z innymi osobami
Miłego tygodnia i do usłyszenia
Olek
PS. Jeśli to czytasz, to pewnie spodobało ci się to wydanie. Jeśli tak, to zostaw ♥️