https://piotrczerwinski.dev/pl/blog Wpisy z własnej praktyki o budowaniu produktów z agentami AI (Claude Code, Codex CLI, Kiro), LLM na produkcji, kosztach i przeglądzie kodu. pl Wed, 23 Sep 2026 08:00:00 GMT https://piotrczerwinski.dev/pl/blog/ai-engineering-job-titles-2026 https://piotrczerwinski.dev/pl/blog/ai-engineering-job-titles-2026 We wrześniu 2026 przeczytałem około 520 ogłoszeń o zdalnej pracy dla inżynierów, żeby sprawdzić, czy to, jak pracuję, pokrywa się z nazwami, których używa rynek. Observability wyprzedza każdy termin z AI, evals pojawiają się tylko w najlepiej płatnych rolach, a tytuły stanowisk układają się w cztery różne zawody. Wed, 23 Sep 2026 08:00:00 GMT agenci AI AI engineering rekrutacja LLM evals https://piotrczerwinski.dev/pl/blog/agent-session-topic-brake-hook https://piotrczerwinski.dev/pl/blog/agent-session-topic-brake-hook Launcher, który deklaruje cel każdej sesji, i hook na prompt, który blokuje prośby nie na temat, odkłada poboczne pomysły do jednolinijkowej skrzynki i eskaluje przy 250K-650K tokenów kontekstu, aż sesja zapisze handoff. Projekt, progi i błąd w parsowaniu flag. Tue, 22 Sep 2026 08:00:00 GMT Claude Code agenci AI context engineering narzędzia deweloperskie https://piotrczerwinski.dev/pl/blog/spec-driven-development-coding-agents https://piotrczerwinski.dev/pl/blog/spec-driven-development-coding-agents Budowa specyfikacji, którą agent kodujący skończy sam: model produktu, problem, cel, twarde ograniczenia, ponumerowane testy i blok zakończenia. Kto ją pisze, kto wykonuje, ile kosztuje przegląd i dlaczego specyfikacje zawodzą. Sat, 19 Sep 2026 08:00:00 GMT agenci AI spec-driven development Claude Code Codex CLI workflow https://piotrczerwinski.dev/pl/blog/agent-exit-criteria https://piotrczerwinski.dev/pl/blog/agent-exit-criteria Dwa zadania oddane temu samemu agentowi kodującemu: zadanie z jasnymi granicami przeszło 6/6 w 70 sekund, a otwarty brief badawczy wrócił jako notatka o postępach z jednym zmyślonym faktem. Dlaczego różnicę zrobiło kryterium wyjścia, a nie model. Tue, 15 Sep 2026 08:00:00 GMT agenci AI Codex CLI LLM evals workflow https://piotrczerwinski.dev/pl/blog/context-engineering-docs-as-agent-memory https://piotrczerwinski.dev/pl/blog/context-engineering-docs-as-agent-memory Dokumentacja projektu to długoterminowa pamięć agenta kodującego. Zmierzyłem, ile kosztuje wznowienie wątku pracy: około 6,7K tokenów przy uporządkowanym drzewie dokumentacji wobec 39,5K przy czytaniu plików w całości. Progi, zasada podziału plików i ciche limity, które z tego wyszły. Sun, 13 Sep 2026 08:00:00 GMT context engineering Claude Code agenci AI dokumentacja https://piotrczerwinski.dev/pl/blog/mcp-servers-daily-engineering https://piotrczerwinski.dev/pl/blog/mcp-servers-daily-engineering Jakie serwery MCP zasługują na miejsce w codziennej pracy, dlaczego domyślnie ładują się tylko dwa, a ciężkie dochodzą per sesja, jakie kształty zapytań przyspieszają triage incydentów i jakie zasady trzymają agentów z dala od zapisów na produkcji. Fri, 11 Sep 2026 08:00:00 GMT MCP Claude Code agenci AI narzędzia deweloperskie observability https://piotrczerwinski.dev/pl/blog/codex-cli-next-to-claude-code https://piotrczerwinski.dev/pl/blog/codex-cli-next-to-claude-code Jak używam Codex CLI od OpenAI obok Claude Code w tych samych repozytoriach: jeden zbiór zasad, jeden kontrakt hooka, zgodność MCP i skilli, launchery z profilami i reguła, który agent dostaje które zadanie. Thu, 10 Sep 2026 08:00:00 GMT Claude Code Codex CLI agenci AI context engineering workflow https://piotrczerwinski.dev/pl/blog/llm-prompt-leak-structured-data https://piotrczerwinski.dev/pl/blog/llm-prompt-leak-structured-data Nagłówek z metadanymi napisany dla modelu ekstrakcji trafił do JSON-LD publicznych stron. Jak znalazłem go w źródle strony, jak naprawiłem to przy renderowaniu i w danych oraz jaka reguła governance z tego wynikła. Wed, 09 Sep 2026 08:00:00 GMT AI governance LLM dane strukturalne bezpieczeństwo context engineering https://piotrczerwinski.dev/pl/blog/auditing-coding-agent-guardrails https://piotrczerwinski.dev/pl/blog/auditing-coding-agent-guardrails Zrobiłem audyt zabezpieczeń wokół mojego agenta kodującego i znalazłem dziury: wywołanie API, które omijało ochronę przed usuwaniem, flagę regexa, która po cichu wyłączała hook, i allowlistę uprawnień, na której zebrały się dane uwierzytelniające. Sun, 06 Sep 2026 08:00:00 GMT Claude Code agenci AI bezpieczeństwo narzędzia deweloperskie https://piotrczerwinski.dev/pl/blog/coding-agent-token-cost-measured https://piotrczerwinski.dev/pl/blog/coding-agent-token-cost-measured Wyceniłem 30 dni transkryptów mojego agenta kodującego według publicznych stawek API: około 4176 USD, z czego ponad 90% to odczyty z cache, a 88% inputu poszło na tury z kontekstem powyżej 300K. Dlaczego przy długich sesjach wygrywa subskrypcja i jak to zmierzyć u siebie. Fri, 04 Sep 2026 08:00:00 GMT Claude Code agenci AI context engineering koszty https://piotrczerwinski.dev/pl/blog/model-routing-multi-agent-work https://piotrczerwinski.dev/pl/blog/model-routing-multi-agent-work Szerokie zadanie badawcze na najmocniejszym modelu wyczerpało budżet, zanim powstała choćby jedna tabela. Drabina modeli, pilotaż przed rozdzieleniem pracy i minimalny kontekst dla subagentów, których dziś używam, żeby rozdzielać pracę między model mocny, średni i szybki. Thu, 03 Sep 2026 08:00:00 GMT agenci AI Claude Code context engineering workflow https://piotrczerwinski.dev/pl/blog/llm-endpoint-cost-guardrails https://piotrczerwinski.dev/pl/blog/llm-endpoint-cost-guardrails Każda ścieżka, która wywołuje płatny model, niesie ryzyko denial of wallet. Warstwy, które stosuję na każdym endpoincie z LLM: limity na użytkownika, dzienny limit wydatków, kill switch bez deployu, weryfikacja antybotowa, rejestr wydatków i osobne limity u dostawcy dla każdego środowiska. Thu, 27 Aug 2026 08:00:00 GMT AI bezpieczeństwo optymalizacja kosztów LLM https://piotrczerwinski.dev/pl/blog/reviewing-ai-generated-code https://piotrczerwinski.dev/pl/blog/reviewing-ai-generated-code Automatyczny refaktor umieścił hook Reacta poza komponentem, przeszedł sprawdzanie typów i build, po czym położył panel administracyjny. Bramki, które dodałem, i to, jak robię code review zmian wygenerowanych przez AI oraz proponowanych przez nie paczek. Tue, 25 Aug 2026 08:00:00 GMT agenci AI Claude Code code review bezpieczeństwo workflow https://piotrczerwinski.dev/pl/blog/claude-code-context-architecture https://piotrczerwinski.dev/pl/blog/claude-code-context-architecture 25 skilli, 5 agentów i 4 serwery MCP ładowane do każdej sesji, niezależnie od projektu. Pomogło nie dopisanie kolejnych docsów, tylko trzy warstwy i wiedza o tym, co naprawdę trafia do okna kontekstu i kiedy. Wed, 05 Aug 2026 08:00:00 GMT Claude Code agenci AI context engineering workflow https://piotrczerwinski.dev/pl/blog/claude-code-autonomy-guardrails https://piotrczerwinski.dev/pl/blog/claude-code-autonomy-guardrails Agent z dostępem do shella może skasować nie to, co trzeba, zrobić force-push albo ujawnić sekret i w każdym z tych przypadków zgłosić sukces. Cztery warstwy (tryb z kontrolą bezpieczeństwa, twarde reguły deny, hook przed wykonaniem i zachowanie) pozwalają mu skończyć pracę bez dotykania tego, czego nie da się cofnąć. Mon, 03 Aug 2026 08:00:00 GMT Claude Code agenci AI bezpieczeństwo narzędzia deweloperskie https://piotrczerwinski.dev/pl/blog/claude-code-vs-kiro-cli-enterprise https://piotrczerwinski.dev/pl/blog/claude-code-vs-kiro-cli-enterprise Autonomiczny agent na własnym produkcie i zatwierdzony agent w dużym korporacyjnym kodzie to dwie różne dyscypliny. Co się przenosi, co się zmienia i dlaczego korporacyjne ograniczenia to zaleta, a nie wada. Sat, 01 Aug 2026 08:00:00 GMT Claude Code Kiro CLI agenci AI korporacje https://piotrczerwinski.dev/pl/blog/parallel-agents-git-worktrees https://piotrczerwinski.dev/pl/blog/parallel-agents-git-worktrees Jedna megasesja dryfuje. Alternatywa: podziel funkcję na trzy do pięciu podzadań o niskim ryzyku konfliktu, z kontraktami ustalonymi z góry, uruchom każde w osobnym git worktree z wyłączonym pushem i bez dostępu do bazy, a potem zintegruj wszystko raz, z testami end-to-end. Thu, 30 Jul 2026 08:00:00 GMT Claude Code agenci AI git workflow https://piotrczerwinski.dev/pl/blog/claude-code-effort-model-selection https://piotrczerwinski.dev/pl/blog/claude-code-effort-model-selection Nieintuicyjna zasada po miesiącach codziennej pracy z agentami: przy dobrze wyspecyfikowanej pracy model to dźwignia czasu odpowiedzi, a nie jakości. Kiedy wydać pieniądze na wolne, drogie ustawienie, kiedy nie i dlaczego podkręcanie effortu nigdy nie naprawi mglistego planu. Mon, 27 Jul 2026 08:00:00 GMT Claude Code agenci AI workflow produktywność https://piotrczerwinski.dev/pl/blog/ai-agents-as-co-engineers https://piotrczerwinski.dev/pl/blog/ai-agents-as-co-engineers Nie tygodniowy eksperyment, tylko codzienna praca: jak naprawdę organizuję pracę z Claude Code i Kiro CLI przy produkcyjnym projekcie pobocznym. Gdzie agenci realnie przyspieszają, gdzie nie, jakie zabezpieczenia pozwalają im działać samodzielnie i ile to kosztuje miesięcznie. Fri, 24 Jul 2026 08:00:00 GMT agenci AI Claude Code workflow solo founder https://piotrczerwinski.dev/pl/blog/llm-evals-golden-set https://piotrczerwinski.dev/pl/blog/llm-evals-golden-set Jak testuję niedeterministyczny pipeline dopasowań AI przed merge: golden set zbudowany z prawdziwych decyzji w panelu admina, metryki rankingowe powiązane z tym, co widzi użytkownik, bramka zero naruszeń przed wdrożeniem i warianty, które nie pobiły punktu odniesienia. Thu, 25 Jun 2026 08:00:00 GMT LLM evals AI dopasowania testowanie https://piotrczerwinski.dev/pl/blog/llm-structured-output-tool-use https://piotrczerwinski.dev/pl/blog/llm-structured-output-tool-use Jak wyciągać typowane pola z nieuporządkowanego tekstu za pomocą LLM: dlaczego JSON mode nie wystarcza, jak pomagają tool use i ścisłe schematy, czego schemat nadal nie gwarantuje i dlaczego dostawcę warto trzymać za adapterem. Sat, 20 Jun 2026 08:00:00 GMT AI LLM tool use architektura https://piotrczerwinski.dev/pl/blog/pgvector-similarity-thresholds https://piotrczerwinski.dev/pl/blog/pgvector-similarity-thresholds Mój retrieval zwracał 200 OK i zero wierszy, po cichu. Dlaczego surowe wyniki podobieństwa embeddingów zależą od modelu i same w sobie niewiele znaczą, jak wyglądają prawdziwe rozkłady wyników i jak skalibrowałem próg na parach testowych zamiast na intuicji. Wed, 20 May 2026 08:00:00 GMT pgvector embeddings RAG PostgreSQL AI