DiscoverBetter Dev Club
Better Dev Club
Claim Ownership

Better Dev Club

Author: Kajetan Duszyński | Piotr Stapp

Subscribed: 2Played: 0
Share

Description

Better Dev Club i Better Dev Club Weekly to podcasty dla nowoczesnych programistów.

Piotr Stapp i Kajetan Duszyński rozmawiają na tematy bieżące dzieląc się swoim doświadczeniem i przemyśleniami.

46 Episodes
Reverse
AI miało zastąpić aplikacje, a Duolingo wciąż daje powody do dyskusji o tym, za co naprawdę płacą użytkownicy. Piotrek Stapp i Kajetan Duszyński rozmawiają o sile nawyku, gotowych materiałach do nauki i granicach samodzielnego budowania tutora z AI. Potem przyglądają się Weight-Space Programming — eksperymentom z bezpośrednią edycją wag sieci przez inny model — oraz Arete-27B od Nous Research i deklarowanym przez twórców zmianom w odpowiedziach modelu.\n\nJest też historia ograniczania zużycia tokenów przez subagentów, generowanie okładek i przegląd nowości z GitHub Universe. Porównujemy własne doświadczenia z Copilot Fusion: Standard, High i Max, dobór modeli oraz cenę codziennej pracy. Na koniec rozmawiamy o bezpieczeństwie, powrocie agentów z terminala do aplikacji okienkowych i tym, dlaczego zdalny dostęp do sesji to jeszcze nie całe środowisko deweloperskie. Wolicie terminal czy okienka — i co musiałoby się zmienić, żebyście zmienili narzędzie?Agenda:00:00 – Otwarcie i luźny wstęp02:48 – Rynek, produktywność i zwrot z inwestycji w AI06:00 – Duolingo, streaki i budowanie nawyków10:54 – Czy SaaS miał umrzeć? Wyniki Duolingo a AI11:52 – Tutor AI czy gotowy produkt?15:37 – Praca z agentami: jeden task czy pięć rzeczy naraz?16:25 – AI naprawia AI: Weight-Space Programming i Astra19:43 – Arete-27B, Nous Research, Qwen i wartości modeli21:37 – Koszt kontekstu, Claude Code i subagenci24:30 – Generowanie okładek i ChatGPT Images26:03 – GitHub Universe: stackowanie i linkowanie pull requestów27:01 – Copilot Fusion: Standard, High, Max i dobór modeli32:37 – Cena pracy z AI i wybór narzędzi35:11 – Bezpieczeństwo, wykrywanie podatności i enterprise36:09 – Terminal kontra aplikacje desktopowe agentów39:14 – Zdalne środowiska, sesje Codexa i własne MCP41:56 – Zakończenie, rocznicowe torty i plany konferencyjne#BetterDevClub #AI #Duolingo #SaaS #WeightSpaceProgramming #Qwen #NousResearch #Arete27B #ClaudeCode #GitHubCopilot #CopilotFusion #GitHubUniverse #AgenciAI #Terminal #Codex
Czy AI naprawdę zabija open source, czy pod jedną etykietą wrzucamy zupełnie różne historie? Piotrek Stapp i Kajetan Duszyński rozmawiają o Deno i Cloudflare, zmianach w Cal.com oraz końcu utrzymania Pico CSS. Rozdzielają przejęcie zespołu, argumenty bezpieczeństwa i zwykłe starzenie się bibliotek — bez uznawania każdego z tych przypadków za dowód na tę samą tezę.Przechodzimy też od gier przenoszonych do przeglądarki i alternatyw dla Photoshopa do praktycznego pytania: skoro możesz odtworzyć aplikację z pomocą AI, czy naprawdę chcesz to zrobić zamiast za nią zapłacić? Jest własny przykład Kajetana z kalendarzem konsultacji, dyskusja o odpowiedzialności za utrzymanie i bezpieczeństwo oraz pytanie do maintainerów. Na końcu świętujemy rok Better Dev Club — zostawcie tort w komentarzu! 🎂AGENDA:00:00 - Open source i remont — jeszcze jedna mała poprawka i pytanie o zmianę.01:24 - Deno i Cloudflare — przejęcie zespołu: sukces twórców czy kłopot użytkowników?08:18 - Gry w przeglądarce — reverse engineering, portowanie i pytania o prawa autorskie.12:38 - Photoshop w weekend? Artcraft, efektowne demo i faktyczne potrzeby użytkownika.16:10 - Klon czy abonament? Czy z nielimitowanymi tokenami odtworzylibyśmy własne IDE?17:59 - Cal.com i Cal.diy — otwarty kod, model biznesowy i argument bezpieczeństwa.21:20 - Kalendarz w 20 minut — własny przykład Kajetana i koszt niedopracowanego narzędzia.22:46 - Luki i agenci — znajdowanie błędów, łatanie oraz granice blokad modeli.27:29 - Koniec Pico CSS — dług technologiczny, popularność bibliotek i pieniądze na utrzymanie.33:12 - Co zostaje z open source? Wnioski, kraftowy kodzik i pytanie do maintainerów.37:07 - Rok Better Dev Club — tort w komentarzu i do zobaczenia za tydzień.#BetterDevClub #AI #OpenSource #Deno #Cloudflare #VibeCoding #Programowanie
Osiem agentów, cztery projekty i jedna głowa do podejmowania decyzji. AI miało odciążyć programistów, a Kajetan łapie się na tym, że siedzi przy pracy jeszcze dłużej. Piotrek Stapp i Kajetan Duszyński rozmawiają o przeciążeniu pracą z agentami: przełączaniu kontekstu, zmęczeniu decyzyjnym i presji, żeby nie zostać w tyle. Pytają też, dlaczego limity i niewykorzystane tokeny potrafią zacząć układać nam dzień.Nie mamy gotowej recepty na wypalenie. Dzielimy się własnymi doświadczeniami: rozpoczynaniem projektu, bo szkoda kredytów w Copilocie, ograniczaniem liczby równoległych projektów i odcinaniem się od komputera. Historia hydraulika prowadzi do pytania o zmianę zawodu, a rozmowa o CRUD-ach — do różnicy między zmianą narzędzi a rewolucją całej pracy. Czy naprawdę każdy musi żyć na technologicznym froncie? I kiedy lepiej pozwolić tokenom przepaść, zamiast dokładać sobie obowiązków?AGENDA00:00 AI i wypalenie — otwarcie01:17 Osiem agentów, jedna głowa03:22 Miało być mniej pracy05:21 Limity modeli a energia człowieka09:17 Granice dostępności i odpoczynek13:29 Kolejny projekt, bo szkoda tokenów15:41 Jeden projekt zamiast pięciu18:33 Presja naszej bańki i życie poza komputerem21:08 Z handlowca na hydraulika — pytanie o odejścia z IT23:53 Nie każdy musi być na technologicznym froncie27:03 Co z klepaniem CRUD-ów?31:05 Rocznica podcastu i zakończenie#BetterDevClub #AI #AgenciAI #Programowanie #WypalenieZawodowe #GitHubCopilot #Claude #Codex
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 zmian02:50 - [Monorepo i agenci] Ograniczenia narzędzia czy problem procesu?04:47 - [Git a praca agentów] Kontrola wersji przy ciągłej pracy online07:20 - [Liczby Anthropic] Raportowane czasy operacji w środowiskach ludzi i agentów10:38 - [Nie kopiuj cudzej skali] Dlaczego rozwiązanie Anthropic nie jest receptą dla wszystkich13:37 - [Co trafia do repozytorium?] Historia zmian, dane i pytania o proces16:59 - [Kod pisany przez AI] Spekulacje o źródłach skali i kosztach utrzymania17:52 - [Reverse Engineer Anything] Odtwarzanie produktów i pierwsze próby Kajetana19:42 - [Wyszukiwarka lotów] Próby Piotrka i koszt dojazdu z lotniska22:48 - [Czy potrzebujesz historii Gita?] Commitowanie, cofanie zmian i praca agentów24:14 - [Pokażcie proces] Czego prowadzący chcieliby dowiedzieć się od Anthropic25:56 - [Własny produkt czy klon?] Hype wokół AI a rzeczywiste zapotrzebowanie na pracę28:44 - [Mailing Marca Lou] Własne narzędzie a cena gotowej usługi31:09 - [Kod to nie cały produkt] Sprzedaż, potrzeby użytkowników i różnice skali32:55 - [Wybór Kajetana] Open source zamiast pisania mailingu od zera33:33 - [AWS SES] Płatność za wysłane maile zamiast liczby subskrybentów33:59 - [Koszt utrzymania] Dlaczego nie wszystko warto pisać samemu36:12 - [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 szef00:45 Microsoft-Decision-1 kontra Jev04:45 Czym jest model decyzyjny?07:07 Qwen pod spodem i structured output09:28 To samo pytanie, ta sama decyzja?10:40 Sekundy kontra milisekundy12:12 MedDecider, medycyna i paper trading16:28 Qwen, Drex i modele bazowe18:07 Microsoft kontra startup — Dawid i Goliat21:07 Routing agentów: model, narzędzie czy człowiek?23:55 Microsoft Foundry kontra gotowe aplikacje AI28:00 Lekarz pyta ChatGPT31:58 Wyniki LEK to nie wszystko33:43 Pomysł na startup i zakończenie#AI #ModeleDecyzyjne #BetterDevClub #Qwen #Jev #AgenciAI
loading
Comments