---
title: "Jak w tydzień przebudować produkt, który zestarzał się tuż po premierze"
description: "Dlaczego silnik OwlMeans, który realizuje historyjki pojedynczo, potrzebuje innej jednostki pracy, jak już dziś współpracują pipeline’y i agenci oraz czego jeszcze brakuje, żeby rozwijać Platformę za jej pomocą."
url: "https://owlmeans.com/pl/blog/uroboros-engine/"
lang: "pl"
---

# Jak w tydzień przebudować produkt, który zestarzał się tuż po premierze

![Wygenerowana przez AI ilustracja przedstawiająca Igora i trzy sowy w rolach inżynierów w ruchliwym warsztacie; u sowy w kącie doszło do komicznego zwarcia](https://owlmeans.com/_astro/hero.DIj7bXvB_1vunG4.webp)

Po roku pracy nad OwlMeans Platform mam już kompletnie przestarzały produkt. Dotarło to do mnie tuż po premierze i testach z prawdziwymi użytkownikami. Oni tego nie zauważyli, ale ja tak. Zresztą wiedziałem o tym już pod koniec wiosny. Teraz muszę ustalić, dlaczego wtedy tego nie ruszyłem i co zrobić dalej.

Mogłem wstrzymać premierę i najpierw wymienić silnik. Miałem jednak gotowy produkt, który dało się wypuścić, a stara implementacja mogła pozostać dostępna na czas zmian. Chcę przebudować jego rdzeń w mniej więcej tydzień. Ciekawi mnie, jak duża część tego rdzenia faktycznie wymaga wymiany.

OwlMeans nadal prowadzi pojedynczą historyjkę użytkownika przez z góry określony proces projektowania i implementacji. Powiązane funkcje przechodzą przez osobne przebiegi, nawet jeśli zależą od tych samych decyzji. Proponowany następca ma zachować zależności i mechanizmy wznawiania pracy po awarii, a agentom dać więcej swobody w badaniu problemów w obrębie każdej fazy.

Jeśli wolisz obejrzeć film niż czytać, zacznij tutaj. W prezentacji Uroboros przedstawiam wstępny projekt: granice aplikacji, wymagania dotyczące zgodności i przejście do hybrydowego sposobu realizacji zadań.

[My AI platform was outdated at launch. Here is what I am changing | Uroboros](https://www.youtube.com/watch?v=Np52rgSJTvM).

## Historyjki i wykonanie

Historyjka użytkownika opisuje czyjąś potrzebę. Niekoniecznie wyznacza przy tym rozsądny zakres pracy na jeden przebieg agenta.

Weźmy status zamówienia. Klient go widzi, operator go zmienia. Dwie zwykłe historyjki współdzielą stany, reguły dostępu i kontrakty API. Gdy trafiają do osobnych przebiegów, silnik musi dwukrotnie odtworzyć sporą część tej samej wiedzy. Małe karty z zadaniami nie zmniejszają aplikacji, która za nimi stoi.

Używałem małych historyjek, żeby zadania mieściły się w kontekście, z którym model mógł efektywnie pracować. Dzięki temu było też widać postęp. Nieudany przebieg dało się wznowić bez zaczynania całego projektu od nowa. Ten kompromis miał sens, ale wiązał opis funkcji ze strategią jej wykonania.

Później zacząłem eksperymentować z grupowaniem powiązanych zadań wokół podsystemu. Pozwalało to przemyśleć wspólne zachowanie przed napisaniem osobnych funkcji, które z niego korzystały. Chcę zachować historyjki jako opisy i kryteria akceptacji, a jednocześnie umożliwić realizację powiązanych historyjek we wspólnym przebiegu.

Większe okna kontekstowe dają temu eksperymentowi więcej miejsca. Trudno uznać je za nowość: Google zapowiedział ograniczoną wersję testową Gemini 1.5 z kontekstem miliona tokenów w [lutym 2024 r.](https://blog.google/innovation-and-ai/products/google-gemini-next-generation-model-february-2024/). Sama pojemność nie wybierze jednak odpowiedniego kodu ani nie ujawni zależności ukrytej w innym pakiecie.

W pracy [Lost in the Middle](https://aclanthology.org/2024.tacl-1.9/) Liu i współautorzy stwierdzili, że odnajdywanie informacji zależało od ich położenia w kontekście. Badanie z 2024 r. obejmowało konkretne modele. Obecny silnik trzeba sprawdzić pod kątem tego, czy znajduje kod potrzebny do zmiany i potrafi z niego skorzystać.

## Co zostaje w pipeline’ie

Dziś realizacja historyjki zaczyna się od utworzenia `StoryDesign`. Zawiera ekrany, komponenty, interakcje, dane i wymagania dotyczące środowiska uruchomieniowego. Na etapie implementacji silnik czyta zapisany projekt i pisze aplikację. Ma więc artefakt, który może sprawdzić i poprawić, a potem na jego podstawie wznowić pracę.

Część prac projektowych przebiega równolegle. Inne muszą poczekać: najpierw trzeba ustalić w układzie ekranu miejsce komponentu, bo jego ścieżka będzie potrzebna przy pracach nad UX i danymi. Implementacja ma dwadzieścia nazwanych kroków, w tym typy, zasoby, logikę domenową, endpointy, workery, magazyny stanu, widoki, reguły dostępu i nawigację.

Te zależności mają konkretne skutki. Handler potrzebuje deklaracji operacji, którą zleca do kolejki. Reguły dostępu potrzebują endpointu, który mają chronić, a nawigacja potrzebuje ekranów, do których ma prowadzić. Kod może pilnować tej kolejności bez proszenia modelu, żeby odkrywał ją na nowo przy każdym przebiegu.

Każdy ukończony krok projektowania zapisuje też kolejną rewizję. Jeśli proces się wywróci, następny może odczytać projekt i kontynuować. Znacznik „gotowe”, za którym nie stoi zapisana praca, byłby dość optymistycznym mechanizmem odzyskiwania po awarii.

Zamierzam zachować te mechanizmy. Pipeline ustala kolejność wykonania i zależności. Już dziś w jego krokach silnik wywołuje modele, żeby generować treści, i próbuje naprawiać błędy. Pipeline kontroluje, kiedy dochodzi do tych wywołań i co musi istnieć, zanim zacznie się następny krok.

Trudne decyzje pojawiają się wewnątrz kroku. Agent musi ustalić, które pliki sprawdzić, czy zebrał już dość kontekstu i czy zmiana jednego komponentu wymaga zmiany innego. Odpowiedzi zależą od tego, co odkryje po rozpoczęciu pracy.

W opublikowanym w grudniu 2024 r. tekście [Building effective agents](https://www.anthropic.com/research/building-effective-agents) Anthropic odróżnia z góry zdefiniowane procesy od systemów, w których model wybiera następne działanie. Hybryda może zachować znane zależności, a zarazem pozwalać na badanie problemu tam, gdzie droga do rozwiązania bywa różna. Trzeba rozstrzygnąć, które decyzje agent może podejmować w tak wyznaczonych granicach.

## Agenci wewnątrz i na zewnątrz

Konsola Free Flight już dziś udostępnia agenta, który może korzystać ze sterowanych pipeline’ów. Potrafi sprawdzać pliki i używać narzędzi programistycznych. Jeśli host udostępnia bramę, agent może też zaprojektować historyjkę, przeczytać lub poprawić jej projekt, zaimplementować ją i wznowić przebieg. Bez bramy nadal ma do dyspozycji narzędzia niższego poziomu.

Wywołanie pipeline’u nie daje agentowi prawa do zmiany wszystkiego w jego wnętrzu. Poprawka projektu może zmienić zachowanie komponentu. Ścieżka lub alias przydzielone przez rejestr pozostają jednak bez zmian, bo inne części aplikacji już korzystają z tej nazwy.

Podobnego rozróżnienia wymagają sytuacje, które muszą przerwać pracę. Wyczerpanie środków musi zatrzymać całą pętlę. Jeśli zwrócisz je jako zwykły błąd narzędzia, model może spróbować innej operacji i znów wydać środki. Tu akurat nie powinien być pomocny.

Chcę też odwrócić ten układ: umieścić pętlę agenta wewnątrz fazy sterowanego pipeline’u. Proponowane fazy to przygotowanie, część serwerowa, część witryny, połączenie i weryfikacja. W obrębie fazy z każdym zadaniem powiązane są jego projekt, aplikacja, wpisy w rejestrze i kontrakty.

Agent czyta odpowiedni kod, wprowadza zmianę, uruchamia kontrolę i naprawia to, co nie przeszło. Gdy próba ujawni brakującą zależność, może ją zbadać przed kolejnym podejściem. Zewnętrzny pipeline nie potrzebuje już nowego kroku dla każdego odkrycia, z którym da się uporać lokalnie.

Wymaga to narzędzi, których operacje można bezpiecznie powtarzać, i testów, które można uruchomić dla pojedynczego zadania. Po przerwaniu pracy ponowienie operacji zapisu nie może utworzyć drugiego artefaktu ani spowodować utraty istniejącego. Gdy przebieg osiągnie ustalony limit, pętla musi zwrócić sprawdzony wynik albo szczegóły tego, czego nie udało się rozwiązać.

Dziś endpoint historyjki, który nie odpowiada, może nie przejść walidacji. Test dymny może pozostawić ostrzeżenie po wyczerpaniu limitu prób naprawy. Te wyniki znaczą co innego. Lokalna pętla musi zachować to rozróżnienie, gdy oddaje sterowanie pipeline’owi, który ją uruchomił.

Jako punkt odniesienia zachowam prosty proces. Opisany przez Xia i współautorów w 2024 r. [Agentless](https://arxiv.org/abs/2407.01489) konkurował z agentami open source ocenianymi na SWE-bench Lite dzięki uporządkowanym etapom lokalizowania kodu, naprawy i walidacji. Pętla agenta musi zasłużyć na swoje miejsce.

Praca [SWE-agent](https://arxiv.org/abs/2405.15793) z 2024 r. pokazała, jak interfejsy nawigacji po repozytorium, edycji i testów wpływały na wyniki interaktywnego agenta. Samo „dodaj pętlę” to więc ledwie początek pracy. Nadal trzeba ocenić otaczające ją narzędzia i zachowanie gotowego systemu. Żadna z tych prac nie przesądza o wyniku dla OwlMeans.

## Wspólna praca w wielu aplikacjach

W przykładzie z zamówieniem podczas wspólnego przebiegu silnik planowałby przejścia między statusami z uwzględnieniem historyjek klienta i operatora. Ekrany i endpointy obu historyjek opierałyby się na tej samej decyzji. Nadal opłacałoby się dzielić implementację na mniejsze części, ale bez ponownego projektowania domeny.

Silnik już współdzieli stan etapu w obrębie jednej historyjki. Skoordynowany przebieg potrzebuje kontekstu roboczego i rejestru wspólnych dla wielu historyjek, z osobnym wynikiem dla każdej z nich. Jeśli któraś pozostanie częściowo wykonana lub zakończy się niepowodzeniem, wynik musi wskazać, która i dlaczego.

Wysyłanie całego repozytorium przy każdym wywołaniu byłoby kiepskim sposobem wykorzystania wspólnego kontekstu. Można zacząć od projektu i znanych kontraktów, a szczegóły implementacji czytać wtedy, gdy praca do nich dotrze. Anthropic opisuje takie użycie odwołań i narzędzi we [wskazówkach dotyczących inżynierii kontekstu](https://www.anthropic.com/research/effective-context-engineering-for-ai-agents) z września 2025 r.

Jeden przebieg nadal może obejmować wiele wywołań, kontroli i punktów kontrolnych. Ma zachować spójność powiązanych decyzji między kolejnymi wywołaniami. Nie zmierzyłem jeszcze, czy poprawia to wyniki ani czy rzadsze przesyłanie tego samego kontekstu daje coś pożytecznego.

Kolejną granicę wyznacza struktura generowanego projektu. Dziś składa się on z jednej witryny i API, które obsługują obszary gościa, użytkownika, administratora i operatora. Obszar opisuje, dla kogo przeznaczony jest ekran. Nie daje osobnej aplikacji własnej struktury frontendu i API.

Samo OwlMeans ma już bardziej złożony układ. Interfejs dla klientów, usługi zarządzające, mechanizmy uruchamiania agentów i publikowania mają różne zadania. Generator, który rozumie tylko jedną parę witryna/API, nie potrafi opisać porównywalnego systemu.

Plan Uroboros dodaje mapę aplikacji, która przypisuje im obszary i funkcje. Pod spodem dane, logika biznesowa i workery pozostają wspólne. Gdy historyjka dotyczy kilku aplikacji, silnik musi przeprowadzić zmianę przez każdą z nich.

Zmian wymagają rozwiązywanie ścieżek, projektowanie, implementacja, podglądy, publikowanie, status środowiska uruchomieniowego i narzędzia łącznika. Dopisanie do promptu „obsługuj wiele aplikacji” nie wykona tej pracy.

Dla istniejącego projektu bez mapy aplikacji proponuję domyślnie jedną aplikację `main`. Ścieżki i zachowanie projektu mają pozostać bez zmian. Zmiana słownictwa silnika nie powinna zmuszać klientów do przebudowy działających projektów.

## Migracja i Uroboros

Na zmianę rdzenia daję sobie mniej więcej tydzień. To nadal cel, a nie gotowy wynik.

Pierwszy etap prac obejmuje fundamenty i routing aplikacji. W szerszym planie kolejny etap to budowanie przez agentów w obrębie faz, a następny – skoordynowane przebiegi dla powiązanych historyjek. Podczas migracji stary pipeline musi pozostać dostępny obok następcy. Istniejące przebiegi muszą kończyć się tam, gdzie się zaczęły; nową ścieżkę można włączać osobno dla każdego projektu.

Pierwszy test zgodności jest celowo mało ekscytujący: przenieść istniejący projekt do środowiska deweloperskiego i upewnić się, że nadal się uruchamia i działa. Kolejne testy end-to-end obejmują nadzór, zachowanie chatbota i niewielki, wcześniej zaplanowany projekt korzystający z nowej struktury.

Trzeba porównać te same produkty referencyjne w obu silnikach. Zapisać niepowodzenia, ostrzeżenia, wyniki funkcjonalne, czas wykonania i wykorzystanie modeli. Udany build nie powie, czy klient i operator widzą ten sam stan zamówienia. To wymaga sprawdzenia samego scenariusza.

W [eksperymentach z harnessem do długotrwałego rozwijania aplikacji](https://www.anthropic.com/research/harness-design-long-running-apps) z marca 2026 r. Anthropic połączył planowanie, generowanie i osobną ocenę. Zespół upraszczał też części harnessu w miarę zmian zachowania modeli. Krok orkiestracji powinien pozostać dlatego, że rozwiązuje obecny problem, a nie dlatego, że kiedyś go rozwiązywał.

W ramach Uroboros próbuję sprawić, by OwlMeans mogło rozwijać system równie złożony jak ono samo. Obsługa wielu aplikacji daje strukturę; skoordynowane przebiegi i fazy z agentami mają umożliwić pracę w całej tej strukturze. Razem otwierają drogę do nadzorowanej próby samorozwoju.

Już dziś zmieniam silnik z pomocą zewnętrznego agenta programistycznego. Chcę zlecić porównywalną pracę w procesie generowania dostępnym w samym OwlMeans, a potem niezależnie sprawdzić wynik.

Do takiej próby potrzebne są odizolowane środowisko, określona zmiana i poprzednia wersja, którą da się przywrócić. Jednym z możliwych wyników jest zmiana kodu źródłowego silnika. Żeby wykazać, że zmieniony silnik działa lepiej, trzeba osobnych dowodów. Za tę ocenę nadal będę odpowiadał sam.

[OwlMeans](https://owlmeans.com/pl/)
