Od dwóch lat nie napisałem linii kodu. Piszą go agenci

W podcaście „I to się liczy” Adrian Andrzejczyk zapytał mnie o narzędzie, które pokazuje, jak wyglądał workflow zaprojektowany przez agenta. Chciał wiedzieć, czy napisałem je sam, czy z pomocą AI. Odpowiedziałem, że od dwóch lat nie napisałem linii kodu. Ten tekst rozwija tę odpowiedź.

Całą rozmowę znajdziesz na YouTube. Ten fragment zaczyna się w 32:25.

To drugi tekst z tej rozmowy. W pierwszym pisałem, co zostało z Web3, gdzie jest dziś AI i dokąd zmierza robotyka.

Zero linii kodu, dużo kodu

Przez lata pisałem kod sam. Zaczynałem od własnych software house'ów, potem były startupy. Produkt, który wdrażałem dziesięć lat temu, pisany w całości ręcznie, od tamtej pory stoi w elektrowni.

Dziś nie programuję, a kodu tworzę naprawdę dużo. Piszą go agenci. Gdy nagrywaliśmy odcinek, jeden z nich cały czas coś dla mnie pisał, na serwerze w chmurze. Mam tak zbudowaną infrastrukturę, że cały czas coś tam chodzi.

Narzędzie, o które pytał Adrian, to Workflow Studio. Też powstało w ten sposób. Pokazuje, co naprawdę zrobił wieloagentowy workflow Claude Code, i pozwala zaprojektować nowy na kanwie.

Ten sam sposób pracy działa przy starym kodzie. Niedawno system w elektrowni trzeba było naprawić. Pracowałem bez dostępu do sieci, na lokalnych modelach. Agent odtworzył środowisko i przetestował poprawkę. Dopiero gotowe, oskryptowane rozwiązanie trafiło na serwer. To osobna historia.

Rok temu seniorzy mówili: nawet 50% rzadko

Mniej więcej rok przed nagraniem dużo rozmawiałem z programistami i inżynierami danych. Robiłem to na własne potrzeby. Próba była niereprezentatywna, bo to moi znajomi. Seniorzy mówili jedno. W życiu nie dadzą agentowi napisać 100% kodu, a nawet 50% rzadko. W dużej części pisali ręcznie, bo tak zrobią to szybciej.

Kłóciłem się z nimi. Moim argumentem były orkiestratory i harnessy. Potrafią sprawdzać pracę agenta krok po kroku i dopiąć ją do jakościowo dobrego produktu. Czym harness różni się od modelu i co wymieniasz razem z agentowym CLI, rozpisałem osobno.

Podobny obraz dał wtedy pomiar. Organizacja badawcza METR przeprowadziła eksperyment na danych z lutego do czerwca 2025 roku. 16 doświadczonych programistów open source rozwiązało 246 zadań w projektach, które dobrze znali. Z AI, głównie w edytorze Cursor z modelami Claude 3.5 i 3.7 Sonnet, pracowali o 19% dłużej. Przed badaniem spodziewali się, że skrócą czas o 24%. Po badaniu dalej sądzili, że skrócili go o 20%.

W lutym 2026 roku METR opisał drugi pomiar. Według jego szacunku programistom z pierwszego badania zadania z AI zajmowały średnio o 18% mniej czasu, nowym uczestnikom o 4% mniej. METR uważa, że na początku 2026 roku programiści byli z AI prawdopodobnie szybsi niż na początku 2025 roku. Swoje dane nazywa jednak bardzo słabym dowodem na to, o ile. Część programistów nie chciała już pracować bez AI. Od 30 do 50% badanych przyznało w ankiecie, że nie zgłaszało części zadań, bo nie chcieli robić ich bez AI. Według METR w 2025 roku wśród programistów open source wzrosło użycie narzędzi agentowych, takich jak Claude Code i Codex.

Luty do czerwca 2025, 16 osób+19%

przedział od +2% do +39%

Od sierpnia 2025, 10 osób z pierwszego badania−18%

przedział od −38% do +9%

Od sierpnia 2025, 47 nowych osób−4%

przedział od −15% do +9%

−40% −20% 0 +20% +40%

z AI krócejz AI dłużej

Kropka: wynik. Kreska: przedział ufności podany przez METR. Bursztynowy: pierwsze badanie, zielony: drugi pomiar. Drugi pomiar METR sam uznaje za bardzo słaby dowód skali zmiany, bo część programistów i zadań nie trafiła do eksperymentu. Źródło: METR, lipiec 2025 i luty 2026.

W pierwszym badaniu METR programiści pracowali z AI głównie w edytorze Cursor. Ja siedzę głównie w terminalu, a agent pracuje na serwerze, także wtedy, gdy nie patrzę.

Zadania na noc i poranny kosz

Z zespołem, z którym pracuję nad robotami, dzień nieraz kończy się tak: około 16 albo 17 zostawiamy agentom cały zbiór zadań na noc. Rano przychodzimy i patrzymy, co zostało wdrożone.

Pół roku, rok temu duża część tych zadań odpadała. Coś było źle wdrożone albo sami czegoś nie przemyśleliśmy. Mimo to nas to nie kosztowało. Mówiliśmy: to do kosza, a to popchnęło nas do przodu. Dwa, trzy zadania, które wyszły dobrze, oszczędzały nam dzień albo dwa ich pchania.

Dziś większość zadań, które zostawiamy na noc, jest wdrożona. Agent może dziś pracować w chmurze, kiedy laptop śpi. Co ustalić, zanim zostawisz go na noc bez nadzoru, opisałem przy okazji Codexa w chmurze.

Droższe jest nieprogramowanie

Zasady gry trochę się zmieniły. Dużo inżynierów, którzy pracują z AI, o tym pisało. Kiedyś wszystko trzeba było dobrze zaplanować, bo kod był drogi. Jego napisanie zajmowało czas, a programiści byli drodzy. Jeśli kod wyszedł zły, paliłeś pieniądze. Tak samo, gdy technicznie był dobry, ale opierał się na błędnych założeniach biznesowych.

Dziś kod jest tak tani, że palenie pieniędzy to nieprogramowanie. Bardziej kosztuje nieprogramowanie niż programowanie nawet rzeczy, które idą w złą stronę.

Tani kod nie zwalnia z porannego przeglądu. Jeśli nocą testy też pisze agent, zielony wynik bywa pusty. Czy takie testy w ogóle łapią błędy, sprawdzisz testami mutacyjnymi.

Claude Code i Codex w parze, jak w pair programmingu

Siedzę mocno w świecie terminala, choć to się teraz zmienia. Moje dwa narzędzia to Claude Code od Anthropic i Codex od OpenAI.

Używam ich na przemian. Modele dość szybko ze sobą konkurują i raz lepsze jest jedno, raz drugie. Staram się być agnostyczny. Jak coś jest lepsze, zmieniam bez sentymentów. Często pracuję też z obydwoma równolegle. Każde ma obszary, w których sprawdza się lepiej. Używam ich też do wzajemnej weryfikacji.

Ostatnio jeden agent pracował, a drugi dostał polecenie: patrz, co on robi, i na bieżąco komentuj. Codex szedł w jedną stronę. Nagle Claude zgłaszał, że Codex robi to dobrze i dobrze to zaprojektował, ale tutaj ma dziurę. Uwaga od razu wracała do Codexa. Paliło to strasznie dużo tokenów, ale działało.

Kto programował w parach, zna ten układ. Jedna osoba pisze, druga siedzi obok, patrzy i podpowiada. Dokładnie tak zestawiłem tych dwóch agentów. Do tego na dwóch różnych modelach, więc każdy trochę inaczej rozumiał, co się dzieje. Klasyczne role w takiej parze to kierowca i nawigator, jak opisują je Birgitta Böckeler i Nina Siessegger. Kierowca trzyma klawiaturę i skupia się na bieżącym kroku. Nawigator przegląda kod na bieżąco i pilnuje większych problemów.

Orbit, czyli agent pod ręką także z telefonu

Trzecie narzędzie zrobiłem sam. Nazywa się Orbit i służy do uruchamiania agentów. Agent, który teraz dla mnie programuje, siedzi w chmurze. Przez Orbit rozmawiam z nim z komputera albo z telefonu, głosem albo z klawiatury, i zlecam mu zadania.

Uważam, że to wystarczy. Jeśli agent potrzebuje innych narzędzi, sam je sobie dobierze. Orbit leży publicznie na GitHubie, na licencji MIT. Możesz go zainstalować, wklejając jeden prompt do Claude Code albo Codexa.

Wybierz jedno zadanie, które odkładasz, bo szkoda na nie dnia. Zostaw je agentowi na noc i rano zdecyduj: wchodzi albo do kosza. Jeśli trafi do kosza, nie straciłeś dnia pracy.