Command Code: agent CLI, który uczy się stylu kodowania

Temat: AI SDLC

Command Code to agent programistyczny uruchamiany z terminala, którego wyróżnikiem jest uczenie się preferencji dotyczących kodu. Może edytować pliki i wykonywać polecenia, a jego mechanizm „taste” wykorzystuje sygnały z akceptacji, odrzucenia oraz późniejszych poprawek. Dopasowanie stylu jest użyteczne, ale nie dowodzi poprawności rozwiązania.

To narzędzie dotyczy wytwarzania oprogramowania z pomocą AI. Szerszą metodę zlecania i odbioru zmian opisuje filar AI SDLC. Tutaj pytanie brzmi: czy pamięć preferencji skróci powtarzalne poprawki w zespole, który ma już swoje konwencje. Jak dobrać agenta do zadania i gdzie postawić bramki człowieka, opisuje poradnik AI SDLC dla firm.

Jak działa Command Code?

W opisie produktu twórcy przedstawiają Command Code jako agenta CLI. W dokumentacji pokazują instalację przez npm, pracę w katalogu projektu i wybór modeli. Narzędzie skupia się na modelach otwartych, ale sam wybór modelu nie przesądza o miejscu przetwarzania kodu. To trzeba ustalić dla konkretnego połączenia i konta.

Mechanizm „taste” ma wychwytywać preferencje z realnych decyzji programisty: przyjęcia propozycji, jej odrzucenia i zmian po akceptacji. Przykładowo zespół może stale poprawiać nazwy funkcji i sposób dzielenia modułów. Jeżeli agent przestanie powtarzać te pomyłki, oszczędzi czas review. Jeśli zacznie tylko naśladować przypadkowy zwyczaj jednej osoby, może utrwalić dług techniczny. Dlatego preferencja powinna być oddzielona od reguły, którą zespół świadomie przyjął.

Co sprawdzić przed wdrożeniem w zespole?

Przeprowadź próbę na dwóch podobnych ticketach. Pierwszy niech posłuży do zebrania sygnałów o stylu, drugi do oceny, czy agent zastosował je bez dodatkowych podpowiedzi. Zachowaj te same testy i uprawnienia. Oceń cztery rzeczy:

KryteriumDowód w próbie
PoprawnośćTesty uruchomione niezależnie od agenta i ręczny przegląd zachowania
Dopasowanie styluLiczba poprawek nazw, struktury i konwencji podczas review
Zakres zmianyPliki zmienione poza ticketem i powód każdej takiej zmiany
PrzenośnośćMożliwość odtworzenia ważnych zasad w repozytorium, a nie wyłącznie w pamięci jednego konta

Taka karta decyzji pomaga odróżnić oszczędność czasu od ładniej wyglądającego diffu. Agent, który nadał właściwe nazwy, lecz pominął warunek brzegowy, nie wykonał zadania.

Gdzie są granice narzędzia?

Command Code ma dostęp do plików i powłoki zgodnie z nadanymi uprawnieniami. Przed pracą na kodzie firmy sprawdź, jak skonfigurowano vendora modelu, historię sesji oraz dostęp do sieci. Dokumentacja opisuje tryb CLI i jego polecenia, ale o dopuszczeniu konkretnego repozytorium powinny decydować zasady organizacji.

Nie zakładaj też, że „uczy się stylu” oznacza automatyczne uczenie modelu na prywatnym kodzie albo formalną zgodność z regułami projektu. To opis zachowania produktu, który trzeba przetestować na własnych przykładach. Plik z uzgodnionymi regułami i testy nadal pozostają czytelnym źródłem prawdy dla całego zespołu. Zobacz, jak przygotować instrukcje AGENTS.md dla agentów.

Kiedy wybrać Command Code?

Warto go sprawdzić, gdy zespół dużo pracuje w terminalu, porównuje modele i stale traci czas na te same stylistyczne korekty. Jeśli priorytetem jest praca interaktywna w edytorze, porównaj Cursor. Jeśli najważniejsza jest kontrola nad uruchomieniem modelu, zestaw próbę także z OpenCode oraz Bionic.

Decyzję podejmij po drugim tickecie, nie po pierwszej demonstracji. Zapisz, które poprawki zniknęły, ile czasu zajęło review i czy wszystkie testy przeszły bez ręcznego ratowania wyniku.

Portret Krzysztofa Majchrzyckiego

O autorze

Krzysztof Majchrzycki jest architektem systemów i AI Business Partnerem. Od wielu lat łączy technologię z biznesem i zarządzaniem. Współtworzył firmy technologiczne i kierował polskim oddziałem międzynarodowej grupy. Dziś projektuje modele firm i inteligentne systemy operacyjne, które z nich wynikają. Ukończył Executive MBA i ma certyfikat Prosci® Certified Change Practitioner.

Przełóż temat na projekt w Twojej firmie

Zobacz zakres współpracy: od rozpoznania procesu i danych po projekt rozwiązania AI.