Stream 5 – Od pomysłu do wdrożenia AI w 3 iteracje. Moja metoda pracy z Claude i "Spec-First".

ChatGPT powiedział:

Na tym streamie pokazuję, jak od prostego POC-a z gry planszowej dojść do wąskiego asystenta AI do planowania treningu wspinaczkowego.

Na start wracam do generatora pytań na Vercel AI SDK z małym modelem (Gemini Flash 2.5). Omawiam „higieniczne” wdrożenie LLM-a: walidację input/output (schematy, retraje), prosty rate limiting na Supabase, logowanie użytkowników i kontrolę kosztów API. Do tego integracja z ElevenLabs (polski, rodzinny głos) oraz porównanie streamingu z odpowiedzią blokującą.

W drugiej części przechodzę do aplikacji treningowej. Pokazuję planer i sposób realnego planowania 1–2 tygodni: treningi na ten/przyszły tydzień, fokus (siła, endurance, technika), proste patterny. Kontrastuję to z generycznymi komunikatami typu „trenuj więcej/mniej” i definiuję zakres asystenta: ma planować tydzień na bazie gotowych workoutów, uwzględniać kontuzje, czas i miejsce, ale nie być luźnym czatem o technice.

Dalej projektuję moduł z pomocą Claude’a (spec-create) i Kursora: zamiast pisać kod, doprecyzowuję wymagania i architekturę (Vercel AI SDK, Supabase, MCP „na później”). Wybieram mały model, prosty kontekst (profil + historia + ostatnie wiadomości) i zastanawiam się, kiedy dorzucić RAG (PGVector/Pinecone) dla katalogu 200+ ćwiczeń. Kluczowy wymóg: asystent zwraca wizualne propozycje planów – karty, listy, podglądy workoutów, przyciski.

Na koniec przeglądam specyfikację: toolsy (profil, historia, ćwiczenia, „stwórz plan”), tryby pracy (aktualny plan vs ogólne pytania), bardziej „kafelkowy” UI czatu. Dane aplikacji trzymam w SQLite z sync do Supabase, rozmowy tylko lokalnie, testy głównie ręczne. Całość układam w 3–4 iteracje wdrożenia.

Wybrane timestamps (skrótowo):
– 00:00:02 – intro, zapowiedź tematu: integracja appki z LLM
– 00:00:28 – POC gry planszowej: generowanie pytań/historii zamiast ręcznego pisania
– 00:01:53 – prosty rate limiting na Supabase + kontrola kosztów
– 00:03:33 – walidacja input/output, schematy, retraje
– 00:05:00 – integracja z ElevenLabs, wybór „rodzinnego” PL głosu
– 00:07:49 – streaming vs odpowiedź blokująca, UX
– 00:09:00 – ryzyko kosztów przy publicznym API, logowanie, bezpieczeństwo
– 00:10:30 – tools, MCP, po co standardowy interfejs do narzędzi

– 00:11:20 – przejście do appki treningowej dla wspinaczy
– 00:12:10 – filozofia planowania 1–2 tygodni naprzód
– 00:13:40 – struktura planera: tydzień bieżący / przyszły, fokus treningu
– 00:14:40 – krytyka generycznych rekomendacji Garmina itd.
– 00:16:30 – dlaczego „otwarty czat o wszystkim” jest zły
– 00:18:20 – analogia do appki do nauki języków – sama rozmowa nie wystarczy

– 00:20:50 – start projektowania modułu z Claude spec-create
– 00:23:00 – Hashbrown, generatywne komponenty UI, wizualne odpowiedzi
– 00:25:40 – reconnect streama, streszczenie założeń asystenta
– 00:27:50 – dorzucenie migracji Supabase, baza workoutów/ćwiczeń
– 00:29:00 – „czy potrzebuję osobnego serwera MCP?”
– 00:31:05 – wymóg: odpowiedzi jako wizualne plany, nie goły tekst

– 00:37:30 – profil/onboarding jako mózg: dostępność, kontuzje, sprzęt
– 00:41:50 – jak dać agentowi wiedzę o 200+ ćwiczeniach (prosto vs RAG)
– 00:47:05 – decyzja: wąski zakres – inteligentne planowanie treningów
– 00:48:40 – bazowanie na profilu, historii i gotowych workoutach
– 00:49:10 – dostęp asystenta: profil + historia + aktualny plan

– 00:50:00 – gdzie w UI wstawić asystenta (tab vs przycisk)
– 00:51:30 – rozmiar kontekstu rozmowy, koszty
– 00:55:30 – architektura backendu: Supabase Edge Functions vs osobny serwis vs Vercel
– 00:57:15 – wybór prostszego wariantu: backend + Vercel AI SDK, bez MCP
– 01:00:50 – front: useChat/custom hook, własne komponenty

– 01:02:10 – MCP odkładamy na później (wersja „chatowa”)
– 01:03:30 – format odpowiedzi: tekst + quick replies + przyciski akcji
– 01:04:10 – rich komponenty w trakcie streamowania, preview workoutów
– 01:04:40 – trzy strategie kontekstu (profil vs tools vs wektory)
– 01:05:20 – PGVector dla opisów ćwiczeń, tagi
– 01:06:20 – co w system prompt, co przez tools

– 01:06:50 – koszty wektorówki vs proste toolsy
– 01:07:50 – SQLite + sync do Supabase, offline-first
– 01:08:40 – historia rozmów tylko lokalnie w SQLite
– 01:09:40 – tylko manualne testy UI na tym etapie
– 01:10:40 – refleksja: 10–15 min na podpięcie modelu, 45 min na speckę

– 01:20:20 – przegląd architektury: SQLite, Supabase Functions, function calling, PGVector
– 01:21:20 – toolsy: pobierz profil, historię, listę ćwiczeń + „stwórz plan”
– 01:22:10 – system prompt: tryb „planner” vs „general coaching”
– 01:24:20 – UI czatu: zamiast messengera – kafelki/akcje
– 01:25:10 – roadmap 3–4 iteracji zamiast monolitu

– 01:25:50 – podsumowanie: specka gotowa do wdrażania
– 01:26:40 – CTA: www, warsztaty, live-coding
– 01:27:40 – CTA: partial CTO / equity partnership
– 01:28:30 – CTA: treningi wspinaczkowe w Warszawie
– 01:29:05 – zamknięcie streama, zapowiedź kolejnego odcinka