AIF Handoff: autonomiczny agent do tworzenia kodu

# Autonomiczny agent do developmentu: jak AIF Handoff zastępuje ręczny workflow

Utworzyłeś zadanie w interfejsie, zamknąłeś laptopa — po kilku minutach w Telegramie przychodzi powiadomienie o gotowym PR. To nie science fiction, a rzeczywistość zapewniana przez AIF Handoff: system autonomicznych agentów zbudowany na bazie AI Factory i współpracujący z dowolnymi narzędziami LLM, takimi jak Claude Code czy Cursor. W podstawie — zarządzanie kontekstem, iteracyjne planowanie i samoocena na podstawie patchy.

Dlaczego klasyczny „vibe-coding” nie skaluje się

Większość programistów przechodzi trzy etapy interakcji z LLM:

• Loteria — jeden prompt, nadzieja na szczęście. Model generuje wiarygodny, ale niefunkcjonalny kod, bo nie zna kontekstu projektu. Każdy request zaczyna się od zera, bez historii poprzednich decyzji.
• „Prompts babcine” — instrukcje w stylu „jesteś seniorem z 15-letnim doświadczeniem”. Zmieniają ton odpowiedzi, ale nie jej jakość. Model imituje pewność siebie, a nie kompetencje.
• Ręczny workflow — sam zbierasz kontekst: kopiujesz pliki, podajesz ograniczenia, wywołujesz komendy jedna po drugiej. Wynik lepszy, ale proces pozostaje pracochłonny i podatny na błędy z powodu pominiętego kontekstu.

Kluczowy insight: LLM nie czyta w myślach. Pracuje tylko z tym, co jej dałeś. Im precyzyjniejszy i pełniejszy kontekst — tym bardziej przewidywalny wynik. Przykład:

Źle:

Sdelaj awtoryzację przez JWT, użyj best practices

Dobrze:

Oto AuthService (kod), oto jak przechowujemy sesje (kod), oto middleware (kod).
Trzeba dodać refresh token. Używamy Laravel Sanctum, nie wolno zmieniać.
Oto test, który musi przejść.

W drugim przypadku przestrzeń na fantazje modelu jest zminimalizowana. Sukces mierzy się konkretnymi kryteriami, a nie abstrakcyjnymi „best practices”.

Jak AI Factory systematyzuje kontekst

AI Factory to narzędzie CLI i ekosystem skilli, które automatycznie zarządza kontekstem dla dowolnego agenta kodującego. Po instalacji (npm install -g ai-factory && ai-factory init) system skanuje projekt, określa stack i tworzy strukturę:

your-project/
├── .claude/
│   └── skills/           ← pliki markdown z instrukcjami dla agenta
├── .ai-factory/
│   ├── DESCRIPTION.md    ← opis projektu, stack, architektura
│   ├── PLAN.md           ← aktualny plan
│   ├── patches/          ← patche samooceny
│   └── evolutions/       ← logi ewolucji skilli
└── .ai-factory.json

Skille to nie ogólne rekomendacje, a konkretne instrukcje: „jak dokładnie tworzyć plan w tym projekcie”, „które pliki ruszać przy zmianie autoryzacji”. Główne komendy:

• /aif — inicjalizacja kontekstu sesji
• /aif-plan — tworzenie planu i gałęzi git
• /aif-implement — wykonywanie zadań z commitami po checkpointach
• /aif-fix — naprawa buga + tworzenie patcha samooceny
• /aif-evolve — analiza patchy i aktualizacja skilli
• /aif-verify — weryfikacja zgodności wyniku z planem

Samoocena dzieje się stale: każdy /aif-fix zapisuje patch, a /aif-evolve znajduje w nich wzorce i adaptuje skille. Agent przed każdym /aif-implement czyta wszystkie nagromadzone patche — system uczy się nawet bez jawnego wywołania evolve.

AIF Handoff: człowiek na pętli, a nie w pętli

AI Factory rozwiązuje problem kontekstu, ale wciąż wymaga ręcznego uruchamiania komend. AIF Handoff eliminuje tę ostatnią barierę — to aplikacja webowa z tablicą Kanban, która w pełni automatyzuje pipeline agentowy:

Backlog → Planning → Plan Ready → Implementing → Review → Done

Tworzysz zadanie w UI — system sam przesuwa je po statusach przez WebSocket. W środku działają specjalistyczne koordynatory:

• plan-coordinator — nie tylko generuje plan, ale iteracyjnie go szlifuje przez plan-polisher, dopóki nie spełni kryteriów jakości.
• implement-coordinator — analizuje zależności między zadaniami i uruchamia równoległe workery w oddzielnych git worktree, tam gdzie to bezpieczne.
• review-sidecar + security-sidecar — równolegle sprawdzają kod pod kątem zgodności z planem i podatności (XSS, SQL injection, wycieki danych). Przy MCP Playwright — wykonują testy przeglądarkowe.

Jeśli review znajdzie problemy, zadanie automatycznie wraca do poprawki — ale z twardym limitem iteracji, by nie spalić całego token-budgetu za noc.

Human-on-the-loop ≠ Human-in-the-loop

• Human-in-the-loop: uczestniczysz w każdym przejściu. Maksymalna kontrola, minimalna prędkość.
• Human-on-the-loop: ustawiasz zadanie i kryteria — system działa autonomicznie. Ty akceptujesz lub odrzucasz finalny wynik. Dokładnie tak działa Handoff.

Dwa tryby wykonania:

• Subagents (domyślnie) — pełny pipeline z iteracyjnym doprecyzowaniem, równoległymi workerami i quality sidecarami. Wyższa jakość, wyższy koszt.
• Skills — jednoprzebiegowe wykonanie przez podstawowe komendy AI Factory. Szybciej i taniej, nadaje się do prostych zadań.

Instalacja i dwukierunkowa synchronizacja

Uruchomienie Handoff:

git clone https://github.com/lee-to/aif-handoff
cd aif-handoff
npm install
npm run init
npm run dev

Lub przez Docker (zalecane):

docker compose up

System uruchamia trzy serwisy: API (Hono + WebSocket), Web (React UI) i Agent (koordynator). Przy pierwszym uruchomieniu wymagana autoryzacja OAuth w Claude Code. Ustawienia w .env:

AI_LANGUAGE=ru                  # język agentów
MAX_REVIEW_ITERATIONS=3         # limit iteracji review
AGENT_USE_SUBAGENTS=true        # tryb wykonania
TELEGRAM_BOT_TOKEN=...          # do powiadomień
TELEGRAM_CHAT_ID=...

Handoff i AI Factory synchronizują się dwukierunkowo przez MCP. Zacząłeś zadanie w Handoff, zdecydowałeś kontynuować w Claude Code bezpośrednio — zmiany automatycznie odbiją się na tablicy Kanban. Dowolny kompatybilny agent może się podłączyć przez MCP.

Różnica od Paperclip i inne cechy

Paperclip to narzędzie do orkiestracji agentów w marketingu, treści, SEO. Pracuje z tekstem i strumieniami informacyjnymi. AIF Handoff jest stworzony do developmentu: zna twój stack, sprawdza kod (nie tekst), używa git worktree do izolacji workerów i uczy się na patchach konkretnego projektu.

Co ważne:

• Kontekst > prompty. Im konkretniejsze dane wejściowe — tym stabilniejszy wynik.
• Samoocena przez patche (/aif-fix → /aif-evolve) — klucz do adaptacji pod projekt.
• Human-on-the-loop pozwala w pełni delegować rutynę, zachowując finalną kontrolę.
• Równoległe workery i iteracyjne review podnoszą jakość, ale wymagają limitów dla oszczędności tokenów.
• Dwukierunkowa synchronizacja pozwala swobodnie przełączać się między Handoff a bezpośrednią pracą z agentem.

Stack techniczny Handoff: Node.js + TypeScript (Turborepo), SQLite (drizzle-orm), Hono API, React + TailwindCSS, node-cron. Projekt pokryty testami (>70%), ma ESLint guards do ochrony warstw. W planach — plugin dla JetBrains i integracja z CI/CD.

— Editorial Team