Dziennik
Eseje i praktyczne notatki o provenance, pamięci SDLC oraz governance delivery w erze AI.
expand_more
TL;DR
Po opublikowaniu pierwszej wersji Provenance Manifesto zacząłem analizować, czy istniejące na rynku rozwiązania są zgodne z przedstawionymi w nim zasadami.
✓ Dzień, w którym narodził się Provenance Manifesto. March 8, 2026
expand_more
March 8, 2026
TL;DR
!Dzień, w którym narodził się Provenance Manifesto
✓ Git for Decisions potrzebuje mózgu. Ale jakiego? Mar 4, 2026
expand_more
Mar 4, 2026
TL;DR
Podczas budowy SDLC Memory natrafiłem na nieoczekiwany dylemat architektoniczny. Czy system powinien rozumować jak autonomiczny agent, zachowywać się jak deterministyczny transformator danych, czy znajdować się gdzieś pomiędzy? Wciąż decyduję, który kierunek będzie właściwy dla MVP.
✓ expand_more
TL;DR
W „Part 1 - From RAG to Provenance: How We Realized Vector Alone Is Not Memory” przeszliśmy od RAG do Provenance, od podobieństwa do pochodzenia decyzji. Jeśli jednak agenci AI będą generować 50–80% przyszłej pracy, prawdziwe pytanie brzmi: jak pamięć może być bezpiecznie aktualizowana? Jak nowe decyzje mogą być weryfikowane, łączone i objęte nadzorem, zamiast być jedynie osadzane w embeddingach? Ten artykuł krok po kroku pokazuje inkrementalny proces aktualizacji grafu stojący za pamięcią decyzji, na realnym przykładzie. Ponieważ w erze AI pamięć musi ewoluować — nie tylko odzyskiwać informacje.
expand_more
TL;DR
A co jeśli Twój SDLC w rzeczywistości niczego nie pamięta i jedynie odzyskuje fragmenty? Zbudowaliśmy potężne systemy RAG, które potrafią w milisekundach odnajdywać „istotne” fragmenty tekstu. Jednak trafność nie jest przyczynowością. Gdy coś psuje się na produkcji, podobieństwo nie powie Ci dlaczego tak się stało ani która decyzja, ryzyko lub zależność do tego doprowadziły. W tym artykule wyjaśniam, dlaczego wyszukiwanie wektorowe samo w sobie nie jest pamięcią, jak struktura grafowa zmienia reguły gry oraz jak połączenie wektorów z rygorystycznym modelem provenance przekształca rozproszoną dokumentację w coś bliższego organizacyjnej kognicji. Jeśli interesuje Cię wyjaśnialność, rodowód decyzji i prawdziwa inteligencja delivery — ten artykuł jest dla Ciebie.
✓ expand_more
TL;DR
Następny rozdział: SDLC Memory & Provenance. W poprzednich rozdziałach analizowaliśmy, dlaczego SDLC nie posiada prawdziwej pamięci i dlaczego provenance musi stać się elementem strukturalnym, a nie opcjonalnym. W kolejnym kroku schodzimy głębiej w jeszcze bardziej niewygodne pytanie. Co jeśli prawdziwym wąskim gardłem delivery nie jest prędkość, narzędzia ani nawet możliwości AI… lecz biologiczne ograniczenia ludzkiego kontekstu? Ludzie są w stanie aktywnie utrzymać jednocześnie około czterech znaczących ograniczeń. Współczesne agenty mogą przetwarzać setki tysięcy tokenów. A jednak ani jedni, ani drudzy nie są w stanie zapamiętać żyjącego produktu w czasie bez odpowiedniej struktury. Ten rozdział łączy naukę o poznaniu, okna kontekstu AI oraz praktyczną architekturę pamięci Hot/Warm/Cold, aby pokazać, dlaczego trwała pamięć SDLC nie jest narzutem dokumentacyjnym, lecz przewagą konkurencyjną. Jeśli wykonanie staje się tańsze, to pamięć staje się kluczowym wyróżnikiem. Porozmawiajmy o tym, jak ją zbudować.
✓ expand_more
TL;DR
W poprzednich rozdziałach mówiliśmy o SDLC Memory i Provenance jako sposobie na ograniczenie chaosu, ochronę integralności delivery oraz uczynienie decyzji możliwymi do prześledzenia w organizacjach inżynierskich. Teraz chciałbym spojrzeć szerzej. Jeśli AI zmienia sposób budowy oprogramowania, zmienia również coś znacznie większego — sposób, w jaki wyceniany jest sam kapitał intelektualny. Ten artykuł nie jest odejściem od dyskusji o Provenance. To jej kolejny logiczny krok. Jeśli wykonanie staje się powszechne i łatwo dostępne, wówczas pamięć, governance i architektura decyzji stają się prawdziwymi aktywami. Porozmawiajmy o tym, co dzieje się z kapitałem intelektualnym, gdy AI w istotny sposób zastępuje ludzkie stanowiska, oraz co to oznacza dla firm, które chcą przetrwać.
✓ expand_more
TL;DR
!AI will take the “What”, but Humans must own the “Why”
expand_more
TL;DR
!We are teaching AI to decide. But we are forgetting how to remember.
expand_more
TL;DR
!Why SDLC has no memory (and why delivery teams keep paying for it)