FROM THE FIELD
6 portali agent-ready w 70 minut: discovery layer którego 99% nie widzi
Agentic web to nie przyszły trend. Wysłałem 6 portali do niego w 70 minut. Oto jak naprawdę wygląda discovery layer na produkcji.
LOAD "*",8,1
AI Engineer · Test Automation Architect · Platform Builder
Context before LLM.
Portfolio Dariusza Kowalskiego. Buduję multi-agentowe systemy QA, pipeline'y AI i platformy deweloperskie. CDAT Pattern, Jarvis Platform, open-source destylaty.
METHODOLOGY
CDAT Pattern
Components · Data · Actions · Tests. 4-warstwowa architektura Playwright sprawdzona w 9 systemach produkcyjnych przez 2 lata.
ECOSYSTEMJarvis Platform
Prywatna multi-agentowa platforma QA. 34K LOC TypeScript, 9 mikroserwisów, 15 pipelines produkcyjnych. Zapytaj o demo.
THESISContext before LLM
AI w QA nie zaczyna się od "napisz mi test". Zaczyna się od deterministycznego, pre-processed kontekstu. LLM przychodzi drugi.
PIPELINEWCAG Audit · 7 agents
7 agentów równolegle: keyboard, forms, modals, contrast, ARIA, semantic HTML, e-commerce. Pełny audyt WCAG 2.2 AA na produkcji.
PIPELINEPerformance Audit · 5 agents
5 agentów równolegle: bundle, runtime Vue/React, API calls, SSR/hydration, assets. 7h z AI vs 16h billable vs tydzień team klasycznie.
PIPELINEFigma-to-Code
Deterministyczny Figma pipeline. CSS token mapping, pixel diff przez odiff, codegen spec. Design tokens w warstwie danych, LLM tylko w logice.
From the Field
Zobacz wszystkie →FROM THE FIELD
Figma-to-code deterministycznie: bez LLM w warstwie danych
Design tokens, CSS diff, pixel-perfect validation. Bez LLM w warstwie danych. Deterministyczny pipeline Figma który nie halucynuje.
FROM THE FIELD
From the Field #06, Część 3: Ile to kosztuje, co zwraca
Decyzja o architekturze jest teraz decyzją o AI. Argument utrzymaniowy, skalowania i ROI dla deterministycznego wzorca testów, w języku tego, kto podpisuje fakturę.
Projekty
Wszystkie projekty →AI QA Manual · destylat Jarvisa
Produkcyjny manualny workflow QA wyodrębniony z Jarvisa. Context-first pipeline: Figma MCP + Jira webhook + Playwright CLI + Claude Agent SDK. Skala: 100-200 tasków w 2-3 dni vs tydzień team klasycznie.
Tech stack
- TypeScript
- Node.js
- Claude Agent SDK
- Playwright
- MCP
- n8n
Wzorzec CDAT · architektura Playwright
Components-Data-Actions-Tests - 4-warstwowy wzorzec dla Playwright + TypeScript. Alternatywa dla Page Object Model. Sprawdzony w 9 systemach produkcyjnych przez 2 lata.
Tech stack
- TypeScript
- Playwright
- Node.js
sdet-wcag-toolkit · publiczny pipeline WCAG 2.2 AA
Publiczny destylat AGPL-3.0 wieloagentowego pipeline'u audytów WCAG. 5 AI specjalistów czytających source przez Read/Grep/Glob, plus statyczny analizator TypeScript i dynamiczne testy Playwright z axe-core. Grading A-F. Case study w serii From the Field #01.
Tech stack
- TypeScript
- Claude Agent SDK
- Playwright
- axe-core
- MCP
sdet-brain · trwały RAG przez MCP
Trwały RAG dla osobistego korpusu Markdown, lokalnie. Qdrant + MLX + FastAPI + FastMCP 3.0. 12 MCP tools, 213 testów, source-available. Zastępuje wklejanie kontekstu między czatami Claude Desktop / Code / OpenCode.
Tech stack
- Python
- FastAPI
- FastMCP
- Qdrant
- MLX
- MCP
skills-radar · leniwe ładowanie skili dla Claude Code
Open-source serwer MCP rozwiązujący problem narastania skili w Claude Code. Two-Tier Discovery: mini-index ~1k tokenów zawsze preloaded, pełny SKILL.md ładowany on-demand. 68% redukcji tokenów przy 60 skilach, mniej więcej płasko przy 500. Hybrid retrieval (BM25 + dense), trust tiers, 100% lokalny stack na Apple Silicon przez MLX (Qwen3-Embedding-8B + Qwen3-Coder-30B rewriter/reranker). Bez Ollamy, bez HTTP, bez sieci.
Tech stack
- Python
- FastMCP
- ChromaDB
- Qdrant
- MLX
- sentence-transformers
sdet-perf-toolkit · context-first audyt performance
Performance audit dla Nuxt3/Vue3. Deterministyczny floor: Lighthouse median-of-5 + Core Web Vitals przez Playwright + trace + bundle. 5 AI specialists na to, czego floor nie łapie. AGPL-3.0.
Tech stack
- TypeScript
- Lighthouse
- Playwright
- web-vitals