16 000 linii kodu przez AI w 14 dni: pełne metryki empiryczne z wdrożenia CDAL w projekcie B2B
Czy autonomiczni agenci AI potrafią wytworzyć produkcyjny, niezawodny system biznesowy od zera w 2 tygodnie? Odpowiedź brzmi: tak, ale tylko pod warunkiem narzucenia twardych bramek kontraktowych.
Poniżej przedstawiamy pełne dane liczbowe z komercyjnego wdrożenia platformy serwisowo-operacyjnej B2B (16 000 linii kodu w TypeScript i Next.js), orkiestrowanej przez jednego architekta prowadzącego i zespół subagentów Claude Code.
1. Zmierzone metryki empiryczne
Wszystkie dane zostały wyekstrahowane maszynowo za pomocą narzędzia scripts/case-metrics.mjs:
| Wskaźnik | Wartość | Uwagi / Dowód |
|---|---|---|
| Czas od zera do MVP | 14 dni roboczych | Działający, przetestowany system produkcyjny |
| Linie kodu produkcyjnego (LOC) | 16 628 | Bez bibliotek vendor i plików generowanych |
Kontrakty bazowe (*.contract.mjs) |
6 kontraktów | Lejek kwalifikacji, powiadomienia, SLA, RBAC, wymagania, triage |
| Twardo egzekwowane niezmienniki | 58 reguł | Sprawdzane deterministycznie przez cdal validate |
Wymagania w rejestrze (REQ-*) |
47 wymagań | Pełna macierz powiązań z kryteriami akceptacji |
Pokrycie macierzy trace (@REQ:) |
100% (47/47) | Każde wymaganie ma dedykowany test weryfikujący |
| Testy mutacyjne bramek (selftest) | 60 / 60 (100%) | Dowód na brak dekoracyjnych reguł |
| Zablokowane próby ingerencji w testy | 342 blokady hooka | Przechwycone próby edycji testów przez implementera (exit 2) |
| Ucieczki błędów do środowiska staging/prod | 0 incydentów | Zero regresji w modułach objętych kontraktami |
2. Co wydarzyło się podczas tych 342 blokad?
Liczba 342 blokad hooka PreToolUse jest najważniejszą metryką całego eksperymentu. Gdyby projekt pracował bez CDAL — opierając się wyłącznie na promptach w markdownie — agenci AI w 342 przypadkach zmieniliby pliki testowe lub naruszyli chronione reguły architektury.
W każdym z tych 342 przypadków model, po otrzymaniu odmowy dostępu (exit code 2), wrócił do kodu produkcyjnego i doprowadził logikę biznesową do stanu zgodnego z wymaganiami.
3. Podsumowanie dla liderów inżynierii
Delegowanie tworzenia oprogramowania agentom AI nie jest kwestią „zaufania do modelu”, lecz architektury ograniczeń. Kontrakty jako źródło prawdy, role z fizyczną blokadą zapisu testów i deterministyczny potok weryfikacji to jedyna droga do bezpiecznego skalowania developmentu opartego o AI.