Stream 4 - AI coding aplikacji treningowej dla wspinaczy, usuwanie modułu AI i testy AI Gen Video скачать в хорошем качестве

Stream 4 - AI coding aplikacji treningowej dla wspinaczy, usuwanie modułu AI i testy AI Gen Video

Rozwijam aplikację treningową dla wspinaczy, która ma zastąpić papierowe dzienniki i stać się bazą do sensownego prowadzenia zawodników. Druga oś tego streama to moje eksperymenty z modułem AI: pokazuję, dlaczego gotowe rekomendacje w stylu Garmin/TrainingPeaks nie dają mi realnej wartości dodanej, jak próbuję zaprojektować sensownego asystenta treningowego, a potem dochodzę do wniosku, że na tym etapie lepiej całkiem wyrzucić AI i uprościć aplikację. Pokazuję, jak korzystam z Kursora, Sonnet 4.5 i Linear, żeby usunąć moduł rekomendacji, posprzątać kod, przeanalizować buga w zakładce „Progress” i sposób liczenia „effortu” (czas sesji × odczuwana intensywność). Na końcu przechodzę do testów generowania grafiki i krótkich wideo dla wspinaczki – porównuję animacje tworzone z syntetycznego obrazu i z prawdziwego zdjęcia z zawodów i dochodzę do wniosku, że do sensownego kontentu i tak potrzebny jest realny materiał. Kluczowe timestamps (gdzie znaleźć ciekawe momenty): 00:02:02 – powitanie, wprowadzenie po przerwie, zapowiedź „happy life / vibe codingu” 00:03:09 – prezentacja side-projectu: aplikacja treningowa dla wspinaczy (notowanie treningów zamiast zeszytów) 00:04:11 – szacunek rynku: potencjał 1–2 tys. zaangażowanych wspinaczy w Polsce, którzy realnie mogliby używać aplikacji 00:04:54 – co już jest zrobione: moduły workoutów, custom workouty, scheduler, seed, migracje w Supabase 00:06:30 – jak autor wyobrażał sobie aplikację: inspiracja aplikacją Suunto, pomysł na prostą, przejrzystą analitykę 00:07:01 – pomysł na moduł AI rekomendacji i inspiracje (Suunto, Garmin, TrainingPeaks) 00:07:44 – krytyka aktualnych „AI rekomendacji”: komunikaty typu „trenowałeś 7 razy, odpocznij” jako śmieciowe i oczywiste 00:09:00 – rozważanie wariantu asystenta w formie czatu, problemy początkujących użytkowników („o co ja mam w ogóle zapytać?”) 00:10:09 – dlaczego open chat jako trener AI jest trudny: brak wiedzy użytkownika o cyklach, celach, typach treningu 00:11:01 – refleksja: aplikacja jako „śmietnik” po vibe codigu, brak stabilnego modelu danych, potrzeba uproszczenia 00:12:32 – przejście na podejście z kalendarzem: planowanie raczej 1–2 tygodnie do przodu, zgodnie z realnym życiem zawodników 00:13:28 – definicja sensownego modułu AI: planuje tylko kilka treningów do przodu, bazując na danych z ostatnich tygodni 00:13:52 – o trudnościach pomiaru obciążeń we wspinaczce; tętno jest mało przydatne 00:14:05 – jak liczyć „effort”: czas sesji × subiektywny poziom „skatowania się” daje użyteczny wskaźnik obciążenia 00:15:34 – wniosek: vibe coding poszedł za daleko, za dużo feature’ów, robi się bałagan i potrzebne jest mocne „odchudzenie” aplikacji 00:17:02 – decyzja: wyrzucenie modułu AI z aplikacji, skupienie się na prostej wersji i stabilnym schemacie bazy 00:17:56 – dodanie zadania w Linearze: usunięcie modułu rekomendacji z homepage i wszystkich komponentów z nim związanych 00:19:41 – praca z Kursorem i Sonnet 4.5 jako „model myślący”; agent zaczyna analizować projekt i pliki związane z modułem AI 00:22:03 – opis buga w zakładce „Progress”: pusty stan, mimo że treningi były w poprzednich tygodniach/miesiącach 00:24:49 – doprecyzowanie oczekiwanego UX: nagłówek „Progress / Analyze your performance” i zakładki (this week/last week/…) zawsze widoczne, pusty stan tylko w obrębie wybranego zakresu 00:27:01 – wejście do aplikacji, sprawdzenie jak obecnie liczony jest effort, porównanie z założeniami 00:28:36 – przypomnienie o onboardingu: pytania o poziom wspinaczkowy i czas na trening – pod to była projektowana część profilu 00:30:37 – rozmowa o „bezpiecznym schowaniu” komponentów bez regresji, selektywne zostawianie pól w profilu 00:38:35 – podsumowanie usunięcia modułu AI, sprawdzenie aplikacji „klikając” i decyzja o commicie zmian 00:44:39 – o tym, jak ważne jest automatyczne sprzątanie (usuwanie nieużywanego kodu, hooki po zadaniach w Claude Cloud) 00:45:21 – pokaz konfiguracji hooków w Claude Cloud (before/after tools, session end) i jak można ich użyć do walidacji i cleanupu 00:48:19 – uwaga o trudnym context switchingu przy pracy równolegle z Kursor/Claude/ChatGPT i wieloma zadaniami 00:52:43 – przykład: AI zostawił puste importy i nieużywane propsy; konieczność puszczania lintera/prettiera na całość 00:58:30 – start nowego wątku: testowanie modeli do generowania obrazów/wideo dla ćwiczeń w aplikacji 01:00:26 – prośba do Manusa o wygenerowanie 5 zdjęć osoby wspinającej się na pionowej ścianie/bulderowni 01:01:50 – analiza wygenerowanego obrazu: nienaturalne chwyty, problemy z palcami – obraz nie nadaje się jako materiał treningowy 01:05:27 – porównanie z animowaniem prawdziwego zdjęcia z zawodów: dużo lepszy efekt, wniosek, że do aplikacji trzeba będzie mieć realne zdjęcia/filmy i ewentualnie je „ożywiać” AI zamiast generować wszystko od zera