TL;DR

Context jest fundamentem – Carson: „największy błąd to pośpiech w przekazywaniu kontekstu, brak cierpliwości żeby powiedzieć AI co naprawdę potrzebuje wiedzieć”
3-stopniowy proces: PRD → lista zadań → iteracyjne wykonywanie po jednym subtasku
Narzędzia: Cursor z Gemini 2.5 Pro/Claude 3.7 Sonnet, MCP servers, Repo Prompt
Koszt: Carson wydaje „prawdopodobnie $300-400 miesięcznie” na AI
Skala: Carson zbudował „huge features… 10,000 lines of code reliably” tym systemem
Transformacja: od 110-osobowego zespołu do solo work – „definitywnie potrafię zbudować tę firmę”
Podejście: uprzejme traktowanie AI jak humans, human-in-the-loop po każdym subtasku

Ryan Carson, pięciokrotny founder z 20-letnim doświadczeniem, pokazuje w podcaście „How I AI” jak zastąpić „vibe coding” strukturalnym systemem. Carson obecnie buduje startup jako solo founder. Oprócz tego używa AI do family projects – buduje primitive side scroller game ze swoim 14-letnim synem Devin jako creative director.

Fundament: dlaczego context jest kluczowy

Carson identyfikuje główny problem: „Największy błąd, który robię, który wszyscy robią, to że próbują pośpieszyć przez context, gdzie po prostu nie masz cierpliwości żeby powiedzieć AI co naprawdę potrzebuje wiedzieć żeby rozwiązać twój problem.”

Jego rozwiązanie: „Jeśli wszyscy po prostu zwolnimy trochę i zrobimy te dwa kroki, to przyspieszymy wszystko.” Carson traktuje AI jak „genialnego studenta PhD, ale nie potrafią połączyć tych naprawdę prostych, oczywistych rzeczy, które ty i ja wiemy.”

Carson przyznaje: „Prawdopodobnie zbyt mocno antropomorfizuję LLMy, ale ponieważ są trenowane na ludzkich outputach z internetu, moim przekonaniem jest że musimy dać LLMom właściwy kontekst i być tak pomocni jak możemy żeby mogły faktycznie rozwiązać nasze problemy.”

3-stopniowy workflow

Krok 1: tworzenie PRD z AI

Carson używa pierwszego pliku .cursor-rules do instruowania AI jak pisać PRD. Kluczowy element: „To jest PRD odpowiedni dla junior developera do zrozumienia i implementacji tej funkcji.”

Dlaczego junior developer? „Mówienie junior developer to sposób na instruowanie AI. Trzymajmy to na pewnym poziomie.”

Carson projektuje pytania w formacie dot notation (2.1, 2.2): „Inaczej AI po prostu da ci garść pytań i umieści więcej niż jedno pytanie w bullet poincie i staje się trudne w użyciu.”

Na większość pytań Carson odpowiada „you pick” bo „jestem trochę leniwy.”

Krok 2: generowanie listy zadań

Drugi plik instruuje AI jak stworzyć task list. Carson learned trick od „friend on X” – umieszczanie relevant files na górze: „moje myślenie tutaj jest takie, że to powinno pomóc LLMowi po prostu pamiętać na jakich plikach naprawdę się skupiamy.”

Task list to „pretty detailed list of tasks… z 1, 2, 3, 4 z subtaskami. Mamy nawet sub subtaski tutaj.”

Krok 3: iteracyjne wykonywanie

Trzeci plik definiuje „guidelines for managing task lists in markdown files to track progress.” Kluczowa zasada: „chcemy robić jeden subtask na raz. To jest naprawdę ważne żeby AI nie zaczął próbować robić wszystkich zadań.”

Carson używa „human in a loop part jest naprawdę ważny, gdzie po każdym zadaniu jakby sprawdzasz co się dzieje. Zauważyłem że często wprowadza jakiś mały problem lub jest linter error i musisz to naprawić.”

Git strategy: „Jeśli czuję że app jest w stanie że jest workable, zrobię commit w tym momencie. Jeśli nie, nie zrobię commit dopóki wszystkie te zadania nie będą skończone.”

Narzędzia z demonstracji

Cursor setup

Carson używa Cursor w agent mode. W demo przypadkowo użył „Claude 3.7 Sonnet w Max mode. Faktycznie mam tendencję do używania Gemini 2.5 Pro… nie zauważyłem że to wybrałem.”

Claire Vo to „default O3 girl” która przechodzi na „3.7 Sonnet” gdy „O3 gets stalled out.” Carson: „Śmieszne, jestem pretty much default Gemini 2.5 Pro. Kocham max mode. Jest trochę drogi. Prawdopodobnie wydaję może 3, 400 dolców miesięcznie… ale warte tego.”

MCP servers demonstration

Postgres MCP – Carson: „najczęściej używany… jest dużo razy gdy po prostu chcę móc powiedzieć AI, czy ta wartość jest w tym wierszu w bazie danych? Nie chcę faktycznie pisać SQL żeby to zrobić.”

Browser Base MCP – Carson pokazuje live demo: „Mam darmowe konto więc chcę tylko to wypróbować… Co robię to kontroluję headless browser w chmurze z Cursor.” Demo: „navigate to pricing” i AI automatycznie nawiguje.

Practical value: „To naprawdę kludgy teraz próbować naprawić bugi na front endzie gdy robisz screen grab i wklejasz do Cursor i mówisz nie, mam na myśli tam.”

Repo Prompt dla context control

Problem: „Cursor ma tę magię w tle z kontekstem, gdzie nie wiesz na pewno co jest w kontekście… czasami naprawdę, naprawdę chcesz kontrolować kontekst.”

Demo workflow:

Cały repo: „395,000 tokenów… to zdecydowanie za dużo”
Po usunięciu generated: „324,000, wciąż za dużo”
Po strategicznej selekcji: „12,000 tokenów”

Carson used to work „z O1 Pro gdzie szedłbym do repo prompt, wybrałbym dokładnie właściwy kontekst i poszedłbym do O1 Pro i powiedział, myśl super ciężko o tym… dostajesz niesamowite odpowiedzi z tego powodu.”

Wpływ na budowanie firm

Carson porównuje z przeszłością: „miałem około 110 pracowników i miałem CTO i VP of Eng i product managerów… budując ten nowy startup, dosłownie czuję jakbym był w stanie zrobić to wszystko.”

Realistyczna ocena: „Czy potrafię to robić tak dobrze jak dedykowany product manager? Nie. Czy potrafię myśleć tak głęboko jak CTO? Nie. Ale definitywnie potrafię zbudować tę firmę.”

Praktyczne podejście z doświadczenia

Handling AI problems

Carson: „Jestem po prostu zbyt miły. Po prostu mówię, proszę pomyśl ciężej o tym. Wiem że potrafisz to zrobić… Pomyśl znowu o tym. I po prostu nie jestem złą osobą.”

Claire zauważa: „to rzecz rodzicielska. Ponieważ robię to samo. Mówię, wierzę że potrafisz to zrobić. Wierzę w ciebie.” Carson: „Dlaczego nie miałbyś traktować agenta tak jak traktowałbyś człowieka?”

Consistency i learning

„Getting to know Gemini 2.5 Pro naprawdę dobrze, w czym jest dobry, w czym nie jest dobry.”

Carson’s philosophy: „Nikt naprawdę nie wie jak robić te rzeczy. Jedyny sposób jak naprawdę to wymyślisz to wejście tutaj i brudzenie rąk i zobaczenie co działa.”

Philosophy o tools

Carson rozważał „może użyję Asana’s MCP server i stworzę zadania Asana… i pomyślałem nie, faktycznie łatwiej mi po prostu zobaczyć markdown file i wiedzieć co się dzieje i mogę nawet dodać zadania do tego.”

Advice: „moja zachęta dla wszystkich to po prostu zacznij mało, zacznij prosto i bądź dobry w tym i bądź komfortowy w tym i wtedy możesz się rozwijać stamtąd.”

Mentions Taskmaster jako „hyped up version” jego approach, ale „było za dużo dla mnie. Chciałem mniej… mniej mocy, więcej kontroli.”

Tech stack completion

„TS Live Set from New York City… to jak faktycznie koduję. Po prostu włączam trochę EDM i późno w nocy koduję po tym jak wszyscy idą spać słuchając niesamowitego EDM. I to jest ważną częścią mojego stacku.”

Claire sugeruje: „AI generated streaming EDM matched to the generation pace of your tokens that ends with the drop instead of that cursor [sound].” Carson: „Zapłaciłbym ekstra pieniądze za to.”

Obaj kochają Cursor sound: „delightful noise” gdy generation się kończy. Carson: „Czy to nie jest najlepsze? Kocham to.”

Future predictions

Carson o evolution: „Mam przeczucie że te rzeczy prawdopodobnie znikną. Myślę że context windows będą większe. Narzędzia jak Cursor będą lepsze w zarządzaniu kontekstem… ale teraz musisz robić wszystkie te rzeczy.”

Carson lobbies za integration: „Napastowałem zespół Cursor non-stop mówiąc dlaczego po prostu nie wbudujecie tego w core developer experience apki. Nie rozumiem dlaczego to po prostu nie jest sposobem jak używasz cursor. I oni ciągle mówią robimy to.”

✅ Checklist: Implementacja workflow Carsona

Setup environment (na podstawie demonstracji):

• [ ] Zainstaluj Cursor
• [ ] Stwórz folder .cursor-rules z trzema plikami jak Carson pokazał
• [ ] Skonfiguruj MCP servers (Postgres dla database queries, Browser Base dla testing)
• [ ] Stwórz tasks folder w projekcie

Daily execution (na podstawie kroków Carsona):
• [ ] Include PRD rule file w context
• [ ] Generuj PRD (odpowiedz na key questions, resztę „you pick”)
• [ ] Include task generation rule + tag PRD file
• [ ] Generuj task list z relevant files na górze
• [ ] Execute jeden subtask na raz w agent mode
• [ ] Check po każdym subtasku (Carson: „human in the loop part jest naprawdę ważny”)
• [ ] Commit przy workable state lub po completion wszystkich zadań

Context management (na podstawie Carson’s tips):
• [ ] Zwolnij tempo z kontekstem (nie śpiesz się jak Carson radzi)
• [ ] Używaj Repo Prompt dla complex requests (~12k tokens)
• [ ] Specify „junior developer” level w prompts
• [ ] Traktuj AI uprzejmie („proszę pomyśl ciężej o tym”)
• [ ] Budget $300-400/month dla serious development (Carson’s spending)

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: https://www.lennysnewsletter.com/p/a-3-step-ai-coding-workflow-for-solo

Tag: Repo Prompt

3-stopniowy AI coding workflow dla solo founderów według Ryana Carsona #EN110