← Wszystkie tematy W 45% ogłoszeń · 21 z 47 ogłoszeń frontend React

AI w pracy programisty

Pomocnik, którego trzeba sprawdzać

AI w pracy pojawia się w 21 z 47 ogłoszeń, często z nazwami narzędzi: Copilot, Cursor, Claude Code. Pytają, jak go używasz i jak kontrolujesz jakość.

Przerobione Opanowane 0 z 2 pytań

Ucz się z Claude Wytłumacz od zera Próbna rozmowa Zadanie praktyczne Ściąga na 1 stronę

Co piszą w ogłoszeniach

„Familiarity with AI-assisted development tools such as Claude Code, GitHub Copilot, Cursor, or similar solutions, and an understanding of how to use them effectively in everyday development.”
Spiel Sp. z o.o. · Frontend Developer
„Hands-on experience with AI-assisted software development”
Experis Manpower Group · Web Developer

Scena · weryfikacja

Robot-pomocnik, który bardzo się śpieszy

Masz pomocnika, który w sekundę buduje klocki. Buduje szybko i zwykle dobrze, ale czasem włoży klocek do góry nogami i powie to bardzo pewnym głosem. Za wieżę odpowiadasz Ty, nie on. Przy każdej propozycji zdecyduj: wklejasz od razu czy najpierw sprawdzasz?

Produkcja nic jeszcze nie wdrożono

Każdą propozycję wklej albo sprawdź.

Porównajmy

Wklejacz czy redaktor?

	„Wklejacz”	Programista z pomocnikiem
Kto odpowiada za kod?	Robot.„Tak wygenerowało”.	Ja. Robot tylko proponuje.Każda linijka przechodzi przez moje review.
Jak sprawdza?	Nie sprawdza, bo „wygląda dobrze”.Zaufanie do pewnego tonu.	Test, typy, czytanie ze zrozumieniem.Najpierw test lub przypadki brzegowe, potem kod. Lint, tsc, CI.
Gdzie robot pomaga najbardziej?	Wszędzie po równo.Brak granic.	Powtarzalne rzeczy i pierwsze szkice.Boilerplate, testy, migracje, wyjaśnianie cudzego kodu, szkice dokumentacji.
Gdzie uważać?	Nigdzie.	Bezpieczeństwo, dane, logika biznesowa.XSS, autoryzacja, przypadki brzegowe, wymyślone API i nieistniejące paczki.
Co mówisz na rozmowie?	„Używam AI do wszystkiego”.Brzmi jak brak kontroli.	Konkretne narzędzie, zadanie, sposób sprawdzania i efekt.Np. „Claude Code do migracji testów na Vitest: generował, ja przeglądałem diff i odpalałem CI”.

Pomocnik, nie szef

Robot proponuje, Ty decydujesz i podpisujesz się pod kodem.

Najpierw test

Opisz przypadki, także te dziwne (pusto, zero, null), i sprawdź na nich propozycję.

Konkret na rozmowie

Narzędzie + zadanie + jak sprawdzałeś + co dało. Bez ogólników.

Sprawdź się

Pytania z rozmów

Najpierw odpowiedz na głos, dopiero potem rozwiń odpowiedź.

Jak używasz AI w codziennej pracy i jak sprawdzasz, czy wygenerowany kod jest poprawny?

Moja odpowiedź

Zapisuje się samo w tej przeglądarce. Kopię zrobisz na stronie Notatki.

Pokaż odpowiedź

Dla przedszkolaka: Mam pomocnika, który szybko buduje, ale czasem wkłada klocek do góry nogami. Za wieżę odpowiadam ja, więc każdy klocek oglądam.

Na rozmowę: Podaj konkret: narzędzie, zadanie, weryfikację i efekt. Np. „Claude Code / Cursor do migracji testów z Jest na Vitest, do szkiców komponentów z opisu i do wyjaśniania cudzego kodu. Zanim przyjmę zmianę, czytam diff jak w code review, odpalam typecheck, lint i testy w CI. Przy logice najpierw piszę albo generuję test z przypadkami brzegowymi, potem implementację. Nie wklejam niczego, czego nie rozumiem.” Na koniec efekt, np. migracja trwała 2 dni zamiast tygodnia.

Umiem?

Zapytaj Claude Rozwiń Przepytaj mnie Pytania pogłębiające

Gdzie AI Ci nie pomaga albo przeszkadza?

Moja odpowiedź

Zapisuje się samo w tej przeglądarce. Kopię zrobisz na stronie Notatki.

Pokaż odpowiedź

Dla przedszkolaka: Pomocnik mówi tak samo pewnie, kiedy ma rację i kiedy się myli. Dlatego tam, gdzie pomyłka boli, sprawdzam podwójnie.

Na rozmowę: Przy logice biznesowej, której model nie zna (domena, nieoczywiste wymagania), przy bezpieczeństwie (XSS, autoryzacja, sekrety), przy nowych wersjach bibliotek (wymyśla nieistniejące API lub paczki), w dużych refaktorach wymagających kontekstu całego systemu. Przeszkadza też, gdy kusi akceptować kod bez zrozumienia, bo potem trudno go debugować. Dobrze pokazać, że znasz ograniczenia i masz na nie proces (review, testy, lint).

Umiem?

Zapytaj Claude Rozwiń Przepytaj mnie Pytania pogłębiające

Poziom wyżej

Wersja dla seniora

Tak wyglądają pytania na seniora i leada: nie ma jednej dobrej odpowiedzi, liczy się to, jak ważysz kompromisy i czy mówisz o skali, ryzyku i ludziach.

Przypadek 1

Wprowadzenie asystentów AI w zespole 15 osób

Zarząd kupił licencje na Copilota i Claude Code dla całego działu frontendu. Część ludzi używa ich intensywnie, część wcale, a security pyta, czy kod klienta nie wycieka do modeli. Masz jako lead ustalić zasady i po kwartale pokazać, czy to ma sens.

Zanim rozwiniesz: powiedz na głos, jak byś to rozwiązał, i nazwij co najmniej jeden kompromis.

Moje rozwiązanie

Zapisuje się samo w tej przeglądarce. Kopię zrobisz na stronie Notatki.

Pokaż, czego szuka rekruter, i modelową odpowiedź

Co sprawdza rekruter

Czy myślisz o bezpieczeństwie danych i kodu, a nie tylko o produktywności
Czy ustalasz zasady review zamiast zakazów albo pełnej dowolności
Czy umiesz zmierzyć efekt bez naiwnego liczenia linijek
Czy dbasz o rozwój juniorów, którzy mogą przestać się uczyć

Odpowiedź seniora

Najpierw bezpieczeństwo: tylko plany firmowe z wyłączonym trenowaniem na naszych danych, lista repozytoriów i plików, których nie wolno wysyłać (sekrety, dane klientów, .env), skanowanie sekretów w pre-commit i CI. Ustalamy z security i prawnikami, jakie dane mogą trafić do promptu.

Zasady pracy są krótkie: autor PR-a odpowiada za każdą linijkę niezależnie od źródła, kod wygenerowany przechodzi ten sam review i te same testy, przy logice biznesowej najpierw test, potem implementacja. Dzielimy się dobrymi zastosowaniami na krótkich demo: migracje, testy, szkice komponentów, wyjaśnianie starego kodu. Juniorzy przy zadaniach rozwojowych tłumaczą rozwiązanie na review własnymi słowami.

Mierzę metryki DORA i przepływu (lead time, czas od PR do merge, liczba rewertów i błędów po wdrożeniu) przed i po, plus krótka ankieta co miesiąc. Jeśli lead time spada, a liczba błędów rośnie, zaostrzamy zasady w konkretnych obszarach zamiast wycofywać narzędzie.

Typowe wpadki

Mierzenie sukcesu liczbą wygenerowanych linijek albo procentem zaakceptowanych podpowiedzi
Całkowity zakaz, który kończy się używaniem prywatnych kont
Pominięcie kwestii danych klientów i sekretów w promptach
Brak planu dla juniorów

Dopytają o

Co zrobisz, gdy ktoś wklei do czatu dane osobowe klienta?
Jak rozpoznasz, że jakość kodu spada przez AI?
Czy pozwolisz agentom AI otwierać PR-y samodzielnie?

Zapytaj Claude Rozwiń case Zagraj interviewera

Przypadek 2

Funkcja AI w produkcie: asystent w panelu klienta

Produkt chce w panelu sklepu asystenta, który odpowiada na pytania o zamówienia i regulamin. Ma działać jak czat ze streamingiem, ale budżet na API jest ograniczony, a dział prawny boi się, że model wymyśli zasady zwrotów. Odpowiadasz za architekturę po stronie frontendu i BFF.

Zanim rozwiniesz: powiedz na głos, jak byś to rozwiązał, i nazwij co najmniej jeden kompromis.

Moje rozwiązanie

Zapisuje się samo w tej przeglądarce. Kopię zrobisz na stronie Notatki.

Pokaż, czego szuka rekruter, i modelową odpowiedź

Co sprawdza rekruter

Czy wiesz, że klucz API i prompt systemowy nie mogą być w przeglądarce
Czy myślisz o kosztach, limitach i awariach dostawcy
Czy masz plan na halucynacje i odpowiedzialność za treść
Czy UX czatu obejmuje streaming, przerwanie i błędy

Odpowiedź seniora

Przeglądarka rozmawia tylko z naszym BFF. BFF trzyma klucz, prompt systemowy, dokłada kontekst (zamówienia użytkownika pobrane po jego sesji, fragmenty regulaminu wyszukane w bazie wektorowej) i streamuje odpowiedź do frontu przez SSE. Front ma stany waiting, streaming, done, stopped, error, przycisk Zatrzymaj przez AbortController i renderowanie niedokończonego Markdownu.

Koszty i odporność: rate limit na użytkownika i dzienny budżet na sklep, mniejszy model do prostych pytań i większy tylko gdy trzeba, cache odpowiedzi na częste pytania o regulamin, timeout i fallback do wyszukiwarki pomocy, gdy dostawca nie odpowiada. Logujemy zużycie tokenów i koszt na rozmowę.

Halucynacje ograniczam projektem: odpowiedzi o zasadach tylko na podstawie przekazanych fragmentów, z cytatem i linkiem do źródła, a przy braku źródła asystent mówi, że nie wie, i proponuje kontakt z obsługą. Zestaw pytań testowych (evals) uruchamiany w CI przy każdej zmianie promptu. Akcje zmieniające dane (anulowanie zamówienia) tylko z potwierdzeniem użytkownika w UI, nigdy samodzielnie przez model.

Typowe wpadki

Wywoływanie API modelu bezpośrednio z przeglądarki z kluczem w bundlu
Brak limitów, przez które jeden skrypt zjada miesięczny budżet
Pozwolenie modelowi na wykonywanie akcji bez potwierdzenia
Brak testów jakości odpowiedzi po zmianie promptu

Dopytają o

Jak obsłużysz prompt injection w treści zamówienia albo opisie produktu?
Jak zmierzysz, czy asystent faktycznie zmniejsza liczbę zgłoszeń?
Co pokażesz użytkownikowi, gdy odpowiedź urwie się w połowie?

Zapytaj Claude Rozwiń case Zagraj interviewera

Przypadek 3

PR-y generowane przez AI zalewają review

Od kiedy zespół używa agentów AI, liczba PR-ów wzrosła dwukrotnie, a ich rozmiar trzykrotnie. Seniorzy spędzają pół dnia na review, w kodzie pojawiają się duplikaty helperów i trzy różne sposoby obsługi błędów. Zespół jest zmęczony.

Zanim rozwiniesz: powiedz na głos, jak byś to rozwiązał, i nazwij co najmniej jeden kompromis.

Moje rozwiązanie

Zapisuje się samo w tej przeglądarce. Kopię zrobisz na stronie Notatki.

Pokaż, czego szuka rekruter, i modelową odpowiedź

Co sprawdza rekruter

Czy widzisz, że wąskim gardłem stało się review, a nie pisanie kodu
Czy proponujesz automatyzację tego, co da się sprawdzić maszynowo
Czy umiesz ustalić standardy, których trzyma się i człowiek, i agent

Odpowiedź seniora

Traktuję to jako problem przepływu pracy. Ustalamy limit rozmiaru PR (np. 400 zmienionych linii poza plikami generowanymi) i zasadę jednego celu na PR. Autor, a nie agent, pisze opis: co i dlaczego, jak sprawdził.

To, co da się sprawdzić automatycznie, schodzi z ludzi: ESLint z regułami architektonicznymi (granice modułów, zakazane importy), wykrywanie duplikatów (jscpd), typy, testy, budżet bundla. Standardy zapisujemy tam, gdzie czyta je też agent: CLAUDE.md lub reguły w repo z przykładami dobrej obsługi błędów, gotowe helpery i komendy. Wtedy agent częściej trafia w konwencję.

Review dzielimy: drobne PR-y może zatwierdzić jedna osoba, zmiany w krytycznych obszarach (płatności, auth) wymagają właściciela przez CODEOWNERS. Mierzę czas oczekiwania na review i rozmiar PR-ów co tydzień. Duplikaty, które już weszły, sprzątamy w zaplanowanym tygodniu porządków, a nie przy okazji.

Typowe wpadki

Zakazanie agentów zamiast naprawienia procesu
Akceptowanie dużych PR-ów bez czytania, bo „testy przeszły”
Brak spisanych konwencji, przez co każdy agent i człowiek robi po swojemu

Dopytają o

Jak wyglądałaby dobra instrukcja dla agenta w repozytorium?
Kto odpowiada za błąd na produkcji z kodu wygenerowanego przez AI?
Jak sprawdzisz, czy nowe reguły lint nie spowolnią pracy?

Zapytaj Claude Rozwiń case Zagraj interviewera