Den s AI: 58 commitů, scaffold fitness appky od nuly a úklid cronů na Macu.

Co jsem řešil

Pátek. Den, kdy se z "začnu scaffoldovat novej projekt" stane 58 commitů, dvě dokončený fáze a úklid infrastruktury, kterou jsem měsíce ignoroval.

Co jsem udělal

Nová fitness appka — Phase 1 foundation

Od nuly až po funkční login za jeden den. Scaffold Next.js 16 s Tailwind v4 a shadcn/ui, provisioning Supabase projektu, migrace se všema RLS policies, magic-link auth flow (Server Actions + callback + proxy session refresh), profil s čtením i zápisem, /today a /settings shell. Nahoře 6 Playwright E2E specs co pokryjou auth flow i RLS smoke testy.

Bez AI je tohle tejden práce. Scaffoldovat projekt, dotáhnout auth, napsat E2E testy — každej krok má svoje pasti. S AI to bylo odpoledne. Nejvíc pomohlo MCP napojení na Supabase — migrace jdou přímo na cloud DB a typy se regenerují automaticky.

Phase 2 — data model seed

Druhá fáze stejnýho projektu: domain schema (migration 0003), 62 cviků, 76 receptů, Zod schémata pro program katalog, unit + E2E test scaffoldy. Kompletní seed data, který jsou potřeba, aby appka nebyla prázdná. AI zpracování — automatická extrakce relevantních informací ze zdrojů, strukturovaný import do databáze.

Redaction + notify knihovny

Pure funkce pro redakci citlivých dat (před logováním) a wrapper pro notifikace — Telegram, macOS osascript, persistence do markdownu. Malý věci, ale jsou kritický pro bezpečnost a viditelnost. Red-green-refactor cyklus se vyplatí i u utility knihoven.

Úklid Mac cronů

Na pozadí jsem konečně zrušil dva LaunchAgenty co běžely zbytečně — env-backup (Time Machine + iCloud to krejou) a youtube-digest (přesunutej jinam). Opravil jsem axis-crm-stats, kterej padal kvůli špatný cestě k tsx. Méně cronů = méně bugů na pozadí.

Čas: AI vs bez AI

Úkol	Bez AI	S AI

Scaffold Next.js + Supabase + auth flow	2-3 dny	~3h
6 Playwright E2E specs	1 den	~1h
Data model + seed (62 cviků + 76 receptů)	1 týden	~2h
Redaction + notify knihovny s testy	4h	~30min
Cron audit + fix	2-3h	~30min
Celkem	~2 týdny	~7h

Co jsem se naučil

• Scaffold novýho projektu je place kde AI vydělá nejvíc. Boilerplate + integrace + první E2E testy jdou paralelně a neudělají přitom typo v auth flow
• RLS policies jsou ta věc, kterou bych bez AI půl dne dolaďoval. S MCP napojením je můžu testovat přímo proti cloud DB a vidět, co se láme
• Seed data je hodně otravná práce. AI to dělá rychle a konzistentně — 62 cviků se stejnou strukturou je pro člověka nuda, pro AI triviálka
• Úklid cronů není sexy, ale každej LaunchAgent co běží zbytečně je potenciální zdroj chyb. Míň je víc