George Xing: kako voditi product tim od jedne osobe uz AI agente
George Xing je ovaj tekst objavio na Substack-u u maju 2026. To je manje teorijski okvir, a više tehnički dnevnik — direktan prikaz kako strukturiše rad kao solo programer koji gradi produkcioni softver uz AI asistenciju. Tekst je organizovan oko tri sistema koja, u kombinaciji, omogućavaju produktivnost timova.
Ključni uvid suprotstavlja se uobičajenoj pretpostavci: kako generisanje koda postaje jeftinije, upstream rad postaje važniji, a ne manje važan. Jeftin kod je koristan samo ako gradite pravu stvar. Ako je specifikacija nejasna, AI alati ubrzavaju put ka pogrešnom ishodu. Ceo Xing-ov sistem dizajniran je da nametne rigoroznost pre nego što model išta napiše.
Prvi sistem je ono što naziva “agent skills” — Claude plugin koji objedinjuje četiri uzastopna koraka: brainstorming, pisanje plana, izvršavanje i code review. Umesto da razgovara sa LLM-om i kopira izlaz, prinuđen je da završi svaki korak pre prelaska na sledeći. Korak code review-a deo je istog toka rada, što hvata probleme pre nego što se nagomilaju u tehnički dug koji je skupo razrešiti.
Drugi sistem je automatizovano testiranje. Xing koristi Codex za pregled implementacije zajedno sa prilagođenim integracijama testiranja — XcodeBuildMCP za iOS i Playwright-MCP za web — koje autonomno pokreću korisničke scenarije i signaliziraju greške. Efekat je da ručno ne testira većinu uobičajenih putanja; sistem testira dok on gradi. Ovo mu ostavlja slobodu da se fokusira na rubne slučajeve i dizajnerske procene, a ne na pokrivenost regresijama.
Treći sistem je udaljena infrastruktura: Mac Mini kao trajni računarski hub, Tailscale za umrežavanje i SSH pristup koji mu omogućava da nastavi rad sa bilo kog uređaja. Sinhronizovane Claude sesije prenose kontekst između desktop računara, mobilnog telefona i terminala, tako da kontekst nije izgubljen pri promeni uređaja.
Za PM-ove koji procenjuju prakse AI-asistiranog razvoja u malim timovima, specifični alati koje Xing koristi su sporedni. Prenosivi obrazac je prisilna struktura uzvodno, automatizovana validacija nizvodno i trajni kontekst između uređaja i sesija. Ova svojstva skaliraju bez obzira na veličinu tima i mapiraju se na uobičajene bolne tačke u AI-asistiranom razvoju: nejasne specifikacije, nedovoljno testiranje i gubitak konteksta između sesija.