Nel mio articolo precedente, ho spiegato perché il vibe coding non è un giocattolo e cosa significa essere CTO in una startup di IA oggi. Molti di voi hanno chiesto il workflow concreto. Eccolo.
È esattamente così che costruiamo Agely ogni giorno. Niente teoria. Solo gli strumenti, le tecniche e come li concateno.
Il principio fondamentale
Prima di parlare di strumenti, bisogna capire una cosa: l'obiettivo non è mai scrivere codice. L'obiettivo è generare le specifiche giuste affinché l'IA scriva il codice per te. Il tuo lavoro diventa orchestrazione, non esecuzione.
Questo richiede un cambio di mentalità. Smetti di pensare "come implemento questo?" e inizi a pensare "come lo descrivo con sufficiente precisione?"
La mia pipeline in 3 passi
Uso 3 strumenti principali, ognuno con uno scopo specifico:
1. ChatGPT con voce + Canvas per la generazione dei prompt
Per progetti complessi, inizio parlando. Uso ChatGPT con input vocale per generare i miei prompt. Parlo di quello che voglio, poi chiedo di riformulare e riorganizzare tutto in un prompt strutturato.
La magia avviene con Canvas. Una volta che ChatGPT struttura il mio prompt, lo salvo in un Canvas. Questo mi dà un documento pulito che posso copiare/incollare e anche modificare direttamente. Diventa la mia specifica di lavoro che affino nel tempo.
Cosa chiedo a ChatGPT di includere:
- Il ruolo (come cosa deve agire l'IA)
- Cosa fare
- Cosa NON fare
- La metodologia da seguire
- Il formato di output atteso
Il punto chiave è che non digito. Parlo (in francese o inglese, non importa). È 10 volte più veloce e cattura meglio le sfumature.
2. Claude Opus per la ricerca approfondita
Quando devo comprendere un argomento complesso prima di costruire, uso Claude Opus in modalità ricerca estesa. È qui che avviene la magia.
L'IA non consulta solo 10 o 20 fonti. Ne esplora centinaia, a volte oltre mille. Ci vuole tempo, a volte più di un'ora, ma ottieni un report completo in markdown che diventa il tuo materiale di riferimento.
Lo uso per:
- Ricerca tecnologica stato dell'arte
- Analisi competitiva
- Comprendere nuovi domini prima di programmare
- Trovare le migliori librerie e approcci
L'output è un report che posso poi iniettare nei miei prompt di codice. Questo significa che l'IA che scrive il mio codice ha accesso a conoscenze all'avanguardia, non solo ai suoi dati di addestramento.
3. Windsurf + Claude Opus 4.6 Thinking per la generazione di codice
Per la generazione effettiva di codice, uso Windsurf (altri preferiscono Cursor, entrambi funzionano). Il modello è sempre Claude Opus 4.6 Thinking. Sì, è costoso. Ma quando acceleri da 10x a 30x, il costo diventa irrilevante.
Il processo:
- Incollo il mio prompt strutturato dal passo 1
- In 10-15 minuti genera la funzionalità
- Passo 2 ore a iterare con prompt più brevi
- Raggruppo da 5 a 10 aggiustamenti in un singolo prompt
Consiglio: in Windsurf paghi per prompt. Quindi raggruppare più task in un prompt non è solo più veloce, è anche più economico. Raggruppo sempre correzioni e aggiustamenti correlati.
Cosa inietto in ogni progetto
I template e il contesto contano. Includo sempre:
- Configurazioni del linter
- Template di test end-to-end
- File base: .gitignore, .editorconfig
- Un README completo
Prima mettevo tutto questo direttamente nei miei prompt. I miei prompt iniziali erano spesso di 300-500 righe, solo per impostare correttamente il contesto.
Questo è cambiato quando ho adottato lo standard AGENTS.md. Ora tutto il contesto del progetto, le convenzioni, i limiti e i comandi di build vivono in file AGENTS.md all'interno dell'albero del progetto. Windsurf li legge automaticamente.
Il risultato: i miei prompt di conversazione sono passati da 500 righe a 10. Descrivo l'intento, l'IA sa già il resto. Più contesto dai, migliore è l'output. Questo non è cambiato. Ma ora il contesto vive nel progetto, non nella tua clipboard.
Perché resto sulle librerie popolari
L'IA funziona meglio con strumenti ben documentati e ampiamente usati. In realtà è un buon meccanismo di disciplina.
Se stai ricorrendo a una libreria esotica, chiediti: perché non uso quello che usano tutti? Ci sono questioni di stabilità e manutenzione. Le librerie popolari sono mantenute, durano, e l'IA le conosce bene.
Se hai assolutamente bisogno di qualcosa di meno comune, l'IA può leggere il codice sorgente su GitHub e adattarsi. Ma le librerie popolari danno risultati migliori più velocemente.
Il ciclo di iterazione
Ecco come appare un tipico sviluppo di funzionalità:
- Prompt vocale a ChatGPT → specifica strutturata in Canvas
- Se necessario: ricerca approfondita con Claude → report di riferimento
- Generazione iniziale in Windsurf → prototipo funzionante in 15 minuti
- Validazione rapida dell'output
- Iterazione con prompt raggruppati → 5-10 correzioni per prompt
- Tempo totale: 2-4 ore per quello che prima richiedeva giorni
Cosa validare
Non leggo ogni riga del codice generato. Vanificherebbe lo scopo.
Cosa controllo realmente:
- File essenziali (punti di ingresso, logica centrale)
- Organizzazione generale e struttura delle cartelle
- Design pattern utilizzati
- Algoritmi complessi e logica di business
- Controlli di sicurezza e storage dei dati
Il resto? Se compila, supera i test e rispetta le regole del mio linter, mi fido. Il punto è concentrare l'attenzione dove conta: decisioni architetturali, logica complessa e assicurarsi che l'IA abbia capito la tua intenzione.
Questo è ciò che separa il vibe coding efficiente dalla fiducia cieca o dal micromanagement di ogni riga.
Costruire Agely con questo workflow
In Agely, ogni funzionalità passa attraverso questa pipeline.
Quello che avrebbe richiesto un team di 10 persone per mesi viene costruito da uno sviluppatore, potenziato dall'IA. Non perché l'IA abbia sostituito il pensiero, ma perché ha eliminato il collo di bottiglia della digitazione.
Il paradigma è cambiato. Gli strumenti ci sono. La domanda è se costruirai il workflow che ti rende 10 volte più produttivo, o continuerai a scrivere codice riga per riga.