Gitbar - Italian developer podcast

In questo episodio apriamo il cofano di uno strumento che quasi tutti abbiamo lanciato con un copia-incolla senza chiederci cosa ci fosse sotto: Oh My Zsh. Con Carlo, matematico di Barcellona e maintainer del progetto, parliamo di cosa significhi davvero portare avanti un progetto open source nato vent'anni fa nel tempo libero, della valanga di pull request generate dall'AI che sta travolgendo i maintainer, e di come si tiene in piedi un'architettura fatta di 350 plugin, temi e una libreria comune. Ci raccontiamo anche la seconda giovinezza del terminale: gli agent come Claude Code e Codex stanno riportando le persone sulla command line, e ci ricordiamo che a volte una pipe e due righe di bash valgono più di un'intera web app messa in piedi a colpi di token. In mezzo, una bella riflessione su università e matematica, e su quanto certe basi tornino utili quando meno te lo aspetti.

In questo episodio ci sediamo al bar con Matteo Vacari, Technical Principal in ThoughtWorks, per provare a smontare insieme l'hype intorno all'AI engineering e ragionare su come stia davvero cambiando il nostro mestiere. Parliamo di harness — feed forward, sensori di feedback deterministici e LLM as a judge — di perché l'inversione di dipendenza (l'AI come collega scomodo che ti critica, non come servo che obbedisce) sia la chiave per non spegnere il cervello, e di token driven development tra modelli di frontiera per pianificare e modellini deboli per eseguire. Ci infiliamo nel ginepraio dello spec driven development, del perché gli acceptance test contino più dei test unitari nell'era del codice generato, e della modularità che l'AI mette spietatamente a nudo. Chiudiamo guardando al futuro della consulenza, al rischio slop su scala industriale e a un ritorno inaspettato dell'Extreme Programming come bussola etica e organizzativa.

Ospite
Alberto Brandolini (aka zio Brando), padre dell'Event Storming, autore della celebre Legge di Brandolini (principio di asimmetria delle stronzate) e una delle voci più autorevoli al mondo su Domain-Driven Design e modellazione di dominio.
Di cosa parliamo
In questa puntata facciamo un viaggio in profondità nel mondo del domain modeling attraversando la Legge di Brandolini e la sua riedizione nell'era degli LLM, l'asimmetria fra aggiungere e togliere codice, il Phoenix Development, i bounded context, l'Event Storming nelle sue tre forme e il ruolo che l'AI può (e non può) giocare nella discovery del dominio. Una conversazione che mette al centro l'apprendimento come atto deliberato, l'importanza della politica nei progetti software e perché capire il dominio resta un'attività profondamente umana.

Mauro racconta come ha costruito EXO Skeleton, un sistema AI per gestire il carico cognitivo durante l'onboarding su nuovi clienti. Il problema di partenza è quello classico del consulente: entrare in un dominio sconosciuto, pieno di acronimi, decisioni non documentate e persone nuove, mentre il cliente ti valuta già dal giorno zero.
Il concetto chiave è la distinzione tra esoscheletro (l'AI amplifica le tue capacità finché ne hai bisogno, poi la togli) ed endoscheletro (l'AI sostituisce il tuo giudizio, creando dipendenza). Il sistema è costruito su Claude Code + Crisp via MCP e ruota attorno a tre comandi giornalieri: standup la mattina per riconnettersi al contesto, teardown a fine giornata come brain dump strutturato, callprep prima di ogni meeting per prepararsi con domande mirate e coaching comunicativo ancorato ai meeting precedenti. Il processo doc genera in background quattro artefatti: FAQ con stato di risposta, glossario acronimi, task list e changelog. Il tutto alimenta un documento worldview che ricostruisce il dominio usando DDD, Event Storming e Continuous Discovery Habits di Teresa Torres.
L'obiettivo finale: quando la discovery è matura, l'esoscheletro si toglie e la knowledge base diventa documentazione utile per chi entra dopo.

In questa puntata ci infiliamo fino al collo nel refactoring con gli LLM, partendo dall'ingenua tentazione di dire a Claude "migliora questo codice" e finendo a scoprire che la definizione di Fowler fa acqua da più parti. Ci rendiamo conto che "qualità del codice" è una coperta cortissima fatta di dieci attributi che spesso si pestano i piedi a vicenda, e che migliorarne uno può tranquillamente peggiorarne un altro. Giriamo intorno ai vari approcci di prompting — zero shot, two shot, rule based, step by step, objective based — per scoprire che le regole e gli step vincono quasi sempre, e ci tuffiamo nel paper Mantra che propone un sistema multi-agente dove la storia di Git diventa il miglior training set contestuale possibile. Chiudiamo con un'idea che ci frulla in testa: se lo human in the loop resta la chiave, perché non inchiodare il refactoring come hook alla fine di ogni azione di sviluppo, stile "implementa poi semplifica" delle skill di Osmani.