Studija projekta / PLAYGRND
Javna nogometna evidencija koju gradi četvero ljudi.
PLAYGRND od rasutih podataka o amaterskom nogometu radi brzu javnu evidenciju utakmica, ekipa, igrača, tablica i strijelaca. Na projektu rade četiri zaposlenika HILLS Laba, među njima tri inženjera.
- Tim
- 4 zaposlenika HILLS Laba
- Engineering
- 3 inženjera
- Opseg
- Product, podaci, backend i operacije
- Status
- Aktivan razvoj
Proizvod
Korisna evidencija prvo mora zaslužiti povjerenje.
Podaci o amaterskom nogometu rasuti su po stranicama liga, zapisnicima, porukama i tablicama. Ti su izvori dovoljni za objavu rezultata, ali nisu nastali kao dugoročna baza proizvoda.
PLAYGRND ih čini brzima i pretraživima, uz prostor za claimanje profila, ispravke, pregled organizatora i jasan izvor iza svake službene promjene.
Tri petlje
Posao je širi od samog weba.
Uvesti povijest
Uvesti neujednačene povijesne zapise, sačuvati korisne izvorne podatke, povezati identitete i omogućiti ponovni izračun svake sezone.
Ubrzati javno čitanje
Poslužiti utakmice, tablice, strijelce, povijest igrača i globalne liste bez ponavljanja skupih agregacija na svaki zahtjev.
Kontrolirati svaku promjenu
Igrači claimaju profile, organizatori pregledavaju podatke natjecanja, a važne promjene ostaju vezane uz dozvole i audit.
AI-assisted razvoj
Gdje AI stvarno ubrzava rad.
AI je dio svakodnevnog engineering workflowa. Skraćuje put od konkretnog product pitanja do testirane promjene, posebno kada posao prelazi preko weba, API-ja, baze i operacija.
Pronalaženje pravog konteksta
Repo pravila, ugovori podataka, ranije odluke i trenutno ponašanje proizvoda mogu se spojiti prije početka implementacije.
Isporuka ograničene promjene
Mala funkcionalnost može proći kroz implementaciju, testove, tekst, dokumentaciju i responsive provjeru kao jedna cjelina.
Provjera rada
Queryji, fallback putanje, dozvole, rezultat builda i mobilni layout provjeravaju se prema jasnim kriterijima.
Brži odgovor na feedback
Povratna informacija igrača ili organizatora može se povezati s pravim workflowom i brzo pretvoriti u usku product promjenu.
Oblik sustava
Brzo javno čitanje, oprezne promjene.
SSR web
Glavni javni putevi renderiraju se na serveru i rade bez teškog client runtimea.
Privatni Go API
Javni web je izložena površina. Domenska logika i write putanje ostaju iza privatne aplikacijske granice.
Postgres i Redis
Izvorni zapisi ostaju source of truth. Stabilni sezonski agregati i snapshoti pojeftinjuju ponovljena čitanja.
WhatsApp identitet
Magic linkovi bez lozinke dolaze kroz kanal koji korisnici već koriste, a dozvole se ponovno provjeravaju pri izvršavanju akcije.
Mjereno nakon backfilla
Skupa čitanja maknuta su s request patha.
Ovo su mjerenja queryja na optimiziranom data pathu, a ne opća tvrdnja o brzini svake stranice. Najveća razlika vidi se na agregatnim i player-heavy dijelovima.
Prije i sada
Mali tim može pokriti veći dio proizvoda.
01
Prije ove generacije AI alata
Rad kroz više slojeva nosio je više traženja i koordinacije. Mali tim često je morao birati između product promjena, čišćenja podataka, infrastrukture, dokumentacije i QA-a ili prihvatiti dulji ciklus isporuke.
02
Uz AI-assisted workflow
Velik dio mehaničkog traženja, prve implementacije i ponavljajućih provjera traje kraće. Inženjeri više vremena troše na domenu, trade-offe, review i posljedice u produkciji.
Što ovo dokazuje
Brzina vrijedi kada sustav ostane razumljiv.
PLAYGRND je ista vrsta rada koju donosimo klijentima: domenski zahtjevan proizvod, stvarni podatkovni model, javni zahtjevi za performanse, kontrolirane operativne putanje i kontinuirana isporuka oblikovana korisničkim feedbackom.
Povezane tehničke bilješke
HILLS Lab
Treba vam netko tko može voditi product, backend i operacije do produkcije?
Možemo krenuti od jednog konkretnog workflowa, mapirati rizike i ograničenja te isporučiti prvu korisnu promjenu s vašim postojećim timom.