# Poziom 3: przeglądasz diffy

URL: https://developertoolkit.ai/pl/ladder/level-3-review-diffs/
Description: Poziom 3 drabiny autonomii: agenci piszą równolegle, a ty czytasz każdy diff. Jak go prowadzić, dlaczego sufitem jest review i jak przejść na dowody.

Poziom 3 drabiny autonomii to etap, na którym agenci piszą większość kodu w równoległych sesjach, a programista czyta każdy diff przed scaleniem. Poziom 3 jest etapem, a nie celem: ogranicza go przepustowość review. Zespoły wychodzą z niego, przenosząc po jednej klasie zmian naraz z czytania linia po linii na dowody i automatyczne bramki.

Ta strona jest dla programistów, którzy już prowadzą dwóch lub więcej agentów naraz, i dla tech leadów, których kolejka review rośnie szybciej niż zespół. Pięciu agentów pracuje i czterech ma rację. Które cztery, dowiadujesz się przez czytanie, a czytanie jest tą częścią potoku, która nie przyspieszyła. CTO i zarząd mogą przejść od razu do sekcji o metrykach: definiuje cztery liczby, które pokazują, czy zespoły doszły do sufitu.

## Co daje ci ten przewodnik po poziomie 3

- Test czterech punktów, który mówi, czy jesteś na poziomie 3, czy wciąż na poziomie 2.
- Konfigurację równoległych agentów w Claude Code, Codeksie i Cursorze wraz z komendami startowymi.
- Mapę tego, co robi automatyczne review w każdym narzędziu, i jeden szczegół, który decyduje, czy cokolwiek blokuje.
- Sześć kroków, które podnoszą sufit review, w tym krok w CI zamieniający review Claude Code w blokującą bramkę.
- Trzy prompty do skopiowania: zmierz kolejkę review, każ agentom przynosić dowody i zaprojektuj bramkę review.
- Kryteria wyjścia, po których klasa zmian przechodzi na [czytanie dowodów zamiast kodu](/pl/ladder/evidence-not-diffs/).

## Czy jesteś na poziomie 3? Test czterech punktów

Drabina Dana Shapiro (*The Five Levels: from Spicy Autocomplete to the Dark Factory*, 23 stycznia 2026) opisuje poziom 3 trzema słowami: „Your life is diffs”, czyli „twoje życie to diffy”. Dodaje, że „almost everyone tops out here”: prawie wszyscy tu się zatrzymują. Jesteś na poziomie 3, gdy prawdziwe są wszystkie cztery zdania:

1. **Agent pisze większość każdej zmiany.** Poprawiasz jego wynik, ale pierwszą wersję piszesz rzadko.
2. **Pracuje więcej niż jeden agent naraz**, każdy we własnym checkoucie, a ty w tym czasie robisz coś innego.
3. **Czytasz każdy diff przed scaleniem.** O wyniku decyduje czytanie, nie agent.
4. **Kolejka nieprzeczytanej pracy rośnie w ciągu dnia.** Agenci kończą szybciej, niż ty przeglądasz.

Jeśli zdanie 2 jest fałszywe, jesteś na poziomie 2 i najpierw przyda ci się [przewodnik po poziomach 1–2](/pl/ladder/level-1-2-assisted-paired/). Jeśli zdanie 3 jest fałszywe dla części zmian, a nic nie zastąpiło twojego czytania, nie jesteś na poziomie 4. Jesteś na poziomie 3 z wyłączonym sprawdzaniem i to najczęstszy sposób, w jaki ten szczebel się nie udaje.

## Jak prowadzić równoległych agentów na poziomie 3?

Podstawą jest izolacja systemu plików: jeden worktree gita na agenta, więc równoległe zmiany nigdy nie dotykają tych samych plików. Drugim warunkiem jest jeden ekran, który pokazuje, które sesje cię potrzebują.

**Claude Code**

Każde zadanie uruchamiasz we własnym worktree, na pierwszym planie albo w tle (sprawdzone na Claude Code 2.1.285):

```bash
# Terminal: one isolated session per task
claude --worktree feature-auth
claude --worktree fix-pagination --bg   # runs in the background, prints an id

# Terminal: agent view lists every background session and what it needs
claude agents
```

Widok agentów (agent view) jest w research preview. Wewnątrz sesji wbudowany skill `/batch` dzieli jedną dużą zmianę na 5 do 30 jednostek, a każdą wykonuje subagent w tle we własnym worktree. Szczegóły: [widok agenta w Claude Code](/pl/claude-code/automate/agent-view/).

**Codex**

Obsługa worktree jest domyślnie włączona od Codeksa 0.156.0, ale sesja działa w worktree tylko wtedy, gdy o to poprosisz (sprawdzone na codex-cli 0.157.1):

```bash
# Terminal: one session per task, each in a new managed Git worktree
codex --worktree

# Terminal: browse every agent session on the local app-server daemon
codex agents
```

W TUI `/worktree` robi to samo dla trwającej sesji, a `/agents` otwiera centrum dowodzenia. Szczegóły: [worktree w Codeksie](/pl/codex/automate/worktrees/).

**Cursor**

Cursor opisuje worktree jako jednostkę izolacji: „Worktrees let Agent work in isolated Git checkouts” (sprawdzone 2026-08-28; 2026-09-26 cursor.com był nieosiągalny ze środowiska, w którym powstała ta strona). Równoległych agentów uruchamiasz i obserwujesz w [Agents Window](/pl/cursor-ide/build/agents-window/). Zanim cokolwiek wokół tego oskryptujesz, sprawdź aktualne kroki w dokumentacji Cursora.

Worktree izolują pliki, a nie porty, bazy, cache ani wspólny serwer deweloperski. Przydziel każdemu agentowi własny blok portów i własny stan lokalny, inaczej dwa zielone przebiegi będą się kłócić o tę samą maszynę. Porty i stan opisuje [przewodnik po worktree gita](/pl/developer-scorecard-guide/git-worktrees/), resztę [środowiska efemeryczne](/pl/workflows/harness/ephemeral-environments/). Floty uruchamiane skryptem opisują [tmux do flot agentów](/pl/ecosystem/agent-tools/tmux-for-agent-fleets/) i [herdr, multiplekser agentów](/pl/ecosystem/agent-tools/herdr-agent-multiplexer/).

## Dlaczego przepustowość review jest sufitem poziomu 3

Generowanie skaluje się z liczbą agentów, czytanie z liczbą recenzentów. Dwa niezależne zbiory danych zmierzyły, co dzieje się pomiędzy.

Raport Faros AI *AI Engineering Report 2026: The Acceleration Whiplash* (kwiecień 2026) obejmuje dwa lata telemetrii z 22 000 programistów i ponad 4000 zespołów. Przepustowość wzrosła: ukończone epiki na programistę +66,2%, przepustowość zadań na programistę +33,7%, tempo scalania pull requestów na programistę +16,2%. W tym samym okresie jakość i review zostały z tyłu:

| Miara Farosa (kwiecień 2026) | Zmiana | Co mówi |
| --- | --- | --- |
| Mediana czasu w review | +441,5% | Kolejka: jak długo pull request siedzi w review |
| Mediana czasu do pierwszego review | +156,6% | Czas reakcji: ile trwa, zanim ktokolwiek zajrzy |
| Pull requesty scalone bez żadnego review | +31,3% | Review zamienia się w akceptację |
| Incydenty na pull request | +242,7% | Ile kosztowało pominięte czytanie |
| Błędy na programistę | +54% | To samo, liczone na osobę |

Dane Farosa to telemetria dostawcy z jego własnej bazy klientów, więc traktuj je jako kierunek, a nie prognozę dla twojego zespołu. DX zmierzył to obciążenie w innej jednostce: mediana wielkości pull requesta wzrosła „from 44 lines to 72 lines per pull request between July 2025 and June 2026” (DX, Justin Reock, 17 czerwca 2026), czyli z 44 do 72 linii. Więcej diffów, większe diffy, ten sam czytelnik. Pełne liczby ze źródłami są na stronie o [stanie inżynierii agentowej](/pl/ladder/state-of-agentic-engineering-2026/).

## Co obejmuje automatyczne review w Claude Code, Codeksie i Cursorze?

Wszystkie trzy narzędzia mają automatycznego recenzenta. Żaden nie jest bramką scalania, dopóki go nią nie zrobisz.

| | Claude Code | Codex | Cursor |
| --- | --- | --- | --- |
| Review lokalne | `/code-review` w sesji (`/review` to alias; `--fix`, `--comment`) | `/review` w TUI; `codex review --base main` albo `codex exec review` ze skryptu | Niesprawdzone tutaj (cursor.com nieosiągalny 2026-09-26) |
| Review pogłębione lub bezpieczeństwa | `claude ultrareview [target]` albo `/code-review ultra`: flota w chmurze, w której „every reported finding is independently reproduced and verified”, zwykle 15 do 25 minut (sprawdzone 2026-10-16) | `@codex security review` na pull requeście (sprawdzone 2026-08-28) | Security Agents do przebiegu po podatnościach (sprawdzone 2026-08-28) |
| Review na pull requeście | Zarządzane Code Review: plany Team i Enterprise, ogólnie dostępne według Anthropic (sprawdzone 2026-10-16), strojone plikiem `REVIEW.md` w katalogu głównym | `@codex review` na GitHubie i GitLabie, review automatyczne, reguły w `AGENTS.md` (sprawdzone 2026-08-28) | Bugbot „reviews pull requests and identifies bugs, security issues, and code quality problems” (sprawdzone 2026-08-28) |
| Czy może zablokować scalenie? | Sam z siebie nie: „A review never approves or blocks the pull request”, a check run kończy się wynikiem neutralnym albo pominiętym, nigdy porażką (sprawdzone 2026-10-16) | Nieudokumentowane (sprawdzone 2026-08-28) | PR Routing & Approval „can approve low-risk PRs when your criteria are met” (sprawdzone 2026-08-28) |

Wiersze Claude Code sprawdzono w dokumentacji Anthropic i w `claude --help` 2026-09-26 (poza czasem trwania Ultrareview i wierszami Code Review, sprawdzonymi 2026-10-16), wiersze CLI Codeksa w `codex --help` 0.157.1. Ultrareview i Code Review rozliczane są w kredytach użycia; aktualne kwoty i limity planów znajdziesz w [automatycznych przeglądach kodu w Claude Code](/pl/claude-code/ship/review-automation/). Konfigurację opisują przewodniki po [review w Codeksie](/pl/codex/ship/review-strategies/) i [Bugbocie w Cursorze](/pl/cursor-ide/ship/bugbot/).

Automatyczny recenzent, który nie umie zablokować, jest drugą opinią. Podnosi sufit dopiero wtedy, gdy zdecydujesz, które jego znaleziska blokują build.

## Jak podnieść sufit review na poziomie 3?

Sześć kroków, w tej kolejności. Każdy zdejmuje z ludzkiej kolejki jedną kategorię pracy, zanim zacznie się następny.

1. **Zmierz kolejkę.** Dla każdego repozytorium zapisz medianę czasu do pierwszego review, medianę czasu w review i medianę wielkości pull requesta z ostatnich 50 do 100 scalonych pull requestów. Użyj pierwszego promptu poniżej. Bez punktu odniesienia nie ocenisz, czy którykolwiek późniejszy krok pomógł.

2. **Spraw, żeby bramka deterministyczna blokowała.** Typy, testy, lint, sprawdzenie schematu i grep po wzorcu, z którego migrujesz, kończą się kodem różnym od zera przy błędzie. Nic nie kosztują i nie da się ich przegadać. Oznacz je jako wymagane checki, żeby żaden pull request nie trafił do człowieka, póki któryś jest czerwony.

3. **Pozwól automatycznemu recenzentowi blokować build na krótkiej liście.** Wybierz klasy znalezisk, którym ufasz, na przykład znaleziska Important w Claude Code Review, i blokuj tylko na nich. Claude Code zapisuje w check runie liczbę znalezisk według wagi w formie czytelnej dla maszyny, a krok CI może ją odczytać tokenem z dostępem do odczytu checków:

   ```bash
   # CI step, after the "Claude Code Review" check run completes
   CHECK_RUN_ID=$(gh api "repos/$OWNER/$REPO/commits/$SHA/check-runs" \
     --jq '.check_runs[] | select(.name=="Claude Code Review") | .id')
   counts=$(gh api "repos/$OWNER/$REPO/check-runs/$CHECK_RUN_ID" \
     --jq '.output.text | split("bughunter-severity: ")[1] | split(" -->")[0] | fromjson')
   important=$(echo "$counts" | jq -e '.normal') || { echo 'No severity counts in check run'; exit 1; }
   if [ "$important" != "0" ]; then
     echo "Claude Code Review reported $important Important findings"
     exit 1
   fi
   ```

   Pierwsze wywołanie znajduje ID check runu `Claude Code Review` dla commita `$SHA`, tak jak opisuje to strona Code Review w dokumentacji Anthropic. Klucz `normal` zawiera liczbę znalezisk Important. Dzięki `jq -e` krok zawodzi bezpiecznie: jeśli check run nie zawiera liczby znalezisk według wagi, build się zatrzymuje, zamiast przejść.

4. **Każ agentom przynosić dowody, a nie streszczenie diffa.** Każdy pull request agenta podaje zmienione zachowanie, przypisuje każde kryterium akceptacji do sprawdzenia, które faktycznie się wykonało, i wymienia każdy dotknięty plik testów, fixture'ów albo CI. Wstaw drugi prompt poniżej do pliku kontekstu albo szablonu zadania.

5. **Podziel kolejkę według klas ryzyka.** Uwierzytelnianie i autoryzacja, pieniądze, schemat, migracje danych i każda zmiana, która edytuje własne testy, zawsze dostają ludzkiego czytelnika. Resztę można oceniać na podstawie dowodów. [Code review PR-a agenta](/pl/workflows/ship/agent-pr-review/) zamienia to w protokół sześciu kroków z werdyktami.

6. **Przenieś jedną klasę zmian na review dowodów.** Wybierz klasę z najmocniejszymi sprawdzeniami, na przykład podbicia zależności albo zmiany tekstów, i zatwierdzaj ją na podstawie dowodów z kroku 4, a całą resztę dalej czytaj. Kryteria wyjścia poniżej mówią, kiedy klasa jest gotowa.

Osoba, która zatwierdza, się nie zmienia: każde scalenie zatwierdza wskazany recenzent. Zmienia się to, co ta osoba czyta. Na poziomie 3 czyta diff; po przeniesieniu każdej klasy czyta dowody, a diff już tylko w klasach eskalacji.

## Prompty do skopiowania, które podnoszą sufit review na poziomie 3

**Prompt do skopiowania: zmierz swój sufit review**

```text
Measure this repository's review queue. Use the GitHub CLI:
gh pr list --state merged --limit 100 --json number,author,createdAt,mergedAt,additions,deletions,reviews,body
For each pull request compute: time to first review (createdAt to the earliest
review's submittedAt), time in review (createdAt to mergedAt), size (additions +
deletions), and whether it merged with zero reviews. Mark a PR as agent-authored
when its author is a bot account or its body names an agent.
Output one table with the median of each measure, split into agent-authored and
human-authored, and into size buckets under 100, 100-400 and over 400 lines.
Then list the five PRs that waited longest for a first review. Do not estimate:
if a field is missing, say so and leave the cell empty.
```

**Prompt do skopiowania: podsumowanie dowodów w każdym pull requeście agenta**

```text
Before you open the pull request, write its description in this order and
nothing else:
1. Behaviour change: two sentences on what a user or caller now sees that they
   did not see before. No file-by-file summary of the diff.
2. Acceptance evidence: one line per acceptance criterion, as
   criterion -> command or test name -> result. Run every command yourself;
   paste the exit code, not your expectation.
3. Oracle changes: every test, fixture, snapshot, lint or CI file you added,
   edited or deleted, with one line on why. Write "none" if there are none.
4. Risk flags: say yes or no to each of authentication, authorization, money,
   schema, data migration, public API. For each yes, name the file.
5. Unsure: anything you guessed, skipped or could not verify.
If any command in section 2 failed, do not open the pull request; fix it or
stop and report.
```

**Prompt do skopiowania: zaprojektuj bramkę review dla repo, w którym piszą agenci**

```text
Design the review gate for this repository, given that agents open most of the
pull requests. Read .github/workflows, CODEOWNERS, the test scripts and the last
50 merged PRs first, and then output exactly four things.
1. The classes of change that may merge on a green pipeline alone, each with the
   command that proves it and the file globs that identify it.
2. The classes that always need a human reader, with the same globs, and one
   sentence each on the blast radius that earns them a human.
3. The automated review layer in between: which tool runs, on what diff size,
   what it may block on, and what it may only comment on.
4. The single metric that tells us the gate is failing: name it, say where it
   is measured today, and give the threshold that triggers a change.
Propose nothing you cannot enforce with a file in this repository.
```

## Co mierzą tech leadzi, CTO i zarząd na poziomie 3?

Cztery miary liczone dla każdego repozytorium pokazują, czy zespół doszedł do sufitu. Przyjmij definicje w tej postaci, a progi ustal na podstawie własnego punktu odniesienia z ostatniego kwartału, nie liczb innej firmy.

| Miara | Definicja | Sygnał sufitu |
| --- | --- | --- |
| Czas do pierwszego review | Mediana godzin od otwarcia pull requesta do pierwszego przesłanego review | Rośnie razem z liczbą agentów |
| Czas w review | Mediana godzin od otwarcia do scalenia | Rośnie szybciej niż tempo scalania |
| Udział scaleń bez review | Scalone pull requesty bez żadnego review podzielone przez wszystkie scalone | Każdy wzrost, na który nie pozwala spisana polityka |
| Mediana wielkości pull requesta | Mediana sumy dodanych i usuniętych linii | Rośnie ponad to, co jeden recenzent przeczyta za jednym posiedzeniem |

Najważniejszy jest rosnący udział scaleń bez review. Oznacza, że recenzenci przestali czytać, a żadna bramka nie zajęła ich miejsca. Obsadę i kierowanie kolejką opisuje [przewodnik po kolejce review w zespole](/pl/teams/review-queue/).

## Co się psuje, gdy pięciu agentów dzieli jednego recenzenta?

**Kolejka rośnie, zanim ktokolwiek zauważy**

**Objaw:** każdy pull request wygląda rozsądnie, a czas do pierwszego review podwaja się w ciągu miesiąca. **Wyjście:** uruchamiaj prompt pomiarowy co dwa tygodnie, ogranicz liczbę równoległych agentów na recenzenta do poziomu, przy którym kolejka stoi w miejscu, a odzyskany czas przeznacz na krok 2 z listy powyżej.

**Review zamienia się w przybijanie pieczątek**

**Objaw:** akceptacje przychodzą kilka minut po otwarciu pull requesta na 400 linii. **Wyjście:** nazwij klasy, które mogą wejść na podstawie dowodów (krok 6), a dla reszty wymagaj prawdziwego czytania. Uczciwa bramka mówi, które klasy wchodzą nieprzeczytane; recenzent, który przestał czytać i nikomu nie powiedział, to właśnie awaria zmierzona przez Farosa.

**Wszyscy przewijają automatycznego recenzenta**

**Objaw:** bot komentuje każdy pull request, a nikt nie reaguje na jego znaleziska. **Wyjście:** blokuj na jednej klasie znalezisk (krok 3), resztę zamień w komentarze i strój instrukcje recenzenta (`REVIEW.md` w katalogu głównym dla Claude Code Review, reguły review w `AGENTS.md` dla Codeksa), aż jego blokujące znaleziska będą trafne w większości przypadków.

**Równolegli agenci zderzają się poza repozytorium**

**Objaw:** dwa worktree przechodzą osobno, a razem padają, albo migracja jednego agenta psuje testy drugiego. **Wyjście:** przydziel każdemu worktree własny blok portów i własną bazę, a serwery deweloperskie uruchamiaj na tych portach zamiast domyślnych.

**Diff jest za duży, żeby przeczytać go uczciwie**

**Objaw:** pull request przekracza to, co człowiek utrzyma w głowie, albo Ultrareview odrzuca go jako za duży. **Wyjście:** zwróć go i podziel zadanie: jedno zadanie agenta, jedna sprawa, jeden pull request. Szybszy czytelnik tego nie naprawi.

## Kiedy klasa zmian jest gotowa do wyjścia z poziomu 3?

Wychodź po jednej klasie naraz, nigdy całym repozytorium. Klasa zmian jest gotowa do review dowodów, gdy spełnione są wszystkie cztery warunki:

- Bramka deterministyczna dla tej klasy jest wymaganym checkiem i zablokowała już co najmniej jedną złą zmianę.
- Agenci nie mogą niepostrzeżenie osłabić wyroczni: każda zmiana testów, fixture'ów albo CI w tym samym pull requeście kieruje go do człowieka.
- Każdy pull request w tej klasie zawiera podsumowanie dowodów z drugiego promptu.
- Twoje czytanie serii ostatnich pull requestów w tej klasie (na przykład ostatnich 10) nie znalazło niczego, co umknęło sprawdzeniom.

Prowadź krótki dziennik zaufania: klasa, kiedy przeszła i co ją cofnęło. [Czytanie dowodów zamiast kodu](/pl/ladder/evidence-not-diffs/) wyjaśnia, co czytasz zamiast diffa i po czym poznać, że przestałeś czytać za wcześnie. [Code review PR-a agenta](/pl/workflows/ship/agent-pr-review/) to codzienny protokół oceny. Gdy większość scalanych zmian zatwierdzasz na podstawie dowodów, przebiegi mogą trwać godzinami i zaczyna się [poziom 4](/pl/ladder/level-4-write-specs/).

## Dokąd dalej z poziomu 3

- [Czytanie dowodów zamiast kodu](/pl/ladder/evidence-not-diffs/) — Co czyta człowiek, gdy diff przestaje być jednostką review.
- [Code review PR-a agenta](/pl/workflows/ship/agent-pr-review/) — Sześć kroków: akceptacja, zwrot albo eskalacja bez czytania każdej linii.
- [Poziom 4: piszesz specyfikacje](/pl/ladder/level-4-write-specs/) — Warunki stopu, hooki i przebiegi, od których można odejść.
- [Warstwowe review pull requestów](/pl/developer-scorecard-guide/layered-pr-review/) — Trzywarstwowa bramka i dlaczego PR-y od agentów jej potrzebują.
- [Automatyzacja review PR w zespole](/pl/cto-scorecard-guide/team-pr-review-automation/) — Warstwowi recenzenci AI w skali zespołu.
- [Jedna mapa](/pl/ladder/one-map/) — Drabina, cykl życia i stacje fabryki na jednej siatce.
- [Znajdź swój poziom](/pl/scorecard/) — Dwadzieścia pięć pytań, które umieszczą twoją pracę na drabinie.
