Povestea din spatele fanTask: cum a modelat feedback-ul primilor utilizatori platforma

Rădăcinile noastre: de la un prototip intern la o platformă nativă MCP

Înainte să ajungă la forma de azi, fanTask a început ca un prototip intern — un instrument construit pentru nevoile noastre proprii și testat de un cerc restrâns de dezvoltatori care lucrau zilnic cu agenți de programare AI.

Nu am pornit la drum cu un plan de marketing convențional și nici nu am urmărit să construim încă o clonă generică de Jira sau Trello. Nevoia a apărut direct din practica de zi cu zi: lucram pe proiecte reale asistate de Claude Code în terminal, Google Antigravity și Cursor. Deși viteza pură de generare a codului a crescut spectaculos odată cu apariția acestor unelte, gestionarea proiectelor pe termen lung a devenit rapid o sursă continuă de fricțiune, amnezie și regresii tehnice.

Am construit primul prototip pentru a ne recăpăta controlul asupra proiectelor noastre. Am oferit acces câtorva dezvoltatori și prieteni din comunitatea tehnică — oameni care foloseau deja intens agenți de codare în fluxurile lor zilnice — și i-am rugat să folosească sistemul pe proiectele lor reale.

Feedback-ul lor onest, oferit direct din tranșeele dezvoltării software, a stabilit direcția arhitecturală a fanTask așa cum îl cunoașteți astăzi. Mai jos sunt principalele teme și concluzii care au conturat fiecare decizie de produs.

Tema 1: Ușurarea de a nu mai re-explica contextul proiectului în fiecare sesiune

Cea mai frecventă observație venită de la primii utilizatori a fost legată de fenomenul de amnezie de sesiune. Oricine a lucrat mai mult de câteva zile cu un asistent de codare a trăit această experiență frustrantă: deschizi o sesiune proaspătă de lucru sau contextul atinge limita maximă și se compactează, iar agentul AI începe să ia decizii contrare regulilor convenite anterior.

Dezvoltatorii ne-au semnalat că cel mai mare consum de energie mentală nu venea din scrierea codului, ci din rescrierea neîncetată a unor prompt-uri kilometrice menite să-i amintească agentului:

• Ce baze de date și ORM-uri folosim și ce biblioteci sunt strict interzise.
• Cum se rulează testele locale fără a corupe datele de test.
• Ce particularități obscure (gotchas) au fost descoperite la integrările externe.

Soluția pe care am implementat-o și pe care primii utilizatori au considerat-o o eliberare imediată a fost câmpul persistent de AI Context. Stocat pe server și accesat automat de agent direct din fanTask la începutul fiecărei sesiuni, acest ghid arhitectural viu oferă agentului memoria de lucru de care are nevoie fără ca utilizatorul să mai copieze reguli manual în terminal.

Tema 2: Pierderea deciziilor și nevoia unei surse unice de adevăr între om și AI

O altă temă majoră subliniată în repetate rânduri a fost lipsa de convergență între conversațiile cu AI-ul și evidența oficială a sarcinilor.

Când lucrezi exclusiv prin chat, deciziile importante de design se pierd în mii de rânduri de log-uri. Pe de altă parte, dacă încerci să folosești un task manager clasic, agentul AI nu are acces nativ la el. Dezvoltatorul se trezea în rolul de intermediar manual: citea un tichet dintr-un tab de browser, îl reformula ca prompt în terminal, iar la final copia manual rezumatul implementării înapoi în tichet.

Feedback-ul primilor utilizatori a confirmat că viitorul aparține unui backlog partajat om-AI. Prin instrumentele native Model Context Protocol:

• Agentul poate verifica sarcinile alocate sau poate explora istoricul direct din fanTask.
• Poate revendica sarcina curentă trecând-o în starea de lucru (in_progress).
• La finalizarea execuției, agentul trece sarcina în in_review și adaugă pe tichet un rezumat structurat al modificărilor efectuate.

Această sincronizare bidirecțională elimină complet munca de secretariat tehnic și garantează că atât omul, cât și agentul AI privesc exact aceeași stare a proiectului.

Tema 3: Istoricul de audit și reutilizarea soluțiilor la bug-uri vechi

Câți dintre noi nu au văzut un agent AI pierzând 45 de minute încercând să rezolve o eroare de compilare sau un comportament ciudat de browser, doar pentru a realiza că aceeași problemă fusese rezolvată cu două săptămâni în urmă?

Încă din primul prototip, am inclus de la început un istoric complet de audit pe fiecare task și comentariu. Utilizatorii timpurii au observat rapid un beneficiu uriaș: atunci când agentul întâmpină o problemă ciudată, poate căuta direct în arhiva de sarcini închise după mesajul de eroare sau simptome (cum ar fi „Safari session cookie token”).

Găsind tichetul anterior și citind comentariul lăsat de dezvoltator sau de un alt agent la momentul rezolvării, asistentul AI aplică direct remediul verificat, economisind zeci de minute de tatonări sterile.

Tema 4: Responsabilitate clară și păstrarea controlului uman

O preocupare constantă a dezvoltatorilor experimentați a fost riscul ca agenții autonomi să modifice statusul sarcinilor fără o validare riguroasă. Dacă un agent își poate marca singur munca ca „finalizată” (done), crește exponențial riscul ca funcționalități netestate temeinic să ajungă în producție.

Am stabilit împreună o convenție fermă de lucru: agentul mută task-ul în in_review, dar numai omul are permisiunea de a-l marca ca done. Această diviziune a rolurilor păstrează viteza de execuție a AI-ului, menținând în același timp standardul de calitate și responsabilitatea decizională în mâinile inginerului sau fondatorului.

De ce numele fanTask

Am ales numele fanTask pentru că reflectă exact energia și entuziasmul pe care le simți atunci când construiești software alături de inteligența artificială într-un mediu structurat:

• Fan: Entuziasmul de a vedea idei complexe devenind realitate în câteva ore, fără frustrarea birocrației inutile.
• Task: Nucleul disciplinei operaționale — sarcini mici, bine definite, trasabile și executate fără devieri de la scop.

Ce este și ce nu este fanTask astăzi

Pentru a păstra o claritate absolută, merită reamintit ce oferă platforma:

• fanTask ESTE: Un tracker modern de task-uri și proiecte, proiectat nativ pentru Model Context Protocol (MCP), dotat cu memorie persistentă (AI Context), istoric complet de audit și colaborare în timp real om-agent.
• fanTask NU ESTE: Un generator automat de aplicații (app builder), un website builder no-code sau un înlocuitor pentru mediul tău de dezvoltare. Agenții tăi AI (Claude Code, Antigravity, Cursor) scriu codul în propriul tău repository; fanTask le oferă contextul, regulile și disciplina necesare pentru a nu deraia.

Începe gratuit pe primul tău proiect

Planul nostru Free oferă tot ce ai nevoie pentru a experimenta acest mod structurat de lucru: un proiect cu funcționalitate completă, până la 3 membri în echipă, acces complet de scriere și citire prin protocolul MCP și câmpul persistent de AI Context inclus fără nicio limitare artificială.

Dacă dezvolți software cu ajutorul inteligenței artificiale, nu lăsa amnezia de sesiune și lipsa de organizare să-ți încetinească ritmul.

Creează-ți un cont gratuit pe fanTask și conectează-ți agentul în două minute →