Wiki Metodo
Una panoramica completa del metodo, dei concetti chiave e del lessico. Usa l'indice per navigare, oppure approfondisci nelle pagine wiki dedicate.
Ready2Agent Learn è un laboratorio open-source didattico (italiano-first) per imparare a trasformare idee confuse in lavoro governabile da coding agent. Non è un runtime enterprise: è un ambiente formativo dove metodo, prompt, workflow e validazione hanno la stessa importanza del codice.
Giovani sviluppatori, founder, freelance, studenti, autodidatti, consulenti, piccoli team e persone non tecniche che vogliono usare AI e coding agent con metodo per migliorare produttività, validare idee e creare automazioni.
idea → requisito → contesto → prompt → task → implementazione → quality gate → documentazione. Ogni step produce un output verificabile e prepara lo step successivo. Non si salta fasi: si trasforma un'intuizione in documentazione operativa.
Il requisito trasforma il caos iniziale in obiettivi, scope e vincoli. Un buon requisito risponde a: cosa vogliamo ottenere, per chi, con quali criteri di successo, cosa resta fuori. È la base su cui costruire contesto e prompt.
Il contesto dà all'agente le informazioni giuste per decidere. Include background tecnico, riferimento al dominio, esempi, vincoli, risorse disponibili e criteri di qualità. Un prompt senza contesto produce output generici.
Un prompt operativo non è una richiesta vaga: è un contratto che specifica ruolo, input, output atteso, formato, criteri di validazione e confini. I prompt 00-06 in prompts/ sono la sequenza consigliata per task strutturati.
Il workflow è la memoria ordinata del lavoro: requisito, task tracker, stato avanzamento, decisioni e retrospettiva. Si traccia in workflow/ usando i tracker disponibili. Ogni fase deve essere verificabile.
Spezzare il lavoro in task piccoli, indipendenti e verificabili è il segreto per governare coding agent. Ogni task ha: obiettivo, criteri di accettazione, dipendenze esplicite e un output atteso.
Prima di dichiarare 'finito', si esegue la validazione. I quality gate includono: lint, build, typecheck, check:struttura, coerenza documentazione e verifica boundary. Se l'output non è verificabile, il task non è finito.
Mantieni memoria delle decisioni, delle alternative scartate e dei prossimi step. README orienta, wiki guida, markdown sono source-of-truth di approfondimento. La documentazione è un deliverable, non un accessorio.
La golden path iniziale: in 30-60 minuti produci il tuo primo First Mission Dossier. Apri documentation/first-mission/README.md, compila il template e ottieni idea, requisito, prompt, task, quality checklist e retrospettiva.
Ogni percorso parte da un problema reale e arriva a un output verificabile. Trovi percorsi per: First Mission, giovane sviluppatore, founder, automazioni personali e per impresa, freelance e case study Auth/IAM.
Gli esercizi sono il livello successivo al playground: smetti di consumare output e inizi a prendere decisioni. Livelli: foundations → workflow → practical builds → case study. Tracker in exercises/tracker.md.
Il caso studio su autenticazione e autorizzazione è la palestra tecnica del laboratorio. Tre livelli: A concettuale (modelli, policy), B mock (simulazione), C transfer (applicazione ad altro dominio).
Learn è pubblico e didattico. Non contiene runtime enterprise, database reale, auth production-ready, fatturazione o moduli business reali. Il confine è documentato in documentation/project-meta/public-private-boundary.md.
I termini chiave per orientarti nel metodo e nel repository.
Sistema AI che genera, modifica o analizza codice su indicazioni umane.
Documento che trasforma un'idea in obiettivi, scope e vincoli verificabili.
Istruzione strutturata che specifica ruolo, input, output e criteri di validazione per un coding agent.
Sequenza tracciata di fasi, task e decisioni che produce un output verificabile.
Scomposizione del lavoro in unità atomiche con obiettivo, criterio e dipendenze.
Validazione obbligatoria prima di dichiarare un task o una release completata.
Minimum Viable Product: versione minima funzionante per validare un'ipotesi.
Processo eseguito da sistema AI o script che riduce intervento manuale ripetitivo.
Insieme di informazioni che prepara l'agente a produrre output pertinente.
Deriva progressiva dall'obiettivo originale per mancanza di validazione intermedia.
Analisi finale su cosa ha funzionato e cosa migliorare nel processo.
Confine tra ciò che è pubblico in Learn e ciò che resta nel runtime privato Ready2Agent.
Hai una visione d'insieme del metodo. Ora scegli il tuo prossimo passo concreto.
Ogni sezione della wiki compatta ha una pagina dedicata con dettagli, esempi e source-of-truth.