Intranets i portals
Eines internes, portals operatius i plataformes per ordenar processos, informació i coneixement dins l'empresa.
Iskra.cat · Workshop
Fonaments, mercat i pràctica. 3 hores per entendre com donar context, límits i validació als agents de IA perquè treballin amb qualitat al vostre projecte.
Qui som
Des de Manresa, i des de 2011, treballem per empreses que necessiten solucions tecnològiques útils, mantenibles i pensades per créixer.
Ens enfoquem a entendre el problema de negoci i a convertir-lo en una solució digital clara, tant si és un projecte complet com si cal integrar-nos dins d'un altre equip.
Quan té sentit, hi afegim agents, assistents i IA connectada a dades, processos i eines perquè el resultat sigui útil, governable i preparat per evolucionar.
Què fem
Des d'aplicacions i intranets fins a e-commerce i plataformes operatives. També integrem IA en processos i coneixement intern.
Eines internes, portals operatius i plataformes per ordenar processos, informació i coneixement dins l'empresa.
Comerç electrònic connectat amb canals, integracions i operativa real de negoci.
Aplicacions fetes a mida per cobrir necessitats específiques, incloent capes d'IA, indexació i recuperació de coneixement.
Revisem arquitectura, codi, infraestructura i procés. Tanquem amb propostes concretes per reforçar o reorientar el projecte.
Auditories tècniques
Fem auditories per entendre l'estat del projecte actual, detectar punts febles i prioritzar les millores que poden tenir més impacte sobre producte, equip i operació.
En aquest workshop partim de l'auditoria feta a Aetech per enfocar la sessió en allò que té més valor: preparar l'entorn perquè la IA sigui productiva des del primer dia.
Backend Node.js/Express (~150 rutes) i frontend React/TS/Vite (~502 pàgines). Cobertura de seguretat, arquitectura, qualitat, UX, rendiment, observabilitat, testing i infraestructura.
Ponent
Lead Developer i arquitecte de software a Iskra. Full-stack, DevOps i adopció d'eines d'IA per a equips tècnics.
Ha participat directament en l'auditoria del codi i treballa dia a dia amb Cursor, Claude Code i agents de IA. La sessió està pensada per resoldre problemes reals, no per a formació genèrica.
Per a dubtes posteriors al workshop o per explorar altres línies de treball: calendly.com/iskra-dev/20min
Què farem avui
Al final d'avui haureu de saber:
Context window, tools, rules i com "pensa" un agent. No és màgia: és un bucle de predicció, execució i observació.
Models, APIs, subscripcions, IDEs i agents. Criteris per decidir quan pagar i quan invertir temps.
Context, especificacions, regles i entorn. La IA és inútil sense un bon briefing de projecte.
Si el temps ho permet, aplicarem tot això al repo per resoldre una tasca concreta de l'auditoria.
Cronograma
Teoria amb criteri, mercat amb exemples reals i pràctica al vostre codi.
Fil conductor: bases → criteri → mercat/eines → aplicació pràctica al repo.
Conceptes clau
Un LLM només prediu el següent token. El que anomenem agent és un bucle: model + entorn d'execució (harness) + eina que pot executar accions.
La "intel·ligència" és predictiva, no conscient. L'agent és potent però necessita supervisió humana.
Respon directament o crida una Tool (bash, edit, web). Rep el resultat, itera i corregeix.
Coll d'ampolla
La qualitat de la resposta depèn més de la qualitat del context que del model escollit. Un projecte com Aetech no cap sencer: cal seleccionar, resumir i referenciar.
~128k tokens. Multimodal, ràpid, bo per a tasques mixtes.
~200k tokens. Excel·lent per a codi i raonament llarg.
~1M tokens. Ideal per a context massiu i anàlisis globals.
Preus orientatius a maig 2026. Sempre revisar la web oficial.
Jerarquia
Tres categories, tres usos. No demanis a un assistent que et toqui el codi.
GPT-4o, Claude, Gemini. Prediu tokens. Sense accés al teu entorn.
ChatGPT, Claude.ai. Conversa fluida, però sense acció al teu repo. Útil per a dubtes conceptuals.
Cursor, Claude Code, Aider. Tenen tools (editar, bash, web) i memòria de sessió. Aquests són els útils per a devs.
Assistents per a dubtes. Agents per a implementació, refactor i exploració de codi.
Anatomia
Cursor, Claude Code i Cline comparteixen el mateix esquelet amb diferent UX.
Instruccions que afecten totes les interaccions. Defineixen com l'agent ha de comportar-se al teu projecte.
Read, write, edit, bash, browser, linter. L'agent decideix quina usar i amb quins arguments.
Com l'eina decideix quins fitxers enviar al model: repomix, @-mentions, automatic context.
Plan → Executa → Observa → Corregeix. L'agent no acaba en un sol pas. Necessita feedback.
Instruccions
Les rules són el manual d'estil per a la IA. Sense elles, cada interacció parteix de zero.
Procediments especialitzats que pot usar l'agent: generar tests, refactoritzar, crear una ruta CRUD.
Límits i preferències del projecte: "sempre usa SWR", "no usis any", "segueix Conventional Commits".
.cursorrules, CLAUDE.md, .github/copilot-instructions.md. Depèn de l'eina.
Skill: què sé fer. Rule: com ho volem fer aquí. Una regla inútil: "escriu codi net". Útil: "usa useBricksMES per a tot fetching".
Especificació de projecte
El fitxer més important perquè la IA sigui útil. No és un README per a humans: és un briefing per a agents.
Quan l'agent entra al projecte, no sap on és el router, com es fan les peticions ni què és una "unitat de negoci". Això li ho expliques aquí.
Arsenal de context
L'AGENTS.md és la base, però hi ha més eines per a moments específics.
La estructura de carpetes en un cop d'ull. Útil quan l'agent entra al projecte per primera vegada.
Genera un sol fitxer amb tot el repo. Ideal per a anàlisis puntuals: "revisa tots els controladors".
Documentació de decisions arquitectòniques a .ai/decisions/. Per què es va triar Vite? Per què SWR?
Per a negoci complex: com funciona el flux d'autenticació (JWT + AD + fallback a SQL)?
Panorama maig 2026
No hi ha "el millor model". Hi ha el millor model per a un job-to-be-done.
Multimodal, ràpid, equilibrat. Bo per a tasques mixtes de codi i text.
El més valorat per a codi. Raonament llarg i robust. Preferit pels devs.
Context enorme (1M tokens). Ideal per a refactor massiu i anàlisi global.
També existents: Llama 4, Mistral, DeepSeek V3 (open weights). Els frontier (OpenAI, Anthropic, Google) lideren en codi.
Costos
On va el pressupost de l'empresa? Diferents models de despesa per a diferents necessitats.
Pagament fix previsible. Ideal per a ús diari d'equip.
Pagament per token. Ideal per a processos automatitzats i agents intensius.
Eines híbrides (Cursor, Windsurf): subscripció + quotes d'ús de model.
Agents de codi
La transició més natural per a un equip tècnic és triar una eina d'agent i dominar-la.
VS Code amb IA integrada. Agent mode, composer, context automàtic. Molt madur.
Agent a terminal d'Anthropic. Molt potent per a projectes grans. Cost per ús.
Aider (terminal, multillm) i Cline (extensió VS Code). Màxim control de cost.
Recomanació per a Aetech: Cursor si l'equip ja usa VS Code. Claude Code si volen cost baix i control.
Beyond code
La IA no només serveix per programar. Hi ha un ecosistema sencer per millorar el flux de treball.
Redacció de docs, explicar codi alienígena, traduccions, resum de reunions.
Recerca amb fonts citades. Ideal per a investigar llibreries o errors concrets.
Generació de prototips UI a partir de prompts. Per a producte i proves ràpides.
Execució local de models. Privacitat total per a dades industrials sensibles. Requereix hardware potent.
Aetech opera en VPN privada amb dades industrials. Si mai volen processar dades de planta amb IA, Ollama pot ser l'única opció legalment compliant.
Escenaris reals
Exemples per planificar el pressupost i evitar sorpreses a final de mes.
Important: configurar sempre límits de despesa a les consoles d'API (OpenAI, Anthropic). L'ús d'agent terminal pot ser més car que una subscripció fixa.
Criteri
Molts equips paguen subscripció + API i no usen res bé. Començar per una eina i ampliar només quan quedi curt.
Volum baix-mitjà. Vols predictibilitat. Ex: Copilot per a l'equip diari, Cursor Pro.
Integrar la IA a un procés automatitzat: CI, generació de docs, traduccions automàtiques.
Claude Code, Aider. Quan vols que la IA "tingui les mans" al teu repo i faci canvis massius.
Quan la privacitat és crítica: dades de planta, informació confidencial. Ollama / LM Studio.
Recomanació: una eina d'agent (Cursor/Claude Code) + una eina de chat (Claude.ai). Ampliar només quan hi hagi un salt de productivitat demostrable.
Mantenir-se al dia
En 6 mesos el mercat canvia. Exemple: fa un any no existia Claude Code; fa 6 mesos no existia Codex CLI.
Resums setmanals de canvis importants sense soroll. 15 minuts de lectura.
Comptes que filtren el que realment importa entre el soroll viral.
aider, claude-code, codex-cli. El codi font et diu més que qualsevol article.
Per a models locals i discussions tècniques profundes.
Revisions tècniques i podcasts amb fons de criteri.
La font més fiable. Changelogs d'Anthropic, OpenAI, Google i dels IDEs que useu.
Anti-FOMO
Cinc preguntes per avaluar una eina nova sense caure en el fear of missing out.
Quin problema resol que no puc resoldre avui? Si no hi ha resposta clara, no cal provar-la.
Subscripció + API + temps d'aprenentatge. El temps de l'equip també és cost.
Puc portar-me el meu treball si l'eina desapareix? Preferir formats oberts.
On van les meves dades? Es queden al cloud del vendor? Compliant amb VPN/empresa?
Quant temps estalvio realment en una setmana típica? Mesurable, no perceptiu.
No cal provar cada eina nova. Instal·lar una, dominar-la, i canviar només amb un salt demostrable.
Pausa
10 minuts per processar, contrastar i preparar-se per a la part pràctica.
Part 2 · Pràctica
Un repo sense context és com un nouvingut sense onboarding. L'agent necessita mapa, normes i objectiu.
Aetech té ~502 pàgines i ~150 rutes. Un agent que entra sense context farà caos. Cal preparar el terreny.
Per a un humà: company, docs, pair programming. Per a una IA: AGENTS.md, rules, tools i prompts clars.
Fitxers de context
No cal fer-ho tot de cop. Començar per AGENTS.md i .cursorrules. La resta es construeix iterativament.
1. Crear AGENTS.md
2. Crear .cursorrules o CLAUDE.md
3. Verificar que no hi ha secrets al repo
4. Afegir la resta només quan la IA ho demani
Plantilla
Plantilla adaptada a l'auditoria. Condensar el coneixement tàcit en un format que l'agent consumeixi bé.
Nota: l'AGENTS.md és un briefing, no un README complet. Ha de ser dens però concís.
Comportament
Les rules han de ser específiques del projecte. Una regla inútil: "escriu codi net". Útil: "usa useBricksMES per a tot fetching".
.cursorrules per a Cursor. CLAUDE.md per a Claude Code. Fitxers markdown amb regles de comportament.
Amb rules ben definides, l'agent genera codi que sembla escrit per un membre de l'equip des del primer prompt. Redueix revisió i estandarditza el resultat.
Tècniques
No enviïs tot el repo en cada prompt. Prioritza els fitxers rellevants i estalvia tokens.
Menciona fitxers concrets quan la tasca és local. Ex: "refactoritza @useBricksMES.tsx".
Per a anàlisis globals: "analitza tots els controladors i digues quins no validen entrada".
Un tree -L 3 dóna el mapa mental del repo en 10 segons sense gastar tokens.
Si vols refactoritzar un component, no donis 500 pàgines. Dona el component, els seus tests, i on es fa servir.
Pràctica · Pas 1
Crear AGENTS.md a arrel, .cursorrules amb les 5-7 regles més importants, i verificar configuració bàsica.
Això es pot fer en directe amb l'eina. L'agent llegeix el repo i proposa contingut per a l'AGENTS.md.
No deixis l'agent en mode totalment autònom sense revisar. El patró és: l'agent genera → el humà revisa → el humà aplica.
Pràctica · Pas 2
Adaptar la configuració a l'eina que adoptarà l'equip. Recomanar una sola eina per tot l'equip.
Activar "Agent Mode". Configurar .cursorrules al root. Afegir AGENTS.md al context.
Executar claude dins el repo. Llegeix CLAUDE.md automàticament. Usar /clear entre tasques.
aider --model sonnet dins el repo. Fitxers a .aiderignore si cal excloure.
Pràctica · Pas 3
Prompt proposat per verificar que l'agent entén el projecte.
1. Backend façana sobre SPs.
2. Duplicació de patrons CRUD al frontend.
3. Absència de tests / CI / linting.
Si no detecta aquests problemes principals, l'AGENTS.md necessita més detall.
Tasca de l'auditoria
Finding de l'auditoria: "El projecte no disposa de cap eina de linting ni formatació configurada."
Per què aquesta tasca: esforç baix, impacte alt, zero risc de trencar lògica de negoci. Perfecta per demostrar l'abast d'un agent.
Integra lint + format en una sola eina ràpida, ideal per a Vite. Alternativa: ESLint + Prettier si l'equip prefereix l'ecosistema clàssic.
Alternativa backend: restringir CORS (S05) + express-rate-limit (S07).
Pas a pas
El patró de treball amb agents: prompt clar, execució controlada, revisió humana.
"Configura Biome per al projecte BricksMES. Linting per a React i TypeScript, formatació amb 2 espais, cometes simples, i ordenació d'imports. Scripts lint, format:check i format:write al package.json. No canviïs la lògica de cap fitxer de src encara."
Instal·la @biomejs/biome, crea biome.json, modifica package.json scripts, i documenta passos a l'AGENTS.md.
Revisar biome.json abans d'aplicar. Verificar que els scripts són correctes. No aprovar a cegues.
One-shot
Aquests findings són "one-shot" perfectes per a agents: àmbit concret, fitxer concret, resultat verificable.
"A apibricks/src/config.js, restringeix el CORS a una allowlist d'orígens segons entorn. No canviïs res més."
"Redueix el límit de body d'Express a 5MB per defecte, i deixa 50MB només si algun endpoint específic el necessita."
"Afegeix express-rate-limit amb límits per IP i endpoint sensibles com login i refresh token."
"Elimina react-scripts i altres dependències històriques de CRA que ja no s'utilitzen."
Lliçons
Què ha fet bé l'agent? Què hem hagut de corregir? Normalitzar que és correcte haver de corregir.
L'agent accelera la part repetitiva: crear configs, instal·lar paquets, modificar scripts. Això ja és un guany.
Decidir quins rules posar, quin llindar de body és adequat, o si Biome és millor que ESLint: això segueix sent humà.
No aprovis a cegues. Un package.json mal modificat pot trencar el build. Sempre revisar els canvis abans de fer commit.
Si el primer resultat no és adequat, refineix el prompt. La qualitat de la sortida depèn de la qualitat de la instrucció.
Següents passos
Si sortiu amb això fet o planificat, el workshop ha tingut èxit.
AGENTS.md al repo.cursorrules o CLAUDE.mdPrioritat: context abans d'automatització. Una IA sense context genera deute tècnic més ràpid.
Enllaços
Fonts oficials i recomanació final: crear un canal intern per compartir prompts que funcionin per a Aetech.
cursor.com
docs.anthropic.com/en/docs/agile/claude-code
github.com/paul-gauthier/aider
biomejs.dev
Alternativa: eslint.org + prettier.io
github.com/yamadashy/repomix
Per a generar context de repo complet.
Crear un canal Slack/Teams on cada dev comparteixi prompts que funcionin bé. Això escala el coneixement de l'equip.
Tancament
Gràcies per la dedicació. Si queda temps, podem fer una demo ràpida o resoldre dubtes concrets del vostre dia a dia.