ENGINEERING
Disciplina, pragmatisme, discovery i coneixement reusable.
DCP Flow · Evolution Path
Evolution explica com la metodologia incorpora pràctiques, evidència, coneixement reusable i agents d’IA sense perdre governança ni responsabilitat humana. No és el changelog del Handbook ni del microsite.
Aquesta revisió incorpora evidències institucionals posteriors al 12 d’octubre. Són fites d’aprenentatge, no releases de tots els productes.
v0.1 READY: mètode operatiu i evolucionable per evidència.
DCP Web i altres casos delimiten què s’ha provat realment en producció.
Les lliçons de Rewi orienten la baseline de projectes nous, amb excepcions i validació per host.
Revisat el 29 d’octubre de 2026 amb README.es, Handbook 07/11/16 i evidències del 28 d’octubre; no acredita un nou desplegament del microsite.
Disciplina, pragmatisme, discovery i coneixement reusable.
IA integrada al delivery, coordinació multi-agent i evidència com a condició d’avanç.
Autonomia governada, Kai com a capa especialitzada i evolució contínua.
Solution Discovery
No són nivells de maduresa ni una escala obligatòria. Són cinc maneres de resoldre un outcome, avaluades proporcionalment segons fit, risc, TCO, upgrades, lock-in, arquitectura i capacitat operativa.
La solució cobreix l’outcome amb canvis mínims.
La capacitat ja existeix i es pot habilitar mitjançant configuració suportada.
El valor apareix connectant sistemes sense duplicar el seu domini.
La base és correcta i només falten gaps reals.
La implementació pròpia entra quan les opcions anteriors no resolen raonablement l’outcome.
Requisits, arquitectura, control de versions, entorns, testing, documentació, operació i suport formen la base. La IA no substitueix aquestes disciplines.
Backlog, sprints, priorització, reviews, entregues incrementals i millora contínua es reutilitzen de manera proporcional al context.
Abans de construir, DCP Flow compara alternatives i avalua ADOPT / CONFIGURE / INTEGRATE / EXTEND / BUILD de manera proporcional. IMPLEMENT queda com a terminologia històrica.
Standards, Blueprints, Skills, patterns, templates i checklists converteixen coneixement validat en actius reutilitzables.
La IA participa en recerca, arquitectura, desenvolupament, refactoring, documentació, testing, QA i anàlisi de repositoris sota context i regles.
Ownership, scopes, branches, context boundaries, interfaces, repository contracts, AGENTS.md i handoffs formalitzen el treball concurrent.
Quality Gates, Golden Flows, tests, logs, runtime/browser evidence i Human Acceptance converteixen “funciona” en una afirmació verificable.
La capacitat tècnica pot créixer, però permisos, Human Gates, accions sensibles, reversibilitat i aprovacions mantenen responsabilitat humana explícita.
Kai interpreta, audita i ajuda a operar DCP Flow; no és la metodologia ni substitueix els execution agents.
Project → Evidence → Lesson Learned → Validation → Reusable Knowledge → DCP Flow → Next Project. No tota lliçó es promou.
Continuous Learning
Una lliçó ha de demostrar que és repetible, útil, generalitzable i mantenible abans de convertir-se en Standard, Blueprint, Skill, Gate o altre coneixement reusable.
Market Alignment · Sep 2026
Market Alignment aporta senyals externs; l’Engineering Roadmap intern decideix què mereix validació. Aquesta secció no és el roadmap complet ni converteix un senyal en normativa vigent.
Canvis editorials, traduccions, estructura del microsite, releases i canvis tècnics del repositori pertanyen a l’historial del producte documental. Evolution es reserva per a la maduresa conceptual de DCP Flow i la seva curació pública.