← Mapa completResum públic curat
Índex
Entrada 12PUBLIC HANDBOOK

Casos reals i aprenentatges

Normia, Rewi/MicroPOS, Kai, n8n i DCP Web S9/S10: evidència, promoció, límits de generalització i evolució d’EspoCRM des d’integració validada a stack CRM lleuger ADOPTED.

Source & authority

Explicació pública

PUBLIC HANDBOOK
Basat en
Human Handbook 12 — Casos reals i aprenentatges
Fonts normatives relacionades
  • NORMATIVE SOURCEStandard · Existing Solution Assessment
  • NORMATIVE SOURCEStandard · Quality Gates
Autoritat
Explicació pública — NON-NORMATIVE
Resum

Normia, Rewi/MicroPOS, Kai, n8n i DCP Web S9/S10: evidència, promoció, límits de generalització i evolució d’EspoCRM des d’integració validada a stack CRM lleuger ADOPTED.

Els casos reals mostren com DCP Flow canvia a partir d’evidència, no de teoria aïllada. El valor del cas és entendre context, decisió, resultat i límit de generalització.

Casos com a Reference Evidence

Normia, Rewi/MicroPOS, Kai, n8n i DCP Web S9/S10 documenten aprenentatges diferents: disciplina d’evidència i TTFSFV, discovery abans de build, estandardització de patrons repetits, separació entre capacitat i autorització, límits d’orquestració i evolució de la integració EspoCRM cap a un stack CRM lleuger ADOPTED.

Punts clau
  • Context.
  • Evidència.
  • Decisió.
  • Promoció i límit de generalització.

Reutilitzar precedents correctament

Un cas no crea automàticament un Standard. La matriu de precedents ajuda a saber què es pot reutilitzar, què depèn del context i què ha de continuar com Teaching Example o Reference Evidence.

Punts clau
  • Precedent ≠ norma.
  • Comparar context abans de copiar.
  • Registrar per què aplica.
  • Mantenir traçabilitat al cas original.

Normia: intenció no és evidència executada

Normia va ajudar a separar arquitectura planificada, adopció, implementació parcial i comportament realment executat. L’aprenentatge reforça que README, disseny o arquitectura aprovada no equivalen automàticament a evidència i que la maduresa ha de correspondre al nivell real de validació.

TTFSFV des de la intencio fins al valor shippableIdea / Design1Idea / DesignImplemented2ImplementedExecuted3ExecutedEvidence4EvidenceShippable Functional Value5Shippable FunctionalValueTTFSFV6TTFSFV
Diagram source
flowchart LR
A[Idea / Design] --> B[Implemented]
B --> C[Executed]
C --> D[Evidence]
D --> E[Shippable Functional Value]
E --> F[TTFSFV]
Punts clau
  • Planned ≠ executed.
  • PROVEN / EVOLVING / EXPERIMENTAL.
  • Evitar maturity inflation.
  • Donar el pes correcte a l’evidència.

Rewi + MicroPOS: promoure el patró, no el producte

Comparar dos productes va permetre separar comportament tècnic reusable de diferències de negoci. Van aparèixer aprenentatges sobre persistència, API, orchestration, INSTALL/UPDATE, preservació de runtime, artifact validation i browser QA sense convertir pricing, branding o camps comercials en regles del framework.

Punts clau
  • Patró comú demostrat.
  • Blueprint/Skills/Gates quan correspon.
  • No copiar particularitats comercials.
  • Gate Defect ≠ Product Defect.

Kai i n8n: boundaries que redueixen ambigüitat

El cas Kai va consolidar Technical Capability ≠ Operational Authorization. L’evidència amb n8n va reforçar un altre boundary: l’aplicació/API conserva business truth i l’orchestrator coordina workflows. En tots dos casos, una frontera explícita és més reusable que una eina concreta.

flowchart LR
A[App / Website] --> B[API / Backend]
B --> C[(Domain Truth)]
B --> D[Durable event / Outbox]
D --> E[n8n Orchestrator]
E --> F[External provider / CRM]
F --> G[Result / Correlation]
G --> B
Diagram source
flowchart LR
A[App / Website] --> B[API / Backend]
B --> C[(Domain Truth)]
B --> D[Durable event / Outbox]
D --> E[n8n Orchestrator]
E --> F[External provider / CRM]
F --> G[Result / Correlation]
G --> B
Punts clau
  • CAN DO ≠ AUTHORIZED NOW.
  • Manual Fallback quan no hi ha execució directa.
  • API/application owns business truth.
  • Orchestrator owns coordination.

De l’evidència local al coneixement reutilitzable

DCP Flow no converteix automàticament cada troballa en una regla global. L’evidència neix en un projecte, es converteix en Lesson Learned i després es comprova si l’aprenentatge és repetible, generalitzable i mantenible. Si la resposta és no, queda com Project Knowledge o Reference Evidence contextual; si és sí, passa per validació abans de promoure’s a l’artifact correcte —per exemple Standard, Blueprint, Skill, Gate o Tool/MCP guidance.

flowchart LR
A[Project Evidence] --> B[Lesson Learned]
B --> C{Reusable across contexts?}
C -- No --> D[Project Knowledge / Reference Evidence]
C -- Yes --> E[Validation]
E --> F{What kind of knowledge?}
F --> G[Standard]
F --> H[Blueprint]
F --> I[Skill]
F --> J[Quality Gate]
F --> K[Tool / MCP Guidance]
Diagram source
flowchart LR
A[Project Evidence] --> B[Lesson Learned]
B --> C{Reusable across contexts?}
C -- No --> D[Project Knowledge / Reference Evidence]
C -- Yes --> E[Validation]
E --> F{What kind of knowledge?}
F --> G[Standard]
F --> H[Blueprint]
F --> I[Skill]
F --> J[Quality Gate]
F --> K[Tool / MCP Guidance]
Punts clau
  • Evidence primer.
  • Lesson Learned després.
  • Generalization Boundary explícit.
  • Promoure a l’artifact correcte, no crear-ne un altre per reflex.

Dels casos al coneixement reutilitzable, amb límits de l’evidència

Els casos recents de webs comercials mostren per què una compilació correcta no prova per si sola que el recorregut de negoci funciona. L’acceptació durable de leads, la integració desacoblada, la verificació en runtime i la preservació de serveis veïns requereixen proves separades. Una prova end-to-end positiva no demostra fiabilitat sostinguda.

Punts clau
  • Intenció, implementació i observació són diferents.
  • Persistir primer; automatitzar després quan pertoqui.
  • Un cas contextual no imposa un stack o proveïdor universal.
  • Indicar sempre què no s’ha verificat.

Tazario Recipes: aprendre del codi obert sense heretar-ne les limitacions

Adaptar BrewForm a Tazario Recipes va aportar experiència amb React, Hono i Drizzle. La revisió va detectar riscos dels workflows heretats, referències de contenidors upstream i la necessitat de preservar associacions en editar receptes. Les lliçons es van incorporar a un Blueprint i cinc skills sense afirmar validació productiva ni una causa no demostrada dels errors de CI.

Punts clau
  • Preservar atribució i llicències compatibles.
  • Separar funcions implementades d’evidència executada.
  • Mantenir Tazario i Tazario Recipes com a productes diferents.
  • Promoure patrons útils, no decisions accidentals de l’upstream.

Casos reals: evidència i límits de generalització

Normia, Rewi, Kai i DCP Web expliquen decisions observades sense convertir arquitectures puntuals en normes. Cada cas separa context, problema, evidència, canvi metodològic, reutilització i límits de generalització.

Glossari contextual+
Reference Evidence

Evidència històrica reutilitzable com a precedent quan el context és comparable.

Evidence Promotion

Procés d’elevar un aprenentatge provat des d’un projecte cap a coneixement reutilitzable.

Generalization Boundary

Límit explícit que indica fins on un aprenentatge es pot reutilitzar sense generalitzar massa.

TTFSFV

Time To First Shippable Functional Value: temps des de l’inici de la implementació funcional d’un increment acotat fins al primer moment en què aquest valor es pot considerar shippable amb evidència suficient. Time to First Safe Functional Vertical és una formulació històrica anterior.