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.
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.
- 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.
- 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.
Diagram source
flowchart LR
A[Idea / Design] --> B[Implemented]
B --> C[Executed]
C --> D[Evidence]
D --> E[Shippable Functional Value]
E --> F[TTFSFV]- 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.
- 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- 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]- 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.
- 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.
- 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+
Evidència històrica reutilitzable com a precedent quan el context és comparable.
Procés d’elevar un aprenentatge provat des d’un projecte cap a coneixement reutilitzable.
Límit explícit que indica fins on un aprenentatge es pot reutilitzar sense generalitzar massa.
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.
