I våras bestämde jag och en kollega oss för att göra något vi länge pratat om: att bygga något större tillsammans på kvällar och helger.
Vi har byggt mindre saker ihop tidigare, men den här gången ville vi verkligen utmana oss själva. Inte bara genom att skapa en produkt från idé till drift, utan också genom att kliva in i rollen som fullstackutvecklare med AI-assisterad utveckling som en central del av arbetssättet.
Till vardags jobbar vi båda mycket med developer experience, pipelines och utvecklingsflöden. Frontend finns ibland med i bilden, men är sällan det vi lägger mest tid på. Därför blev det här projektet också ett sätt att komma närmare hela kedjan: från design och specifikation till backend, frontend, innehåll, infrastruktur och deployment.
Resultatet blev QRGeno.
Vad är QRGeno?
QRGeno är en SaaS-plattform för dynamiska QR-koder, där en regelmotor styr trafiken till rätt destination baserat på olika villkor. I stället för statiska QR-koder som pekar till en och samma länk kan man skapa smartare flöden, uppdatera destinationer över tid och bygga mer flexibla kampanjer.
AI som en del av arbetssättet
En viktig del av resan har varit att utforska hur AI faktiskt kan användas i ett större projekt, bortom små kodsnuttar och experiment. Vi började tidigt med design- och specifikationsidéer i ChatGPT, Lovable och Figma. Efter ett tag fastnade vi båda för Claude, framför allt möjligheten att jobba med skills, agenter och mer strukturerade utvecklingsflöden.
När Claude Design släpptes blev det ytterligare ett steg framåt. Vi har använt det för att skapa och styla React-komponenter, och sedan lämnat över designen till Claude Code som laddar ner designfilerna, tolkar dem och implementerar komponenterna i projektet. Det har förändrat hur vi tänker kring övergången mellan idé, design och kod.
Techstacken bakom QRGeno
Techstacken bakom QRGeno består av Python och FastAPI i backend, React med TypeScript i frontend och Sanity som headless CMS för innehåll. Sanitys MCP-server har varit särskilt intressant eftersom den kan installeras direkt i Claude och göra det möjligt att skapa innehållsmodeller och fylla på innehåll direkt från terminalen.
Driften körs på AWS Fargate och RDS Postgres för backend, medan frontend ligger på Vercel.
Mer än ett sidoprojekt
För mig har QRGeno blivit mer än bara ett sidoprojekt. Det har varit ett konkret sätt att förstå hur AI-assisterad utveckling fungerar när man bygger något riktigt: med arkitektur, designbeslut, innehåll, buggar, drift, iterationer och allt däremellan.
Det är också ett bevis på hur mycket två personer kan åstadkomma när man kombinerar nyfikenhet, erfarenhet och moderna AI-verktyg.
Nu fortsätter vi utveckla QRGeno vidare – både som produkt och som lärande resa.