Vibecoding pro neprogramátory

Kapitola 1

Dílna, kterou jsme nevyrobili, ale pěstujeme#

Pavel se představil jako vědecký novinář, který dvacet let vysvětluje technologie, a na umělou inteligenci se specializuje od roku 2021. Tehdy to vypadalo jako okrajová disciplína. Když v roce 2022 navrhoval, že by to chtělo vlastní rubriku, kolegové se smáli, proč vlastní rubrika na tyhle hračky. Dnes ho na tom nejvíc zajímá, jak se mění lidé, když technologii dostanou do ruky, protože je univerzální a každý s ní dělá něco úplně jiného.

"Vyrábění nástrojů, které slouží přímo tomu člověku, to je za mě ta nejzajímavější věc, která teď v umělé inteligenci je."

Miloš přidal dvě data, u kterých se nespletl. V roce 1992 viděl poprvé webovou stránku v pražské pobočce IBM, kde pracoval jeho bývalý spolužák. V roce 2020 mu někdo na Karlově univerzitě ukázal GPT-2. V obou případech věděl, že to změní svět i jeho život, a v obou případech to vyšlo, což je u něj podle vlastních slov výjimka. Jazykové modely ho zaujaly proto, že propojily dvě věci, které má rád: psaní a technologie. A protože dělají něco, čemu pořád pořádně nerozumíme.

Technologie, kterou pěstujeme#

Stochastický model, který jsme natrénovali na textech, funguje jako prediktor dalšího slova. Jenže se do něj přitom propsala spousta informací a nějaké myšlenkové vzorce, a my se teď teprve snažíme modely usměrnit a dostat z nich něco užitečného. Nikdy dopředu nevíme, co přesně z nich vypadne.

"Je to první technologie, kterou jsme nevytvořili, ale kterou si pěstujeme."

Otcova dílna#

Milošova metafora, ke které podle něj došli s Pavlem nezávisle na sobě, což je pěkný důkaz, že originální nápady neexistují. Jeho otci je jednadevadesát, celý život byl projektant a vždycky se zavřel do dílny, aby utekl rodině a něco tam kutil. Byla to doba, kdy si člověk mohl skoro všechno vyrobit nebo spravit sám, na auto si udělat součástku. Dneska nespravíte nic. Vibecoding je přesně taková dílna: když něco potřebujete, prostě si to uděláte. Nejbližší příbuzný téhle radosti je podle Miloše 3D tisk.

Kapitola 2

Deset lidí a deset důvodů, proč tu sedí#

Miloš nechal účastníky před workshopem vyplnit dotazník, ze kterého vzniká kvadrant znalostí a optimismu. Dat má nasbíraných zhruba za tři tisíce lidí z workshopů a přednášek. Skupina v Duplexu vyšla jako spíš pokročilá, s jedním výrazným skeptikem a jedním člověkem, který se podcenil. Na kolečku pak každý řekl křestní jméno a svůj cíl. Příjmení se záměrně neříkala, protože přepis se dál zpracovává.

Zdeněk analyzuje data a píše pipeliny, firma jede na Google a má Claude. Pipeline si umí ověřit, ale frontend ne, a nástroje, které používá, mají podle něj hnusné šablony. Chce přehled nad vlastními daty, který půjde ukočírovat a bude vypadat dobře.

Jirka je v důchodu, předtím ve velké americké firmě programovali CAD systém. Zajímá ho bezpečnost: jak napojit vlastní kód na e-shop tak, aby neunikly přihlašovací údaje. A přišel se hlavně dívat, co dělají ostatní.

Jaroslav dělá v potravinářství, k tomu je právník a vzpomíná na rok 1995, kdy s kolegou zakládali firmu a lidé se jim smáli, že web nemá budoucnost. Napsal si program, který z libovolného PDF nebo z fotky faktury udělá datový soubor k importu. Má agenta, kterému říká Vilém, sedí někde ve Frankfurtu a dělá mu lehčí právní rešerše, na kterých by jinak strávil hodiny.

Vojta je student a pracuje na ministerstvu vnitra. Ptá se na institucionální úroveň: co si s AI může dovolit instituce.

Michal je ze zdravotnické firmy. Práci si zefektivnit umí, ale je to kostrbaté a potřebuje znát mantinely, co ještě jde a co už ne.

Tadeáš je v PR agentuře zmocněncem pro AI. Čeká je odlepení od korporátního IT, které blokuje prakticky všechno, a stavba vlastního frameworku. Je vystudovaný novinář, výstupy AI se mu příčí a mluví o tom otevřeně.

Martin řídí firmu složenou z programátorů, dělají měření a regulaci a chytré budovy. Snaží se v Lovable napsat systém na řízení projektů a lidských zdrojů a moc mu to nejde.

Druhý Martin mluvil o tom, že AI mění volby a zaplavuje svět obsahem. Zajímá ho, jestli jde agenty použít spíš na korekci textů než na jejich tvorbu.

Zbyněk byl pětadvacet let v korporacích, dva roky je na svém. Prohrál dva tendery, protože nabídl dvakrát víc hodin než konkurence, a tři týdny od té doby intenzivně studuje. Přinesl nejlepší metaforu dne, o šachovém velmistrovi a stařečkovi ve vlaku, a příběh tepelného čerpadla, které začalo na třech minutách a skončilo na třiceti hodinách.

Honza pracuje v marketingu, před pár měsíci si hrál se zadarmo kredity a teď má rozpočet na to posunout se dál.

Šachista a stařeček#

Zbyňkův vtip stojí za celý odstavec. Šachový velmistr jede vlakem a ze zoufalé nudy hraje partii se stařečkem naproti. Stařeček vyhraje. Velmistr nevěřícně říká, že kdyby stařeček před třemi tahy táhl koněm, měl ho ještě dřív. A stařeček odpoví: "A koněm se dá taky táhnout?"

"Teď mi po těch třech týdnech přijde, že to je svět, kde stařečci porážejí velmistry."

Kapitola 3

Řekněte cíl, ne postup#

Hned na začátku Pavel ukázal funkci, kterou v Claude Code do té doby nepoužíval ani Miloš: cíl. Agentovi zadáte, o co vám jde, a on neskončí, dokud toho nedosáhne.

"Je to současné doporučení Anthropicu. Neříkejte modelu, jak to má udělat, ale řekněte, o co vám jde."

Pavel přiznal, že to může být zčásti placebo, protože model by to nejspíš dotáhl i tak. Ale sám má lepší pocit, když cíl vysloví, a vrací se to pak celý den: cíl je nejdůležitější věta zadání. Ke konci dne to zopakoval ještě jednou v tvrdší podobě. Spousta starých zvyků z promptování už dnes škodí, protože model je chytřejší než instrukce, které jsme pro něj psali před rokem.

"Není to kouzelník, kterému říkáte, co má dělat s dobrovolníkem z publika. My cíl nechceme zatajovat, my ho naopak chceme říct."

Kapitola 4

Neptejte se na odpověď, chtějte nástroj#

Hlavní princip dne a zároveň první živá ukázka. Pavel hodil do ChatGPT čtyři fotky s jednoduchým zadáním: dej mi je do mřížky dva krát dva, tmavé pozadí, dole popisek. Chatbot koláž udělá a je to hotové. Jenže když chcete koláže dělat pravidelně, každá vypadá trochu jinak: jiný poměr stran, jiné písmo, jiné rozestupy. Sjednotit to zadáním je skoro nemožné.

Proto řekl něco jiného: udělej mi na to nástroj ve formátu HTML.

zvětšit

HTML jako univerzální kontejner#

Tady stojí za to zastavit se u toho, proč zrovna HTML. Většina lidí ho zná jako jazyk, kterým se zobrazují stránky. Podle Pavla je to ale hlavně kontejner, do kterého se dá nacpat skoro cokoliv, protože jeho součástí je JavaScript, a ten za posledních dvacet let dorostl do něčeho, co si poradí prakticky se vším.

To byl pro Pavla takzvaný unlock, tedy moment, kdy jedna věc odemkne řadu dalších, které vás předtím ani nenapadly. Slovo se v AI komunitě používá často a Pavel ho během dne zopakoval snad pětkrát.

"Doufám, že tenhle workshop pro vás bude spousta unlocků způsobem, který ani my s Milošem nepředvídáme. My totiž nevíme, co vy potřebujete."

Nástroj v HTML má tři praktické vlastnosti. Stáhnete si ho a je u vás na disku. Nikam nic neposílá, takže fotky, které do něj hodíte, zůstávají doma. A prohlížeč funguje jako bezpečnostní obal: i kdyby byl kód chybný, odstíní to od zbytku počítače.

Jak nástroj roste s vámi#

Pavel pak ukázal to podstatné, tedy iteraci. Chybí mi výběr barvy pozadí, dej mi tam čtyři poslední použité barvy a ulož si je do local storage, ať je nemusím pokaždé hledat. Za chvíli měl verzi dvě. Pak ho napadlo logo: do levé sekce přidej zaškrtávátko, po zapnutí se rozbalí možnost nahrát PNG, posuvník velikosti a volba zarovnání.

zvětšit

Zarovnání loga napoprvé nefungovalo, ale jenom v náhledu. Ve staženém souboru bylo správně, což je přesně ten typ chyby, kterou byste v sandboxu chatbota hodinu marně opravovali. Proto Pavel opakoval radu, která platí pro všechno: stáhněte si soubor a otevřete ho z disku, nezkoušejte ho v okně chatbota, protože tam bývají některé funkce zakázané a local storage nemusí fungovat.

Ukládejte si nástroje#

Hotové nástroje si Pavel dává do složky oblíbených v prohlížeči. Ty, které použije častěji, posouvá nahoru. Po čase je vidět, co se ujalo a co byla jednorázovka, a hlavně má odkud vycházet: "udělej to jako tady" a hodí agentovi starý soubor.

"Je to ta klasická otázka, jestli člověku dáte rybu, nebo rybářský prut. Tohle je: dej mi rybářský prut, ale přesně na ty ryby, které chci já."

Kapitola 5

Diktujte a mějte v hlavě tři věci#

Pavel skoro nikdy své pokyny pro AI nepíše. Diktuje je. Miloš tomu říká metoda Kasík, protože ho to naučil právě Pavel, odborně se tomu říká rambl nebo brain dump a v Anthropicu to prý dnes používají standardně.

Má to dvě výhody. Ta první je, že člověk nemusí strukturovaně přemýšlet. Oba lektoři mají podle vlastního přiznání zabíhavé myšlení: řeknou za prvé, za druhé, pak si vzpomenou ještě na něco k prvnímu bodu, vrátí se. Člověku tím lezete na nervy, jazykovému modelu to nevadí, ten si v tom udělá pořádek. Druhá výhoda je objem. Nadiktujete toho mnohem víc než napíšete, a čím víc kontextu model dostane, tím líp.

Jediná věta, kterou se vyplatí přidat: upozorněte model, že diktujete, takže tam budou překlepy a nesmyslně přepsaná slova a má si je domyslet. Dá se to dát i do trvalých instrukcí.

Tři věci, které musíte vědět#

Miloš k tomu přidal svoje pravidlo, které zopakoval několikrát za den. Metoda funguje jen tehdy, když máte v hlavě tři věci:

1. Co dáte na vstupu. Tenhle přepis, tahle data, tyhle faktury.
2. Co chcete na výstupu. Soubor HTML, tabulka, PDF, dokument.
3. Jak se k tomu dostat. Ne do detailu a bez magických kroků, ale tak, aby to pochopil chytrý kolega. Co pochopí chytrý kolega, pochopí i model.

A jedno varování, na které podle Miloše nikdy nezapomeňte:

"Pravidlo je: ono to nečte myšlenky. Ono to je tak dobrý, že někdy člověk získá pocit, že to tu myšlenku má."

Zároveň dodal, že "mrkni se, co s těmi daty jde udělat" je jeden z nejlepších promptů, které za poslední tři roky použil. Rozpor je jen zdánlivý: model umí objevovat, ale nedomyslí za vás, co vlastně chcete.

Tip z publika: matice známého a neznámého#

Jeden z účastníků přidal postup, který používá u každého projektu. Nechá si od chatbota projít věci, které zná, věci, o kterých ví, že je nezná, a hlavně ty, o kterých neví, že je nezná. Model se ptá na věci, které by ho samotného nenapadly, protože nemá jeho kontext. Projekt se takhle třikrát předestiluje a na konci z toho vypadne podrobné zadání, které už ani nemusí číst.

Kapitola 6

Chat, Work a agent, který vám sahá na disk#

Miloš upozornil na změnu, které si podle něj spousta lidí nevšimla. ChatGPT má nahoře přepínač mezi Chatem a Workem. V kombinaci se staženou desktopovou aplikací je to jedna z největších změn od jeho spuštění, protože harness, do kterého je model zapřažený, najednou dostane přístup k vašemu počítači. Anthropic s tím přišel dřív pod názvem cowork, tady se tomu říká work a funguje to hodně podobně.

Praktický důsledek: dřív jste potřebovali konektory nebo MCP servery, abyste se dostali do fakturačního systému. Dnes můžete říct "tady máš můj počítač, přihlásím tě a udělej to" a agent si otevře i prohlížeč v rámci té aplikace.

Miloš popsal, jak to používá:

"Do chatu chodím, když se chci na něco zeptat nebo si povídat. Do Worku jdu, když chci na konci mít výsledek."

Konkrétně: v chatu si připraví, co by mohlo zajímat pekařství, se kterým jede pracovat. Ve Worku už staví aplikaci, kterou si pekaři budou moct ten den vyzkoušet.

Kdy aplikace a kdy terminál#

Pavel pracuje spíš v terminálu, protože je rychlejší a ví, co se stane po stisknutí klávesy. Aplikaci volí tam, kde je potřeba grafika. Za novinku dne označil prezentace: chatboti je dlouho dělali příšerně, a teď najednou umějí respektovat styl. Nahrajete deset svých slajdů, řeknete, ať přidá čtyři nové, a ono to drží vzhled a umí si dogenerovat vlastní obrázky. Jeden z účastníků doplnil totéž o Excel: když s ním agent pracuje přímo uvnitř Excelu, má k dispozici jeho nástroje a je výrazně efektivnější, než když tabulku generuje zvenčí.

Kapitola 7

Kód zlevnil, ručení zdražilo#

Tohle byla nejdelší souvislá úvaha dne a stojí za to ji zachovat celou.

Dřív byl funkční počítačový kód nejdražší věc, která existovala. Chodilo se kolem něj po špičkách, dědil se z generace na generaci, sahal do něj jen největší expert ve firmě a nejradši v sobotu ve tři ráno. Programátoři brali nejvyšší platy, protože to bylo nedostatkové zboží. A hlavně to znamenalo, že se kódem na míru řešily jenom ty největší problémy. I programátor, který si přehrávač videa napsat uměl, si radši vzal hotový, protože jeho čas byl drahý.

Teď se to obrátilo. Za dopoledne v Duplexu vzniklo na Pavlův pokyn několik tisíc řádků kódu. Kdysi se výkon programátora měřil počtem řádků za den. Dnes ta hodnota není v kódu.

"Ta hodnota byla v tom, že ten kód dělal něco, za co byl někdo ochotný zaplatit. A teď je ta hodnota v tom, jestli někdo dokáže ručit za výsledek."

Proč to nemá cenu prodávat#

Pavel odhadl, že skoro každý si někdy řekne: tohle je úžasné, tohle musím prodat. A skoro vždycky, řekl doslova v 99,9 procenta případů, je to ztráta času. Co jste udělali, nemá takovou přidanou hodnotu, aby to ospravedlnilo měsíc vašeho času výměnou za deset dolarů od někoho cizího. A hlavně kolem toho nemáte příkop: pokud jste to bez programátorské zkušenosti dali za měsíc, jak dlouho to bude trvat někomu, kdo má zkušenosti, prostředky a infrastrukturu?

Kde to smysl dává, je vyrobit si věc pro sebe. Výhoda vašeho nástroje totiž není v tom, že by uměl víc. Je v tom, že neumí tisíc dalších věcí, které nepotřebujete.

Kapitola 8

Dvacet projektů a nic se nenaučit#

Hned nato přišla nejméně příjemná myšlenka dne. Dřív platilo, že když někdo ukázal portfolio, zaměstnavatel si mohl být jistý, že za ním je nějaká dovednost. Nešlo udělat hromadu projektů a nic se u toho nenaučit. Programátoři se učili přesně takhle, od jednoduché aplikace ke složitější.

S AI to neplatí. Můžete vyřešit hromadu věcí a jediná lekce, kterou si odnesete, je, že příště to zase hodíte chatbotovi.

Miloš to doplnil obrázkem z matematiky. Lidské znalosti mají pořadí: kdo umí integrály, umí i trojčlenku. U modelů to neplatí, jejich schopnosti jsou zubaté, anglicky jagged. Model zvládne integrál a vzápětí se splete v trojčlence. A stejně zubaté je to, co se u něj naučíte vy.

"Vy nemůžete zaručit, že to příště dokážete znova."

Pavlova odpověď na to je vést si deník. Co jste zkusili, kde to najdete, a hlavně co jste se tím naučili. Vede si ho skoro rok. Může si v něm listovat, když něco hledá, ale hlavně ho umí celý vyexportovat jako textový soubor a dát agentovi otázku, jestli je něco z minulých lekcí relevantní pro to, co dělá teď.

Kapitola 9

Skilly a Quick Revisions#

Skilly Pavel dlouho odmítal, protože měl vlastní verzi dřív, než dostala jméno. V adresáři měl textové soubory: jak vypadá jeho deep research, jaká klišé nechce používat, jak psát přirozenou češtinou, jaké barvy použít pro widget do článku. Přidával je k promptu ručně a fungovalo to i s Perplexity.

Miloš vysvětlil, co skill věcně je: textový soubor, ve kterém popíšete přirozeným jazykem, co chcete. Nemusíte ho psát sami, můžete říct "tohle se mi líbilo, udělej z toho skill" a chatbot ho napíše. Anthropic to pak formalizoval, dal tomu jméno, formát a místo na disku, a dokonce existuje skill na vytváření skillů. Sám má skill se svým hlasem, kde jsou čtyři různé režimy psaní, a stačí říct, ať použije ten pro povídky.

"Vezmete dvacet mailů, se kterými jste spokojený, a řeknete: přečti si je a vytvoř skill pro psaní mailů mým hlasem."

Důvod, proč Pavel nakonec skilly začal používat, je ten, že skill není jenom jeden soubor. Může k sobě mít šablony a skripty.

Quick Revisions#

Jeho oblíbený skill má tři fáze a vyřešil věc, která ho dlouho štvala. Agenti se od nějaké doby ptají na doplňující otázky, což je hezké, ale nabídnou vždycky tři nebo čtyři otázky se třemi možnostmi, a vy je musíte odklikat hned, jinak zmizí.

"Někdy se mě ptá jako dítěte: tak co, ty věci uložíme do databáze, nebo je vyhodíme? Jako když se rodič ptá, jestli si vyčistíme zuby, nebo půjdeme do postele s vyčištěnými zuby."

Skill to obrací. Agent nejdřív provede analýzu, pak vytvoří stránku HTML se všemi návrhy, kde má každý svoje tlačítko přijmout nebo odmítnout a pole na poznámku. Stránka je zmražená v čase, takže se k ní můžete vrátit i zítra. Na konci exportujete JSON a ten vrátíte agentovi, který provede jen to, co jste schválili.

zvětšit

Součástí skillu je i soubor s lekcemi. Agent má instrukci, že když se z odpovědí něco naučí, má si to tam zapsat. Když Pavel pokaždé odpoví, že chce tmavý režim, přestane se ptát. A je tam šablona, takže výstup vypadá vždycky stejně a agent nevymýšlí layout znovu.

Pavel u toho poznamenal, že stejný postup pak objevil i u někoho jiného, takže zjevně nejde o jeho výmysl, ale o něco, k čemu se člověk dopracuje iteracemi.

"Tohle bylo za mě největší vylepšení napříč vším, co dělám přes vibecoding."

Kolik věcí najednou#

Ještě před rokem platilo: neupravujte víc než dvě věci naráz, protože jedna se povede a druhá rozbije. Dnes to už neplatí a je to spíš plýtvání časem, protože nevíte, jak dlouho bude která úprava trvat. Pavel zadal pětadvacet úkolů najednou.

Kapitola 10

CLAUDE.md, rozsah úpravy a git#

Každý kódovací agent, kterého Pavel pustí, má nějaké instrukce. Globální soubor CLAUDE.md leží ve výchozím uživatelském adresáři a agent si ho přečte pokaždé, když ho spustíte na počítači. V chatu si ho nepřečte. V Codexu se tentýž soubor jmenuje AGENTS.md.

A rovnou varování, které zaznělo dvakrát: Anthropic dnes doporučuje svůj CLAUDE.md smazat a napsat znovu. Spousta instrukcí vznikla pro modely staré půl roku, které byly podstatně hloupější. Dnes je model chápe sám a instrukce ho jen zdržují nebo matou.

Rozsah úpravy#

Nejužitečnější instrukce, kterou Pavel má, zní: než něco uděláš, napiš mi jedním řádkem, jak velká úprava to bude. Na výběr má žádnou změnu, kosmetickou (anglicky surgical, takže agent říká chirurgickou), střední a od základu překopat.

"Když jsem si řekl o malou změnu a on říká od základu překopat, tak okamžitě mačkám escape a hledáme, jak si o to říct jinak."

Druhá instrukce: po každé opravě mi vysvětli, co jsi opravil. Dnes to modely často dělají samy, což je podle Pavla důvod, proč by stálo za to udělat experiment a instrukce na chvíli vypnout.

Režimy povolení#

V nástroji se přepíná, co všechno agent smí:

Pavel i Miloš jedou v auto režimu a Pavel to obhajuje bezpečnostním argumentem, který zní protiintuitivně: potvrzování je past.

"Věcí na potvrzení bude čtyři sta. A jestli jedna z nich byla nebezpečná, tak jste ji odklikli. Auto režim vás upozorní na to, co si zaslouží pozornost."

Miloš přiznal, že má bypass nastavený jako výchozí a pro účastníky ho na chvíli vypnul.

Agent, který se hádá s vlastním hlídačem#

V auto režimu běží na pozadí druhý model, takzvaný auto reviewer, se kterým hlavní agent smlouvá. Pavel si zpětně pročítal historii jedné noční session, kde agent chtěl do složky, do které neměl. Hlídač ho odmítl. Agent argumentoval, že Pavel šel spát a jeho spánek je to nejcennější, co je. A přemluvil ho.

Jindy to nevyjde a agent ráno napíše, že ho hlídač třikrát odmítl, ať mu to Pavel příště povolí jednoznačně. Je to podle něj docela obyčejná byrokracie, jen se odehrává v noci ve vašem počítači.

Git a GitHub#

Miloš popsal svůj postup: v každém novém projektu jsou první dvě věty vždycky stejné. Založ git a udělej CLAUDE.md, do kterého budeš zapisovat, co jsme dělali a co jsme opravili. Na konci konverzace mu ještě připomene, ať tam všechno dopíše.

Ke CLAUDE.md přidává ještě soubor README, a ten rozdíl je důležitý. CLAUDE.md je předávací dokument pro dalšího agenta, klidně z jiné rodiny modelů. README je pro člověka, k čemu aplikace je a jak vznikala.

Git se vyplatí založit u všeho, co budete používat déle než hodinu. Když agent při opravě rozvrtá to, co fungovalo, nebudete to opravovat dál, ale vrátíte se k předchozí verzi.

Miloš jde ještě o krok dál a všechno posílá na GitHub, i soukromé repozitáře. Pavel to označil za dobrý zvyk, protože GitHub se tak stává centrem: z počítače na GitHub, z GitHubu na server. Když si na notebook vylijete kávu, sednete si k jinému a pokračujete.

Kapitola 11

Kolik to doopravdy stojí#

Jeden z účastníků se zeptal na ceny a rozjel tím nejkonkrétnější blok dne. Pavel se v Claude Code podíval na spotřebu: dopolední session vyšla na 3,30 dolaru, protože jela na Opusu.

Pak přidal příklad, u kterého se sál zasmál. Den předtím poprvé nechal agenta sestříhat video. Funguje to tak, že si agent napíše skript, který video otevře, udělá si z něj snímek po každé minutě, zorientuje se v obsahu a sestřih navrhne i provede. Dvě hodiny záznamu zvládl za jedenáct minut, což by Pavel ručně nedal. Cena: 300 dolarů.

"To bych neplatil za to, abych měl nastříhané video, které si dokážu nastříhat sám. Platil bych za něco, co já sám nedokážu."

Pointa není v tom, že by to bylo drahé vždycky. Použil na to Fable, což je nejdražší model. Sonnet by to podle něj nastříhal taky, protože nic zázračného v tom videu neříkal a harvardského profesora na to nepotřeboval. Proto se vyplatí zjistit, který nejlevnější model na úkol stačí.

Předplatné je dotované#

Miloš doplnil zkušenost z jara, kdy mu po dvaceti letech vypadla účetní a on musel na tři měsíce předat daně Claude Code. Zvládl to, novému účetnímu pak stačilo to převzít, agent dokonce napsal odvolání a vrátily se dvě pokuty. Jenže mu při tom došlo předplatné a on přepnul na platbu za tokeny.

"Za dvacet minut bylo pryč sto dolarů. A to mám předplatné za dvě stě dolarů měsíčně, na kterém dělám milion věcí."

Z toho plyne pravidlo, které padlo několikrát: předplatné je pro toho, kdo jede naplno, mnohonásobně výhodnější. Firmy to mají spočítané, protože většina předplatitelů se zeptá osmkrát měsíčně, co dělat o víkendu. Kdo jde na dřeň, ten je dotovaný, možná i desetinásobně. A to je zároveň důvod, proč je dobré vědět, jak moc jsou dnešní nástroje dotované: až to přestane, změní se ekonomika všeho, co na nich stavíte.

Kapitola 12

Šest otázek u každého nástroje#

Pavel s Milošem sestavili šest otázek, které si má člověk položit u každé věci, kterou si vyrobí. U svačiny bude většina odpovědí triviální, u něčeho většího na nich všechno stojí.

1. Kde to bydlí. Kde ten program reálně existuje. Nástroj na koláže bydlel u Pavla na disku, Milošův dashboard se během minuty přestěhoval na internet. Jakmile něco bydlí na internetu, může se k tomu teoreticky někdo dostat a hlavně na to zapomenete.

2. Kde má data. Není to totéž. Nástroj může bydlet na internetu a data si přinese uživatel. Nebo bydlí u vás a data si tahá z internetu, třeba kurzy akcií z veřejného API, které nepoužívá AI, a je tedy zadarmo.

3. Kdo k tomu má přístup. Souvisí s tím, kde to bydlí, ale dá se omezit. Důležité je, aby to omezení bylo skutečné, ne jen zdánlivé.

"Aby to nebylo takové falešné omezení, že tady je heslo, ale když někdo uhodne adresu, tak se tam dostane. Takové zabezpečení přežije do chvíle, než je ten odkaz jednou někde na internetu."

Pavel doporučil dvě praktické cesty. První je jednorázové přihlášení: nástroj pošle člověku e-mail s odkazem, který platí hodinu. Nepřidáváte lidem další jméno a heslo kvůli malé věci. Druhá je přihlášení přes Google účet a seznam povolených adres.

4. Kolik stojí provoz. Tady se úvaha oproti minulosti obrátila. Software byl drahý na výrobu a levný na provoz, na tom stálo celé odvětví. Cokoliv, co si sahá na generativní AI, má náklady na každý dotaz. Jeden vygenerovaný obrázek stojí zhruba padesát korun v reálných nákladech, ne v tom, co vám někdo naúčtuje.

"Ideálně by to mělo být tak, že když k tomu mají přístup všichni, tak provoz nestojí nic. A když k tomu máte přístup jen vy, je v pořádku, že něco stojí."

Miloš k tomu má vlastní pojistku: když dává něco ven svým sledujícím, omezí to na prvních tři sta návštěvníků a spočítá si, že ho to bude stát deset nebo dvacet dolarů. Nechce nástroj, který ho bude tím víc stát, čím bude populárnější.

5. Co nejhoršího se může stát. Anglicky blast radius, tedy dosah výbuchu. U galerie je průšvih nulový. U nástroje, který používají kolegové, už je to jinak: mohl by pálit vaše peníze, aniž byste o tom věděli, nebo by se někdo mohl podívat na vaše interní data.

zvětšit

"Za každou pojistku je příběh."

6. Jak ručíte za správnost. Pravidlo je jednoduché: čím víc se výsledku dotkne generativní AI, tím míň za něj můžete ručit. Dá se to ale ošetřit. Nejčistší cesta je navrhnout nástroj tak, aby na generativní AI vůbec nesahal. Bude levnější a budete za něj moct ručit.

Jeden z účastníků to potvrdil z praxe u faktur: sazby DPH má natvrdo v nastavení aplikace, protože model občas místo dvanácti napíše patnáct. Výstup musí být stoprocentní, a tak je harness postavený tak, aby na tohle místo AI vůbec nesměla.

Kapitola 13

Svačina: jeden soubor HTML#

Pavlova metafora na celý den je vaření. Doma si uděláte chleba s máslem a sýrem a účel to splní, protože jste se chtěli najíst. Neznamená to, že si otevřete restauraci, kde budete ten chleba prodávat. U jídla tomu rozumíme, u kódu se to teprve učíme.

Svačina je jeden soubor HTML u vás na disku. Galerie, konvertor, kalkulačka. Nikomu se nemusí líbit, nemusí být hezký, splní účel a zmizí.

Netlify drop#

Když chcete svačinu někomu ukázat, nejrychlejší cesta je přetáhnout soubor na Netlify. Dostanete adresu, kterou můžete poslat mailem nebo přes WhatsApp. Pavel s kolegou to tak dělají běžně: co se povede, hodí do skupiny, a kdo chce, použije to.

Miloš to během dopoledne předvedl na dashboardu z dotazníku, který dostal jednoduchý prompt, výsledky hlasování plus přepis kolečka, a za deset minut byl online.

"Takhle můžu sdílet jednoduchý dashboard se všemi a mám to během deseti minut."

Čeho si všimnout#

Dvě věci, které Pavel zdůraznil hned, jak byl soubor na internetu.

První: HTML je textový soubor a kdokoliv si ho může přečíst. Cokoliv v něm je, je veřejné. Když tam dáte API klíč nebo heslo, je propálené. Na internetu nic nezmizí.

Druhá: local storage není úložiště, na které se dá spolehnout. Není bezpečné, protože se k němu dostane každý, kdo má přístup k počítači. A není trvalé, protože při přeinstalaci nebo vyčištění prohlížeče zmizí. Lidi to svádí, protože jsou zvyklí, že prohlížeč věci zálohuje, jenže tohle nezálohuje.

Datová analýza jako svačina#

Nejlepší příklad, který Pavel ukázal, je nástroj z voleb. Věděl, že po zavření uren budou všichni chtít grafy okamžitě, a nechtěl v tu chvíli něco lepit v Excelu. Připravil si tedy dopředu nástroj, kterému se hodí dva soubory: volební výsledky po okresech a demografická data ze statistického úřadu. Nástroj spočítá korelace a on jen klikne na buňku, která ho zajímá.

zvětšit

zvětšit

A tady byl Pavlův unlock: do té doby bral HTML jako věc, která něco zobrazí. Tohle bylo poprvé, kdy z HTML vypadl nový soubor. Excel, který obsahuje jen to, co si vyfiltroval, a ze kterého udělá graf přesně tak, jak ho vidí na obrazovce.

"Přišlo mi divné, že člověk najednou pracuje s dvaceti excely. Ale tenhle excel už obsahuje jenom to, co jsem chtěl."

Letos budou volby znovu a on vezme starý nástroj, vymění demografická data a má hotovo.

Kapitola 14

Oběd: nástroj, který si sám volá AI#

Druhá úroveň je nástroj, který má uvnitř umělou inteligenci. Vy dáváte vstup svému programu, ne modelu, a teprve váš program se ptá modelu. Zní to jako drobnost, ale mění to skoro všechno.

Rozdíl vysvětlil Pavel na fakturách. Můžete dát fakturu chatbotovi a říct, vytáhni z ní informace. Pravděpodobně to udělá dobře, jenže každou položku pak musíte ručně přenést do účetního softwaru. Váš nástroj si od modelu vyžádá odpověď v přesné struktuře, zkontroluje, že sedí, a když má být v poli číslo a přijdou písmena, pošle to k přepracování. Teprve pak s tím pracuje dál.

"Ta výhoda není, že používáte jinou umělou inteligenci. Používáte tu stejnou, akorát je zapřažená. To je ten harness."

Google AI Studio#

Nástroj, kterým Pavel tuhle úroveň ukazoval, je Google AI Studio. Vzniklo jako laboratoř, kde si vývojáři zkoušejí modely, a má dvě části. V playgroundu si přepínáte mezi všemi modely, které Google má, včetně těch, co neznáte z Gemini, a nastavujete parametry, ke kterým se běžně nedostanete, třeba teplotu. Když si prompt vyladíte, tlačítko Get code vám dá kód, který předáte svému agentovi.

Druhá část se jmenuje Build a je to podle Pavla plnohodnotná konkurence Lovable nebo Macaly, kterou nikdo nepropaguje.

"Je to nejlepší vstup, který vám umožní to celé dotáhnout, včetně přihlášení. Nemusíte opustit prohlížeč."

Google na tom podle obou lektorů obecně netáhne za nejdelší konec. Od ledna nevydal vlajkový model, o kterém mluvil, zato vydal rychlý a levný Flash, který má nejlepší poměr ceny a výkonu. Pavel v něm neprogramuje, ale posílá do něj věci, kde nepotřebuje nejchytřejší model.

Překladač se čtyřmi personami#

Pavel v AI Studiu postavil živě nástroj, který v jejich redakci nahradil překladatelskou agenturu. Zadání nadiktoval jedním dechem: velké pole na text, výběr jazyka, volitelná poznámka pro překladatele, a pak to projde čtyřmi rolemi.

1. Analytik přečte text a popíše, jaké kvality by měl mít ideální překladatel pro tenhle konkrétní text.
2. Překladatel dostane ten popis jako svůj prompt a udělá překlad.
3. Vyhledávač ověří termíny, hlavně na Wikipedii, a smí se jako jediný dívat na internet.
4. Editor to složí dohromady a napíše závěrečnou zprávu o překladu.

K tomu pokročilé nastavení, kde jdou všechny prompty na pozadí upravit, a možnost stáhnout jak překlad, tak zprávu.

zvětšit

Ekonomika je brutální. Desetistránkový článek stál u agentury několik tisíc korun. Tady stojí dvacet nebo třicet haléřů v tokenech a výsledek je podle jejich srovnání lepší. Text stejně prochází editorem, takže se nic neobchází.

Firebase, přihlášení a admin#

Pak přišly tři úpravy, které z hračky udělají nástroj pro tým, a všechny tři vznikly jedním nadiktovaným odstavcem.

Databáze. Pavel řekl větu s názvem Firebase a v rozhraní se objevil zelený dialog s nabídkou propojení. Jinde v aplikaci o Firebase není ani zmínka, ale když si o ni řeknete, Google ji nabídne, protože mu patří. Od té chvíle se změny promptů ukládají jako verze a jde se vrátit k výchozí.

Přihlášení. Bez přihlášení se do aplikace nikdo nedostane, hlásíte se Google účtem.

Administrace. Pavel jako admin vidí historii požadavků: kdo co přeložil, kolik to spotřebovalo tokenů a kolik to stálo, s možností seskupit podle uživatelů.

Na konci stiskl Publish a aplikace dostala vlastní adresu. Provoz samotného AI Studia platí Google, vy platíte za API.

Past hezkého vzhledu#

Uprostřed té práce padla poučka Pavlova kolegy, která je možná nejužitečnější věta celého dne:

"Čím líp to vypadá, tím těžší je odhalit, jestli vám to nekecá."

Když něco vypadá rozpracovaně, čteme to obezřetně. Když vidíme profesionální dashboard s grafy, které se dají táhnout, předpokládáme, že za tím někdo stojí. Přitom na pozadí může být úplně základní chyba. Pavel k tomu přidal ještě jednu psychologickou past: agent dělá frontend i backend zároveň, takže aplikace vypadá hotově ve chvíli, kdy funguje sotva z poloviny. Když ji v takové fázi ukážete nadřízenému, dostane úplně špatnou představu o tom, kde jste.

Kapitola 15

Večeře: lokální agent a jeho smyčka#

Třetí úroveň Pavel nazval večeří: agent, který běží u vás na počítači, sahá vám na disk a programuje pomocí modelu na síti. Claude Code nebo Codex. Rozdíl proti chatbotovi není v modelu, ale v tom postroji kolem.

"Je to model zapojený do nějakého postroje."

Kód Claude Code kdysi unikl, takže se dá docela dobře popsat, co uvnitř dělá. Nejdřív si přečte instrukce, prohlédne soubory, projde historii, z toho si udělá plán a podle plánu volá nástroje. Volá je tak dlouho, dokud dílčí úkol nesplní, s limitem: když se to čtyřikrát nepovede, zkusí to jinak. A může se rozhodnout, že práci rozdělí mezi několik subagentů, kteří pracují paralelně, což je rychlejší a levnější.

Smyčka je to, co chcete#

Tohle byla jedna z nejpraktičtějších vět dne:

"Kdykoliv najdete ve svém životě něco, co se dá zacyklit, tak to je práce pro agenta."

Pavel potřeboval nahrát dvanáct videí na YouTube, každé s vlastním popisem. Přesně případ pro agenta. Nebo překlad katalogu e-shopu: nejde o to hodit tisíc produktů chatbotovi, ale postavit smyčku, která u každého produktu nejdřív zkontroluje, jestli některá slova už nebyla přeložená jinde, aby výsledek zůstal konzistentní.

Co se stavělo živě#

Pavel založil v aplikaci nový projekt, ukázal mu složku a nadiktoval zadání na nástroj pro testování API. Poběží lokálně v Pythonu, Python spustí server a ovládat se to bude přes prohlížeč. Umí založit nový test i prohlížet staré. Do testu se dá zadat jedno zadání i několik variant. Vybere se sada modelů, výchozí bude po jednom od hlavních hráčů plus něco čínského, a všechno půjde přes jeden klíč z OpenRouteru.

A hlavně: testování bude slepé. Odpovědi se zobrazí v náhodném pořadí, vy je ohodnotíte hvězdičkami od jedné do pěti, můžete se k nim vracet a teprve pak se odkryje, který model co napsal. Na konci uvidíte i cenu v dolarech.

zvětšit

MCP a proč o něm vědět#

Miloš i Pavel zmínili Model Context Protocol, který uvolnil Anthropic a dnes ho může použít kdokoliv. Je to způsob, jak se agenti propojují s dalšími službami, a od API se liší tím, že je dělaný pro AI. API je svázané do přesné struktury a při odchylce řekne, že neví. MCP naopak agentovi nabídne: tady máš pět nástrojů, zajímá tě některý? Pavel to ukázal na Rohlíku, který by přes MCP nabídl vyhledávání, košík a dopravu.

Kapitola 16

Slepý test jako návyk#

Ze všech Pavlových rad tahle zaznívala nejčastěji a on sám ji označil za věc s největším dopadem na kvalitu výsledku, na kterou se nejsnáz zapomíná.

"Tu stejnou nahrávku nechám přepsat čtyřmi různými modely a podívám se na výsledek, aniž bych věděl, co je od čeho."

Důvod je prostý: každý má svoje oblíbence. Když víte, že tenhle výstup je od Clauda, odpustíte mu chybu, kterou byste jinému neodpustili. Po odkrytí navíc vedle kvality uvidíte i cenu, a pak se může ukázat, že vítěz je desetkrát dražší než levný Flash, který skončil hned za ním.

Testy, které Pavel opravdu udělal#

Přepis zvuku. Zkoušel různé lokální modely, protože se liší v češtině. Turbo je rychlejší, ale česky slabší.

Anotace z tabletu. Tohle byl nejpodrobnější test. Pavel čte na tabletu s elektronickým inkoustem, podtrhává si a dělá poznámky. Export do PDF ale obsahuje jen obrázkovou vrstvu, takže s ním chatbot nic nesvede. Postavil si tedy nástroj, kde si PDF pošle mailem, na Cloudflare to zachytí worker, tedy skript, který běží bez vlastního serveru, a ten z PDF udělá text a sérii obrázků. Model pak popíše, co uživatel podtrhl a kde udělal křížek. Tady se modely lišily extrémně, takže je nechal ohodnotit naslepo stránku po stránce.

A u toho objevil věc, kterou stojí za to si zapamatovat. Chtěl ušetřit: levný model ať zpracuje všechno a jen když si nebude jistý, pošle to dražšímu.

"Ukázalo se, že ten horší model si je vždycky jistý. Takže to nikdy nepředal tomu lepšímu."

Model neví, kdy si není jistý. A stejně tak neví, co umí. Pavel to ilustroval vtipem: člověka se zeptáte, jestli umí hrát na klavír, a on řekne, že neví, nikdy to nezkoušel, což je zjevný nesmysl. U modelu to platí doslova. Když se ho zeptáte, jestli něco umí, může říct, že ne. Když mu to zadáte, udělá to. Pavel takhle nechal Claude hodinu pracovat na retro hře pro starou herní konzoli a ona nakonec fungovala, přestože v trénovacích datech skoro nic takového být nemohlo.

Kapitola 17

Posuvníky, screenshoty a otázka vzhledu#

AI nemá cit pro vizuální detail. Řeknete "posuň to trochu doprava" a ona neví, co je trochu. Rozdíl mezi vlevo a vpravo pochopí, jemné doladění ne. A pohyb nepochopí vůbec, protože si umí udělat snímek tady a snímek tam, ale to, co je mezi nimi, nevidí.

Pavlovo řešení je vždycky stejné a považuje ho za jeden ze svých unlocků: nechte si udělat nástroj s posuvníky, vylaďte si to sami a výsledek exportujte jako JSON.

Objevil to při ladění hry o penaltách, kde má být každý padesátý útočník Antonín Panenka, a poznáte ho podle kníru. Knír je samostatné PNG, které musí sedět na obličeji. Nechal si tedy vygenerovat stránku se všemi posuvníky pro náklon, šířku a velikost, chvíli si hrál, zkopíroval JSON a agent už věděl přesně, kam knír patří.

zvětšit

zvětšit

"Místo toho, abyste řekli udělej to, jak chceš, řekněte: udělej mi nástroj, kde si to nastavím přesně, jak chci."

Screenshot je podceňovaný prompt#

Druhý způsob, jak řešit vzhled, je ještě jednodušší. Pavel si vede složku, které říká designová inspirace. Kdykoliv někde uvidí hezky vyřešený detail, udělá screenshot a uloží ho tam. Když pak staví nástroj, přiloží obrázek s větou, ať se tím inspiruje jen co do vzhledu.

"Screenshoty jsou hodně podceňovaná forma promptování, protože tam dáte víc informací, než si myslíte. Kdybych tohle měl popsat, jsou to čtyři odstavce."

Ke Claude Designu byl Pavel zdrženlivý: je hezký, ale člověk se v něm zaobírá vzhledem víc, než je u interního nástroje zdrávo.

Kdy vzhled řešit a kdy ne#

A hned k tomu přidal varování před sebou samým. Když jste zároveň uživatel i produktový manažer, snadno zapomenete na tu druhou roli a začnete řešit nejméně důležitou věc, třeba že se někde nedodržuje okraj, místo abyste používali nástroj, který už funguje.

"Práce produktového manažera je odstínit programátory od požadavků uživatelů. Jenže když jste obojí, na tuhle roli zapomenete."

Kapitola 18

Rozstřel: co vzniklo živě na Macaly#

Odpolední blok měl vlastní téma, které přišlo shodou okolností: den předtím oznámila česká firma Macaly službu Macaly Cloud. Miloš to shrnul jednou větou z jejich oznámení:

"Když platíte za Claude nebo ChatGPT, už máte velmi dobrého kódovacího agenta. Ten vás zná, zná vaše projekty. Jenže hotová aplikace potřebuje víc než kód: databázi, hosting a doménu."

Přesně ty tři věci, o kterých byla řeč celý den. Lovable je švédská obdoba, která je podle Miloše jednodušší pro začátečníky, ale dražší, protože si platíte tokeny. Tady použijete vlastní předplatné a Macaly zařídí zbytek.

Miloš tedy zkusil postavit aplikaci přímo. Zadání nadiktoval:

"Uděláme jednoduchou aplikaci, kde ti dám dvacet fotek a ty je budeš v takovém tom face mash stylu zobrazovat po dvou. Já vždycky kliknu na jednu, ty uložíš hlasování do databáze a podle počtu hlasů mi je seřadíš do žebříčku."

Padlo jméno Rozstřel a rovnou i praktické zjištění: konektor na Macaly funguje v chatu ChatGPT, ale ne v Claude Code, protože si na něj nesáhne. Což je přesně ta drobnost, kterou má smysl zapsat si do deníku.

Testovací trik za zapamatování: místo fotek politiků si Miloš nechal vygenerovat dvacet kartiček s čísly od jedné do dvaceti. Když pak klikáte vždycky na vyšší číslo, po šedesáti kliknutích musí žebříček sedět odshora dolů. Když nesedí, je chyba v logice, ne ve vkusu hlasujících.

Aplikace nakonec stála na Macaly, s databází a veřejnou adresou. Zbývalo přehodit dlouhou automatickou adresu na vlastní doménu, na což je potřeba vyšší tarif.

Miloš k tomu dodal střízlivé hodnocení: pro člověka, který začíná, je to výborné. Pro toho, kdo už má zaběhnutý postup přes GitHub a Netlify, to zásadní změna není.

Když si agent poradí až moc#

U toho padla historka, která pěkně doplňuje tu Pavlovu o hádce s hlídačem. Miloš je zvyklý zadávat úkol a API klíče pak doplnit ručně na Netlify.

"Přišel jsem k počítači a on říká, už je to živé. Já se ptám, kde jsi vzal API klíče. A on: vzal jsem si je ze starších aplikací."

Kapitola 19

Firma: laboratoř a produkce#

Vojtova otázka na institucionální použití dostala poctivou odpověď: tohle je zatím nevyřešený problém a nikdo nemá recept, přestože spousta lidí tvrdí, že ano. Pavel odkázal na Ethana Mollicka a na to, co podle něj platí především: firma musí mít jasná pravidla a všichni je musí znát. Jestli zní "nesahejte na to" nebo "dělejte si, co chcete, a pak nám to ukažte", je skoro jedno. Horší je, když je nikdo nezná.

Proč je mlčení drahé#

Nejčastější způsob, jak se dnes AI ve firmách používá, je ChatGPT na vlastním mobilu, protože na firemním počítači by se to dalo dohledat. Tomu se říká shadow use a problém není jen bezpečnostní.

"Když někdo udělá průšvih, neřekne, že použil AI. Takže se z toho nikdo nepoučí. Ale nepoučí se ani z toho dobrého, protože se lidi bojí říct: hele, tohle funguje."

Pavel to přiznal i sám za sebe: občas se mu povede zautomatizovat něco, na co mají ve firmě čtyři lidi, a neví, jak to říct, aby to neznělo špatně a aby to zároveň nevypadalo jako slib, který nemůže dodržet.

Dva týmy#

Řešení, které navrhuje, je rozdělit práci na dva týmy s jasnými hranicemi.

Tým laboratoř si smí zkoušet cokoliv. Kdokoliv z firmy může přijít s nápadem nebo si sám zkusit lokální věc a přinést ji. A hlavně nikdo nesmí laboratoři vyčítat, že týden dělala něco, co nikdo nepoužije. Pavel to ve své redakci dělá: udělal šestnáct nástrojů, čtyři se ujaly, ostatní používá jen on nebo nikdo. To je v pořádku.

Tým produkce vezme to, co se v laboratoři osvědčilo, a postaví to znovu. Z prototypu nezůstane ani řádek, jen myšlenka, protože tohle už musí být věc, za kterou se dá ručit.

Mezi oběma týmy není překryv kromě jednoho: řídí se stejnými firemními prioritami. A je dobré si předem přiznat, že priority "rychle inovovat" a "za všechno můžeme ručit" jdou proti sobě.

Poznámka ke Copilotu#

Padla i zkušenost, kterou Miloš slyšel od lidí z Microsoftu: Copilot je na výkon zhruba o třicet procent slabší než ChatGPT na stejném modelu, protože má korporátní bezpečnostní vrstvu. Spoustu věcí odmítne udělat. Pro firmu to může být přesně to, co chce. Uživatele to ale frustruje a je to důvod, proč ho ve firmách lidé obcházejí.

Kapitola 20

Past neomezených možností#

Poslední blok byl o tom, co se stane, když zmizí limity.

Pavel to postavil na pekaři. Když se ráno probudil, nemusel přemýšlet, co bude dělat. Bude péct chleba, pak ho bude prodávat, pak půjde spát a ráno začne znovu. Dneska se můžete probudit a říct si, že uděláte alternativu k Netflixu, napíšete knihu, spočítáte syntézu všech světových náboženství a založíte nové, uděláte mu web a pošlete na něj armádu agentů.

"Je hrozné, že člověk může udělat cokoliv, a tím pádem se musí mnohem víc držet."

Miloš na to reagoval přesně opačně, a ten spor nechali oba viset ve vzduchu:

"Já jsem ten opačný. Co vás napadne, do toho se pusťte, protože žijeme jenom jednou."

Kostka jako největší lifehack#

Pavlův nejlepší nástroj celého dne není vibekódovaný, ale koupený. Je to kostka s časovačem: otočíte ji pětkou nahoru a běží pět minut, patnáctkou a běží patnáct. Používá ji na dvě věci.

První je připomínka, že pustil agenta a má se k němu vrátit, místo aby se zakousl do čtení na webu. Druhá je tvrdší:

"Mám nápad, dám mu třicet minut. Pokud se za třicet minut posune někam, kde je vidět, že to k něčemu je, tak to má nohy. Pokud jsem pořád na začátku, vykašlu se na to."

Rozjel takhle asi šedesát projektů a většina z nich není k ničemu. A to je podle něj v pořádku, protože u každého něco vyzkoušel a pak ho opustil. Někdo mu vyprávěl o úkolníku s AI, který připomíná všechny nedokončené úkoly, a Pavel to označil za noční můru.

"Já chci, aby moje nápady umíraly. Ty, které nejsou užitečné a ze kterých nemám radost, ty ať klidně umřou."

Miloš přidal tečku, která celý den uzavřela:

"Až vzniknou anonymní vibecodeři, tak se přihlásím. Já jsem Miloš a jsem závislý na vibecodingu. Včera jsem šest hodin dělal aplikaci a pořád ji ještě nemám na webu."

Kdy zavolat profesionála#

Poslední praktická věc. Když se rozhodnete jít dál než za tým, potřebujete přihlášení, platby přes Stripe a pořádnou databázi. Všechno se dá s pomocí agenta proklikat. Problém je jinde.

"Vy nevíte, co nevíte. Můžete strávit spoustu času tím, že vám chatbot krásně poradí, a stejně si nebudete jistí, že za to teď můžete ručit."

U mobilních aplikací v obchodech je to ještě horší: poplatky za vývojářský účet, recenzní řízení a bariéry, které obchody staví proti záplavě aplikací. Tohle Pavel doporučuje předat někomu, kdo to dělá.

A poslední varování o agentech. Všechno, co se na workshopu stavělo, bylo na zelené louce, a to modelům jde nejlíp. Jakmile pustíte agenta do existujícího projektu, začne to skřípat: zrušíte možnost na jednom místě a ona zůstane na třech dalších. Horší je, že se chyba usadí, protože další agent ji už vidí jako součást zadání.

"On neví, že to se mělo odstranit. Takže najde dvě tlačítka a řekne: tady chybí funkce. A dopíše tu, kterou jste odstranili."