Knihovna
Sbírka odkazů, tipů ze setkání a poznámek k AI, vibecodingu a AI asistovanému vývoji softwaru.
AI obecně
Odkazy
| Matthew Berman [YouTube] | Kanál o AI nástrojích, testech a praktických ukázkách. Skvělý zdroj pro sledování novinek v AI světě. | Q1/2026 |
| Moonshots with Peter Diamandis [YouTube] | Rozhovory o odvážných, transformačních cílech („moonshots“), exponenciálních technologiích a dlouhodobě optimistické vizi budoucnosti. | Q1/2026 |
| Andrej Karpathy (X/Twitter) | Novinky a postřehy o AI, technologii a budoucnosti. Skvělý zdroj pro sledování trendů přímo od zdroje. | Q1/2026 |
Tipy
- AI není náhrada, ale akcelerátor. Vývojář stále musí držet vizi a mantinely, jinak se kód po pár iteracích rozpadne.
- Kritické myšlení je klíčové. AI dokáže lhát v testech i v dokumentaci. Vše, co vygeneruje, je nutné validovat.
- Nebát se experimentovat. Ať už jste junior co dělá vibecoding, nebo senior architekt, AI vám umožní proniknout do oblastí, které by vám dříve trvaly roky.
Vibecoding
Odkazy
| Cursor | AI-powered editor, který mění způsob, jak programujeme. Skvělý pro vibecoding a rychlý vývoj. | Q1/2026 |
| Claude Code | Claude zaměřený na kódování. Výborný pro komplexní úkoly a plánování. | Q1/2026 |
| Gemini CLI | Příkazová řádka pro Google Gemini. Užitečný nástroj pro práci s AI přímo z terminálu. | Q1/2026 |
| After Two Years of Vibecoding | Reflexe dvou let vibecodingu. Realistický pohled na výhody i úskalí práce s AI. | Q1/2026 |
Tipy
- Pro vývoj se osvědčilo detailní plánování a specifikace, přepínání mezi odlišnými modely pro různé typy práce a specifické číslování v komunikaci s agentem.
- Čeština jako promptovací jazyk funguje skvěle, angličtina pro dokumentaci.
- Používejte pomocné soubory typu code.md a oddělte fázi plánování od samotné realizace.
- Pro složité výpočty (optika, astrofyzika) je ideální nejdříve nechat deep thinking model navrhnout prompt pro kódovací model.
- Celý projekt můžete vyvíjet bez IDE, čistě v cloudovém prostředí Codexu.
AI Assisted SW Development
Odkazy
| OpenSpec | Spec-driven development platforma. Budoucnost vývoje je v iterativním ladění specifikace, ne dlouhých promptech. | Q1/2026 |
| SDDBMAD vs Spec Kit vs OpenSpec vs PromptX | Porovnání spec-driven nástrojů. Který vybrat a proč? Praktický přehled možností. | Q1/2026 |
| GitHub Spec Kit | Spec-kit od GitHubu pro spec-driven development. Oficiální nástroj pro práci se specifikacemi. | Q1/2026 |
| AI Coding Agents (Jan 2026) | Aktuální přehled AI coding agentů. Co funguje, co ne a kam se obor posouvá. | Q1/2026 |
| Agentic Workflow Architectures Guide | Kompletní průvodce architekturami agentních workflow. Jak stavět systémy s více agenty. | Q1/2026 |
Tipy
- Kontext je vše. Úspěch závisí na tom, jak dobře AI omezíte kontext (menší chaty, package-per-feature, přesná pravidla v .cursorrules).
- Specifikace nad řádky kódu. Přecházíme z éry "piš mi kód" do éry "ladíme specifikaci, kterou pak agenti exekuují".
- Pro udržení kontextu považujte za nutnost časté zakládání nových session chatů a manuální summary. V summary mějte striktní pravidla jako např. povinnost zkompilovat kód po sobě, dodržování design patternů nebo automatická inkrementace verzí cache.
- Tradiční vrstvená architektura je pro AI nepřehledná, lepší je package-per-feature. Pro omezení halucinací používejte referenční existující části kódu.
- Plánovací mód funguje skvěle, pokud má vývojář silnou doménovou znalost. Pokud člověk neví, co chce postavit, AI vygeneruje bordel.
- V iterativním módu nechte AI rozsekat úkol na menší části (3–4x iterovat plán, než je správně). Pokud AI začne ignorovat pravidla nebo formátování (např. přestane číslovat body), je to jasný signál ztráty kontextu a je čas na nový chat.
- K AI je nejlepší přistupovat jako k velmi rychlému, ale hloupému juniorovi. Nejlépe funguje, když dostává malé, jasně vymezené úkoly (chunks).
- Vytvořte si systém, kde jeden agent (koordinátor) naplánuje práci a připraví prompty pro další agenty, kteří pak paralelně nebo sekvenčně vykonávají dílčí úkoly.
- U velmi specifických úloh, jako jsou matematické optimalizace nebo psaní shaderů (GPU kód), může být AI překvapivě lepší než člověk díky své znalosti hardwaru a teorií.
- U shaderů zkuste zadat požadavek na branchless kód (bez podmínek if). AI často najde matematické řešení, které by člověk vymýšlel hodiny. AI je skvělý konzultant pro algoritmy, ale nevidí širší fyzikální souvislosti.
- Vysokoúrovňový nápad (Heuréka moment) musí stále přijít od člověka.
- Teorie (nízkoúrovňové algoritmy) je stále nezbytná, ne pro psaní kódu, ale pro schopnost kriticky posoudit výstup z AI. Bez hlubšího porozumění problému vývojář nepozná, kdy AI halucinuje nebo kdy vytvořila výkonově neoptimální řešení.
- Vývojář budoucnosti musí umět kód z AI "ušít" a včas identifikovat, kdy je potřeba refaktorizace.