Návrh Školení
Čtyřúrovňová vrstva personalizace
Úroveň 1 | Ví – Pravidla a AGENTS.md
Témata:
• Definování projektových konvencí a standardů kódování
• Dokumentování architektury a technických omezení
• Vytváření nástrojově nezávislých pokynů pro projekt
• Udržení konzistence napříč vývojovými týmy a AI nástroji
Úroveň 2 | Umí – Dovednosti (Skills)
Témata:
• Vytváření opakovaně použitelných jednotek specializovaných znalostí
• Načítání kontextových informací pouze podle potřeby
‡ Snížení velikosti kontextu při současném zlepšení výkonu úloh
• Tvorba knihoven opakovaně použitelných pracovních postupů a odborných znalostí
Úroveň 3 | Dosahuje – MCP (Model Context Protocol)
Témata:
• Připojování AI nástrojů k externím systémům a službám
• Přístup k repozitářům, databázím a zdrojům dokumentace
• Rozšiřování možností AI asistentů pro psaní kódu
• Implementace bezpečných integrací a řízení přístupu
Úroveň 4 | Koná – Agenti (Agents)
Témata:
• Pochopení autonomních AI agentů a jejich možností
• Autonomní čtení, psaní, testování a revize kódu
• Řízení cílům orientovaných pracovních postupů a delegovaných úloh
• Zavedení mechanismů dohledu a lidského přezkoumání pro agentic systémy
Den 1 | Delegování a rozšiřování nástrojů
Modul 1 | Od asistenta k agentovi
Témata:
• Rozdíl mezi AI asistenty a autonomními agenty
• Inline dokončování kódu versus agentic delegování
• Jak agentic pracovní postupy mění strukturu vývojových úkolů
• Identifikace úloh vhodných pro delegování na agenty
• Nejlepší postupy pro spolupráci s autonomními AI systémy
Modul 2 | Delegace, které fungují bez neustálého dohledu
Témata:
• Psaní účinných pokynů pro AI agenty
• Poskytnutí dostatečného kontextu a obchodních požadavků
• Definice omezení a hranic pro vykonávání
• Zavedení jasných kritérií přijetí a měřítek úspěchu
• Minimalizace zásahu člověka při zachování kvality
Modul 3 | Vrstva personalizace a její aplikace
Témata:
• Pochopení čtyřúrovňové vrstvy personalizace
• Využití pravidel a AGENTS.md k definování projektových konvencí
• Určení, které mechanismy personalizace jsou vhodné pro různé scénáře
‡ Efektivní řízení kontextu napříč nástroji a projekty
• Vytváření konzistentních prostředí pro asistovaný vývoj s AI
Modul 4 | Dovednosti (Skills) a subagenta
Témata:
• Vytváření opakovaně použitelných Dovedností pro běžné pracovní postupy a úlohy
• Balování specializovaných znalostí pro opakované použití
• Pochopení role subagentů a izolovaných kontextů
• Delegování ohraničených úloh specializovaným agentům
• Zvýšení efektivity prostřednictvím modulárního AI pracovního postupu
Den 2 | Připojování nástrojů, paralelismus a řízení (Governance)
Modul 5 | MCP: Připojení a tvorba
Témata:
• Pochopení principů protokolu Model Context Protocol (MCP)
• Připojování AI nástrojů k externím systémům a službám
• Integrace prohlížečů, databází, repozitářů a zdrojů dokumentace
• Tvorba vlastního serveru MCP
• Řízení přístupu a bezpečnostní aspekty
Modul 6 | Disciplinovaný agentic pracovní postup
Témata:
• Zavedení opakovatelného procesu asistovaného vývoje s AI
• Brainstorming a plánování s AI agenty
• Společná tvorba a implementace řešení
‡ Testování a validace generovaných výstupů
• Přezkoumání a finální zpracování dodávek s vhodnými kroky ověření
Modul 7 | Paralelní vývoj
Témata:
• Souběžné spouštění více AI agentů
• Práce s izolovanými větvemi a Git worktrees
‡ Koordinace vývojových činností napříč paralelními pracovními postupy
• Spojování a validace výstupů z více agentů
• Zvýšení produktivity prostřednictvím strategií paralelního provádění
Modul 8: Rizika, přezkoumání a řízení (Governance)
Témata:
• Hodnocení a prověřování externích Dovedností (Skills) a serverů MCP
• Pochopení rizik v oblasti bezpečnosti a řízení (governance)
• Správa oprávnění a přístupových práv
‡ Ochrana citlivých dat a duševního vlastnictví
• Zavedení procesů přezkoumání a praktik zajištění kvality
Modul 9: Zavádění AI ve softwarovém vývoji: Případové studie a další kroky
Témata:
• Jak organizace integrují AI do životního cyklu vývoje softwaru (SDLC)
• Reálné případové studie a příklady implementace z různých odvětví
‡ Běžné přístupy zavádění AI: individuální, týmové a firemní
• Typické případy použití napříč SDLC:
• Sběr požadavků a dokumentace
• Generování kódu a prototypování
‡ Testování a zajištění kvality (QA)
• Revize kódu a refaktorování
• Dokumentace a správa znalostí
• DevOps a řízení incidentů
• Modely řízení (governance), politiky a bezpečnostní aspekty
‡ Měření produktivity a návratnosti investic (ROI) asistovaného vývoje s AI
• Tvorba interního plánu zavádění AI
• Definování praktických dalších kroků pro účastníky a jejich týmy
Interaktivní diskusní workshop
• Aktuální výzvy v týmech vývojářů účastníků
‡ Identifikace nejcennějších případů použití pro okamžité zavedení
• Rizika, překážky a organizační aspekty
• Vytvoření počátečního akčního plánu pro integraci AI.<
Požadavky
Profesionální vývojářské zkušenosti, pohodlná práce s terminálem a základní znalost Gitu. Pravidelné používání AI nástroje pro psaní kódu nebo absolvování kurzu Základy.
Cílová skupina
Vývojáři již využívající AI nástroje, techničtí vedoucí odpovědní za zavedení týmů a platformní nebo DevOps inženýři budující Dovednosti (Skills) a servery MCP.
Reference (2)
Používání Claude Code efektivněji
Virgil Trif - Frequentis
Kurz - Claude Code: Agentic AI Development · 1-Day
Přeloženo strojem
Poznal jsem potenciál nástroje a získal dostatečné dovednosti k jeho okamžitému využití ve své práci.
Angelo Moro
Kurz - Claude AI for Developers: Building AI-Powered Applications
Přeloženo strojem