Návrh Školení
Čtyřúrovňový personalizační balík
Úroveň 1 | Ví – Pravidla a AGENTS.md
Témata:
• Definování projektových konvencí a standardů kódování
• Dokumentování architektury a technických omezení
• Vytváření nástrojově nezávislého vedení projektu
• Udržování konzistence napříč vývojovými týmy a nástroji AI
Úroveň 2 | Umí – Dovednosti
Témata:
• Vytváření opětovně použitelných jednotek specializovaných znalostí
• Načítání kontextových informací pouze při potřebě
• Snižování velikosti kontextu při současném zlepšení výkonu úkolů
• Budování knihoven opětovně použitelných pracovních postupů a odborných znalostí
Úroveň 3 | Dosahuje – MCP
Témata:
• Připojení nástrojů AI k externím systémům a službám
• Přístup k repozitářům, databázím a zdrojům dokumentace
• Rozšiřování funkcí asistentů pro kódování s podporou AI
• Implementace zabezpečených integrací a řídících prvků
Úroveň 4 | Koná – Agenti
Témata:
• Chápání autonomních AI agentů a jejich schopností
• Autonomní čtení, zápis, testování a revize kódu
‡ Správa cílově orientovaných pracovních postupů a delegovaných úloh
‡ Zavedení mechanismů dohledu a lidské kontroly pro agentic systémy
Den 1 | Delegování a rozšíření nástrojů
Modul 1 | Od asistenta k agentovi
Témata:
• Chápání rozdílů mezi AI asistenty a autonomními agenty
• Inline dokončování kódu versus agentic delegování
• Jak agentic pracovní postupy mění strukturu vývojových úloh
• Identifikace úloh vhodných pro delegování agentům
• Nejlepší praxe spolupráce s autonomními AI systémy
Modul 2 | Delegování bez neustálého dohledu & Smyčky
Témata:
• Psaní efektivních pokynů pro AI agenty
• Poskytnutí dostatečného kontextu a obchodních požadavků
• Definování omezení a hranic pro realizaci
• Stanovení jasných kritérií přijetí a mír úspěšnosti
• Minimalizace lidského zásahu při zachování kvality
‡ Jak vytvářet Smyčky
Modul 3 | Personalizační balík a jeho uplatnění
Témata:
• Chápání čtyřúrovňového personalizačního balíku
• Použití Pravidel a AGENTS.md pro definování projektových konvencí
‡ Určení, které mechanismy personalizace jsou vhodné v různých scénářích
‡ Efektivní správa kontextu napříč nástroji a projekty
‡ Vytváření konzistentních prostředí pro vývoj s podporou AI
Modul 4 | Dovednosti a podagenti
Témata:
• Vytváření opětovně použitelných Dovedností pro běžné pracovní postupy a úlohy
• Balení specializovaných znalostí pro opakované použití
• Chápání role podagentů a izolovaných kontextů
• Delegování ohraničených úloh specializovaným agentům
• Zvyšování efektivity pomocí modulárních AI pracovních postupů
Den 2 | Připojování nástrojů, paralelismus a řízení
Modul 5 | MCP: Připojit a vytvořit
Témata:
• Chápání principů protokolu Model Context Protocol (MCP)
• Připojení nástrojů AI k externím systémům a službám
• Integrace prohlížečů, databází, repozitářů a zdrojů dokumentace
• Vytvoření vlastního serveru MCP
‡ Správa řízení přístupu a bezpečnostních aspektů
Modul 6 | Disciplinovaný agentic pracovní postup
Témata:
• Zavedení opakovatelného procesu vývoje s podporou AI
• Brainstorming a plánování s AI agenty
• Společné budování a implementace řešení
• Testování a validace generovaných výstupů
‡ Revize a finalizace dodávek s odpovídajícími ověřovacími kroky
‡ Jak nastavit cíle
Modul 7 | Paralelní vývoj
Témata:
• Současné spouštění více AI agentů
• Práce s izolovanými větvemi a Git worktrees
‡ Koordinace vývojových aktivit napříč paralelními pracovními postupy
‡ Slučování a validace výstupů z více agentů
‡ Zvyšování produktivity prostřednictvím strategií paralelního spuštění
Modul 8 | Rizika, revize a řízení
Témata:
• Hodnocení a prověřování externích Dovedností a serverů MCP
• Chápání bezpečnostních rizik a aspektů řízení
‡ Správa oprávnění a přístupových práv
‡ Ochrana citlivých dat a duševního vlastnictví
‡ Zavedení procesů revize a praxí zajištění kvality
Modul 9 | Zavádění AI ve vývoji softwaru: Příklady použití a další kroky
Témata:
• Jak organizace integrují AI do životního cyklu vývoje softwaru (SDLC)
• Reálné příklady použití a implementační příklady z různých odvětví
‡ Běžné přístupy zavádění AI: individuální zavádění, týmové zavádění a organizace-wide enablement
‡ Typické případy použití napříč SDLC:
• Shromažďování požadavků a dokumentace
• Generování kódu a prototypování
• Testování a zajištění kvality
• Revize kódu a refaktoring
• Dokumentace a správa znalostí
• DevOps a řízení incidentů
• Modely řízení, zásady a bezpečnostní aspekty
• Měření produktivity a návratnosti investic (ROI) vývoje s podporou AI
‡ Vytvoření interní cesty zavádění AI
‡ Definování praktických dalších kroků pro účastníky a jejich týmy
Interaktivní diskusní dílna
• Aktuální výzvy v rámci vývojových týmů účastníků
• Identifikace hodnotných případů použití pro okamžité zavedení
• Rizika, překážky a organizační aspekty
‡ Vytvoření počátečního akčního plánu pro integraci AI.
Požadavky
Zkušenosti s profesionálním vývojem, zdatnost v terminálu a znalost Gitu. Pravidelné používání nástroje pro kódování s podporou AI nebo dokončení kurzu Základy.
Cílová skupina
Vývojáři již využívající nástroje AI, techničtí vedoucí zodpovědní za zavádění do týmu a platformoví nebo DevOps inženýři budující Dovednosti a servery MCP.
Reference (2)
Učení se, jak správně zadávat pokyny Claude a jak ho využít k zpracování všech dostupných dat.
Mike Hartleroad - Furniture Row
Kurz - Claude AI for Data Analysis and Business Intelligence
Přeloženo strojem
jak zapojit do prostředí kanceláře a nastavit opakující se úlohy
Matthew Wallace - Group CBS
Kurz - Claude AI for Workflow Automation and Productivity
Přeloženo strojem
