Návrh Školení
Od automatického doplňování k agentům: proč agenti selhávají
• Anatomie kódovacího agenta: model, rámec, povrch nástrojů, kontext, oprávnění
• Umístění jednotlivých nástrojů: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• Taxonomie selhání: chybný kontext, chybné nástroje, chybějící zpětná vazba, neomezená autonomie
Demonstrace: Tentýž úkol provedený správně a špatně vedle sebe
Inženýrství kontextu
• Okno kontextu jako rozpočet: co si v něm zaslouží místo
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — jeden koncept, několik názvů souborů, jeden zdroj pravdy
• Konvence, příkazy pro sestavení a testování, architektonické hranice
• Získávání (retrieval) versus explicitní kontext; dekompozice úkolů a sub-agenti
Cvičení: Napište kontext repozitáře pro neznámou službu v Pythonu, poté znovu spusťte selhající úkol a porovnejte výstup
Opakovaně použitelné pracovní postupy a dovednosti agenta
• Výběr abstrakce: soubor instrukcí, dovednost, vlastní příkaz nebo obyčejný skript
• Anatomie dovednosti: spouštění, instrukce, přiložené skripty, progresivní odhalování
• Přenositelnost napříč nástroji a místa, kde začíná závislost na jednom řešení (lock-in)
• Verzování, review a distribuce napříč týmem; běžné anti-paterny
Cvičení: Vytvořte a otestujte opakovaně použitelný pracovní postup, který vynucuje domovní kódovací standard
MCP: připojení agentů k reálným systémům
• Architektura: klienti, servery, nástroje, zdroje a prompty; přenosy stdio a HTTP
• Servery, které si zaslouží své místo: hostování Gitu, systémy pro sledování problémů, databáze, prohlížeče, interní API
• Kdy CLI nebo skript překoná server MCP
• Hygiena povrchu nástrojů: proč více nástrojů znamená menší spolehlivost
Cvičení: Propojte servery MCP a dokončete úkol od začátku do konce — problém, větev, patch, testy, pull request
Zpětnovazební smyčky a hodnocení
• Testy, typy a linter jako základní pravda pro agenta; práce „test-nejprve“ jako mechanismus kontroly
• CI jako vnější smyčka a disciplina revize diffů autorovaných agenty
• Sady hodnocení zlatých úkolů: co měřit a jak zachytit regresní chyby
• Náklady a latence jako metriky první třídy
Cvičení: Vytvořte malou sadu hodnocení a ohodnoťte proti ní dvě konfigurace agenta
Zabezpečení a ochranná opatření
• Prompt injection prostřednictvím problémů, pull requestů, README, závislostí a načtených stránek
• Modely oprávnění: allowlisty, schvalování, nástroje pouze pro čtení, kontrola odchozího síťového provozu
• Hygiena tajných údajů a sandboxing: kontejnery, jednorázové přihlašovací údaje, omezení rozsahu škody
• Riziko dodavatelského řetězce u třetích stran MCP serverů a sdílených dovedností
Cvičení: Sledujte, jak je agent unesen pomocí znehodnoceného repozitáře, poté posilte nastavení, aby se tak nestalo
Nasazení tohoto přístupu pro tým
• Etapovaná cesta adopce; co standardizovat a co nechat na jednotlivcích
• Metriky, které indikují skutečnou hodnotu, a ty, které nikoli
Požadavky
• Pracovní znalost Pythonu, Gitu a příkazového řádku
• Některé přímé zkušenosti s AI kódovacím asistentem
• Společnost NobleProg pro účastníky nastaví virtuální stroje Dadesktop s Dockerem, VS Code a Pythonem 3.11 nebo novějším
• Funkční AI kódovací asistent dle vlastního výběru účastníka: Claude Code, GitHub Copilot, Cursor, Codex CLI nebo Gemini CLI. Cvičení jsou nástrojově neutrální a pokyny jsou poskytovány pro každý z nich
Cílová skupina
• Softwaroví inženýři, techničtí vedoucí a architekti využívající AI kódovací asistenty bez dosažení spolehlivých výsledků
• Inženýři platform a vývoje uživatelského zážitku (developer-experience), kteří nasazují AI nástroje napříč týmy
• Manažeři inženýrství stanovující normy, ochranná opatření a metriky úspěchu
Reference (3)
Intruktor je trpělivý a velmi nápomocný. Dobře zná danou problematiku.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kurz - Agentic AI for Business Automation: Use Cases & Integration
Přeloženo strojem
Dobrý zmatek znalostí a praxe
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurz - Agentic AI for Enterprise Applications
Přeloženo strojem
Míchání teorie a praxe a pohledů z vysokého i nízkého úrovní
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurz - Autonomous Decision-Making with Agentic AI
Přeloženo strojem
