AI agent v každodenní práci Podklady k minisemináři o AI agentech

Tento zápisek doprovází miniseminář o využití AI agentů. Slouží k tomu, abyste si mohli dohledat odkazy a vrátit se k tématům, která na semináři zazněla.

Cíl¶

• Ukázat kolegům, jak využít AI agenta a nechat ho, aby pracoval za ně.
• Nebudu vám ukazovat, co a jak máte dělat. Ukážu vám, jak to dělám já a co je pro mě zajímavé a užitečné. Dělám to s vírou, že to bude užitečné a/nebo inspirující i pro vás.
• Používám Claude Code. Jiní agenti (OpenAI Codex, Gemini CLI, GitHub Copilot agent, …) fungují velmi podobně, takže většina věcí platí i pro ně.

Chatbot × agent¶

Klasický chatbot (webové rozhraní ChatGPT, Claude, Gemini) jen odpovídá textem. Výsledek si musíte sami zkopírovat, uložit, spustit a výsledek mu zase vložit zpět.

AI agent dostane nástroje: může číst a zapisovat soubory, spouštět příkazy, stahovat z internetu, pracovat s e-mailem nebo kalendářem. Pracuje ve smyčce: naplánuje krok → provede ho → podívá se na výsledek → pokračuje nebo opraví chybu. Vy zadáte cíl, agent ho dotáhne.

Poznámka k Linuxu¶

Používám Linux a moje workflow je na tom postavené. Linux jsem si nezvolil proto, že je zadarmo, ale proto, že mi vyhovuje shell-first workflow, nehází mi klacky pod nohy a můžu si ho libovolně ohnout a přizpůsobit. AI mi v tom hodně pomáhá a díky ní jsem se v této oblasti stal o hodně efektivnější.

Linux obsahuje spoustu nástrojů, které AI agent zná a umí je velmi efektivně použít (grep, find, sed, ffmpeg, imagemagick, pandoc, git, …). Nevím, jak je to jinde, ale já jsem v kontextu AI agenta šťastný z toho, že:

• používám prostý text a LaTeX (žádné .docx),
• orientuju se na příkazový řádek a dávkové úlohy,
• píšu (nebo nechám psát) skripty pro shell nebo Python.

Linux mě ke všem těmto věcem dovedl. Když jsem ho začal používat, zjistil jsem, že práce s těmito nástroji může být veselá zábava. Pro agenta je to ideální prostředí: textové soubory umí číst i měnit a příkazy umí spouštět bez klikání v grafickém rozhraní.

BTW¶

Určitě se podívejte, jak Marek Bartoš mluví o knize Já, robot (Naše problémy s AI popsal Asimov už před 75 lety). A pokud jste učitel, který má vliv na seznam maturitní četby, tak tuhle knihu určitě zařaďte!

Agent Claude Code¶

Instalace¶

Oficiální návod je v dokumentaci Claude Code. Na Linuxu a macOS stačí:

1

curl -fsSL https://claude.ai/install.sh | bash

Na Windows (PowerShell):

1

irm https://claude.ai/install.ps1 | iex

Potom v adresáři, ve kterém chcete pracovat, spustíte claude a přihlásíte se svým účtem.

Lokálně × v sandboxu¶

• Lokálně – agent běží na vašem počítači ve vašem adresáři. Vidí vaše soubory, spouští příkazy vaším jménem, má přístup k připojenému telefonu, tiskárně atd. Je to nejsilnější, ale taky nejrizikovější varianta.
• V sandboxu – agent běží v izolovaném prostředí (cloudový virtuální stroj na claude.ai/code, kontejner, virtuálka). Nemůže poškodit váš systém, ale taky nevidí vaše lokální data a zařízení.

Cena a tarify¶

• Free – chat na webu, pro Claude Code nestačí.
• Pro – základní placený tarif, Claude Code je v ceně.
• Max – několikanásobně vyšší limity, pro intenzivní každodenní práci.
• Platba za API – platíte za každý spotřebovaný token. Hodí se pro automatizaci a vlastní aplikace. Při běžné interaktivní práci vyjde předplatné obvykle výrazně levněji.

Aktuální ceny a limity: https://claude.com/pricing.

Modely¶

• Haiku – nejmenší a nejrychlejší, levný. Jednoduché a rutinní úlohy.
• Sonnet – dobrý poměr výkon/cena, výchozí volba pro většinu práce.
• Opus – nejschopnější, pro složité úlohy, plánování a větší projekty. Rychleji vyčerpá limity.

Model se přepíná příkazem /model. Rozumná strategie: začít s výchozím modelem a silnější použít, až když si agent neví rady.

Bezpečnost a soukromí dat¶

• Nikdy nenahrávejte do cloudového modelu bez rozmyslu citlivá data žáků (jména, známky, zdravotní a jiné osobní údaje). Platí GDPR. Pokud to jde, data anonymizujte.
• Agent může halucinovat. Výstup (fakta, kód, citace, odkazy) vždy ověřte. Za výsledek odpovídáte vy, ne agent.
• Agent dělá skutečné akce. Může smazat soubor nebo odeslat e-mail. Proto je důležité nastavení oprávnění (viz níže) a zálohy.
• Prompt injection – instrukce schované ve stažené webové stránce nebo v dokumentu se mohou pokusit agenta zmanipulovat. Buďte opatrní, když agent zpracovává obsah z nedůvěryhodných zdrojů.

Markdown a Pandoc¶

Markdown je jednoduchý formát prostého textu. Nadpis napíšete jako ## Nadpis, tučné písmo jako **tučně**, odrážky jako * položka. Text je čitelný i bez jakéhokoli převodu. Tento web je napsaný v Markdownu.

Proč je to dobré pro práci s AI:

• AI modely Markdown „mluví“ nativně – přesně takhle formátují své odpovědi,
• prostý text je malý, dobře se prohledává, porovnává a verzuje (Gitem),
• nezávisí na žádném programu ani jeho verzi.

Pandoc je univerzální převodník dokumentů. Z Markdownu udělá .docx, .odt, PDF (přes LaTeX), HTML nebo prezentaci a funguje to i obráceně:

1
2
3

pandoc poznamky.md -o poznamky.docx
pandoc zadani.docx -o zadani.md
pandoc prednaska.md -t beamer -o prednaska.pdf

Agent Pandoc zná, takže stačí napsat „převeď to do Wordu“.

Git¶

Git je systém pro správu verzí. Nemusíte ho umět ovládat – ovládat ho umí agent. Důležité je vědět, k čemu je dobrý:

• Stroj času – každá uložená verze (commit) jde kdykoli obnovit. Když agent něco pokazí, jedním příkazem se vrátíte zpět.
• Přehled změn – vidíte přesně, co agent v souborech změnil (git diff).
• Záloha a sdílení – repozitář lze synchronizovat na GitHub/GitLab.

Pracovat s agentem v adresáři pod Gitem je výrazně bezpečnější. Stačí agentovi říct: „Ulož změny do gitu.“

Práce s agentem¶

Základní ovládání Claude Code:

• /prikaz – lomítkem začínají příkazy a skilly (/help vypíše přehled).
• @soubor – zmínka o souboru; agent si soubor načte do kontextu.
• /context – ukáže, jak je zaplněný kontext (pracovní paměť modelu).
• /compact – shrne dosavadní konverzaci a uvolní místo v kontextu.
• /clear – začne s čistým kontextem. Hodí se při přechodu na nový úkol.
• /usage – ukáže, kolik z limitů předplatného jste vyčerpali.
• !prikaz – spustí příkaz v shellu přímo, bez agenta.
• Esc – přeruší agenta; Esc Esc – návrat k dřívějšímu místu konverzace.

Plný kontext zhoršuje kvalitu odpovědí. Proto je dobré pro každý nový úkol začít /clear.

Oprávnění (permissions)¶

Režimy se přepínají klávesou Shift+Tab:

• manual (výchozí) – ptá se před každou akcí, která něco mění.
• accept edits – úpravy souborů dělá sám, na spuštění příkazů se ptá.
• auto – potvrzuje jen potenciálně nebezpečné akce.
• plan mode – jen prozkoumá situaci a navrhne postup, nic nemění. Ideální pro začátek větší práce.
• bypass / yolo (claude --dangerously-skip-permissions) – bez dotazu. Rizikové, používejte jen v sandboxu.

Podrobnosti: dokumentace k oprávněním.

Konkrétní ukázky¶

• LLM Wiki – myšlenka Andreje Karpathyho. Agent nemá pokaždé znovu prohledávat zdrojové dokumenty. Místo toho z nich průběžně buduje a udržuje vlastní wiki v Markdownu s odkazy a shrnutími. Znalosti se tak „zkompilují“ jednou a postupně přibývají.
• https://gitlab.com/spseol/pmz/ – ukázka školního projektu, na kterém s agentem pracuji.
• Záloha kontaktů z hodně starého telefonu BlackBerry a přenos na ne tak starý, ale rozhodně ne nový BlackBerry. Claude stáhl software, který se už několik let nevyvíjí, zkompiloval ho, vyřešil zastaralé části kódu a provedl přesun dat. Já jsem jen seděl a připojoval telefony do USB.

Prompty¶

Několik příkladů zadání. Všimněte si, že nepopisují jak, ale co chci.

Shrnutí videa:

1
2

Stáhni titulky z tohoto videa a vypiš mi velmi stručně hlavní myšlenky jako Markdown.
https://www.youtube.com/watch?v=_i4FJ_Bi__E

Totéž, ale rovnou do osobní wiki (Zim):

1
2
3

Stáhni titulky z tohoto videa a vypiš mi hlavní myšlenky do mé Zim-Wiki v @~/zim
https://www.youtube.com/watch?v=_i4FJ_Bi__E
Cílem je, abych mohl postup zopakovat/vyzkoušet/ověřit.

Práce s připojeným zařízením:

1
2

Stáhni mi z telefonu, který mám připojený přes USB, všechny fotky vyfocené dnes
a ulož mi je do adresáře ABC...

Příprava do výuky:

1
2
3
4
5

Stáhni z YT video (s titulky) a připrav mi z něj prezentaci do výuky fyziky.
Prezentace je určena pro 3. ročník střední školy.
Zároveň mi připrav Markdown soubor s poznámkami, až se k tomu za rok vrátím,
abych se v tématu dokázal rychle zorientovat.
https://www.youtube.com/watch?v=TLtl1rTZBX0

Výsledek: ukázková prezentace.

Korektura dokumentu:

1

Projdi soubor @dokument.docx a oprav chyby a překlepy.

Hromadná úprava souborů a odeslání:

1
2
3

V tomto adresáři jsou tematické plány z minulého roku, všechny je projdi a přepiš
aktuální školní rok na `2026/2027`. Až to budeš mít, pošli je všechny jako přílohu
na predseda@spseol.cz

Písemka v LaTeXu a z ní rovnou skill (viz níže). Jako vzor stačí vyfocené modelové příklady:

1
2
3
4
5

Podle těchto modelových příkladů @nasobeni_mnohoclenu.jpg mi připrav písemku
ve třech různých variantách (A, B, C). Použij LaTeX, kompiluj pomocí `luatex`.
Vše v jednom souboru, každá varianta na samostatné stránce.

Zároveň mi z tohoto vzoru připrav skill `/latex:pisemka:matematika`

Connectors a MCP¶

MCP (Model Context Protocol) je otevřený standard, přes který se AI agent připojuje k dalším službám a programům. Každá služba nabídne agentovi sadu nástrojů („přečti e-maily“, „vytvoř událost v kalendáři“, …) a agent je pak používá stejně jako své vestavěné nástroje. V Claude se tato propojení jmenují connectors. Konfigurují se na claude.ai, v Claude Code příkazem /mcp.

Příklady:

• Gmail, Google Calendar, Google Drive
• Canva, Dropbox
• Blender – agent modeluje ve 3D
• Claude in Chrome – agent ovládá váš prohlížeč (kliká, vyplňuje formuláře, čte stránky)

Příklad promptu:

1
2

Přesuň v kalendáři zítřejší schůzku s předsedy PK na příští týden
(stejný den a čas). Všechny zúčastněné uvědom e-mailem.

Skilly¶

Skill je návod pro agenta uložený v souboru. Je to adresář se souborem SKILL.md, který obsahuje název, krátký popis (kdy skill použít) a podrobné instrukce. Volitelně může obsahovat skripty nebo šablony. Agent zná jen popisy skillů; celý návod si načte, až když ho potřebuje. Skill lze vyvolat i ručně jako /nazev-skillu.

Skilly se ukládají do ~/.claude/skills/<nazev>/SKILL.md (pro všechny projekty) nebo do .claude/skills/ v projektu. Nejjednodušší je nechat skill napsat agenta: „Z toho, co jsme teď dělali, udělej skill.“

Příklad: můj skill pro Claws Mail. Agent podle něj připraví koncept e-mailu (adresát, předmět, text, přílohy) a já ho jen zkontroluju a odešlu.

Dokumentace: Agent Skills.

Pluginy¶

Plugin je balíček, který může obsahovat více skillů, příkazů, sub-agentů, hooků a MCP serverů najednou. Instaluje se z „marketplace“ příkazem /plugin.

• Caveman – agent odpovídá úsporně „jazykem jeskynního muže“. Šetří tokeny a čas na čtení.
• security-review – kontrola kódu na bezpečnostní chyby před commitem (v Claude Code dostupné jako /security-review).

Dokumentace: Plugins.

Vibe-coding a smyčky¶

Vibe-coding je styl práce, kdy aplikaci necháte celou napsat agenta. Vy popisujete, co chcete, a zkoušíte výsledek; do kódu se skoro nedíváte. Pro drobné nástroje pro vlastní potřebu je to skvělé. U čehokoli, co používají ostatní, je nutné výsledek zkontrolovat.

Desetiminutové video: Postavil jsem si s AI aplikaci, co sleduje parkování (Filip Oborník, AI s rozumem).

Smyčky¶

Běžně agent skončí, když si myslí, že je hotovo. Smyčky ho nutí pracovat, dokud není splněno ověřitelné kritérium.

• /goal <podmínka> – nastaví cíl, který agent kontroluje, než skončí. Pokud podmínka splněna není, pokračuje v práci (např. „všechny testy prochází“).
• LongHorizon-Harness – framework pro dlouhé úlohy (i desítky hodin). Tři role: Manager plánuje, Executor provádí, Auditor ověřuje. Dál se postupuje jen s ověřeným výsledkem.
• loop-engineering-plugin – plugin pro Claude Code. Rozloží velký úkol na ověřitelné dílčí cíle, iteruje s kontrolou v čistém kontextu, pozná, že se práce zasekla, a naučené poznatky si ukládá pro příště.