Newsletter

Loni v prosinci daly Anthropic, OpenAI a Block svoje vlastní řešení do společné nadace, aby z nich byl jeden standard. Mezi zakládajícími členy jsou vedle nich i Google, Microsoft a Amazon.

Shodly se na dvou věcech, které na sebe navazují:

• jak se AI připojuje k vašim datům, nástrojům a aplikacím, třeba ke Google kalendáři
• jak jí zapsat pokyny k úkolu, na kterém zrovna pracujete, aby si je přečetla sama a nemuseli jste jí je diktovat pokaždé znovu

Proč o tom mluvím: znamená to, že co se naučíte u nástroje jedné firmy, přenesete k podobnému nástroji té druhé.

Dneska se tedy budeme bavit o tom, kdy použít kterou skupinu, a taky o tom, jak vůbec začít.

Tohle číslo bude delší než obvykle. Psala jsem ho zčásti i kvůli sobě, protože jsem si v tom chtěla udělat pořádek. Dokud sama něčemu nerozumím, těžko to vysvětlím někomu jinému.

Co je agent

Chat znáte. Zeptáte se, dostanete text a ten si zkopírujete k sobě do dokumentu.

Agent pracuje jinak. Dáte mu cíl, on si sám otevře vaše soubory, udělá dvacet kroků za sebou a vrátí se s hotovou prací.

Agent je způsob, jakým ten nástroj uvnitř pracuje. Sám o sobě se nikde nestahuje, běží v pozadí nástrojů, které znáte pod jinými jmény. Takových nástrojů je dneska řada a dělí se na dvě skupiny:

• První skupina: Claude Cowork a Work v ChatGPT
• Druhá skupina: Claude Code a Codex od OpenAI

Rozdíl přitom není v tom, co ty nástroje umí. Obě firmy to píšou samy: Cowork stojí na stejné agentní architektuře jako Claude Code a Work má v sobě rovnou technologii Codexu.

Rozdíl je v tom, kde ten nástroj běží a kam až dosáhne.

První skupina běží ve virtuálním stroji. Je to počítač uvnitř vašeho počítače, oddělený od zbytku. Dostane se do něj jen složka, kterou mu vyberete, a nic jiného z vašeho počítače vidět není. Tomuhle ohraničenému prostředí se říká sandbox.

Druhá skupina běží přímo na vašem počítači. Dosáhnou na vaše soubory, na příkazovou řádku i na internet. Ne že by to dělaly samy od sebe, pustíte je tam vy, ale ten rozdíl je podstatný a vrátím se k němu na konci.

Když mi stačí výsledek

První skupina je pro chvíle, kdy nepotřebujete mít kontrolu nad celým procesem a zajímá vás čistě výsledek. Ať si to daný nástroj udělá, jak chce.

A právě proto, že běží ve svém ohraničeném prostředí, se nemusíte bát, že si něco pokazíte v počítači. Pro netechnického člověka je to přesně ta pojistka, která mu dovolí to vůbec zkusit.

Dva příklady úkolů, na které se to hodí:

• chci uklidit složku
• chci vzít soubory z jedné složky a udělat z nich prezentaci

Cowork takové úkoly sám nabízí. Organize my inbox. Send me a daily briefing. Customize Cowork for me.

Kde to u mě přestalo stačit, byly dvě věci. První je čas. Zkoušela jsem v Coworku prohledávat soubory, procházela jsem dotazníky, které mám na různých místech, a hledala v nich informace. Trvalo to hrozně dlouho, úplně nepředstavitelně.

Druhá věc je vážnější. U práce, kterou dělám pravidelně, mi vadí, že ji Cowork pokaždé může udělat jinak. A já pořád nevidím, co se v pozadí děje.

Když chci vidět, co se děje

Proto jsem přešla ke druhé skupině, konkrétně ke Claude Code. Chci vidět jednotlivé kroky a mezikroky, chci si je rozkliknout a podívat se, co v kterém souboru nástroj změnil. A chci, aby se opakovaná práce dělala pokaždé stejně.

Nejde ale jenom o ty kroky. Se soubory můžu pracovat ve VS Code i sama, což v Coworku nejde. A protože je to Visual Studio Code, můžu si přidat další rozšíření (třeba na práci s html či Python soubory).

Spousta lidí si přitom doteď myslí, že se Claude Code dá spustit jenom v terminálu, v tom černém okně s příkazovou řádkou. Kdysi to tak bylo, dneska už ne. Anthropic sám dnes uvádí čtyři různá rozhraní a za všemi je tentýž nástroj, takže vaše nastavení i soubory s pravidly platí všude stejně. Já jsem na terminál líná, tak mám Claude Code jako rozšíření přímo ve Visual Studio Code a funguje jako chat, podobně jako to, co znáte z webu. Codex od OpenAI se přidá stejně.

Věci, které dělám opakovaně, dávám do souboru, který si AI čte jako první. U Anthropicu se ten soubor momentálně jmenuje CLAUDE.md, u OpenAI AGENTS.md a je to přesně ta druhá věc, na které se ty firmy v nadaci dohodly. Tohle jde i v Coworku, jen ve Visual Studio Code k tomu souboru mám přístup jako ke každému jinému a můžu ho kdykoli přepsat.

Stejné je to se skilly. Do těch se můžu podívat, AI mi je pomůže vytvořit a jsou to zase obyčejné textové soubory, které můžu měnit.

A ještě něco, kdyby vás odrazovalo slovo Code v názvu. Anthropic prošel zhruba 400 000 sezení v Claude Code od 235 000 lidí. Softwaroví profesionálové dotáhli úkol do konce v 34 % případů, lidé z jiných oborů ve 29 %. O úspěchu podle té analýzy nerozhodovalo, jestli člověk umí programovat, ale jestli rozumí problému, který řeší. Zajímavé, že?

Čím začít

Pokud zatím nemáte žádné zkušenosti s těmito typy nástrojů, doporučila bych vám začít s Coworkem nebo s Workem. Obojí se hodí hlavně na jednorázové, neopakující se úkoly, kde je pokaždé jiné zadání.

Vytvořte si kopii nějaké svojí složky s dokumenty, které byste chtěli shrnout, nebo s tabulkami, ze kterých si chcete nechat udělat analýzu. Tu složku pak přidejte do Coworku a zeptejte se, jak vám může pomoci.

Pokud ale děláte něco pořád dokola nebo chcete rozumět tomu, co se u daného úkolu děje v pozadí, jděte rovnou nebo postupně do Visual Studio Code. Zvlášť když pracujete s různými typy souborů: s tabulkami v CSV, poznámkami v Markdownu, stránkami v HTML nebo skripty. Ve Visual Studio Code je otevřete všechny najednou a vedle sebe.

Dál tam můžete verzovat, tedy vracet se ke starším verzím, a můžete si to prostředí postavit tak, jak chcete. Nepotřebujete k tomu terminál a nemusíte umět programovat.

Pár upozornění

A ještě něco, s čím počítejte. Nástrojů první skupiny bude přibývat, letos v dubnu k nim přibyl Claude Design na tvorbu grafiky a prezentací. Pod tím vším ale zůstává stejná agentní technologie.

Teď k té opatrnosti, kterou jsem slíbila. Týká se druhé skupiny, té, která běží přímo u vás v počítači. Proto si ze začátku nastavte režim, ve kterém každou změnu odklepnete vy.

Já jsem takhle začínala taky. Dneska už používám automatický režim, ale mám k tomu verzování, takže se vždycky můžu podívat, co se změnilo, a vrátit to.

A k ceně. Cowork je jen v placených tarifech. ChatGPT má Work i Codex i v bezplatném tarifu, byť s limity, takže se tam dá začít zadarmo. Na pořádné testování to ale nevystačí, a hlavně, OpenAI to sama označuje za dočasné, takže nepočítejte s tím, že to tak zůstane.

Na tohle téma vedu workshop AI ve Visual Studio Code. Až proběhne, zůstane z něj na stejné adrese videokurz.

Odkud to mám

Všechno výše je z dokumentace výrobců, ať si to můžete ověřit sami.

• Společná nadace pod Linux Foundation, prosinec 2025
• Co je Claude Cowork a v jakých tarifech je
• Cowork stojí na stejné architektuře jako Claude Code
• Jak Anthropic ohraničuje svoje nástroje
• Architektura Coworku a připojené složky
• Čtyři rozhraní Claude Code
• Analýza 400 000 sezení v Claude Code
• Work a Codex v bezplatném tarifu ChatGPT
• ChatGPT Work má v sobě technologii Codexu
• Claude Design

P.S. Zkouška, jestli jsem to vysvětlila srozumitelně: kdybyste chtěli, aby se stejná práce udělala pokaždé stejně, po které skupině byste sáhli? Napište mi to jedním slovem, udělá mi to radost.

K tomuhle tématu jsem se dopracovala až na vysoké škole. Bylo mi jasné, že se všechny státnicové otázky z pedagogiky a psychologie nenaučím nazpaměť. Tak jsem se dostala k myšlenkovým mapám. Vypracovávat otázky do map mě bavilo a magisterské státnice jsem zvládla. A to jsem v té době už pracovala na plný úvazek jako manuální testerka v IT.

Naplno mě ale téma učení pohltilo, až když jsem začala učit já. Chtěla jsem pochopit, co se musí v hlavě stát, aby student věci nezapomněl a hlavně je uměl použít.

Jak se učím, když si připravuju nové téma

Nejdřív si napíšu, nebo spíš nadiktuju, všechno, co k tématu vím. A rovnou si píšu otázky, na které neznám odpověď. V té chvíli mám ještě mysl začátečníka. Vím, že když ty otázky napadly mě, napadnou i moje studenty.

Pak hledám odpovědi. Dřív v knihách nebo přes Google, dnes se ptám i AI. Ale co mi napíše, to si ověřuju. Například když jsem si nastudovávala Bloomovu taxonomii (žebříček, který popisuje hloubku učení), AI mi vypsala jednotlivé úrovně. Jenže v jiné konverzaci vypadaly trochu jinak. Že existuje novější verze, ve které jsou dvě úrovně prohozené, a proč, to jsem si musela dohledat sama.

Takhle jedu několik koleček: otázka, odpověď, ověření.

A nakonec si ověřím, že dané téma opravdu umím. Představím si, že ho vysvětluju úplnému začátečníkovi, a odpovídám na ty otázky ze začátku. Z hlavy, vlastními slovy. Kde zaváhám, tam je mezera, kterou potřebuju doplnit. Když to umím vysvětlit začátečníkovi, ovládám dané téma.

Znáte přísloví kdo neumí, ten učí? U mě platí obráceně. Nejlíp se něco naučím tak, že to učím.

Studenti mi občas píšou, že se mnou některé věci konečně pochopili. Není za tím talent. Jsou za tím ty otázky, které si píšu na začátku, dokud ještě myslím jako začátečník.

A tohle můžete použít i vy. Funguje to na cokoli, co se učíte:

• pište si otázky, na které neznáte odpověď
• odpovědi si vybavujte z hlavy
• vysvětlujte vlastními slovy (klidně jen na papír pro imaginárního začátečníka)

Tip: zeptejte se AI dvakrát

Když se dnes něco učíte, nejspíš se zeptáte i AI. To je v pořádku, sama to tak dělám. Jen neberte první odpověď jako hotovou věc. Zeptejte se na totéž ještě jednou, v nové konverzaci.

Přesně tak jsem odhalila ty dvě verze Bloomovy taxonomie. V jedné konverzaci vypadaly úrovně jinak než v druhé. AI mi neřekla, že existují dvě verze. Prozradilo ji až to, že si protiřečila.

Proč to funguje? AI neodpovídá z databáze faktů. Text pokaždé znovu skládá podle pravděpodobnosti. Co zná pevně, poskládá vždycky stejně. Zeptejte se na hlavní město Francie a dostanete Paříž i posté.

Ale když si domýšlí, pokaždé si domyslí něco trochu jiného. Na stejném principu vědci z Oxfordu postavili metodu, jak odhalovat vymyšlené odpovědi AI. Vyšlo to v časopise Nature v roce 2024. Stejně tak jsem to udělala já. Vzala jsem zmíněnou studii, dohledala si ji, vložila do NotebookLM a vyptala se na detaily. NotebookLM totiž vychází jen z dokumentu, který mu dáte. Teprve pak jsem ji použila v tomhle textu. Trvalo to pár minut.

Ale pozor. Tento trik funguje jen jedním směrem. Když se odpovědi liší, víte jistě, že si to musíte dohledat jinde. Když se shodují, nevíte nic. AI se totiž mohla naučit chybu a tu opakuje stejně spolehlivě jako pravdu.

Proto si u každé odpovědi položte otázku: co se stane, když to bude špatně? Když vám AI splete rok bitvy u kvízu, nic se neděje. Ale u termínu, do kdy máte něco podat na úřad, u léku, který dáváte dítěti, nebo u kroku, kterým se učíte něco nového, jděte k původnímu zdroji vždycky. I kdyby AI dvakrát odpověděla stejně.

Nejlíp se to pozná na jednom místě, kde se v Pythonu zasekne skoro každý. Jmenuje se while cyklus.

Pro spoustu začátečníků je to ten nejtěžší koncept, na který narazí, a zároveň ten nejoblíbenější.

Skoro 40 % mých studentů ho označí za nejnáročnější a zároveň ho nejvíc z nich jmenuje jako svůj oblíbený. Jeden z nich ho popsal takto: bylo to jako kouzlo.

Co je while cyklus?

Pokud ho neznáte, nevadí.

Je to způsob, jak počítači říct: dokud platí nějaká podmínka, opakuj pořád dokola daný příkaz. Můžeme to vyjádřit i pomocí přirozeného jazyka, třeba takto:

zeptej se na heslo

dokud heslo není "python":
    zeptej se na heslo

Program se zeptá na heslo. Když ho napíšete špatně, zeptá se znovu. A znovu. Třeba stokrát. Dokud ho nemáte správně. Napíšete tři řádky kódu a o to opakování se postará počítač sám.

Proč je nejtěžší?

Protože poprvé nestačí napsat příkazy pěkně pod sebe. Musíte vymyslet, kdy se má cyklus zastavit.

Skoro každý si při psaní while cyklu aspoň jednou spustí program, který se nezastaví. Jedná se o nekonečný cyklus. Třeba tenhle (opět vyjádřeno přirozeným jazykem):

číslo je 1
dokud je číslo menší než 5:
    vypiš číslo

Vypadá to nevinně. Jenže číslo se nikde nemění, pořád zůstává 1. Podmínka číslo je menší než 5 je při každém opakování vyhodnocena jako pravdivá, proto program bude pořád dokola vypisovat jedničku. Dokud ho ručně nevypnete.

Není to chyba. Je to lekce o tom, že program dělá přesně to, co mu řeknete. Nic víc, nic míň.

Proč je nejoblíbenější?

Jeden student mi popsal svůj večer s while cyklem. Na jednom úkolu strávil šest hodin. Pomáhal si AI asistentem, ale schválně ho poprosil jen o nápovědu, ne o hotové řešení. Chtěl na chybu přijít sám.

A přesně tehdy se programování učíte. Ne když se díváte, jak kód píšu já ve videu. Ale když sami zkoušíte, narazíte a opravíte.

Líp si zapamatujete to, co vyřešíte sami, než to, co jen uvidíte.

Jen bych ráda dodala: Šest hodin nad jedním úkolem zní hrozivě, já vím. Vy tolik času pravděpodobně potřebovat nebudete. Pokud nebudete sami chtít. A to se u programování stává. Pohltí vás to.

Proto je while zároveň nejoblíbenější. Je to první lekce, kde máte pocit, že jste něco doopravdy zvládli. Vyřešili. Jiný student napsal, že si u toho úkolu mohl vyhrát.

Většina lidí čeká, že nejdřív všemu porozumí a teprve pak to zkusí. Při učení nových dovedností je to obráceně. Nejdřív zkusíte, zaseknete se, a porozumění přijde přes ty zaseknuté chvíle. Programování v tom není výjimka.

Zkuste si to. Připravila jsem vám jeden jednoduchý while cyklus v Pythonu, který si spustíte rovnou v prohlížeči. Nic neinstalujete. Program se ptá na heslo dokola, dokud ho nenapíšete správně.

Vyzkoušet while v prohlížeči

Ještě jste programování nevyzkoušeli? Nevadí. Začněte mým minikurzem zdarma: 5 dní s Pythonem. Každý den vám přijde jeden krátký úkol na e-mail. Nic neinstalujete.

Radim se programováním neživí

„Rád bych se naučil programovat, abych to mohl využít v práci pro automatizaci jednoduchých úkolů."

Takhle Radim, který pracuje jako advokát, popsal svou motivaci, když do kurzu nastupoval. Žádná kariérní změna, žádný sen o práci v IT. Prostě chtěl, aby mu počítač víc pomáhal.

A jak to dopadlo?

„Programování mě neživí a vím, že mě živit nebude. Beru jej jako možnost pro zvýšení efektivity v práci, kterou dělám."

Na první pohled to vypadá, že se nic nezměnilo. Radim nedal výpověď, nepřešel do IT, nedostal povýšení. Ale změnilo se něco jiného.

Co se vlastně změnilo

„Kurz mi pomohl pochopit, jak funguje AI, ale hlavně programátorské myšlení — tedy jak fungují algoritmy a jak s tím pracovat při programování."

Programátorské myšlení. To je to, o čem jsem psala v minulém newsletteru, když jsem říkala, že základy vás nenaučí jen syntaxi jazyka. Naučí vás způsob, jakým přistupujete k problémům. Jak velký problém rozložit na menší části. Jak přemýšlet o tom, co se může pokazit.

Radim to dnes používá každý den: „AI programy používám docela často a velice mi pomáhá, že vím jak fungují, co od nich očekávat a jaké jsou limity."

Všimněte si té poslední části. Vím, jaké jsou limity. To je věc, kterou spousta lidí, kteří AI používají, nemá. Zadají AI úkol, dostanou odpověď a věří jí. Radim ví, kdy věřit a kdy ne.

Jak dnes pracuje

„Vymyslím si, jak chci aby program fungoval a vytvořím pseudokód. Díky tomu už v Codexu vytvořím funkční program, který už jen doladím."

Pseudokód je postup napsaný vlastními slovy. Žádný programovací jazyk, žádná speciální pravidla. Jen popis: nejdřív udělej tohle, pak tohle, a pokud se stane tohle, udělej tamto.

Radim si nejdřív rozmyslí, co chce. Pak to popíše. A pak to AI dotáhne do funkční podoby. Není to tak, že by AI řekl „udělej mi program" a doufal, že to bude fungovat.

„Bez kurzu bych asi vynechal tu první a nejdůležitější část a ani s pomocí AI bych nedokázal vytvořit to, co chci."

Ta první a nejdůležitější část je právě to rozmyšlení. Vědět, co chcete, dřív než to zadáte AI.

„Zároveň se i dívám do vytvořeného kódu, abych viděl jak to funguje."

To je druhá věc. Nejen zadat, ale i zkontrolovat. Podívat se, co AI udělala, a pochopit proč.

Proč to funguje

Radim není výjimka. Ale jeho příběh ukazuje něco důležitého: nepotřebujete měnit kariéru, abyste měli z programování užitek. Nepotřebujete se stát programátorem. Stačí pochopit, jak počítač a AI přemýšlí, a najednou s nimi umíte pracovat úplně jinak.

Jak sám říká: „Doufám, že jak bude více času, tak se mi podaří postoupit o úroveň výše a nějaký jednoduchý program si napíšu sám a AI bude spíše pro ladění a hledání chyb."

Radim prošel mým kurzem Python a AI. Video lekce z tohoto kurzu jsou základem Konečně Python, self-paced verze, kterou dnes nabízím. Formát je jiný (studujete vlastním tempem, bez workshopů), ale způsob výuky zůstává stejný.

Na konci kurzu pokládám studentům několik otázek. Dvě z Radimových odpovědí:

Změnil kurz něco v tom, jak pracuješ s technologiemi? Co ti na mém stylu výuky nejvíc sedělo?

Tip: Rozmyslete si postup, než ho zadáte AI

Radim zmínil jednu věc, která se dá použít úplně mimo programování: nejdřív si rozmyslet postup, pak teprve zadat AI.

V programování se tomu říká pseudokód. Popis postupu vlastními slovy, krok za krokem, včetně situací, které se můžou pokazit. Žádný programovací jazyk, žádná pravidla. Prostě si napíšete: nejdřív udělej tohle, pak tohle, a pokud se stane tohle, udělej tamto.

Většina lidí AI řekne, co chce. Radim si nejdřív rozmyslí, jak k tomu dojít. A taky co by se mohlo pokazit. To je ten rozdíl.

Nemusíte programovat, abyste tohle mohli dělat. Dva příklady.

Plánování dovolené. Zadáte AI: „Kam jet v létě s dětmi?" Dostanete: Chorvatsko, Itálie, Řecko. Generický seznam, se kterým nic neuděláte.

Zkuste si místo toho napsat postup:

1. Najdi místa do 6 hodin autem z Česka pro děti 4 a 7 let.
2. Rozpočet na ubytování do 30 000 Kč na týden, ne přeplněné pláže.
3. Ke každému místu napiš, co tam děti můžou dělat.
4. Pokud je někde v létě plno, vyřaď to a navrhni alternativu.

Ten čtvrtý bod je klíčový. Řeknete AI, co dělat, když narazí na problém. Většina lidí tohle vynechá a pak se diví, proč dostali seznam plný Chorvatska v srpnu.

Příprava podkladů pro poradu. Zadáte AI: „Shrň mi tenhle dokument." Dostanete hezké shrnutí, které ale mohlo by to být lepší.

Zkuste místo toho:

1. Projdi dokument a najdi tři hlavní body.
2. Ke každému bodu napiš, co to znamená pro náš tým.
3. Pokud v dokumentu chybí konkrétní čísla nebo termíny, upozorni mě.
4. Na konec navrhni dvě otázky, které bych měla na poradě položit.

Zase ten třetí bod. Řeknete AI, co dělat, když něco chybí. Bez něj dostanete shrnutí, které vypadá kompletně, ale nemusí být.

Čtyři věty. Žádná speciální technika. Jen si rozmyslíte postup a řeknete, co dělat, když něco nejde podle plánu.

Čísla, která mě zaujala

• Python dosáhl historicky nejvyššího ratingu v indexu TIOBE (26,98 % v červenci 2025). Částečně i díky tomu, že je preferovaným jazykem pro AI a datovou vědu.
• 84 % vývojářů už používá nebo plánuje používat AI nástroje (oproti 76 % v roce 2024).
• Najímání čerstvých absolventů v největších tech firmách kleslo o více než polovinu od roku 2019.

Když čtu o poklesu juniorních pozic a rozmachu AI nástrojů, chápu, proč se lidi ptají: má vůbec smysl se učit programovat?

Co je vibe coding

Termín vymyslel Andrej Karpathy — jeden z nejznámějších odborníků na umělou inteligenci, který stál u zrodu ChatGPT a vedl AI výzkum v Tesle.

Jeho definice: „Buduji projekt, ale vlastně nekóduji — jen vidím věci, říkám věci, spouštím věci a většinou to funguje."

Klíčové slovo je „většinou". A taky to, co Karpathy nedořekl: on sám rozumí tomu, co AI generuje. Má desítky let zkušeností. Když něco nefunguje, ví proč. Většina lidí, kteří vibe coding zkouší, tuhle výhodu nemá.

Vibe coding vs AI asistované programování

Často se to plete, ale je to něco jiného.

Vibe coding: Řeknete AI, co chcete. Dostanete kód. Spustíte ho. Funguje? Super. Nefunguje? Řeknete AI, ať to opraví. Kód nekontrolujete, nerozumíte mu, doufáte, že to bude fungovat.

AI asistované programování: Píšete s pomocí AI, ale kód kontrolujete, testujete a rozumíte mu. AI je pomocník, ne autor.

Rozdíl není v tom, kdo kód napsal. Rozdíl je v tom, jestli víte, co ten kód dělá.

Kde vibe coding funguje

Pro spoustu věcí je skvělý:

• Víkendový projekt, který nikdo jiný neuvidí
• Rychlý prototyp, abyste si ověřili nápad
• Osobní nástroj, který používáte jen vy
• Jednorázový skript, který spustíte jednou a zahodíte

Kde vibe coding selhává

Problém nastane, když chcete víc. V květnu 2025 analyzovali bezpečnostní experti 1 645 webových aplikací vytvořených platformou Lovable. 170 z nich (asi 10 %) mělo bezpečnostní chyby umožňující přístup k osobním datům.

James Gosling, tvůrce Javy, to shrnul stručně: „Jakmile se váš vibe coding projekt jen trochu zkomplikuje, prakticky vždy to vybouchne."

AI generuje kód, který vypadá správně. Funguje, dokud všechno jde podle plánu. Jakmile se stane něco neočekávaného, kód na to není připravený — a vy nevíte proč, protože jste ho nekontrolovali. A pokud nevíte, na co se ptát, nezeptáte se.

Proč se základy stále vyplatí

Co se změní: Méně času budeme trávit psaním kódu od nuly. Víc času budeme trávit čtením, kontrolou a opravováním toho, co AI vygeneruje.

Základy programování vás nenaučí jen syntaxi jazyka. Naučí vás způsob myšlení:

• Jak rozložit velký problém na menší části
• Jak systematicky hledat chybu
• Jak přemýšlet o okrajových případech
• Jak číst a pochopit cizí kód

A nemusíte být programátor, aby vám to bylo k něčemu. V mém kurzu teď studuje analytička, která roky pracuje s velkými objemy dat v Excelu. Studuje tu specialistka na klinické studie. A CNC programátor ze strojírenství.

Základy programování nejsou jen pro budoucí programátory.

Co to znamená pro začátečníky

Pokud uvažujete o programování, neodrazujte se zprávami o konci profese. Ale buďte realisté v tom, co se od lidí dnes čeká.

Nestačí umět syntaxi jazyka. Musíte umět:

• Číst a kontrolovat kód, který vygeneruje AI
• Ptát se na správné otázky
• Rozpoznat, kdy AI výstupu věřit a kdy ne
• Otestovat výsledek, ne jen spustit a doufat

Myslím si, že základy programování zůstávají důležité. Možná důležitější než dřív. Ne proto, abyste psali kód od nuly, ale proto, abyste rozuměli tomu, co AI generuje.

Co je verzování

Verzování je způsob, jak ukládat různé verze souboru bez pojmenovávání typu svickova-final-2-ted-uz-fakt.docx.

Místo toho ukládáte stav souboru v různých momentech. Můžete se kdykoliv vrátit k tomu, jak vypadal před hodinou, před týdnem nebo před půl rokem. Vidíte přesně, co se mezi verzemi změnilo. A když uděláte chybu, vrátíte se o krok zpátky.

Nejznámější nástroj pro verzování se jmenuje Git.

K čemu je to dobré, když neprogramuju

Tři situace ze života.

Píšete delší text. Knihu, závěrečnou práci, dlouhou zprávu pro klienta. V určitém momentě smažete kapitolu, která se vám nezdá. O týden později vám dojde, že tam patřila. Bez verzování ji nemáte. S verzováním ji vrátíte zpátky během vteřiny.

Pracujete s daty. Tabulka, kterou aktualizujete každý měsíc. V březnu jste v ní udělali změnu, která vám teď v květnu připadá špatná. Bez verzování nevíte, co přesně se změnilo. S verzováním si zobrazíte rozdíl mezi březnovou a květnovou verzí a vidíte to.

Spolupracujete s někým. Posíláte si dokument tam a zpátky. Kolega přepíše vaši část, vy přepíšete jeho. Bez verzování se nikdo nevyzná. S verzováním vidíte přesně, kdo co kdy změnil.

Kde Git zazáří, kde ne

Git nejlíp funguje na textových souborech — kód, Markdown, prosté .txt, .csv. U těchto formátů vám Git ukáže přesně, co jste přidali (zelenou) a co smazali (červenou). Vidíte rozdíl řádek po řádku.

U Wordu, Excelu a PDF Git funguje jinak. Verze vám uloží, takže se k nim můžete vracet, ale neukáže, co konkrétně se mezi verzemi změnilo. Vidíte jen „verze A" a „verze B" — bez detailu uvnitř.

Pro neprogramátora to v praxi znamená: Git má největší smysl, když píšete poznámky, seznamy, plánky nebo data v textových formátech. Pro běžné Word dokumenty je užitek menší.

Jak začít

Tři kroky.

1. Stáhněte si Git. Z oficiálních stránek. Instalace je krátká, kliknete několikrát na Next, hotovo.

2. Ovládat Git můžete dvěma způsoby. Buď přes terminál (to je to černé okno, kde píšete krátké příkazy), nebo přes aplikaci, která má místo příkazů tlačítka. Obě cesty dělají to samé. Aplikace je jednodušší, terminál rychlejší pro toho, kdo si zvykne.

3. Pokud máte VS Code, máte i tu aplikaci s tlačítky. VS Code je editor, který má Git zabudovaný. Není potřeba nic dalšího instalovat.

Váš první commit ve VS Code

Pojďme krok za krokem. Bez příkazů, jen klikání.

1. Otevřete složku ve VS Code. Soubor → Otevřít složku → vyberte tu, kterou chcete verzovat. Může to být složka s recepty, s poznámkami nebo s prvním Python programem.

2. Klikněte vlevo na ikonu Source Control. Vypadá jako rozdvojená větev. Je třetí shora v levém menu. VS Code se zeptá, jestli chcete složku verzovat — kliknete „Initialize Repository". Tím se z obyčejné složky stane Git projekt.

3. Napište popis a uložte první verzi. V levém panelu uvidíte všechny soubory, které jsou v projektu. Nahoře je políčko, kam napíšete krátký popis verze (anglicky se mu říká commit message). Něco jako „první verze receptu na svíčkovou" nebo „hotová první kapitola". Pak kliknete Commit.

A je to. Tohle je váš první commit — uložená verze projektu, ke které se můžete kdykoliv vrátit.

Jak commit pojmenovat

Commit message není jen formalita. Když se za půl roku budete vracet, jeho jediný smysl je abyste pochopili, co jste tehdy udělali.

Krátce a konkrétně. „Změny" je k ničemu. „Přidána kapitola o sezónních surovinách" je užitečné.

Jeden commit = jedna změna. Když najednou změníte tlačítko, přidáte kus textu a změníte nadpis článku, dejte tři commity, ne jeden. Až se budete vracet, snadněji najdete, co hledáte.

Po pár commitech získáte to, kvůli čemu Git existuje — historii projektu. V Source Control panelu uvidíte seznam všech svých commitů, popsaných vašimi slovy.

Když kliknete na kterýkoli starší commit, uvidíte, jak soubory tehdy vypadaly. S trochou praxe si můžete stáhnout starou verzi, porovnat ji s aktuální, nebo se k ní vrátit. To je celý smysl Gitu.