Většina lidí to používá stylem: položím otázku, dostanu odpověď.

Jindřich: používat to tímhle způsobem, tak to je, k čemu bych to přirovnal, možná používat smartphone jenom na volání.

Filip: Ty vždycky potřebuješ šáhnout do nějaké části toho mozku v úvozovkách.

Jindřich: A když kombineš všechny tyhle funkce, tak je to zase něco, co ti dokáže dát ty výstatky mnohem uspokojivější.

Filip: Dneska spousta těch modelů jsou tzv. reasoning modely. To znamená, že umějí přemýšlet nad tím, co ty jsi jim dal, být takový vlastně vnitřní monolog.

Jindřich: Právě posloucháte Deep Link Show. Jo, Filipe, vítej u dalšího dílu DeepLink Show. Zdraví mi všechny naše posluchače. Dneska se vrátíme trochu v základům. My jsme v prvním dílu se bavili o fenoménu Vibe coding. No a jestliže tady je nějaký ještě další fenomén, tak bych ho úplně klidně pojmenoval jako četovací asistenti. Protože přesně ty četovací asistenti, to je něco, co si dovolím se tvrtit, drtivá většina populace představí, když se v dnešní době řekne umělá inteligence. ale zároveň se domnívám, že jako mnoho uživatelů těchto četovacích asistentů, tak to používá stylem, položím otázku, dostanu odpověď. No ale to je už v dnešní době dost možná tak jako menší přežitek, protože používat to tímhle způsobem, tak to je k čemu bych to přirovnal, možná používat smartphone jenom na volání, protože ty možnosti těch četovacích asistentů v dnešní době jsou mnohem rozšířenější, mnohem lepší. Pojďme dneska tohleto téma celý probrát, řekneme si něco k limitům, řekneme si něco k možnostem, jak to efektivně využívat, představíme si takové společnosti, které zatím stojí, za těmi neznámými četovacími asistentama a podobně, tak pojďme se o to pustit.

Filip: Jindro, taky tě vítám u dalšího dílu. A je to teď takový trošku zpátky nohama na zem. My jsme řešili Vibe coding, pak jsme řešili neetické využití AI a další takové hodně, že to řeknu, složitý témata. A ty AI asistenti, to je ten úplnej základ. Podle mě je to taková ta první věc, že ve chvíli, kdy ty uslyšíš o nějakém AI, tak se ti do ruky dostane nějaký četovací asistent. Troufnu si tvrdit, že jako z větší části to bude čet GPT, to je prostě taková ta jako alma mater pro spoustu AI uživatelů. No a první co, tak si s ním prostě četuješ, dostáváš nějaký odpovědi. když to vezmu úplně jako od začátku, když ty četovací agenti začaly, tak ono o tom to bylo jenom, že jo, prostě napsal si otázku nebo napsal si nějaký text a dostal si odpověď, ale nebylo tam nic víc, co dělat a přijde mi, že jako spousta uživatelů si tohle to vlastně přenáší dál a pořád ty AI asistenty, ty četovací asistenci používá tady tím stylem. Nicméně oni se za ty nevím, kolik to je, tři, čtyři roky, myslím, vyvinuli neuvěřitelným způsobem. Každá z těch firm, co je vytváří, jde trošku jiným směrem. A kromě toho, že si četuješ, tak ty asistenti dostávají nějaké nástroje, umožňují ti spravovat ten kontext a umožňují ti mnohem víc. než jenom to povídání. A o tom to dneska asi bude. Podíváme se na všechny tady ty možný tooly, podíváme se, jak ty asistenti fungujou a jak třeba i my dva používáme tady ty asistenti. Tak když ti předám slovo, jak bys popsal svýho četovacího asistenta? Když to vezmeš od základu, jak s ním pracuješ.

Jindřich: Jako já musím říct, že i ta moje práce s tím se samozřejmě jako významně vyvíjela. A obecně ten komerční hype těch četovacích asistentů tak přišel někde v roce 2022. Jak jsi zmínil, nějaké čtyři roky a přišel s tím čet GPT. No a tehdá to jako přesně bylo, že tato jako otázka odpověď vlastně nemělo to přístup k aktuálním datům, bylo to jako neúčinný, jako omezený datový set se celý ten model a podobně. No a ten vývoj, tak možná si trofnu tvrdit, že to, co platilo před šestím měsícem, platí dnes a to, co bude platit za šest měsíců, tak nemusí vůbec platit dnes. Ale možná ještě než se pustíme k těm samotným četovacím asistentům, tak si myslím, že za zmínku stojí nejen OpenAI a GPT, ale je tady taková velká trojka, bych to asi dokázal nazvat, a to je jako Anthropic a Google. Anthropic má Cloda, Google má Gemini a OpenAI má GBD. No ale to není úplně všechno, jsou to sice ty úplně nejznámější, o kterých se nejvíc mluví, ale zároveň pak ty jak nějaký DeepSeek nebo Mistral, Meta má tu svoji EL, LAMU a celá řada těchto obrovských konkurentů. a každý z nich má možná i trošku jiný zaměření a to mi přijde jako na tomto nejzajímavější, ale jak jsi zmínil v téhle ten okamžik pravděpodobně když se řekne uměla inteligence většina lidí si představí GPT a to je přesně z toho důvodu že OpenAI, tak ty přesně cíle jako na tu masu a na tu jako širokou veřejnost a na tu jako komerční sféru a jako komerční způsob využití.

Filip: Oni podle mě byli jako za první jedni z prvních, který přišli vůbec s tím chatovacím asistentem, vlastně jako ChatGPT, tak to bylo, co spustilo celý ten AI hype. A zároveň si myslím, že Možná to ještě jako do jistý míry platí, ale platilo to hlavně dřív, že jako první začaly toho asistenta jako vylepšovat o různý další funkce. Když to vezmu od začátku, tak ty si zmiňoval, že oni měli nějaký cut-off date, se tomu říká, že nevěděli informace po nějakém datu. A když si vzpomínám na první svoji interakce s GPT, tak jsem chtěl zkusit, ať mi přechroustá nějaký článek, ať mi to přečte za mě a dá mi nějaký výcud. Dneska je to běžná praxe, ani se nad tím nepozastavíš. Ale když jsem to zkusil, On mi řekl, že nemám přístup k internetu a data znám jen do roku 2023 nebo něco takového. A v tu chvíli jsem byl strašně omezený. A jako první, kdo začal přidávat s to prohledávání webu, tak si právě myslím, když pominu nějaké pokusy, nějakých open source projektů, tak právě bylo OpenAI.gpt. a najednou obohatili tu bázi chatbota o nějaké nové informace. Základní problém chatbotu byl, že jsem uzavřenej do nějakého roku a víc neznám. Teď tam najednou můžeš posílat odkazy a přečet z internetu. Můžeš tam nahrávat svoje soubory. To za mě byly první nástroje, které začaly chatboty dělat z nich víc, než jenom takový chytrý autokomplít, jak se dřív říkalo. Někdo to říká pořád, ale myslím, že už to neplatí.

Jindřich: Já si myslím z chodovou okolostí přesně tohle ten jako autocomplete na steroidech, tak to jsem měl jako ve svých poznámkách, jako na dnešní díl. Ono sice neplatí, ale myslím si, že je to jako by skvělý vysvětlení jako podstaty věci toho samotného modelu. On jako, není to Google úplně, není to zároveň jako databáze, nebo nějaký jako vyhledávač faktů, zároveň to jako není člověk, tak jak bych to třeba měl vysvětlit jako rodičů, nebo někdo s tím třeba, zkrátka někoho jiného jako dnešní generace, kteří s tím jako pracují dnes a denně, nebo někomu mimo obor jako například, tak přesně toto bych jako zmínil, ale představ si to jako nějaký opravdu Autocomplete nastroje. Ty něco napíšeš a ono ti to něco doplní. No a jako funguje to tak, že jako na bázi tokenů a nějakých prediktivních vlastnostech těch následujících tokenů, který budou následovat zatím například jako generovaným textem s tím, že za ten token například lze představit slovo čát slova písmeno něco a podobně. jako panopak možná to neplatí, ale si s tou mírou nadsázky se to k tomu autokomplítu přece jenom jako přervnat dá. Určitě

Filip: a to je přesně podle mě pro to pochopení jako zásadní, že ten model sám o sobě to není čet GPT že jo za těma dle nástroje těma četovacíma asistentama tak vlastně jako stojí ty jazykový modely a to je třeba GPT-3, GPT-4.0, GPT-5.2 nebo Cloud Sonnet 4.5 a podobný. To jsou ty modely a to je fakt, přesně jak říkáš, ten jako black box, do kterého naleješ nějaký data a dostaneš výstup, to, co bude následovat. To, že to vypadá jako konverzace, tak je tím, že ty modely jsou dotrénovaný na to, aby ti vlastně odpověděli, aby s tebou vedli ten jako dialog, když to, když si vezmeš nedotrénovaný modely, který tohle ještě jako neuměli. tak navázali na tvoji větu a pokračovali dál. Jakoby jsi dopsal část slohovky a oni pokračovali. Takže to je za mě důležité si uvědomit, že GPT není ten model. No a co my děláme s těma AI assistentama, je právě, že stavíme takový ten scaffolding, teď nevím, vypadlo mi český slovíčko, jako ty nástroje kolem toho, aby jsme tady tomu blackboxu vlastně jako rozšířili všechny ty možnosti. Takže to je podle mě zásadní uvědomění. AI model nerovná se AI nástroj. A naše snaha, co my vlastně s těma AI asistentama děláme, je, že rozšířujeme ty nástroje, aby… Samozřejmě ty modely se zlepšují, ale rozšířujeme ty nástroje, aby ty modely dostaly co nejlepší kontext. A to je za mě klíčový, ten kontext při práci s těma asistentama. Já si myslím,

Jindřich: že my jsme se okolo tohoto tématu trochu myhli i v tom prvním dílu. My jsme tam mluvili o nástrojích pro jako Vibe coding pro vlastně tvorbu softwaru za pomocí nějakého abstraktního jazyka češtiny anglištiny cokoliv. ale tam je to vlastně něco podobního. Přece ne, to je nějaký nástroj, který je postavený nad nějakým jazykovým modelem, což je vlastně to, o čem ty tady mluvíš. Ale ještě trošku odpočím. Já jsem si tady, když jsem si připravil ten díl, tak jsem si tady právě poznamenal ty, co mě hodně zaujalo, ty odlišné filozofie těch poskytovatelů, tudíž těch společností, které vytváří ty jazykové modely. A jak už jsem vlastně zmínil, tak OpenAI, který má právě to chat GBD, tak ty míří na ten masový trh, chtějí dělat široký ekosystém a dělat rychlé iterace, takové experimentální vývoje nových fíčur. No a Anthropic, tak ty jsou zase známí, ty jsou tady jak loda, tak ty jsou zase známí tím, že dávají důraz na bezpečnost a poskytují třeba například větší kontext. Oproti tomu OpenAI. No a pak ten další hráč, což je Google, velký trojky a ten se zase zaměřuje na to, aby jeho jazykový model, respektive jeho nástroje Gemini, tak aby byl integrovaný do co nejvíc nástrojů společnosti Google. jako jinými slovy, aby byl integrovaný do toho celého ekosystému, abych já toho jednoho asistenta mohl využít ve svém Google Drive, v google sheets a ve všech vlastně nástrojích, kterých je celá řada. No a zároveň myslím si, že i stojí za to tam zmínit jako groka od xxai tušinu jak se to jmenuje vlastně to od ilona maska, tak ty se zase zaměřujou na to, aby měli jako co možná nejméně restrikcí. Takže takže i tohle to je někdy právě vidět, když s tím někdo pracuje, na Twitteru třeba, když Twitter to samozřejmě jako taky integruje, tak tam je vidět, že třeba nějaký dotazy nebo i nějaký generování obrázku, který by třeba neprošlo v těch předchozích společnostech, který jsem zmínil, tak by dost možná jako mohlo projít na Grokovi a to je právě to co mě vlastně dost zaujalo, několik společností, ale každá z nich se snaží si vzít tu svoji část trhu trochu někde jinde.

Filip: A ono to podle mě je jako nutné, že jo, protože já si myslím, že ne úplně, ale jako do jistý míry ten trh, nebo jinak, ten produkt toho chatovacího asistenta je do jistý míry jako za mě naplněnej, když se po něm bavíme jako opravdu tím stylem, že pošlu zprávu, dostanu odpověď a mám nějaký jako nástroje a víc jako směřujeme teďka k těm agentům, ale do toho nechci jako zabíhat, to je prostě téma na úplně úplně jinej díl. Nicméně, jak jsi zmínil, Google integruje AI četovací asistenta do svých produktů. To je obrovská síla pro ně, protože často v dnešní době pro mě je rozhodující to, co do těch nástrojů já dokážu napojit a jak jednoduše s nima dokážu pracovat ve službách, ve kterých já už pracuju, než to, jestli mi to dává o trošku lepší výsledky v kreativním psaní nebo o trošku líp mi to tady vygenerovalo odpojit na ten komentář nebo něco takového. Zkrátka, že Myslím si, že jako co se týče těch modelů jako takových, tak samozřejmě ty rozdíly a té nuance tam jsou, ale často je to fakt o tom ekosystému a v tomhle tom dřív ChatGPT od OpenAI za mě jako dominovalo, že mělo jako spoustu těch funkcí, o kterých si asi budeme bavit, projekty, custom GPTs a podobně. ale dneska začíná trošku strádat, protože Google, Anthropic a další doháňají, ale třeba Google má už ten svůj ekosystem postavený, že jako Gmail, Google Sheets, Google Docs, kalendář, všechno, a jakmile jim se podaří tedy to dobře propojit mezi sebou, tak pro spoustu lidí to bude jasná volba. A ještě zmíním i předplatný, protože ty služby některé jsou třeba zadarmo do jisté míry, že je můžeš využívat. Většinou to je takový ten free trial, kdy máš nějaké omezené počty zpráv a nějaké omezené možnosti, co můžeš dělat. A v tomhle Google mimochodem teď taky dominuje, že ty jejich služby můžeš fakt využívat skoro jako zadarmo nebo za relativně nízký poplatek. Když se dostanu k tomu předplatnému, tak u Google za těch pětset něco korun nedostáváš jen AI služby, ale dostáváš i Google Disk dvou terabajtový. Dostáváš pokročilé možnosti práce s kalendářem a další jako věci. Oni do toho balíku jsou schopní obsáhnout mnohem víc, než jenom chatovací asistenta, což dělá třeba úplně já.

Jindřich: dokonce nevím jestli to ještě furt platí, ale přesně tohle dvou terapetové disk a ten pro AI plan tak nabízejí na rok pro studenty zdarma, nevím jestli ještě furt je, ale vím, že to na jednu dobu nabízeli. Vlastně mě to přivádí k tomu, že často se mi stává, že někdo ze mnou přijde, nebo se bavíme o AIčku a podobých věcí a ptá se, co je nejlepší, co mám používat, tak já nevím, tady přijde jaká reklama, že, marketing, že jako klot vydal novej model, že? Nebo jako JGPT nový a furt se v těch pitch parkách předhání, já také nevím, co mám použít. Já říkám, hele je to jedno, použij to co ti nejvíc vyhovuje, ale nauč se to správně používat, nauč se správně napsat ten prompt, dej mu ten správnej kontext, dej mu ten příklad, řekni mu co od něj chceš, řekni mu co od něj nechceš a nauč se s tím nástupem dobře pracovat. Postupem času on má i ten tvůj kontext, on zná tebe, on zná, co dělá, bude ti to dát lepší výsledky. Ale jestli ráno budeš používat GPT a večer Claude, je to úplně jedno, nebo minimálně z mýho úhlu pohledu, byť jak jsi zmínil, drobní nuance tam určitě jsou. A okud například budou používat Gemini, tak navíc ta integrace do těch všech dalších systémů, tak to je možná nějaká přidená hodnota za mě a pro někoho to může být game changer. Ale pro běžný uživatele, kteří to používají primárně jako četovacího asistenta, tak je do jisté míry, no jaké nástroje budou používat.

Filip: Jo, jako začít. To je to nejdůležitější. Prostě vybrat si nějakého asistenta a čertovém, jestli to bude GPT, Gemini, Claude. A jakmile člověk začne, začne s ním pracovat, tak až ve chvíli, kdy narazíš na nějaké limity, co ti nevyhovuje, jak tam dostat svoje data a tak dál, tak v tu chvíli se podle mě platí začít přemýšlet, kterýho z nich použeš, protože pak jsou návazné služby. Já používám hodně Claude, protože tam můžu mít i Claude Code v rámci svého předplatního a další věci, ale to na začátku neřešíš, protože ty ani nevíš, co s tím AI-čkem budeš dělat. Za mě začít s jakýmkoliv nástrojem, tady s té velký trojky je to ve výsledku jako jedno a velice brzo člověk si osvojí ten nástroj a narazí na ty jeho limity a bude prostě zkoumat, jak to dále posunout. Ale když jsme teda u toho osvojení, jsme úplně jako na začátku, tak když to vezmu, jak s těma četovacíma asistentama jako dobře pracovat. Tak všude slyšíme, dej tomu asistentovi roli, dej mu dobrý kontext, ale co to jako znamená, proč, že jo? A já jsem jako měl vždycky problém to jako vysvětlit spoustě lidem, protože často mi lidi říkali, Proč bych mu dával tu roli, když jako se hoptám na to daný téma, tak přece ví, jakože když jo tady chci, aby mi vygeneroval nějaký příspěvek na sociální sítě, tak jakože to má být marketér, že jo. Proč nějaká role? A celý se to jako točí od toho, že Představ si to jako vlastně nějakou velkou, že jo, neuronovou síť, prostě fakt jako nějaký velkej black box a ty vždycky potřebuješ šáhnout do nějaké části toho mozku v úvozovkách a tím, že mu dáš tu roli, tak ty mu vlastně řekneš, jsi profesionální marketér, který se zaměřuje na mladý lidi, jo, a ty v tu chvíli mu říkáš, Budeme se bavit o tom samém produktu, ale chci, aby se o něm bavil z perspektivy marketéra, ale z pohledu toho marketingu na mladé lidi, který je úplně odlišnej, než když budeš targetovat na moji mamku nebo babičku. Přístup bude úplně jinej. Potřebuješ vždy šáhnout do boxíku někam trošku jiná, aby jsi vytáhnul ty data, které ti ten model má dát, na základě toho zaměření. Nevím, jestli jsem to jako popsal dobře, ale to, co se snažím říct je, že ta základní poučka dávej modelům roli tak vlastně jako do jisté míry funguje dobře, protože ty jsi schopnej ten model zafokusovat na to, co vlastně jako řešíš, že on ti nevidí do té hlavy a ty mu potřebuješ vlastně ukázat, jakým směrem jako přemýšlíš a

Jindřich: co očekáváš. Tady přijde super a pojďme možná chviličku tohoto tématu zůstat a to je do jistý míry takový spojený nádoby, ten samotný Prompt Engineering a jak z toho vlastně získat jako to maximum. Nebo nějaký jako základní, řekněme pak poučky, nebo něco, co funguje přesně, ty jsi změnil tu roli, to je jako super, nebo ukázovat nějaké příklady, co třeba chceš, co nechceš a podobně, tak u toho se možná pojďme chvilku zastavit, ale co si myslím, že je extrémně důležité změnit, tak tady platí jako stará dobrá poučka jako Garbage In, Garbage Out. Takže když já jsem línej napsat ten prompt, tak logicky nemůžu očekávat nějakou velmi dobrou odpověď. Takže to mě zas občas dostává k tomu, že někdy já když mu zadávám ten prompt, tak teď už v poslední době zadám hlasem, že jsem i línej ho psat. Ale opravdu někdy si říkám, že na to mluvím až příliš do detailů, nebo až příliš na nějaké dítě, ale osvědčilo se mi to a domnívám se, že to funguje dobře. No a jedna z těch jako dalších věcí, kterou já bych třeba jako doporučil sám za sebe, tak je říct mu jako kdo jsem a co vlastně děláme, aby on trošku pochopil za jakým účelem já pokládám tuto otázku. Takže typicky, když já se ptám o něco pracovního, tak říkám, že jsem tady CPO ve fintechu a ty seš tady taky profesionálník produkťák, například potřebuji s tebou probrat tohle tohle a dělám to, protože tohle a tohle. To je za mě možná jedna z dalších základních věcí. A kdyby měl ještě něco vybíchnout, tak si myslím, že by součástí toho vstupního promtu měl být požadovný výstup. Co já po tobě chci. Chci to jako shrnutí, nebo chci jít deep dive, nebo chci tabulku a tak dál. Takže tohle jsou moje základní věci. Byť jsou určitě nějaké, které jsem ještě nezmínil a které používám. Ale určitě na začátek je něco, co

Filip: bych asi vypíchl za mě. Určitě. Když to schrnu, tak máš to… Ty musíš dát kontext, kdo seš a co děláš, protože to určuje do jisté míry podobu výsledku. Pak pomůže ta role, což ty ho nasměruješ, co od něho čekáš, že bude ta protistrana. Pak mu dáte ten samotný úkol, to zadání. A pak ideálně, pokud víš, tak podobu výstupu. Protože pokud víš, že to chceš v tabulce a neřekneš mu to, tak on ti tu tabulku nedá. Ale pokud mu řekne chci tabulku, tak ale jaké budou mý sloupečky, jak to bude vypadat, tak se vyplatí dát i ten reálnej příklad. Pokud ho máš, jak ta tabulka historicky vypadala a chceš ji dělat jako znova, jenom s novýma datama, tak mu ji normálně vložit a tímu pomůžeš ho nasměrovat. Přesně jak jsi říkal, garbage in, garbage out, a je to podobné, já to vždycky lidem přirovnávám k tomu, je to jako kdybyste to zadávali nějakýmu svýmu kamarádovi, záměrně neříkám kolegovi, ale kamarádovi, který s váma jako nikdy nepracoval. Protože ten kolega už třeba jako tuší, co se od něj čeká, ale ten kamarád jako neví. A ty mu prostě po něm něco chceš, tak mu musíš všechno jako říct, že jo. Musíš mu to vysvětlit, co teda po něm chceš, co má dělat, jak to má vypadat a tak dál. Takže to je za mě jako extrémně důležité. No a teď jako k tomu hlasovýmu mluvení nebo tomu zadávání hlasem. Ty podle mě můžeš tady z toho sestavování manuálního promtu přeskočit do jisté míry a vybavit si se trošku hlasem, ale musíš počítat s tím, že s tím AI musíš to zadání, které tvoříte, učesat a nechat ho vytvořit do jisté míry jako správnej prompt nebo aspoň to zverifikovat, protože zadání hlasem je za mě úplně boží, protože ti odstraní tu bariéru toho, jak mám ten prom dělat, jak to sepsat, nebo vybavit si se, co vlastně chci po tom modelu. Ve chvíli, kdy to zadám hlasem, opřu se do té židle a tři, čtyři minutky si povídám, co bych chtěl. Přemýšlím i nad tím víc do detailu, než když to píšu. Ale pak je důležité si uvědomit, že potřebuješ s modelem to projít znova. Aspoň já to tak dělám. Vždycky mu to namluvím, nechám mu to udělat. Ale pak chci, abych se sumíroval moji požadavky, než se do toho pustí, protože si chci ověřit, jestli mě dobře pochopil, jestli tím, že mluvím, on se někam nezatoulal. Zkrátka, jestli pochopil to zadání. Takže to je za mě takový protip. Nebal bych se říct, používejte hlasové zadávání, protože to je do jisté míry jednodušší. Ale je potřeba mít na paměti tady to, nebude to tak dobrý jako promyšlený prompt, ale ten promyšlený prompt z toho můžeš udělat právě s tím četovacím

Jindřich: asistentem. My se jako k tomu pricingu a k těm limitům a co to vlastně ten input output, to který ještě asi dostaneme jo ale, no ještě se k tomu dostaneme určitě. Nicméně to taky trochu sobotřebně úsměvný v roce, tyhle souvislosti, ale co mě třeba dost jako zaujalo, jak jsi teď mluvil o tom, že ty vždycky říkáš, že je fajn to vysvětovat jako svýmu kamarádovi, který s tobou nepracuje. No a když se trošku posuneme do současnosti a z toho kamaráda bychom přešli jako na toho kolegu, tak přesně ty jazykovi asistenti mají právě něco jako paměť. Takže ty jim už jako ten kontext, ty jim můžeš jako nadiktovat nebo napsat už do té vstupní paměti, nebo jim tam naházet jako různý pdfká nebo něco o tobě, tak já zároveň se můžu učit jako z těch tvých historických četů. například skrz jako projekty například jako v klodovi právě jako co to co to mám já. Takže ty potom když už jako něco vysvětluješ nebo buď něco zadáváš tak ty už s ním pak jako částečně můžeš trošku jako spolupracovat jak kdyby s kolegou, protože on celý ten tvůj kontext jako už má už třeba ví co ti historicky dával a jako ví jakým formátům a podobně. Samozřejmě je pravda, že občas se potom jako strácí, že ty po něm chceš něco jako novýho, jinýho, ale on se vrací fortu tomu co už jako proběhlo. Ale samozřejmě obecně další protip mě má za mě, hodně pracovat s tou pamětí, dávat si pozor na to, co v tý samotný paměti, to tam jde rozkliknout v tom klódovi, tak jako co tam je a jak to tam je opsané. On si tam Claude implicitně sám něco generuje, ale určitě je fajn to kontrolovat nebo mít o tom přehled a případně to aktualizovat nebo upravit.

Filip: To je důležité vlastně zmínit, že ty tu paměť můžeš upravovat. Protože přesně, jako… Za mě, když začínáš s AI, tak je důležité k tomu přístupu ke kamarádovi, že nic moc o tobě neví, protože je to nepopsané plátno, ten tvůj asistent. Ale čím díl s ním budeš dělat, tak si začneš přesně všímat, že on už o tobě ví, co děláš, na co se zaměřuješ, takže on už bude snášet horší a horší promty, které neobsahují tyto informace. Ale ta paměť, to je vlastně, když to řeknu, jako textovej soubor někde uloženej, nebo prostě textovej záznam, a ty vyloženě se do ní můžeš podívat, můžeš tam cokoliv upravit. A ten asistent pak funguje tím stylem, že buď to vezme celý ten obsah a přilepí to před ten tvůj prompt, a nebo si vyhledá nějaký relevantní části a ty přilepí jako před ten tvůj prompt. Takže je vlastně extrémně důležitý, abys tu paměť měl dobře strukturovanou nebo dobře jako popsanou, protože ve chvíli, kdy ty v tom svým promptu explicitně nezmíníš, že něco chceš nějak, tak on se pravděpodobně z tý paměti pak jako inspiruje. Takže to je určitě super pro ty, pracovat s tou pamětí a upravovat jí. A další zajímavý protip, který se k paměti váže, je, že spousta těch asistentů umožňuje tzv. anonimní chaty. A mě to funguje na nějaké věci, kdy potřebuji, aby ten asistent nebyl ovlivněný tím, co dělám, nebo neměl přístup k paměti. Chci něco kriticky zhodnotit bez jakéhokoliv zabarvení s tím, co dělám. tak mu to dám do toho chatu, protože typicky také já mám různý aktivity na YouTube a ve chvíli, kdy diskutuju nějaký třeba téma videa, tak on už je třeba zabarvený tím, co já dělám, kam směřuju, ale já se na to chci třeba podívat úplně z jiného pohledu, jestli to nezaujme třeba nějakou jinou cílovku, nebo obecně to ohodnotit jako overall pro náhodného diváka. A v tu chvíli ten anonimní chat je skvělej, protože on nemá přístup k historickým chatům, co máš, nemá přístup k tý paměti a ani do ní nezapisuje. To je taky důležité, že pokud něco chceš jednorázově vyřešit a nechceš, aby si o tom něco pamatoval, pak třeba kontrola tu paměť, tak zase anonimní chat může být super volba.

Jindřich: Kdybychom se zas měli ještě poslouchat k nějakým dalším typům, tak co mě napadlo tak, že existují různé klíčové slova, které můžete používat. Mimo, když trošku pomenuji to, co jsme zmínili, protože samozřejmě je fajn veškeré tyhle principy kombinovat, tak potom je fajn, jak jako vysvětlimy to jako školakový, nebo přemýšlej krok za krokem. Ale byť to mohou, by to může znít trochu jako fráze, tak jsou to jako skutečně jako principy a jako nějaký drobný vodítka, který tomu celému jako jazykovýmu modelu jako pomůžou, A konec konců, to, čo my se snažíme docílit, je co možná jako nejlepšího výsledku, co možná jako nejlepší odpovědi toho jezikového modelu, za co možná nejkratší čas ekologicky. A když přesně tyhle principy a společně s tím, když já chci třeba něco vysedlit a řeknu mu pojď krok za krokem, tak tohle to mám právě dodat, co možná ty nejlepší výsledky. A ještě jednu věc, kterou zase nebych měl vypíchnout, tak je klidně zmínit i to, co já vlastně neočekávám. Takže já jsem tam hladaj, něco mě vysvětlilo, ale nechci to z tohohle úhlu pohledu, nebo například podobně. A to si myslím, že by i do jistý míry mohlo fungovat třeba i tobě, tomu tvýmu use case, který jsi zmíněval, že jasně, sice používáš jako anonimní režim, ale kdybych mu třeba řekl, ale odstíň se od toho, že tvořím tady videa jako na youtube, edukativní videa na youtube a řekni mi to z tohohle úhlu pohledu, tak by si možná mohl toho velmi podobného výsledku docílit

Filip: taky. Ten negativní prompt si myslím, že by pomohl. Tam, s čím já zápasím u těchto asistentů nejvíc a proč to řeším třeba tím anonymním oknem, tak je to, že ty vlastně nevidíš, co on si z té paměti natáhne ve skutečnosti. Ty mu dáš ten prompt, řekneš mu, nedělej to, Ale on si může vytáhnout něco trošku jiného, co jsi mu nezakázal. A jde mi zkrátka o to, že já nevidím, co on za kontext si o mě vytáhnul, tak v tu chvíli je pro mě lepší mu nedat vůbec ten přístup a začínat s čistým plátem. Ale určitě negativní prompt za mě je super, když přesně víš, co chceš vyloučit, tak mu to říct. Je to zase stejné s kolegou a kamarádem. Když přesně víš, že by se někde mohl spálit a ty to nechceš, mu to řekneš, ať to neděláš. Nenecháš ho a pak se na něj nebudeš rozčilovat, co ti to napsal. Vždy mu to řekneš. Když bych se měl posunout zase dál, ať jdeme k nějakým dalším tipům, tak dneska spousta těch modelů jsou tzv. reasoning modely. To znamená, že umějí přemýšlet nad tím, co jsi jim dal. Víc takový vnitřní monolog. A to je za mě skvělá funkce, která zase trošku supluje to tvoje zadání a zároveň dává tomu modelu… větší možnosti logicky uvažovat, protože řekněme si, modely jako takové, jazykové, tak nejsou úplně dobré jako v logických úlohách, ty klasické, ty ne-reasoning modely. Protože oni hnedka ti začnou generovat ten výstup a přesně jak jsi zmínil tu větu přemýšlej krok za krokem, tak ty modely donutila generovat v rámci toho výstupu i ten postup, který oni vždycky, když generují další slovo, tak si čtou vlastně jako po sobě to, co tam mají. Takže hodně o filozofkách, ale zkrátka viděli to, co napsali, tak proto jim to pomáhalo. Dnešní reasoning modely už tenhle místří monolog umějí udělat sami. Takže za mě o nové spoustě následů si myslím, že už to máš jako výchozí, ale na spoustu úloh to je dobré používat a mít tady ty reasoning modely zapnuté, aby ten monolog uměli. A ono jim to dává i delší schopnosti. A to je třeba používání různých nástrojů, protože ty si do těch chatovacích asistentů můžeš připojit dneska všechno možné. Používáš tady tu funkci? Máš to třeba v klódovi?

Jindřich: ještě tím možná trošku předběhnu, protože mě přesně zaujal, jak jsem mluvil o tom reasoningu těch modelů, tak to za mě byla asi jako největší evoluce v revoluci, prakticky jako toho celého AI, a přesně to byla ta největší evoluce za mě, že přišel ten jako samotnej reasoning a že už vlastně ten samotný model dokázal deját nějakou oponenturu tomu, na co sám vlastně jako vytvořil, což je vlastně jako geniální a ty výsledky za mě se jako významně významně jako zlepšily v ten okamžik, když ty reasoning modeli přišli, byť samozřejmě byly jako extrémně drahý v ten okamžik, když přišli. A z chvilku se něco řešil a už si prakticky přišel celý ten svůj usage, který máš. Což už

Filip: dneska neplatí že skoro. Přesně tak no,

Jindřich: což už teď už jsme trochu zatím. No ale tohle to jako velmi úzce souvisí s tím, co jsme vlastně v tom prvním dílu zase nakousli a to je, jaký třeba jako Vibe coding nebo, jakoukoliv já rozsáhlější úlohu jako řeším, nenutně třeba v tom jako wipecodingu, tak tyhle nástroje umějí takový planning mode. Takže já chci řešit nějakou úlohu a řeknu hele ok, dej tady nejdřejf jako planning, zaplánuj to tady, jak to vlastně budeš řešit, dej si na to nějakou oponenturu, kriticky se jako nad tím zamyslej, což mu jako neříkám, ale tak nějak s lehkou mírou nadsázky to vysvětluji, jak asi ten model tu problematiku řeší. Tak se nad tím nějakým způsobem jako zamyslej, dá jako oponenturu a řekne hele jo, abych vyřešil ten tvůj problém, co ty chceš, tak bych tam postupoval takhle. a to je zase nějak jako další next step toho samotného reasoning modelu a když jako kombinovač veškerý ty funkce tak je to zase něco co ti dokáže dát ty jako výsledky mnohem mnohem uspokojivější.

Filip: Reasoning to byl obrovský pokrok. Celý se to ve výsledku točí o tom, že potřebuješ mu dát co nejlepší kontext, co nejlepší data a nechat ho ty data co nejlíp zpracovat. A ten reasoning proces zkrátka umožňuje, jak už jsi zmiňoval, to, že model sam po sobě kontroluje, co ti napsal. Někdy oni, totiž ty asistenti, skrývají ten reasoning proces a někdy ti ho i tak nějak opisujou, že to znamená, že ty nevidíš to reální, co ten model vlastně přemýšlí a dostaneš jenom nějaký overview toho, co se děje. Nicméně i někdy tam si můžeš všimnout, když si to rozklikneš, je to vlastně nad tím chatem, tak se podívat, že ten model vlastně přemýšlí a kolikrát si řekne, ne, počkat, to vlastně nedává smysl, takhle zkusím jiný přístup a jede vlastně dál. A to je obrovský pokrok. Aby modely v rámci reasoningu mohly mít proces opravování co nejefektivnější, tak přichází k tomu používání nástrojů. To je nechci říct side effect reasoningu, ale je to skrátka delší vlastnost modelu, na kterou byl dotrénovanej. aby použili tady ty nástroje a ty nástroje to vyhledávají na internetu, jak jsme říkali na začátku, že si stáhne nějaký data, nebo to, že ti přistoupí k tvojímu kalendáři, nebo se připojí do poznámkovýho bloku, nebo někde získá data z nějakého jiného softwaru. A to je vlastně součástí toho reasoning procesu, že ten model vlastně má, nebo není to součástí přímo toho reasoning procesu, ale je to vlastně toho, toho agentovýho vlastně přístupu, že ten model má, vezme tvůj prompt, zamyslí se nad tím a z toho mu vypadne jako jak asi postupovat a jaký má nástrojevý, on je použije, získá tento kontext, znovu se nad tím zamyslí a takhle pokračuje dál do kaveť nedostane nějakou uspokojivou odpověď a tím pádem on nejenom to opravování po sobě, tak nejenom, že vychází z toho, co už ví, ale je schopnej si dotahávat informace z různých zdrojů. A to zase za mě byl… Jestli Reasoning byl obrovský krok upředu, tak tohle byl hned za ním ten druhej. Naučit modely používat i nástroje. A to najednou rozšířilo tu jejich schopnost dělat věci a hlavně po sobě kontrolovat. A to znamená i tu správnost těch výsledků obrovským způsobem. Což

Jindřich: si dovolím tvrdit, že jsme relativně v současnosti a k tomu, co ty zmiňuješ, používám nějakých nástrojů, tak se používají takzvané jako MCP servery, kterým ty si tam právě můžeš ten nástroj připojit. Já teď přesně nevím, který jsem zkoušel, který jsem neskoušel, ale když zůstanu, nepůjdu do koda, ale zůstanu čistě jenom u toho četovacího asistenta, tak nějaký kalendář třeba nebo svůj notion, tak to a to mě přijde jako super. A já osobně se domnívám, že tohle to je přesně jako ta budoucnost, protože co se týče nějakého kontextového okna a rychlosti a takových věcí tak si myslím že už jsme teď jako dost na špičce samozřejmě si netroufám odhadovat ještě kam se to všechno dostane, ale jestli je něco kde by se to mohlo jako hodně rozšiřovat tak jsou to ty mcp servery. spoustu dalších nástrojů by mohlo mít mcp servery a dost možná to skutečně jako budoucnost bude neboť si dovolím tvrtit že to otrzuje i OpenAI protože mcpser pokud se nepletu, tak s ním přišel Anthropic a OpenAI to definoval jako svůj standard, což čímž vlastně potvrdil nepřímo, že tohle může být ta budoucnost mít tady jako nějaký standardizovaný interfejs, jak i do toho tvýho četovacího asistenta připojit ty nástroje třetích stran. No a když jich bude hodně a budou dobrý, budou fungovat spolehlivé, tak ty možnosti toho využití jsou pak jako prakticky nepředstavitelné, protože ty tam pak už můžeš napojit jako úplně všechno a vlastně tento asistent to udělá všem za tebe.

Filip: MCP servery, to je možná pro třeba diváky, který třeba o tom neslyšeli, tak to je také jako USBčko, kdy prostě je možný napojit jakýkoliv vlastně jako data nebo nástroje, aplikace do toho chatovacího asistenta. Omile jsem málem řekl jazykovýho modelu, ale to už jsme svysetli, do toho asistenta. a on k ním může přistupovat. A přesně jak říkal, je to obrovská věc, protože já si můžu vytvořit vlastní MCP server a můžu se ho připojit do ChatGPT a nemusím prosit OpenAI, prosím, připojte mi to, já si ho prostě vytvořím, protože je to standard a můžu se ho tam připojit. Nicméně, MCP servery mají jednu nevýhodu a to je to, že jsou strašně nenažraný na tokeny. Používání MCP serveru opravdu stojí jako dost tokenů, takže… Já si myslím, že MCP servery budou pořád hodně používané a dávají obrovský smysl v určitých use casech, ale třeba když se nakoustou k load kóda, tak tam je zajímavé, že se víc stíhne k bashi, k terminálovým příkazům, kdy MCP je až taková poslední volba, když už něco nemůžu připojit efektivnějc, tak to připojím přes to MCP, protože vím, že mě to bude stát hodně tokenů. Ale to už bych běhal do velkých technických detailů. Co jsem si chtěl říct, je, že MCP je teď industry standard, ale je možný, že stejně jako u USBčka jsme nezůstali o USB A, ale bylo USB C. Teď máme to nejnovější, který je standardizovaný, tak pravděpodobně ta evoluce bude i tady u toho. Ale určitě jeden… jasně definovaný interfejs, který je univerzální, tak bude pořád dominovat. Díky tomu, když se vrátím k MCP, je dobré mít povědomí o tom, co to je. kdykoliv řešíte připojení nějaký aplikace a není vidět v tom ChatGPT připojit aplikace, není vidět v tom seznamu, tak pravděpodobně, když si do prohlížeče napíšete název aplikace Mezera MCP, tak dost možná najdete, že to podporuje a pak jste schopní si tam tu aplikaci připojit, i když ji ChatGPT oficiálně nepodporuje. Takže to je za mě určitě super hack pro kohokoliv, kdo chce trošku rozšířit ty možnosti toho asistenta, protože za mě Fakt, jak jsi říkal, už jsme dorostli do toho, kdy ty modely jsou si dost podobný, ty nástroje, ty asistenti dost taky. Minimálně já to tak mám, že bojuji s tím, jak nejvíce zjednodušit tu práci, abych nemusel být já ten lidský konektor, že prostě vezmu data z systému A, co to dolo, co to dolo, V doči GPD, takže udělám práci, co to dolo, co, vložím je někam jako jinam, A takhle jako pořád jsem prostě takový jako lidský USBčko a to prostě jako nechceš. A to podle mě dneska je to nejdůležitější, jaký systém ti nejlíp propojí tady ty jako služby, tak ten podle mě pro tebe dává jako největší smysl. A zase záleží, co používáš a jak hodně dokážeš být flexibilní, co si napojit a tak dále. Krásný

Jindřich: to přirovnání lidský USBčko nebo obecně jako ta paralela s tím USBčkem, ale nepochybně na tom něco bude. Uvidíme. Každopádně hezký na tom je, že je to i to MCBčko je do jistý míry jako pro netechnický uživatele. To se tady zmíní jako terminal, bash a jako pro dvě tyhle věci a tam už to zase chce mít jistý přesah toho technického backgroundu. Ale jestliže ty si chceš připojit kalendář do svého četovacího asistenta, tak to je doslova na tři kliky. Třikrát kliknu a potvrdím permissionu. To samé jako Notion a e-maily a celá řada základních nástrojů. A v tom je to hezké, že člověk opravdu nemusí mít technický background, ale dokáže si tyto nástroje taky pospojovat tak, aby s tím mohl velmi efektivně pracovat. Každopádně co možná, nebo napadá tě třeba nějaký další efektivity hint, jinak bych případně navrhoval se, mě poslou k nějakým cenovým modelům, limitům, halucinacím a dalším tématům, co s tím už se souvisí.

Filip: Jo, poslední, co mě jako napadá a je podle mě extrémně důležité, aby tady padlo, tak je, že dnešní modely z větší části jsou takzvaně multimodální. To znamená, že kromě textu tak umějí pracovat i třeba s obrázkama. A teď nemyslím generovat je, ale jako analyze a vnímat ten obrázek, takže kolikrát ty můžeš prostě udělat screenshot něčeho, vložit ho tomu agentovi, on pochopí, co na tom obrázku je, dokáže vyčíst ten text, dokáže pochopit, že, nevím, udělám screenshot obrazovky, takže tam mám otevřený chatovací okno a že tady je nějaký seznam uživatelů, se kterými asi píšu a zkrátka jako dokáže pochopit, co ty vlastně po něm chceš. Takže v určitéch případech obrázek může být tisíc slov. To znamená, že když mu chceš něco vysvětlit, tak mu dáš ten obrázek a on to pochopí. Samozřejmě má to své limity, nejde všechno na obrázky, text je pořád efektivnější a levnější a rychlejší, ale když budu popisovat grafický rozhraní nějakého programu, tak to já nezvládnu popsat textově, to je ten obrázek lepší.

Jindřich: Jo to je určitě velmi důležité zmínit, byť jsme to tady ne úplně přímo, ale jako změňovali. A přesně jako tyhle jsou, když jsou pdfka, tabulky a vlastně obrázky, cokoliv, tak to nejen, že to můžu dát přímo do četovacího okna, ale právě můžu s tím pracovat i v té paměti. No takže úplně klidně, když já mu jako vytvářím ten kontext, o čem jsme se tady před nějakým časem bavili, tak stejně tak já můžu do té paměti právě veškerý tyhle ty další asety ukládat. A tak, pojďme se posunout zase trochu.

Filip: Pojďme teda se na ty limity, nebo co ti přijde jako takový, jak to říct, u těch AI agentů, nebo to jsem nechtěl říct, právě jsem si trošku prozradil tu otázku, chtěl jsem se vlastně zeptat, jako u těch AI asistentů, jako vnímáš nějaký limitující faktory, když s nimi pracuješ? Je jich

Jindřich: tam celá řada. Pro mě je největší, dovolím se tvrdit, že možná pro celou řadu lidí, kteří nás třeba budou poslouchat, tak bude to nějaké kontextové okno. Já mám nějaký jeden čel, já mu dám velkou věc rozjetou a dávám mu tam postupně, máš různý obrázky a pdfka a pak ti tady dám x, y megabyte nebo gigabyte, to je super. jako pracovat s tímhle tím no takže přece dostaneš se do nějakýho loupu kdyby ti řekne jejda no jako už seš out of quota už jsi se jako vyčerpal jako ten svůj ten svůj pricing no ale Ty se samozřejmě řekneš no jenom, že já vím, že to má nějaký jako denní limity, tak já přijdu zejtra. No tak přijdeš zejtra, otevřeš si ten chat a napíšeš mu pojďme pokračovat a on řekne jo jo pojďme pokračovat, něco tam chroupek 10 minut a pak ti zase řekne, jsi out of quota. Cože. A tohle je za mě asi limitující faktor. A čímž chci i na vás na to, že je dobré znát kontext, znát nebo vědět, že existují tady přesně tyhle limity, že tady jsou nějaký input, output tokeny. A celý tenhle kolotoš, když já tady mám opravdu dlouhý chat, rozhodně není zdarma. A jak říkám, myslím si, že každému z nás se to stalo, že ten svůj limit byť každej možná jiným způsobem, tak vyčerpal.

Filip: vyčerpal a nejenom na tom předplatném, ale třeba i na tom kontextovém okně, že jo? Protože vlastně ten chat má nějaký i svůj limit na tu dýlku a pak záleží na tom nástroje, jak si jim naloží. Takže za mě delší protip je zakládat si fakt nový chaty ve chvíli, kdy chceš jít řešit něco jiného, tak to všechno necpat do toho jednoho chatu a neříct, no a teďka pojďme dělat tady to a teďka tady to. A prostě otevřít si novej chat navázat zkrátka jako na tu konverzi, nebo jinak vytvořit tu konverzaci jako novou a vyčistit trošku ten kontext. Ale to je zase, jako bychom zabíhali do tématu context engineeringu, to bychom tady mohli být celý další jako díl a hlavit se o tom, jak správně těm agentům dát dobrý kontext, protože Nechceš ho dát málo, nechceš ho dát ale zase příliš, ale chceš ho dát dostatečně na to, aby ten agent ti odpověděl relevantně. Je to celá disciplína, říká se i context engineering. Myslím si, že jeden třeba z následujících dílů by taky na toto téma mohl bejt. Jo, určitě.

Jindřich: Já možná, já totiž, když mluvíme o limitech, tak já ty mě mám jako takový dva, nebo vždycky mě jako naběhnou v hlavě. A ten první to, co jsou přesně jako i ten pricing a to, že tam je ten jako input, output tokeny a že to jako něco stojí a že to má nějaký jako plány, který ti jednou ty jako četovací asistenty. které tě jako limitujou v tom jako využití a podobně, což samozřejmě je určitě dobrý jako s tím jako pracovat, protože všechno je zadarmo, respektive není to vůbec zadarmo, je to dost drahý. No ale zároveň i ta druhá část těch limitací a To jsou potom nějaký ty podstaty věci těch jako jazykových modelů, jako například jako halucinace, nebo nějaký jiný bias, případně jako soukromí a autorský práva, o čem jsme tady vlastně mluvili v jednom z předchozích dílů a podobně. Takže když se možná zastavím hned u toho, co jsem zmínil i jeden mezi prvníma, tak je ta samota jako halucinace. Takže určitě je to něco, na co je dobrý si dát ozor, být trošku, mít kritické myšlení, mít trošku i nějaké předsudky, že ten model se skutečně může mílit a to, co mě řekne, nemusí být nutě pravda. Jak jsme na začátku zmíněli, není to databáze faktů, ani to není člověk na druhé straně, ale je to jenom predikce nějakých pravděpodobných slov, které jsou nějakým způsobem řetězeny. No ale je určitě fajn si zase uvědomit, že ta halucinace, nebo ten samotný jazykový model je nabrženej tak, aby tě přesvědčil, aby zněl jako sebevědomě, a je to nějaká feature na jednu stranu, ale zároveň i bug, ať si každej vybere, jestli je to bug nebo feature. No ale když se ti snaží něčem přesvědčit, což vlastně nutně nemusí být pravda a zní přesvědčivě, tak to je samotná vlastnost toho jazykovýho

Filip: modelu. Tady to je poprvský rabbit hole, že? Ono je dané tou povahu věci tím, jak jsou ty modely dotrénovávány, nějaký reward funkce a podobné věci, ale to opět bychom tady byli jako strašně dlouho. A je to zkrátka paradoxně jako složitej oříšek na to rozlousknout, abych ten model ti řekl, já fakt nevím a nevymyšlel jsi. Je to prostě na tobe. A ono to je vlastně stejné, že jak jsme říkali, že představ si tam toho kamaráda nebo kolegu, no tak já taky slepě nevěřím všemu, co ty mi říkáš, a tak jako když mi něco nezní, tak se teda podívám na ten internet a trošku si to věřím. Protože i ty se můžeš plíst, nebo mi vědomě říct něco, co není pravda. Takže zase je to prostě, když mluvíš s tím kamarádem nebo kolegou. Prostě přistupa k tomu, že ne všechno, co ti dá nebo řekne, tak musí být správně, nebo musí být prostě pravdivý. A to je podle mě jako zásadní uvědomění. Není to, teď jsem chtěl říct Google, ale na Google taky musí být všechno správně, že jo? Ty jsi to řekl nejlíp. Není to databáze faktů prostě.

Jindřich: To co platí dlouhou dobu a vlastně v dnešní době to platí dvou násob, tak nemůžeš věřit všemu co vidíš na internetu a nemůžeš věřit všemu co ti vyhodí ten jazykový model samozřejmě. Byť na druhou stranu je určitě velmi důležitý říct, že je to jako lepší a lepší, to jak jsou ty, ta postata věci, jak jsou samotní ty jazykový modely natrénovaný, tak na jakých datech jsou jako natrénovaný, tak jakým způsobem oni využívají váhu těch trénovacích dat, podobně tak je to jako lepší a lepší, takže ta budoucnost, asi se zase vlastně vracíme k tomu, že ta budoucnost nás

Filip: čeká hezká. A je to přesně o tom, že oni umějí ty informace si sami ověřovat a hledat na tom internetu, používat ty nástroje, aby si to ověřili a vlastně uzavíráš tu smyčku toho, že jako něco po nich chceš, oni to udělají a ještě si to po sobě ověřejí a když tak si to dokážou opravit, A to už se dostáváme k AI agentům si troufnout vrdit do velké míry. A to už bych si nechal na nějaký zvláštní díl, protože o tom si myslím, že budeme povídat ještě zajímavější než tady o AI četovacích asistentech. Takže to byly takové základy si troufnout vrdit. Jako určitě,

Jindřich: ale zároveň nás to dost pravděpodobně dostává tak jako úplně poslední fáze týdešního epizody. a to je možná filozofování nad budoucností těch chatovacích asistentů. Takže já už jsem tady vlastně trošku nakousl tu moji potenciální vizi a to jsou všechny ty MCP servery a opravdu víc nástrojů, víc kontextu, víc informací o tobě, já tím nemyslím nutně jak na nějakých souhrumech nebo osobtích dat, ale domnívám se že ten samotný model bude víc chápat co ty děláš a za jakým účelem se vlastně na to ptáš než jenže seš tady zvědavej tonda, tak bude spíš znát ten ten tu praktický background. Ale pověz mě tady možná, jako ty tam vidíš budoucnost, nebo kde vidíš ten největší směr, kde by se ty AI asistenti ještě

Filip: mohly rozvíjet. Ono strašně záleží na té terminologii, čemu člověk říká, co už, jo? Ale já fakt největší potenciál vidím v AI agentech. To je podle mě ten směr, kterým to celý jde. A je to vlastně… Já si AI agenta definuji tak, že je to vlastně ten asistent, kterýho máš, který umí dělat ty věci, ale zároveň je víc jako… má ten agentový přístup. To znamená, že ty chatovací asistenti, často máš GPT, tak oni umějí používat ty nástroje, ale nestane se, že ten asistent poběží tady hodinu a bude za tebe vykonávat ty věci. A to už spíš se přelevé váš do té roli AI agentů. A já si myslím, že z těch chatovacích asistentů se postupně budou stávat ty AI agenti. Obecně za mě budoucnost patří jako AI agentům a jasně se můžeme bavit připojování MCP servoru nebo nějaký jiný přístup k těm datům, ale podle mě už jsme trošku přešli tu čáru toho, že je to chatovací asistent, kde já si povídám v rámci chatu a dělám to. Spíš se teď přelejváme do agentní části, kdy ideálně chceš, aby agenti třeba něco dělali sami proaktivně za tebe a… těch možností tam za mě prostě zkrátka jako mnohem mnohem víc. Což jsou to

Jindřich: jako témata, o kterých se tady velmi pravděpodobně budeme bavit jako v budoucnu. Jednak ty samotné agenty, takové nástroje, jak efektivně si mám pracovat a podobně. Velmi pravděpodobně teda. Co bych možná ještě na mě jako zmínil na závěr, tak nevím tedy, jestli to ještě platí, každopádně ale nedávno, tak měl klot akci, pokud vlastníte ten proplan, tak v nastavení billingu nebo v tom usage, tak stačilo kliknout, chci tady claimnout 40 dolarů a dostáváš vlastně 40 dolarů na tu extra usage, což znamená, pokud ty si vyčerpeš ten svůj jako dejní limit například, tak se to bere sdělat těch 40 dolarů. Já jsem na to dojistým míry narazil náhodou, když jsem kontroloval svůj usage, ale kliknul jsem na to, získal jsem těch 40 dolarů a prakticky za pár minut jsem je začal čerpat. Takže určitě, pokud by o tom někdo nevěděl a používali byste klóda, měli byste to pro předplatný, říkám, nevím ještě, jestli to furt platí, ale můžete si případně tady klejmout těch 40 dolarů

Filip: zdarma. To je dobrý protip, že takových služeb existuje spousta, které mají různé spolupráce, takže perplexity… Teď se nespojenu, přes co jsem to měl. Vím, že to mají s jedním telefonním operátorem, a já jsem to získal přes něco jiného. Teď si nemůžu vzpomenout. Ale zkrátka, různé AI služby napízejí různé slevy na předplatné přes různé programy. Tak je dobré podívat dopředu, než si člověk něco zaplatí, jestli to nemůžou získat za levnějce nebo třeba

Jindřich: za darmo. Nechtěl jsem to skákat, ale připomenuji ti to, to je tvojí osobní denníček, měl jsi to přes paypal pokud se nechutu, tak když jsi zaplatil přes paypal tak to bylo tak free, že to šlo, ale tady ta akce tam byla jenom hrozně krátce, třeba týden nebo něco takového, já jsem to pak do okolostí poslal kolegům a ty mě říkali, jo to nejde už. Už to expirovalo. Ale jo, to je určitě fajn a samozřejmě můžeme tady průběžně v těch našich epizodách, když na něco takového narazíme, tak to můžeme sdílet. Myslím si, že to jsou docela jako fajn protipy, jakým způsobem získat i tyhle perplexity. Já jsem to právě měl třeba osobně přes T-Mobile, mám pocity, že když máte nějaký produkt takového T-Mobile, tak perplexity na rok zdarma, což si myslím, že jako dostuží. No tak fajn. Filipe, díky moc za dnešní povídání. Bylo to zase si dovolím tvrdit dost zajímavé a doufám, že to bude zajímat i naše posluchače. Pro mě

Filip: to byla skvělá taková cesta a ohlídnutí za tím, jakou cestu ty asistenti vlastně ušli. Už se těším na další epizody, kde se podíváme a agenty a pokročilý věci, protože tím žiju teď každej den a je to super. Takže taky díky za epizodu a budu se těšit příště. Skvělé,

Jindřich: tak jo, díky moc, měj se pěkně a s poslouchačema se slyšíme u další epizody. Díky, čau. Čau, čau.