10 praktických AI tipů

Filip: doptávej se mě, dokavaď neřeknu stop nebo dokavaď neřeknu brambora.“

Jindřich: hele, míň mi věř a víc se ptej.

Filip: to není jako deterministickej program, kterej má vždycky pravdu, ale může kecat

Jindřich: data vládnou světu, tak v dnešní době to dost možná platí dvojnásob.

Filip: nahraju myšlenku, minutka, prostě šup, uložím, zahazuju, nemyslím

Jindřich: Dvacátá druhá epizoda podcastu Deep Link Show a o tohleto téma jste si napsali vy, naši posluchači, Filipem jsme se rozhodli, že vám tohle téma natočíme. Dneska si řekneme deset tipů na to, jak efektivně využíváme umělou inteligenci my s Filipem a jakým způsobem nám přináší největší hodnotu. Filipe, rád tě zase vidím a těším se na to, až mi zase stejně jako vždycky povíš něco novýho.

Filip: Jindro, taky se na tuhletu epizodu těším. Zdravím i vás, naše posluchače, a pojďme se rovnou do toho pustit. My jsme nevybrali nějaký tipy jako na nástroje nebo přesný věci, ale zkrátka chceme projít takový myšlenky, koncepty, který si myslíme, že dokážou posunout to vaše využití umělý inteligence o kousek dál. A nemusí to bejt vázaný jenom na jeden nástroj, ale jsou to spíš opravdu takový jako obecný věci. Tak já vykopnu hnedka ten první a tím je: nastavte si pro toho vašeho chatovacího asistenta dobrej kontext. My jsme tady chatovací asistenty už rozebírali v několika dílech. Řešili jsme jak chatovací asistenty jako takový, tak jsme řešili i kontext a jak ta paměť těch chatovacích asistentů nebo obecně jak paměť v tady těch AI nástrojích funguje. No a za mě ta první rada je: pracujte s tou pamětí. To znamená, pokud používáte ChatGPT nebo Clouda, mrkněte se do nastavení. Je tam nějaká paměť, kterou, eh, nebo ta memory, kterou si o vás ten chatovací asistent vede. Podívejte se, co tam je uložený. Podívejte se, jestli ty informace jsou relevantní a případně je upravte, protože to je něco, co se posílá vždycky ke každýmu promptu, který vy tomu asistentovi napíšete. A je blbý, když tam zkrátka jsou zavádějící nebo vyloženě špatný informace.

Jindřich: Jsou, eh, minimálně z mý zkušenosti, tak určitě ne všechny jsou stoprocentně validní. Ale ono je to vlastně v pořádku jako do jistý míry, eh, protože nutně dlouhou tu paměť si tvořit vy sami. no, zkrátka ten model vás, respektive ten nástroj vás jako nějak pozná a nějak tu paměť si vytvoří jako sám a jsou to do jistý míry jenom poznámky o tom, kdo vy jste. Ale samozřejmě úplně nejlepší řešení je zkrátka si to v tom nastavení otevřít, eh, nezávisle na tom, jakýho chatovacího asistenta používáte a zkrátka si ověřit, že ty informace tam jako validní jsou. Eh, dost možná nebudou. Minimálně já takovou zkušenost mám. Já když jsem si to v jednu dobu asi nastavoval, tak tam byly informace, který byť vím, že jsem je řešil a byly pro mě tehdy důležitý, tak už pro mě nejsou validní. Eh, neudělal jsem nic jinýho, než že jsem to přepsal. Odstranil jsem, eh, jako irelevantní a jasně, může to bejt i do jistý míry trochu placebo efekt, ale domnívám se, že ty výsledky od tý doby jsou zase o něco lepší

Filip: Ale souhlasím. Zároveň takový jako běžný jev je, že víc lidí používá jeden účet, což za mě není ideální. Osobně bych jako bojoval za to, aby, aby to člověk jako omezil, pokud chce mít co nejlepší výsledky. Pokud to z jakýchkoliv důvodů není možný, tak minimálně co mně se osvědčilo, tak funguje hezky, když tomu modelu pak při tý úpravě paměti tak vlastně jako vysvětlíte, jaký data se vážou k jednomu člověku, jaký data se vážou k tomu druhýmu, aby on si je vlastně jako měl v těch poznámkovejch, v tom poznámkovém bloku oddělený a zase jako to trošku pomůže zlepšit tu kvalitu těch odpovědí. Ale jako za mě nejlepší zase jako používat fakt toho chatovacího asistenta jenom pro sebe. No a pokud my se dostanem k nějakým agentům, jako je Claude Code, CoWork a podobný, tak i tihle ty mají nějakou vlastní paměť. Buďto si to ukládají do tý složky tečka Claude do memory, Codex to má zase jako podobně, myslím, že to je tečka agents a pak to je zase memory a to je úplně vlastně jako stejný ekvivalent toho, co vy máte v těch chatbotech. Takže i tady v těch agentech je fajn se podívat, jestli tu paměť máte zaplou, protože někdy může bejt i vypnutá. Vy si to ovlivňujete nějakým nastavením, takže jako na tohle je dobrý mrknout, ať víte, co čekat a pokud ji zaplou máte, tak se do tý memory podívat a zase zkontrolovat, jestli tam mám relevantní informace, jestli tam není nějakej bordel a balast.

Jindřich: A já tomu vlastně do jisté míry rozumím, že někdo jako sdílí ten účet, byť jasně, není to, není to jako optimální, ale pro někoho může být, eh, vlastně míry jako bariéra se za to zkrátka musí platit a že to má nějaký limity, že jo. Ten nejnižší model nebo minimálně v případě Anthropicu, že to stojí nej-nej-nejlevnější tier asi pět nebo šest stovek. Eh, ChatGPT má to Go, tak aspoň aby si člověk třeba zaplatil to Go. Ale když si vzpomenu třeba když já jsem byl student, že jo, tak jsem taky řešil veškerý subscription, který jsem měl, a to tehdá ještě nebyla taková doba, eh, kdy těch subscription má člověk hodně, že jo. Dneska máš minimálně Netflix a pak různý další prémium služby a, eh, zkrátka i já jako osobně, byť už jako dlouhou jako dobu pracuju a samozřejmě to dává obrovskou výhodu a, eh, je to opodstatněný si to jako platit. Já si platím už i ten Max plán, byť ten nižší, tak jako chápu, že pro někoho ta bariéra může být. Takže to někdo tak má, tak asi bych možná ten step jedna doporučil ten levně-- nejlevnější tier toho ChatGPT. A pokud ne, tak samozřejmě minimálně to oddělit tak, jak jsi zmiňoval ty

Filip: Hele, já ještě doplním jeden takovej malej hack za mě, protože byť já teďka tady říkám, že je nejlepší to oddělit, tak já ten svůj Claude účet taky sdílím nebo respektive dávám k němu přístupy přítelkyni, která to nepoužívá tak často. A vlastně my jsme si našli workflow takový, že ona jako primárně nepoužívá toho chatovacího asistenta, nebo když ho používá, tak třeba na nějaký obecný dotazy nebo třeba v tom anonymním režimu. To znamená, že si tam zaklikneš, aby nepoužíval vlastně tu memory. Takže tím já se jako bráním tomu. Případně si můžeš vytvořit projekty a v rámci těch projektů je ta memory oddělená od té hlavní, takže to může být zase jako nějakej hack. Teďka mluvím primárně o Claudovi. Nejsem si jistý, jak to funguje v ChatGPT, ale v tom Claudovi, že se to jako oddělíš do těch projektů a ten projekt používá někdo jinej a tím pádem se tam memory aktualizuje jenom v tom daným projektu. A pak třetí hack je ještě to, že pokud potřebuješ pracovat jako s velkým množstvím dat, no tak ale my se k tomu dostanem pak někdy ke konci tady toho dílu v jednom z kroků. Ale je dobrý nechat toho agenta pracovat v tý složce, třeba Coworka a Claude Coda. A oni tím, že si to zapisujou do toho .Claude přímo v rámci té složky, no tak pokud ty pracuješ v jiný složce než ten druhej člověk, který používá ten účet, tak to vlastně není problém. Takže jako dá se to obejít, jenom je potřeba na to vlastně jako myslet a nastavit si to prostředí pro to, aby, aby ta memory se ti nepřepisovala ta globální, kterou máš pro celej ten účet.

Jindřich: Takovej side note, co mně teď přijde jako docela zajímavý, tak ty už vlastně můžeš importovat ten projekt z toho jako klasickýho chatovacího asistenta, tak můžeš

Filip: Jo.

Jindřich: do Coworku.

Filip: Mhm.

Jindřich: Takže jako teoreticky ty pokud chceš pracovat jako v jednom projektu nebo případně jeden člověk nebo z jakéhokoliv důvodu, tak zkrátka relativně jednoduše CoCreate Project třeba importuješ tam ten z toho standardního chatovacího asistenta a vlastně nad stejným kontextem ty můžeš pracovat i v rámci toho Coworku, což je vlastně super. A možná pojďme dát další bod. Ehm, co se jako nabízí, tak samozřejmě ne být jako úplně jako pasivní nebo direktivní při zadání těch promptech, ale zároveň vyzývat toho tvýho, já tady furt jako opakuju chatovacího asistenta, že jo, ale samozřejmě i když člověk jako používá třeba Cowork, tak ho zkrátka vyzývat k tomu, ať se tě doptává. V případě, že jsou nejasnosti, jako dej mi, dej mi otázky, zeptej se na něco, eh, přemýšlej nad tím, co jsem ti ne, co jsem neřekl nebo co jsem nedoplnil, jaká informace ti chybí a než začneš pracovat, tak se mě doptěj. Je to takovej jako drobnej hack, ale já už jsem si to prakticky zvyknul jako tak používat, že mám takovou moji jako podobnou speciální větičku, kterou jsem teď vlastně popsal a pak ji jenom copy pastuju už, ať už vytvářím jakejkoliv novej projekt v Coworku

Filip: A tohle je jako extrémně důležitý, protože a ono já jsem si vždycky říkal jako proč? Jako tak přece když tomu modelu nebude něco jasný, tak ať se mě doptá, ne? To je přece jako normální. Ale zase jako funguje to stejně jako u lidí, že jo. Když s někým něco debatuješ nebo mu něco vysvětluješ, tak pokud mu nedáš explicitně to zadání: „Hele, a pokud to, co ti popisuju a zadávám, ti přijde jako blbost nebo vidíš tam nějaký možný nedostatky, tak na ně upozorni.“ Tak si třeba ten člověk taky řekne jako: „No tak to nebudu říkat.“ Nebo ho to ani nenapadne to v tom hledat. A u toho modelu tím, jak on vlastně jako počítá jenom ty následující tokeny a vlastně jako on se sice dívá na to zadání, ale tak když tam není explicitně zmíněno: „Doptávej se mě, koukej na to z různých úhlů pohledu,“ tak zkrátka nebude tak detailní. On sem tam se jako doptá a je to primárně tím, že třeba ten asistent nebo ten agent už jako v tom systémovým promptu má nastaveno, že toho uživatele se má zeptat třeba na pár vlastně dopřesňujících otázek. Ale opravdu jako velmi dobře tady to funguje. A mimochodem existuje takovej skill, jmenuje se Grill Me a on je to programátorskej skill, ale prakticky to je extrémně jednoduchý skill, kterej si může vytvořit každej. Ke skillům se dostanem za chvilku, ale když to nebudu popisovat jako skill, ale jako instrukci, součást toho promptu, kterej můžete dát, tak vyloženě mu můžete říct: „Hele, doptávej se mě na tady ten problém ze všech úhlů pohledu.“ Ideální je pak mu popsat i třeba pokud víte, co řešíte a jaký úhly pohledy tam jsou, úhly těch pohledů tam můžou bejt, tak vyloženě mu to jako říct a říct mu: „Hele, doptávej se mě, dokavaď neřeknu stop nebo dokavaď neřeknu brambora.“ To je jedno, nějaký klíčový slovíčko a vyloženě jako fakt nechat ten model, ať pořád vymejšlí nějaký otázky a pomůže vám jako ten problém fakt jako vyspecifikovat a voťukat z různejch úhlů pohledu. Protože za mě tohle je jako jedno z nejlepších využití AI, kdy já mám nějakou myšlenku, mám nějakej nápad. Pořád já jsem autor, já jsem si to rozpracoval, jo. Není to, že bych hodil AI vymysli za mě všechno, ale často na něco zapomenu nebo prostě potřebuju toho parťáka, kterej mi nadhazuje nějaký jiný myšlenky. A ty jo, už jsem jako spoustu kreativních věcí vymyslel tím stylem, že já jsem navrch hrubou představu a Claude mi takhle dal deset nápadů. Devět z toho byla totální blbost, ale ten jeden byl jako boží.

Jindřich: Tady si myslím, že stojí za to jako si uvědomit, že ty samotný jazykový modely jsou trénovaný pro to, aby ti jako pomohly a vyšly vstříc, že jo. ale přesně v tenhleten okamžik je někdy dobrý vlastně ten jazykový model nebo toho mýho chatovacího asistenta dostat do pozice takovýho skeptika, možná jako řeknu. Jo, že dostat ho do pozice: „Hele, ty seš tady víc jako ten odborník, zkus mě trochu pro-pogrilovat. Jasně, můžeš to využívat skilly nebo něco, nebo mu to můžeš jako napromptovat, ale zkrátka dostat ho asi víc do tý pozice, kdy hele, míň mi věř a víc se ptej.

Filip: Rozhodně. To, to prostě fakt extrémně pomáhá. No a to možná oslím můstkem nás přináší k tomu dalšímu třetímu tipu, protože nevím jak ty, ale mě strašně nebaví psát a když tomu agentovi musím vysvětlovat tu myšlenku tím, že mu to píšu na klávesnici, tak je to náročný a nechce se mi do toho a často dělám zkratky, že řeknu: „No to je jasný nebo to tam prostě nedám.“ No tak třetí tip a takovej hack za mě, kterej mi extrémně pomohl, je: používejte diktování hlasem. Ať už jsou to aplikace jako Super Whisper, Mac Whisper a spousta dalších Whisper Flow. Je jich fakt celá řada, některý jsou placený, některý jsou zdarma, ale zkrátka ta myšlenka je: používejte diktování hlasem, byť ty prompty nejsou tak kvalitní, jako kdybyste je napsali na počítači. To je pravda, ale vy pak toho agenta, chatovací asistenta, to je jedno. Tak vy když ho instruujete: „Hele, pojďme z toho, co jsem ti nadiktoval, vytvořit nějaký zadání nebo nějakej jako ucel-, nějakou ucelenou představu, tak to funguje jako velmi dobře. Poradí si to s překlepama nebo respektive jako přeslechama, když tam funguje ten přepis a nevím jak u tebe, Jindro, ale umí jako vyjádřit se slovy a jen tak se jako zaklonit a pět minut povídat o tom, jak bych si to představoval, je mnohem jednodušší, než to psát na klávesnici.

Jindřich: Ale ve mně se to teď poslední dobou trošku láme, jo. Já jsem taky

Filip: Ok

Jindřich: zastánce toho, že jsem to diktoval a my už jsme tady, to jako se o tom, o tom jsme, tohle téma, to jsme se zkrátka několikrát bavili v předchozích epizodách. ale k čemu já jsem jako doiteroval? Heč, že vlastně já na tom chci jako zapřemýšlet a já se pořád snažím dávat ten prompt jako opravdu dobrej, nežli obsáhlej. Jo, takže já to chci vždycky trošku promyslet, dát ho co možná nejvíc přesnej a zjistil jsem, že když já to jako diktuju, tak já vždycky řeknu jako větu, pak jako přemejšlím, pak nadiktuju jakoby další větu a přemejšlím, až jsem vlastně doiteroval k tomu, pokud se tady bavíme čistě jenom o časový úspoře, jsem na tom byl vlastně dost podobně v obou případech

Filip: To je možná otázka, jak ty, jak ty jako diktuješ ten prompt? Vyloženě se snažíš diktovat ten prompt jako takovej nebo jen tak jako raw myšlenky říkáš?

Jindřich: Ale asi, eh, záleží jako na tom konkrétním use case. Já jsem jako zkoušel oboje, ale víc jsem se snažil jako diktovat ten prompt spíš no, než fakt jakoby

Filip: Tak to,

Jindřich: a házet tam jako ty myšlenky

Filip: tak to pak vlastně jako chápu, že ti to tolik nefungovalo. Ten můj use case je přesně to druhý, že já třeba si sepíšu pár řádek jako nějak strukturovaně, ale pak když chci jako vyjádřit nějakou myšlenku, třeba já nevím, připravuju nějakej novej koncept nějakýho videa nebo přemejšlím nad něčím, co ještě jako nemám vyloženě ucelený v tý hlavě, tak já vyloženě to jako zapnu, diktuju, mluvím, mluvím a kolikrát si třeba i v tom jako mluvení třeba začnu odporovat, že si řeknu: „Hmm, anebo ne, tohle bysme možná mohli udělat takhle.“ A vlastně jako nahlas si přemejšlím. Mně vždycky přemejšlení nahlas strašně pomáhá si utříbit myšlenky. No a než abych si je tříbil jenom pro sebe, tak vlastně dám celej ten můj myšlenkovej pochod tomu asistentovi, nechám ho vytvořit nějakou tu představu, ten jakoby prompt a pak až tady to nechávám jako zpracovávat dál.

Jindřich: Právě a nenarážel jsi jako na ty problémy přesně tím, že ses jako někdy odporoval sám sobě? já když jsem to zkoušel tohle, tak jsem, eh, třeba řešil, eh, jako PRD pro nějakej softwarovej projekt, kterej jsem chtěl udělat. Jo a přesně když jsem si párkrát takhle, eh, tam jako odporoval a doiteroval jsem těma svejma myšlenkama, že vlastně jsem to doupřesňoval tak, že to, co jsem říkal na začátku, nebylo validní, ty výstupy pro mě minimálně mi přišlo, že jako nebyly tak kvalitní, jako když jsem si dal opravdu na tom prvotním promptu záležet,

Filip: Jo takhle, no,

Jindřich: kratší

Filip: no, no jako takhle, jako ty výstupy hnedka z tohodle tak nebudou jako dobrý. To je jasný, že ten prompt bude, bude jako fungovat líp, ale to moje workflow je takový, že já vlastně jako si vodpinkám tu myšlenku, pak vezmu nějaký to hrubý zadání, takže já mu třeba kolikrát řeknu: „Hele, pojďme si to vypsat to zadání, ty myšlenky jenom v pár bodech, vyloženě fakt jako takovou hrubou osnovu, hrubý zadání a pak todleto vezmu a třeba ještě dočešu a pak to dám jako novej prompt. Takže jako je to pro mě často takovej jako mezistupínek, kdy já si prostě potřebuju utříbit ty myšlenky a nějak jsem zjistil, že pro mě mluvit a vyřešit to s tím AIčkem je takový jako příjemnější, než, než nad tím přemejšlet v tom textovém zadání. Ale hele, každej je vlastně jinej, že jo?

Jindřich: no jasně, právě. A jestliže to chápu správně, tak to tvoje workflow je takový, že ty si jako nadiktuješ zadání pro vytvoření toho samotnýho promptu, abys ho potom použil někde jinde

Filip: Jo, do jistý míry. Ne vždycky to je tak, že mi to vyplivne prompt, já ho zkopíruju a použiju ho jinde. Někdy navážu přímo v tý konverzaci. Záleží jako co tvořím, že jo, kolik, kolik toho zadání, jak je vlastně jako komplexní. Ale, ale jo, jako zkrátka jako používám ten hlas a používám ho i nejenom třeba na ty promptky, ale právě na ty odpovědi. Pak když jako mu řeknu: „Hele, voťukávej mi ten nápad z různých úhlů pohledu a doptávej se mě.“ No tak než abych to musel psát, tak třeba i na pár vět jenom použiju to zadání hlasem a nevím, jak se mi to osvědčuje, to funguje hezky.

Jindřich: Chápu. Je to, je to spíš jako takový brainstorming teda

Filip: A já

Jindřich: nežli že očekáváš nějaký jako konkrétní výstup, byť tady samozřejmě je, ale ve formě třeba nějakýho dalšího promptu.

Filip: Jo jo jo, je to

Jindřich: myslím si,

Filip: tak

Jindřich: že to je jakoby docela s-specifický, zajímavý, docela specifický. Eh, ty vlastně akorát prodloužeš tu tvojí workflow, ale tím, jak ji jako zpřesňuješ, tak vlastně potom ten prompt možná můžeš mít nakonec validnější. Jako mě by to zajímalo, jak to třeba jako používají ostatní. Třeba nám dají i jako vědět,

Filip: Jasně

Jindřich: už je trošku nejen advanced, ale jako specific, víc specific. Myslím si, že bude jako minorita uživatelů, který to budou mít takhle jako ty

Filip: Jako jo, ale zároveň si myslím, že jako spousta uživatelů nebude třeba jako ty, že jsou, že chtějí si dát tu práci s tím jako kvalitním promptem. To znamená, že nad tím strávíš fakt jako dlouho času a za mě v tu chvíli je jako lepší než jako pár řádek nedo-nedoklepaných na klávesnici, tak je lepší byť jako delší, byť míň strukturovanej, ale ten, ten hlaso-to hlasový zadání, protože aspoň si myslím, nebo co jsem se tak bavil s různýma jako lidma, tak jako mám pocit, že ty lidi mají jako větší nebo jsou schopný líp artikulovat to, co chtějí, když to mají říct, než když to mají vyloženě jako napsat na tý klávesnici.

Jindřich: Jo, jako zcela určitě tohleto řeší to issue, když je člověk jako línej psát ten prompt. A takových lidí je asi spousta, protože já to vnímám jako okolo sebe. No že opravdu to zadají jako jednou větou a jako

Filip: Jo.

Jindřich: zázraky. Ale tohleto by možná v tom případě byl pro ně asi lepší workflow.

Filip: Yes

Jindřich: good, určitě jako validní pro leckoho

Filip: Super, pojďme dál. A další krok a zase se točí kolem toho kontextu, že jo. My jsme na to dělali celou epizodu, takže doporučuju si ji taky poslechnout. Ale není to jenom o tý promptce, není to jenom o tom zadání, ale samozřejmě dneska máme agenty a agenti jsou jako velmi dobrý ve sbírání různých informací z různejch míst. No a aby tohle mohl-mohli dělat, tak za mě je jako skvělý jim dát k těm nástrojům přístup. To znamená dát jim přístup do svýho třeba kalendáře, dát jim přístup k mailům, byť samozřejmě tam se můžem bavit o nějaké bezpečnosti, ale tak to není dneska to téma, ale jako dát jim přístup k těm datům. Já nevím, mám zadání nějakejch věcí třeba v Notionu, tak tomu agentovi dát aspoň třeba ten read přístup. To znamená, že si to přečte. Nemusí tam hnedka zapisovat, pokud s tím nejste komfortní, ale aspoň si to přečte a jako ušetří vám to obrovský množství času, kdy vy musíte jít, otevřít si, my používáme na poznámky Notion, tak já bych si musel otevřít Notion, teď to zkopírovat, dát to agentovi, teď mu říct, ať to udělá, on to udělá, teď já to zkopíruju, zase to vrátím někam. A teď ještě potřebuju informace z jinýho místa, tak to kopíruju. A je to takový strašně složitý, kdežto když ten agent má ten konektor na ten Notion, tak já mu řeknu: „Hele, prosím tě, v Notionu máme tady poznámky o tomhle, tomhle, tomhle, tak si to načti, pojďme vytvořit tohle a pak mi to tam zase ulož." Extrémní úspora času za mě.

Jindřich: Hm, akorát je zkrátka s tou bezpečností, že jo, co do jaký míry tam jako skutečně napojovat. Ale když úplně nejlepší je mít oddělený ty jako workspaces třeba, že jo, což jako u emailu vlastně asi neuděláš, ale u Notionu to teoreticky jako mít můžeš. Nevím, u Figmy to můžeš mít, u jako řady dalších nástrojů, to je asi jako to nejlepší, nejlepší řešení. Ale když tuhletu stránku trošku jako opomineme, já třeba osobně tam mám drtivou většinu nástrojů jako napojených. Nemám tam email, teda, to jsem si řekl, že je pro mě takový jako trošku svatý místo. A samozřejmě nějaký password managera a jako takový

Filip: Jo, jasně.

Jindřich: věci, byť, byť třeba agenti jako třeba OpenCall nebo RMS, tak ty na to maj jako vyloženě konektor, uměj to, ale tak to asi není nic, co bych jim jako poskytl. Já chci bejt ten, kterej bude řídit ty přístupy, kam je maj a kam je nemaj.

Filip: Ale já teďka experimentuju s jednou službou. To je taková jako malá odbočka na správu jako secretů, což nejsou jako hesla vyloženě, ale vyloženě ty API klíče a tak pro ty agenty to máš někde jako v cloudu. Je to vlastně takovej jako Password Manager a kdy ty agentům dáš přístup, tak to si myslím, že je pak třeba jako super, ale tak to je jenom taková odbočka. Nicméně mám to dost podobně jako ty, ty agenti mají přístup prakticky jako k většině služeb a je to spíš, já jsem se třeba jako vydal tou cestou, že tím, že tvořím nějakej edukační obsah i jako ty praktický věci na YouTube, tak chci jako vidět, co ty agenti jsou schopný dělat, když mají ten jako velkej přístup. Takže já jsem si tak nějak jako oddělil nějaký části toho pracovního života, který jsem zpřístupnil těm agentům, co to jde. A jako musím říct, že ta efektivita je pak jako obrovská. Jako jakákoliv příprava, když vám přijde nějakej, já nevím, booking, prostě tady nějaký konzultace nebo něco, tak automaticky mi agent hnedka načte „Hele, je to tenhle člověk. Bavili jste se o tomhle, tohle jste řešili, todle, takhle by měla vypadat ta schůzka.“ Dostaneš to naservírované na stříbrným podnose a jako jo, má to, má to obrovský výhody. Samozřejmě ve chvíli prompt injection nebo napadení toho Strike, kde běží ten agent, může to bejt problém. Je to vždycky o vážení těch, těch rizik.

Jindřich: No to už jsou trošku víc asi advanced automatizace, obecně to, co umí v dnešní době už každej chatovací asistent a napojení těch nástrojů nebo napojení těch MCP konektorů, ten efektivity booster tam je určitě znatelnej. A já jsem vlastně i na začátku, když ty MCP a ty konektory přišly, tak já jsem byl osobně jako dost skeptickej, jo, že já jsem dlouhou dobu tam třeba neměl ty nástroje jako napojený, jo. Nebo v samozřejmě nějakým jako velmi omezeným množství nebo v omezený míře. Ale když jsem je tam pak napojil, tak jednou jsem si řekl: „Hele ok, napoj tam všechno, kromě těch pár, který jsem zmínil.“ A od tý doby ty samozřejmě možnosti pak jako neskutečně vzrostly. Takže

Filip: Jo jo.

Jindřich: na to koukám zpětně, připojte si do svejch nejen chatovacích asistentů ty MCP konektory a další nástroje, který používáte.

Filip: Yes, vyplatí se to. Tak pojďme k dalšímu tipu. A to je takovej hodně obecnej tip, kterej já jsem vlastně začal praktikovat až, nechci říct nedávno, jako já jsem to do jisté míry už praktikoval předtím, ale až teďka se o to víc snažím a ono to dává smysl. Je to, využívá to toho, že ty modely dneska jsou jako extrémně dobrý v takzvaných agentic tasks, což jsou ty agentní úlohy, což je přesně vyčtení nějakejch dat pomocí konektoru, zjištění nějakejch informací, napsání nějakýho skriptu a zkrátka jako pospojování těch věcí dohromady. No a ten trik zní v tom: zkuste agentovi zadávat jako větší cíle, obecnější cíle, zkrátka to, čeho chcete dosáhnout, bez toho, aniž byste mu dávali jasný specifický kroky, jak to má udělat. Ještě jenom jako vysvětlím, jo. Nemyslím to tak, že pokud víte, jak to přesně chcete udělat krok za krokem, no tak mu to řeknete. Ale pokud máte nějakej obecnej úkol, tak za mě je jako mnohem lepší mu dát ten milník nebo ten cíl, čeho má dosáhnout a ať vám třeba navrhne nějaký možný cestičky, jak to udělat a on si s tím jako často velmi dobře poradí. Jenom taková jako pro, pro ilustraci. Zase je to takový pokročilejší, ale jenom tím chci ilustrovat, proč ta myšlenka je za mě dobrá. Funguje teda u agentů primárně jo, ne v těch chatovacích asistentech, ale já teďka jsem si rozchodil Hermese. Potřeboval jsem, začal jsem používat Google Tasks, což jsou ty to do a jako to dočka v tom Google ekosystému. No a prostě z nějakýho důvodu, i když je to napojený přes MC nebo přes API, tak prostě u toho tasku nejde zadat čas. A když nezadáš čas, on se ti nezobrazí v tom kalendáři na tom políčku, ale já ho tam chci. Tak jsem tomu Hermese říkal: „Hele, je mi jedno jak, ale navrhni mi všemožný způsoby, jak bys to udělal." On mně navrhnul: „Budu ti to dělat jako eventy v kalendáři, tdtdtdtom, ale jedna z možností byla: „Hele, tak to prostě otevřem v prohlížeči. Já si potom napíšu Playwright script, což je jako script, kterej to vlastně v tom UI ťuká. A když prostě to příště budeš chtít, no tak já ti tady ten script spustím a jako naťukám ti to za tebe jako v tom UI, když to nejde nijak automatizovaně. A funguje to skvěle. A jako já jsem nemusel mu zadávat, jak to chci udělat, prostě jenom jsem mu popsal ten cíl a ať najde ty možnosti, jak to udělat.

Jindřich: Já teď nevím, jestli jsem porozuměl tomu problému, ale

Filip: Mhm.

Jindřich: automatizovaně nejde v tom Google Tasks nastavit čas.

Filip: Jo, nejde to přes API a tak. Jo

Jindřich: takže to udělal ten Playwright script.

Filip: Yes, jde to naklikat prostě jenom v tý uživatelský appce, tak on jako zjistil, že to jinak nejde. On si to sám mimochodem otestoval. To je jako s-super v těch agentech, že on to nebylo, že by čet z dokumentace, že to nejde. On říká: „Hele, já jsem to přes to API zkusil. Zkusil jsem to s dokumentací, tam to nepsali. Zkusil jsem tam ten čas poslat, ověřit, jestli se tam propsal, nepropsal. Zkusil jsem to ještě jiným způsobem, nepropsal. Fakt to nejde. Tohle je jediná alternativa, jak to dělat.“ A to, to bylo jenom obecný zadání

Jindřich: A teď si vem, kdybys tohleto měl jako debugovat ručně, tak u

Filip: No jasně. Přesně tak

Jindřich: Hm. Jo, se tím vracíme vlastně i o krok zpátky, tím, že tam budeš, jako budeš mít další konektory, že jo, budeš tam mít teda ten Playwright jako nainstalovanej, budeš tam mít, eh, nebo MCPčko na ten, na ten Playwright a díky tomu, že tam tyhlety nástroje máš, tak, eh, může ten tvůj agent je vlastně použít k tomu, aby, eh, ti vlastně vobešel trošičku i to tvoje řeši-řešení. Ale jako chápu tu message, no zkrátka ty se chceš dostat k cíli a je ti jedno jak, aby řešil to za tebe agent

Filip: Jasně, jako ty, ty, ty pak ten, tu cestu, jak se k tomu dostal, jako chceš zkontrolovat. Jo, já často dělám to, že já jim neřeknu těm agentům jako hned to udělej a mě nezajímá, jak to udělaj. Já jim jenom řeknu prozkoumej možnosti, vyzkoušej si to a dej mi pak tady výpis těch možností. Řekni mi, které je za tebe třeba nejlepší, ale já budu ten, kterej to rozhodne a vybere, protože pořád chci mít tu kontrolu. Takže jako todle je za mě takovej ten fair balanc toho vím, co se děje, mám nad tím kontrolu, ale zároveň využiju těch schopností těch agentů, který jsou dneska jako extrémně silný. A kdybych já měl todleto všechno prozkoumat a dělat, tak já nad touhle blbostí strávím celej den nebo půl dne určitě. A ten agent to měl během tady dvaceti minut, ale samozřejmě já jsem u toho bejt nemusel, že?

Jindřich: Hm. A ono nás to asi i svým způsobem jako přináší k dalšímu bodu, který,

Filip: Hm?

Jindřich: tady máme napsanej a tím jsou samotný skilly. Eh, když to jako hodně zjednoduším. Hm, je vhodný si je stavět je vhodný, eh, aby každej, když vlastně, jinak, když každej má, každej z nás má nějakou práci nebo nějaký tasky, jakýkoliv úkoly, který se mu opakujou dřív nebo později, více či méně, fajn si na to napsat jakoby ten skript nebo respektive ten prompt, kterej já si můžu odladit už i v tom chatovacím asistentovi nebo s tím mým agentem říct mu: „Hele, chci tady vytvořit skill.“ Já osobně třeba, eh, dělám v Coworku prakticky jako většinu z nich a postupně si vlastně odladím ten danej skill, kterej vlastně není nic jinýho, než nějakej další kontext k tomu mýmu konkrétnímu úkolu, kterej se posílá potom do toho jazykovýho modelu. Takže když já chci splnit nějakej jeden konkrétní a chci hlavně, aby ty výstupy v čase vždycky jako byly konzistentní, tak je fajn, samozřejmě můžu, m-mohl bych to udělat tak, že já mu to jenom napromptuju, napíšu to tedy sto, sto padesáti, dvěstě jako řádkovej prompt, jakým způsobem to má udělat, ale je to zbytečný, že jo. Já mu můžu dát jenom jednoduchej úkol, zavolat potom pomocí lomítka tenhleten, tenhleten skill a už dostanu tu práci udělanou tak, jak jsem vlastně na něj zvyklej.

Filip: Jo, hlavně ten skill, že jo, to je prostě jenom taková prompt šablona. Je to prostě ten prompt, kterej vy normálně byste si tady uložili někam do texťáku a příště ho zkopírovali a vložili. Tak prostě ten agent ho má uloženej a umí ho použít znova. A uměj to i chatovací asistenti. Nemusí to bejt jenom CoWork, i v chatovacích asistentech jdou používat skilly. No a třeba ten příklad, jak jsem říkal předtím, jo, s tím, s tím složitým naklikáním v tom grafickym rozhraní, aby ten můj úkol v tom Google Tasks měl ten čas. No tak přesně na todle je pak ten super skill, protože ten, ten agent by zapomněl za chvilku, že jsme to takhle udělali a znovu bysme to příště museli objevovat nebo já bych mu to musel vysvětlovat. Takhle stačilo, že já jsem mu na konci řekl: „Ulož si to jako skill, až ti příště řeknu pojďme přidat úkol, přidej task nebo v nějakým podobným jako znění ti dám to zadání tak, abys vlastně věděl, jak to udělat.“ A on si na to vytvořil ten skill. Takže za mě třeba moje workflow tvoření skillů je často takový, že já mám ten problém, já ho s tím agentem odladím, já ho vyřeším kompletně tak, jak chci, abych došel k tomu výsledku, kterej je kvalitní. No a pak mu jenom řeknu: „Hele, prosím tě, na základě toho, co jsme tady řešili, tak mi vytvoř skill, kterej když ti zadám tady to, tak udělá jako přesně to, jak jsme to odladili teďka s tím výsledkem, kterej, kterej, ke kterýmu jsme se vlastně dostali.

Jindřich: No asi vhodný je zmínit, že samozřejmě ty v čase můžeš ty skilly i ladit, že jo. Takže někdy dostaneš třeba nějakej

Filip: Jasně

Jindřich: který si řekneš: „Aha, okay, počkej, tohleto jsem tam úplně nechtěl.“ Tak ty zase tomu agentovi můžeš říct: „Hele, uprav si to ve skillu, protože já už takhle tu informaci tam třeba příště nechci nebo to chci trošku v odlišným formátu nebo chci to zkrátka ten úkol, aby si splnil trochu jinak. úplně stejně se to může stát, když, eh, vyjde novej model a já na tenhle ten skill zavolám na novým modelu, tak můžu zase mít ty výstupy jako trošku jiný. Takže zase není nic jednoduššího, než zkrátka zase, eh, si odladit ten skill nebo říct tomu agentovi, ať to upraví v tom skillu a, eh, vlastně tímhletím způsobem zkrátka si ten skill udržovat konzistentní v čase.

Filip: Přesně, pracovat s tím skillem jako s živým dokumentem. Prostě něco se mi nelíbí, tak to odladím s tím agentem, vysvětlím mu to a řeknu mu: „Hele super, tak to, co jsme si teďka jako tady odladili, tak si to ulož do toho skillu, abys to příště jako tu chybu neopakoval nebo abys to udělal takhle.“ No, ty skilly vlastně zase ten cíl je, abyste se neopakovali a měli nějaký to know-how, drželi si to know-how těch promptů, co už jste historicky odladili na nějakým místě. No a to nás přináší k dalšímu tipu, kterej je: budujte si nějakou vlastní knowledge base. To znamená věci, který už jste jako vyřešili, vyresearchovali, udělali. Schraňujte si ty data někam. A teďka někam může bejt klidně ze začátku Notion napojenej přes konektor do chatovacího asistenta. Úplně v pohodě. Může to bejt třeba projekt jenom v tom chatovacím asistentovi a vy tam budete mít tu historii těch chatů. Je to dobrej první krok. Potom se můžete postupně jako dostávat a zlepšovat to, kdy začnete používat agenty jako je Covor, CloudCode a začít si budovat nějakou knowledge base v nějaký vlastní složce pomocí třeba Markdownu. Pak se z toho dají dělat hybridy a tak dál. Ale zkrátka ta message, ten základ je to, co už jednou uděláte, někam si to schraňujte, abyste se s tím agentem k tomu později mohli dostat.

Jindřich: Tady se možná nabízí, em, já jsem totiž teď vlastně řešil jako něco podobnýho jako i pro svo-pro svoje věci. Já už jsem tady párkrát vyprávěl, že jo, ten příběh o tom, že mám spoustu zdravotních dat. Mám tady exporty jako z Apple Watch a prostě jako zdravotní testy a podobně. No, tak já jsem to kdysi řešil právě přes Cloud Code, že jo. Různě jsem si to třeba parsoval a tahal jsem si ty, ty, ty data tak podobně. Ale kam se chci dostat? jsem si řekl: „Ok, tak já se chci teď, chci trošku jako udělat strukturovanější, protože plánuji jít jako na další krevní testy chci je potom jako porovnávat v historii s těma mýma jako starejma krevníma testama. mimo jiné, že jo, plus řadu dalších různejch biomarkerů nebo různejch dalších třeba suplementů, který beru a takový. chci si pak z toho vykreslit grafy a podívat se na nějaký třeba korelace tam a tak. co se chci dostat? já už když jsem to řešil, tak jsem měl jako velkou složku, kde tam byly různě rozparsovaný ty data, starý data, ty testy. Byly tam PDFka z nějakejch jako genetickýho testování nebo co jsem to kdysi měl. a já jsem udělal teď to, že jsem si exportoval zase nový data z, Apple Health, takže z mejch jako hodinek a všeho, co tam

Filip: Mhm.

Jindřich: a hodil jsem to do jedný složky a řekl jsem přesně, eh, Coworku: „Hele, já si chci vytvořit svůj knowledge base tohohle toho. Plánuju jít na další krevní testy, chci to mít přehledný. Chci pak z toho vykreslit grafy a chci časem tam poslat agenta, kterej mi tam v HTMLku udělá jako nějaký grafy nad tím. Jo a chci si prostě

Filip: Hm.

Jindřich: nějakou třeba apku, která mně bude líp interpretovat ty moje zdravotní data. No, tak on mně to tady asi jako hodinu chroupal. Jo, ještě možná důležitý doplnit, em, že jsem to dělal v Notionu, že jsem mu řekl, že to chci mít v Notionu, tak

Filip: Mhm.

Jindřich: hodinu chroupal a mám jako velmi dobrou knowledge base. Tam jsou vyparsovaný ty data z těch PDFek, těch jako zdravotních testů nebo těch krevních testů, co tam mám. Mám to krásně strukturovaný, je to hezky formátovaný, používá to ty callouty, používá to interní databáze Notionu, používá to různý toggle,

Filip: Mhm.

Jindřich: titulky a podobně. Takže vlastně jinými slovy, kdybych to měl zkrátit, do jedný složky jsem dal veškerý data agentovi jsem řekl: „Hele, vytvoř mi knowledge base." A on ji vlastně vytvořil a teď já už ji budu jenom upravovat a budu ji postupně udržovat a zase všechno přes nějakýho agenta. Takže tohleto může bejt třeba jeden z use casů, jako jak začít relativně jednoduchým způsobem.

Filip: Jestli to je jako přesně to, co jsi zmínil, že vlastně jako jedna věc je, že to člověk nad tím chce se pak třeba nějak zamyslet, jestli to dává smysl ten výsledek. Ale jako pro první vystřelení tý knowledge base tak přesně naházet data do nějaké složky, říct agentovi pojď mi s tím pomoct a on ti jako dokáže vytvořit jako velmi kvalitní tu knowledge base a potom tam nějaký nuance jako odladíš a pokud ti to nebude vyhovovat, no tak to už není o tom, že jako dřív sis to musel přebouchat všechno manuálně a zabralo to strašný množství času. Ty mu řekneš agentovi: „Hele, mně už to nevyhovuje, pojď mi to předělat.“ On to předělá. Jenom taková možná malá poznámka k tomu. Mně se zatím osvědčila a možná je v tom nějaká jenom moje obava od toho, že to ten agent pokazí. Tak já dělám to, že já se snažím si schraňovat i všechny tyhlety RAW, ty surový soubory jako ty výstupní. To, co tys dal do té jedné složky a snažím se na ně pak nějak jako odkazovat. Takže ten agent má třeba někde jakoby ty data zpracovaný, interpretovaný v nějaký líp čitelný podobě, ale v nějaký poznámce nebo v něčem se odkazuje na ten zdrojovej soubor, aby kdyby hypoteticky někdy došlo k tomu, že zjistím, že tam jsou jako chyby, tak jsem mohl jenom agentovi říct: „Hele, přečti si to ještě jednou, podívej se do toho zdrojovýho souboru.“ A zkrátka jako měl jsem tam tu ground truth, která je jako stoprocentně validní.

Jindřich: Jo, to mám totožně, přesně tak. plus ještě samozřejmě, eh, jsem mu řekl: „Hele, dělej si průběžně jako poznámky, jak to zpracováváš, který data patří kam. Já ti plánuju do budoucna dávat další a další soubory, který budu chtít, abysme zpracoval jako stejným způsobem, že jo a podobně.“ Takže nejen to, že on si vytvořil tu knowledge base, ale vytvořil si vlastně jakejsi to-do list poznámkovej step by step celýho toho workflow, jak má pracovat s tím, když já mu tam třeba nahruju nový PDFko. Jo a, a zase jako vlastně je to do jistý míry jednoduchá práce, ale jak dlouho bys ji dělal manuálně? Jo, když si vezmeš, že těch, eh, zdravotních testů je

Filip: Jasně.

Jindřich: Každý PDFko vypadá jinak. Člověk tomu moc jako nerozumí. Eh, vidíš tam jenom jako název třeba toho konkrétního biomarkeru, jo. V čase máš to od různých poskytovatelů, z různejch třeba nemocnic, z různejch klinik a podobně. Takže já teď mám akorát v Notionu vlastně jednu tabulku, kde mám psáno, nevím, vitamin D a pak tam mám sloupce, kdy jsem byl na těch testech historicky a mám tam tu konkrétní hodnotu. A skvělý, ideální a doporučuju to jako každýmu používat podobně nebo minimálně se tím trošku inspirovat

Filip: Yes. No a ty už jsi to vlastně jako trošičku nakousl i ten náš další tip, a to je, že tys říkal, že si to surový PDF kodáš do nějaký složky a on si to pak tam jako vezme ten agent a zpracuje. Tak to je za mě jako další tip, kterej mi docela dlouho trvalo na něj jako přijít a paradoxně on moc nesouvisí s AI, byť jakoby do toho workflow zapadá, ale je to o tom. Mějte jako nějak rozmýšlený, kam který data se mají dávat a jak je tam vložíte. Protože mně vždycky dělalo obrovskej problém, když jsem jako přišel a teď mám data v Notionu, to je jako super, ale teď mi přišla třeba nějaká poptávka a teď zadám to tomu Claudovi v chatu, zadám to k worku a teď já bych potřeboval, aby měl přístup k tý mojí knowledge base, ale teď on tam nemá třeba ten Notion napojenej a jako neměl jsem připravený ty workflows, ten scénář, jako kam to dát. Teďka třeba moje workflow je takový, že mám tu knowledge base ve složce, takže přijde třeba poptávka, já ji vezmu, hodím ji Claudovi, řeknu: „Hele, tady jsou nějaké zadání.“ Spustím ho ve složce v, s knowledge base mýho jako podnikání nebo prostě jako to, to je tý mý knowledge base a tam je přímo MCPčko i na Notion. Jsou tam skilly, který mu říkaj: „Hele, když tohle je poptávka, podívej se do Notionu, založ tam nějakou entitu v nějakým CRMku a tak dál.“ A zkrátka jako mám připravený to workflow. Takže když něco přijde, tak já přesně vím, co s tím udělat. Nebo příklad, když se mě někdo na něco zeptá, co souvisí jako s mým podnikáním, tak já vím, že to spustím nad tady tou knowledge basí a vždycky vím, že dostanu dobrej výsledek. Mám to napojený i třeba přes GitHub konektor jako do chatovacího asistenta, takže vím, že tam ta knowledge base je Hermes, tak má, jakoby mám s ním udělanou skupinu na Telegramu, která se týká jenom tý knowledge base a on už má řečeno: „Čti primárně z týhletý knowledge base, tady je Notion a tak dál.“ Takže mám jakoby připravený ty cestičky, aby když se na něco potřebuju zeptat nebo zpracovat, tak přesně vím, kam to vložit. A to je za mě jako největší nebo jeden z největších productivity boostů, kterej jsem, na kterej jsem jako za poslední měsíce přišel, protože vždycky mě strašně zpomalovala ta rozhodovací paralýza jako a teď vytvořím to v chatu a teď kam to zkopíruju, kam si to uložím a bylo to prostě náročný.

Jindřich: Mně to asi trošku evokuje to, co jsem popsal před chvílí a to, že když ty jako děláš tu workflow, nebo prostě ten agent, protože dělá tu workflow, tak mu říct: „Hele, prostě ulož si to k sobě, ať víš, jako jak se to řeší. Vytvoř si z toho skill anebo si vytvoř nějakej jako vlastní markdown soubor, kam si budeš jako psát poznámky. Hm, zase jinej příklad. jsem třeba přes jako coding asistenta, jsem dělal jeden jako software projekt a potřeboval jsem spustit jako spoustu agentů, aby mně dělal nějakej research a hledali mi nějaký konkrétní místa. Hm, já jsem jich takhle jako spustil několik, ale pak jsem jako zjistil, že se trošku dostal jako do slepé uličky toho, že mi jako vracel duplicity. jsem měl pocit, že třeba hodně vyhledával Královéhradeckej kraj, ale Jižní Čechy třeba už jako míň z různejch důvodů. Nevím. No ale já jsem mu řekl: „Hele, odteď prostě piš si, vytvoř si log si, jaký všechny researche si udělal, jaký klíčový slova jsi použil, jaký kraje jsi pokryl,

Filip: Hm.

Jindřich: kolik z toho bylo výstupů, jaký tam byly výstupy. A vždycky než uděláš jako další research, tak si dej tři přečti tohle a zkus vy-zkus vyhledávat jako nový klíčový slova. Dobře? Mým cílem bylo to vyhledat co možná nejlíp, abych z těhletěch cíl-cílů, prostě z těch míst, který jsem vyhledával, vlastně na žádný nezavřel nebo aby ten agent žádný nevynechal. takže teď už když já ho spustím třeba znovu, protože ty místa se v časem můžou měnit. Takže když já ho pustím za týden, tak vím, že zase bude hledat třeba pod jinejma klíčovejma slovama, než to vyhledával dosud. tímhletím způsobem já jsem schopnej ty výstupy mít mnohem kvalitnější

Filip: Já jsem těma workflows myslel spíš jako vlastně pro sebe workflows, jako abych věděl, kam se obrátit, když něco potřebuju. Přesně takový to, že mám napojenýho i toho chatovacího asistenta do tý GitHub Knowledge Base a mám toho Hermese a tak dál. Ale to, co říkáš, je vlastně jako extrémně důležitý, takže možná na to navážu. To je vlastně jako novej tip a ten jako přesně jako je v tom, že ty agenty instruj tak, aby pracovali systematicky, protože zase jako ten agent se splň, snaží splnit ten úkol a pokud ten úkol je jako vágně zadanej, tak on jako i to vágně provede. Takže přesně jako pak ti udělá to, že nějakej kraj ti třeba na nějaký zajímavý místa prozkoumá víc, nějakej míň. Ale ty když ho donutíš jako pracovat systematicky a řekneš mu: „Fakt si to vypisuj, udělej si ty to-dočka a zapiš si, kolik míst třeba k tý daný lokalitě jsi našel a tak dál, tak tím ho jako donutíš mnohem kvalitněji pracovat a v kombinaci s těma subagentama, kdy to můžeš udělat paralelně a pak třeba mu říct: „Hele, potom, co to doběhne, tak si spusť ještě jinýho subagenta, kterej jenom vyhodnotí tady ten log, jestlis na nějakej třeba ten kraj nezapomněl, nebo jestli si splnil všechny ty jako kritéria, co jsme si řekli. Takže jo, jakoby instruovat ty agenty, aby byly jako systematický a vedly si ty záznamy o tom, tak mi funguje taky jako velmi skvěle.

Jindřich: Jo. A plus já potom co ještě dělám, tak řeknu: "Hele, spusť, vlastně spusť každej tohleto workflow, tak ho spusť třikrát za sebou." takže on ještě třeba typicky tenhle ten validační agent, když nějakej mi ty místa najde a ten další jako to validuje po něm, tak to spustím třikrát, aby se co možná jako nejvíc odladily ty chyby. Jasně, je to samozřejmě dražší. Limity se vyčerpají relativně rychle, zkrátka ta kvalita těch dat je potom lepší, nežli kdyby to běželo jenom jednou

Filip: Souhlasím. Vede mě to k dalšímu typu o nějaký jako kvalitě dat nebo zkrátka jako mít ty data. A to jsou různý audio nahrávky a transkripty. Nevím, jak to máš ty, Jindro, ale já fakt poslední dobou jako pozoruju, že mít ty audio záznamy, respektive transkripty, to je jako fakt zlatej důl. Jako ať už při nějakejch poptávkách s klientama nebo z našich dílů nebo z nějakejch meetingů, brainstormingovejch sessions nebo třeba poznámky jenom vlastní, tak jako mít tu možnost se pak na to odkazovat a říct tomu agentovi třeba: „Hele, vím, že jsme tady rozpracovali nějakou myšlenku, ale prosím tě, podívej se, co jsme si tady volali s Jindřichem týden zpátky a jak přesně jsme to mysleli. Načerpej si ten kontext.“ Ty jo, to je fakt jako life saver, protože jako v té hlavě těch projektů a lidí a tak je poslední dobou jako extrémní množství a mně se fakt kolikrát stane, že mi třeba přijde jako do kalendáře, že mám jako nějakou konzultaci. Si za boha nemůžu vzpomenout, kdo to je. A to není, že by to, ale prostě jenom jako těch lidí je tolik. Tak prostě ten agent se mi podívá a řekne: „Hele, tady prostě s Jindřichem jste řešili tohle. Připrav si tohle.“ A já už si pak rozpomenu, ale jenom díky tomu, že on má přístup k těm jako transkriptům třeba těch konverzací s těma lidma. Jako fakt life saver.

Jindřich: A tys říkal, že experimentuješ s tím Poloidem teď, ne? Tak když jako odbočím, přináší ti to něco mimo to,

Filip: ještě

Jindřich: když to porovnáš s tím, žes to třeba předtím nahrával na iPhone

Filip: Jo, eh, takhle jako primární přidanou hodnotu, kterou zatím v Plodu vnímám, je ten, že to není na tom iPhonu a ne, že by ten iPhone to nenahrál dobře. On to možná i tím mikrofonem nahraje o trochu líp, ale spíš to, že mám ten telefon jako k dispozici a kolikrát si potřebuju něco vyhledat. Nebo ty jo, hele, nevím, jo, máš prostě meeting, protáhne se ti to, řešíš nějaký brainstorming, tak si objednáte jídlo, zavolá ti kurýr a nahrávka se stopne. Super. Jo, jako to tě prostě naštve na tom iPhonu.

Jindřich: hm

Filip: Na tom Plodu ty víš, že to máš prostě hardwarový zařízení. Víš, že ti nahrává klidně jako třicet hodin v kuse záznamu, takže víš, že ti to nedojde. A tak tady v tom je to super. Takže to je za mě p-primární přidaná hodnota. A co si myslím, že bude ještě další, ale přiznám se, že jsem se k tomu ještě jako nedostal to pořádně otestovat, tak bych si chtěl udělat nějakou automatizaci, která mi všechny jako poznámky vytáhne každej večer a zpracuje do mý knowledge base. Takže ten ultimátní cíl je, že kdykoliv mě něco napadne, tak já nebudu rozmýšlet, kam to dát. Jenom prostě Ploda mám jakoby danýho na telefonu zezadu, tak já mu to zmáčknu, nahraju myšlenku, minutka, prostě šup, uložím, zahazuju, nemyslím a v noci mi to Claude někde jako nebo Claude to je jedno, nějakej agent jako přechroupe a zařadí do knowledge base, udělá třeba úkol a tak. A prostě vím, že se to jako neztratí. Takže to je nějaká jako ultimátní vize. A zase jako mít ten hardwarovej gadget versus telefon, kterej se může vybít, potřebuješ ho na něco jinýho atd. Tak mi prostě přijde fajn.

Jindřich: Nebo, hm, my asi možná to budeme muset nechat na nějaký další epizody, protože mě napadá jako spousta otázek, ale ty jsou jako specificky k tomu Plodu nebo Plodovi

Filip: jasně.

Jindřich: to mám nazvat. Protože jako já to nemám, já jsem s tím prakticky nikdy nepracoval, ale jako dost mě to zajímá. Ale to si teď odpustím. Hm, pojďme se zase možná posunout, možná poslední, poslední bod něco. Ale obecně a my jsme tady na to apelovali už jako několikrát, tak je důležitý, eh, nevěřit dogmaticky tomu našemu agentovi, chatovacímu asistentovi, koworkovi, čemukoliv, ale zkrátka bejt jako trochu skeptickej, mít k němu jako takovou jako přirozenou skepsi považovat za jako za velmi chytrýho kamaráda. Ale i tenhleten kamarád se občas jako může splíst. A je dost možná vlastně i taková ta ultimátní myšlenka, kterou tenhleten bod zkrátka nese. podezřívavý, trošku si revalidovat ty data a vlastně challengovat toho agenta a challengovat toho asistenta stejně tak, aby on challengoval nás, tak my můžeme jako challengovat jeho. A zkrátka ta zdravá skepse si myslím, že je v tomhletom případě na místě a velmi pravděpodobně dokud tady budou jazykový modely, tak asi i bude

Filip: Ale rozhodně a je to jenom prostě podle mě člověk si musí uvědomit, že to není jako deterministickej program, kterej má vždycky pravdu, ale může kecat a v tu chvíli s tím, eh, jakože já to říkám častěji a častěji, ač mě to jako děsí, ale je to prostě, jako když řešíš něco s lidma. Jakože já spolupracuju se spoustou chytrejch lidí, který mají většinou pravdu, ale to neznamená, že někdy neřeknou blbost a já si toho třeba nevšimnu a jako nezpochybním to a ono pak se ukáže, že jsem třeba měl pravdu já. A úplně stejně jako musíš přistupovat k těm agentům, jako oni ve spoustě případů budou mít pravdu, budou vycházet z těch tvejch dat, ale někdy prostě něco špatně pochopí nebo udělaj fakt nějakou blbost a ty prostě pořád musíš mít ty oči na stopkách a jako přemýšlet nad tím, jestli teda to fakt dává smysl a prostě kritický myšlení, no zkrátka. No a

Jindřich: a koneckonců jako ta vlastně důležitá vlastnost těch samotnejch důl-, jako jazykovejch modelů je ta, aby nám vyšli vstříc, aby nám ten dotaz zodpověděli, jo, aby nás do jistý míry uspokojili. A kdybych to tady porovnal trochu jako s tím mým třeba živým kolegou, tak ten mi řekne: „Hele, nevím, jo, nevím.“ Nebo i kdybych se ptal i nejchytřejšího člověka na světě, tak mi třeba řekne: „Jo, nevím, prostě najdi si to jinde.“ To jasně, někdy to může udělat i ten jazykovej model, ale jako zpravidla asi spíš to neudělá, že jo. On se ti bude snažit dát nějakou odpověď i za tu cenu, že může být mylná

Filip: Yes, rozhodně no. Takže prostě přemýšlet nad těmi výstupy, že jsou, jsou jako kvalitní nebo pravdivý spíš. Já si možná dovolím, Jindro, takovou, abysme mohli si napsat deset plus jedna typu, eh, tak mám tu plus jedničku, která mně vyvstala a ona se tak jako prolínala tady jako spoustou těch věcí, tak mi přijde zajímavá a zmíním ji. A to je to, že vlastně zkuste s těma agentama pracovat tak, že některý věci pro vás můžou dělat automatizovaně. V Cloudu máme ty routines, máme pak různý Open Cloud Hermes agenty, ale i v Kodexu jsou ty plánovaný úlohy a to je za mě jako super věc nechat ty agenty třeba, ať vám udělají ten de-denní brief prostě ráno, co vás čeká v kalendáři, jaký to dočkas jste nestihli ten minulej den, ať vám navrhnou, že vám je jako rozplánují někam jinam, ale zkrátka připomenou se. Ale jako využívat i tu AI tak, aby ta AI byla proaktivní a nejenom, že vy se na něco aktivně zeptáte, ale zkrátka aby ten agent se ozval vám, když na něco přijde. Myslet na to, že už prostě fakt i v klasickym Cloudu tak máte ty rutiny, který v Coworku si můžete nastavit nebo v Cloud Kódu taky jsou i ty jako vzdálený rutiny a ta AI může dělat něco jako aktivně pro vás v nějakej specifickej čas.

Jindřich: Ano, jestliže se před deseti lety nebo kolika, přišla nějaká pokročilá statistika a nějaká takováto moderní jako data analytics, že jo, která tady s náma byla už delší dobu, když se před těma x lety jako říkalo, že data vládnou světu, tak v dnešní době to dost možná platí dvojnásob. Že ten, kdo má data, kdo má kvalitní data, kdo má kontext, tak vytěžit obecně z týhletý relativně nový technologie ještě o to víc.

Filip: Tak napadá tě, Jindro, nějakej tip ještě na závěr, kterým bysme to obohatili?

Jindřich: napadlo by mě, eh, jako ještě celá řada věcí. My i vlastně, když jsme tenhle ten seznam jako připravovali jsme, tak

Filip: Jo jo.

Jindřich: napadla celá řada věcí, klidně si to můžem nechat i do, eh, dalšího dílu. Což možná mimochodem můžu říct takovej sneak peak, že my tady s Filipem plánujeme dát i nějaký jako konkrétní tipy nebo udělat podobnej díl, kterej bude zaměřený na konkrétní tipy, který šetří čas nám, nebo jak my efektivně využíváme tu, jako umělou inteligenci. Nebudou takhle, takhle konkrétní nebo respektive takhle obecný, ale naopak právě konkrétní. Takže můžete se těšit. Jedna z dalších epizod bude taková. A, eh, ještě jednou možná se tady sluší poděkovat našim posluchačům, protože to jsou vlastně témata, na který nás přivedli oni. Vlastně vy jste si o to napsali a my jsme se s Filipem rozhodli, že tyhlety témata zpracujem.

Filip: Budem samozřejmě rádi, když v tom budete pokračovat, protože my samozřejmě

Jindřich: Je to tak

Filip: spoustu témat máme vymyšlených, ale často i tady to téma nás jako mě třeba strašně bavilo, protože to jsou jako věci, který prakticky používám každej den, ale neměli jsme ho zařazený v tom našem, jako v těch našich nápadech na ty epizody a přišli jste s ním vy. Takže rozhodně cokoli vás napadne, nebojte se prostě do komentářů napsat nebo případně i na Spotify jsou komentáře nebo nám napište na Instagramu, na Discord komunitě. Je to jedno kdekoliv, ale budem strašně rádi, když nám prostě řeknete, co vás zajímá a na co my ty díly můžeme vlastně udělat.

Jindřich: Přesně tak. Což to je koneckonců ten důvod, proč to děláme celej tenhleten, eh, podcast. Nejenže nás to baví, ale když někomu to přinese tu hodnotu a někdo se aspoň párkrát když se dozví něco novýho, tak nám to za to stojí. Díky Filipe, bylo to zase obohacující jako vždy.

Filip: Taky díky, Jindro, bylo to super. Eh, jsem rád, že jsme zas sdíleli velmi si myslím, že jako dobrý tipy nebo aspoň za mě, jako já je používám a fungujou, takže, eh, doufám, že i vám posluchačům to pomohlo. No a budem se na vás těšit opět příště u dalšího dílu, tak se mějte krásně.

Jindřich: Díky moc a budeme taky rádi, když nás budete odebírat a nebo nás budete sledovat na Instagramu. Tam dáváme relativně pravidelně teď už nový příspěvky, tak sledujte behind the scenes. Díky moc, posluchačům. Filip, měj se. Čau, čau.

Filip: Vy jste taky, mějte se posluchači, ahoj