Vibe Coding 2025: AI nástroje, agenti a asistovaný kód

Vývoj software se mění rychleji než kdy dřív — místo ručního psaní kódu vedeme s AI dialog o tom, co má systém dělat. Znamená to konec programátorů, jak je známe, nebo naopak nový prostor pro hlubší porozumění problémům, architektuře a záměrům? V této přednášce se podíváme na to, co v AI-assisted vývoji skutečně funguje, kde narazíte, a jaké dovednosti mají v této nové éře největší hodnotu. Prakticky, kriticky a s nadhledem.

• Patterny integrace LLM do vývojového workflow (IDE, CLI, CI/CD).
• Ověřené postupy pro validaci výstupů.
• Využití AI při návrhu systémů: od modelování domény po decompozici služeb.
• Pochopení limitů LLM z hlediska determinismu, kontextového rozsahu a odpovědnosti.

AI nástroje mění způsob vývoje softwaru a snižují bariéry vstupu do programování, ale jak to vypadá v praxi a co to znamená pro různé role v týmu? Projdeme si cestu od nástrojů, které umožňují nevývojářům vytvářet funkční aplikace, až po pokročilé AI asistenty měnící práci zkušených programátorů. Začneme s no/low-code platformami, kde můžete vytvořit aplikaci jen popisem toho, co potřebujete. Pak se podíváme na pokročilé AI nástroje z pohledu praktických zkušeností - kdy pomáhají, kdy překážejí a jak je efektivně využívat. Završíme novým způsobem spolupráce, kde celý tým pracuje ve stejném prostředí.
Odnesete si konkrétní tipy, jak začít s AI nástroji ve vašem týmu, nejčastější úskalí a praktické zkušenosti z reálných projektů.

• Revoluce v programování
• Vibe-coding pro nevývojáře
• Nástroje pro vývojáře
• Kolaborativní vývoj
• Tipy a doporučení z praxe

Přednáška se nejprve zaměří na Model Context Protocol (MCP): vysvětlíme, proč vznikl, jak pracuje s kontextem a jaké místo zaujímá ve vývoji inteligentních agentů. Následně představíme nejzajímavější otevřené MCP agenty z open-source ekosystému, ukážeme jejich silné i slabé stránky a porovnáme je podle praktické využitelnosti. Hlavní část se bude věnovat cestě, kterou jsme prošli při vývoji systému pro vektorovou indexaci dokumentů postaveného na CrewAI a rozhraní OpenAI – od prvního prototypu přes klíčové milníky až k produkčnímu nasazení, včetně překážek a způsobů, jak jsme je překonali. Na konkrétních příkladech si ukážeme, kdy byl nezbytný lidský zásah a v jakých situacích agenti selhali, což přinese cenné ponaučení pro další projekty. Závěrem si rozebereme dostupné nadstavby nad MCP, poradíme, kdy a jak je vhodné je nasadit, a nabídneme doporučení pro jejich integraci do vlastních aplikací.

• Vysvětlení MCP (Model Context Protocol)
• Přehled hotových OpenSource MCP agentů
• Návrh a realizace systému pro vektorovou indexaci dokumentů za použití CrewAI a OpenAI - jak se to vyvíjelo
• Zkušenosti z praxe - kde bylo potřeba lidského zásahu a kdy AI selhala.
• Jaké jsou k dispozici nadstavby MCP - kdy a jak je použít

AI má změnit vývoj softwaru, ale jak vypadá realita, když se z prototypu stane produkce a místo hype dema potřebujete stabilní provoz? A co když přijde první požadavek na změnu? 
V přednášce se podíváme na dopady AI-driven vývoje (Vibe Coding included) do provozních aspektů. Zaměříme se na praktické detaily jako:

• Vibe coding: které problémy jsou nové, a které už tu byly
• Cena: kdy se AI pomoc vyplatí?
• Udržitelnost a reprodukovatelnost vs „halucinující“ LLM
• Proč jen vibe coding nestačí
• Zdroj pravdy: kód generuje dokumentaci, dokumentace generuje kód
• 50 shades of grey areas: AI, intelectual property, autorské právo, licence, etika, …
• Jak se řeší operations u Vibe Coded SW?
• Jak si držet kontext s vývojem ve světě AI?

Přednáška nepřinese jen odpovědi, ale i nové otázky. Nebudeme zabíhat do technických detailů - cílem je end-to-end pohled, který vám pomůže odhadnout, kde může AI reálně pomoct, a kde naopak vytváří nové problémy. Protože o předvídání problémů jde v operations především.

Představte si, že aplikaci postavíte za pár minut. My ve Škoda Auto to děláme denně! Vibe Coding slibuje rychlou akceleraci z nuly na padesát procent. Většinou to funguje jako kouzlo, ale někdy se z rychlého startu stane past plná nečekaných problémů. Co když se na stovku dostanete za stejnou dobu, jako dřív? A co když je ta zdánlivá akcelerace jen iluze, která vás nakonec zpomalí?

Přijďte se podívat, jak to vypadá, když umělá inteligence píše kód pro interní řešení v automotive. Prozkoumáme, kde je Vibe Coding neuvěřitelný převrat pro prototypování, a kde se stává noční můrou. Zjistíte, kolik kódu reálně pouštíme do produkce a jak se mění role vývojářů. Připravte se na upřímný pohled do zákulisí vývoje řízeného AI, který poodhalí jeho skutečné výhody i skryté nástrahy.

A teď ta nejdůležitější otázka: Sedli byste si do auta, které bylo naprogramováno pomocí Vibe Codingu?

• Úvod a kontext – Vibe Coding ve velkém průmyslovém podniku (Škoda Auto)
• Rychlé prototypování – od nápadu k funkčním ukázkám, vizualizace, demonstrátory
• Výzvy při přechodu do produkce – nepřehledný kód, údržba, testování, paradox rychlosti
• Rozhodovací momenty – kdy ponechat AI kód, kdy přepsat ručně
• Nová role vývojářů – zadávání pro AI, řízení vývoje, rovnováha rychlost × udržitelnost
• Dopad na organizaci – menší týmy, silnější role jednotlivců, sdílení znalostí, kontrola systému
• Závěr a doporučení – jak využít AI efektivně, jak se vyhnout pastem, klíčové otázky pro nasazení