GitHub Copilot - od autocomplete k AI-assisted engineeringu

Tento jednodenní workshop je zaměřený na praktické využití GitHub Copilotu a principů Vibe Codingu při vývoji softwaru. Naučíte se, jak AI efektivně zapojit do každodenní práce – od generování a refaktorování kódu přes tvorbu testů až po code review a týmové workflow. Součástí je také srovnání GitHub Copilotu s dalšími AI nástroji pro vývoj. Výuka kombinuje 60 % praktických cvičení a 40 % teorie a živých ukázek, takže si jednotlivé postupy rovnou vyzkoušíte.

Lektor kurzu

JAROSLAV ČECH

Jaroslav Čech je zkušený softwarový architekt a AI konzultant s více než 30 lety praxe v IT. Spolupracoval se společnostmi BMW, O2, ČEZ či PPL a stál u zrodu úspěšné platformy mluvii.

Více o lektorovi

Dnes se specializuje na AI agenty, RAG systémy, podnikové AI integrace a nástroje GitHub Copilot a Codex. Ve svých kurzech propojuje hluboké technické znalosti s praktickými zkušenostmi z reálných projektů a předává účastníkům postupy okamžitě využitelné v praxi.

Cílová skupina:

• Vývojáři softwaru se zkušeností s programováním, kteří chtějí zvýšit svou produktivitu při práci s GitHub Copilotem.
• Softwaroví inženýři, kteří chtějí využívat AI při refaktorování, testování a zvyšování kvality kódu.
• Tech leadeři a vedoucí vývojových týmů, kteří hledají možnosti smysluplného zapojení AI do vývojového procesu.

Cíle workshopu:

Cílem je posunout využití GitHub Copilotu od jednoduchého doplňování kódu k řízenému AI-assisted developmentu, ve kterém vývojář zůstává odpovědný za kvalitu, architekturu i výsledné řešení.

• Naučit se efektivně využívat Copilot při generování kódu, refaktorování, tvorbě testů a code review.
• Porozumět možnostem a limitům Copilotu a rozpoznat situace, kdy jeho použití nedává smysl.
• Umět zvolit vhodný nástroj podle typu úlohy – GitHub Copilot, OpenAI Codex nebo AntiGravity.
• Osvojit si principy bezpečného a odpovědného využívání AI při vývoji softwaru.
• Získat praktické postupy pro začlenění AI do týmového workflow.

Osnova kurzu:

Jak Copilot skutečně funguje (a proč občas selhává)

Cíl: Nastavit správná očekávání.

• Jak Copilot čte kontext (soubor ≠ projekt)
• Inline completion vs. Copilot Chat
• Typické chyby při používání Copilotu
• Kdy Copilot zpomaluje vývoj a negativně ovlivňuje architekturu

Výstup: Účastník ví, kdy Copilota používat a kdy ho vypnout.

Promptování v kódu (advanced steering)

Cíl: Naučit se řídit Copilot tak, aby generoval kvalitní a relevantní kód.

• Komentáře jako prompty
• Naming jako instrukce
• „Steering comments“
• Test-first komentáře

Hands-on:

• Generování REST endpointu
• Validační logika
• DTO ↔ entity mapping

Refactoring & legacy code s Copilotem

Cíl: Používat Copilot jako asistenta při refaktorování kódu.

• Rozpad „god methods“
• Zjednodušení cyklů
• Odstraňování duplicity
• Zachování původního chování aplikace

Hands-on:

• Refaktorování existující služby
• „Refactor without changing behavior“

Diskuze:

• Kdy Copilot poruší návrh aplikace
• Jak tomu zabránit

Testy s Copilotem, které dávají smysl

Cíl: Generovat kvalitní testy, nejen opakující se boilerplate.

• Unit vs. integration testy
• Copilot + TDD
• Edge cases a negativní scénáře

Hands-on:

• „Write tests that would break this code“
• Generování chybových scénářů

Copilot Chat jako senior reviewer

Cíl: Využívat Copilot Chat pro kontrolu, analýzu a vysvětlování kódu.

• Code review
• Performance & security check
• Vysvětlování kódu (junior / onboarding)

Hands-on:

• Review reálného pull requestu
• Identifikace rizik

Srovnání nástrojů: Copilot × OpenAI Codex × AntiGravity

Cíl: Porozumět rozdílům mezi nástroji a vědět, kdy který použít.

GitHub Copilot

• Integrace do IDE
• Rychlé doplňování kódu
• Práce s kontextem projektu

OpenAI Codex

• Agentní přístup k vývojovým úlohám
• Generování a úpravy kódu
• Automatizace vývojových činností

AntiGravity

• Agentní vývojové prostředí
• Refaktorování rozsáhlejších částí aplikace
• Práce s architekturou a komplexnějšími úlohami

Live demo – stejné zadání ve třech nástrojích:

• Copilot – doplnění a úpravy kódu
• Codex – generování a implementace řešení
• AntiGravity – návrh a realizace komplexnějších změn

Praktický přehled možností jednotlivých nástrojů

• Běžné psaní a doplňování kódu – GitHub Copilot
• Automatizace vývojových úloh – OpenAI Codex
• Komplexnější změny a refaktorování – AntiGravity
• Architektura a code review – srovnání možností jednotlivých nástrojů

Architektura, governance & týmové workflow

Cíl: Nastavit dlouhodobě udržitelné a odpovědné používání AI při vývoji.

• Copilot v týmu
• Pravidla code review
• Security & IP
• Kdy AI generovaný kód odmítnout
• Jak měřit přínos Copilotu

Technické požadavky:

• Notebook s připojením k internetu
• GitHub účet s aktivním přístupem ke GitHub Copilotu
• Vývojové prostředí Visual Studio Code
• Programovací jazyky: C#, Python

Požadavky na účastníky:

• Alespoň 2 roky zkušeností s vývojem softwaru
• Znalost práce s Gitem a pull request workflow
• Základní znalost unit a integračního testování