Jan Mikoláš
Práce agenta
Vymezená implementační smyčka
- Kontext, pravidla a konkrétní úkol
- Průzkum a návrh postupu
- Implementace malé změny
- Spuštění zadaných kontrol
Zpět na znalosti
Způsob práce
AI-assisted development
AI mi urychluje průzkum, návrh i dobře vymezenou implementaci. Odpovědnost za zadání, architekturu, bezpečnost a výsledek ale zůstává vždy na mně.
Dobrý výsledek začíná kvalitním kontextem.
Před zapojením agenta připravuji cíl, rozsah změny, pravidla repozitáře, relevantní architekturu, omezení a způsob ověření. Agent pak nepracuje jen s obecným zadáním, ale s konkrétním problémem v jasně vymezeném prostředí.
Práci rozděluji na malé ověřitelné kroky: průzkum, návrh, implementaci a kontrolu. Vlastní instrukce, skills a MCP integrace pomáhají opakovat známé postupy; nenahrazují ale technické rozhodování ani review.
Řízený postup
Od zadání k ověřenému výsledku, ne k slepému generování.
-
1. Kontext
Agent musí znát prostředí i hranice
Do zadání patří nejen požadovaná změna, ale také pravidla repozitáře, konvence, existující řešení, rizika a příkazy pro ověření. Bez toho je i dobrý model odkázaný hlavně na dohady. -
2. Rozdělení práce
Malé úkoly s jasným výstupem
Výzkum, návrh, úprava kódu a kontrola nemusí být jeden krok. Rozdělení práce umožňuje dříve zachytit špatný předpoklad, porovnat varianty a udržet změnu v rozumném rozsahu. -
3. Revize návrhu
Typický příklad: zbytečná abstrakce
Agent často navrhne další službu, repository nebo vrstvu jen proto, že rozpoznal známý vzor. Pokud nová abstrakce neodděluje skutečnou odpovědnost, návrh zjednoduším nebo ho nechám přepracovat tak, aby navazoval na architekturu projektu. -
4. Ověření
Kód musí projít stejnou kontrolou jako ruční změna
Výsledek porovnávám se zadáním a kontroluji ho přes relevantní testy, PHPStan, coding standards, architektonická pravidla a podle potřeby i ruční nebo prohlížečové ověření. -
5. Odpovědnost
Co AI nesvěřuji
AI nenechávám samostatně rozhodovat o obchodních pravidlech, bezpečnosti, změnách dat, produkčních zásazích ani o přijetí výsledku do projektu. Tyto volby vyžadují kontext a odpovědnost člověka.
Spolupráce člověka a agenta
Agent zrychluje práci, člověk drží směr a kvalitu.
AI používám jako nástroj pro soustředěnou práci nad jasným zadáním. Čím přesnější je vstup a ověření, tím užitečnější je výsledek — a tím méně času se ztratí opravami.
Citlivé informace, přístupy, destruktivní operace a produkční rozhodnutí zůstávají pod přímou lidskou kontrolou.
Moje odpovědnost
Rozhodnutí a finální review
- Priorita a obchodní význam
- Architektura a bezpečnost
- Kontrola diffu a vedlejších dopadů
- Schválení do merge a nasazení
Veřejná ukázka způsobu práce
Instrukce a automatické ověření v repozitáři
AGENTS.md jako kontext pro agenta
Veřejný projekt obsahuje explicitní instrukce pro práci s repozitářem. Jde o příklad toho, jak předat agentovi hranice, pravidla a ověřovací postup místo neurčitého zadání.
Automatizované kontroly jako pojistka
AI asistence navazuje na stejné testy a kvalitativní kontroly jako ruční vývoj. Workflow v repozitáři dává výsledku nezávislou zpětnou vazbu.
Nástroje a postupy
AI je součást vývojového workflow
- Codex
- ChatGPT
- Claude
- Vlastní skills
- MCP
- Návrh agentních workflow
- PHPUnit
- PHPStan
- CI/CD
Hledáte vývoj, který využívá AI bez ztráty kontroly?
AI používám pro rychlejší a soustředěnější práci, ale každou změnu držím v architektuře, kvalitativních kontrolách a odpovědnosti za výsledek.