[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"post-jak-orchestrovat-jazykove-modely-v-praxi":3,"$fXeC77ibo_YuG-ZnFG3hwyaNC83zFAKw-FvBNoL2JrIM":15},{"slug":4,"title":5,"excerpt":6,"category":7,"author":8,"readingTime":9,"coverImage":10,"bodyHtml":11,"metaTitle":12,"metaDescription":13,"date":14},"jak-orchestrovat-jazykove-modely-v-praxi","Jak orchestrovat jazykové modely: od jednoho promptu k systému","Jeden prompt je demo. Aplikace je něco jiného. O dělení úloh, routování mezi modely a o tom, kde nechat obyčejný kód.","Návody","MightCore","9 min",null,"\u003Cp>První AI funkce bývá jeden velký prompt. Napíšete do něj všechno, model to nějak zvládne a vy máte pocit, že to bylo snadné.\u003C\u002Fp>\n\u003Cp>Druhá verze téhož promptu má tři sta řádků, obsahuje osm „DŮLEŽITÉ:\" a pořád jednou za čas vrátí nesmysl. V tu chvíli obvykle přijde otázka, jestli nejde použít lepší model. Většinou ne. Problém není v modelu, ale v tom, že jedna úloha dělá pět věcí naráz.\u003C\u002Fp>\n\n\u003Ch2>První krok: rozbít úlohu\u003C\u002Fh2>\n\u003Cp>Vezměte si zpracování došlé faktury. V jednom promptu to vypadá takhle: „přečti fakturu, ověř dodavatele, zkontroluj částky, zařaď to do správné kategorie a napiš shrnutí\".\u003C\u002Fp>\n\u003Cp>Rozbité na kroky to vypadá jinak:\u003C\u002Fp>\n\u003Col>\n\u003Cli>vytáhni z dokumentu pole (dodavatel, IČO, částka, datum, položky),\u003C\u002Fli>\n\u003Cli>najdi dodavatele v naší databázi podle IČO — \u003Cem>obyčejný SQL dotaz, žádný model\u003C\u002Fem>,\u003C\u002Fli>\n\u003Cli>ověř, jestli součet položek sedí s celkovou částkou — \u003Cem>aritmetika, žádný model\u003C\u002Fem>,\u003C\u002Fli>\n\u003Cli>navrhni kategorii podle historie tohoto dodavatele,\u003C\u002Fli>\n\u003Cli>když si něčím z toho nejsi jistý, pošli to člověku.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Najednou jsou z toho dvě volání modelu místo jednoho, ale každé má jeden jasný úkol. Krok dva a tři AI vůbec nepotřebují — a to je ta důležitější část. Model, který „ověřuje\" součty, je nejdražší způsob, jak udělat chybu ve sčítání.\u003C\u002Fp>\n\u003Cp>Jestli si máte z celého článku zapamatovat jednu větu: \u003Cstrong>AI použijte tam, kde pravidla napsat neumíte. Všude jinde napište pravidla.\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Ch2>Řetězení a jeho cena\u003C\u002Fh2>\n\u003Cp>Když kroky poskládáte za sebe, výstup jednoho jde na vstup dalšího. Funguje to a má to dva háčky.\u003C\u002Fp>\n\u003Cp>První: chyby se nesčítají, ale násobí. Devět kroků s devadesátiprocentní spolehlivostí nedává devadesát procent. Dává zhruba třicet osm. Proto se vyplatí mít kroků málo a po každém ověřit, jestli výstup vůbec dává smysl.\u003C\u002Fp>\n\u003Cp>Druhý: latence. Každý krok je síťové volání, které trvá vteřiny. Pět kroků za sebou znamená, že uživatel čeká. Kroky, které na sobě nezávisí, spusťte paralelně — a to, co může běžet na pozadí, tam nechte běžet.\u003C\u002Fp>\n\n\u003Ch2>Routování: ne každá úloha potřebuje nejsilnější model\u003C\u002Fh2>\n\u003Cp>Modely se liší cenou i rychlostí, často řádově. Posílat klasifikaci „je tohle reklamace, nebo poptávka?\" nejdražšímu modelu je jako jezdit na nákup kamionem.\u003C\u002Fp>\n\u003Cp>Rozumné rozdělení vypadá zhruba takhle: jednoduché a objemné úlohy (klasifikace, extrakce, krátké shrnutí) na malý rychlý model. Úlohy, kde je potřeba uvažovat, spojit víc věcí nebo napsat kód, na silný model. A pro jistotu jedno pravidlo navíc: když si malý model není jistý, ať úlohu předá většímu.\u003C\u002Fp>\n\u003Cp>Prakticky to znamená mít v kódu jedno místo, které rozhoduje, který model úlohu dostane. Ne deset míst, kde je název modelu natvrdo napsaný v promptu. To druhé vás dožene při první změně ceníku nebo při prvním novém modelu.\u003C\u002Fp>\n\n\u003Ch2>Ať model vrací data, ne prózu\u003C\u002Fh2>\n\u003Cp>Tohle je nejlevnější vylepšení, jaké můžete udělat. Chtějte strukturovaný výstup — JSON se schématem — místo věty, ze které pak regulárním výrazem lovíte číslo.\u003C\u002Fp>\n\u003Cp>Důvod není estetika. Strukturovaný výstup se dá \u003Cem>ověřit\u003C\u002Fem>. Chybí pole? Zamítnuto. Částka není číslo? Zamítnuto. Kategorie není z povoleného seznamu? Zamítnuto. Najednou máte mezi modelem a databází bránu, která halucinaci zastaví dřív, než něco pokazí.\u003C\u002Fp>\n\u003Cp>A když výstup neprojde, zkuste to znovu. Modely jsou nedeterministické — druhý pokus bývá často v pořádku.\u003C\u002Fp>\n\n\u003Ch2>Kde to nejčastěji padne\u003C\u002Fh2>\n\u003Cp>Pár věcí, které se v produkci ukážou vždycky a v demu nikdy:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Externí API padají.\u003C\u002Fstrong> Nastavte timeouty a mějte plán B. AI funkce, která shodí objednávkový proces, protože provider měl výpadek, je horší než žádná AI funkce.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Náklady rostou potichu.\u003C\u002Fstrong> Tři centy za volání jsou nic, dokud jich nemáte sto tisíc měsíčně. Měřte to od prvního dne.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Prompt je vstup, ne kód.\u003C\u002Fstrong> Když do promptu vkládáte text od uživatele nebo z e-mailu, počítejte s tím, že se vás někdo pokusí přesvědčit, ať ignorujete předchozí instrukce. Oddělujte instrukce od dat a nikdy nedávejte modelu pravomoc, kterou byste nedali cizímu člověku.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Cachujte.\u003C\u002Fstrong> Stejná otázka se opakuje častěji, než čekáte.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Kdy to celé nedělat\u003C\u002Fh2>\n\u003Cp>Když se dá úloha vyřešit podmínkou v kódu, vyřešte ji podmínkou v kódu. Je to levnější, rychlejší, testovatelné a nesplete se to.\u003C\u002Fp>\n\u003Cp>Zní to jako samozřejmost, ale viděli jsme dost projektů, kde jazykový model rozhodoval o věcech, na které stačil \u003Ccode>if\u003C\u002Fcode>. Orchestrace není o tom, kolik modelů zapojíte. Je o tom, kolik z nich jste nezapojili, protože nebyly potřeba.\u003C\u002Fp>","Jak orchestrovat LLM — od promptu k funkčnímu systému","Praktický pohled na orchestraci jazykových modelů: řetězení kroků, routování mezi modely, validace výstupů a kde AI vůbec nepoužít.","2026-03-04T00:00:00.000Z",[16,22,28,33,39,46,53,58,62,68,73,78,83,88,93,98,99,104,110,116,121,126,131,136,141,146,151,156,161,166,171,176,181,186,190,195,200],{"slug":17,"title":18,"excerpt":19,"category":7,"author":8,"readingTime":20,"coverImage":10,"date":21},"jak-se-bavit-s-jazykovym-modelem-prompty-v-praxi","Jak se bavit s modelem: prompty bez zaklínadel","Prompt engineering není seznam magických frází. Je to schopnost přesně říct, co chcete — což je těžší, než se zdá.","7 min","2026-07-08T00:00:00.000Z",{"slug":23,"title":24,"excerpt":25,"category":26,"author":8,"readingTime":20,"coverImage":10,"date":27},"jak-si-vybrat-jazykovy-model-a-uhlidat-naklady","Jak si vybrat jazykový model a uhlídat náklady","Benchmarky vám neřeknou skoro nic užitečného. Co doopravdy rozhoduje při výběru modelu a kde vznikají náklady, které nikdo nečekal.","Vývoj","2026-06-30T00:00:00.000Z",{"slug":29,"title":30,"excerpt":31,"category":26,"author":8,"readingTime":9,"coverImage":10,"date":32},"programovani-v-case-ai-co-se-realne-zmenilo","Programování v čase AI: co se reálně změnilo","Ne, programátory to nenahradilo. Ale změnilo to, kde tráví čas — a ne všechny ty změny jsou příjemné.","2026-06-17T00:00:00.000Z",{"slug":34,"title":35,"excerpt":36,"category":37,"author":8,"readingTime":20,"coverImage":10,"date":38},"ai-modelka-pre-vas-brand-sprievodca","AI modelka pro vaši značku: kompletní průvodce","Od zadání přes tvorbu avatara až po první kampaň — krok za krokem.","AI UGC","2026-06-16T00:00:00.000Z",{"slug":40,"title":41,"excerpt":42,"category":43,"author":8,"readingTime":44,"coverImage":10,"date":45},"pripadova-studia-cleago","Případová studie: Cleago — platforma postavená na kontextu","Jak jsme pro Cleago (www.cleago.sk) navrhli a postavili řešení tak, že jsme nejprve pochopili kontext a teprve potom kódovali.","Případové studie","5 min","2026-06-02T00:00:00.000Z",{"slug":47,"title":48,"excerpt":49,"category":50,"author":8,"readingTime":51,"coverImage":10,"date":52},"kde-ai-nepouzit-a-proc-to-nikdo-nerekne","Kde AI nepoužít (a proč vám to nikdo neřekne)","Firma, která AI prodává, má malou motivaci mluvit o jejích hranicích. Zkusme to napravit — tohle jsou místa, kam AI prostě nepatří.","Pro firmy","6 min","2026-05-27T00:00:00.000Z",{"slug":54,"title":55,"excerpt":56,"category":37,"author":8,"readingTime":44,"coverImage":10,"date":57},"ai-modelka-konzistentni-znacka-napric-kampanemi","Konzistentní značka s AI modelkou napříč kampaněmi","AI modelka může být stálou tváří značky — pokud se o konzistenci a transparentnost postaráte správně. Jak na to.","2026-05-19T00:00:00.000Z",{"slug":59,"title":60,"excerpt":61,"category":43,"author":8,"readingTime":44,"coverImage":10,"date":57},"pripadova-studia-produktove-fotky","Případová studie: o 80 % méně času na tvorbu produktových fotek","Reálný příklad nasazení AI fotek v e-shopu — od zadání po výsledky.",{"slug":63,"title":64,"excerpt":65,"category":50,"author":8,"readingTime":66,"coverImage":10,"date":67},"kde-se-ai-ve-firme-realne-hodi","Kde se AI ve firmě reálně hodí (a kde je to jen efektní)","Konkrétní aplikace napříč odděleními — co funguje dnes, co vyžaduje přípravu a co je zatím spíš ukázka než nástroj.","8 min","2026-05-06T00:00:00.000Z",{"slug":69,"title":70,"excerpt":71,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":72},"rest-vs-graphql-pre-eshopy","REST vs. GraphQL API pro moderní e-shopy","Kdy zvolit který přístup a jaké jsou dopady na výkon a vývoj.","2026-04-21T00:00:00.000Z",{"slug":74,"title":75,"excerpt":76,"category":50,"author":8,"readingTime":9,"coverImage":10,"date":77},"jak-zavest-ai-do-firmy-prvni-kroky","Jak zavést AI do firmy, aniž byste vyhodili peníze","Většina AI projektů nepadne na technologii. Padne na tom, že si nikdo neřekl, co se má vlastně zlepšit. O tom, kde začít.","2026-04-15T00:00:00.000Z",{"slug":79,"title":80,"excerpt":81,"category":43,"author":8,"readingTime":51,"coverImage":10,"date":82},"pripadova-studie-migrace-monolitu-na-moduly","Případová studie: z monolitu na modulární architekturu bez výpadku","Ilustrativní příklad postupné modernizace starší aplikace — kde každá změna byla riziková a údržba drahá.","2026-04-14T00:00:00.000Z",{"slug":84,"title":85,"excerpt":86,"category":7,"author":8,"readingTime":66,"coverImage":10,"date":87},"ai-agenti-a-tool-calling-co-to-je-a-kdy-to-dava-smysl","AI agenti a tool calling: kdy to dává smysl a kdy ne","Agent je model, který smí jednat. To je zajímavé i nebezpečné zároveň. O tom, jak to funguje a kde si dát pozor.","2026-03-25T00:00:00.000Z",{"slug":89,"title":90,"excerpt":91,"category":7,"author":8,"readingTime":51,"coverImage":10,"date":92},"context-driven-development-sber-kontextu-v-praxi","Context Driven Development v praxi: jak sběr kontextu mění výsledek","Nejdražší chyby vznikají ze špatně pochopeného zadání. Ukazujeme, jak vypadá sběr kontextu, který jim předchází.","2026-03-17T00:00:00.000Z",{"slug":94,"title":95,"excerpt":96,"category":97,"author":8,"readingTime":51,"coverImage":10,"date":92},"uctovnictvo-novej-generacie","Účetnictví nové generace: platforma postavená na kontextu","Vize inteligentní nadstavby nad existujícími účetními nástroji.","Účetnictví",{"slug":4,"title":5,"excerpt":6,"category":7,"author":8,"readingTime":9,"coverImage":10,"date":14},{"slug":100,"title":101,"excerpt":102,"category":97,"author":8,"readingTime":44,"coverImage":10,"date":103},"digitalizace-ucetnictvi-efakturace","Digitalizace účetnictví: e-fakturace a co přináší","Elektronická fakturace a reportování se stávají standardem. Co to znamená pro firmy a jak se připravit bez paniky.","2026-02-17T00:00:00.000Z",{"slug":105,"title":106,"excerpt":107,"category":108,"author":8,"readingTime":66,"coverImage":10,"date":109},"co-je-llm-velky-jazykovy-model-vysvetleny","Co je LLM: velký jazykový model bez mystiky","Jak je možné, že program předpovídající další slovo napíše funkční kód? Rozebíráme, co se děje uvnitř jazykového modelu.","Základy","2026-02-11T00:00:00.000Z",{"slug":111,"title":112,"excerpt":113,"category":114,"author":8,"readingTime":44,"coverImage":10,"date":115},"ako-ai-setri-naklady-na-video","Jak AI šetří náklady na produkci video obsahu","Konkrétní čísla a workflow tvorby AI videí pro e-shopy.","Marketing","2026-02-10T00:00:00.000Z",{"slug":117,"title":118,"excerpt":119,"category":108,"author":8,"readingTime":20,"coverImage":10,"date":120},"co-je-umela-inteligence-vysvetleni-bez-marketingu","Co je umělá inteligence (a co jí není)","Slovo AI dnes znamená všechno, a tím pádem nic. Zkusme si říct, co se pod ním reálně skrývá a kde je hranice mezi technologií a marketingem.","2026-01-21T00:00:00.000Z",{"slug":122,"title":123,"excerpt":124,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":125},"vektorove-databaze-a-embeddingy","Vektorové databáze a embeddingy: jak stroje rozumějí významu","Sémantické vyhledávání stojí za mnoha AI funkcemi. Vysvětlujeme, co jsou embeddingy a proč na nich stojí moderní práce s daty.","2026-01-20T00:00:00.000Z",{"slug":127,"title":128,"excerpt":129,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":130},"trendy-v-ai-vyvoji-2026","Trendy v AI vývoji pro rok 2026","Co čeká firmy v oblasti AI agentů, automatizace a infrastruktury.","2026-01-14T00:00:00.000Z",{"slug":132,"title":133,"excerpt":134,"category":43,"author":8,"readingTime":44,"coverImage":10,"date":135},"pripadova-studie-ai-produktove-foto-kosmetika","Případová studie: AI produktové fotografie pro kosmetický e-shop","Ilustrativní příklad, jak AI obsah nahradil opakované focení a přinesl konzistentní vizuální identitu napříč sezónami.","2025-12-09T00:00:00.000Z",{"slug":137,"title":138,"excerpt":139,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":140},"integrace-ai-do-existujicich-systemu","Jak integrovat AI do existujících systémů bez přepisování","Nemusíte zahodit funkční software, abyste využili AI. Vysvětlujeme přístup, který přidává hodnotu po krocích a bez velkého rizika.","2025-11-18T00:00:00.000Z",{"slug":142,"title":143,"excerpt":144,"category":7,"author":8,"readingTime":20,"coverImage":10,"date":145},"gdpr-a-ai-obsah","GDPR a AI obsah: na co si dát pozor","Právní minimum pro firmy, které pracují s AI obsahem a osobními údaji.","2025-11-11T00:00:00.000Z",{"slug":147,"title":148,"excerpt":149,"category":37,"author":8,"readingTime":51,"coverImage":10,"date":150},"virtualne-ai-modelky","Virtuální AI modelky: budoucnost reklamy nebo přechodný trend?","Možnosti, limity a etika virtuálních influencerů pro značky.","2025-10-20T00:00:00.000Z",{"slug":152,"title":153,"excerpt":154,"category":37,"author":8,"readingTime":44,"coverImage":10,"date":155},"ai-ugc-ve-vykonnostnim-marketingu","AI UGC ve výkonnostním marketingu: co funguje a co platí","Jak využít AI obsah při kampaních na Meta a TikTok, proč je důležité testování kreativ a jaká pravidla označování platí.","2025-10-14T00:00:00.000Z",{"slug":157,"title":158,"excerpt":159,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":160},"halucinace-jazykovych-modelu-jak-je-omezit","Halucinace jazykových modelů a jak je v praxi omezit","Proč AI někdy sebevědomě tvrdí nesmysly a jaké techniky používáme, aby výstup zůstal důvěryhodný.","2025-09-16T00:00:00.000Z",{"slug":162,"title":163,"excerpt":164,"category":37,"author":8,"readingTime":44,"coverImage":10,"date":165},"co-je-ai-ugc","Co je AI UGC a proč o něm mluví celý svět","Úvod do AI generovaného UGC a jeho dopadu na reklamu a důvěru zákazníků.","2025-09-15T00:00:00.000Z",{"slug":167,"title":168,"excerpt":169,"category":43,"author":8,"readingTime":51,"coverImage":10,"date":170},"pripadova-studie-b2b-eshop-rychlejsi-dodani","Případová studie: B2B e-shop připravený za týdny, ne měsíce","Ilustrativní ukázka, jak sběr kontextu a AI vypracování zkrátily vývoj velkoobchodního e-shopu — bez kompromisů v kvalitě.","2025-08-19T00:00:00.000Z",{"slug":172,"title":173,"excerpt":174,"category":114,"author":8,"readingTime":44,"coverImage":10,"date":175},"ai-v-marketingu-od-experimentu-k-vysledkom","AI v marketingu: od experimentu k reálným výsledkům","Jak přejít od „pokusů s AI\" k měřitelné návratnosti investice.","2025-08-06T00:00:00.000Z",{"slug":177,"title":178,"excerpt":179,"category":97,"author":8,"readingTime":44,"coverImage":10,"date":180},"ai-zpracovani-faktur-v-ucetnictvi","AI zpracování faktur: od skenu k zaúčtování","Inteligentní zpracování dokumentů zkracuje rutinní přepisování faktur. Jak to funguje a kde má AI své hranice.","2025-07-15T00:00:00.000Z",{"slug":182,"title":183,"excerpt":184,"category":7,"author":8,"readingTime":51,"coverImage":10,"date":185},"rag-proc-kontext-rozhoduje-o-kvalite-ai","RAG: proč kontext rozhoduje o kvalitě AI výstupů","Retrieval-Augmented Generation propojuje jazykový model s vašimi vlastními daty. Vysvětlujeme, jak funguje a kdy ho nasadit.","2025-06-18T00:00:00.000Z",{"slug":187,"title":188,"excerpt":189,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":185},"shopsys-vs-vlastne-riesenie","ShopSys vs. vlastní řešení: kdy se vyplatí framework","Rozhodovací rámec pro majitele e-shopů, kteří stojí před volbou platformy.",{"slug":191,"title":192,"excerpt":193,"category":114,"author":8,"readingTime":44,"coverImage":10,"date":194},"ako-ai-meni-ecommerce-na-slovensku","Jak AI mění e-commerce na Slovensku a v Česku","Praktické příklady AI v produktovém obsahu, vyhledávání a personalizaci pro e-shopy.","2025-05-21T00:00:00.000Z",{"slug":196,"title":197,"excerpt":198,"category":26,"author":8,"readingTime":20,"coverImage":10,"date":199},"context-driven-development-novy-pristup","Context Driven Development: nový přístup k tvorbě softwaru","Vysvětlení metodiky CDD od sběru kontextu až po nasazení — krok za krokem.","2025-04-09T00:00:00.000Z",{"slug":201,"title":202,"excerpt":203,"category":26,"author":8,"readingTime":51,"coverImage":10,"date":204},"koniec-ery-predrazeneho-vyvoja","Proč je éra předraženého vývoje softwaru u konce","Jak AI a přístup řízený kontextem mění ekonomiku tvorby softwaru — a proč už nedává smysl platit za nafouknuté hodiny.","2025-03-12T00:00:00.000Z"]