Archiv

Your coding agent keeps solving the same problem

DeepLearning.AI ve spolupráci s Oracle spustili nový bezplatný krátký kurz Building Adaptive AI Agents, který vyučují Nacho Martínez a Casius Lee. Kurz řeší problém, že kódovací agenti při každé nové relaci začínají od nuly a opakovaně řeší už vyřešené problémy, což plýtvá časem i tokeny. Účastníci se naučí měnit stopy agenta (konverzace, volání nástrojů, chyby a opravy) na znovupoužitelné dovednosti schvalované člověkem, budovat znalostní graf kódu z importů, volání funkcí a společných editací v git historii, a porovnat grafové vyhledávání s klíčovým a regex vyhledáváním ve velkých repozitářích. Kurz také radí, kdy je vhodnější přímo doladit (fine-tuning) samotný model.

Proč to je důležité: Pro firmy vyvíjející software jde o konkrétní návod, jak snížit náklady na tokeny a čas u AI kódovacích agentů díky perzistentní paměti a lepšímu vyhledávání v kódu – prakticky využitelné hned, ne jen hype.

• Enroll for Free – Building Adaptive AI Agents
• Course overview – Adaptive coding agents

[AINews] Andrew Ng gets into AI Engineering

Andrew Ng, spoluzakladatel Google Brain a Coursera, přesměroval DeepLearning.AI na nový obor „AI Engineering“. Vychází z analýzy přes 10 000 pracovních inzerátů, desítek strukturovaných rozhovorů s experty, náboráři a manažery a doplňkových průzkumů trhu. Definuje čtyři klíčové dovednosti: stavbu a nasazování AI aplikací (LLM, RAG, agentní workflow, evaluace a error analýza), základy softwarového inženýrství, efektivní práci s kódovacími agenty (typu Claude Code, Cursor, Codex) a „product sense“ pro vedení AI projektů od MVP po pečlivější vývoj. Ng zdůrazňuje, že tyto dovednosti se netýkají jen lidí s titulem AI Engineer, ale čím dál širšího okruhu vývojářů a produktových rolí.

Proč to je důležité: Pro české firmy jde o prakticky využitelný rámec, ne hype – lze podle něj stavět interní školení, náborová kritéria a kariérní žebříčky pro AI adopci, protože vychází z reálných dat z trhu práce, ne z marketingu.

[AINews] Andrew Ng gets into AI Engineering

Andrew Ng, spoluzakladatel Google Brain a Coursera, nově zaměřuje DeepLearning.AI na obor AI Engineering. Vychází z analýzy přes 10 000 pracovních inzerátů, desítek strukturovaných rozhovorů s experty, náboráři a HR manažery a z průzkumů. Definuje čtyři klíčové dovednosti: stavba a nasazování AI aplikací (LLM, RAG, agentní workflow, evaluace), fundamenty softwarového inženýrství, efektivní používání kódovacích agentů a schopnost formovat produkt (product sense, business kontext). Souběžně Anthropic zavedlo enterprise-spravovanou autentizaci pro MCP konektory (Asana, Atlassian, Notion, Slack, Supabase aj.), takže uživatelé už nemusí procházet OAuth zvlášť pro každý nástroj.

Proč to je důležité: Jde o konkrétní, datově podložený rámec dovedností, který mohou firmy hned využít pro plánování interních AI školení a náboru – nejde o hype, ale o prakticky použitelnou kostru pro upskilling týmů. Enterprise MCP autentizace zase ukazuje, že integrace AI agentů do firemních systémů se posouvá od demo řešení k auditovatelnému nasazení.

Cloud, hybrid, or local: build the AI coding setup you actually want

Newsletter DeepLearning.AI propaguje nový krátký kurz „AI Coding Workflows: From Cloud to Local“ ve spolupráci s JetBrains, vedený Paulem Everittem. Kurz ukazuje, jak přebudovat stejnou Python aplikaci z výchozího nastavení Claude Code přes subagenty a levnější modely na rutinní úkoly až po plně lokální běh modelů, s důrazem na dopad každé vrstvy na náklady, rychlost a kontrolu nad daty.

Proč to je důležité: Vzdělávací produkt, nikoli nové vydání nástroje – pro české B2B firmy užitečný orientační materiál pro rozhodování cloud vs. hybrid vs. lokální AI coding setup, spíš než okamžitě akční novinka.

• AI Coding Workflows: From Cloud to Local (Enroll for Free)