Přeskočit na hlavní obsah

Školení AI pro vývojáře na vašem vlastním repozitáři

Učíme týmy psát kód s Claude Code, Cursorem a GitHub Copilotem tak, aby rychlost nešla na úkor kvality. Neprobíráme cvičnou to-do aplikaci. Pracujeme na vašem kódu: nastavíme kontext pro agenty, napíšeme testy dřív než implementaci, projdeme diff, který nikdo z týmu nepsal, a sepíšeme pravidla, co do modelu nesmí.

  • Claude Code, Cursor a GitHub Copilot
  • Cvičí se na repozitáři vašeho týmu
  • Lektor takhle vyvíjí vlastní produkty v provozu
  • 50h program s příspěvkem ÚP ČR pro české firmy
Domluvit konzultaci ke školeníProjít program po modulech

Školení AI pro vývojáře v kostce

Školení AI pro vývojáře od Webforte je praktický program pro vývojářské týmy, které chtějí psát kód s AI asistenty a agenty a neztratit kontrolu nad kvalitou. Pracuje se s nástroji Claude Code, Cursor a GitHub Copilot přímo na repozitáři týmu, ne na cvičné aplikaci. Program má šest modulů: příprava repozitáře a pravidel pro AI, kontext a instrukce pro agenty (CLAUDE.md, AGENTS.md), generování a refaktoring s review, testy psané s AI, code review a bezpečnost, agentní workflow a jeho hranice. Součástí jsou pravidla pro tajemství v repozitáři, licence generovaného kódu a data, která do modelu neposílat. Lektor Miroslav Douda, jednatel Webforte Technologies s.r.o. (IČO 23364343), takhle denně vyvíjí vlastní produkty Kurikula.ai, Dotazio a Chytrejbyt.cz. Formáty: workshop na 4 nebo 8 hodin, půlden pro vedení a 50hodinový program s příspěvkem Úřadu práce ČR z programu Vzdělávání pro firmy, určený českým firmám. Cenu stanovíme kalkulací po konzultaci.

Poznáte to u svého týmu

AI nástroje ve vývoji už skoro všude běží. Problémy se neukážou první den, ale po pár týdnech v historii repozitáře.

  • Pull requestů přibývá, review nestíhá

    Agent vygeneruje za deset minut změnu přes dvacet souborů. Reviewer ji proklikne, protože testy jsou zelené, a za měsíc nikdo neví, proč daná funkce vypadá tak, jak vypadá.

  • Agent pokaždé začíná od nuly

    V repozitáři chybí soubor s pravidly projektu, takže agent znovu volí jinou knihovnu na formuláře, jiný styl importů a jiné pojmenování. Vývojáři to opravují ručně a mají pocit, že AI zdržuje.

  • Testy vznikají až po kódu

    Když agent napíše implementaci i test najednou, test často jen potvrdí to, co kód dělá, včetně chyby. Zelená pipeline pak nic neříká.

  • Nikdo neví, co odešlo do modelu

    Obsah souboru .env v kontextu, export zákaznických dat vložený do chatu, kód pod NDA v nástroji bez firemní licence. Bez pravidel to nikdo nehlídá a zákaz nástrojů vede jen k tomu, že je lidé používají potichu.

Program po modulech na vašem repozitáři

Před školením si domluvíme přístup k repozitáři, případně cvičný projekt srovnatelné velikosti, pokud kód kvůli NDA sdílet nemůžete. Každý modul končí konkrétním výstupem v repozitáři, ne jen poznámkami.

  1. 2 až 4 h

    Příprava repozitáře a pravidel pro AI

    Projdeme strukturu projektu, build a testovací příkazy a místa, kde agent narazí: chybějící typy, nejasné složky, generované soubory. Nastavíme .gitignore a ignorované cesty pro nástroje, aby se do kontextu nedostaly tajemství a buildy. Sepíšeme první verzi týmových pravidel: který nástroj pro jakou práci, co se commituje bez review a co nikdy.

    Výstup: Upravený repozitář a první verze týmových pravidel pro AI

  2. 2 až 4 h

    Kontext a instrukce pro agenty

    Napíšeme CLAUDE.md nebo AGENTS.md pro váš projekt: architektura, konvence, příkazy, zakázané vzory. Ukážeme, proč krátký a přesný soubor funguje lépe než dlouhý esej, jak rozdělit instrukce po složkách a jak si agent má před prací sám načíst relevantní soubory. Vyzkoušíme stejný úkol s kontextem a bez něj a porovnáme diffy.

    Výstup: CLAUDE.md nebo AGENTS.md zkontrolovaný na reálném úkolu

  3. 2 až 4 h

    Generování a refaktoring s review

    Vezmeme skutečný tiket z vašeho backlogu. Nejdřív plán, pak malé kroky, po každém kroku kontrola překladače a linteru. U refaktoringu učíme držet změnu v rozsahu, který jde přečíst, a vracet agenta, když začne měnit věci mimo zadání. Každý účastník čte diff, který sám nepsal, a vysvětluje ho ostatním.

    Výstup: Tiket dotažený do pull requestu, který prošel review

  4. 2 až 4 h

    Testy psané s AI

    Postup test first: člověk popíše chování, agent napíše test, test musí nejdřív selhat a teprve pak vzniká implementace. Ukážeme, jak poznat test, který jen kopíruje kód, jak s agentem doplnit testy ke starému kódu bez pokrytí a kdy je rychlejší napsat test ručně.

    Výstup: Nové testy k vybrané části kódu a postup test first pro tým

  5. 2 až 4 h

    Code review a bezpečnost

    Sestavíme checklist pro review AI kódu: nové závislosti, vymyšlená API, tichá změna chování, chybějící validace vstupů. Probereme tajemství v repozitáři a v historii gitu, licence generovaného kódu a filtry na shodu s veřejným kódem. Stanovíme, co do modelu neposílat: klíče, osobní údaje zákazníků, kód, který smlouva nedovoluje sdílet s třetí stranou.

    Výstup: Checklist pro review a bezpečnostní pravidla do PR šablony

  6. 2 až 4 h

    Agentní workflow a hranice

    Agent, který sám spouští příkazy, potřebuje jasná oprávnění. Nastavíme seznam povolených příkazů, ukážeme paralelní agenty na nezávislých úkolech a kontrolu výsledku přes git diff po každém návratu. Hlavně ale probereme, kde agenta nepouštět: migrace produkční databáze, platební logika, změny oprávnění bez druhého páru očí.

    Výstup: Nastavená oprávnění agenta a dohodnuté hranice pro tým

Copilot, Cursor, nebo Claude Code

Neřešíme, který nástroj vyhrál. Každý se hodí na jinou práci a spousta týmů používá dva. Srovnání vychází z naší každodenní práce, ne z benchmarků.

Tabulku posunete prstem do strany.

Copilot, Cursor, nebo Claude CodeGitHub CopilotCursorClaude Code
Kde běžíRozšíření do VS Code, JetBrains a dalších editorů, napojené na GitHubSamostatný editor postavený na VS CodeTerminál, s rozšířením do VS Code a JetBrains
Na co je nejsilnějšíDoplňování při psaní a menší úpravy v editoru, který tým už používáÚpravy napříč více soubory s náhledem změn přímo v editoruDelší úkoly, kdy agent čte repozitář, spouští testy a opravuje se podle výsledku
Práce s kontextemOtevřené soubory, index repozitáře a instrukce v .github/copilot-instructions.mdIndex celého projektu, pravidla v .cursor/rules, podpora AGENTS.mdCLAUDE.md na více úrovních, soubory si agent dohledává sám nástroji
Kdy ho doporučujemeFirma má GitHub Enterprise a chce nástroj pod stávající správou licencíTým chce agenta a zároveň vidět každou změnu v editoruSeniorní tým, který umí zadat úkol, omezit oprávnění a číst větší diff
Na co si dát pozorRychlé doplňování svádí k přijímání kódu bez čteníPřechod na nový editor, nastavení a zvyky celého týmuAgent spouští příkazy, oprávnění je nutné nastavit předem

Nástroje se mění po měsících. Na školení proto učíme hlavně principy (kontext, plán, test first, review, oprávnění), které platí pro všechny tři. Když má firma nasazený jeden konkrétní nástroj, postavíme školení na něm.

Co učíme, protože to sami denně děláme

Tento web, Kurikula.ai, Dotazio i Chytrejbyt.cz vyvíjíme s AI agenty. Na školení předáváme postupy, které se nám osvědčily, i chyby, které jsme udělali jako první.

Kontext patří do repozitáře, ne do promptu

Náš vlastní repozitář má CLAUDE.md i AGENTS.md: stack, příkazy, konvence, pravidla pro dark mode, SEO požadavky i to, co agent nesmí měnit. Každá nová session tak začíná se stejnými znalostmi. Když agent zopakuje stejnou chybu dvakrát, nepřepisujeme prompt, ale doplníme pravidlo do souboru. Týmy se to učí na svém kódu: co do kontextu patří, co ho jen nafukuje a kdy soubor rozdělit po složkách.

  • Jeden soubor s pravidly pro celý tým, verzovaný v gitu
  • Příkazy pro build, testy a lint přímo v instrukcích
  • Opakovaná chyba agenta se řeší novým pravidlem
  • Kratší a přesnější soubor funguje lépe než dlouhý

Překladač je první reviewer

Stavíme na striktním TypeScriptu, Drizzle ORM a validaci přes Zod. Důvod je praktický: agent udělá chybu v typu nebo ve schématu databáze častěji než v logice a překladač ji najde dřív než člověk. Po každém kroku agenta proto běží kontrola typů a lint a teprve čistý výsledek jde k lidskému review. Na školení ukážeme, jak tuto smyčku nastavit ve vašem stacku, i když nepoužíváte TypeScript.

  • Kontrola typů a lint po každém kroku agenta
  • Silné typy a schéma jako hranice pro generovaný kód
  • Validace vstupů na klientu i na serveru
  • Postup přeneseme i na jiné jazyky a frameworky

Po každém agentovi git diff

Když pracujeme s více agenty paralelně, každý dostane jeden nezávislý úkol a po jeho návratu vždy čteme git diff, i když agent hlásí, že nic nevybočilo. Agenti občas upraví soubor mimo zadání nebo smažou kód, který považují za nepoužitý. Tuhle disciplínu učíme jako pevné pravidlo: bez přečteného diffu žádný commit. Zní to jako zdržení, ve skutečnosti šetří hodiny hledání chyb později.

  • Jeden agent, jeden úkol, jasně vymezené soubory
  • Diff čte člověk, i když agent hlásí úspěch
  • Změny mimo zadání se vracejí, ne opravují dodatečně

AI výstup musí jít ověřit

V našich produktech platí stejný princip jako při psaní kódu. Dotazio odpovídá jen z dodaných podkladů a cituje zdroj, Kurikula.ai dokládá každý návrh kódem RVP, redakční pipeline pro náš blog ověřuje zdroje před publikací. Ve vývoji to znamená: agent nesmí vymýšlet API, které v projektu není, a každé tvrzení v pull requestu musí jít dohledat v kódu nebo v testu. Učíme, jak takové výmysly rychle poznat.

  • Kontrola, že volané funkce a balíčky opravdu existují
  • Nové závislosti jen po vědomém schválení
  • Popis PR musí odpovídat skutečnému diffu

Lektor, který učí i vyvíjí

Miroslav Douda je jednatel a hlavní vývojář Webforte a dříve pedagog. Jako lektor proškolil s týmem PECKA přes 9 000 pedagogů. Školení proto není prezentace s ukázkami, ale práce u klávesnice: krátké vysvětlení, úkol na vašem kódu, společné čtení výsledku. Mluvíte přímo s člověkem, který nástroje používá v ostrém provozu a ví, kde selhávají. Stejný člověk vede konzultaci, připravuje program i odpovídá na dotazy po školení.

  • Většinu času tvoří práce na vlastním kódu účastníků
  • Otázky řešíme na konkrétních souborech, ne obecně
  • Stejný lektor od konzultace po poslední modul

Formáty a financování

Moduly skládáme podle toho, kde tým je. Kratší formát hradí firma přímo, 50hodinový program jde financovat z příspěvku Úřadu práce ČR.

WorkshopDo 12 lidí, aby lektor stihl projít práci každého na repozitáři. Výběr modulů podle týmu, hradí firma, cena kalkulací po konzultaci.
4 nebo 8 hodin
Půlden pro vedeníPro CTO, vedoucí týmů a majitele: výběr nástrojů, licence, pravidla pro data a bezpečnost, jak měřit přínos bez odhadů od oka.
do 8 lidí
50hodinový programProgram Vzdělávání pro firmy (ÚP ČR, OPZ+). Přes nás plně financovaný: cena kurzu odpovídá celému vzdělávacímu příspěvku. Realizuje a fakturuje partner PECKA.
max. 15 lidí v běhu
Vzdělávací příspěvekPokrývá cenu kurzu. Jde na kurzovné dodavateli.
260,73 Kč za osobohodinu
Mzdový příspěvekJde firmě jako náhrada mzdy za čas na školení. Mzdy firma vyplácí a náklady předfinancuje.
217,46 Kč za osobohodinu
Podmínky programuŽádost podává firma sama. Osnovu, harmonogram a podklady k žádosti dodáme. Program není zdarma, je financovaný z příspěvku.
min. 80 % docházka

Co tým po školení má

Výstupy zůstávají ve vašem repozitáři a patří vám.

  • CLAUDE.md nebo AGENTS.md pro váš projekt, vyzkoušený na reálném úkolu
  • Týmová pravidla pro AI: který nástroj na co, co jde bez review a co nikdy
  • Checklist pro review AI kódu vložený do šablony pull requestu
  • Bezpečnostní pravidla: tajemství, osobní údaje, licence, co neposílat do modelu
  • Nastavená oprávnění agenta a seznam povolených příkazů
  • Aspoň jednu skutečnou změnu dotaženou přes test a review
  • Materiály k probraným modulům a potvrzení o absolvování s rozsahem hodin

Kde tyto postupy používáme

Neučíme z dokumentace nástrojů. Učíme to, na čem stojí naše vlastní produkty v provozu.

Pro koho školení je

Dává smysl, když

  • Máte vývojářský tým, který AI nástroje už používá, ale bez společných pravidel
  • Chcete nástroje zavést a rovnou nastavit review a bezpečnost
  • Můžete na školení použít vlastní repozitář, nebo aspoň jeho část
  • Vedení chce vědět, co do modelu smí a co ne, dřív než nastane problém
  • Jste česká firma a chcete 50hodinový program s příspěvkem ÚP ČR

Nehodí se, když

  • Hledáte úvod do AI pro netechnické kolegy, na to je AI školení pro firmy
  • Čekáte, že AI nahradí vývojáře a review přestane být potřeba
  • Nemůžete nástroje ani cvičně napojit na kód a nechcete cvičný projekt
  • Chcete certifikát bez práce u klávesnice

Časté otázky

Cena závisí na formátu, počtu modulů, velikosti skupiny a na tom, kolik přípravy vyžaduje váš repozitář. Workshop hradí firma přímo, 50hodinový program jde u českých firem financovat z příspěvku ÚP ČR, kde cena kurzu odpovídá celému vzdělávacímu příspěvku. Přesnou částku pošleme v kalkulaci po úvodní konzultaci.

Doporučujeme to, protože na vlastním kódu se ukáže, s čím tým opravdu bojuje: chybějící testy, velký repozitář, historická rozhodnutí. Když kód sdílet nemůžete kvůli NDA nebo interním pravidlům, připravíme cvičný projekt srovnatelné velikosti. Pracovat se dá i na vybrané části repozitáře bez citlivých modulů.

Ten, který máte nebo chcete nasadit. Pokud ještě nemáte jasno, na začátku porovnáme Claude Code, Cursor a GitHub Copilot na vašich úkolech a doporučíme podle práce, kterou tým dělá, a podle licencí, které firma používá. Principy práce s kontextem, testy a review platí pro všechny tři.

Workshop trvá 4 nebo 8 hodin, půlden pro vedení čtyři hodiny. Jeden modul má 2 až 4 hodiny, takže do workshopu se vejdou dva až čtyři moduly. Celý program je lepší rozložit do více termínů, aby tým mezi nimi zkusil postupy na běžných úkolech. Dotovaný program má 50 hodin rozložených do několika týdnů.

Jde o program Vzdělávání pro firmy financovaný z OPZ+. Vzdělávací příspěvek 260,73 Kč za osobohodinu pokrývá cenu kurzu, mzdový příspěvek 217,46 Kč za osobohodinu dostává firma jako náhradu mzdy. Firma mzdy vyplácí a předfinancuje, žádost podává sama. V běhu je nejvýš 15 lidí a každý potřebuje aspoň 80 % docházky. Realizuje a fakturuje partner PECKA.

Ne. Program je přes nás plně financovaný z příspěvku, což znamená, že cena kurzu odpovídá celému vzdělávacímu příspěvku. Firma ale platí mzdy účastníků za čas na školení, náklady předfinancuje a musí splnit podmínky programu včetně docházky. Mzdový příspěvek pak část mzdových nákladů vrací.

Proto je bezpečnost samostatný modul. Nastavíme, které soubory nástroje ignorují, jak držet tajemství mimo repozitář i historii gitu a jaká oprávnění agent dostane. Sepíšeme, co do modelu neposílat: klíče, osobní údaje zákazníků a kód, který smlouva nedovoluje sdílet. Probereme i firemní licence nástrojů a podmínky zpracování dat.

Kód vzniklý během školení zůstává ve vašem repozitáři a patří vám stejně jako výstupy školení. U licencí ukážeme, proč generovaný kód může připomínat existující open source, jak zapnout filtry na shodu s veřejným kódem a jak nové závislosti kontrolovat při review. Právní výklad pro konkrétní smlouvu nenahrazujeme, dáváme praktická pravidla pro tým.

Ano, jen začínáme jinde. Junioři potřebují hlavně číst a ověřovat, co agent napsal, a nepřijímat kód, kterému nerozumí. Seniorní tým se rychleji dostane k agentnímu workflow, oprávněním a paralelní práci. Úroveň skupiny si ujasníme na konzultaci a podle ní poskládáme moduly.

To je navazující služba AI integrace. Školení řeší, jak tým s AI píše kód. Pokud chcete v produktu chatbota, vyhledávání v dokumentech nebo automatizaci, můžeme ji s vámi navrhnout a postavit, případně předat postup vašemu týmu. Zkušenost máme z vlastních produktů Dotazio, Kurikula.ai a Chytrejbyt.cz.

Domluvme program pro váš tým

Napište, kolik máte vývojářů, jaký stack a které AI nástroje už používáte. Na konzultaci navrhneme moduly a formát a pošleme kalkulaci.

Nezávazná konzultace