Pokrok v oblasti AI je rychlejší a má větší dopad než většina technologií, které jsme v posledních letech viděli. Modely se nezlepšují s každým rokem, ale s každým měsícem. Skvělým příkladem je výkon modelů Claude od Anthropic na benchmarku SWE-bench, který ukazuje, jak rychle se AI zlepšuje v řešení reálných vývojářských úloh.

AI-asistovaný vývoj vs. Vibe coding

Ten, kdo AI nepoužívá, jako by mu ujel vlak.. V Etnetera Flow bereme AI nástroje jako přirozenou součást moderního vývoje a aktivně je zapojujeme do vývoje na denní bázi. Hledáme způsoby, jak nám agentní módy mohou pomoci řešit složitější úkoly rychleji, chytřeji a s menším rizikem chyb.

‍

Dnešní debata o integraci AI do vývoje se často točí kolem dvou pojmů – vibe coding a AI-asistovaný vývoj. Obě metody využívají AI k tvorbě funkčního kódu, ale každá patří do jiné části procesu vývoje. Pojďme se na ně podívat blíž.

AI-asistovaný vývoj

AI-asistovaný vývoj je přístup, ve kterém AI generuje významnou část kódu na základě konkrétních požadavků. Vývojáři pak výstupy upravují, doplňují a kontrolují, aby splňovaly všechny funkční, kvalitativní a bezpečnostní standardy.

‍

Tento přístup stojí na zkušených vývojářích, kteří dokáží propojit automatizaci se svou odborností. Výsledkem je styl práce, který kombinuje efektivitu AI s lidskou precizností. Vzniká tak udržitelný, čitelný a kvalitně navržený kód, který je připravený na dlouhodobý provoz i další rozvoj.

Vibe coding

Vibe coding je přístup, ve kterém vývojář místo ručního psaní kódu popíše AI své požadavky pomocí promptů. AI na jejich základě generuje prototyp nebo rovnou funkční kód.

‍

Tento způsob snižuje bariéru vstupu do vývoje a usnadňuje práci i lidem s menšími technickými zkušenostmi. I když je tento způsob dostupný a rychlý, má své limity. Často nedostatečně pokrývá bezpečnostní standardy, chybí mu stabilita při škálování a nejistá je i jeho dlouhodobá udržitelnost.

‍

Skvěle se ale hodí pro rychlou tvorbu prototypů. My ho občas používáme při tvorbě raných konceptů nebo jednorázových menších projektů. 

Jak vytváříme standardy pro práci s AI

Když jsme začali pracovat s AI agenty, rychle jsme si uvědomili jednu zásadní věc: AI dokáže generovat obrovské množství kódu neuvěřitelným tempem, ale bez jasných pravidel snadno vybočí z kvality a struktury, kterou očekáváme.

‍

Jednou z nejsilnějších schopností AI agentů je možnost definovat pravidla. Díky tomu dokážeme přenést naše standardy, které jsme roky ladili, přímo do procesu generování kódu a zvýšit tak kvalitu i konzistenci výsledků.

‍

Právě proto jsme vytvořili projekt Pravidla Etnetera Flow pro AI, rámec, který vede AI agenty k jednotnému stylu práce a developerům pomáhá udržet kvalitu výstupu.

‍

Projekt se zaměřuje na to, aby bylo možné:

• Nastavit obecná pravidla a standardy vývoje.
• Definovat pravidla pro jednotlivé programovací jazyky (Kotlin, Swift, Maestro atd.), aby se daly snadno přenést mezi platformami.
• Vytvořit výchozí pravidla pro různé AI agenty (například Junie nebo Cursor).
• Najít správnou hranici toho, jak obsáhlé konfigurační soubory je potřeba mít.
• Zajistit snadnou integraci do projektů a umožnit upravit pravidla podle kontextu.

Příklad AI vývoje v praxi

V září jsme se v Etnetera Flow zúčastnili konference Future Product Days v Kodani. Měli jsme vlastní stánek a rozhodli jsme se proto společně s návštěvníky na místě vytvořit mobilní aplikaci pomocí AI. Aplikace měla dva hlavní cíle:

• Umožnit návštěvníkům registrovat se do soutěže o ceny LEGO a na konci konference náhodně vybrat tři vítěze.
• Ukázat, jak AI agenti (v našem případě Junie od JetBrains) ve spolupráci s našimi vývojovými standardy a nápady návštěvníků dokážou výrazně urychlit vývoj a přitom udržet kvalitu. V reálných projektech by nám samozřejmě kontrola kódu a manuální úpravy zabraly nějaký čas navíc.

A co bylo nejlepší? Zatímco se AI postarala o generování kódu, my jsme měli mnohem více prostoru na diskuzi s návštěvníky. Díky AI jsme se mohli věnovat více věcem najednou – vysvětlovat, ukazovat, diskutovat a zároveň stavět aplikaci.

‍

Společně s návštěvníky se nám na místě podařilo vytvořit aplikaci, která obsahovala:

• Startovní obrazovka s animovaným přechodem do aplikace
• Rozbalovací UI komponenty s informacemi o soutěži a cenách
• Registrační formulář pro nové účastníky s ukládáním dat do databáze
• Seznam všech účastníků, který šlo třídit, filtrovat a mohli jste si také zobrazit či skrýt detaily jednotlivých hráčů
• Možnost zvolit počet výherců (1–3) a animované „kolo štěstí“
• Animované oznámení pro výherce hlavní ceny
• Možnost exportu výherců do CSV
• A celou řadu dalších UI/UX vylepšení

Využití AI v podobě AI-assisted vývoje nastavuje nový normál pro tvorbu softwaru, který nám dává smysl a ve kterém vidíme budoucnost. Obzvlášť když sledujeme, jak velké skoky LLM modely za necelý rok udělaly. 

‍

Velký význam přikládáme tvorbě guidelines, do kterých promítáme naše standardy a zkušenosti. Projekt Flow Guidelines for AI nám poskytuje platformu, na níž můžeme elegantně škálovat pravidla pro nové jazyky a nástroje, což nám umožňuje dynamicky se přizpůsobovat trendům a novinkám v AI.