Knihovna | Lilith AI

Průvodci

Praktické texty k práci s AI — od agentů a kontextu po RAG a bezpečnost.

Agenti — když LLM dostane ruce a paměť LLM s tool use, smyčkou a pamětí. Spousta marketingu, málo definic. Tady je rovná pravda — a postup, jak agenta postavit s verifikací, aniž by ti spálil rozpočet.
Claude J-space: tiché myšlenky uvnitř modelu Anthropic ukazuje J-space, vrstvu interních slovních reprezentací v Claudeovi. Neznamená to vědomí, ale je to důležitý krok k čitelnějším a bezpečnějším modelům.
Coding agents — když model sahá do repa Claude Code, Codex a spol. nejsou kouzelný junior. Jsou closed-loop: čti kód, uprav, ověř, oprav. Průvodce, jak postavit verifikaci jako infrastrukturu a z agentů dostat práci, ne technický dluh.
Kontextové okno — kolik pekla se vejde do promptu Kontextové okno říká, kolik tokenů model najednou vidí. Větší okno není paměť, pravda ani záruka lepší odpovědi. Je to dražší pracovní stůl — a tady je návod, jak na něm udržet pořádek.
Golden Dataset — pravda pro AI systém, ne zlatá klec Golden Dataset je malá, pečlivě ověřená sada reálných případů, podle které poznáš, jestli AI systém opravdu funguje. Na modelovém příkladu doporučovače kurzů: pomáhá ověřit, jestli doporučení stojí na skutečném obsahu — ne na dojmech z marketingových popisů.
Koog a AI agenti v Kotlinu — co to je a k čemu to je Koog je framework od JetBrains pro stavbu AI agentů v Kotlinu a Javě. Neřeší magii promptů, ale praktickou architekturu: strategie, nástroje, paměť, tracing, dlouhý kontext a provoz v JVM aplikacích.
Prompt injection — cizí instrukce v tvém kontextu Prompt injection není jailbreak pro frajeřinu. Je to problém hranic: model čte nedůvěryhodný text a může ho splést s instrukcemi. Průvodce obranou pro každého, kdo dává LLM nástroje.
RAG — Retrieval-Augmented Generation Když model nemá v hlavě tvoje data, musí si je dohledat. RAG je vzor, ne produkt — a tady je průvodce, jak ho postavit tak, aby odpovídal, a ne jen sebevědomě fabuloval.

Pojmy

Krátká vysvětlení důležitých výrazů a jejich dopadu v praxi.

Agent infrastructure — nudná vrstva, bez které agenti nepracují Agent není jen model s úkolem. V produkci potřebuje identitu, oprávnění, inbox, nástroje, paměť, audit, telemetry a jasné hranice. Bez infrastruktury je autonomie jen hezké demo s rizikem. AI-assisted research — model jako výzkumný parťák AI-assisted research používá modely k hledání hypotéz, psaní kódu, testování variant a čtení literatury. Není to automatická věda. Je to rychlejší výzkumná smyčka s novými způsoby, jak si nabít hubu. Asynchronní agenti — práce, která neběží v chatu Agent, který dostane úkol, běží mimo konverzaci a vrátí hotový artefakt. Silné pro dlouhé workflow, nebezpečné bez stavu, limitů a kontroly. Bezpečnost agentů a sandboxing Agent s nástroji je malý automat na následky. Sandbox, approvals, minimální oprávnění a audit log nejsou enterprise dekorace, ale brzdy před požárem. Computer-use agenti — model, který kliká Computer-use agent vidí obrazovku a ovládá UI. Zní to jako sci-fi, v praxi je to křehká automatizace nad pixely, formuláři a špatně popsanými tlačítky. Ekonomika modelů — cena inteligence v provozu Tokeny, latency, throughput, kvalita a riziko v jednom účtu. Model není jen chytrý nebo hloupý; je drahý, pomalý, levný, lokální nebo provozně únosný. Evaly a benchmarky — měření místo dojmologie Benchmark není pravda vytesaná do kamene. Je to měřicí přístroj s chybami. Bez něj ale jen hádáš, jestli model nebo agent opravdu funguje. Fine-tuning — skalpel, ne univerzální kladivo Fine-tuning mění váhy modelu. Je silný, když máš data, evaly a jasný důvod. Je drahý omyl, když jen maskuje špatný prompt, chybějící RAG nebo nejasný proces. Frontier model governance — kdo hlídá model před releasem Frontier model governance řeší, kdo testuje nejsilnější modely před nasazením, podle jakých pravidel a s jakou mocí zasáhnout. Dobrovolný audit, system card a státní testování nejsou totéž. Open vs. closed modely — kdo platí prémii za frontier Open model není automaticky svoboda a closed model není automaticky lock-in. Praktická otázka zní: kdy se vyplatí kontrola, cena a lokální nasazení, a kdy má smysl platit za nejlepší frontier schopnost. Physical AI — když agent sahá do světa Physical AI spojuje modely, roboty, simulace a akce v reálném prostředí. Nejde o hezké demo robota, ale o otázku, kdo nese riziko, když model začne hýbat věcmi. Spolehlivost modelů — když nestačí hezká odpověď Spolehlivost je o tom, kdy model ví, kdy neví, kdy si vymýšlí a jak často se dá jeho výstupu věřit v provozu. Elegantní formulace není důkaz. Tool use — když model volá nástroje Tool use je chvíle, kdy LLM přestane jen odpovídat a začne volat API, spouštět příkazy, číst soubory nebo sahat do databází. Užitečné, ostré, nebezpečné. Zombie internet — když AI text sežere web Zombie internet je web zaplavený generovaným textem, shrnutími bez odpovědnosti a obsahem, který vypadá lidsky jen z dálky. Problém není jen spam. Problém je ztráta důvěry.