Proč nestačí nechat agenta jen „psát kód“
Když jsem se učil programovat, psal jsem každý řádek sám, znak po znaku. Byla to otrava, ale naučila mě to jednu věc: kód je deterministický. Stejný vstup vždycky dá stejný výstup. Přesně proto programovací jazyky vůbec vznikly — aby odbouraly nejednoznačnost lidské řeči.
Jenže teď, když za nás kód píší agenti, jsme se k lidské řeči zase vrátili. Zadáte prompt, agent ho interpretuje a píše. A tady je háček: přirozený jazyk je ze své podstaty nejednoznačný. Řeknete „přidej tam tlačítko pro export“ a agent neví, jestli chcete export do PDF, CSV, jestli má být kompatibilní se starší verzí, nebo jestli se má týkat jen jednoho modulu. Čím vágnější zadání, tím víc odhaduje — a tím častěji přinese řešení, které vypadá dobře, ale řeší něco jiného, než jste chtěli.
Nejefektivnější vývojáři proto agenta neřídí jako písaře, ale jako orchestra. Zadají směr, nechají ho naplánovat cestu, a pak hlídají výsledek. Tři techniky popsané ve zdrojovém článku norského vývojáře Eivinda Kjosbakkena pro Towards Data Science přesně ukazují tento způsob práce. V textu jsou jako příklady zmíněny nástroje Cursor a Claude Code, jejich konkrétní funkce se však mohou lišit.
Technika 1: Nechte agenta nejdřív plánovat
Nejdůležitější technika je takzvaný planning mode, tedy režim plánování. V Cursoru ho zapnete zkratkou Shift-Tab při zadávání promptu. U dalších nástrojů se podoba plánování a způsob práce s plánem může lišit.
Princip je jednoduchý. Místo toho, aby agent rovnou skočil po kódu, nejdřív si projde vaše zadání a podle dostupných funkcí také relevantní část repozitáře, rozmyslí si nejlepší přístup a v Cursoru vám plán předloží ke kontrole před provedením změn. A co je důležitější — začne se vás ptát. Jaký jazyk chcete použít, Python nebo TypeScript? Má být řešení zpětně kompatibilní? Monolit, nebo mikroslužby?
To je přesně ta věc, která eliminuje nejednoznačnost přirozeného jazyka. Agent si ověří, co vlastně chcete, ještě předtím, než napíše jediný řádek. Je to jako dát architektovi čas na nákres, místo abyste mu hned řekli „postav dům“ a čekali, co z toho vyleze. Z mé zkušenosti je to rozdíl mezi jedním kolem úprav a pěti koly oprav.
Technika 2: Nechte agenta klikat v prohlížeči
Druhá technika se hodí hlavně u webových aplikací. Klasický cyklus při vývoji nové funkce vypadá takto: implementujete, otevřete prohlížeč, ručně otestujete, že to funguje, přečtete chyby v konzoli, zkopírujete je zpátky agentovi a čekáte na opravu. A takhle pořád dokola, dokud to nefunguje.
Browser actions v Cursoru mohou tenhle cyklus zkrátit. Řeknete agentovi, ať otevře konkrétní URL, prokliká se a zkontroluje, jak se stránka chová. Podporované akce mohou zahrnovat otevření stránky, klikání a pořizování screenshotů. Vestavěný prohlížeč ale nemusí mít plný přístup ke konzoli ani k síti, takže nelze obecně zaručit, že agent přečte každou chybu, sám ji opraví a provede celý end-to-end test bez dalšího zásahu.
Kjosbakken to ve zdrojovém článku popisuje jako jednu z nejúčinnějších věcí, kterou v poslední době začal používat. A dává to smysl: kontrola chování webu je přesně ten typ rutinní, opakující se práce, kterou chcete v podporovaném rozsahu přenechat stroji. Vy se soustředíte na logiku, agent na tu nudu.
Technika 3: Agent, který čte logy za vás
Třetí technika zní skoro banálně, ale právě ona šetří nejvíc času: nechte agenta číst logy.
Kjosbakken používá Claude Code, když se něco zasekne mimo jeho aktuální práci — třeba když dokument uvízne v pipeline, aniž by se něco změnilo v relevantním kódu. Cursor naopak používá při aktivní implementaci: pošle testovací událost do Lambda funkce a nechá agenta zkontrolovat CloudWatch logy, jestli vše proběhlo, jak mělo.
Dřív tím podle vlastního popisu trávil desítky minut denně — ručně se proklikávat v AWS konzoli, hledat správnou log group a ručně ji procházet. Teď to podle něj přenechá agentovi a ušetří 10 až 60 minut denně. Jde o jeho popis pracovního postupu, nikoli o obecně dosažitelný výsledek. Čtení logů je jednoduchá, opakující se práce, která vás intelektuálně nijak neposune. Ideální kandidát na delegaci.
Jediná podmínka: agentovi musíte dát kontext. Jak se vaše log groupy jmenují, jaké jsou názvy tabulek, S3 bucketů a prefixů. Čím přesnější informace dostane, tím míň času a peněz stráví tím, že by se sám prohrabával infrastrukturou. Kjosbakken na to navazuje v samostatném článku o efektivním používání AGENTS.md — souboru, kde agentovi popíšete, jak má s vaším projektem pracovat.
Kolik času to vlastně ušetří
Pojďme si to spočítat, protože „10 až 60 minut denně“ zní jako marketingová fráze, dokud si to nepřepočítáte. Vezměme konzervativní spodní hranici — 10 minut denně. Při jednadvaceti pracovních dnech v měsíci je to zhruba 3,5 hodiny měsíčně, tedy přibližně 42 hodin ročně. To je celý pracovní týden, který by v uvedeném scénáři mohl připadnout zpátky jen za to, že logy nečtete ručně.
A to počítáme jen spodní hranici. U horní hranice 60 minut denně se dostáváme na 21 hodin měsíčně. Samozřejmě nejde o univerzální číslo — záleží, kolik času v logách a při testování reálně trávíte. Ale i ta nejmenší úspora ukazuje, proč se vyplatí tyto techniky naučit, a ne jen agentovi házet prompty.
Dostupnost v Česku a na co si dát pozor
Dostupnost zmíněných nástrojů a jejich funkcí pro české vývojáře závisí na konkrétním tarifu, regionu a aktuální podpoře. Cursor je editor s vestavěným agentem a nabízí i bezplatný tarif s omezeným počtem požadavků, placené verze pak fungují formou měsíčního předplatného. Claude Code je terminálový agent od Anthropicu, který se platí přes předplatné Claude nebo přes API. Oba nástroje mohou pracovat i s českými pokyny, kvalita výsledku se ale může lišit podle zadání, kontextu a použitého jazyka.
Na co si ale dát pozor: agent je nástroj, ne kolega s odpovědností. Režim plánování je dobrý proto, že nutí agenta přemýšlet, ale finální kód byste měli vždycky zkontrolovat. Kjosbakken sám píše, že pushuje víc kódu než dřív, a to bez výrazného nárůstu chyb — ale to je výsledek právě toho, že agenta řídí, ne že mu slepě věří. Pokud necháte agenta klikat v prohlížeči nebo číst logy, dejte mu jasný kontext a sledujte, co dělá. Jinak se z úspory času snadno stane hledání chyby, kterou agent sám zavedl.
Pro české firmy a freelancery, kteří s agentním programováním začínají, je tohle srozumitelný startovní bod: naučte se plánovat, delegujte podporované části testování a přenechte logy stroji. Zbytek — tedy samotné myšlení nad architekturou — zůstává na vás. A to je dobře.
Potřebuji k těmto technikám placenou verzi Cursoru nebo Claude Code?
Záleží na konkrétním tarifu a aktuální dostupnosti dané funkce. Cursor nabízí bezplatný tarif s omezeným počtem požadavků, zatímco u Claude Code se způsob účtování odvíjí od předplatného Claude nebo použití API. Před nasazením konkrétní funkce je proto vhodné ověřit její dostupnost ve vašem plánu.
Je planning mode užitečný i pro malé projekty, nebo jen pro velké kódové báze?
Užitečný je i u malých projektů. Princip je pořád stejný — odstranit nejednoznačnost zadání předtím, než agent začne psát. U malého projektu může ušetřit jedno či dvě kola oprav, u velkého pomoci vymezit, na kterou část kódu má agent sáhnout.
Jaký je rozdíl mezi Cursor a Claude Code, když oba umí agentní práci?
Cursor je grafický editor s agentem uvnitř a jeho vestavěný prohlížeč podporuje například otevření stránky, klikání a pořizování screenshotů, přičemž přístup ke konzoli a síti může být omezený. Claude Code běží v terminálu a Kjosbakken ho ve zdrojovém článku používá mimo jiné k dohledávání problémů v logách. Konkrétní možnosti se mohou lišit podle nastavení a dostupné podpory.
