Tento jednodenní workshop je zaměřený na praktické využití GitHub Copilotu a principů Vibe Codingu při vývoji softwaru. Naučíte se, jak AI efektivně zapojit do každodenní práce – od generování a refaktorování kódu přes tvorbu testů až po code review a týmové workflow. Součástí je také srovnání GitHub Copilotu s dalšími AI nástroji pro vývoj. Výuka kombinuje 60 % praktických cvičení a 40 % teorie a živých ukázek, takže si jednotlivé postupy rovnou vyzkoušíte.
Lektor kurzu
JAROSLAV ČECH
Jaroslav Čech je zkušený softwarový architekt a AI konzultant s více než 30 lety praxe v IT. Spolupracoval se společnostmi BMW, O2, ČEZ či PPL a stál u zrodu úspěšné platformy mluvii.
Dnes se specializuje na AI agenty, RAG systémy, podnikové AI integrace a nástroje GitHub Copilot a Codex. Ve svých kurzech propojuje hluboké technické znalosti s praktickými zkušenostmi z reálných projektů a předává účastníkům postupy okamžitě využitelné v praxi.
Cílová skupina:
- Vývojáři softwaru se zkušeností s programováním, kteří chtějí zvýšit svou produktivitu při práci s GitHub Copilotem.
- Softwaroví inženýři, kteří chtějí využívat AI při refaktorování, testování a zvyšování kvality kódu.
- Tech leadeři a vedoucí vývojových týmů, kteří hledají možnosti smysluplného zapojení AI do vývojového procesu.
Cíle workshopu:
Cílem je posunout využití GitHub Copilotu od jednoduchého doplňování kódu k řízenému AI-assisted developmentu, ve kterém vývojář zůstává odpovědný za kvalitu, architekturu i výsledné řešení.
- Naučit se efektivně využívat Copilot při generování kódu, refaktorování, tvorbě testů a code review.
- Porozumět možnostem a limitům Copilotu a rozpoznat situace, kdy jeho použití nedává smysl.
- Umět zvolit vhodný nástroj podle typu úlohy – GitHub Copilot, OpenAI Codex nebo AntiGravity.
- Osvojit si principy bezpečného a odpovědného využívání AI při vývoji softwaru.
- Získat praktické postupy pro začlenění AI do týmového workflow.
Osnova kurzu:
Jak Copilot skutečně funguje (a proč občas selhává)
Cíl: Nastavit správná očekávání.
- Jak Copilot čte kontext (soubor ≠ projekt)
- Inline completion vs. Copilot Chat
- Typické chyby při používání Copilotu
- Kdy Copilot zpomaluje vývoj a negativně ovlivňuje architekturu
Výstup: Účastník ví, kdy Copilota používat a kdy ho vypnout.
Promptování v kódu (advanced steering)
Cíl: Naučit se řídit Copilot tak, aby generoval kvalitní a relevantní kód.
- Komentáře jako prompty
- Naming jako instrukce
- „Steering comments“
- Test-first komentáře
Hands-on:
- Generování REST endpointu
- Validační logika
- DTO ↔ entity mapping
Refactoring & legacy code s Copilotem
Cíl: Používat Copilot jako asistenta při refaktorování kódu.
- Rozpad „god methods“
- Zjednodušení cyklů
- Odstraňování duplicity
- Zachování původního chování aplikace
- Refaktorování existující služby
- „Refactor without changing behavior“
Diskuze:
- Kdy Copilot poruší návrh aplikace
- Jak tomu zabránit
Testy s Copilotem, které dávají smysl
Cíl: Generovat kvalitní testy, nejen opakující se boilerplate.
- Unit vs. integration testy
- Copilot + TDD
- Edge cases a negativní scénáře
- „Write tests that would break this code“
- Generování chybových scénářů
Copilot Chat jako senior reviewer
Cíl: Využívat Copilot Chat pro kontrolu, analýzu a vysvětlování kódu.
- Code review
- Performance & security check
- Vysvětlování kódu (junior / onboarding)
- Review reálného pull requestu
- Identifikace rizik
Srovnání nástrojů: Copilot × OpenAI Codex × AntiGravity
Cíl: Porozumět rozdílům mezi nástroji a vědět, kdy který použít.
GitHub Copilot
- Integrace do IDE
- Rychlé doplňování kódu
- Práce s kontextem projektu
OpenAI Codex
- Agentní přístup k vývojovým úlohám
- Generování a úpravy kódu
- Automatizace vývojových činností
AntiGravity
- Agentní vývojové prostředí
- Refaktorování rozsáhlejších částí aplikace
- Práce s architekturou a komplexnějšími úlohami
Live demo – stejné zadání ve třech nástrojích:
- Copilot – doplnění a úpravy kódu
- Codex – generování a implementace řešení
- AntiGravity – návrh a realizace komplexnějších změn
Praktický přehled možností jednotlivých nástrojů
- Běžné psaní a doplňování kódu – GitHub Copilot
- Automatizace vývojových úloh – OpenAI Codex
- Komplexnější změny a refaktorování – AntiGravity
- Architektura a code review – srovnání možností jednotlivých nástrojů
Architektura, governance & týmové workflow
Cíl: Nastavit dlouhodobě udržitelné a odpovědné používání AI při vývoji.
- Copilot v týmu
- Pravidla code review
- Security & IP
- Kdy AI generovaný kód odmítnout
- Jak měřit přínos Copilotu
Technické požadavky:
- Notebook s připojením k internetu
- GitHub účet s aktivním přístupem ke GitHub Copilotu
- Vývojové prostředí Visual Studio Code
- Programovací jazyky: C#, Python
Požadavky na účastníky:
- Alespoň 2 roky zkušeností s vývojem softwaru
- Znalost práce s Gitem a pull request workflow
- Základní znalost unit a integračního testování
