====== Jak ovládnout 5 klíčových AI nástrojů a ušetřit tisíce ====== {{youtube>W2Z_lPyR_Y0?}} ===== 1. Rychlá orientace ===== Při práci s AI jsem si ověřil, že skutečná produktivita nevzniká používáním desítek nástrojů, ale **hlubokým zvládnutím několika klíčových modelů a jejich kombinací**. Přístup „méně je více“, který dlouhodobě aplikuji, se opírá o úzké jádro denních nástrojů doplněné o multi‑modelové workflow pro komplexní úlohy. Základ mého setupu tvoří strategická kombinace jazykových modelů **ChatGPT, Claude, Perplexity a Grok**. Každý z nich má jasně vymezenou roli. Tento dokument shrnuje konkrétní, opakovatelná workflow, automatizační postupy a techniky promptování, které používám při rešerších, návrhu řešení i automatizaci rutinních činností. Součástí jsou i nové technologie, které zásadně mění způsob práce: **agentní prohlížeč Comet** a integrační protokol **MCP (Model‑Context‑Protocol)**, který funguje jako „USB pro AI“. Text je psaný jako technický zápisek – má sloužit jako rychlá reference, nikoli jako teoretický úvod. ---- ===== 2. Klíčové prompty a techniky ===== Prompt engineering beru jako **systematický proces**, ne kreativní disciplínu. Správně navržený prompt je opakovatelný, testovatelný a škálovatelný. Následující frameworky používám k tomu, abych se z běžného uživatele posunul do role power usera. ==== 2.1 Multi‑modelová syntéza pro hloubkovou rešerši ==== Toto workflow používám vždy, když řeším složité nebo strategické téma a nechci se spoléhat na jediný model. **Krok 1: Zpřesnění zadání**\\ Základní myšlenku vložím do specializovaného GPT v ChatGPT (např. //Sam the Prompt Creator//). Cílem je převést vágní dotaz na **detailní systémový prompt**, který jasně definuje cíl, kontext a výstup. **Krok 2: Paralelní rešerše**\\ Vylepšený prompt zadám paralelně do nástrojů s funkcí //deep research//: **ChatGPT, Perplexity, Claude, Gemini a Grok**. Každý model generuje výstup z jiné perspektivy a s jiným typem zdrojů. **Krok 3: Finální konsolidace v Groku**\\ Všechny výstupy shromáždím a vložím do **Groku 4.0**, kde pomocí konsolidačního promptu vytvořím jednotný analytický závěr. **Proč to funguje**\\ Každý model má vlastní bias a limity. Kombinací jejich výstupů tyto slabiny kompenzuji. Claude přináší hloubku práce se zdroji, Perplexity přesné vyhledávání, Grok aktuální data z platformy X. Výsledkem je robustnější a spolehlivější výstup než z jakéhokoliv jednoho modelu. ---- ==== 2.2 Vytvoření personalizovaného studijního plánu ==== Tento postup používám při rychlém zorientování se v novém tématu. **Krok 1: Sběr zdrojů v Perplexity**\\ V Perplexity spustím //deep research// s promptem zaměřeným výhradně na sběr odkazů: > Potřebuju najít 50 nejlepších zdrojů, jak se naučit [TÉMA XY]. Vrať mi pouze URL odkazy. **Krok 2: Import do NotebookLM**\\ Seznam URL vložím do **NotebookLM**, který zdroje automaticky stáhne a zaindexuje. **Krok 3: Generování plánu**\\ Po zpracování dat nechám NotebookLM vytvořit strukturovaný studijní plán vycházející výhradně z nahraných materiálů. ---- ==== 2.3 Získávání citlivých dat pomocí voicebota ==== Narazil jsem na opakující se problém při sběru strukturovaných dat v češtině. **Problém**\\ Voicebot se snaží zopakovat e‑mail nebo jiné údaje pro potvrzení, ale kvůli české fonetice je často zkomolí. **Řešení**\\ V systémovém promptu explicitně zakazuji opakování získaného údaje. Bot má pouze poděkovat a plynule pokračovat. **Rationale**\\ Konverzaci v reálném čase odděluji od následné extrakce dat. Parsing probíhá asynchronně nad audiozáznamem, kde mohu použít robustnější modely bez omezení latencí. ---- ==== 2.4 Definice výstupního formátu ==== Zásadní pravidlo: **vždy specifikuji výstupní formát**. V praxi téměř každý prompt obsahuje instrukci typu: - „Vrať výstup jako tabulku“ - „Formátuj odpověď jako JSON“ - „Nepoužívej více než čtyři odstavce“ Tento krok dramaticky zvyšuje konzistenci a použitelnost odpovědí. Claude je v dodržování formátu mimořádně spolehlivý. ---- ===== 3. Praktické use‑cases ===== ==== 3.1 Agentní prohlížeč Comet a Google Cloud ==== **Situace**\\ Potřeboval jsem navýšit technický limit v projektu Google Cloud. Standardní cesta vedla přes technickou podporu. **Postup s Cometem**\\ Agentnímu prohlížeči Comet jsem zadal úkol najít manuální cestu k navýšení limitu. Přibližně 15 minut autonomně procházel dokumentaci i rozhraní. **Výsledek**\\ Comet identifikoval, že projekt lze přesunout do Google AI Studia, kde bylo navýšení limitu dostupné na jedno kliknutí. **Dopad**\\ Ušetřil jsem hodiny práce a čekání na podporu. ---- ==== 3.2 Voicebot pro kvalifikaci databáze kontaktů ==== **Situace**\\ Americká pojišťovna měla databázi cca 500 000 kontaktů bez informace o relevanci. **Řešení**\\ Nasadil jsem voicebota na outbound volání s jedinou otázkou typu Ano/Ne. Jeden hovor trval průměrně 10 sekund. **Výsledek**\\ Z databáze bylo identifikováno 200 000 relevantních kontaktů. Obchodní tým následně pracoval pouze s očištěnými daty. ---- ===== 4. Přehled klíčových nástrojů ===== ==== 4.1 Jazykové modely ==== **ChatGPT**\\ Univerzální „švýcarský nůž“. Používám ho pro automatizace (Harmonogramy) a návrh systémových promptů. **Claude**\\ Silný v českém copywritingu a striktním formátování. Ideální pro práci s MCP konektory. **Perplexity**\\ Primární nástroj pro vyhledávání a sběr zdrojů. **Grok 4.0**\\ Extrémně analytický model s přístupem k aktuálním datům z X. Používám ho pro finální syntézu. Cena cca 30 USD / měsíc. **Gemini**\\ Doplňkový model v multi‑modelové rešerši. ---- ==== 4.2 Agentní prohlížeče ==== **Comet (Perplexity)**\\ Nejvýraznější inovace v agentním prohlížení. Rychlý, spolehlivý, prakticky použitelný. **Atlas (OpenAI)**\\ V současnosti méně stabilní a výrazně slabší než Comet. ---- ==== 4.3 Integrační nástroje ==== **OpenRouter**\\ Pay‑as‑you‑go platforma pro paralelní práci s více modely bez nutnosti předplatného. **MCP (Model‑Context‑Protocol)**\\ Propojovací vrstva typu „USB pro AI“. Modelu zadávám cíl, nikoli konkrétní sekvenci API volání. **Rube**\\ Platforma pro napojení aplikací (Notion, Figma, Canva) přes MCP. Praktická poznámka: pro vyšší spolehlivost explicitně uvádím, který nástroj má být zavolán. ---- ===== 5. Technická varování ===== ⚠️ **Agentní prohlížeče** – nepoužívám je pro bankovnictví ani práci s kryptem. Interakce jsou logovány. ⚠️ **Nezralost MCP** – konektory nejsou stoprocentně spolehlivé, je nutné počítat s chybami. ⚠️ **Voiceboti a čeština** – přesnost je silně závislá na kvalitě systémového promptu. ---- ===== 6. Akční kroky ===== * Vyzkoušet multi‑modelovou rešerši a finální syntézu v Groku\\ * Otestovat Comet na reálném technickém problému\\ * Nastavit Harmonogramy v ChatGPT pro denní automatizace\\ * Transformovat vlastní prompty pomocí specializovaných GPT\\ * Ověřit OpenRouter s malým kreditem na komplexní dotaz Tento workflow používám denně. Není experimentální – je ověřený praxí. ===== Myšlenková mapa ===== {{.:pasted:20251212-175829.png}}