Svět AI vývoje se nezastavuje. V 29. díle podcastu AI ta Krajta se sestava (Matyáš, Pavel, Petr, Jacek) podívala na zoubek čerstvým novinkám od Googlu – modelu Gemini 3 a jejich novému experimentálnímu editoru Antigravity.

Je trh s AI editory (IDE) přesycený? Jaký technologický stack by si kluci vybrali, kdyby dnes stavěli aplikaci na zelené louce? A proč je možná lepší nechat AI učit se přímo ze zdrojových kódů knihoven než z dokumentace?

Přinášíme vám souhrn technického deep-divu do nástrojů, které možná budete používat už zítra.

O čem byla řeč? Hlavní kapitoly epizody

Hloubková analýza: 3 klíčové myšlenky epizody

Tento díl byl hodně zaměřený na vývojáře a architekty. Co nejzásadnějšího zaznělo?

1. Gemini 3 a „Antigravity“ – Google vrací úder?

Google vypustil novou verzi modelu Gemini 3 a vlastní AI editor Antigravity (fork VS Code). První dojmy týmu jsou smíšené. Matyášovi se líbil koncept odděleného pohledu pro agenty a kód, ale narazil na množství bugů 01:57. Petr poznamenal, že pod kapotou to vypadá jako fork editoru Windsurf, který Google možná trochu uspěchaně „vypushoval“ ven 04:56.

Pavel si povzdechl nad fragmentací trhu 04:25. Každý týden vzniká nové AI IDE a začíná to připomínat dobu, kdy každý den vznikal nový JavaScript framework. Tým doufá v konsolidaci nebo v oddělení vrstev (Model – Agent – Editor), aby si každý mohl poskládat to nejlepší.

2. Ideální AI Stack: Convex, Effect a „učení z kódu“

Pokud by dnes kluci stavěli aplikaci, po čem by sáhli?

  • Pavel: Prototyp v Makali, kódování přes Gemini 3 (které mu přijde velmi silné a levnější než Claude 3.5 Sonnet) a jako backend Supabase 12:53.
  • Petr: Sází na Convex (databáze a backend v jednom, která se snadno self-hostuje), TanStack Start a Effect TS pro robustnost 16:36.

Zajímavý byl „lifehack“ Michaela Arnaldiho pro práci s knihovnami, které AI nezná (protože jsou nové): Místo kopírování dokumentace si naklonujte celé repo knihovny do submodulu projektu a řekněte AI: „Tady se uč, tohle je zdroj pravdy“ 19:03. Funguje to prý lépe než čtení dokumentace.

3. Budoucnost UI: Potřebujeme ho vůbec?

V závěru se diskuze stočila k MCP (Model Context Protocol) a generovanému UI. Petr experimentoval s hrou, kde mu ChatGPT generovalo grafické rozhraní mapy na základě jeho polohy 41:21.

Zazněla ale provokativní myšlenka: Co když UI vůbec nepotřebujeme? 43:46. Pokud budou AI agenti dostatečně spolehliví a autonomní, mohou úkoly (např. nákup, rezervace, analýza) provádět na pozadí přes API a uživatel dostane jen výsledek. UI by tak mohlo zůstat jen jako tenká prezentační vrstva nebo „debuggovací“ nástroj.

Závěr: Rychlost změn je brutální

Díl #29 potvrdil, že v AI developmentu není nic stálého. Nástroj, který byl králem včera (Cursor), má dnes pět konkurentů. Modely se mění každý týden. Jedinou jistotou zůstává schopnost adaptace a ochota zkoušet nové věci – ať už je to nový stack, nebo nový způsob, jak učit AI z vašeho kódu.

Jaký AI editor používáte vy? Zůstáváte u Cursoru, nebo zkoušíte Windsurf či nové Google Antigravity? Dejte nám vědět!

Komentáře

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Přihlásit

Registrovat

Obnova hesla

Zadejte uživatelské jméno nebo e-mailovou adresu, e-mailem obdržíte odkaz pro vytvoření nového hesla.