30 oblíbených promptů pro AI při vývoji

Výběr 30 praktických promptů, které pomáhají omezit halucinace, zjednodušovat kód, hlídat bezpečnost a zlepšit kvalitu PR.

6 minut

Když používám AI asistenta při programování, nejvíc mi fungují krátké a konkrétní prompty. Níže je ucelený seznam, který jde použít při opravách bugů, refaktoringu, code review i práci s Git historií.

Poznámka: Jak je vidět, tyhle prompty nejsou příliš technické a většinou neřeší implementační detaily. Často fungují i při spolupráci s lidskými kolegy, protože vedou k lepším otázkám, zpřesnění zadání a zdravému oponentnímu myšlení.

Ověření správnosti a realističnosti

  1. „Dokážeš nějak ověřit, že to bude fungovat?“
    Hodí se proti halucinacím a vymyšleným řešením bez opory v realitě.
  2. „Opravdu tohle pomůže?“
    Dobré ve chvíli, kdy návrh zní podezřele nebo příliš obecně.
  3. „Je tento problém reálný?“
    U bezpečnostních a výkonových problémů pomůže odlišit skutečné risiko od planého poplachu.
  4. „Jsi si jistý?“
    Jednoduchý sanity check, když model něco tvrdí příliš sebejistě.
  5. „To je blbost, to nikdy nemůže fungovat.“
    Přiměje model obhájit postup, doplnit důkazy a případně navrhnout alternativu.

Hledání lepšího řešení

  1. „Vyhledej alternativní řešení.“
    Když se aktuální varianta jeví jako slepá ulička.
  2. „Existuje nějaké lepší řešení?“
    Vhodné, když věc funguje, ale cítíš, že by šla udělat čistěji.
  3. „Jaké jsou výhody a nevýhody jednotlivých variant?“
    Hodí se, když potřebuješ porovnat jednoduchost, výkon, údržbu nebo risika jednotlivých možností.
  4. „Je tohle best practice? Nebo bys to řešil jinak?“
    Pomáhá porovnat lokální opravu s běžnou praxí v oboru.
  5. „Nastuduj dokumentaci a navrhni best practice.“
    Nech model opřít doporučení o dokumentaci a konkrétní pravidla.

Refaktoring a zjednodušení

  1. „Nešlo by zjednodušit se zachováním funkcionality?“
    Na zbytečně složitý kód.
  2. DRY (Don’t repeat yourself).“
    Omezí kopírování logiky a podpoří sdílené utility.
  3. „Funguje špičkově. Tak teď můžeš ten kód začistit.“
    Závěrečný úklid po ověření funkčnosti.
  4. „Funguje to, ale je to pořád dost komplikované na to, jak triviální úkol to dělá. V čem je problém?“
    Pomáhá odhalit skrytou komplexitu a technický dluh.
  5. „Dost mi trvalo pochopit, jak tohle funguje. Co to pojmenovat jinak?“
    Zlepší názvy proměnných, funkcí i modulů.
  6. „Zkus to zrychlit.“
    Pro části, kde je výkon důležitější než maximální čitelnost.

Stabilita změn a prevence regresí

  1. „Najdi všechna další místa s podobným problémem.“
    Po opravě bugu projde i další místa se stejným vzorem chyby.
  2. „Nemůže to někde jinde něco rozbít?“
    Nutí model projít dopady změny napříč projektem.
  3. „Co by šlo udělat, aby se tohle příště nestalo?“
    Zaměření na prevenci: testy, guardy, monitoring, lint pravidla.
  4. „Proč ta úprava pomohla?“
    Užitečné pro pochopení root cause, ne jen mechanické opravy.
  5. „Shrň pro testera ovlivněné stránky.“
    Rychlý testovací scénář pro QA.

Kvalita PR a kontrolní checklist

  1. „Udělej revizi celého PR.“
  2. „Udělej tomu revizi: je vše v pořádku, nebo je potřeba něco opravit?“
  3. „Zkontroluj, jestli podobné problémy nejsou i jinde v této branchi.“
  4. „Oprav lint/format.“
    Nech model spustit lint/formatter, opravit chyby a znovu ověřit výsledek.

Git a práce s historií

  1. „Rebasení nad main.“
    Dává smysl jako běžný způsob synchronisace branchí.
  2. „Rebasení nad main, popiš případné konflikty nejprve.“
    Nejdřív plán, pak zásah – výrazně bezpečnější postup.
  3. „Zkontroluj, jestli rebase a předělání proběhlo v pořádku.“
    Finální validace historie, konfliktů i výsledného stavu.

Bezpečnost

  1. „Udělej bezpečnostní audit.“
    Rychlý průchod risik: validace vstupů, autentizace, autorizace, úniky dat, secrets, XSS/SQLi a další.
  2. „Co z toho je skutečné bezpečnostní risiko a co jen theoretické?“
    Pomáhá oddělit prakticky zneužitelné problémy od čistě hypothetických scénářů a snížit paniku z falešných nálezů.

Doporučený mini workflow

  1. Nech model navrhnout řešení.
  2. Použij prompt na ověření realismu: „Dokážeš nějak ověřit, že to bude fungovat?“
  3. Po opravě spusť: „Najdi všechna další místa s podobným problémem.“
  4. Na závěr dej: „Udělej revizi celého PR.“„Oprav lint/format.“

Tímto postupem jde výrazně zvýšit kvalitu výstupu i důvěru v to, že změna funguje nejen lokálně, ale i v kontextu celého projektu.

Co si myslíte o tomto článku?

Diskuse

Související články

Vibe Kanban – orchestrace AI agentů pro vývojáře

Vibe Kanban je open-source nástroj pro řízení více AI kódovacích agentů paralelně. Kanban board, isolované git worktrees a code review na jednom místě.

6 minut

Jak psát web a spravovat jeho obsah

Jakým způsobem publikovat a spravovat obsah na webu. Od sociálních sítí přes vlastní doménu až po výběr CMS.

10 minut

Redesign webu pomocí AI

Jak udělat redesign webu za jeden den. Stačí AI nástroj, Git a Vercel.

8 minut

Clawdbot: open-source osobní AI asistent pro WhatsApp, Telegram a další

Clawdbot je open-source AI agent, který běží lokálně a komunikuje přes WhatsApp, Telegram, Discord nebo iMessage. Jak funguje?

12 minut

Novinky e-mailem

Když budu mít něco opravdu zajímavého, můžu vám to poslat e-mailem

Přidej se k 500+ čtenářům
Jen kvalitní obsah
Žádný spam

Web jecas.cz píše Bohumil Jahoda, kontakt
Seznam všech článků · Témata · Zkratky
2013–2026