README.md

🚀 Modul 1: Základy AI Toolkit

📋 Ciele učenia

Na konci tohto modulu budete vedieť:

• ✅ Nainštalovať a nakonfigurovať AI Toolkit pre Visual Studio Code
• ✅ Pohybovať sa v Katalógu modelov a porozumieť rôznym zdrojom modelov
• ✅ Používať Playground na testovanie a experimentovanie s modelmi
• ✅ Vytvárať vlastných AI agentov pomocou Agent Builder
• ✅ Porovnávať výkonnosť modelov od rôznych poskytovateľov
• ✅ Aplikovať osvedčené postupy pre prompt engineering

🧠 Úvod do AI Toolkit (AITK)

AI Toolkit pre Visual Studio Code je vlajkovým rozšírením Microsoftu, ktoré premení VS Code na komplexné vývojové prostredie pre AI. Prepojuje výskum AI s praktickým vývojom aplikácií a sprístupňuje generatívnu AI vývojárom na všetkých úrovniach.

🌟 Kľúčové funkcie

Funkcia	Popis	Použitie
🗂️ Katalóg modelov	Prístup k viac ako 100 modelom z GitHub, ONNX, OpenAI, Anthropic, Google	Objavovanie a výber modelov
🔌 Podpora BYOM	Integrácia vlastných modelov (lokálnych alebo vzdialených)	Nasadenie vlastných modelov
🎮 Interaktívny Playground	Testovanie modelov v reálnom čase s chatovým rozhraním	Rýchle prototypovanie a testovanie
📎 Podpora multimodálnych vstupov	Práca s textom, obrázkami a prílohami	Zložité AI aplikácie
⚡ Hromadné spracovanie	Spustenie viacerých promptov naraz	Efektívne testovacie procesy
📊 Hodnotenie modelov	Vstavané metriky (F1, relevantnosť, podobnosť, koherencia)	Posúdenie výkonnosti

🎯 Prečo je AI Toolkit dôležitý

• 🚀 Rýchlejší vývoj: Od nápadu k prototypu za pár minút
• 🔄 Jednotný pracovný tok: Jedno rozhranie pre viacerých AI poskytovateľov
• 🧪 Jednoduché experimentovanie: Porovnávajte modely bez zložitého nastavenia
• 📈 Pripravený na produkciu: Plynulý prechod z prototypu do nasadenia

🛠️ Požiadavky a nastavenie

📦 Inštalácia rozšírenia AI Toolkit

Krok 1: Otvorte Marketplace rozšírení

1. Spustite Visual Studio Code
2. Prejdite do zobrazenia rozšírení (Ctrl+Shift+X alebo Cmd+Shift+X)
3. Vyhľadajte "AI Toolkit"

Krok 2: Vyberte verziu

• 🟢 Release: Odporúčané pre produkčné použitie
• 🔶 Pre-release: Predbežný prístup k najnovším funkciám

Krok 3: Inštalujte a aktivujte

✅ Kontrolný zoznam overenia

• Ikona AI Toolkit sa zobrazuje v bočnom paneli VS Code
• Rozšírenie je povolené a aktívne
• V paneli výstupu nie sú žiadne chyby inštalácie

🧪 Praktické cvičenie 1: Preskúmanie modelov na GitHub

🎯 Cieľ: Ovládnuť Katalóg modelov a otestovať svoj prvý AI model

📊 Krok 1: Preskúmajte Katalóg modelov

Katalóg modelov je vašou bránou do AI ekosystému. Zhromažďuje modely od viacerých poskytovateľov, čo uľahčuje ich objavovanie a porovnávanie.

🔍 Navigačný návod:

Kliknite na MODELS - Catalog v bočnom paneli AI Toolkit

💡 Tip: Hľadajte modely s konkrétnymi schopnosťami, ktoré zodpovedajú vášmu prípadu použitia (napr. generovanie kódu, kreatívne písanie, analýza).

⚠️ Poznámka: Modely hostované na GitHub (GitHub Models) sú zadarmo, ale podliehajú limitom na počet požiadaviek a tokenov. Ak chcete pristupovať k modelom mimo GitHub (napr. externé modely cez Azure AI alebo iné endpointy), budete potrebovať príslušný API kľúč alebo autentifikáciu.

🚀 Krok 2: Pridajte a nakonfigurujte svoj prvý model

Stratégia výberu modelu:

• GPT-4.1: Najlepší pre zložité uvažovanie a analýzu
• Phi-4-mini: Ľahký, rýchly na jednoduché úlohy

🔧 Proces konfigurácie:

1. Vyberte OpenAI GPT-4.1 z katalógu
2. Kliknite na Add to My Models – tým sa model zaregistruje na použitie
3. Zvoľte Try in Playground pre spustenie testovacieho prostredia
4. Počkajte na inicializáciu modelu (prvé spustenie môže chvíľu trvať)

⚙️ Pochopenie parametrov modelu:

• Temperature: Ovláda kreativitu (0 = deterministické, 1 = kreatívne)
• Max Tokens: Maximálna dĺžka odpovede
• Top-p: Nucleus sampling pre rozmanitosť odpovedí

🎯 Krok 3: Ovládnite rozhranie Playground

Playground je vaše laboratórium na experimentovanie s AI. Tu je, ako vyťažiť z neho maximum:

🎨 Najlepšie postupy pre prompt engineering:

1. Buďte konkrétni: Jasné a detailné inštrukcie prinášajú lepšie výsledky
2. Poskytnite kontext: Pridajte relevantné pozadie
3. Používajte príklady: Ukážte modelu, čo chcete, na príkladoch
4. Iterujte: Vylepšujte prompt podľa prvých výsledkov

🧪 Testovacie scenáre:

# Example 1: Code Generation
"Write a Python function that calculates the factorial of a number using recursion. Include error handling and docstrings."

# Example 2: Creative Writing
"Write a professional email to a client explaining a project delay, maintaining a positive tone while being transparent about challenges."

# Example 3: Data Analysis
"Analyze this sales data and provide insights: [paste your data]. Focus on trends, anomalies, and actionable recommendations."

🏆 Výzva: Porovnanie výkonnosti modelov

🎯 Cieľ: Porovnať rôzne modely pomocou rovnakých promptov a pochopiť ich silné stránky

📋 Inštrukcie:

1. Pridajte Phi-4-mini do svojho pracovného priestoru
2. Použite rovnaký prompt pre GPT-4.1 aj Phi-4-mini

3. Porovnajte kvalitu odpovedí, rýchlosť a presnosť
4. Zaznamenajte svoje zistenia v sekcii výsledkov

💡 Kľúčové poznatky:

• Kedy použiť LLM vs SLM
• Pomery nákladov a výkonu
• Špecializované schopnosti rôznych modelov

🤖 Praktické cvičenie 2: Vytváranie vlastných agentov pomocou Agent Builder

🎯 Cieľ: Vytvoriť špecializovaných AI agentov prispôsobených konkrétnym úlohám a pracovným tokom

🏗️ Krok 1: Pochopenie Agent Builder

Agent Builder je miesto, kde AI Toolkit naozaj vyniká. Umožňuje vytvárať účelovo zameraných AI asistentov, ktorí kombinujú silu veľkých jazykových modelov s vlastnými inštrukciami, špecifickými parametrami a odbornými znalosťami.

🧠 Komponenty architektúry agenta:

• Jadrový model: Základný LLM (GPT-4, Groks, Phi, atď.)
• Systémový prompt: Definuje osobnosť a správanie agenta
• Parametre: Jemné doladenie pre optimálny výkon
• Integrácia nástrojov: Prepojenie na externé API a MCP služby
• Pamäť: Kontext konverzácie a ukladanie relácií

⚙️ Krok 2: Hlbší pohľad na konfiguráciu agenta

🎨 Vytváranie efektívnych systémových promptov:

# Template Structure:
## Role Definition
You are a [specific role] with expertise in [domain].

## Capabilities
- List specific abilities
- Define scope of knowledge
- Clarify limitations

## Behavior Guidelines
- Response style (formal, casual, technical)
- Output format preferences
- Error handling approach

## Examples
Provide 2-3 examples of ideal interactions

Samozrejme, môžete použiť aj Generate System Prompt, aby vám AI pomohla s tvorbou a optimalizáciou promptov

🔧 Optimalizácia parametrov:

Parameter	Odporúčaný rozsah	Použitie
Temperature	0.1-0.3	Technické/faktické odpovede
Temperature	0.7-0.9	Kreatívne/brainstormingové úlohy
Max Tokens	500-1000	Stručné odpovede
Max Tokens	2000-4000	Podrobné vysvetlenia

🐍 Krok 3: Praktické cvičenie – Python programovací agent

🎯 Misia: Vytvoriť špecializovaného asistenta pre Python kódovanie

📋 Kroky konfigurácie:

1. Výber modelu: Zvoľte Claude 3.5 Sonnet (vynikajúci pre kódovanie)

2. Návrh systémového promptu:

# Python Programming Expert Agent

## Role
You are a senior Python developer with 10+ years of experience. You excel at writing clean, efficient, and well-documented Python code.

## Capabilities
- Write production-ready Python code
- Debug complex issues
- Explain code concepts clearly
- Suggest best practices and optimizations
- Provide complete working examples

## Response Format
- Always include docstrings
- Add inline comments for complex logic
- Suggest testing approaches
- Mention relevant libraries when applicable

## Code Quality Standards
- Follow PEP 8 style guidelines
- Use type hints where appropriate
- Handle exceptions gracefully
- Write readable, maintainable code

3. Nastavenie parametrov:
   • Temperature: 0.2 (pre konzistentný a spoľahlivý kód)
   • Max Tokens: 2000 (podrobné vysvetlenia)
   • Top-p: 0.9 (vyvážená kreativita)

🧪 Krok 4: Testovanie vášho Python agenta

Testovacie scenáre:

1. Základná funkcia: "Vytvor funkciu na hľadanie prvočísel"
2. Zložitý algoritmus: "Implementuj binárny vyhľadávací strom s metódami insert, delete a search"
3. Reálny problém: "Vytvor web scraper, ktorý zvláda limitovanie požiadaviek a opakovania"
4. Ladenie chýb: "Oprav tento kód [vložiť chybný kód]"

🏆 Kritériá úspechu:

• ✅ Kód beží bez chýb
• ✅ Obsahuje správnu dokumentáciu
• ✅ Dodržiava najlepšie praktiky Pythonu
• ✅ Poskytuje jasné vysvetlenia
• ✅ Navrhuje vylepšenia

🎓 Zhrnutie modulu 1 a ďalšie kroky

📊 Overenie vedomostí

Otestujte svoje znalosti:

• Viete vysvetliť rozdiely medzi modelmi v katalógu?
• Podarilo sa vám vytvoriť a otestovať vlastného agenta?
• Rozumiete, ako optimalizovať parametre pre rôzne prípady použitia?
• Viete navrhnúť efektívne systémové prompty?

📚 Dodatočné zdroje

• Dokumentácia AI Toolkit: Oficiálne Microsoft Docs
• Sprievodca prompt engineeringom: Najlepšie postupy
• Modely v AI Toolkit: Modely vo vývoji

🎉 Gratulujeme! Ovládli ste základy AI Toolkit a ste pripravení vytvárať pokročilejšie AI aplikácie!

🔜 Pokračujte do ďalšieho modulu

Ste pripravení na pokročilejšie funkcie? Pokračujte do Modul 2: MCP s AI Toolkit – základy, kde sa naučíte:

• Pripojiť agentov k externým nástrojom pomocou Model Context Protocol (MCP)
• Vytvárať agentov pre automatizáciu prehliadača s Playwright
• Integrovať MCP servery s vašimi AI Toolkit agentmi
• Vylepšiť agentov externými dátami a schopnosťami

Vyhlásenie o zodpovednosti:
Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa snažíme o presnosť, prosím, majte na pamäti, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.