Lekce 1 — přepis videa (čistý)

Přepis mluveného slova z lekce, vyčištěný (vynechané přetočené záběry, opakování a výplň). Členěno podle natáčených sekcí. Časy u nadpisů jsou orientační začátky sekcí ve zdrojových klipech.

1 · Úvod — co stavíme a proč (Svět plodů)

Tak, vítám vás v první lekci. Takže dneska projekt, na který se podíváme je AI poradce zdravé výživy pro reální e-shop Svět Plodů. Reální e-shop je to proto, že chceme mít co nejvíc informací o tom, jak ten e-shop funguje, jaký má produkty, na jaký zákazníky cílí, jak se o něm píše v médiích, co říká FIHO founder. Chceme mít kompletní e , představu o tom, jak se prezentuje, protože ten E-poradce musí reflektovat tuhletu auru, který ten E-shop má. Takže to je vlastně dnešní cíl. Takhle nějak vypadá Webovka.

Prodávají vlastně sušený ovoce, ořechy, semínka a podobné věci, které jsou prostě zdravým lsáním, tomu říkají. Ten positioning je zaměřenej na kvalitu, poctivost, přírodní původ a trošku jako bez hypeu, tak nějak jako spíš prezentovat ty produkty samotný a tak dále. Takže ten problém, který samozřejmě každej e-shop má, je, že mají spoustu kategorii, mají spoustu skvělých produktů a ten zákazník vlastně neví, jak Jakým způsobem se vybrat samozřejmě.

Takže to je ten důvod, proč se pokusíme vlastně jim nějak pomoct. A zároveň jako ta přílednost, která tam je, že většina lidí neví, které puly jsou zdravé, proč je dobré třeba jíst a podobně. Máme teda nějakej katalog, takže ten z e-apodace musí znát kompletně ten katalog, musí vlastně vidět, jakoby proč pomáhá, musí dovést ke konkrétnímu produktu a k tomu nákupu.

A teďka, když se podíváme vlastně na tu cestu zákazníka, tak ten přemejší třeba stylem, co na večerní chuť, na sladké bez vyčítek. Ty čtyři vrstvy, které tady jsou důležitý, je mít znalosti o tom, co ten e-shop nabízí a zároveň být připravený na to, že to je to chování, Být připravený na to, co ten zákazník chce a plus i chování toho e-shopu, jeho identita, jak vlastně toho zákazníka chce zajmout, jaký má tón, jak s ním chce vést rozhovor, jaký má vlastně hranice toho, co se troufá tvrdit o těch produktech, čím to má podložený atd. Je tam ta paměť, což je převerení všech věcí do vektorového databáza. A na konci je ten samotný výsledek, což je něco, co se dá měřit, co se dá trackovat. Takže to je poslední část.

Takže to, kam vlastně míříme jako celkové, je, že ačkoliv ten zákazník neví přesně, jaký produkt vyřeší jeho problém, jeho zájem, jeho potřebu, tak ví, jakou má potřebu, aspoň to ví, že třeba je unavenej, že třeba je vyčerpanej, že třeba chce spát, že třeba, Prostě potřebuje se učit, potřebuje se povzbudit a tak dále. A potřebuje něco za odměnu a tak dále. A na tyhle motivy jsme připravení a vlastně z toho uděláme my doporučení a i zároveň důvod, proč by si měl tu danou věc koupit, aby vyřešil tuhle potřebu. Takže to je náš cíl.

který ho chceme dosáhnout.

2 · 10 principů vibecodingu očima Lekce 1

Tak, půjďme se podívat na 10 principů wipecodingu z pohledu naší první aplikace, kterou děláme v lekci 1. Ten eShop, který vlastně budeme analizovat, jsem popsal. To, co je postatní, je to, že aby jsme měli připravený na veškerý, vlastně, Scénáře, které můžou nastat během používání toho chatbota, musíme vědět samozřejmě hodně o tom samotném e-shopu, o nějich produktech, ale i třeba o ingrediencích, původů a ceně těch produktů.

Tohoto všechno vytěžíme z webu. Potřebujeme zjistit i kategorie těch produktů, co jsou To, co říká věda, jestli je to podložený nějakým vědeckým výzkumem toho, že jsou produkty přínosný a tak dále. znalostí, co se týče principu 2, tak to podstatné je, že je potřeba vědět, co člověk chce. Tady vlastně ta potřeba zákazníka, Pro takovýhle produkt, pro takovýhle, myslím, teďka technický asistent AI poháněnej, to si musíme vedefinovat mnohem víc do detailů, než si jenom řekneme, že to chceme budovat.

Musíme vědět, vlastně, jestli má doporučovat prostě jeden až tři plody, nebo jestli má spíš, jako mluvit obecně o těch produktech, jestli má Cílit na nějakou konkrétní strategii, jak toho zákazníka zaujmout, například benefitama, faktama, výhodama těch produktů, nebo tím, jak se prodávají. Těch způsobů jak zaujmout toho zákazníka je celá řada.

Je potřeba vlastně vědět, proč ten produkt, proč tohle aplikace je. Oplikaci chceme, což je tedy typicky, že zákazník neví, co si vybrat své nabídky jsme říkali a že neříkáme úplně, co máme, ale spíš, jak vyřešit nějaký problém toho rozebereme ty otázky, který můžeme tady si pokládat, tak je to právě ten use case, který můžeme řešit i tím produktem.

Je to, jak budeme reagovat na to, když ten zákazník ten use case vybere, mu doporučujeme jaké produkty, co má vlastně potom následovat. Je to taky o tom, jaký type otázek se budeme ptát, jestli necháme tam hodně otevřených otázek, jestli se budeme snažit doporučovat přímo nějaký produkty hnedka, nebo jestli necháme nějaký dialog a budeme se ptát další dotazy toho zákazníka.

To je spousta otázek, které jsou k dispozici. Takže tady je otázka, jestli chceme brát e-mail na toho zákazníka hned, nebo jestli chceme až po té, co mu poradíme, jestli mu, jak jsem říkal, si doporučíme jeden produkt, dva produkty, tři produkty, nebo jaký kategorie produktů různý. jaký jsou hranice těch zdravotních tvrdzení, které chceme tvrdit, kde se to láme, kde už se nevěříme, čím to chceme být podložený, když něco takového budeme tvrdit, jestli to je hravej tón, expertní tón, jestli budeme nejdřív nabízet nějakou hodnotu, A potom jako by teprve něco od toho uživatela chtít, co se hodí nám.

Nebo jestli si vyžádáme jako pro tu samotnou interakci ten e-mail. Další variante jsou, že můžeme nechat toho zákazníka vnímat původní Plusy a mínusy každých z těch produktů, nebo respektive spíš argumenty, proč by měl koupit ten, nebo ten, nebo ten, a budeme zkoušet, co ho víc zaujíme. Můžeme to všechno kontrolovat vůči konverzím reálným, jakoby to, co radíme, a jestli to ty zákazníky láká, Tak pojďme dál, co se týče pětky, tam je klíčový vlastně si uvědomit, že můžou nastat nějaký situace, které budou trošku na hraně už, a to je třeba těhotenství, alergie, nebo vůbec jako rady o zdraví.

Posouváme se do roviny v podstatě doplňků stravy, respektive nějakého laikarství potenciálně, nebo může to zavádět nějakýma radama laikarskýma, což samozřejmě nechceme, takže tam musíme jasně vymezit nějaký hranice a musíme nechat toho agenta se zeptat nás, kde tu hranici vidíme. Potom určitě jde právě o to, abychom zjistili, kde jsou díry v tom zadání našem, kde jsou ty hranice, jak má vypadat hotová specifikace, to jsou všechno vlastně věci, které můžeme konzultovat s tou umělou inteligencí.

Co se týče šestky, šestka je vlastně o tom procesu, jak ze záměry udělat specifikace, je to o tom, že chceme zostřovat naše vnímání toho problému. Kdy máme vlastně potřebu toho asistenta, akce na bylo skvělej, ale musíme se vymezit jeho role, jeho vlastně vstupy, jeho akce, jeho cíle, že jo? Potřebujeme vlastně specifikovat všechny tyhle věci. Sedmička se na to samý dívá z pohledu toho cílovýho stavu, což v našem případě je, že máme nakoupenej košík produktů, zaplacenej a v tu chvíli jsme jako eShop spokojený.

Takže samozřejmě z toho vyplývá to, že my chceme vytvořit. Chceme těch produktů prodat co nejvíc a tím pádem chceme asi nabízet nějakou celou paletu možností, který ten základník může chtít koupit. Můžeme, už jsme připraveni na celá širokou paletu situací, které můžou nastát, takže chceme vlastně každej jeho intent koupit něco. využít samozřejmě, to je další důležitý pravedlo.

Tudíž vlastně musíme řešit tu cestu toho zákazníka k tomu košíku a jak ji strukturovat. Takže na to se podíváme dál. Potom osmička vlastně je o těch komponentách, čili tady už se bavíme samozřejmě o těch znalostech, bavíme se o té vektorové databáze, což je vlastně technologie, která převádí texty na význam, numerecky vyjádřený význam těch slov a dokáže nám hledat v těch textech ty relevantní znalosti, které potřebujeme pro zazpovězení dotazů.

Řešíme se Takže to jsou nějaký komponenty, které potřebujeme probrat. No a poslední, prostě je potřeba teda dosáhnout toho, aby důležitá byla ta hodnota a technika ji pouze sloužila. A tady prostě zazře je hlavní to, Hlavní hodnota je ta rada, která vede k té důveře, čili potřeba rozebrat tu technologii zahlediska hodnoty, což za mě je opravdu kvalita těch informací, který podáváme. Závisí to na těch vstupech, závisí to na těch use cases, na kterých jsme připraveni ty informace použít samozřejmě.

To závisí na tom, když teda odpovídáme, tak jestli to píšeme ve správném podobě, ve správném formátu, ve správném tónu, ve správném kontextu, který dostatečně chápeme, a tak dále, a tak dále. Takže vlastně tím všim je definovaná hodnota a z toho potom bude vycházela ta architektura. Takže pojďme. a na samotný wipe coating.

3 · Kostra práce a první sběr munice (research)

Tak a můžeme se dát rovnou do práce, čili ten prvý jedenáct kroků, který teďka budeme dělat, se se stává v podstatě z nějakého sběru informací, z definice takových věcí, jako je identita, hlas a tón, způsoby vedení rozhovoru, hranice a důvěra, jak budeme dělat, jak vlastně oslovovat i zákazníky, je to taky o tom, Jaký znalosti budeme potřebovat, jak je budeme strukturovat, jak je budeme ukládat.

A zároveň je to vlastně o té konverzi a tom měření tý věci. Takže tohle jsou všechno důležitý komponenty, takový biznesově orientovaný, schválně to není technický, abyste se v tom dobře orientovali. Jaký aspekt je potřeba vyřešit. A co budeme zkoumat? a to první, co chceme teda udělat je v podstatě zjistit více oči o světu plodů, takže to je světplodů.cz a chceme vlastně, aby nám to zjistilo, jaký produkty nabízí, aby nám řeklo, jaký kategorie produktů všechny mají k dispozici, aby nám řeklo, jakým způsobem o těch produktech komunikujou.

Teď tohle je Cloud Code a takhle ho mám zobrazený v rámci Cursoru, což je nástroj na editaci kódu a je to v rozhraní Visual Studio Code, což je open source nástroj, který Cursor ohnul. Kdybych chtěl, tak bych tady mohl použít i kurzor, ale, Tak jo, takže vítejte ve rozhraní Cloud Code, respektive kurzoru. A takhle budeme teď pracovat na vytváření kodu.

Takže jako první se zaměříme na výzkum o ET. Véšopu samotným zjistíme, jestli se o něm nějak mluví v médiích a co se o sobě píše z hlediska brandu na těch stránkách samotných. Čili pojďme se podívat na véšop svetplodů.cz Chtěl bych zjistit, jak se o tomhle véšopu mluví v médiích a chtěl bych zjistit Jakým způsobem osobě ten eShop samotný umluví na tom svojím webu. Jakým způsobem prezentuje svoji značku, svoje výhody, svoje unikátní dovednosti a svoje portfolio produktů.

Tady budeme pracovat v rámci všech lekcí tohle rozhraní, který potřebujeme se naučit používat. Jako první věc bych udělal to, že se definujeme dovednost nebo skill anglicky, který nám pomůže a v podstatě dělat každou tu danou část lépe. Tady si myslím, že to skutečně má smysl velkej, protože si můžeme nadefinovat obecní principy, jak budeme schánět informace všechny dohromady.

Chtěl bych vybudovat dovednost, neboli skill anglicky, který bude fungovat tak, že bude pracovat na doméně světplodů.cz a bude schopen o ní zjistit. Je to vlastně eShop, který teďka zpracováváme a pro který děláme AI Assistant. Bude to chatbot, který potřebuje všechny informace, které jsme schopni získat. Jako první věc bych chtěl vybudovat v rámci toho skillu dovednost zjistit co nejvíc z médií, zjistit co nejvíc o, identitě toho biznesu, o tom, jak se prezentuje, o tom, jak o sobě mluví, o tom, jaký má výhody, o tom, jak se prezentuje marketingově a čím vlastně zaujímá zákazníky.

Takže se podívej na ty webovky, podívej se na články, podívej se na rozhovory s panem Janíkem, což je founder toho startupu, toho e-shopu Zjistí mi co nejvíc z tohoto obecního pohledu, kde já chci, aby si všechny zdroje, který najdeš, uložil do složky v lekci 1, která se bude jmenovat Research, nebo Výzkum česky. A chci, Takže máme první výsledky, tady se nám udělala ta osnova, jak bude ten agent pracovat.

Takhle on si dává úkoly, které dokud nesplní, tak je má takhle uváděný a ta idea je, že samozřejmě on se může Relativně je dost zakutat do hloubky při řešení toho konkrétního problému a vlastně dokud ten problém nevyřeší, tak dělá ten první bod. A to je podstatné, aby tím pádem nezapomněla ty další úkoly. Takže tohle jsou úkoly, který jsi pro sebe stanovil.

A teďka vlastně chodí na tu stránku. Vidíte, že web srčí. Takže vlastně něco, co je přímo v Cloud Code, takže to by mělo fungovat bez problému. Tady jsou teda oba dva zakladatele a teďka vlastně to hledá. Takže pojďme na další úkol. Chtěl bych, aby se vytvořil dovednost. že budeš vlastně analizovat přímo produkty na e-shopu Svět Plodu a budeš schopen vlastně všechny ty produkty projít na webu. Uloží se kompletně obsah webových stránek v HTML a uloží se vlastně tyhlety informace.

do takové struktury složek, aby se zvyznal tím stylem, že máš kategorie produktů a v rámci něj ty produkty a v rámci každého produktu máš tu stránku a třeba i screenshot té stránky a takovéhle věci. Ten screenshot samozřejmě chceme kvůli tomu, abychom mohli mít referenci ohledně toho, jak ten produkt vypadá, abychom chápali kontext, abychom se v těch datech nějak ztratili. Jako další sezeráme ten vědecký výzkum. Na základě toho, Tak, podíváme se na vědecký výzkum.

Takže pojďme na to. Chtěl bych, aby si se podíval na vědecký výzkum ohledně suchých plodů a oříšků a podobných produktů, který se nabízí na světplodů.cz, který už postupně vztahujeme do složky výzkum. A chci, aby si našel vlastně primární výzkum. Díky svýmu přemýšlení argumenty, proč má smysl tyhle produkty jíst, jaké to může mít zdravotní benefity. A následně, aby se našel literaturu, která třeba v pěti článcích dokazuje každý ten argument.

Takže k každému argumentu chci vlastně pět článků, který dokazují ty argumenty, proč to má To má smysl jíst. Takže první dva body už jsou splněné. Vlastně zjistili jsme ze stránek Svět plodů nějaký základní informace. Teďka analyzujeme YouTube a podobné zdroje. Tady to přepisujeme vlastně YouTube do textu. A tady jsou nějaký články další, tady Rostecký je vlastně blogger, který měl Honza Karajaníka ve studiu.

Takže sbíráme zdroje. Tady vlastně co se týče toho web scraperu, tak ten taky postupuje. Když jsem vlastně napsal konkrétní scraper tady toho schématu. Tady je vlastně nějaký schéma toho, jak vlastně ty data jsou strukturovaný a vlastně toho jsou kategorie teda konkrétní, který ono to zkoumá. Čili ta ideá je vlastně, že to napíše vyloženě v účitý struktuře toho hotemilu na tom webu scraper, který prosvědčí, který jede jak mašina a bude scrapeovat jednu stránku za druhou.

A tady, co se týče toho výzkumu, tak vlastně máme koncensus MCP připojený, ale pro účely tohle kurzu jsem ho odpojil. Takže začnu znova tu sekci o výzkumu. o tom, co nám pokročil výzkum. A když připadáme tady na výzkum, tak koncensus MCP z nějakého důvodu se odpojil a to je dobře pro vás, protože to nemusíme vysvětlovat, jak to dosahnout. A vidíte, že to funguje i bez toho. Tady se to udělalo těch osm argumentů, který z toho samozřejmě vytvořili. Víte, že to není úplně málo benefitů a vlastně tady to dělá rešerš samotný.

Takže tohleto vlastně je jakoby agent, takhle se zadal zadání, udělal takovou rešerši a teďka to pouští vlastně ten výzkum samotný. Takže já si myslím, že až tady to dobehne, tak budeme mít vlastně dost podkladů. Takový základní, samozřejmě ještě by to mohlo trvat mnohem díl, tady ta výzkumná část, ale pojďme se posunout do druhý části.

4 · Nástroje a MCP (poznámka)

Takže pojďme na to. První bod je vlastně ten výzkum. Tady já jsem popisal do detailu, co všechno potřebujeme zjistit samozřejmě. Ale chtěl bych zdůraznit, že existuje celá řada nástrojů, který si můžeme napojit do Cloud Code jako pomocníky přes MCP. Ať už to je Firecrawl, nebo Epiphany, nebo Consensus, nebo hledání na webu jako je Tavili.

Tohle to všechno jsou technologie, které určitě stojí za to. který vám pošleme.

5 · Scraper katalogu + vědecký výzkum

Pojďme se podívat na ten Skyper, takže tady vlastně vidíte, že má přímo nadefinovaný kód, kde tahle jsou všechny ty políčka, který vlastně potřeba řešit. Vidíte, že se vlastně opravuje, tady ty zelený čárky, zelený řádky znamenají, že něco upravuje, něco zlepšuje. A tady vlastně tvrdí, že našel opravu. 889 produktů v 77 kategoriích, takže Scraper funguje. A co se týče vlastně toho výzkumu, tak ten tady vlastně teda našel spoustu vlastně konkrétních pejprů, který teďka zpracovává.

vytvořil foldery s těma paperama a na konci dal konkrétní argumenty. Takhle by převedlo literatury. Tady je ten samotný paper a říká, co zjistil ten paper. Jaký jsou teda ty argumenty. Takže tohle to je vlastně, Chci pro každej typ produktů na světplodů.cz chci co nejvíc argumentů opřených o data, konkrétní studie, které to dokazujou, ten argument, ale dej mi opravdu maximální počet argumentů. Možná udělej další research, pokud potřebuješ, ale potřebujeme to vidět jako seznam argumentů.

6 · Identita, hook, hlas & tón, vedení rozhovoru, hranice

Tak, pojďme se podívat na druhý bod identita. Čili, z toho, co jsme zjistili, tak tady máme vlastně dokument, přehled identita, který jsme vyloženě spoptali v té první části. Já si myslím, že takhle, jak to je napsané, to vůbec není špatné. Vlastně vidíme tady přesně ten positioning, jak se prezentujou, co vlastně je pro ně důležité.

Máme tady hodnoty, mise a ton, máme tady produktový portfolio, máme tady konkurenční výhodu, takže to je vlastně vlastní značka. Máme tady nějaký komunikační, vlastně takový klíčový mise. Máme tady, doporučení pro toho poradce dokonce takže vidíte že ten jako agent dokáže opravdu spoustu věcí si domyslet a tady jsou nějaké konce video rozhovory který to přepsalo, čili máme tady spoustu věcí máme tady vlastně Linkedin to máme tady jakoby Youtube MP3 Takže máme tady spoustu věcí, z kterých můžeme čerpat.

Tady jsou vlastně rozhovory v podobě HTML. Prostě stačí říct, že že je potřeba TXT přepis. Pro každou HTML stránku mi zároveň udělej TXT přepis, aby jsem mohl lépe číst, co je obsahem. Tak to vlastně, když teďka uděláme, tak by to mělo být velmi snadný. A já si myslím, že můžeme samozřejmě zadát teda i už tady, Ten úkol na tu identitu samotnou, čili pojďme to promyslet trošku, jak se na to podívat.

Musíme se stanovat tu identitu, teďka ne toho e-shopu, ale toho poradce. A musíme se identifikovat vlastně, k jaký roli má vystupovat. Takže pojďme na to. Chci se zamyslet nad tím, jakým způsobem prezentovat toho poradce samotného, jakým způsobem by bylo vhodné, aby vystupoval, pokud naším cílem je vlastně teda doručit maximum produktů a být připravený na všechny případy užití.

Jak by se navrhoval, dej mi tři variante toho, jak by se navrhoval, aby vystupoval a pro každou variantu mi uveď argumenty pro a proti a uveď mi, jak by mohla vypadat exekuce takového, takové identity. A vymysle mi vlastně i zároveň teda všechny případy užití který to řeší, případně mi ještě navrhni, jak by se daly ty role skombinovat, aby to bylo flexibilně podle toho, co je ten případ užití.

Pojďme rovnou za paralelní věc, což je teda celý Ten huk, ten způsob jak zaujmout toho zákazníka na té stránce. Takže pojďme to nějak vyvislet. Zkus zamyslet nad tím, jak by ten chatbot, který ho připravujeme, mohl fungovat, aby zaujal toho zákazníka na té stránce. Měla být ta klíčová hláška, kterou on má na sobě napsanou, aby zákazník měl zájem s ním interagovat.

Vymysli, jaké jsou teď trendy, zjisti teď trendy na trhu. Asistenti na eShopech fungujou. Udělej mi rešerši, která se bude jmenovat ve složce Hook. Chci, aby si udělal pod složku Trendy a rozepsal tam všechny trendy v TXT podobě nebo v Markdown podobě. Jak to teďka funguje na zbytku internetu. Pojďme teďka přeskočit na hlas a tón, takže to je vlastně velmi podobná věc, která vychází z té identity. Chtěl bych, aby se rozmyslal, jakým způsobem by měl vypadat hlas a tón značky systému. Chci, aby si na základě rozhovorů, který jsme vypracovali, mi dal deset hlavních dimenzí hlasu a tónu a pro každou dimenzi mi dát dalších šest podbodů analitických, který mi řeknou, jak o této kontekstu přemejšlet.

pojďme teďka vymyslet, jakým způsobem by mělo vypadat vedení rozhovoru samotného. Jakým způsobem mělo vypadat to, jak rozhovor vlastně probíhá, čím začíná, jak ho strukturovat, jak vlastně, ho rozdělit na části, co tam jsou ty klíčové momenty, které musí zaznít. Takže chtěl bych, abych si rozmyslel strukturu rozhovoru, kdy ten chatbot bude vlastně komunikovat se zákazníkem.

Zajímá mě, jaký fáze tam musí nastat, aby se Takže jsme zasáhli co nejvíc toho zákazníka těma argumentama, aby jsme ho přesvědčili, že má smysl u nás nakupovat. Zajímá mě, jakým způsobem tam zdůraznit výhody těch produktů, v které části to udělat. Zkusím nad tím zamluvit. , a zkus mi navrhnout, jak podobné rozhovory fungujou na jiných e-shopech.

Takže udělej mi zároveň rešerši podobných rozhovorových dialogů na jiných e-shopech, které jsou proslavené tím, že fungují dobře. Udělej mi rešerši trendů v chatbotech, jak strukturovat dialog. To je další zároveň. Tohle to všechno dělají ve složce, která se bude jmenovat vedení rozhovoru. A zároveň na základě těch dvou dokumentů mi navrhni konkrétní strukturu, jak ten rozhovor bude probíhat u nás.

Dej mi tři varianty, jak by mohlo probíhat. a vysvětlíme výhody a nevýhody každého postupu. Už vidíte, že to vlastně skutečně prochází ty naše složky, který to už má zpracovaný a tohoto všechno vlastně používá pro kontext, aby se zorientoval v tom, jak na tím přemýšlet. Pojďme na další kategorie, což je hranice a důvěryhodnost. Takže pojďme se rozmyslet, jakým způsobem nad tím přemýšlet.

Co se týče hranice a důvěryhodnosti, mě vlastně zajímá to, jakým způsobem uvažovat o tom, kdy už se dostáváme na tenkej led ohledně prosazování našich produktů a vysvětlování, jak jsou úspěšný, jak jsou prospešný a jak jsou skvělý pro zdraví. Takže zvaž mi vlastně obecně analýzu toho, co je ta maximální hranice. Dej mi asi 10 stupňů, jak bychom o tom mohli uvažovat. kde se ta hranice láme a pro každej stupeň mi řekni, jak moc je riskantní, jak moc je pro nás výhodný, kde už ta výhodnost se ztrácí pomaličku.

Dej mi konkrétní způsoby realizace, jak by to mohlo vypadat. Dej mi konkrétní informace, který bych mohl zmínit v každé takovéhle sekci. pokračuje v tom podobném směru. Tak a pojďme to všechno zkontrolovat, co nám vzniklo tady. Tady máme argumenty podle produktů, takže tohle jsou všechny argumenty, které jsme našli v konkrétním článku, který dokazuje, Jakoby tu prospešnost vlastně pro člověka. Myslím si, že tohleto by mi samotný mělo stačit na to, abychom měli dost podkladů pro tu argumentaci. Nicméně bylo by asi dobré ještě to rozvinout trošku stylem. co to prakticky znamená pro toho člověka a kdy to je vlastně relevantní.

Takže možná tady si ještě zadáme zkus se zamyslet nad tím, zkus rozvinout každý ten bod, každý ten argument, proč je to prospešný pro toho člověka. Dejme nějaký kontext k tomu. Tu už nemusíš zkoumat paperama, ale udělejme kontext. Proč je to prospešný, pro koho je to prospešný, kdy to je prospešný, abych se trošku zorientoval v tom, jak to mám použít prakticky ty dlhé argumenty.

Tak, jdeme dál. Co se týče, vlastně, té XT přepisu, tak to samozřejmě bylo velmi jednoduchý. Takže tady máme, Máme vlastně přepis rozhovorů, pak jsme měli tu identitu, jak ten asistent má fungovat, čili ty případy užití jsou objevování a inspirace, potřeba ze situace. a cílené hledání a rozhodování, důvěra námit k edukace, transakce, servis, retence. To je vlastně to, co jsou ty use cases. A potom teda máme ty varianty, takže je to buď mlý prodavač z kamenné prodejny, což se mi příjde docela sympatický, sedí na DNA značky, nebo máme sommelier ořechů kurátor kvality, To se mi taky moc líbí, teda upřímně. A třetí je neviditelný konci érž, takže vlastně minimum EGA nestojí v cestě.

Tak já myslím, že uřeknu, že zkus použít a zkombinovat variantu A a B a vlastně rozveď to do extrémně konkrétní podoby. Zároveň všechno, co jsem napsal tady do času. jsem ti zapomněl říct, že bys měl dát do Markdownu, takže udělej složku Identita chatbota a tam dej tenhleten dokument, co jsi vygeneroval původní a zároveň tam rozveď v 20 principech a 10 bodech a 5 podbodech pro každej, jak bude konkrétně fungovat tahleta identita toho chatbota.

Takže tady máme výselek, nám to dojelo vlastně a tady vidíme vlastně rychlou kartu identity. Naučíme vás, jak má chutnat ořek, to je asi nějakej claim Který je vlastně z webu, že jo? Je to vřelý, ználec, pečující průvodce orechová someléjérka. Kvalita bez kompromisu, poctivost, původ čerstvost, čisté složení vlastní značka.

Takže tohleto všechno vlastně se nám podařilo tam do toho promítnout. 20 principů je vlastně, Že má teda ty dvě duše, co jsme říkali. Je to kurátor, nikoliv katalóg. Čili nezavolí výběrem, ale vlastně maximálně dvě až tři možnosti na jednou. Je to bez hypeů, vlastně opravdu obchájím věcně, nikoliv super, ale to je vědu prázdná, jo?

Není, nebudu říkat, nejúžasnější na světě. vyká empatie podmínka, čili pozná náladu podle toho, jak vlastně má fungovat. Mluví přes suroviny a vlastně mluví o surovinách jako o něčem, co je to kórový, co vlastně musí být kvalitní a za co se zaručuje vlastně. Protože takovéhle různé principy otevření konverzace, že představí se, otevřená otázka, rychlé volby, poznání vracejícího, zjišťuje potřeby, ptá se velmi jednoduše.

A tak dále, a tak dále, to doporučují kuratorský výběr, funguje tak, že vlastně dává konkrétní doporučení a nabízí vlastně cestu, jak to ochutnat v nějakém třeba menším balení. Takto máme vlastně dokonale rozebranou tu identitu. a to všechno vlastně použiju samozřejmě dál. Můžeme tak pokročit dál. Tady jsme řešili tu konverzační strukturu, takže máme tady vlastně, jak e-shopy k strukturovou konverzace úspěšný.

Máme tady jako příklad Lego, Microsoft, čili vlastně tohle jsou nějaké výsledky, Titulky vytvořil jak to funguje, jak je to úspěšný, hravej tón, což dává smysl pro LEGO samozřejmě, řeší nějaké potřeby a možnosti a tak dále. Když se podíváme na trendy a frameworky pro strukturování dialogu chatbota, tak to je nějakých sedm pravidel.

Zjištět potřebu, doporuč, vyřešnávat. V té se před prvním doporučením dvě a čtyři otázky, pět až sedm celkem. Dál tady máme samozřejmě i logiku LLM agenta proti skriptovanýmu botovi, což stále je. Ale bohužel je téma překvapivé, že spousta či ešupů má skriptovaný boty, které jsou úplně k něčemu. A tady jsou vlastně zdroje, z kterých to čerpalo. No a návrh struktury pro svět plodů je tady.

Takže vlastně společný základ je, že tam je nějaký betón. Takže tady je to otevření, zjištění, doporučení, námětka, cross-sell, uzavření. Potom tady máme otevření, pochopení, edukace, doporučení, důkaz na vyžádání, námětka, cross-sell, uzavření. A poslední je zjištění dárek. Tady ta logika je vlastně, že mám rozvětvení podle záměru. Takže podle záměru se chovám, že tam ten flow není tak složitý. Dělám to podle záměru.

Já si myslím, že půjdeme variantou A. Tam mi přišel nejlepší, takže já mu to řeknu. Prosím, vyber variantu A a rozvěď jí do většího detailu. Podívej se zároveň na identitu chatbota a další věci na hook a podobné věci, které jsme definovali ohledně toho, jak chceme s chatbotem pracovat. a komponuji to do finálního návrhu.

Takže chci, aby se vytvořil vlastně v lekci 1 složku finální soubory a tam vlastně tady ten dokument uvedl a nazval ho konverzační struktura. Tady se nám udělal huk, který nám pomáhá pochopit, jakým způsobem zaujmout toho zákazníka. Nějaké trendy, které tady jsou důležitý. Jakoby chatbot už není nice to have. Je tam to proaktivní oslovení ve správný moment.

Je tam asistovaný výběr nad tím, co ten uživatel přímo má vlastně co vidí, že jo. To nebudeme programovat teda teďka. Ale je to vlastně skvělej point, jakože vyřešení tohoto Nějaký problém Huk je přesně tady tím stylem, že jak odstovit zákazníka s čerbotem, no podle toho, když potřebuje pomoct. Jestli poznáme, že potřebuje pomoct, to znamená, když třeba někde dlouho je na nějakém jednom produktu a přestal chvilku se hejbat kurzor, tak to je nějaký impuls, že možná, a se nějak začetl něčeho a něco ho zaujalo anebo má s něčím nějakej problém, takže anebo když třeba dlouho hledá nějaký produkty, tak samozřejmě to je další motivace, další šance, takže tohle jsou ty hooky, který vlastně vycházejí teda ze toho, tý situace.

Nikoliv, že jenom jako nabízím nějakou hlášku, která má zaujmout. Tady už máme tu konkrétní hlášku, která vlastně by se dala použít, ale my jsme v tu chvíli ještě neměli hotovou tu identitu, takže to musíme ještě změnit samozřejmě. Takže já jdu na to. Prosím změň tu hlášku finální podle toho, jak jsme se dohodli na identitě.

A jak jsme se dohodli na vedení rozhovoru, koukni se do složky z finální soubory, kde chci, aby si vyčetl, jakým způsobem jsme tohle nadesignovali. Tak pak tady máme vlastně rozbor těch stupňů, čili já tady to samozřejmě uložím tady do složky. Takže tady jsem to překopídoval a máme vlastně ty hranice, čili stupeň 1 je holý faktický popis produktu, stupeň 3 je vyživová tvrzení, stupeň 4 je zdravotní tvrzení z EU, obecný well-being a lifestyle. Zákaznické příběhy a recenze, implikovaný eat benefit, posuper potravina, neschválená zdravotní tvrzení, zlepšuje trávení, antikreschálení buňky, to už je vlastně jako by je teda za hranou.

Něco vztažené k nemoci, to je vlastně obrovské riziko už a léčebná náhrada, to je vlastně jako je za hranou. Efinované ty hranice, ve kterých se musíme pohybovat samozřejmě. Tady máme ten Brand Voice přepsanej, jak jsme chtěli, čili tohleto zase skopírujeme teda do markdanu. Tady pozor, musíte kliknout na Preview, aby se vám to uložilo v tom formátování správným.

Takže tady jsou nějaké ohoření. hodnoty brandový, který jsem zase uložil do složky finální soubory, samozřejmě. Tady se nám přepsal ten hook finální hlášky. Takže říkáme, dobrý den, jsem Terka ze Světu Plodů, poradí mám, atd. To už máme vlastně konsolidovaný s tou identitou. Finální varianta konvertečního hlášku. Stromů je takováhle, máme spouštěč, proaktivní bůh bude ve správný moment, máme záměr, máme zjištění potřeby, máme doporučení, proč pro vás, máme dotaz, máme crosssell, máme uzavření a máme patchy a retenci. Já si myslím, že si to můžete prostudovat potom později.

Mně to přijde moc fajn. Fajn.

7 · Struktura znalostí, vektorová databáze a RAG

Tak, pojďme se teďka podívat na strukturu znalostí, jak vlastně pracovat s těma všema věcma, co jsme stahli algoritmicky. Čili máme tady vlastně výzkum, kde máme katalog, který se nám postupně plní, protože teďka aktuálně beží scraper, který to vlastně zaplnívuje věcma. Víte, jak to tady skáče. Vlastně máme, ehm, Ty argumenty, máme kontext těch argumentů, kdy co říct, kdy co použít. Máme vlastně brand voice, máme hranice, o čem můžeme mluvit.

Máme konvertační strukturu, máme návrh té hlášky, jak vlastně toho člověka uvítat. Máme vlastně všechno, co potřebujeme. A teď je otázka teda, jakým způsobem vlastně nadizajnovat. tu samotnou databáze. Máme stažené produkty, které eShop nabízí. Chci, aby se všechny produkty zaindexovala do vektorové databáze. A vlastně klíčem je pochopit jedna, která samozřejmě poprvé popis produktu, kde já chci, aby se udělal čistě popis produktu, chci, aby se udělal čistě, další vektor bude čistě názvu, další vektor bude všeho dohromady a popisu názvu a případně nějakých dalších doplňkových informací a další vektor bude toho, jak přemýšlet odpověď. kdy Titan product použít a kde by mohl být zajímavý. Takže chci, aby se vygeneroval pomocí jazykového modelu, kde jsou případy užití pro Titan product, jaký jsou případy užití pro Titan product a možná i jaký má výhody. které jsou klíčové a které by se mohly extrahovat z toho popisu. Takže tohleto je struktura vektorových databáze.

Normálně prostě použijí pro naše účely ChromaDB tady vlastně na disku a to je databáze, která se dá samozřejmě nasadit i do cloudu jako úložení. která bude uložená na disku, na storage a převeď všechny tyhle produktové věci do vektorové databáze Takže máme teď úkol převést tu strukturu znalostí a teď je otázka teda, jak pracovat s tím regem, s těma samotnýma znalostma. Chci, aby ses podíval do všech dokumentů ve složce Finální dokumenty a Finální soubor. a chci, aby si rozmyslel to, jakým způsobem načítat informace o produktech, kdy chci, aby si vytvořil tu vazbu mezi rozpoznáním věcí, Případu užití a hledáním ve vektorové databázi na základě políček, které jsme definovali.

Takže tady jenom zvolíme OpenAI Text Embedding, protože chceme kvalitní embeddingy. Model, který bude generovat text. Výroky dáme high, to by mělo být v pohodě. Teď to požaduje klíče od OpenAI od Antropiqu, takže to já samozřejmě dodám. Dělá se to tak, že jdete na platform openai.com, přihlásíte se a vygenerujete se klíč tady.

Takže vytvořme prosím strategii. toho, jakým způsobem navázat ty use cases na jednotlivý typy produktů podle toho, co jsme definovali v struktuře vektorové databáze. Takže tady jsme zadali tu query na vektorovou databáze, jakým způsobem by to mělo fungovat ta vazba, a A jelikož máme popsanej kód už tady na dvou straně, tak můžeme samozřejmě rovnou se v tom nechat zorientovat a vytvořit tuhle strategii.

Takže tady to zjistilo, že ráno těch produktů tam je údajně mím, že to vlastně byly duplicity v rámci různých kategorí, čili To podstatné je, že je potřeba zacházet jinak s těma mixama. A tady to má trošku problém s těma argumentama, že na všechny produkty je možný dělat validní argumenty, takže s tím se To budeme muset poradit.

Nicméně tady vlastně teda ta strategie vlastně vygenovala 26 typů argumentů. Natáhneme si ty argumenty podle produktu kontext argumentů a potom vlastně použijeme ten text a tagy těch produktů k tomu, aby jsme měli takže jsme vygenerovali embedding a díky toho embeddingu, embedding vlastně znamená ta vektorová reprezentace, díky který hledáme, ta reprezentace toho významu.

A vlastně pojinta je, že převádíme v podstatě tady něco na cholesterol, svačená nahory, tak převádíme vlastně tuhletu reprezentaci toho argumentu. toho vlastně proč to má hodnotu, jakou má jaká je výhoda toho produktu na něco, co dokážeme už hledat v té vektorové databáze, jak jsme si definovali ty výhody a ty popisy a tak dále.

Takže tohle je ta klíčová logika, jakým způsobem vlastně převézt teda ty potřeby. A teď už jenom řekneme, aby to implementoval, takže prosím, implementuj tuhletu strategii prakticky, moc se mi líbí, udělal jsi to velmi dobře. Prosím, implementuj to do finální podoby.

8 · Samotné kódování — frontend, backend, deploy a test

No a teďka, no a teďka vlastně máme teda všechno připravený a můžeme se vrhnout na to samotný kodování, který je tu nejmín podstatný ze všeho, protože pokud děláme takovouhle choulostivou věc jako je chatbot, tak samozřejmě tyhlety všechny principy, který jsme si popsali, ačkoliv možná, jako, ehm, kdyby samozřejmě jsme dělali produkční verzi, tak to tak se na tím zamyslíme do větší hloubky, ale pro vystěžení těch hlavních principů a komponent, které jsou potřeba pro takovýhle systém, je to velmi solidní a samozřejmě uvidíme na konci, jak se nám povede otestovat, jestli ten systém reálně funguje nebo ne. Teďka samozřejmě pojďme vytvořit k tomu Prosím vytvořme front-end, kde chci obyčejný dialog.

Udělejme bublinu, která je možná implementovat na libovolnou stránku. Udělíme to jako html kouzelníku. který můžu embadovat na tu stránku a chci, aby to byl chatbot, teda podle toho, co jsme tady designovali v kolekci 1. A hlavně prostě udělej to, že vlastně se to bude chovat podle těch stylů, který jsme si nadefinovali.

Bude to mít tu identitu, co jsme si nadefinovali. Takže tohle je ta frontend část. A ta samozřejmě těžší část je teď ten backend, čili prosím, využij všechny principy, které jsme nadefinovali ve složce finální soubory a udělej podle toho dokonalé odpovídající architekturu Čerbovské. Backendu chatbota v Pythonu, který bude schopen fungovat podle těchto principů a bude schopen vlastně využívat vektorovou databázi, kdy jsme jasně nadefinovali, jakým způsobem převládět otázky od uživatele na konkrétní databázi.

vyhledávání produktu, tak to prosím zkus dokončit. Vidíte, že to načetlo klíčové dokumenty, které popisují strukturu databáze a use cases. Číte si tady kód, jakým způsobem to udělat. Jak zohlednit koncentrační strukturu, brand voice a tak dále. A vlastně teďka se to dívá na strukturu těch produktů, který má uložený z toho scraperu.

Tady nalevo to zjišťuje paletu barevnou napříč vebovýma stránkama, takže to pochopilo, že to má opravdu se zamyslet jednou takovýma vecma. Tady napravo to testuje nakonec bedrok. Já jsem použil Amazon Bedrock, což je platforma, kde jsou modely od Cloda. Takže teď to pouští indexace těch produktů. A vlastně ještě to má další úkoly. Teda otestovalo to, že to funguje, ta pipeline, že to dokáže odpovídat.

konec Mezitím to nakohodilo toho chatbota samotného a máte tady nějaké předefinované odpovědi, které vlastně jenom testujou jestli dokud ten chatbot nemá backend, dokáže jenom čistě fungovat. To si na chvilku vyzkoušíme. Tak teďka vlastně máme tady všechno Je teda ten samotný chatbot připravený na deploy, takže pojďme ho nasadit.

Prosím, ulož tento soubor někam na úložiště na mem.avs a dej mi link, který můžu embedovat dodat. Mezitím se nám tady dokončil backend, takže můžeme napojit frontend na backend. Zkoumá vlastně, jaký má backend API a jakým způsobem se na něj napojit. Vidíte, že se to vždycky dokáže poradit velmi snadno. A teďka tady běží indexace těch dokumentů ještě jednou a zkusil jsem říct, aby otestoval backend, tak uvidíme, jak to dopadne.

Tady tvrdí, že 45 odpovědí jsou vysvětlené. Něco za kvalitní, ale do TAS 3 nic nenašel, což je podezřelé, protože kešu určitě v tom seznamu jsou, takže teď to bude opravovat. Člověk zjistil o to, že kešu samozřejmě existují, nicméně tady ten způsob vlastně, kdy ten filter používal, tak se mu nepovedlo podle toho vyfiltrovat nic, což je musí potřebovat. Takže takhle se to opravuje, když něco takého se lže, tak se vytvoří fallback a teď to pouští znova tu query a vypadá to, že je to, teď ještě ho našlo, takže je to v pořádku.

Kvalita je velmi dobrá. Tady vidíme vlastně ty dotazy, co jsme zkoušeli. Já jsem jim řekl prostě, ať vyzkouší nějaký dotazy. Takže takhle se to s nima poradilo. Zeptalo se to na dvě než tři otázky. Tady to odmítlo léčebný tvrzení. Tady to vlastně, Nabídlo tři produkty, které jsou relevantní pro to zadání, podle toho dotazu na tu chuť. Pojďme teda deploynout to api taky do cloudu, takže prosím deployni api na cloud, na nějakou URL a dej mi kterou bude volat ten chatbot.

Tady je jen taková technická poznámka, že máme v záměru udělat Docker image přímo v CodeBuild, to je nástroj na budování imagů. na AVS-ku a podpušujeme do ECR Container Registry což je vlastně úložiště na ty kontejnery do kroví. Do kroví kontejner je vlastně takový malej operační systém, který obsahuje funkční implementace toho kódu. Je to kvůli tomu, že vlastně když Čau. Chcete přejít na servere, tak potřebujete homogenní prostředí, který je vždycky stejný.

To zaručuje právě ten kontejner. Takže z toho důvodu se používá Docker a jenom problém, že to je potřeba vybuildit a trvá to nějakou dobu. Tak nicméně se to povedlo, takže teď evidentně, údajně, už je to nasazený v cloudu a se to potestuje. Já teďka nevidím, Mezitím tady předám tu url tomu nástroji, který máme v tom Javascriptu a mělo by to být schopný tím pádem být nasaditelný i vlastně na nějakou lebovolnou webovou stránku.

Teďka tady běží vlastně nějakej test, kdy se snaží rozchodit Vlastně hotomilost stránku s tím widgetem s tou naší bublinou a zjišťuje to, že to nějak nefunguje, že není možný vlastně, aby se to zobrazilo tak to samou vlastně testuje. Já jsem jediný, co jsem udělal, je, že jsem řekl ať tam zadá tuhle tu adresu a od té doby to testuje, testuje, testuje a zjišťuje, v čem je problém.

Tady jsem ještě položil otázku, jestli je v pořádku, že ta ChromaDB je zabalená přímo v Dockeru. Máme tam relativně málo produktů, takže je to v pohodě, je to něco, co se skopírovalo z disku na disk. Není to problém, ale pokud bychom samozřejmě chtěli dělat něco komplexnějšího a většího, tak je potřeba už udělat nějaké moje klasickou databázy v cloudu.

A tady jsem se vlastně zeptal, jakým způsobem to mám naimplementovat, čili tohleto je vlastně ukázka přímo kterou si můžeme zobrazit, kdy tady evidentně máme simulace, jak by mohl vypadat ten e-shop. A když teď začneme správu, tak třeba řekneme Chtěl bych dárek pro mojí mámu, má hrozně ráda oříšky, ale nevím, co je pro ní nejzdravější.

Tak máme odpověď. Takže se představujeme. Když to ptá na takovýhle fajn dotazy, jestli má ráda bez cukru, bez soli, sírovité. Klidně, ať to je dražší a chtěl bych asi spíš bez soli. Tak a hnedka tady máme vlastně výsledky. Takže tohle jsou vlastně reální produkty z toho eShopu. Samozřejmě kdybychom byli na tom reálném eShopu, tak tam můžeme jí prokliknout, co teďka tady jsme v takové simulaci. A já myslím, že jsme uvěřili, že to funguje. Takže paráda.

Teď jsem zkusil ještě se zeptat na cholesterol v krvi, jestli to může snížit. To odpovědí docela fajn, že je to medicínská otázka, na kterou by se měla zeptat terapeuta nebo lékaře, čili je to ta stupeň 8, který jsme řekli, že už nechceme řešit. Nicméně to říká, že co je lepší, je určitě bez přijedeného cukru, než průmyslový sladkosti. Takže to podporuje vlastně ten produkt, to že máme kvalitní produkty, to že to vlastně je něco, co je zdravý samou osobě a to se nám tady snaží sdělit.

Tait má tu identitu krásnou, takže je to vtipný, je to příjemný, dává to smilíky, na vtipný dotazy to pokládá vtipný odpovědi. Dobře, to je fajn, ale já bych chtěl ideálně nějaký produkt, který pro moji mámu bude fakt dobrý, který ji pomůže maximálně být zdravá. Tak pokračujeme, takže po té, co jsem řekl, maximálně zdravá, tak potom pokračujeme a nahrávám pozor.

Takže tady je to se mnou souznění a nemůže slíbit, že něco udělá něco zdravější nebo bude léčit, to je naprosto fajn, ale jsou kvalitní bez cukru. Takže tady tu celou sekci zrušíme, jak jsem se ptál, na co je Takže skončíme tam u těch papoušků, jak jsme se ptáli o ty papoušky, tak po té, co jsem přišel do odpověď, tak tam skončíme.

Lekce 1: Tvůj vlastní AI asistent na vlastní doméně