Zakládání projektu
Přejít na sekci
Nechte AI udělat scaffolding
Zakládání projektu je oblast, kde AI exceluje nejvíc. Příkazy jsou dobře zdokumentované, vzory jsou zavedené a je minimum nejednoznačnosti. Pro PraktickAI byl celý počáteční setup — frontend i backend — udělaný Claude Code v jedné session. Trvalo to asi 20 minut.
Trik je dát AI jasné instrukce o vašich preferencích. Chcete TypeScript nebo JavaScript? App Router nebo Pages Router? Poetry nebo uv pro Python závislosti? Pokud to neurčíte, AI si vybere za vás — a nemusí to odpovídat vašim preferencím.
Frontend: Next.js s TypeScript
claude "Vytvoř Next.js projekt s App Router, TypeScript a Tailwind CSS.
Použij poslední verzi. Zahrň ESLint konfiguraci.
Nastav strukturu projektu pro dvojjazyčný web (cs/en)
s použitím next-intl pro internacionalizaci.
Zdrojový adresář bude src/."AI spustí npx create-next-app, nainstaluje závislosti, nastaví adresářovou strukturu, nakonfiguruje next-intl a vytvoří počáteční layout. Vy zkontrolujete výstup. Platí pravidlo 80/20: AI zvládne 80 % správně a vy navigujete zbylých 20 % — věci jako preferovaná struktura složek nebo konvence pojmenování.
Vždy říkejte AI, ať použije poslední verzi frameworku. Tréninková data AI mají cutoff datum, takže může defaultně použít starší vzory. Když řeknete 'použij poslední verzi', donutí ji to zkontrolovat aktuální dokumentaci a použít aktuální API.
Backend: Django s Django Ninja
claude "Vytvoř Django projekt s názvem 'praktickai-backend'.
Použij uv pro správu závislostí.
Přidej Django Ninja pro REST API.
Použij django-environ pro nastavení.
Nastav vlastní User model s emailem jako username field.
Strukturuj apps pod 'apps/' adresářem.
Zahrň: accounts, courses, payments apps.
Přidej Dockerfile a docker-compose.yml s PostgreSQL."Tento jediný prompt vygeneruje celou backendovou strukturu: konfiguraci projektu, vlastní user model, tři Django apps, Docker setup a správu závislostí. AI zná Django best practices (vlastní user model od začátku, apps adresář, nastavení přes environment proměnné), protože viděla tisíce Django projektů.
Git setup: základ všeho
Předtím, než začnete psát jakýkoliv kód, nastavte git. Tohle je nepřekročitelné. AI bude dělat hodně změn a vy potřebujete možnost je zkontrolovat, vrátit chyby a sledovat, co se kdy změnilo.
claude "Inicializuj git pro tento projekt.
Vytvoř komplexní .gitignore pro:
- Python (venv, __pycache__, .env)
- Node.js (node_modules, .next)
- IDE soubory (.vscode, .idea)
- OS soubory (.DS_Store)
Udělej initial commit se všemi scaffolded soubory."Po každé změně od AI si vždy zkontrolujte git diff. Spusťte 'git diff' nebo použijte diff viewer ve vašem IDE. Tohle je vaše záchranná síť. Pokud AI vygenerovala něco špatně, chytíte to včas. Berte to jako code review — akorát junior developer je AI.
Pravidlo 80/20 u AI scaffoldingu
AI zvládne strukturu správně, ale detaily budou potřebovat ladění. U PraktickAI AI správně nastavila Django projekt se všemi třemi apps, ale počáteční settings.py potřeboval úpravy: ALLOWED_HOSTS byl příliš volný, databázová konfigurace nepoužívala environment proměnné správně a CORS nebyl nakonfigurovaný.
Tohle je normální. Nebojujte s tím. Zkontrolujte, co AI vygenerovala, poznamenejte si, co třeba opravit, a řekněte AI, ať to opraví. Iterativní smyčka 'vygenerovat, zkontrolovat, zpřesnit' je jádrem práce s AI.
claude "Zkontroluj Django settings.py, které jsi právě vytvořil.
Oprav tyto problémy:
1. Použij django-environ pro VŠECHNU konfiguraci (DATABASE_URL, SECRET_KEY, DEBUG)
2. ALLOWED_HOSTS má přicházet z env proměnné, ne být hardcoded
3. Přidej CORS konfiguraci s django-cors-headers
4. Přidej CSRF_TRUSTED_ORIGINS
5. SECRET_KEY musí spadnout při startu, pokud není nastaven v produkci"Lokální vývojové prostředí
Pro PraktickAI je lokální dev setup jednoduchý: PostgreSQL běží v Dockeru, Django běží nativně s uv a Next.js běží s npm. AI to nastavila v jednom promptu.
# Spuštění databáze
docker compose up -d db
# Backend (v jednom terminálu)
uv run python manage.py migrate
uv run python manage.py runserver 0.0.0.0:8008
# Frontend (v druhém terminálu)
npm install
npm run devKlíčové je ověřit, že vše funguje okamžitě. Nepokračujte ve stavbě features, dokud scaffolding není solidní: frontend se načítá, backend odpovídá, databáze přijímá připojení a migrace proběhnou čistě.
Buildujte a spusťte svůj projekt po KAŽDÉ významné změně. Tohle je nejdůležitější návyk, který si můžete vybudovat. AI-generovaný kód, který nikdy nebyl spuštěn, je nedůvěryhodný kód. Build step je vaše první linie obrany.
AI píše vaše počáteční modely
Jakmile scaffolding funguje, nechte AI vytvořit vaše počáteční datové modely. Popište svá data v běžné češtině a AI je přeloží do Django modelů se správnými poli, relacemi a indexy.
claude "Vytvoř Django modely pro courses app:
- Course: slug (unikátní), difficulty (beginner/intermediate/advanced),
estimated_hours, price_czk (nullable, null=zdarma), price_eur (nullable),
is_published, created/updated timestamps
- Lesson: patří ke Course, slug (unikátní v rámci kurzu),
order (integer), is_free_preview (boolean)
- Enrollment: propojuje User a Course, enrolled_at timestamp,
unique together na user+course
Vytvoř a spusť migraci."Vyberte si frontend nebo backend projekt a nechte AI ho vytvořit od nuly. Použijte jeden z těchto promptů: Pro Next.js frontend: claude "Vytvoř Next.js projekt s TypeScript, Tailwind CSS a ESLint. Nastav čistou adresářovou strukturu s src/ a základní domovskou stránku." Pro Django backend: claude "Vytvoř Django projekt s uv, django-environ pro nastavení a vlastním User modelem. Zahrň Dockerfile a docker-compose.yml s PostgreSQL." Až AI skončí, spusťte projekt a ověřte, že funguje. Zkontrolujte git diff, abyste viděli vše, co AI vytvořila.
Nápověda
Pokud něco nefunguje na první pokus, neopravujte to ručně. Řekněte AI, jaký je error, a nechte ji to opravit. Tím si budujete návyk používat AI jako primární nástroj, ne jen pomocníka.
Po scaffoldingu projektu zkontrolujte generovaný kód na tyto běžné problémy: 1. Jsou tajemství hardcoded? (SECRET_KEY, hesla k databázi) 2. Je .gitignore komplexní? 3. Používají se environment proměnné pro konfiguraci? 4. Dodržuje Dockerfile best practices? (multi-stage build, non-root user) Pro každý nalezený problém řekněte AI, ať ho opraví, s konkrétní instrukcí. Sledujte, kolik iterací je potřeba k čistému setupu.
Nápověda
AI běžně hardcoduje SECRET_KEY v settings.py pro pohodlí. To je v pořádku pro lokální vývoj, ale nebezpečné v produkci. Ujistěte se, že všechna tajemství přicházejí z environment proměnných.
Po vytvoření scaffoldingu projektu přizpůsobte vývojové prostředí s pomocí AI: 1. Požádejte AI o přidání pre-commit hooku, který spustí linting a formátování 2. Požádejte AI o vytvoření docker-compose.yml pro lokální vývoj (aplikace + databáze) 3. Požádejte AI o přidání Makefile (nebo skriptů v package.json) s běžnými příkazy: dev, test, lint, build 4. Požádejte AI o nastavení environment proměnných se souborem .env.example 5. Otestujte vše: spusťte dev server, spusťte testy, spusťte linter Ověřte: může nový vývojář naklonovat repo a začít pracovat do 5 minut?
Nápověda
Znamení dobře nastaveného projektu je, že 'git clone && make dev' vám dá fungující vývojové prostředí. AI je vynikající na generování konfigurační boilerplate — nechte ji zvládnout zdlouhavé části, zatímco vy ověřujete správnost.
- AI exceluje ve scaffoldingu — setup projektu trvá minuty, ne hodiny
- Buďte konkrétní ohledně preferencí (TypeScript vs JS, uv vs poetry), jinak AI vybere za vás
- Pravidlo 80/20: AI zvládne strukturu správně, vy ladíte detaily
- Vždy ověřte, že scaffolding funguje (build, run, připojení) před tím, než pokračujete
- Git je nepřekročitelný — potřebujete sledovat, kontrolovat a vracet změny AI
- Buildujte po každé změně — netestovaný AI kód je nedůvěryhodný kód
V příští lekci se ponoříme do Stavba frontendu — technika, která vám dá jasnou převahu. Odemkněte celý kurz a pokračujte hned.
2/12 hotovo — pokračujte!