Jak si usnadňuji správu webu pomocí AI agentů

Když dostanu nápad na článek, často ještě nemám připravenou osnovu. Mám několik myšlenek, nějakou zkušenost a představu o tom, co bych chtěl čtenáři předat. Začnu o tom mluvit a postupně si ujasňuji, co je na tématu zajímavé.

Přes Wispr Flow své poznámky nadiktuji do AI asistenta nebo do externího klienta. Popíšu, co mě napadlo, proč o tom chci psát a co by v článku mělo zaznít. AI mi pomůže myšlenky uspořádat, navrhne strukturu a připraví první text. Ten si projdu a dalším zadáním upřesním, co potřebuji doplnit nebo vyjádřit jinak. Článek tak postupně vzniká rozhovorem.

Od těchto poznámek ke konceptu na webu ale vede ještě kus práce. Vedle samotného textu potřebuji vymyslet titulek a perex, připravit anglickou verzi, doplnit odkazy, vybrat obrázek a vyplnit údaje pro vyhledávače. Pak mě čeká ještě kontrola, jak to všechno funguje dohromady.

Jsem milovník automatizace. A u psaní článků a textů někdy taky trochu lenoch, takže motivaci usnadnit si celý postup jsem měl dostatečnou. Postupně jsem si ho zjednodušil natolik, že mě začalo bavit i samotné „psaní“, které u mě probíhá hlavně mluvením do telefonu. 🙂 Nadiktuji myšlenky, proberu je s AI a společně z nich postupně připravíme článek.

Jakmile si s asistentem nebo externím AI klientem odsouhlasíme obsah a požadované úpravy, velká část další práce může proběhnout automatizovaně. Agent připraví jazykové verze, vyplní příslušná pole, přiřadí kategorie a štítky, doplní odkazy a podle zadání zajistí obrázky. Po potřebných potvrzeních uloží koncept do administrace, kde si ho můžu otevřít a zkontrolovat před zveřejněním.

Celý postup mi tak umožňuje věnovat víc pozornosti tomu, co chci článkem sdělit. Nápad můžu zachytit ve chvíli, kdy přijde, a rozhovorem ho postupně dovést až ke konceptu připravenému na webu.

Asistent přímo v administraci

Jedna cesta vede přes asistenta zabudovaného do webu. Má vlastní stránku s historií konverzací a můžu si ho otevřít i přes plovoucího maskota v pravém dolním rohu. Když mám rozepsaný příspěvek nebo právě procházím nějakou stránku, můžu se zeptat rovnou odtud. Pokud se k tématu vrátím později, najdu předchozí konverzaci v historii.

U každé zprávy si můžu vybrat poskytovatele, model a podle jeho možností také míru uvažování. V jednom vlákně tak můžu použít rychlý model na návrhy titulků a u další zprávy zvolit jiný model třeba na porovnání české a anglické verze. U odpovědí vidím spotřebu a v administraci mám i souhrn, kde ji můžu sledovat vůči nastavenému rozpočtu.

Stejný web z ChatGPT nebo Claude

Druhá cesta se hodí, když už téma rozebírám v externím chatu. Můžu začít v ChatGPT nebo Claude, nechat si pomoct s osnovou, projít si několik verzí a v téže konverzaci požádat o uložení konceptu. Přitom mám pořád k dispozici všechno, co jsme si o článku v chatu řekli.

Externího klienta propojuji s webem přes MCP, zkratku pro Model Context Protocol. Je to standard, přes který může AI aplikace využívat funkce jiného systému. Na mém webu mezi ně patří třeba vyhledání článku, načtení aktuálního textu nebo příprava změny k potvrzení. Co je klientovi dostupné, určuje přihlášení a rozsah oprávnění, která dostal. Úvod do MCP

V obou prostředích můžu zadání napsat nebo nadiktovat česky. Stačí, když popíšu, který článek nebo stránku mám na mysli. Asistent si záznam dohledá podle názvu a při nejasnosti si může nechat upřesnit, který z výsledků myslím.

Jak vzniká koncept článku

Z těchto poznámek připrav koncept článku v češtině i angličtině. Navrhni titulek, perex a údaje pro vyhledávače. Podívej se na starší články k tématu a navrhni, kam by dávalo smysl odkázat. Ulož to jako koncept.

Takové zadání už může vést k příspěvku v administraci s českým a anglickým textem, vyplněnými poli a přiřazenými kategoriemi a štítky. Asistent si umí dohledat, jaké kategorie už na webu mám, a podívat se, jak jsem v minulosti propojoval příbuzná témata. Může vložit odkaz přímo do věty, přidat užitečné odkazy k článku nebo vyznačit důležitou pasáž tučně.

Podobně se dá zadat práce s obrázky. Hlavní obrázek patří k článku, sociální obrázek se používá v náhledu při sdílení. Obě pole můžu naplnit variantami jedné ilustrace nebo si pro každé připravit vlastní. U obrázku v textu můžu popsat jeho místo běžnou větou. Třeba „Vlož ilustraci pod nadpis o tom, jak vzniká koncept, hned za první odstavec.“ Asistent si podle nadpisu a okolního textu najde odpovídající místo v editoru.

Uložený koncept si pak otevřu, projdu si obě verze a zkontroluji, jestli článek pořád říká to, co jsem chtěl sdělit. Zveřejnění je moje samostatné rozhodnutí.

U existující stránky často stačí malá změna

U stránek webu mi dává smysl jiný typ zadání. Na stránce o mých zkušenostech může být potřeba zpřesnit jeden odstavec nebo doplnit odkaz na novější článek. Asistent si načte aktuální znění, najde konkrétní pasáž a připraví úpravu v jazyce, kterého se zadání týká. U stránky, která už je veřejná, si návrh projdu před potvrzením, protože uložená změna se může projevit rovnou na webu.

Možnost upravit právě jedno místo vznikla z praktické potřeby. Při jedné zkoušce chtěl klient vložit odkaz do existujícího článku, ale měl k dispozici jen jeho začátek. A když zkusil použít HTML v textové náhradě, v editoru se objevila samotná značka. Z toho vyplynuly dvě samostatné úlohy pro asistenta. Potřeboval umět najít konkrétní větu i daleko za úvodem a vložit do ní odkaz způsobem, kterému rozumí editor. Stejný postup se hodí, když chci v delším textu opravit jeden termín nebo změnit formátování.

Podobně obyčejný dotaz „Které články vyšly minulý týden?“ ukázal, jak důležité je, co web asistentovi vrací. Aby odpověděl spolehlivě, potřebuje datum zveřejnění a možnost podle něj hledat. Samotný seznam nejnovějších článků na tuhle otázku nestačí.

Jak vznikl právě tento článek

Tento článek vzniká přímo v konverzaci, ve které jsme předtím vyvíjeli asistenta pro můj web. Agent připravoval logiku aplikace, já jsem ho průběžně usměrňoval, kontroloval výsledek a upřesňoval, jak chci s asistentem pracovat. V jednom okamžiku mě napadlo, že právě tahle zkušenost by mohla stát za samostatný článek.

Ukázka naší spolupráce: AI agent připravuje související záznamy a propojuje článek s dalším obsahem webu.

Nápad přišel venku, když jsem byl mimo počítač. Telefonem jsem nadiktoval, o čem chci psát, které části společné práce mají v článku zaznít a jak si představuji jeho zaměření. Agent už měl k dispozici kontext předchozího vývoje. Věděl, co jsme řešili, jaké možnosti jsme doplňovali a kde jsme při testování narazili na problém.

Z těchto poznámek připravil první koncept. Já jsem si ho prošel a znovu mluveným zadáním doplnil další souvislosti. Tak vznikla i tato část o tom, jak článek píšeme. Samotné vstupní poznámky jsem přitom prakticky neupravoval. Předával jsem myšlenky tak, jak mě napadaly, a společně jsme z nich skládali text.

Podobně probíhala i část vývoje samotného asistenta. Počítač doma zůstal zapnutý a já jsem práci v Codexu usměrňoval na dálku z telefonu přes nativní mobilní aplikaci ChatGPT. Sledoval jsem postup, procházel diff, tedy přehled změn v kódu, a zadával další úpravy. Mohl jsem tak pokračovat v práci i ve chvíli, kdy jsem byl mimo domov.

Na tomto postupu mě baví návaznost jednotlivých kroků. V jedné konverzaci řešíme funkce webu, z té zkušenosti vznikne námět na článek a rozhovorem se promění v koncept. Po odsouhlasení ho můžu přes připojení k webu předat do administrace. Stejný kontext, který pomáhal při vývoji, tak pomáhá i při popisu toho, co jsme vytvořili a proč.

Co mi to v praxi ulehčuje

Největší přínos vidím ve chvíli, kdy přecházím od nápadu k práci v editoru. Když mám v chatu promyšlenou strukturu článku, můžu z ní rovnou připravit koncept se dvěma jazykovými verzemi a potřebnými podklady. Když potřebuji opravit jediný odstavec, stačí mi popsat, co chci říct přesněji. V obou případech mám před potvrzením konkrétní návrh, který si můžu přečíst a upravit.

Díky tomu trávím méně času přenášením textu mezi chatem a webem. V editoru se můžu soustředit na to, jestli je česká i anglická verze přirozená, odkazy čtenáři pomáhají a článek stojí za zveřejnění.

Jak AI změnila moji každodenní práci, rozebírám také v článku Co mi AI vzala a co mi dala.

S podobným přístupem pracuji i při vývoji. Tam se možnosti agenta a kontrola výsledku promítají do trochu jiných kroků. Jak používám AI agenty při vývoji v Laravelu