https://www.youtube.com/watch?v=B8Is4KZze9c

Marek Bartoš z Colbrainu nadiktoval aplikaci na silový trénink, která se učí v čase a reaguje na spánek, stres i vytíženost, a za tři dny bez jediného řádku kódu vznikla hotová otestovaná aplikace s databází, výpočetním enginem, rozhraním i mobilní aplikací. Důvod, proč běžní agenti selhávají, spočívá v tom, že drží samotnou práci i evidenci o ní v jedné rostoucí historii, což vede k rozpadu kontextu a k neschopnosti modelu spolehlivě pojmenovat vlastní chybu. Řešením je framework Long Horizon Harness od týmu DreamX z Alibaby, který dělí práci mezi tři role, manažera, vykonavatele a auditora, bez sdílené pracovní historie. Klíčové pravidlo zní, že tvrzení vykonavatele nemá právo zápisu do oficiálního stavu, dokud je auditor neověří na skutečných souborech a logech. Výsledkem je posun skóre téže úlohy z 0,59 na 0,92 a aplikace fungující na první pokus, přičemž klíčová je přesná definice hotového, kterou model nemůže znát sám.

📅 Datum vydání: 16.8.2026
📺 Zdroj: Nechal jsem AI 3 dny bez dozoru. Tohle postavila.
Klikněte na odkaz a dejte odběr na kanálu autora, podpoříte ho a vylepšíte svůj algoritmus.

▶ 00:00
Rituál rozbité AI aplikace — Řečník popisuje frustrující smyčku, kdy AI jednu věc opraví a dvě další rozbije, takže člověk po čtyřech hodinách sedí u ještě rozbitějšího kódu.

▶ 00:45
Aplikace nadiktovaná za tři dny — Marek nadiktoval aplikaci na silový trénink, která se učí v čase a reaguje na spánek, stres a vytíženost, a za tři dny vznikla databáze, výpočetní engine, rozhraní i mobilní aplikace.

▶ 01:30
Představení Marka Bartoše — Řečník se představuje jako Marek Bartoš z Colbrainu a vyzývá k odběru kanálu o mechanismech technologií a umělé inteligence.

▶ 01:40
Chytřejší modely zvládají delší práci — Organizace METR měří časový horizont agentů, který se od roku 2019 zdvojnásobuje zhruba každých sedm měsíců.

▶ 02:36
Agent klikající 400krát na OK — Agent na modelu Qwen přes Claude Code dostane úkol postavit tři porty a přes 400 pokusů kliká na nereagující tlačítko, dokud mu nedojde rozpočet.

▶ 04:00
Aplikace reagující na stav cvičence — Marek chtěl aplikaci, která vedle empirických výpočtů zohlední kalendář, spánek, stres, náladu i jídlo a přizpůsobí trénink aktuálnímu stavu člověka.

▶ 06:02
Cíl kliknout a odejít — Řečník chtěl aplikaci postavit tak, že klikne, spustí proces, odejde a vrátí se k hotové otestované aplikaci.

▶ 06:29
Práce a evidence v jedné historii — Běžná agentní smyčka drží v jedné rostoucí historii jak samotnou práci, tak evidenci o tom, co už je hotové, přirovnanou k přeplněnému nákupnímu seznamu.

▶ 07:26
Rozpad kontextu u delší historie — Laboratoř Chroma testovala 18 modelů a zjistila, že s rostoucí délkou vstupu výkon klesá, i když obtížnost úlohy zůstává stejná.

▶ 07:50
Agent si sám dává známky — Druhý problém je, že jakmile si agent zapíše hotovo, všechny další kroky z toho vycházejí jako z ověřeného faktu.

▶ 08:44
Zápisník, který neudrží význam — Marek přirovnává problém k tréninkovému zápisníku, který drží každou sérii a každé kilo, ale neudrží, co ta data znamenají.

▶ 09:21
Model nepojmenuje vlastní chybu — Experiment ukázal, že v 10 ze 13 konfigurací model odhalí chybu výrazně lépe, když ji označí jako cizí informaci, a míra odmítnutí vzrostla o 23 až 93 procentních bodů.

▶ 10:49
Kontrola jinou AI než autorem — Řečník doporučuje nedávat kontrolu stejné AI, která práci provedla, protože model je ke cizímu tvrzení výrazně kritičtější.

▶ 11:05
Dva modely se vzájemně kontrolují — Spolehlivost se zvýší, když dva různé modely kontrolují navzájem své výstupy místo jednoho modelu, který kontroluje sám sebe.

▶ 12:02
Workshop a rozklad faktur — Marek na svém workshopu učí rozkládat zpracování faktur na malé kroky s kontrolami, čímž se šetří tokeny, peníze i riziko.

▶ 13:35
Framework Long Horizon Harness — Tým DreamX z Alibaby zveřejnil zdarma pod MIT licencí framework Long Horizon Harness, který je dostupný ke stažení.

▶ 14:00
Doplněk pro Claude Code či Codex — Framework je doplněk, který převezme dlouhé plánování, předávání stavu i opakovanou kontrolu, a dlouhý úkol je primárně problém zprávy stavu.

▶ 14:36
Tři role bez sdílené historie — Práce se dělí mezi manažera bez přístupu k počítači, vykonavatele s čerstvým kontextem a auditora, který ověřuje skutečné soubory, logy a stav aplikace.

▶ 16:38
Vykonavatel nemá právo zápisu — Tvrzení vykonavatele nemá právo zápisu do oficiálního stavu, což Marek přirovnává k obkladači, jehož práci nezávisle zkontroluje auditor.

▶ 17:34
Spolupráce založená na nedůvěře — Tři agenti nespolupracují tím, že si věří, ale tím, že si nevěří, a Marek navíc nechal psát kód ChatGPT a kontrolovat ho Claude.

▶ 18:21
Lepší zadání a oddělené soustředění — Čím lepší je zadání, tím lépe systém funguje, a tři nezávislé modely se mohou plně soustředit každý na svou část problému.

▶ 19:18
Příklad s nadpisy v Libre Office — Běžný agent obešel program a přepsal XML soubor, takže dostal skóre nula, zatímco Long Horizon Harness úlohu provedl přes Libre Office a auditor ověřil všech 15 nadpisů se skóre 0,89.

▶ 20:34
Skóre z 0,59 na 0,92 — Agent, který 400krát klikal na nefunkční tlačítko, s novou smyčkou zvedl skóre téže úlohy z 0,59 na 0,92.

▶ 20:53
Není to zázrak ani všespásné — Základní schopnosti modelu se nemění, ověřování je drahé na tokeny a největší přínos má tam, kde je problém vytrvalost, koordinace a ověřování.

▶ 21:29
Anthropic popsal příbuzný postup — Anthropic už v listopadu 2025 popsal příbuzný postup pro dlouhé běhy a Long Horizon Harness přidává tvrdší oddělení pravomocí.

▶ 22:09
Nasazení na Skippy Workouts — Marek spustil tento pokrok na svém projektu Skippy Workouts.

▶ 22:14
Tři tisíce řádků přípravy — Před prvním řádkem produkčního kódu vzniklo přes 3000 řádků přípravy, rozbor zadání a analýza tréninkového zápisníku rozdělená do osmi fázových kontraktů.

▶ 22:44
Konverzace místo psaní kódu — Veškerou přípravu nevytvořil Marek ručně, ale vznikla z nadiktovaného záměru, který Claude rozebral na sedm oddělitelných systémů.

▶ 23:02
Tři opravené předpoklady — Claude opravil tři představy, konkrétně že HealthKit na Macu nefunguje podle očekávání a hrudní pás Polar pro tento účel nepotřebuje žádnou aplikaci.

▶ 23:15
Vzorce nalezené v zápisníku — Claude prošel skutečný tréninkový zápisník a našel v něm vzorce, které změnily původní zadání, zatímco Marek jen odpovídal na otázky.

▶ 23:53
Tři dny autonomní práce — Z ručně psaného zápisníku vznikla databáze, výpočetní engine, vrstva pro spánek a zotavení, ovládací rozhraní i mobilní aplikace, rozdělené do osmi fází se stovkami testů.

▶ 24:41
Skoro nic nedrhlo — Long Horizon Harness funguje jako doplněk napojený přímo do Claude Code nebo Codexu a Marekův hodinový monolog slouží hlavně jako základ zadání.

▶ 25:48
Modely a autonomní zásahy — Marek používal modely GPT od OpenAI a Sonnet 5 od Anthropicu, přičemž Claude Code mohl autonomně přepnout na výkonnější model nebo upravit zadání za běhu.

▶ 26:29
Čtyři zaseknutí vyřešena sama — Za celý třídenní běh se proces zasekl čtyřikrát a pokaždé Claude Code sám opravil vadnou definici hotového, aniž by Marek musel zasáhnout.

▶ 27:52
Aplikace funguje na první dobrou — Výsledná aplikace funguje na první pokus a Marek zdůrazňuje, že problém dlouhých úkolů není jen inteligence, ale definice hotového, kterou model nemůže znát sám.

▶ 28:54
Umět si říct, co chce — Řečník uzavírá, že úkolem člověka je umět si říct, co chce, aby aplikace mohla vykonat, co potřebuje.

🔴 DŮLEŽITÉ UPOZORNĚNÍ A VYLOUČENÍ ODPOVĚDNOSTI

Výše uvedený text je shrnutí původního video obsahu a byl vygenerován výhradně umělou inteligencí (AI) bez jakéhokoli následného lidského ověření nebo kontroly. Provozovatel těchto webových stránek (dále jen „provozovatel“) výslovně upozorňuje, že takto generovaný text může obsahovat:

  • Faktické chyby a nepřesnosti
  • Zavádějící nebo neúplné informace
  • Informace vytržené z kontextu původního díla
  • Nepravdivá tvrzení nebo údaje (tzv. „halucinace“ AI)

Toto shrnutí slouží pouze ke zcela nezávazným, informativním nebo studijním účelům a v žádném případě nenahrazuje zhlédnutí původního video obsahu. Provozovatel důrazně nedoporučuje činit na základě tohoto shrnutí jakákoli rozhodnutí (obchodní, finanční, zdravotní, právní či jiná).

Provozovatel se tímto v maximálním možném rozsahu povoleném právními předpisy České republiky a Evropské unie zříká jakékoli odpovědnosti za:

  • Správnost, úplnost, aktuálnost nebo pravdivost informací obsažených v tomto shrnutí
  • Jakoukoli přímou či nepřímou újmu (majetkovou i nemajetkovou), která by uživateli nebo jakékoli třetí straně vznikla v důsledku použití nebo spoléhání se na informace z tohoto shrnutí
  • Případné porušení práv třetích stran (včetně práv autorských nebo práv na ochranu osobnosti), kterého by se mohlo shrnutí generované AI dopustit

Použitím tohoto shrnutí bere uživatel na vědomí, že tak činí výhradně na své vlastní riziko a odpovědnost. Pro ověření jakýchkoli informací je uživatel povinen zhlédnout původní zdroj (video) a/nebo konzultovat danou problematiku s kvalifikovaným odborníkem.

⚠️ MECHANISMUS PRO NAHLÁŠENÍ PROBLEMATICKÉHO OBSAHU (NOTICE & TAKE DOWN)

Provozovatel bere ochranu práv třetích stran vážně. Pokud se domníváte, že kterékoli automaticky generované shrnutí obsahuje faktické chyby, zasahuje do vašich práv (např. autorských práv, práv na ochranu osobnosti) nebo je jinak v rozporu s platnými právními předpisy, žádáme vás o neprodlené oznámení. Kontaktujte nás prosím e-mailem na adrese: chyba@shrnuti.cz

Do předmětu e-mailu uveďte „Nahlášení obsahu“ a v těle zprávy prosím specifikujte:

  • Přesný odkaz (URL) na stránku obsahující problematický souhrn
  • Jasný popis problému — uveďte, v čem spatřujete pochybení (např. „text je nepravdivý“, „zasahuje do mého práva na ochranu osobnosti“, „porušuje autorská práva k…“)
  • Vaše kontaktní údaje pro případnou zpětnou vazbu

Provozovatel se zavazuje každé takové oznámení přijaté v dobré víře bez zbytečného odkladu prověřit a v případě, že bude oznámení shledáno oprávněným, zjednat adekvátní nápravu (zejména opravou, nebo trvalým odstraněním dotčeného textu).