Affinity revolucionizuje kreativní průmysl: Od akvizice po bezplatný software, který ohrožuje Adobe

Stručný přehled

Britská společnost Serif, vývojář softwaru Affinity, prošla dramatickou transformací. V březnu 2024 ji australská společnost Canva koupila za 380 milionů dolarů. O necelý rok a půl později, v říjnu 2025, představila Canva zcela novou verzi Affinity – kompletně zdarma a navždy. Tento tah může zásadně změnit kreativní softwarový průmysl a představuje vážnou hrozbu pro Adobe Creative Cloud.

Akvizice: Jak to proběhlo

Nečekaný obchod

26. března 2024 oznámila Canva akvizici britské společnosti Serif za odhadovaných 380 milionů dolarů (kombinace hotovosti a akcií podle Bloomberg). Pro Serif to byl překvapivý vývoj – podle jejich vlastních slov "vůbec neměli v plánu společnost prodávat", dokud je Canva nekontaktovala pár měsíců předtím.

Motivace obou stran

Pro Canva:

• Získání profesionálních nástrojů pro designéry, fotografy a ilustrátory
• Do té doby byla vnímána primárně jako platforma pro neprofesionály
• Rozšíření produktového portfolia o software konkurující Adobe
• Posílení pozice na trhu s více než 175 miliony uživatelů

Pro Serif:

• Přístup k obrovským vývojovým zdrojům Canva
• Možnost rychlejšího rozvoje Affinity softwaru
• Finanční zajištění pro celý 90členný tým

Sliby a závazky

Při akvizici Canva publikovala čtyři klíčové závazky vůči komunitě Affinity:

1. Férové ceny – zachování dostupných permanentních licencí
2. Akcelerace vývoje – investice do rozšíření funkcí
3. Dostupnost pro všechny – bezplatný software pro školy a neziskovky
4. Vedení komunitou – naslouchání zpětné vazbě designérů

Říjen 2025: Revoluce se stává skutečností

Tajemná přestávka

Na začátku října 2025 Canva dočasně vypnula web Affinity a zastavila prodej softwaru. Uživatelé viděli pouze záhadnou zprávu: "Creative Freedom is Coming. October 30" (Kreativní svoboda přichází. 30. října). Toto vyvolalo velkou nervozitu v designérské komunitě – mnoho lidí se obávalo zavedení předplatného nebo AI kreditů.

Velké odhalení: 30. října 2025

Nakonec oznámení překonalo i nejoptimističtější očekávání. Canva představila zcela novou verzi Affinity s těmito zásadními změnami:

1. Jeden nástroj místo tří

Původní tři samostatné aplikace (Affinity Photo, Designer a Publisher) byly sloučeny do jediné aplikace s přepínatelným rozhraním:

• Vector Studio – vektorová grafika (nahrazuje Designer)
• Pixel Studio – úprava fotografií (nahrazuje Photo)
• Layout Studio – layout a sazba (nahrazuje Publisher)

Uživatelé mohou mezi jednotlivými režimy přepínat jedním kliknutím bez exportu a importu souborů.

2. Kompletně zdarma – navždy

Podle CEO Affinity Ashe Hewsona: "Není tam žádný háček, žádná omezená verze, žádná překvapení. Tytéž přesné, vysoce výkonné nástroje, na které profesionálové spoléhají každý den, jsou nyní otevřené všem, protože kreativní svoboda by neměla stát peníze."

3. Plně přizpůsobitelné pracovní prostředí

• Uživatelé si mohou vytvořit vlastní "studio" kombinací nástrojů ze všech tří režimů
• Možnost uložit různá nastavení pro různé projekty
• Sdílení vlastních konfigurací s týmem nebo komunitou

4. Integrace s Canva

• Vyžaduje bezplatný účet Canva
• Možnost poslat projekt přímo do Canva pro spolupráci
• Propojení s Canva ekosystémem

5. AI nástroje jako volitelný doplněk

• Canva AI Studio dostupné přímo v Affinity
• Funkce jako Generative Fill, Remove Background, Generative Expand
• Vyžaduje prémiové předplatné Canva (Pro, Business nebo Enterprise)
• Klíčové: AI nástroje jsou zcela volitelné – základní Affinity je a zůstane zdarma

6. Technické specifikace

• Dostupnost: Mac a Windows (k dispozici okamžitě), iPad (plánováno na 2026)
• GPU akcelerace pro plynulý výkon i s tisíci vrstev
• Nedestruktivní editace ve všech režimech
• Nový univerzální formát souborů .af

Stávající uživatelé

Držitelé starých licencí Affinity V2 (Photo, Designer, Publisher) mohou nadále používat své zakoupené verze, pokud preferují původní aplikace bez integrace Canva.

Adobe vs. Affinity: Boj o designéry

Adobe Creative Cloud: Model předplatného

Současné ceny (listopad 2025):

• Creative Cloud Pro (dříve All Apps): 69,99 USD/měsíc (roční závazek) nebo 104,99 USD/měsíc (bez závazku)

  • Obsahuje 20+ aplikací včetně Photoshopu, Illustratoru, InDesignu, Premiere Pro
  • 4000 měsíčních AI kreditů
  • Přístup k mobilním aplikacím
  • Roční náklady: ~840 USD

• Creative Cloud Standard (nová levnější varianta): 54,99 USD/měsíc

  • Stejné aplikace, ale bez prémiových AI funkcí
  • Omezený přístup k mobilním aplikacím
  • Pouze 25 měsíčních AI kreditů
  • Roční náklady: ~660 USD

• Photography Plan (1TB): 19,99 USD/měsíc

  • Lightroom + Photoshop
  • Roční náklady: ~240 USD

• Jednotlivé aplikace: 20,99-24,99 USD/měsíc

Nedávné změny cen:

• Leden 2025: Photography Plan (20GB) vzrostl z 9,99 na 14,99 USD/měsíc (při měsíčním platbě)
• Červen 2025: Creative Cloud All Apps přejmenován na "Pro" s navýšením z 59,99 na 69,99 USD/měsíc

Affinity: Nový model

Aktuální ceny (listopad 2025):

• Affinity (celá sada): 0 USD – ZDARMA NAVŽDY

  • Vektorová grafika, úprava fotografií, layout
  • Žádné předplatné
  • Žádné měsíční poplatky
  • Roční náklady: 0 USD

• Canva AI Studio (volitelné): Vyžaduje Canva Premium

  • Canva Pro: ~12,99 USD/měsíc (~156 USD/rok)
  • Pouze pokud chcete AI funkce

Srovnání nákladů:

Úspora při přechodu na Affinity:

• Oproti Adobe CC Pro: 4 200 USD za 5 let
• Oproti Adobe CC Standard: 3 300 USD za 5 let
• Oproti Adobe Photography: 1 200 USD za 5 let

Kontroverzní historie Adobe: Od kritiky k poklesu akcií

2013: Přechod na předplatné – bouře odporu

Když Adobe v roce 2013 oznámila, že Creative Suite bude dostupný pouze formou předplatného (Creative Cloud), vyvolalo to masivní negativní reakci:

• Přes 50 000 lidí podepsalo petici proti tomuto kroku
• Zákazníci vyjadřovali obavy o trvalý přístup ke své práci
• Vzniklo hnutí "No Cloud" (Ne cloudu)
• Akcie Adobe klesly o 12 % v měsících po oznámení
• Společnost předpověděla propad příjmů o 200 milionů dolarů v roce 2013

Dlouhodobé následky

I když se Adobe nakonec zotavila a předplatný model se stal finančně úspěšným (akcie vzrostly o 1200 % v následující dekádě), problémy přetrvávají:

2024-2025: Nová vlna nespokojenosti

"Subscription fatigue" (únava z předplatného):

• Uživatelé spravují stále více předplatných
• Adobe je často vnímána jako příliš drahá
• Konstantní tlak na neustálé platby
• Nemožnost "vlastnit" software

Rostoucí ceny:

• 2024-2025: Několik zvýšení cen za rok
• Photography Plan: +50% pro měsíční platbu (z 9,99 na 14,99 USD)
• All Apps: +17% (z 59,99 na 69,99 USD)

Kontroverzní AI politika:

• Nucení AI funkcí, které mnoho uživatelů nechce
• Obavy z používání dat uživatelů pro trénink AI
• Změny Terms of Service vyvolaly pobouření na sociálních sítích

Finanční dopad na Adobe (2025):

• Akcie poklesly o 20-33 % během roku 2025
• Morgan Stanley snížila rating na "Equal-Weight"
• Cílová cena snížena z 520 na 450 USD
• Podprůměrný výkon oproti indexu S&P 500

Citáty ze sociálních médií (2025):

• "Adobe sucks" – více než 20 příspěvků na X od ledna
• "Pirátování Adobe je morálně správné bez nuancí"
• "Už nehodlám platit €905 za standardní předplatné. Čas zrušit Adobe."
• Na Bluesky v dubnu 2025: 1600+ negativních komentářů během několika dní, Adobe smazala veškerý obsah

Přechod na Affinity: Skutečné příběhy

Designová studia a agentury

Mnoho profesionálních studií začalo migrovat na Affinity ještě před tím, než se stal zdarma:

wecreate.digital (UK)

Digitální agentura dokumentovala svůj přechod na blog:

• Důvody: Úspora nákladů, nesouhlas s předplatným Adobe
• Výsledek: Bezproblémový přechod díky podpoře PSD a AI souborů
• Zkušenost: "Intuitivní rozhraní znamená, že uživatelé potřebují málo času, aby se naučili rozdíly mezi Affinity a Adobe"

Grafická studia obecně:

Podle článků z roku 2024-2025:

• Freelanceři a malá studia aktivně hledají alternativy kvůli nákladům
• Školy a vzdělávací instituce přecházejí na Affinity kvůli dostupnosti
• Novináři a vydavatelé magazínů zvažují InDesign → Affinity Publisher

Důvody přechodu (před i po zdarma)

Před říjnem 2025 (placená verze):

1. Ekonomické:

   • Jednorázový poplatek (~70 USD za aplikaci) vs. nekonečné předplatné
   • Úspora tisíců dolarů ročně

2. Filozofické:

   • Možnost "vlastnit" software
   • Nezávislost na předplatném
   • Odpor vůči "subscription fatigue"

3. Technické:

   • Rychlý a výkonný software
   • Plná kompatibilita s Adobe formáty (PSD, AI)
   • Intuitivní rozhraní

Po říjnu 2025 (zdarma):

• Eliminace všech finančních bariér
• Stejná profesionální kvalita bez jakýchkoli nákladů
• Volitelné AI funkce (ne povinné jako u Adobe)

Citáty od uživatelů:

"Nikdy jsem nebyl spokojený s předplatným Adobe. Je to dobrý obchod, pokud využíváte všechno, co Creative Suite nabízí, ale kdo to skutečně dokáže?"
– Kendall Dunkelberg, univerzitní publikační oddělení

"Affinity replikuje (a někdy rozšiřuje) základní funkce Adobe – efekty vrstev, pokročilé přichytávání, panely assetů a více – takže profesionálové neztrácejí klíčové schopnosti."
– wecreate.digital

Reakce kreativního průmyslu

Pozitivní ohlasy

• Fotografové a designéři: Nadšení z odstranění cenových bariér
• Vzdělávací sektor: Možnost učit profesionální nástroje zdarma
• Začínající tvůrci: Přístup k profesionálnímu softwaru bez investice
• Studia: Radikální snížení provozních nákladů

Skeptické hlasy

• Obavy o udržitelnost: Jak bude Canva financovat vývoj zdarma?
• Příliv Canva: Někteří profesionálové mají obavy z integrace s Canva
• Změna formátu: Nový .af formát není zpětně kompatibilní se starými verzemi
• AI tlak: Potenciální budoucí nucení AI funkcí

Dopad na Adobe

Adobe zatím nekomentovala přímo launch Affinity zdarma, ale situace je jasná:

• Ztráta konkurenční výhody v cenách
• Tlak na přehodnocení vlastního předplatného
• Potenciální exodus uživatelů, zejména těch citlivých na cenu
• Nutnost obhájit hodnotu předplatného za ~840 USD ročně

Co to znamená pro budoucnost

Pro designéry a tvůrce

Nyní máte skutečnou volbu:

• Adobe: Etablovaný standard, hluboká integrace, rozsáhlé funkce – za ~840 USD/rok
• Affinity: Profesionální kvalita, žádné předplatné – za 0 USD
• Canva + Affinity: Základní nástroje zdarma + volitelné AI – za ~156 USD/rok

Pro softwarový průmysl

Affinity model mění pravidla hry:

• Freemium v profesionálním softwaru na nové úrovni
• Tlak na ostatní společnosti přehodnotit předplatné
• Nový standard "základní software zdarma, pokročilé funkce za poplatek"

Pro Canva

Strategický tah s vysokými sázkami:

• Investice 380 milionů USD do akvizice
• Nyní bezplatný produkt – jak dosáhnout návratnosti?
• Možné strategie monetizace:
  • Upselling na Canva Premium pro AI funkce
  • Získání profesionálních uživatelů do Canva ekosystému
  • Data a insights z designérské komunity
  • Budoucí prémiové funkce nebo služby

Pro Adobe

Existenční výzva:

• Největší hrozba dominanci za poslední dekádu
• Nutnost obhájit vysoké ceny
• Tlak na zlepšení služeb a snížení cen
• Potenciální ztráta tržního podílu zejména u:
  • Freelancerů
  • Malých studií
  • Vzdělávacích institucí
  • Cenově citlivých uživatelů

Závěr

Cesta Affinity od akvizice za 380 milionů dolarů v březnu 2024 k úplně bezplatnému softwaru v říjnu 2025 představuje jeden z nejdramatičtějších zvratů v historii kreativního softwaru.

Klíčové body:

1. Canva vsadila vše na revoluční model – profesionální software zdarma
2. Adobe čelí největší konkurenci za posledních 10+ let
3. Designéři konečně mají skutečnou alternativu bez finančních bariér
4. Budoucnost kreativního softwaru se možná mění z předplatného na freemium

Co bude dál?

Následujících 12-24 měsíců ukáže, zda model Affinity/Canva dokáže skutečně konkurovat Adobě. Úspěch bude záviset na:

• Schopnosti udržet kvalitu softwaru
• Přilákání dostatečného počtu uživatelů
• Monetizaci skrze volitelné funkce
• Reakci Adobe na tuto hrozbu

Jedno je jisté: designérský svět má nyní skutečnou volbu. A to je skvělá zpráva pro všechny tvůrce.

Zdroje: Canva, Affinity, Bloomberg, Engadget, PetaPixel, Fast Company, 9to5Mac, MacRumors, různé odborné blogy a fóra

The post Affinity Canva – kreativní průmysl first appeared on Hard Wired.

Context Engineering: Nová disciplína, která mění pravidla AI

Jak jsem se naučil, že úspěch AI aplikací nezávisí na dokonalém promptu, ale na tom, co model "vidí" kolem něj

Před třemi lety jsem trávil hodiny ladění promptů. Psal jsem stránkové instrukce, experimentoval s různými formulacemi, testoval desítky variant. A přesto můj AI asistent zapomínal klíčové informace z předchozích konverzací, můj kódovací pomocník ztrácel přehled o architektuře projektu a RAG systém nedokázal propojit souvislosti napříč dokumenty.

Pak jsem pochopil zásadní věc: problém nebyl v tom, jak jsem se modelu ptal, ale v tom, co všechno model věděl v okamžiku, kdy odpovídal. Objevil jsem context engineering – disciplínu, která překračuje hranice prompt engineeringu a mění celou hru.

Proč prompt engineering přestal stačit

Když poprvé otevřete ChatGPT, připadá vám to jednoduché: napíšete otázku, dostanete odpověď. Jenže reality produkčních AI aplikací je jiná. Představte si, že stavíte AI asistenta pro zákaznický servis. Potřebuje:

• Znát historii všech předchozích interakcí s klientem
• Mít přístup k aktuálním informacím o produktech
• Rozumět firemním procesům a pravidlům
• Pamatovat si kontext celé konverzace
• Umět zavolat externí API pro ověření dat

Žádný prompt, ať je sebevíc dokonalý, to sám nezvládne. Potřebujete systém, který modelu poskytne správný kontext ve správný čas. To je podstata context engineeringu.

Co je context engineering v praxi

Context engineering je disciplína navrhování a budování systémů, které orchestrují všechny informace, nástroje a paměť potřebné k tomu, aby AI dokázala řešit složité, real-world úkoly.

Nejde jen o prompt. Jde o celý informační ekosystém kolem modelu.

Reálný příklad z mé praxe

Nedávno jsem stavěl AI asistenta pro právní kancelář. Klasický přístup by byl:

Jsi právní expert. Odpovídej na otázky klientů o smluvním právu.

Context engineering přístup vypadal takto:

1. Systémový kontext:

Role: Senior právní poradce specializující se na obchodní právo
Firma: [název], 15 let praxe, focus na SaaS a tech startupy  
Regulatory environment: České právo, EU regulace

2. Dynamický retrieval:

# Při každé otázce systém:
query = user_question
relevant_cases = vector_search(query, case_database)
current_legislation = api_call("legal_updates", query)
client_history = get_client_context(client_id)
firm_templates = search_templates(query)

3. Paměťový systém:

# Kontext se skládal z:
- Dlouhodobé paměti klienta (preference, předchozí případy)
- Krátkodobé paměti konverzace (co už probrali dnes)
- Faktual knowledge base (zákony, judikáty)
- Tool access (kalkulačky poplatků, termíny soudů)
- Meta-context (urgence, složitost případu)

Výsledek? Místo obecných právních rad model poskytoval konkrétní doporučení založená na historii klienta, aktuální legislativě a firemních postupech.

Anatomie profesionálního context systému

1. Multi-layer memory architecture

Immediate context - co model "vidí" právě teď:

• Aktuální prompt a konverzace
• Výsledky z právě provedených nástrojů
• Dočasný stav úkolu

Session memory - co si pamatuje během práce:

• Historie kroků a rozhodnutí
• Předchozí výsledky a chyby
• Evoluce strategie řešení

Long-term memory - trvalé znalosti:

• User profily a preference
• Learnt patterns a insights
• Firemní knowledge base

2. Intelligent retrieval orchestration

Nejsložitější část. Systém musí v real-time rozhodnout:

• Které dokumenty jsou relevantní
• Jaké externí API zavolat
• Kolik kontextu použít (token limits)
• V jakém pořadí informace poskytovat

Můj workflow:

def build_context(user_query, session_state):
    # 1. Analýza query
    intent = classify_intent(user_query)
    entities = extract_entities(user_query)

    # 2. Multi-source retrieval
    docs = semantic_search(user_query, weight=0.4)
    tools = suggest_tools(intent, weight=0.3) 
    memory = get_relevant_memory(session_state, weight=0.3)

    # 3. Context assembly
    context = assemble_context(
        system_prompt=get_system_prompt(intent),
        retrieved_docs=docs[:5],  # Top 5 to stay within limits
        available_tools=tools,
        conversation_memory=memory,
        user_profile=get_user_context()
    )

    return context

3. Dynamic context optimization

Context není statický. Mění se podle:

Task complexity - složité úkoly potřebují víc kontextu
User expertise - expert vs. beginner potřebuje jiné informace
Performance feedback - učení se z úspěchů a chyb
Resource constraints - tokens, latency, costs

Praktické techniky z praxe

Context Layering

Místo jednoho obřího promptu stavím kontext po vrstvách:

# Layer 1: Core identity
system_role = """
Senior business analyst s 10+ lety zkušeností
Specializace: SaaS metriky, customer analytics
Styl: Data-driven, konkrétní doporučení
"""

# Layer 2: Current task context  
task_context = f"""
Aktuální projekt: {project_name}
Deadline: {deadline}
Stakeholders: {stakeholder_list}
Previous insights: {session_memory}
"""

# Layer 3: Dynamic information
dynamic_context = f"""
Relevantní data: {retrieved_data}
Dostupné nástroje: {available_tools}
Aktuální metrics: {live_metrics}
"""

Context Chaining

Pro komplexní úkoly rozdělím práci do kroků, kde výstup jednoho kroku se stává kontextem pro další:

# Krok 1: Analýza problému
problem_analysis = llm_call(
    context=base_context + user_problem,
    task="Analyzuj problém a identifikuj klíčové otázky"
)

# Krok 2: Sběr dat s kontextem z kroku 1
data_context = base_context + problem_analysis
retrieved_data = gather_data(problem_analysis.key_questions)

# Krok 3: Řešení s full kontextem
solution = llm_call(
    context=data_context + retrieved_data,
    task="Navrhni řešení založené na analýze a datech"
)

Adaptive Context Compression

Když se blížím k token limitu, používám kompresní strategie:

def compress_context(context_items, max_tokens):
    if calculate_tokens(context_items) <= max_tokens:
        return context_items

    # Prioritizace podle důležitosti
    prioritized = rank_by_relevance(context_items)

    # Postupná komprese
    compressed = []
    token_budget = max_tokens

    for item in prioritized:
        if item.type == "critical":
            compressed.append(item)  # Vždy zahrnout
        elif item.type == "supporting":
            if token_budget > estimate_tokens(item):
                compressed.append(summarize(item))  # Komprese

    return compressed

Časté problémy a jejich řešení

Context Poisoning

Problém: Chyba se dostane do kontextu a pak se propaguje dál.

Řešení z praxe:

def validate_context(context_item):
    # Fact-checking pro kritické informace
    if context_item.type == "factual":
        confidence = fact_check(context_item.content)
        if confidence < 0.8:
            context_item.add_disclaimer("Unverified information")

    # Timestamp check pro časově citlivé info
    if context_item.age > MAX_STALENESS:
        refresh_data(context_item)

    return context_item

Context Overload

Problém: Příliš mnoho informací rozptyluje model.

Mé řešení:

• Používám "attention hints" - explicitně říkám, na co se zaměřit
• Strukturuji kontext hierarchicky (nejdůležitější nahoře)
• Implementuji "context budgeting" - každý typ info má limit

context_budget = {
    "system_instructions": 500,   # tokens
    "user_input": 1000,
    "retrieved_docs": 2000,
    "tool_outputs": 1500,
    "memory": 1000
}

Tool Confusion

Problém: Model si vybírá špatné nástroje.

Moje strategie:

def smart_tool_selection(user_intent, available_tools):
    # Jen relevantní nástroje pro daný typ úkolu
    if user_intent == "data_analysis":
        return [tools.python_executor, tools.data_visualizer]
    elif user_intent == "web_research":
        return [tools.web_search, tools.summarizer]

    # Nikdy nedávat všechny nástroje najednou
    return filter_tools_by_relevance(available_tools, max_count=5)

Frameworky a nástroje

LangChain/LangGraph

Skvělé pro orchestraci workflows, ale pozor na over-engineering:

from langgraph import StateGraph

# Definuji workflow s explicitním context flow
workflow = StateGraph()
workflow.add_node("analyze", analyze_with_context)
workflow.add_node("retrieve", smart_retrieval) 
workflow.add_node("synthesize", synthesize_response)

# Context se propaguje mezi kroky
workflow.add_edge("analyze", "retrieve")
workflow.add_edge("retrieve", "synthesize")

LlamaIndex

Exceluje v knowledge management:

from llama_index import VectorStoreIndex, ContextBuilder

# Automatické budování kontextu
context_builder = ContextBuilder()
context_builder.add_memory_layer(user_profile)
context_builder.add_retrieval_layer(document_index)
context_builder.add_tool_layer(available_functions)

Anthropic MCP

Nejnovější standard pro propojení AI s externí systémy:

# MCP server pro firemní data
mcp_server = MCPServer()
mcp_server.register_resource("customer_db", CustomerDatabase())
mcp_server.register_tool("send_email", EmailTool())

# AI má strukturovaný přístup k firemním systémům

Budoucnost context engineeringu

Vidím tři hlavní trendy:

1. Automated Context Assembly
AI začíná samo rozpoznávat, jaký kontext potřebuje. Experiments s "self-reflective agents" ukazují zajímavé výsledky.

2. Multi-Modal Context Integration
Kombinace textu, obrázků, audio, video do jednotného kontextu. Pracuji na projektu, kde AI analyzuje video cally a extrahuje kontext pro další rozhodnutí.

3. Collaborative Context Networks
Více AI agentů sdílí kontext a buduje kolektivní "paměť" týmu.

Co si odnést domů

Context engineering není jen technická disciplína – je to nový způsob myšlení o AI aplikacích. Moje klíčová doporučení:

1. Začněte s auditem kontextu
Podívejte se na vaše současné AI aplikace. Co všechno model "nevidí", ale měl by?

2. Investujte do memory systémů
Dlouhodobá paměť je game-changer. AI, které si pamatuje vaše preference a zkušenosti, je kvalitativně jiné.

3. Experimentujte s context compression
Naučte se čistit a komprimovat kontext. Méně může být více.

4. Měřte context effectiveness
Trackujte, které části kontextu model skutečně používá. Optimalizujte na základě dat.

5. Myslĕte systémově
Context engineering je systémová disciplína. Nejde o izolované prompty, ale o architekturu informačních toků.

A především: context engineering je budoucnost AI aplikací. Kdo ho zvládne dřív, získá obrovskou výhodu.

Po několika letech experimentování s LLM si myslím, že context engineering je nejdůležitější skill pro AI builders. Není to jen o tom dát modelu správné informace – je to o pochopení toho, jak AI "myslí" a jak navrhnout systémy, které s tímto myšlením spolupracují. Je to fascinující kombinace software architecture, cognitive science a trochy magie.

The post Context Engineering: Nová disciplína, která mění pravidla AI first appeared on Hard Wired.