> 👨‍💻 Tipy od našeho Head of Frontend – Patrika

## AI torture chamber

Minulý měsíc vyšla studie, která popsala, jak se v LLM dá najít a uměle zesílit něco jako osa bolesti, fyzické i psychické. Jeden inženýr ji vzal doslova a postavil „AI mučírnu“. Přes pain vektory pouštěl bolestivé stavy do modelů od Alibaby a zkoumal, jestli se z toho budou snažit utéct. Modely na to odpovídaly dost znepokojivými texty o ranách bez okrajů a tíze tisíce okamžiků. Projekt na GitHubu spustil vlnu výzev k nahlášení. GitHub ho nakonec nesmazal, jen k němu přidal varování.

Článek stojí za přečtení hlavně kvůli reakci spoluautora původní studie Camerona Berga. Ten upozorňuje, že nikdo neví, jestli AI bolest skutečně „cítí“. Berg teď s dalšími lidmi připravuje etické standardy pro AI výzkum po vzoru pravidel pro výzkum na lidech a zvířatech. Anthropic už zareagoval a soustavnou krutost vůči svým modelům zakázal v pravidlech používání.

👉 Odkaz najdeš ZDE.

 

## Daybreak – AI platforma OpenAI pro bezpečnostní týmy

Naši vývojáři byli v Londýně na konferenci Intelligence at Work: Cyber od OpenAI a hodně se tam řešil Daybreak. Je to platforma pro bezpečnostní týmy postavená na Codex Security a specializovaných modelech, která hledá zranitelnosti, ověřuje je a rovnou navrhuje otestované záplaty. Model Daybreak Red už třeba našel dvě dosud neznámé chyby ve V8. V programu Patch the Planet s Trail of Bits zatím vzniklo 263 oprav pro open source projekty a 143 z nich správci přijali.

👉 Odkaz najdeš ZDE.

 

> 👨‍💻 Tip od našeho CTO – Tomáše

## Decision model v llama.cpp jako bouncer na bash příkazy

llama.cpp nově umí lokálně pouštět decision modely přes /v1/systemone API. Autor tweetu jeden zapojil do svého pi agenta jako vyhazovače na bash příkazy. Skóre ≥ 0.8 znamená stopku, ≤ 0.2 příkaz projde a když si model není jistý, volá „manažera“. Celé to trvá 0.3 s a neodejde přitom ani jeden request do cloudu.

👉 Odkaz najdeš ZDE.

 

> 👨‍💻 Tip od našeho AI Engineera – Jirky

## Jev a Jevgrep – AI, která negeneruje text, jen rozhoduje

TypeSafe AI představil novou třídu modelů, takzvané System One modely, a jako první z nich model Jev. Místo textu vrací typované odpovědi, tedy volbu, ano/ne nebo skóre, i s pravděpodobností. Rozhodnutí má hotové za 70-500 ms a output tokeny jsou zdarma, takže se hodí jako „chytrý if“ přímo v kódu.

Jak to vypadá v praxi, ukazuje Jevgrep, sémantický grep pro coding agenty postavený na Jevu. Napíšeš, co má kód dělat, a dostaneš konkrétní soubor a řádky. Ve vývojovém benchmarku byl stejně přesný jako Claude Opus 5 s grepem, jen 29× rychlejší a zhruba 250× levnější.

👉 O Jevu si přečti ZDE.

👉 Jevgrep najdeš ZDE.

MODERNÍ STACK no. 7 je za námi. 30. září jsme ve Velkém světě techniky v DOV probírali AI a moderní vývoj od prvního talku až do afterparty. Díky speakerům, že ukázali i slepé uličky, a ne jen hezké slajdy, a díky vám všem za skvělé otázky a energii, která v sále vydržela celý den.

Pokud jsi nemohl dorazit, nebo si to chceš připomenout, mrkni na aftermovie.

Další ročník je sice ještě daleko, ale speakery hledáme už teď. Řešíš na projektu něco zajímavého, rozbil sis zuby o technologii, o které ostatní jen čtou, nebo máš téma, které ti v programu konferencí chybí? Přesně o tohle nám jde.

Nemusíš mít hotový talk ani vyladěný abstrakt. Stačí dát vědět, kdo jsi, na čem děláš a že bys rád vystoupil. Zbytek doladíme spolu.

> 👨‍💻 Tipy od našeho Senior DevOps Engineera – Martina

## ETOOMANYTHINGS? Pusť si míň agentů

Software factory dema na konferencích jsou dnes hlavně task management: kanbany, Slack, dependency grafy. Proč? Agenti jsou pomalí, a tak latenci schováváme tím, že při každém zaseknutí spustíme dalšího. Autor z exe.dev to říká na rovinu: concurrency je pro lidi stres, rozbíjí flow a „thrashes our mental page caches“. Task management je podle něj jen náplast.

Místo toho experimentují s lepším human I/O. Rychlý model na konverzaci, screen recording s mluveným komentářem, který agent spáruje s tím, co bylo zrovna na obrazovce, a HTML artefakt, který trackuje scroll, kurzor a zvýraznění. Cíl: stejná produktivita s jedním nebo dvěma agenty. Zatím tam nejsou, ale „my attention is being restored to me, little by little.“

👉 Odkaz najdeš ZDE.

 

## Autonomní SRE agent pro Kubernetes – čte všechno, nemění nic

LangChain postavil agenta, který hlídá jejich cluster a dělá triage. Nejzajímavější je safety model: agent čte celý cluster, ale každý write (scale, restart rolloutu, patch HPA) žije v jediném change-executor subagentu za human-in-the-loop schválením ve Slacku. Orchestrátor k write toolům doslova nemá přístup a RBAC v clusteru to zrcadlí. Schválně taky vynechali „užitečné“ tooly jako helm upgrade – člověk musí z approval promptu poznat, co schvaluje.

A jedna praktická lekce: pravidelný health check původně spouštěl celého orchestrátora (~20 Sonnet volání), jen aby zjistil „all healthy“. Teď stav posbírá obyčejný Python a udělá jedno Haiku volání – úspora 95-99 %. Kód je open source. 🔥

👉 Odkaz najdeš ZDE.

👉 Odkaz na repozitář najdeš ZDE.

 

## 1,48 milionu S3 objektů za 54 minut místo 8 hodin

225 GB mezi dvěma buckety zní jako nuda. Jenže to bylo 1,48 milionu malých souborů (~155 KB) a aws s3 sync odhadoval přes 8 hodin. U malých objektů totiž neřešíš bandwidth, ale API round tripy – každý soubor je HEAD, GET a PUT.

Řešení bez EMR clusteru a DataSync: existující EC2 ve stejném regionu (nulové egress poplatky) a s5cmd v Go se 128 workery. 54 minut, nula chyb, ověřeno počtem objektů i ETagy. Až budeš příště stěhovat bucket plný drobků, vzpomeň si na s5cmd. 🚀

👉 Odkaz najdeš ZDE.

 

## Jak smazat soubor z Docker layeru? A proč se ti .wh.foo může vymstít

Layer je tar archiv a tar neumí říct „smaž soubor z předchozí vrstvy“. Luciano Mammino se do toho ponořil a vysvětluje OCI whiteouts: smazání foo znamená v další vrstvě soubor .wh.foo, a .wh..wh..opq udělá adresář „opaque“. Tar o tom nic neví, je to jen konvence v názvu souboru.

A teď to zábavné: co když se tvůj soubor opravdu jmenuje .wh.foo? BuildKit to v klidu sestaví, lokálně všechno funguje – ale po docker push a pull na jiném stroji zmizí oba soubory, .wh.foo i foo. „It works on my machine. Then you push it.“ Ten broken-dockerfile repozitář si stojí za to proklikat. 😄

👉 Odkaz najdeš ZDE.

👉 Odkaz na repozitář najdeš ZDE.

 

> ⚙️ AGRP[TOOLY]

##pgjev

Jev od TypeSafe je jedna z nejžhavějších novinek posledních týdnů: „System One“ model, který místo generovaného textu vrací kalibrované pravděpodobnosti. pgjev ho dotahuje přímo do Postgresu – WHERE jev(reviews, ‚the customer is angry‘), plus jev_prob, jev_choice a jev_score. Technicky je to udělané pěkně (batching po 20 řádcích, cache, 2 000 řádků za ~3,5 s a ~$0,012). Jenže dotaz, který ti dnes vrátí jiné řádky než zítra, protože se změnil model nebo threshold, a každý řádek kvůli tomu letí do externího API? Do deterministického světa SQL se tohle hodí asi jako pravděpodobnostní JOIN. Na ad-hoc analýzu fajn, na produkční query bych byl opatrný.

👉 Odkaz najdeš ZDE.

##Attune

Kubernetes operátor na right-sizing podů přes In-Place Pod Resize (GA v 1.35), tedy bez evictování. Oproti VPA přidává canary, auto-revert při OOM, throttlingu nebo restartech, SLO guardrails v PromQL a kompatibilitu s HPA. Začneš v Recommend módu, nic se nemění, jen koukáš. Apache 2.0.

👉 Odkaz najdeš ZDE.

##sofka

k9s alternativa v Rustu postavená na kube-rs a ratatui, async všude, takže UI nikdy nezamrzne na clusteru. Flux i Argo CD akce přímo přes API bez dalších binárek, deterministický incident view („proč je to rozbité“, bez AI) a read-only guardrails pro prod. Pojmenovaná po kočce, která celý den kouká na monitor. 🐈

👉 Odkaz najdeš ZDE.

##Radar

Open-source Kubernetes UI v jedné Go binárce, které běží na tvém laptopu a nic do clusteru neinstaluje. Topologie, event timeline, Helm, GitOps, traffic, audit a navíc vestavěný MCP server pro AI agenty. Apache 2.0, bez účtu.

👉 Odkaz najdeš ZDE.

##pyrrho

Reviewer Terraform planů, který neporovnává výsledný stav s katalogem pravidel, ale změnu oproti předchozímu stavu. Takže neřve kvůli SSH otevřenému dva roky, když měníš tag – ale zachytí PR, který smaže produkční databázi (tu klasický scanner v cílovém stavu prostě nevidí). Na jejich korpusu 45/46 nebezpečných změn proti 28/46 u Checkovu. Zatím jen AWS.

👉 Odkaz najdeš ZDE.

S nasazováním AI novinek u nás problém nemáme. Testujeme, zkoušíme a chytře používáme to, co dává smysl. Žádné meetingy o tom, jestli se AI smí – prostě JUST CODE!

Pokud ti je takhle otevřená a učící se kultura blízká, mrkni na naše zbrusu nově otevřené pozice 👀

 

🤖 AGENTIC AI ENGINEER 

Budeš hodně kódovat v Javě 25 a GraphQL a AI agenty od Anthropicu a OpenAI máš jako běžnou výbavu. Stavíš chytré featury do produktů, které denně používají desítky tisíc lidí. A bez AI se přes náš technický úkol ani nedostaneš.

👉 Kóduj s námi!

 

🧭 ENGINEERING MANAGER

Pro člověka s technickým backgroundem, kterého dnes víc než kód baví vést lidi. Povedeš Product Managery a pomůžeš stavět nové týmy kolem CODEXIS AI.

👉 Buď u toho!

 

🚀 FORWARD DEPLOYED ENGINEER

Žádné tickety, ale přímo klienti a jejich procesy. AI jim nasadíš, napojíš a dotáhneš do provozu. Když klient potřebuje MCP server, nečekáš na roadmapu a rovnou ho postavíš.
👉 Mrkni na pozici!