Task runner

Přístupnost (často zkráceně a11y) je praxe navrhování a tvorby webových stránek a aplikací tak, aby je mohli používat všichni, včetně lidí se zrakovým, motorickým, sluchovým nebo kognitivním postižením. Zahrnuje správné sémantické značkování, podporu navigace klávesnicí, dostatečný barevný kontrast a kompatibilitu se čtečkami obrazovky. Kromě etické odpovědnosti je přístupnost v mnoha jurisdikcích stále častěji i zákonným požadavkem.

Smoke testování je rychlé automatizované ověření, že nejkritičtější funkce aplikace fungují po novém nasazení nebo sestavení. Místo spuštění celé testovací sady smoke testy kontrolují základní cesty — spustí se aplikace, funguje přihlášení, odpovídají klíčové API endpointy. Obvykle jsou první automatizovanou bránou v nasazovacím pipeline a zachytávají katastrofální selhání dříve, než se spustí nákladnější testy.

Automatické škálování je schopnost systému automaticky upravovat počet běžících instancí nebo přidělených zdrojů na základě aktuální poptávky. Při nárůstu provozu se připojí nové instance; při poklesu se přebytečné zdroje uvolní kvůli úspoře nákladů. Cloudové platformy jako AWS, GCP a Azure nabízejí auto-scaling skupiny s konfigurovatelnými politikami na základě využití CPU, počtu požadavků, hloubky fronty nebo vlastních metrik.

CI/CD (kontinuální integrace / kontinuální nasazení) je soubor praktik, které automatizují sestavení, testování a nasazení kódu při každém pushnutí změn. Kontinuální integrace slučuje kód do sdílené větve a spouští automatické testy, zatímco kontinuální nasazení automaticky uvolňuje ověřené změny do produkce. Společně tvoří základ moderního dodávání softwaru, snižují chybovost a urychlují release cykly.

Media queries jsou funkce CSS, která umožňuje podmíněně aplikovat styly na základě vlastností zařízení, jako je šířka viewportu, výška, orientace, preference barevného schématu nebo omezení pohybu. Jsou základem responzivního webového designu a umožňují různá rozvržení pro mobily, tablety a desktopy. Moderní media queries také podporují detekci uživatelských preferencí pomocí `prefers-color-scheme` a `prefers-reduced-motion` pro přístupnější zážitky.

Prompt engineering je praxe tvorby a optimalizace vstupních instrukcí pro navádění AI modelů k produkci požadovaných výstupů. Mezi techniky patří few-shot příklady, chain-of-thought reasoning, přiřazení rolí a strukturované formátování výstupu. Efektivní prompt engineering může dramaticky zlepšit kvalitu, přesnost a konzistenci odpovědí LLM bez úpravy samotného modelu.