Slovník

Zpracování přirozeného jazyka (NLP) je odvětví AI zaměřené na umožnění počítačům porozumět, interpretovat a generovat lidský jazyk. NLP pohání aplikace jako chatboty, překladové služby, analýzu sentimentu a sumarizaci textu. Moderní NLP bylo transformováno modely založenými na architektuře transformer, které dosahují pozoruhodných výsledků na úlohách, jež dříve vyžadovaly rozsáhlá ručně vytvořená pravidla.

Neuronová síť je výpočetní model inspirovaný lidským mozkem, složený z vrstev propojených uzlů (neuronů), které zpracovávají data úpravou vážených spojení během trénování. Hluboké neuronové sítě s mnoha vrstvami tvoří základ moderní AI a pohánějí vše od rozpoznávání obrazu po porozumění jazyku. Mezi běžné architektury patří dopředné sítě, konvoluční sítě (CNN) a transformery.

Next.js je full-stack React framework od Vercelu, který poskytuje serverové renderování, generování statických stránek, API routes, souborový routing a vestavěné optimalizace. Jeho App Router (představený ve verzi 13) používá ve výchozím nastavení React serverové komponenty, což umožňuje nové paradigma server-first renderování se selektivní klientskou interaktivitou. Next.js se stal de facto standardem pro produkční React aplikace díky optimalizacím výkonu, vývojářskému zážitku a flexibilitě nasazení.

Observabilita je schopnost porozumět vnitřnímu stavu systému zkoumáním jeho vnějších výstupů — především logů, metrik a trasování (tři „pilíře"). Na rozdíl od základního monitoringu, který kontroluje předdefinované prahové hodnoty, observabilita umožňuje klást libovolné otázky o chování systému a ladit nové problémy. Nástroje jako Grafana, Datadog a OpenTelemetry poskytují automatizovaný sběr a korelaci telemetrických dat napříč distribuovanými službami.

Optimistické UI je vzor, při kterém rozhraní okamžitě zobrazí očekávaný výsledek akce uživatele, ještě než ji server potvrdí. Například tlačítko „lajk" okamžitě ukáže stav po liknutí, zatímco API požadavek probíhá na pozadí. Díky tomu aplikace působí výrazně rychleji a responzivněji. Pokud požadavek na server selže, UI se vrátí do předchozího stavu a uživatele upozorní.

Orchestrace je automatizovaná koordinace více služeb, úloh nebo systémů za účelem provedení komplexního workflow. Orchestrátor funguje jako centrální řadič, který spravuje pořadí, paralelismus, zpracování chyb a opakování jednotlivých kroků. V kontextu AI agentů orchestrace zahrnuje řetězení LLM volání, použití nástrojů a rozhodovacích kroků; v DevOps koordinuje nasazení kontejnerů, škálování a service discovery.

Progresivní vylepšování je strategie webového vývoje, která začíná se základním funkčním HTML obsahem dostupným ve všech prohlížečích a poté přidává CSS styly a JavaScript interaktivitu pro schopnější prostředí. Tento přístup zajišťuje, že základní funkcionalita funguje všude, zatímco uživatelé s moderními prohlížeči získají bohatší zážitek. Kontrastuje s přístupem graceful degradation, který začíná plným zážitkem a řeší případné nedostatky zpětně.

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.

Props drilling je praxe předávání dat přes více úrovní mezilehlých komponent, které data samy nepoužívají, pouze je předávají hluboce vnořené komponentě, která je potřebuje. To vytváří těsnou vazbu mezi komponentami a ztěžuje refaktoring. Běžná řešení zahrnují Context API pro globální stav, knihovny pro správu stavu jako Zustand nebo Redux, nebo vzory kompozice komponent, které restrukturalizují strom a snižují hloubku vnoření.

Retrieval-Augmented Generation (RAG) je technika, která vylepšuje odpovědi LLM tím, že před generováním odpovědi načte relevantní dokumenty z externí znalostní báze. Model tak může zakládat svůj výstup na aktuálních, doménově specifických informacích místo spoléhání pouze na trénovací data. RAG se široce používá v podnikových chatbotech, dokumentačních asistentech a AI aplikacích s vyhledáváním.

React hooky jsou funkce (jako `useState`, `useEffect`, `useMemo`, `useCallback`), které umožňují používat stav, vedlejší efekty a další funkce Reactu ve funkcionálních komponentách bez psaní tříd. Byly představeny v Reactu 16.8 a zásadně změnily strukturu React aplikací tím, že umožnily znovupoužití logiky pomocí vlastních hooků. Hooky musí dodržovat dvě pravidla: lze je volat pouze na nejvyšší úrovni komponenty a pouze uvnitř React funkcionálních komponent nebo jiných hooků.

React Native je framework pro tvorbu nativních mobilních aplikací pro iOS a Android pomocí Reactu a JavaScriptu/TypeScriptu. Na rozdíl od hybridních přístupů, které renderují ve WebView, React Native mapuje React komponenty na skutečné nativní UI elementy platformy, čímž poskytuje nativní vzhled, chování a výkon. Jeho filozofie „nauč se jednou, piš kdekoli" umožňuje webovým vývojářům využít znalosti Reactu pro mobilní vývoj s přístupem k platformově specifickým API.