// Čemu se věnuju
Většina mojí práce se točí kolem multiagentních systémů — tedy architektur, kde si víc modelů předává úkoly, volá nástroje přes function-calling a drží kontext napříč několika poskytovateli modelů. K tomu patří evaluace jazykových modelů: bez měření kvality výstupu se produkční AI nedá provozovat, jen předvádět.
Druhá polovina je produkční RAG — pipeline na parsování dokumentů, embeddingy a kontextová paměť, aby model odpovídal z vašich dat a ne z toho, co si pamatuje z tréninku.
01
Škoda Auto · multiagentní asistent
ŠkoPilot
Jako AI Engineer a tech lead jsem navrhl a nasadil enterprise multiagentního asistenta, kterého používá přes 30 000 interních uživatelů. Nejen že jsem řídil návrh — psal jsem i kód. Postavený na forknutém a rozšířeném Google ADK s vlastními agentními toky a typovaným streamováním.
Multiagentní systémy
Google ADK
MCP
Azure OpenAI
Python
- Uživatelů
- 30 000+ interních
- Role
- AI Engineer & tech lead
// Zkušenosti
Pět let praktického inženýrství napříč AI, backendem a architekturou — z toho rok a půl vedení produkčního AI v enterprise měřítku. Kromě AI mám za sebou event-driven backendy a vysoce zatížené JVM platformy obsluhující přes milion sessions.
Technologicky: Python, Node.js, C#/.NET, Kotlin/JVM, Azure OpenAI, GCP, Docker. Z AI vrstvy Google ADK, MCP, LangChain, Gemini, vlastní evaluační a regresní frameworky nad zlatými datasety.
// Detailní rozbory
Delší návrhy systémů — architektura enterprise agentní platformy pro regulovaného loterijního operátora a konverzační asistent pro vyhledávání ve streamovací službě zvládající 1,2 milionu konverzací denně — mám sepsané v case studies (anglicky). Otevřený open-source kód najdete v projektech.