text-structure.txt

1. Úvod
├─ 1.1 Motivace práce
│  ├─ Vývoj systému Kelvin
│  ├─ Usnadnění hodnocení úloh učitelům
│  └─ Velký počet studentů a časová náročnost ručního hodnocení
├─ 1.2 Cíl práce
│  ├─ Integrace systému založeného na LLM
│  ├─ Vytváření podpůrných komentářů ke zdrojovému kódu
│  └─ Zhodnocení studentského řešení a návrhy na zlepšení
└─ 1.3 Struktura práce

2. Systém Kelvin
├─ 2.1 Účel a použití systému
│  ├─ Student odevzdává úkol
│  ├─ Učitel hodnotí řešení
│  └─ Učitel uděluje zpětnou vazbu a bodové hodnocení
├─ 2.2 Architektura systému
│  ├─ Backend
│  ├─ API
│  ├─ Frontend
│  └─ Architektonický diagram systému
├─ 2.3 Nasazení a provoz
│  ├─ Nasazení pomocí Dockeru
│  └─ Diagram nasazení (deployment diagram)
└─ 2.4 Vývojové omezení a proces
   ├─ Atomické pull requesty
   ├─ Malý rozsah změn v pull requestech
   ├─ Dlouhé čekání na code review
   ├─ Migrace frontendu (Svelte → Vue)
   ├─ Velký probíhající refaktoring
   └─ Historický vývoj systému Kelvin
      └─ Původ jako bakalářská / diplomová práce
      └─ Postupný vznik technického dluhu („špagetový kód“)

3. Velké jazykové modely
├─ 3.1 Základní principy LLM
│  ├─ Co je to LLM
│  ├─ Historický vývoj
│  ├─ Tokeny, parametry, kontext
│  └─ Základní princip fungování modelů
├─ 3.2 Analýza zdrojového kódu pomocí LLM
│  ├─ Co je k tomu potřeba
│  ├─ Postup analýzy
│  └─ Požadavky na sémantické kroky a kontext
├─ 3.3 Porovnání s tradičními statickými analyzátory
│  ├─ Typy statických analyzátorů
│  ├─ Zásadní rozdíly v přístupu
│  └─ Možnost kombinace přístupů
└─ 3.4 Rizika a omezení použití LLM
   ├─ Limit na počet tokenů
   ├─ Výpočetní náročnost (GPU / CPU)
   ├─ Paměťové nároky
   └─ Ochrana dat a otázky GDPR při použití cloudových řešení

4. Výběr modelů a vhodnost pro integraci
├─ 4.1 Kritéria výběru
│  ├─ Kvalita výstupů
│  ├─ Dostupnost modelu
│  ├─ Náročnost provozu
│  └─ Schopnost pojmout celé studentské řešení
├─ 4.2 Porovnání možností nasazení
│  ├─ Cloudové API
│  │  ├─ Hardwarové nároky
│  │  ├─ Limity
│  │  ├─ Ochrana dat
│  │  └─ Náklady
│  └─ On-premise řešení
│     ├─ Hardwarové nároky
│     ├─ Limity
│     ├─ Ochrana dat
│     └─ Náklady
├─ 4.3 Analýza dostupných modelů
│  ├─ Modely zaměřené na zdrojový kód
│  └─ Obecné modely
├─ 4.4 Návrh práce s prompty
│  ├─ Struktura promptu
│  ├─ Strategie promptování
│  └─ Typy výstupů a iterativní ladění
└─ 4.5 Volba modelu, promptu a přístupu
   ├─ Srovnání strategií promptování
   ├─ Zvolený způsob nasazení
   ├─ Zvolený model
   └─ Zvolené prompty

5. Implementace do systému Kelvin
├─ 5.1 Backend
│  ├─ Integrace nové asynchronní části systému Kelvin
│  ├─ Nezablokování existující evaluační pipeline
│  ├─ Práce s LLM a odesílání dat
│  └─ Architektonický / sekvenční diagram
└─ 5.2 Frontend
   ├─ Zobrazení výstupu LLM
   └─ Interakce učitele s návrhy LLM

6. Vyhodnocení řešení
├─ 6.1 Scénáře použití
│  └─ Jak bude systém v praxi používán
├─ 6.2 Přínos pro učitele
│  └─ Jak systém pomáhá při hodnocení
└─ 6.3 Možný dopad na hodnocení
   ├─ Riziko přehnaného spoléhání se na LLM
   ├─ Chybovost modelu
   └─ Nutnost lidské kontroly

7. Doporučení pro další rozvoj systému
├─ Iterativní zlepšování promptů
├─ Využití dalších verzí modelů
├─ Personalizace podle typu úlohy nebo cvičení (nejen C++)
└─ Další možnosti rozšíření systému

8. Závěr