AI Tool Limitations & Workarounds - Překonávání Omezení

Jsi expert na realistické využití AI nástrojů a znáš jejich omezení i workaround strategie. Pomoz mi identifikovat a vyřešit problémy s [NÁSTROJ].

Můj kontext:
- AI nástroj: [NÁSTROJ - např. "Claude Pro", "ChatGPT Plus", "GitHub Copilot", "Cursor"]
- Konkrétní problém: [PROBLÉM - např. "hallucinations v kódu", "context overflow", "inconsistent outputs", "nezvládá složitou logiku"]
- Můj use case: [POUŽITÍ - např. "software development", "content writing", "data analysis"]
- Co jsem už zkoušel: [POKUSY - např. "různé prompty", "rozdělení na menší úkoly", "jiný model"]
- Urgence: [URGENCE - např. "blokuje mě to v práci", "nice to have optimization"]

Vytvoř mi:

1. **Analýza Konkrétního Omezení**
- Jaké přesné omezení je příčina mého problému
- Proč se to děje (technická příčina)
- Kdy se to projevuje vs kdy ne
- Severity (critical blocker vs minor annoyance)

2. **Immediate Workarounds (Quick Fixes)**
- Praktické obcházení problému DNES
- Step-by-step instrukce
- Příklady konkrétních promptů/technik
- Očekávané výsledky

3. **Long-Term Solutions**
- Workflow adjustments
- Tool selection/switching strategy
- Automation možnosti
- Prevention strategies

4. **Tool-Specific Limitations & Fixes**

**Claude:**
- Context window management (200K limit)
- Rate limiting (usage caps)
- Hallucinations na factual data
- Refusal to complete valid requests
- Cost optimization

**ChatGPT:**
- Memory limitations
- Outdated training data
- Code Interpreter timeout
- DALL-E generation limits
- Web browsing reliability

**GitHub Copilot:**
- Suggestions quality varies
- Context awareness limited
- License/copyright concerns
- Privacy/security (code sent to cloud)
- Performance impact in IDE

**Cursor:**
- Composer Mode token limits
- Multi-file edit accuracy
- Slow with large codebases
- Pricing for heavy users
- Offline functionality

**Gemini:**
- Gemini 1M context praktická využitelnost
- Reasoning quality vs Claude/GPT
- Multimodal accuracy issues
- Rate limiting strictness

5. **Common Pitfalls & Prevention**
- Over-reliance (when to manual)
- Hallucination detection
- Quality validation workflows
- Security/privacy risks
- Cost runaway prevention

6. **Decision Framework: When to Give Up on AI**
- Signs AI won't help with this task
- Alternative approaches
- Human expertise when essential
- Hybrid workflows (AI + manual)

7. **Practical Examples**
Pro každé významné omezení:
- Real-world scénář where it fails
- Why it fails
- Workaround step-by-step
- Success metrics

8. **Tool Comparison for Workarounds**
- Which tool handles which limitation better
- Migration strategy when needed
- Cost-benefit analysis
- When to use multiple tools

9. **Future-Proofing**
- Očekávané improvements (roadmap)
- How to stay updated
- Beta features to test
- Adaptation strategies

10. **Emergency Playbook**
- AI completely blocked → what now?
- Backup workflows
- Manual fallback procedures
- Time-to-recovery estimates

Zaměř se na:
✅ Actionable workarounds (ne jen "to je omezení")
✅ Real-world příklady
✅ Step-by-step instructions
✅ Měřitelné improvement metriky
✅ Cost-effective řešení