Lathe: LLM jako učitel, ne jako náhrada práce

Lathe mě zaujalo hlavně svou výchozí tezí: použít LLM k tomu, aby člověka učil, ne aby za něj přemýšlel.

Nejde tedy jen o další nástroj, který vygeneruje technický návod. Autor projektu Deven Jarvis ho popisuje jako experiment pro hands-on učení. Lathe vytvoří technický tutoriál na zadané téma, ale samotnou práci má pořád dělat uživatel ručně v lokálním UI.

To je důležitý rozdíl. U běžného AI workflow často promptujeme model, aby problém vyřešil za nás. Lathe se snaží opačný pohyb: model připraví učební cestu, ale uživatel má kód číst, psát, zkoušet a narážet na vlastní otázky.

Jak Lathe funguje

Technicky je Lathe kombinace LLM skills a Go CLI.

Skills běží v interaktivní LLM session. README výslovně zmiňuje podporu pro Claude Code, Cursor a Codex. Generování může vypadat třeba jako slash příkaz /lathe build a 3D Slicer in Erlang.

Samotné CLI má jinou roli. Spravuje uložené tutoriály, spouští lokální webové UI a drží stav na disku. Podle README CLI samo LLM nevolá. Tlačítka ve webovém UI nebo příkazy jako verify a extend uživateli jen připraví příslušný skill command, který má vložit do své LLM session.

Tutoriály se ukládají do ~/.lathe/tutorials/. Každý má metadata jako název, téma, části tutoriálu, tagy, použité nástroje, zdroje, voice a model. Webové UI pak umožňuje tutoriály číst, filtrovat, vyhledávat a spravovat.

Proč to autor postavil

Z README je dost cítit osobní motivace. Jarvis píše, že se programovat učil přes praktické tutoriály a projekty: od PSP homebrew přes build-your-own-x až po Crafting Interpreters nebo vlastní raytracer.

Pointa není nostalgie. Autorovi jde o to, že hands-on tutoriál člověka nedostane jen k hotovému výsledku, ale dá mu oporu pro první kroky v nové doméně.

LLM podle něj mohou být pro software produktivní, ale často udělají příliš velkou část práce. A tím berou uživateli právě tu část procesu, ve které se člověk něco naučí.

Lathe má být pokus, jak použít LLM jinak: ne jako náhradu učení, ale jako nástroj, který pomůže začít v oblasti, kde kvalitní lidské materiály chybí. Autor zmiňuje například vlastní zájem o 3D slicer od nuly nebo embedded vývoj v Zigu.

Provenance místo slepé důvěry

Zajímavá část projektu je práce se zdroji.

Každý tutoriál má uchovávat research trail: URL, které generující skill při tvorbě konzultoval. To je uložené v metadatech a webové UI umí ukázat, proti kolika zdrojům byl tutoriál připravený.

To neznamená, že výsledek je automaticky správně. Spíš je to důležitý kus transparentnosti. Uživatel nemusí brát generovaný text jen jako plynulou odpověď modelu, ale může se podívat, z čeho měl vycházet.

Podobně Lathe ukládá i použitý model a takzvaný voice. Voice ovlivňuje styl psaní, ne přesnost, citace nebo strukturu. Výchozí plainspoken voice má být podle README přesný, bez vymyšlené persony a bez snahy předstírat lidskou zkušenost.

Tohle je dobrý detail. U AI generovaných tutoriálů není problém jen faktická chyba, ale i tón, který může působit autoritativněji, než si výstup zaslouží.

Ověřování není magické

Lathe má i verify workflow, ale README ho popisuje opatrně.

Ověření je opt-in a běží v interaktivní LLM session. Skill /lathe-verify projde kroky tutoriálu ve fresh mktemp -d scratch adresáři, spouští příkazy a zapisuje výsledek zpět do metadat.

Důležité je, že to není bezpečnostní sandbox v tvrdém smyslu. Autor výslovně píše, že scratch adresář drží build artefakty mimo váš repozitář, ale je to jen měkká izolace. Nástroj běží pod běžným permission modelem LLM session, takže uživatel pořád musí dávat pozor na tool calls.

Pokud chybí potřebný nástroj, třeba konkrétní compiler, výsledek má být skipped, ne failed. Tedy: “tady se to nedalo ověřit” není totéž co “tutoriál je rozbitý”.

Lidský tutoriál má pořád přednost

README je poměrně férové i v části o halucinacích.

Autor netvrdí, že Lathe generuje tutoriály stejně dobré jako lidé. Naopak píše, že lidské tutoriály by vzal jako první, pokud existují. Lathe dává smysl hlavně tam, kde žádný dobrý materiál není, nebo kde se člověk chce odrazit v nové či okrajové doméně.

Riziko halucinací podle autora snižuje hlavně samotný způsob použití: uživatel má tutoriál procházet ručně, psát kód sám a při divných místech se ptát nebo nechat tutoriál upravit.

To je podle mě nejzajímavější postřeh. Lathe nestaví důvěru na tom, že LLM je neomylný. Staví ji spíš na tom, že člověk zůstává uvnitř procesu.

Co si z toho vzít

Moje čtení: Lathe není důležité jen jako konkrétní CLI nástroj.

Zajímavější je rámec. AI nástroje pro učení nemusí nutně směřovat k tomu, aby za nás vyřešily celý úkol. Mohou být navržené tak, aby člověka vedly k vlastní práci, otázkám a kontrole.

Praktický dopad pro vývojáře je jednoduchý: učení s AI se nemusí měřit jen tím, jak rychle vznikne hotový kód.

Někdy je důležitější, jestli nástroj nechá uživatele projít cestu, na které pochopí, proč ten kód funguje.