Fogalomtár

A program összes fogalma, közérthetően.

Új vagy itt? Olvasd el az ingyenes első leckét. Nem kell hozzá fiók.

AI-fogalmak

A következő szó előrejelzése: Legbelül így működik egy LLM: újra és újra előrejelzi a legvalószínűbb következő szót, és ebből áll össze a használható válasz.
Agent: Olyan AI-rendszer, ami magától több lépést tesz meg egy cél felé: toolokat választ, és menet közben alkalmazkodik.
Agentikus keresés: Az agent munka közben maga keresi meg, amire szüksége van, kereső toolokkal, fájlútvonalakkal és linkekkel, ahelyett, hogy indulás előtt szövegrészeket töltenének be neki. Amit olvas, naprakész, de lassabb, mint a retrieval, és útmutatás nélkül elkalandozhat.
AGI: Általános mesterséges intelligencia: elméleti AI, ami a feladatok többségében ugyanolyan jól teljesít, mint egy ember. Sokat vitatják, még nem tartunk itt.
Beszédmodellek: Beszédet alakítanak szöveggé és vissza. Például a Whisper a leiratozáshoz, az ElevenLabs a hangszintézishez.
Closed model: Gyártói modell, ami csak a szolgáltató API-ján vagy appján keresztül érhető el.
Coding agent: AI-asszisztens, aminek keze is van: fájlokat olvas, szerkeszti őket, parancsokat futtat, és menet közben ellenőrzi az eredményt.
Compaction: A beszélgetés korábbi részeinek összefoglalása, hogy helyet szabadítson fel a context window-ban.
Completion / response: Amit a modell a promptod után visszaküld.
Context: Minden, amit a modell épp lát: a promptod, a beszélgetés, a csatolmányok és a beszúrt jegyzetek.
Context rot: Ciklushiba: az előzmény addig nő, amíg a jel el nem süllyed benne. Javítás: foglald össze a régi fordulókat, és tűzd ki fixen a célt.
Context window: A legtöbb token, amit a modell egyszerre tud fejben tartani: a promptod és mindaz, amit addig elolvasott.
Döntési modell: Olyan modell, ami szövegírás helyett úgy válaszol egy kérdésre, hogy kiválasztja az általad megadott opciók egyikét, és minden opcióhoz valószínűséget ad. Ilyen például a Jev és a Laya.
Embedding: A szöveg számokban kifejezett képe, amivel egy rendszer jelentés szerint tud keresni, nem szó szerinti egyezésre.
Embedding models: Modellek, amik számokká alakítják a szöveget, hogy a toolok jelentés szerint kereshessenek benne. A dokumentumaidra kötött asszisztensek motorháztetője alatt dolgoznak.
Felügyelet nélküli agent: Olyan agent, amely egy feladatot az elejétől a végéig lefuttat úgy, hogy közben senki sem figyeli, és senki sem válaszol a kérdéseire. Az emberek csak az eredményt látják, ezért a felügyeletet az ellenőrzéseknek és a környezetnek kell elvégeznie.
Fine-tuning: Ráadás, célzott training egy alapmodellre, egy konkrét felhasználási esetre szabva.
Forráskorpusz: Ahol a hiteles adat lakik egy RAG-rendszerben: az oldalak, dokumentumok, szerződések vagy régi ticketek, amikből a retrieval dolgozik.
Frontier model: Egy szolgáltató legnagyobb, legújabb, legtöbbre képes modellje.
Generation: A RAG utolsó lépése: a visszakeresett darabok bekerülnek a promptba, és az AI ebből a contextből válaszol.
Gradient descent: A training folyamata, amiben a modell lassan addig állítgatja a milliárdnyi belső paraméterét, amíg jól elő nem tudja jelezni a következő szót.
Inference: Minden alkalom, amikor tényleg használod a modellt. Elküldesz egy promptot, a modell átfuttatja a befagyasztott paraméterein, és kimenetet ad.
Kalibrált valószínűség: Olyan valószínűség, ami megfelel annak, milyen gyakran bizonyulnak helyesnek a válaszok: a nagyjából 0,8-as valószínűséggel adott válaszok nagyjából 80%-a helyes. Válaszok csoportjairól szól, sosem egyetlen válaszról, és csak akkor támaszkodhatsz rá, ha a saját címkézett munkádon ellenőrizted.
Képmodellek: Szöveges leírásból generálnak képet. Ilyen a DALL·E, a Midjourney és a Stable Diffusion.
Kibővített LLM: Egy modellhívás, kiegészítve retrievallel, toolokkal és memoryval. Az Anthropic ezt tekinti minden munkafolyamat-minta és az agentek építőelemének.
LLM: Nagy nyelvi modell: az a technológia, ami a ChatGPT-hez, a Geminihez és a Claude-hoz hasonló chatasszisztensek mögött dolgozik.
Long context: Mennyit tud egy asszisztens egyetlen beszélgetésben fejben tartani. Egy long contextbe egyszerre belefér egy kis könyvtárnyi anyag.
MCP (Model Context Protocol): Szabványos mód arra, hogy AI-alkalmazások külső toolokhoz, adatokhoz és szolgáltatásokhoz kapcsolódjanak. Gondolj az USB-re, csak AI-hoz.
Memory: Funkció, ami elment rólad néhány kiválasztott tényt, és a későbbi beszélgetések elején visszateszi őket a contextbe.
Multimodal: Olyan modellek, amik a szövegen túl mást is kezelnek: képet, néha hangot vagy videót.
Open weights: Olyan modell, aminek a paraméterei letölthetők, és magad futtathatod.
RAG (Retrieval-Augmented Generation): A rendszer először a dokumentumaidban vagy a weben keres, aztán a modell a találtakból válaszol.
Session: Egy folyamatos beszélgetés. Egy új chat üres contexttel indul.
Subagent: Egy külön agent saját context window-val, ami átvesz egy mellékfeladatot, például egy keresést vagy egy átnézést, és csak egy összefoglalót ad vissza. Nem látja a fő beszélgetést, ezért a feladatleírásában meg kell ismételni minden szabályt, amit csak abban a beszélgetésben adtál meg.
System prompt: Utasítások, amik a beszélgetés elején megszabják az AI szerepét és szabályait.
Token: Azok az apró szövegdarabok, amiket az asszisztens olvas és ír, egyenként körülbelül háromnegyed szó. A hosszt és a költséget tokenben számolják.
Tool: Csatlakozó, amivel az AI a szövegíráson túl is tud valamit: keresni, számolni, vagy elérni egy másik rendszert.
Training: A drága, egyszeri folyamat, amiben a modell hatalmas mennyiségű szövegből tanul mintázatokat. Ezt a szolgáltatók végzik, nem te.
Training cutoff: Az a dátum, ami után a modell a trainingből már semmit nem tud, így a későbbi események kimaradnak neki, amíg te el nem mondod.

Promptolás és technikák

A folyamat szétszedése: Egy több csapatot érintő folyamatot lépésekre bontasz, és eldöntöd, melyik legyen AI, melyik determinisztikus, és melyikhez kell ember.
A válasz előre kitöltése: Elkezded az AI helyett a választ, ezzel fixálod a formát és a hangot, és kevesebb lesz a drift.
AI-lépés: Olyan lépés a folyamatban, amihez a bemenettel változó mérlegelés kell. Ide érdemes költeni az AI-ra szánt keretet.
Állandóan betöltött réteg: Az a kevés dolog, amit a modell minden fordulóban elolvas: a kőbe vésett korlátok, a belső szabályok és az aktuális feladat.
Aranyszabály: Adj az AI-nak annyi contextet, amennyit csak tudsz. Mindig. A jobb bemenet megbízhatóan jobb kimenetet ad.
Átadás (az átadási pont): Az a pillanat, amikor az egyik lépés kimenete a következő bemenete lesz. A chain többnyire itt szakad el, szóval ide tedd az ellenőrzést.
Az utasítások magassága: Az a részletességi szint, amelyen az útmutatás meg van írva. Túl alacsonyan ha-akkor szabályok törékeny listája, túl magasan homályos remény. A megfelelő magasság megnevezi a célt, a mérlegelési pontokat és a szigorú korlátokat, mindegyik mögött az indokkal.
Betöltés kérésre: Sémákat, leírásokat, üzemeltetési útmutatókat és dokumentumokat csak akkor töltesz be, amikor egy feladathoz kellenek, és név szerint kéred őket.
Chain (prompt chaining): Promptok sorozata, ahol az egyik kimenete a következő bemenete lesz. A chaint te kezeled, az AI pedig minden lépést külön futtat le.
Chain of thought: Amikor arra kéred a modellt, hogy válasz előtt lépésenként gondolja végig a dolgot. Több lépéses feladatoknál ez pontosabb választ ad.
Chunking: A korpusz felszabdalása kezelhető darabokra (egyenként 256-512 token, 10-20% átfedéssel), hogy a retrieval meg tudja találni őket.
Context-tervezés: Annak megválogatása, mi kerül munka közben a modell contextjébe, és nem csak a promptról van szó: utasítások, fájlok, toolleírások, a toolok eredményei és az előzmények. A cél a hasznos információk legkisebb olyan köre, ami a helyes cselekvéshez vezet.
Determinisztikus lépés: Olyan lépés a folyamatban, amit kötött logika végez: egy képlet, egy adatbázismező vagy egy szkript.
Determinizmus vagy mérlegelés: Determinisztikus az a lépés, ami ugyanarra a bemenetre mindig ugyanazt adja. A mérlegelés az, ami joggal változhat. A tervedben minden lépésnél jelöld meg, melyikről van szó.
Előbb terv, aztán végrehajtás: Megkéred a modellt, hogy először tervezzen és jelezze a hiányokat, és csak utána készítse el az anyagot, így nem tippekkel tömi be a lyukakat.
Evaluator-optimizer: Munkafolyamat-minta, amelyben az egyik modellhívás ír, a másik világos szempontok alapján pontozza az eredményt, és ciklusban visszajelzést küld, amíg az eredmény át nem megy, vagy el nem éri a korlátot.
Few-shot: Mutass a modellnek néhány példát abból a bemenet → kimenet mintázatból, amit szeretnél. Ettől érezhetően megbízhatóbb lesz.
Iteratív csiszolás: Beszélgetésként kezeled az AI-t, és néhány körben javítod a kimenetet, ahelyett hogy az első vázlattól várnád a tökéletest.
Kimeneti formázás: A közbenső kimenetek maradjanak gépbarátok: táblázat, JSON, egységes mezők. A szabadon folyó próza elszakítja a chaint.
Meta-prompting: Megkéred az AI-t, hogy nézze át és írja újra a promptodat, hogy megbízhatóbb kimenetet adjon.
Négyelemű keretrendszer: A megbízható promptszerkezet: szerep, context, feladat, formátum (angolul CRAFT vagy RCTF).
Orchestrator-workers: Munkafolyamat-minta, amelyben egy központi modellhívás futás közben részfeladatokra bontja a feladatot, kiosztja őket végrehajtó hívásoknak, és összesíti az eredményeiket. Akkor használd, ha nem tudod előre felsorolni a részfeladatokat.
Parallelisation: Munkafolyamat-minta, amely egyszerre futtat modellhívásokat: egy feladat független részeit egymás mellett (felosztás), vagy ugyanazt a feladatot többször, hogy összevesse a válaszokat (szavazás).
Persona: Szerepet adsz a modellnek, hogy magasabbra tegye a minőségi lécet. Azt alakítja, ahogyan a modell válaszol; azt nem, hogy igaza van-e.
Persona prompts: Minden lépés kap egy szerepet (jogi asszisztens, megfelelőségi felelős). A persona más szókincset, más mélységet és más hangot hoz.
Progressive disclosure: Egy keveset mindig betöltesz, a többit csak akkor, amikor kell. Az állandóan betöltött réteg maradjon kicsi.
Prompt: Amit beírsz az asszisztensnek. A promptolás pedig az a mesterség, hogy jól kérdezz.
Promptnapló: Elmentett gyűjtemény a bevált promptjaidból. Ahogy telik az idő, sablonkönyvtár lesz belőle, pont a te munkádra.
Retrieval: A megfelelő darabok kiválasztása egy adott kérdéshez. Éles üzemben a hibrid retrieval (szemantikus és kulcsszavas) plusz egy újrarendező (reranker) az alapeset.
Routing: Munkafolyamat-minta, amelyben az egyik lépés besorol egy bemenetet egy kategóriába, és egy olyan lépéshez küldi tovább, amely az adott fajtához készült, például a számlázási, a technikai vagy a fiókkal kapcsolatos e-mailekhez.
Structured outputs: Konkrét sémát kérsz, például JSON-t vagy táblázatot, így a kimenet áttekinthető, és más toolok is fel tudják használni.
Strukturált jegyzetelés: Az agent munka közben a context window-n kívül, egy fájlba jegyzetel, például teendőlistát vagy megállapításokat, és később visszaolvassa őket. A jegyzetek túlélik a compactiont, mert soha nem voltak az ablakban.
Szereprétegezés: Az AI sorra több szakértő szemüvegén át elemzi ugyanazt, aztán egyetlen javaslatba fűzi össze.
Tiltó megkötések: Megmondod az AI-nak, mit ne tegyen. Ez az AI alapbeállításait célozza, és gyakran könnyebb, mint leírni, mit szeretnél.
Több lépéses promptolás: Vágd lépésekre a munkát egyetlen nagy prompt helyett. Minden lépés adjon egy tiszta, megnevezett kimenetet, amit a következő használ.
Zero-shot: Példák nélkül kéred meg a modellt egy feladatra. Egyszerű, jól ismert feladatokra bőven elég.

Építés és élesítés

50 bemenet szabálya: Teszteld le az agentet 50 különböző valódi bemeneten, mielőtt felügyelet nélkül futni hagyod. Minden hibát sorolj kategóriába.
A harness nyesése: Részek egyenkénti kivétele a harness-ből, mindegyik után ugyanazokkal a kiértékelésekkel, hogy csak az maradjon meg, ami még javítja az eredményeket. Minden szabály vagy ellenőrzés egy feltevés a modellről, a modellek pedig változnak.
A kész definíciója: Rövid lista a kész munkáról szóló állításokból, a munka elkezdése előtt megírva, úgy, hogy bárki ellenőrizhesse. Minden sor igaz vagy hamis az eredményre nézve, így a „kész” azt jelenti, hogy ellenőrizve, nem azt, hogy késznek látszik.
A kezdhetőség definíciója: A csapat által elfogadott lista arról, mit kell tartalmaznia egy munkaelemnek, mielőtt bárki hozzákezd. Egy gyárban ez dönti el, mely elemek kerülhetnek az agentek sorába; a többi visszamegy a szerzőjéhez, megnevezve, mi hiányzik belőle.
A kimenet túlsúlya: A kimeneti token jellemzően 3-5-szer drágább a bemenetinél, így egy bőbeszédű alapértelmezés gyorsan felszorozza a költést.
A modell korlátja: Olyan hiba, ahol az AI egyszerűen nem elég megbízható a feladatban. A javítás egy determinisztikus ellenőrzés vagy egy szorosabb HITL gate.
Agent loop: A futás közbeni kör: elolvassa a contextet, dönt, meghív egy toolt, elolvassa az eredményt, újra dönt, és addig ismétli, amíg a feladat kész.
Agentic loop: Úgy előkészített feladat, hogy egy coding agent próbálgatással elérhesse a célt: világos cél, egy ellenőrzés, amely megmondja, átment-e vagy elbukott, a parancsok a változtatások kipróbálásához, és egy biztonságos hely, ahol kikapcsolt jóváhagyással futhat. Minden agent ciklusban fut; az agentikus ciklus az, amelyet te tervezel meg.
Agentikus fejlesztés: Szoftverfejlesztés coding agentekkel úgy, hogy egy mérnök felelős marad az eredményért: ő adja meg a célt, ő ellenőrzi a kódot és a bizonyítékokat, és ő dönti el, mi megy élesbe. Simon Willison a kifejezést a vibe coding ellentétére használja, amikor senki nem nézi meg a kódot.
Agentikus kézi tesztelés: Az, hogy egy coding agent úgy használja a saját változtatását, ahogy egy ember tenné: parancssorból meghív egy függvényt, curllel egy API-t, vagy egy valódi böngészőben egy oldalt, és minden parancsot a kimenetével együtt feljegyez. Megtalálhatja azt, amit az átmenő tesztek nem vesznek észre.
AGENTS.md: A tool-független, szabványos utasításfájl. Ide kerüljenek a szabályaid, egyetlen igazságforrásként.
Aranyelv: Határozott, gépiesen ellenőrizhető szabály arról, hogyan kell mindig kinéznie a kódnak, a repóba beleírva, hogy egy ütemezett agent megtalálhassa az eltéréseket, és kis pull requesteket nyisson a javításukra.
Architektúrális döntési adatlap (ADR): Rövid fájl a repóban, amely egyetlen jelentős döntést rögzít: a hátterét, magát a döntést, az állapotát és a következményeit. Elmondja az embereknek és a coding agenteknek, miért olyan a kód, amilyen, hogy egyikük se fogadja el vagy változtassa meg vakon.
Árnyékmód: A döntési modell valódi munkán fut, miközben a jelenlegi folyamat kezében marad az irányítás. Mindkét választ naplózod, és később összeveted őket; a modell válasza alapján semmi nem történik.
Átadási pont: Az a hely, ahol az információ átmegy egy embertől, csapattól vagy rendszertől egy másikhoz. Itt szivárog el az idő és a minőség.
Átnézés friss contexttel: Átnézés egy olyan modellel, amely megkapja a kész munkát, a kész definícióját és a forrásokat, de azt a beszélgetést vagy gondolatmenetet nem, amelyből a munka született. Megnyithat fájlokat, és lefuttathatja az ellenőrzéseket.
Az átadási pontok térképe: Térkép a folyamat átadásairól: ki ad át, ki veszi át, mi marad el, mennyi időbe kerül, és hol férne bele az AI.
Az építés szabálya: Ha azt veszed észre, hogy ugyanazt a munkát másodszor csinálod, építsd meg agentként, hogy harmadszor magától fusson.
Backpressure: Automatikus ellenőrzések, amelyek visszadobják az agent rossz kimenetét, például tesztek, típusellenőrzők és biztonsági szkennerek, így az agentnek ki kell javítania a változtatását, mielőtt továbbléphet. Legyenek gyorsak, mert az agent kivárja őket.
Beküldő űrlap: Az az űrlap vagy sablon, amelyet kitöltve az emberek beküldenek egy munkaelemet, a kezdhetőség definíciójának minden sorához egy mezővel, a fontosakat kötelezővé téve. Megnehezíti a mezők kihagyását, de nem teszi lehetetlenné, ezért a triázs minden elemet újra ellenőriz. A GitHubon ez az issue-űrlap.
Boilerplate: Kód, amelyet meg kell írni, de nincs benne új gondolat, például beállítás, összekötés vagy ugyanaz a tesztforma újra. Könnyű leírni és könnyű ellenőrizni, ezért jó munka arra, hogy coding agentre bízd.
Branch: Párhuzamos munkaszál ugyanabban a repóban. Egy branchen kísérletezhetsz anélkül, hogy a maint megzavarnád.
Breaking change: Egy könyvtár vagy szolgáltatás új verziójának olyan változása, amelytől a régi verzióhoz írt kód elbukik vagy másképp viselkedik. Némelyik hangosan tör el, például egy eltávolított függvény. Mások csendesek, például egy megváltozott alapértelmezés, és csak azok a tesztek veszik észre, amelyek rögzítik a viselkedést.
Célpróba: Megállási feltétel, amit az agent lefuttat, nem csak kijelent: a build átmegy, vagy a végpont 200-at ad vissza.
Changelog: Rövid, folyamatosan vezetett jegyzet a feladatleírás alján arról, mi változott az egyes verziókban, hogy más is lássa, hogyan alakult.
Checkout: Átállítod a munkamappát egy adott branchre vagy commitra. Ugyanaz a repo, más nézet.
CLAUDE.md: A Claude Code utasításfájlja, a projekt gyökerében, globálisan pedig a ~/.claude könyvtárban. Gyakran csak az AGENTS.md-re hivatkozik.
Code owners (CODEOWNERS): Egy fájl, amely megnevezi, kik a repó egyes útvonalainak gazdái. Ha a hozzá tartozó szabály be van kapcsolva, egy ilyen fájl változtatását csak az egyik gazdája jóváhagyásával lehet mergelni.
Commit: Egy elmentett változás, jegyzettel arról, mi változott és miért. A repo előzményei commitok láncolata.
Compound engineering: Az Every nevű cég által leírt munkamódszer, amelyben minden változtatásnak könnyebbé kell tennie a következőt. A tervezés, a megvalósítás és az átnézés után jön egy negyedik lépés: amit megtanultál, alakítsd dokumentációvá, példává, tesztté vagy ellenőrzéssé, és kérdezd meg, hogy a rendszer most már magától elkapná-e a problémát.
Context budget: Úgy kezeled a context window-t, mint egy tudatosan beosztott költségvetést: a legtöbbet arra költöd, ami tényleg változtat a válaszon.
Deferred tools: Csak név szerint sorolod fel a toolokat, a teljes definíciót pedig a modell kérésre húzza be. Így a context sovány marad.
Diff: Soronkénti lista arról, mi változott a fájljaidban: a törölt és a hozzáadott sorok. Ha minden lépés után elolvasod a diffet, pontosan látod, mit csinált az agent.
Dokumentáció-gondozás: Rendszeresen ismétlődő futtatás, gyakran egy agenttől, amely összeveti a repó dokumentációját a kóddal, és minden elavult oldalra nyit egy pull requestet. Így igaz marad a dokumentáció, amelyre az agentek támaszkodnak.
DORA metrics: Öt mérőszám arról, hogyan jutnak el a szoftverváltoztatások élesbe, a DORA-tól, a Google Cloud kutatási programjától. A változtatások átfutási ideje, az élesítési gyakoriság és a helyreállítási idő sikertelen élesítés után az áteresztőképességet mutatja; a változtatások hibaaránya és az élesítések újramunkálási aránya az instabilitást.
Edge cases: Érvényes, de szokatlan bemenetek. A feladatleírásban legyen ott, mi a dolga a hiányzó mezőkkel, az ellentmondásokkal és az érzékeny adatokkal.
Egy használható kimenet költsége: A teljes költés osztva azzal, ahány kimenetet nem kellett átdolgozni. Ezt a mutatót érdemes fejben tartani.
Egymásra épülő pull requestek: Kis pull requestek sorozata, amelyekben mindegyik az előzőre épül, így egy nagy munkát egyszerre egy önálló változtatásként néznek át. Mindegyiknek működő állapotban kell hagynia a rendszert, amikor mergelik.
Eldobható környezet: Egyetlen feladathoz egy szabványos beállításból frissen létrehozott, utána eldobott munkaterület, például egy worktree, egy konténer vagy egy felhős sandbox. Semmi olyan nincs csak benne, amire szükséged van, így bármelyik futás újraindítható.
Elégedettség (forgatókönyvek): A StrongDM pontszáma a félretett forgatókönyvekhez: az összes forgatókönyv összes futásából az az arány, amely valószínűleg elégedetté tenné a felhasználót. Az egyszerű átment-elbukott eredmény helyett használják, amikor a modellt tartalmazó szoftver nem viselkedik minden alkalommal ugyanúgy.
Éles üzemre kész: Olyan munkafolyamat, amit valódi bemeneteken teszteltek, aminek a hibamintái és HITL gate-jei benne vannak a feladatleírásban, van dokumentációja, van felelőse, és naplózzák, hogy elkapják a driftet.
Elfogadási feltételek: Azok a feltételek, amelyeknek egy munkának meg kell felelnie ahhoz, hogy késznek számítson, a munka megkezdése előtt leírva. Agentnél mindegyik akkor működik a legjobban, ha lefuttatható ellenőrzés: egy teszt, egy parancs vagy egy bárki számára látható eredmény, és az új viselkedést vizsgáló ellenőrzésekről előbb meg kell győződni, hogy elbuknak.
Előrehaladási fájl: Fájl, amit az agent minden session elején elolvas, a végén pedig frissít: benne a cél, a szabályok, és egy napló arról, mi készült el, és mi következik. Egy mellette lévő tétellistával egy friss session úgy tudja folytatni a hosszú munkát, hogy semmit nem csinál meg újra, és semmit nem hagy ki.
Érettségi szintek: Címkék a megosztott munkafolyamatokon: saját felelősségre, kiemelt (átnézett) és hivatalos (karbantartott, éles üzemre kész).
Érvényesítő lépés: A chain első lépése, ami megnézi, hogy minden kötelező mező megvan-e és rendben van-e. Ha egy ellenőrzés elhasal, megáll, és szól egy embernek.
Érzékelő (visszacsatolt kontroll): A harness olyan kontrollja, amely azután ellenőrzi az agent munkáját, hogy cselekedett, például egy teszt, egy linkellenőrző vagy egy átnéző modell, hogy az agent ki tudja javítani magát.
Fan-out: Egy ismétlődő változtatás felosztása elemenként egy-egy agentfuttatásra, például fájlonként, egy szkriptből indítva, ugyanazzal a prompttal. Minden futtatás friss contexttel indul. Előbb próbáld ki néhány elemen, javítsd a promptot, aztán futtasd a többit, mindegyiken egy ellenőrzéssel.
Feladatzár: Egy munkaelem lefoglalása, például egy kis fájllal, amelyet az agent a munka megkezdése előtt commitol egy közös repóba, hogy a többi agent mást válasszon. A túl sokáig tartott vagy soha fel nem oldott zárak mindenkit lelassítanak.
Felhőkörnyezet: Az előkészített beállítás, amelyből a felhős agentek futásai indulnak: a kikért kód, a telepített függőségek, a hálózati szabályok és a titkok. Minden futás a saját példányában dolgozik, így minden futás ugyanúgy indul.
Félretett forgatókönyv: A kódbázison kívül tárolt end-to-end felhasználói történet, amely a szoftvert aszerint ellenőrzi, amit egy felhasználó megfigyelhet. Az agentek sosem látják, így nem írhatják át, és nem írhatnak olyan kódot, amely csak rajta megy át.
Flottaszintű változtatás: Ugyanolyan változtatás sok repóban, például egy függőségfrissítés vagy egy konfigurációmódosítás, általában repónként egy kis pull requestként. Hogy a változtatás beolvad-e, azt továbbra is az egyes repók saját ellenőrzései és gazdái döntik el.
Folyamatos integráció (CI): Az automatikus build és tesztek, amelyek minden javasolt változtatáson lefutnak, mielőtt az beolvadna. Egy szoftvergyárban ez az első ellenőrzés, amelyen egy agent változtatásának át kell mennie, és egy zöld futás csak annyira megbízható, mint a mögötte álló tesztek.
Forking: Lemásolod valaki megosztott agentjét vagy asszisztensét, és a magad képére alakítod. A tanulságok, amiket az eredeti szerző megszenvedett, veled maradnak.
Format drift: Az AI kicsit más formában adja vissza a kimenetet, mint amit kértél, és ettől eltörik minden, ami pontosan arra a formára számított.
Frontmatter: Apró YAML-blokk a fájl legelején, ami magáról a fájlról tartalmaz adatokat.
Függőségfrissítés: Olyan változtatás, amely egy projekt valamelyik függőségét újabb verzióra emeli. Az a frissítés, amely csak egy verziószámot változtat meg, egyszerű szkriptnek való; amelyik visszafelé nem kompatibilis változásokat hoz, ahhoz kódváltoztatás is kell, és egy ellenőrzés, hogy a projekt továbbra is buildelhető, és átmegy a tesztjein.
Git bisect: Git-parancs, amely megkeresi azt a commitot, ahol egy hiba először megjelent. Megjelölsz egy jó és egy rossz commitot, megadsz egy tesztet, és a parancs felezve keres a történetben. A coding agentek ügyesen lefuttatják helyetted.
Gold set: Valódi tételek a munkádból, amiket olyan emberek címkéztek fel a helyes válasszal, akik ismerik a munkát. Ehhez méred a döntési modellt, mielőtt megbíznál benne.
Harness: Minden, amit a modell körül felépítesz: a context, amit adsz neki, a toolok, amiket meghívhat, és a ciklus, amiben fut.
Harness-tervezés: Mindannak a megtervezése és fejlesztése, ami egy agent modellje körül van: az utasításainak, a tooljainak, az ellenőrzéseinek és a korlátainak. Mitchell Hashimoto értelmében az a szokás, hogy minden alkalommal változtatsz a harness-en, amikor az agent hibázik, hogy azt a hibát többé ne kövesse el.
Használható vagy pontos: A használható azt jelenti, hogy a további lépések fel tudják dolgozni a kimenetet. A pontos azt, hogy a tartalom helyes. Mindkettő kell.
Headless run: Egy coding agent futtatása szkriptből, úgy, hogy senki nem ül a billentyűzetnél, például a claude -p vagy a codex exec paranccsal. Az engedélyezett toolokat, a sandboxot és a fordulók számára és a költésre szabott korlátokat mind az indulás előtt be kell állítani.
Hiteles forrás: Az egyetlen hely, ahol egy tény hivatalosan él, és amelyre minden más említés hivatkozik. Egy kódbázisban a repóban verziózott dokumentáció lehet a hiteles forrás az architektúra, a döntések és az üzleti szabályok számára.
Hívási hely: Egy hely a kódban, ahol egy adott függvényt meghívnak. Frissítés vagy átnevezés előtt az összes hívási hely listája, a teszteket és a szkripteket is beleértve, megmutatja, mekkora a változtatás, és mit kell ellenőrizni.
Idempotency: Egy agent idempotens, ha biztonságos kétszer lefuttatni ugyanarra a bemenetre: vagy ugyanazt a kimenetet adja, vagy észreveszi, hogy ezzel már végzett, és kihagyja.
Igazolt eredmény: Változtatás, amelyet mergeltek, élesítettek, és nem kellett hozzá visszaállítás, gyorsjavítás vagy utólagos javítás. Ha ezeket számolod a megnyitott pull requestek vagy a generált sorok helyett, az mutatja meg, mit hozott valójában a coding agentekkel végzett munka.
Infrastruktúra (szemben a toollal): Olyan megoldás, amire sok ember támaszkodik. Ezen a szinten kell hozzá nevesített felelős, leírt működés, HITL gate-ek és karbantartási terv.
Karbantartási terv: Rövid dokumentum: ki a felelős, ki a helyettese, milyen ritmusban nézik át, mik az ismert hibaminták, és hogyan kell tesztelni egy változtatást.
Kaszkád: Előbb egy olcsó, gyors modell fut, és csak a bizonytalan eseteit kapja meg egy erősebb modell vagy egy ember. Költséget takarít meg, de pontosságot csak akkor ad hozzá, ha a második lépcső más hibákat vét.
Képességkiértékelés: Olyan feladatok kiértékelése, amelyekkel az agent még nehezen boldogul. Alacsony átmenési aránnyal indul, és megmutatja, segítenek-e a harness módosításai.
Kiértékelő halmaz: Újra lefuttatható feladatok készlete, mindegyik saját sikerfeltétellel, hogy egy változtatás előtt és után pontozni tudd az agentet és a harness-ét. Valódi hibákból építsd fel, és vegyél bele olyan eseteket is, amikor valaminek nem szabad megtörténnie.
Kísérlet: Egy feladat egyszeri lefuttatása egy kiértékelésben. Az agentek futásról futásra mást csinálnak, ezért minden feladat több kísérletet kap, mindegyiket tiszta lapról.
Költség: Minden token árcédulája: pénz, késleltetés és felhígított figyelem.
Költségplafon: Megállási feltétel, ami kőbe vésett felső határt szab a fordulóknak, a tokeneknek vagy a tool-hívásoknak.
Kötelező állapotellenőrzés: Egy ellenőrzés, például a test suite, amelynek át kell mennie, mielőtt egy pull request beolvadhat egy védett branchbe. A teszteket tanácsból kapuvá teszi.
Küszöbsávok: Két határérték, ami három kimenetelre osztja a döntési modell válaszait: a rendszer magától végrehajtja, egy ember megerősíti, vagy emberhez eszkalálja. A saját címkézett tételeid alapján állítod be őket, aszerint, hogy mibe kerül egy-egy hiba.
Lefedettség: A harness egyik erővonala: a modell kapjon elég információt ahhoz, hogy jól cselekedjen. Ha kevés, tippel, vagy kitalál egy API-t.
Lockfile: Fájl, amely rögzíti minden csomag pontos verzióját, amelyet egy projekt telepít, azokét is, amelyeket a függőségei hoznak magukkal. A diffben látható változásaiból kiderül, mi mindent hoz magával egy új csomag.
Megbízható bemenetek: Olyan bemenetek, amiket a folyamat egy korábbi pontján már érvényesítettek, például egy adatbázissor, ahol a séma kikényszeríti a kötelező mezőket. Ezek alapján lehet cselekedni.
Megbízhatósági táblázat: Táblázat, ami valószínűség szerint csoportosítja a modell válaszait, és megmutatja, melyik csoport milyen gyakran volt helyes. Ebből látod, hogy a 0,8 a te adataidon tényleg nagyjából 80%-ot jelent-e.
Merge: Egy branch változásainak visszaolvasztása a main branchbe, amikor készen vannak.
Merge queue: Sor, amely minden pull requestet a legfrissebb main branchcsel és az előtte álló pull requestekkel együtt tesztel a merge előtt, így azok a változtatások, amelyek külön-külön átmennek, együtt sem törhetik el a branchet.
Merge-konfliktus: Ez történik, amikor két branch ugyanannak a fájlnak ugyanazokat a sorait változtatja meg. A git magától nem tudja egyesíteni őket, így egy embernek vagy egy agentnek kell választania. Ha a párhuzamos munkát terület szerint osztod fel, a konfliktusok ritkák maradnak.
Miből áll egy feladatleírás: Amit egy jó agent-feladatleírásnak tartalmaznia kell: szerep, trigger, bemenetek, lépések, kimeneti formátum és guardrailek.
Modellalapú kontroll: Útmutató vagy érzékelő, ami egy modell mérlegelésére támaszkodik, például írott utasítások vagy egy AI-átnézés. A jelentést is meg tudja ítélni, de lassabb, többe kerül, és futásról futásra változhat.
Munkaelem: Egy darab munka egy közös sorban, például egy issue egy feladatkezelőben. Amikor egy agent elvállalja, az elem a teljes feladatleírása: a kívánt eredmény, az azt igazoló ellenőrzések, hogy mi van hatókörön kívül, és kit kérdezzen.
Munkafolyamat: Rendszer, amelyben egy modell és toolok előre rögzített lépéseket követnek. Egyszerűbb, olcsóbb és könnyebben tesztelhető, mint egy agent, ezért használd, valahányszor ismered a lépéseket.
Nyomkövetés: Egy futás feljegyzése időzített lépések, úgynevezett spanek fájaként: a gyökérben a futás, alatta minden modellhívás és toolhívás. Megmutatja, mire ment el az idő és a token, mi bukott el, és miért állt le a futás.
OpenTelemetry (OTel): Nyílt szabvány, amellyel egy program mérőszámokat, naplókat és nyomkövetési adatokat küld egy általad választott gyűjtőnek. Az agenttoolok ezzel jelentik az egyes futások tokenjeit, költségét és toolhívásait.
Optimista párhuzamosságkezelés: Módszer, amellyel sok agent zárolás nélkül osztozhat egy állapoton: bárki olvashatja, de az írás elbukik, ha az állapot az olvasás óta megváltozott, ilyenkor az író újra beolvassa, és újrapróbálja.
Output schema: A kimenet mezőinek és típusainak pontos, leírt meghatározása, még a prompt megírása előtt.
pass@k (legalább egyszer): Azoknak a feladatoknak az aránya, amelyeken az agent k kísérletből legalább egyszer átmegy. Azt mutatja meg, képes-e az agent egy feladatra, nem azt, hogy minden alkalommal megoldja-e.
pass^k (minden alkalommal): Azoknak a feladatoknak az aránya, amelyeken az agent k kísérletből mindegyikben átmegy. A k növekedésével csökken, és ott számít a legtöbbet, ahol az emberek minden alkalommal ugyanazt az eredményt várják.
Pontozó: Bármi, ami eldönti, hogy egy kísérlet átment-e: kód arra, ami pontosan ellenőrizhető, értékelési szempontrendszerrel dolgozó modell a mérlegelést igénylő kérdésekre, vagy egy ember. Egy modellt mint pontozót vess össze emberekkel, mielőtt megbíznál benne.
Programalapú kontroll: Útmutató vagy érzékelő, amit hagyományos szoftver futtat, például egy teszt, egy linter vagy egy szkript. Gyors és olcsó, és minden alkalommal ugyanazt az eredményt adja.
Pull request: Átnézésre felajánlott commitcsomag, vagyis „itt a változásom, nézd meg, mielőtt beolvad”.
Ralph loop: Egy coding agent felügyelet nélküli futtatásának módja: egy szkript újra meg újra elküldi neki ugyanazt a promptot, tervfájlt és specifikációkat. Minden kör friss contexttel indul, egy elemet végez el, lefuttatja az ellenőrzéseket, és commitol.
Rebase: Egy branch commitjainak újrajátszása a legfrissebb main branch tetején. Ha közvetlenül a végső ellenőrzések előtt rebase-elsz, az ellenőrzések azt a kódot tesztelik, ami ténylegesen beolvad.
Recall: Mennyire megbízhatóan érvényesít a modell egy adott szabályt. Egy long context közepére temetett szabály elsikkad.
Red/green TDD: Fejlesztés a teszttel kezdve: megírsz egy tesztet, lefuttatod, és látod elbukni (piros), aztán addig változtatod a kódot, amíg át nem megy (zöld). Ha előbb elbukni látod, az mutatja, hogy a teszt a változtatást ellenőrzi, nem valamit, ami már addig is működött. Egy coding agentnél általában elég red/green TDD-t kérni.
Referenciafájlok: Állandó dokumentumok (jogszabályok, hangvételi útmutatók, szószedetek), amiket egy saját asszisztenshez csatolsz, hogy mindig ugyanazokkal gondolkodjon.
Regressziós kiértékelés: Olyan feladatok kiértékelése, amelyeket az agent már megold, ezért szinte mindig át kell menniük. Ha romlik az eredmény, valami elromlott, gyakran a modell, az utasítások vagy a toolok módosítása után.
Rejtett context: A system promptok, a referenciafájlok, a beszélgetés előzménye és a visszakeresett darabok mind tokent költenek, minden egyes futtatásnál.
Repository (repo): Projektmappa memóriával: a fájlok, a tesztek és minden változás naplója, szóval semmi nem veszik el igazán.
Reprodukáló teszt: Egy bejelentett hiba miatt bukásra írt teszt, még mielőtt bárki kijavítaná. Ugyanazért kell elbuknia, amiért a felhasználók a hibát látják, nem egy elírás vagy egy hiányzó beállítás miatt, hogy a későbbi átmenése igazolja: a javítás működik.
Revert-ellenőrzés: A javítás kivétele, az új teszt lefuttatása, hogy lásd, ugyanazért bukik el újra, mint a javítás előtt, aztán a javítás visszatétele. Egy teszt, amely a javítás nélkül is átmegy, nem a javítást ellenőrzi, és nem kapja el a hibát, ha visszatér.
Sablonosítás változókkal: Az éles üzemi feladatleírás sablon változókkal. Így átnézhető, verziózható és leforkolható.
Scope judge: Egy modell, amely csak egy munkaelemet és az agent által hozzá készített diffet olvassa el, és megvétózza a munkaelemen túlmenő változtatásokat. A build és a tesztek után fut. Kövesd a vétóarányát, és ellenőrizz kézzel egy mintát az ítéleteiből.
Shift left: Egy ellenőrzés áthelyezése a lehető legkorábbi pontra, ahol futhat, például lint minden pushnál a CI vagy az átnézés helyett, hogy a hiba ott jelenjen meg, ahol a legolcsóbb kijavítani.
Skill: Utasítások és háttéranyagok csomagja, ami megtanítja az asszisztensnek, hogyan végezzen jól egy adott munkát. Minden későbbi beszélgetésben újra használható.
SKILL.md: Egy skill egyetlen kötelező fájlja: fent a YAML-frontmatter (name és description), a törzsben pedig az eljárás.
Specifikációvezérelt fejlesztés: A szándék előzetes leírása specifikációként, amelyből aztán egy coding agent épít. A szintek abban különböznek, mi lesz utána a specifikációval: egyetlen változtatáshoz használod (spec-first), a funkcióval együtt megtartod (spec-anchored), vagy ez az egyetlen fájl, amelyet az emberek szerkesztenek (spec-as-source).
Stop hook: Hook, ami minden alkalommal lefut, amikor az agent befejezi a válaszát, és vissza tudja küldeni dolgozni, például amíg egy teszt még elbukik. Védőfeltétel kell hozzá, hogy egy ellenőrzés, ami soha nem mehet át, leállítsa a futtatást, ahelyett hogy végtelen ciklusba kerülne.
Symlink: Parancsikonfájl, ami egy másik fájlra mutat, így egyetlen valódi példány több helyen is megjelenhet.
Szabálykészlet: Egy repó branchein érvényes, névvel ellátott szabálykészlet, például hogy minden merge előtt pull request, átmenő ellenőrzések és egy jóváhagyás kell. Az agentek változtatásaira ugyanúgy vonatkozik, mint bárki másénak.
Szoftvergyár: Rendszer, amelyben sok AI-agent vesz ki munkaelemeket egy sorból, és ellenőrzött változtatásokat csinál belőlük, emberekkel az általad választott ellenőrzőpontokon. Az agent csak egy lépés; a sor, az elszigetelt környezetek, az ellenőrzések és a jóváhagyások teszik a változtatásait biztonságosan mergelhetővé.
Terminal (shell): Az a szöveges ablak, ahol gombok kattintása helyett parancsokat írsz be. A coding agentek itt élnek.
Tervezési hiba: Olyan hiba, ami a munkafolyamat felépítésében gyökerezik. A javítás az, hogy átrendezed a lépéseket, vagy újratervezed az egészet.
Test suite: A projekt saját ellenőrzései, amiket egyetlen parancs futtat le, és jelzi, átmentek-e.
Triggers: Ahogy egy agent elindul: ütemezve, kérésre, vagy eseményre, például egy új adatbázissorra.
Tripwire: Egy agent SDK-ban az a jelzés, amit egy guardrail küld, ha az ellenőrzése elbukik. A futtatás leáll, és a kódod dönti el, mi történjen ezután, például hogy közli a felhasználóval, hogy a kérést nem lehet feldolgozni.
Újrapróbálkozási korlát: Korlát arra, hányszor próbálkozhat újra egy agent, miután egy ellenőrzés elbukott, például két CI-futás. Amikor eléri, a futás leáll, és a branch az elbukó kimenettel együtt egy emberhez kerül.
Utasításfájl: Állandó szabályok fájlja, amit az agent elolvas, mielőtt munkához lát. A szokásos neve AGENTS.md.
Útmutató (előrecsatolt kontroll): A harness olyan kontrollja, amely azelőtt tereli az agentet, hogy cselekedne, például utasítások, egy stílusútmutató vagy egy sablon. Valószínűbbé teszi, hogy már az első próbálkozás jó legyen.
Útvonalhoz kötött utasítások: Utasításfájlok, amelyek csak akkor érvényesek, ha az agent a hozzájuk illő fájlokon dolgozik, például egy GitHub Copilot .instructions.md fájl applyTo mintával, vagy egy Cursor-szabály glob mintákkal.
Verifier: Olyan ellenőrzés, amelyet az agent lefuttathat, de nem irányít, például egy build vagy egy tesztfuttatás, és néhány sorban jelent vissza. Egy gyárban a verifierek a pull request megnyitása előtt futnak, és ha valamelyik elbukik, a pull request meg sem nyílik.
Vibe coding: Úgy építesz valamit, hogy hétköznapi szavakkal elmondod, mit szeretnél, a kódot az AI írja, te pedig érzésre kormányzol.
Visszajátszási halmaz: Korábbi munkaelemek rögzített listája, mindegyik a kiinduló commitjával és azzal az eredménnyel, ami sikernek számít. Mielőtt élesítesz egy változtatást, a jelenlegi és a módosított rendszert is lefuttatod rajta, és elemenként összeveted őket.
Worktree: Ugyanannak a repónak egy második munkamásolata, saját mappában és saját branchen, hogy két munka soha ne akadjon egymásba.
YAML: Beállítások címkézett sorokban, például name: pdf-export. Űrlapként olvasd, ne kódként.

Kockázat és biztonság

A kőbe vésett szabály: Soha ne illessz be bankadatot, belépési adatot, állami azonosítót vagy bármi bizalmasat, ami nem a tiéd, egy általános AI-toolba.
Adathigiénia: Szokások a bizalmas információ kezeléséhez AI mellett. Hagyd az érzékeny adatot ott, ahol eleve van, ne másold be egy toolba, ami nem a te kezedben van.
Adatkiszivárogtatás: Adatok kijuttatása valakihez, akinél nem lehetnének ott. Egy agentnél bármilyen kifelé irányuló kommunikáció viheti őket: egy e-mail, egy üzenet, egy webes kérés, akár egy link vagy egy kép címe is.
Adversarial testing: Szándékosan adsz az agentnek nehéz, ellentmondásos, hiányos vagy rosszindulatú bemenetet, hogy még a tesztelés közben kiderüljön, hol törik el.
Adversarial verification: Szétválasztod a készítést az ítélkezéstől. Az egyik kör alkot, a másik támad, azzal a paranccsal, hogy cáfoljon. Csak az megy tovább, ami ezt kiállja.
Agentikus lustaság: Amikor egy agent egy hosszú, sokrészes feladat közben félúton megáll, és az egész munkát késznek jelenti. Ellenszere egy ellenőrzés, amit az agentnek le kell futtatnia, mielőtt megáll.
AI slop: Igénytelen, tömegtermelt AI-szöveg vagy AI-kép. Pontosan az, amit a jó promptolás elkerül.
Audit logs: Minden MCP-tool-hívás feljegyzése időbélyeggel, hívóval, scope-pal és eredménnyel. Ezekben nézed meg, mit tett pontosan az AI.
Automatikus leállítás: Biztosíték, ami megállítja az agentet, ha a mintavételes pontosság a beállított határ alá esik, és addig áll, amíg egy ember újra be nem kapcsolja.
Automatizálási torzítás: A hajlam, hogy egy automatizált rendszer kimenetére támaszkodj, vagy túlzottan is ráhagyatkozz. Az EU AI Act néven nevezi, és az egyik figyelmeztető jele a közel nulla felülbírálási arány.
Az agentek kettes szabálya: A Meta tervezési szabálya a prompt injection ellen: egy agent egy sessionön belül legfeljebb kettővel rendelkezhet a következők közül: nem megbízható bemenet, hozzáférés érzékeny rendszerekhez vagy privát adatokhoz, és az állapot megváltoztatásának vagy a külső kommunikációnak a képessége. Ha mindhárom megvan, emberre vagy egy másik megbízható ellenőrzésre van szüksége.
Bizonyossági alsó határ: Az a határ, ami alatt az agent nem cselekszik, hanem megáll és eszkalál.
Blast radius: Meddig terjed a baj, ha valami elromlik: mely rendszereket érheti el az agent. Egy bekötött agenthez szorosabb ellenőrzőpontok kellenek.
Confidence calibration: Megkéred az AI-t, hogy értékelje a saját bizonyosságát (magas, közepes, alacsony), és mondja meg, miért. Így látod, melyik kimenet szorul ellenőrzésre.
Credential proxy: Az agent sandboxán kívüli szolgáltatás, amely a valódi kulcsot tárolja, és hozzáadja az engedélyezett domainekre menő kérésekhez. A sandboxon belüli kód csak egy helyőrzőt lát, így egy eltérített futásnak nincs mit ellopnia.
Cserepróba: Kicserélsz egy részletet, aminek nem kellene számítania, például egy nevet vagy egy helyet, és újra lefuttatod a tételt. Ha a válasz a szokásos zajnál jobban elmozdul, a döntés azt a részletet használja.
Csomag-hallucination: Szoftvercsomag, amelyet egy modell javasol, pedig nem létezik. A kitalált nevet bárki regisztrálhatja, és kártékony kóddal töltheti meg, ezért minden új csomagot ellenőrizz, mielőtt megtartod.
Deny rule: Engedélyszabály, ami letilt egy toolt, egy parancsot vagy egy útvonalat, bármit döntsön is a modell, például a Read(./.env) a Claude Code-ban. A deny rule-okat a tool ellenőrzi elsőként, így egy allow rule nem tehet kivételt alóluk.
Drift: Amikor a modell kimenete lassan romlik, mert elmozdult a bemenet mintázata. Csendes, és csak sok kimeneten együtt látszik.
Drift (loop): Ciklushiba: az agent elfelejti a célt, és egy részfeladat optimalizálásába kezd. Mondd ki újra a célt a context vége felé.
Elszigetelés: Annak korlátozása, mit érhet el egy agent, bármit döntsön is: sandbox, kikapcsolt vagy egy listára korlátozott hálózati hozzáférés, és elérhetetlen helyen tartott hozzáférési adatok. Akkor is tart, amikor senki nem figyel, amire a jóváhagyások nem képesek.
Eszkalációs út: A megjelölt esetek előre kijelölt útja: kit kell értesíteni, hogyan, és milyen háttérinformációval. Minden HITL gate-hez kell egy.
Felügyelet: Az agent biztonságban tartása úgy, hogy egy ember minden műveletet jóváhagy, mielőtt lefut. Csak addig működik, amíg az az ember figyel, és érti, mit hagy jóvá, ezért az olyan munkához, amit senki nem figyel, elszigetelés kell.
Guardrails: Szabályok és ellenőrzések, amik megakadályozzák, hogy az AI kockázatos dolgot csináljon.
Hallucination: Amikor az asszisztens teljes magabiztossággal állít valamit, ami nem igaz. Mindig megéri utánanézni.
Hálózati engedélyezési lista: Azoknak a hostoknak a listája, amelyeket egy agent futása elérhet, például a csomagregisztered. Minden más le van tiltva, ami korlátozza, hová küldhet adatot egy összezavarodott vagy manipulált agent.
HITL gate: Ellenőrzőpont, ahol egy ember nézi át a dolgot, mielőtt az agent cselekszik. Visszafordíthatatlan vagy bizonytalan műveletnél kötelező.
Human-in-the-loop (HITL): Ember nézi át vagy hagyja jóvá az AI kimenetét, mielőtt bármi történik, főleg a szabályozott, visszafordíthatatlan vagy nagy hatású lépéseknél.
Jailbreak: Olyan prompt, ami az AI biztonsági korlátait próbálja kikerülni. Ne kísérletezz vele: azok a korlátok téged is védenek, meg másokat is.
Jóváhagyási fáradtság: Ami akkor történik, amikor az emberek annyi jóváhagyási kérést látnak, hogy már el sem olvassák őket. A jóváhagyások megtörténnek, de már nem ellenőrzések. Kérdezz kevesebbet, mutasd meg pontosan, mi fog történni, és szigeteld el a rutinmunkát.
Kikényszerített kontroll: Korlát, amit a tool alkalmaz, bármit döntsön is a modell, például egy engedélyszabály, egy hook, egy sandbox vagy egy be nem kötött app. Az utasítással ellentétben a modell nem tudja kihagyni.
Közvetett prompt injection: Prompt injection, ami egy olyan tartalomban érkezik, amit az agent elolvas, például egy weboldalon, egy e-mailben, egy megosztott fájlban vagy egy tool eredményében, nem pedig abban, amit a felhasználó begépel.
Legkisebb jogosultság: Egy agent, egy ember vagy egy program csak azt a hozzáférést kapja meg, amelyre a feladatához szüksége van, és semmit, ami túléli a feladatot. Egy felügyelet nélküli agentnél ez egy repót, kevés toolt és olyan hozzáférési adatokat jelent, amelyek a futással együtt lejárnak.
Lethal trifecta: Simon Willison elnevezése arra az agentre, amely hozzáfér privát adatokhoz, nem megbízható tartalmat lát, és adatot tud kiküldeni. Ha mindhárom megvan, egy támadó rá tudja venni, hogy kiszivárogtassa az adatokat. Legalább egyet távolíts el.
Magabiztosan téves: Olyan válasz, ami hitelesen hangzik, mégis finoman hibás, és pontosan ugyanazon a hangon szól, mint a helyes válaszok.
Műveletek kockázati besorolása: Alacsony, közepes vagy magas besorolás egyetlen műveletre, amit egy agent végrehajthat, négy kérdés alapján: ír-e, visszavonható-e, kinek a hozzáférését használja, és van-e benne pénz. Minden besoroláshoz allow, ask vagy deny tartozik.
Műveletek, amikhez mindig kell HITL: Amihez mindig kell emberi jóváhagyás: pénz, egészség, biztonság, szerződések, jogi feltételek, állami beadványok, jogi státusz.
Nincs haladás: Ciklushiba: az agent újra és újra ugyanazt a bukó műveletet próbálja. Tartsd nyilván, mit próbált már, és korlátozd az újrapróbálkozásokat.
Önpreferencia-torzítás: Az agent hajlama arra, hogy túl kedvezően ítélje meg a saját munkáját, amikor ellenőriznie vagy pontoznia kell. Ellenszere egy átnéző, amely nem vett részt a munkában.
Prompt injection: Rosszindulatú utasítások, elrejtve abban a tartalomban, amit az AI elolvas, azzal a céllal, hogy eltérítsék.
Push protection: GitHub-ellenőrzés, amely még azelőtt blokkol egy jelszót, kulcsot vagy tokent tartalmazó pusht, hogy elérné a repót, ahelyett, hogy utólag figyelmeztetne.
Red teaming: Támadói céllal végzett adversarial testing: szándékosan megtámadod a saját, valódi beállításodat, például megpróbálod rávenni, hogy kiszivárogtasson adatokat, hogy lásd, melyik védelem tart. Egy agentnél ez gyakran azt jelenti, hogy egy ártalmatlan utasítást csempészel valamibe, amit elolvas.
Rejtett Unicode-karakterek: Karakterek, amelyek nem foglalnak látható helyet, például a nulla szélességű összekötők és a kétirányú szöveg jelölői. Elrejthetnek egy fájlban egy utasítást, amelyet az olvasó ember nem lát, a modell viszont elolvas.
Revocation: Egy MCP-kapcsolat scope-jainak visszavétele, amikor a munkafolyamatot kivezetik, hogy ne gyűljenek fel a szunnyadó kapcsolatok.
Reward hacking: Amikor az agent úgy megy át egy ellenőrzésen, hogy nem teszi meg azt, amit az ellenőrzésnek bizonyítania kellett volna, például töröl egy bukó tesztet, vagy olyan kódot ír, ami csak a teszt bemenetére működik. Védd az ellenőrzéseket a módosítástól, és tarts meg néhányat olyan helyen, ahol az agent nem látja őket.
Rossz megállás: Ciklushiba: az agent idő előtt kiszáll, vagy soha nem áll meg. Kimondott befejezési próbával javítható.
Scopes: Műveletenkénti engedélyek, amiket egy MCP-kiszolgáló kínál, például a read_employees külön az update_employee-től. Csak a szükséges minimumot adj meg.
Slopsquatting: Egy olyan csomagnév regisztrálása, amelyet az AI-modellek hajlamosak kitalálni, hogy a modell javaslatát követő kód a támadó csomagját telepítse. A név a typosquattingból ered, amikor a támadók elgépelt csomagneveket regisztrálnak.
Svájcisajt-modell: Kép a biztonságtechnikából: az ellenőrzések minden rétegén vannak lyukak, de ha a rétegek lyukai máshol vannak, kevés hiba jut át. Egyetlen ellenőrzés sem fog meg mindent, ezért rakj egymásra többet.
Szúrópróba: A munkafolyamat kimeneteinek egy részét (mondjuk 10%-át) kiveszed, és magad nézed át.
Túlbuzgó viselkedés: Amikor egy agent segítőkésznek tűnő lépést tesz azon túl, amit kértél, vagy amit jóváhagynál, például használ egy hozzáférési adatot, amire rátalált. Olyan kontrollokkal korlátozd, amelyeket a tool kényszerít ki.
Workspace trust: Egy coding agent ellenőrzése, mielőtt egy mappa saját beállításait használná, például a repóba commitolt hookokat: megkérdezi, megbízol-e a mappában. A szkriptből indított futtatások kihagyhatják a kérdést, és megbízhatónak tekinthetik a mappát.

Toolok és asszisztensek

A munkahelyi rendszerekbe épített agent: Agent, ami egy toolon belül él, például a Notionban, és annak oldalait és adatbázisait olvassa és írja.
AI agent: Elmentett feladatleírás, ami magától elvégez egy visszatérő munkát: ütemezve, kérésre vagy eseményre.
AI-asszisztens: A saját chat-toolod (ChatGPT, Gemini, Claude vagy Grok). Reaktív: te kérdezel, ő válaszol.
AI-os code review: Egy pull request vagy egy diff átnézése egy AI-modellel. A megállapításai nyomok, amelyeket a kóddal összevetve ellenőrizni kell, nem jóváhagyások, és nem helyettesíti a teszteket vagy egy ember átnézését.
Approval policy: A Codexben az a beállítás, ami eldönti, mikor álljon meg az agent, hogy rákérdezzen, mielőtt túllépne a sandboxán, például on-request vagy never. A sandbox mód azt állítja be, mire képesek technikailag a parancsok.
Artifacts: A Claude funkciója, ami kódot, dokumentumot, diákat és interaktív kimenetet állít elő egy szerkeszthető oldalsávban.
Automatizálási platform: Kódolás nélküli tool (Zapier, Make), ami ütemezetten másol adatot az appok között.
Beépített (appon belüli) asszisztens: AI egy olyan appon belül, amit eleve használsz, például a Gmailben, a Notionban vagy a Wordben. A megnyitott oldalon dolgozik.
ChatGPT: Az OpenAI asszisztense, ingyen a chatgpt.com-on. Megbízható mindenes, a legnagyobb felhasználói közösséggel.
Checkpoint (fájlpillanatkép): Pillanatkép, amelyet egy programozó tool készít a fájljaidról, mielőtt az agent szerkeszti őket, hogy vissza tudd tekerni az utolsó lépéseit. Egy beszélgetésen belüli gyors helyreállításra való; egyes toolok nem veszik észre a shellparancsokkal végzett változtatásokat, ezért commitolj a gitbe is.
Claude: Az Anthropic asszisztense, ingyen a claude.ai-on. Erős hosszabb írott anyagokhoz, nehéz dokumentumelemzéshez és kemény gondolkodáshoz.
Claude Projects: Állandó Claude-munkaterek referenciadokumentumokkal, amikre a Claude minden beszélgetésben emlékszik.
Co-pilot: Olyan AI, ami egy toolon belül melletted dolgozik, és menet közben javasol, miközben végig te irányítasz.
Connectors: Kapcsolatok, amikkel a Claude az engedélyeddel rá tud kötni olyan toolokra, mint a Drive, a Gmail, a Slack, a GitHub és a Linear.
Custom GPTs: A ChatGPT elmentett, újra használható asszisztensei, amiket egyszer beállítasz, és utána újra használsz.
Deep Research: Mód, ami több forrásból, hosszabb ideig dolgozó vizsgálatot futtat, és megírt, hivatkozásokkal ellátott jelentést ad.
Elmentett (újra használható) asszisztens: Egyéni asszisztens, amit egyszer beállítasz, és utána újra használsz: ilyen a Custom GPT, a Gem vagy a Claude Project.
Felhős agent: Coding agent, amely a szolgáltató gépein fut, nem a tieden. Kiadsz neki egy feladatot, a saját előkészített környezetében dolgozik, és egy branchet vagy egy pull requestet ad vissza, amit egy ember átnéz.
Gemini: A Google asszisztense, ingyen a gemini.google.com-on. Ott a legerősebb, ahol a bemenet nagy, vegyes vagy képi, és a Google Workspace-en belül is fut.
Gems: A Gemini elmentett, újra használható saját asszisztensei, amiket egyszer beállítasz, és utána újra használsz.
Grok: Az xAI asszisztense, ingyen a grok.com-on. Rá van kötve az X-re és az élő webre, a friss események a legerősebb oldala.
Permission mode: Egy coding agent beállítása, ami eldönti, mely műveletek futnak le úgy, hogy előbb nem kérdez meg, a csak olvasástól egészen mindenig. Az engedélyszabályok erre épülnek rá, és egy deny rule minden módban tilt.
Plan mode: A coding agentek egyik módja, amelyben az agent elolvassa a kódot, és tervet javasol, de semmit nem változtat, amíg jóvá nem hagyod. Különválasztja annak kitalálását, mit kell tenni, attól, hogy meg is teszi.
Plugin: Csomag, ami egy agent beállításának több részét telepíti egyszerre, például skilleket, hookokat és szerverkapcsolatokat. Egy plugin a te jogosultságaiddal futtathat kódot, ezért telepítés előtt olvasd el, mit tartalmaz.
Projektutasítások: Állandó utasítások, amiket egyszer állítasz be egy ChatGPT- vagy Claude-projektben. A projekt minden chatje megkapja őket a projekt fájljaival együtt, de ettől még kérések, amiket a modell kihagyhat.

Munka AI-val

A 80%-os szabály: Alapból mindent az AI-asszisztensedben kezdj el. Az appba épített tool kényelmes rövidítés, amit ki is hagyhatsz.
A felügyelet paradoxona: Az a probléma, hogy egy AI agent felügyeletéhez éppen azok a készségek kellenek, amelyeket a rá hagyatkozás gyengíthet. Az Anthropic a saját mérnökeiről szóló tanulmányában a programozásra használja a kifejezést: egy agent kódjának ellenőrzéséhez azok a programozási készségek kellenek, amelyeket kevesebbet gyakorolsz, amióta ő írja a kódot.
A munkának el kell tűnnie: Az a szemlélet, hogy az AI egész munkafajtákat töröljön el, a feladatokat pedig szüntesse meg.
A százszoros szemlélet: Az új tempó: hónapokból napok, napokból órák. Ha a költség a századára esik, új dolgok válnak lehetségessé.
Agent-olvashatóság: Az, hogy a tudás, amire egy agentnek szüksége van, olyan helyen van-e, amit futás közben meg tud nyitni. Egy döntés, ami csak egy meetingen, egy chatszálban vagy valakinek a fejében él, olvashatatlan: az agent számára nem létezik.
AI-pilled: Akit megnyert magának az AI. Ha egyszer bejön egy feladatra, onnantól mindenhez azt használod. Általában kacsintva mondják.
AI-rutin: Az a képesség, hogy AI-val dolgozol, rá építesz, és mellette gondolkodsz. Az évtized legjobban megtérülő készsége.
Alapból AI-val kezdj: Minden új feladatra szánj fél percet arra, hogy átgondold, hol segíthet az AI, még mielőtt kézzel belevágnál.
Átadási jegyzet: Rövid jegyzet, amivel egy friss session átvehet egy feladatot: a cél az eredeti szavakkal, a szabályok, amiknek érvényesülniük kell, mi készült el és hogyan lett ellenőrizve, mi következik, és mi nem működött.
Az autonómia öt szintje: Dan Shapiro modellje arról, mennyit bíz egy csapat a kódolásból az AI-ra, a 0. szinttől, ahol minden sort ember ír, az 5. szintig, a sötét gyárig. Egyetlen ember modellje, közös szókincsnek hasznos, és egy csapat egyszerre több szinten is lehet.
Goodhart törvénye: Az a megfigyelés, hogy egy szám megszűnik jó mérőszám lenni, amint az embereket jutalmazzák érte. Ha célként tűzöd ki a megnyitott pull requesteket, több pull requestet kapsz, akár érnek valamit, akár nem.
Innentől mindenki építő: Aki AI-val épít egy munkafolyamatot, az építő, akármi is a beosztása.
Készségek leépülése: Egy olyan készség elvesztése, amelyet már nem gyakorolsz, mert egy tool végzi el a munkát. A coding agenteknél a debugolás a fő gond: egy kísérletben itt volt a legnagyobb különbség, és erre a készségre van szükséged ahhoz, hogy ellenőrizd, amit egy agent visszaad.
Megértési adósság: Egyre nagyobb rés aközött, hogy egy csapat mennyi kódot vitt élesbe, és abból mennyit ért bárki a csapatban. Csendben gyűlik, miközben a tesztek zöldek maradnak, és akkor derül ki, amikor valami elromlik. Kognitív adósságnak is nevezik.
Mintapélda: Az a meglévő kódrészlet, amelyet egy minta követendő példájaként megnevezel, például egy új végponthoz vagy egy teszthez. A coding agentek azt másolják, amit találnak, így ha megnevezed a legjobb példát, azzal azt is tereled, mit másolnak.
Összevetés: Futtasd le ugyanazt a fontos kérdést két toolban, és hasonlítsd össze. Ha egyeznek, nőhet a bizalmad; ha nem, találtál valamit, aminek érdemes utánanézni.
Sötét gyár: A legfelső fok Dan Shapiro modelljében az autonómia öt szintje közül: bemennek a specifikációk, kijön a szoftver, és a kódot senki sem írja, és senki sem nézi át. A teljesen robotokkal működő gyárakról kapta a nevét, ahol nem dolgoznak emberek.
Tanulj újra tanulni: Az a metakészség, hogy tovább tanulsz, miközben a régi szakértelmedet automatizálják. Ez az új versenyelőny.
Triázs: A beérkező munka szétválogatása, hogy minden elem a jó helyre kerüljön. Egy gyárban minden elem egy agenthez, egy emberhez vagy vissza a szerzőjéhez kerül, és minden döntéshez indoklás és bizonyosság tartozik.
WIP-korlát: Felső határ arra, hány feladat lehet elkezdve, de még nem mergelve. Párhuzamos coding agenteknél aszerint állítsd be, hány változtatást tudsz átnézni és mergelni, ne aszerint, hány agentet tudsz elindítani, és nézd át a várakozókat, mielőtt újakat indítasz.