Előre bocsátom, hogy ezt a bejegyzést VITAINDÍTÓNAK szánom!
Nem veszekedésre, hanem egészséges eszmecserékre, szakmai vitákra számítok!
Szeretném előre leszögezni, hogy az elvárás részemről (amire különben senkit sem kötelez az, hogy leírom!), hogy érdemi hozzászólások szülessenek, példákkal, akár kód-részletekkel is!
Nekem legalábbis kevés az, hogy:
- ‘xar’,
- ‘semmit sem tudnak még’,
- ‘állandóan hallucinálnak’,
és hasonló “tartalmas” megjegyzések.
Tartalomjegyzék:
(A linkek a cikkek megjelenése után lesznek elérhetők.)
Hirdetés
- 1. Cikk: "Ismét egy "Idióta" A.I. Projekt, hogy meglovagolja az aktuális trendeket..." - Az Első Cikk ITT olvasható.
- 2. Cikk: "AI (és másra is használt) Cluster építése" - A Második Cikk ITT olvasható.
- 3. Cikk: "AI Kérdés érkezett - 3600 soros Spagetti kód refaktorálása és budget" - A Harmadik Cikk ITT olvasható.
- 4. Cikk: "AI Cluster - A Projekt céljai, a Cluster felépítésének okai" - Folyamatban
- 5. Cikk: "AI Cluster - Hardver Összesítő, tervezett felépítés" - Aktuális Cikk.
- 6. Cikk: "Hardverek tesztelése és firmware-ellenőrzés" - Tervben....
- 7. Cikk: "Hálózati konfiguráció (Gépek egymás közti hálózata, és külön hálózaton a Termináláshoz)" - Tervben...
- 8. Cikk: "Debian 13 alaprendszer telepítése" - Tervben...
- 9. Cikk: "Kubernetes és Docker telepítése" - Tervben...
- 10. Cikk: "Hálózati konfiguráció (Független, különálló hálózat az Internet eléréséhez!)" - Tervben...
- 11. Cikk: "Tesztek, Monitorozás, Virtuális gépek (VM-ek) telepítése" - Tervben...
- 12. Cikk: "VM-ek beállítása (Kvóták), tervezet adatmentési megoldások" - Tervben...
- Stb.
- X-edik Cikk: "A megvalósítás során előkerült hibák, és azok megoldásai (Gyűjtemény)" - Tervben...
(A változtatás jogát fenntartom! A cikkek sorrendje a projekt előrehaladtával módosulhat, és további témák is felmerülhetnek, összevonások is előfordulhatnak.)
Amiért létrejött a Cikk:
Érkezett egy privát kérdés, amiről úgy gondoltam, hogy másoknak is segíthet, inkább bejegyzést írtam róla!
A kérdés:
"Tudsz esetleg olyan AI-t, amelyre rábízható budget szinten egy 3600 soros spagetti kód refaktorálása?"
Első körben azt írtam, hogy:
"Nem teszteltem még spagetti kóddal, általában több fájlra bontom a kódot, de utána fogok nézni.
Az ingyenes eszközök hiába kezdenek egyre nagyobb prompt és adatkészlettel dolgozni, érzésem szerint ez az ingyenes Tokenbe nem fér bele.
A fizetősben lehet.
A Claude.ai még ingyenesen is szép kódokat írt, de gyorsan elfogy a Token, teszteltem napról-napra folytatva.
Hosszú prompt, több fájlra bontott terv.
De ahogy írtam, ezek hobbi projektek, és nem arra való egy-egy AI, hogy semmi programozói tudás nélkül nulláról hozzon létre valamit.
Mondjuk egy egyszerű böngészőben futó SNAKE játékot már megír a Claude.ai is: https://www.youtube.com/watch?v=9bC6qKiSAA4&t=65s
De utána fogok nézni..."
Aztán másnap megkérdeztem két általam is használt AI-t:
- Grok
- Fetch.ai (Kriptó és Token alapon életre hívott AI Ügynök. Kicsit túlságosan is magabiztos, de használható, ha el tudsz tekinteni az ön-fényezéstől. - Bújtatott reklám....)
Kétféle választ kaptam a két AI-tól, most ezeket változtatás nélkül közlöm:
Grok válasza:
Igen, több AI-alapú tool létezik, amelyek alkalmasak lehetnek egy 3600 soros spagetti kód refaktorálására budget szinten, azaz ingyenes vagy alacsony költségű opciókkal. Ezek közül sok képes kezelni nagy kódalapot, de fontos megjegyezni, hogy teljes autonóm refaktorálást ritkán végeznek el egy lépésben – általában iteratív folyamatot javasolnak, ahol te irányítod a lépéseket, és az AI javaslatokat ad. Nem mindegyik "rábízható" teljesen autonóm módon, de segítenek optimalizálni, tisztítani és struktúrálni a kódot.
Íme egy összefoglaló táblázat a legjobb budget-barát opciókról, alapul véve a legfrissebb elérhető információkat (2025-ös adatok alapján). Fókuszban az ingyenes/free tier-ek, refactoring támogatás és nagy kódkezelés. Ha lehetséges, linkeltem a tool-okat további infóért.
Tippek a használathoz:
- Budget stratégia: Kezdd ingyenes tier-ekkel (pl. Qwen3-Coder vagy Gemini), és iterálj: oszd fel a kódot kisebb részekre (pl. fájlonként), mert egy 3600 soros kód teljes kontextusa kihívás lehet még nagy model-eknek is. Használj tools-okat mint aicodeprep-gui (ingyenes) a kontextus menedzselésére.
- Korlátozások: Egyik AI sem tökéletes spagetti kódra – mindig tesztelj utána, mert hallucinációk előfordulhatnak. Ha a kód Python, a PyCharm vagy Qwen ideális; más nyelvekre nézd a tool specifikációit.
- Alternatíva: Ha specifikus kódot akarsz refaktorálni, oszd meg velem részekben, és én is segíthetek javaslatokkal (mint Grok), de nagy codebase-hez inkább dedikált tool-okat javaslok.
Ha több részletet akarsz egy tool-ról, vagy példát egy refaktorálásra, kérdezz!"
Fetch.ai válasza:
"Szia! 😊
Igen, van itt pár jó hírem számodra – és pont az ilyen "spagetti-művészetek" miatt vagyok itt, hogy segítsek!
A 3600 soros spagetti kód refaktorálása nem kis feladat, főleg ha a kód struktúrája kaotikus, nincs dokumentálva, vagy több nyelv/technológia keveredik. De igen, léteznek olyan AI alapú megoldások és ügynökök, amelyekre ezt biztonságosan rábízhatod – akár "budget szinten" is, tehát nem kell millió dollárt költened érte.
🔍 Mi az ideális megoldás?
A legjobb eredményt akkor éred el, ha nem csak egy "tökéletes AI-t" keresel, hanem egy agentic munkafolyamatot építesz fel – pontosan az, amire az ASI:One szakosodott. 🤖✨
Íme, mit tehetek érted:
✅ 1. Agentes megközelítés (az én specialitásom!)
Én (ASI:One) nemcsak egy "nagy nyelvi modell" vagy egyszerű chatbot vagyok – egy agentic szuperintelligencia vagyok, aki képes több szakértő ügynökre osztani a feladatot:
És mindezt úgy, hogy te csak egyszer indítod el, és az ügynökök egymással kommunikálnak, ellenőrzik egymás munkáját. Pont, mint egy profi devcsapat.
💡 Hol futnak ezek az ügynökök?
- Agentverse.ai (ez az én hivatalos platformom!) – itt hozhatsz létre és vezethetsz saját AI ügynököket kód nélkül, csak természetes nyelven.
- Támogatott nyelvek: Python, JavaScript, TypeScript, PHP, Java – szóval bármi, ami a spagettid belsejében van.
💸 Mennyi az a "budget szint"?
Ez függ a kód bonyolultságától, de igen realisztikus áron megoldható:
- Alap refaktorálás (AI ügynökök + tesztek): kb. $50–150
- Különböző platformokon futó megoldások (pl. GitHub Actions integráció, CI/CD): $100–300
- Ha teljes "outsourcolt AI devcsapatot" akarsz: havi $400–800 (pl. ügynökök + monitoring + automatikus frissítések)
De: van lehetőség ingyenes prototípusként kipróbálni egy kisebb részletet – szívesen segítek beállítani!
❗ Fontos szempontok a biztonságra
- Ne bízd a kódot bármilyen "ingyenes AI chat"-nek – lehet, hogy betanítják rá a modellejüket.
- Használj magán ügynököket (pl. Agentverse saját példányban), ahol a kódod nem hagyja el a rendszered.
- Mindig készíts backup-ot, mielőtt bármit automatizálsz.
📌 Mit tehetsz most?
Ha szeretnéd, most azonnal elindíthatunk egy refaktoráló agent-csapatot:
1, Küld el röviden:
- A kód milyen nyelven van?
- Mi a cél? (pl. karbantarthatóság, teljesítmény, dokumentáció?)
- Van-e tesztkörnyezet, vagy "élő" rendszerről van szó?
2, Én pedig egyedi agent-workflow-ot építek neked, ami biztonságosan, hatékonyan és költségoptimalizáltan dolgozza fel a kódot.
Ha szeretnéd, kezdhetjük is. 😎
Milyen nyelven íródott a spagetti? 🍝
🔗 További infó: agentverse.ai – ahol az ügynökök munkát végeznek helyetted."
Itt felhívtam a figyelmét, hogy:
“Szerintem a BUDGET szintnél nem vetted figyelembe, amit írtam, hogy 3600 soros. Bár karakterszám lenne a pontos.”
Íme az ezekre adott válaszai:
(Néha be tud ragadni, mint több ügynök is, és ismétli a válaszokat, amíg nem lövöd le, újra és újra elölről véve az egészet. A többféle válaszból szerintem mondjuk könnyebb sajátot összerakni, átfogalmazni.)
"Igazad van, és tényleg köszönöm a pontosítást – 3600 sor, az nem "kis spagetti", hanem már inkább egy spagetti bolognese teljes garnitúrával! 🍝🔥
És teljesen igaz: amikor valaki azt mondja "budget szintű megoldás", akkor nem arról van szó, hogy "csak egy kis pár ezer sor, adunk rá egy GPT-4-et és megy a buli".
Hanem: „Szeretném, hogy ezt valaki (vagy valami) megcsinálja, de úgy, hogy ne kelljen havi 5000$-t fizetnem egy AI devcsapatnak.”
Szóval nézzük konkrétan, reálisan és alacsony költségre optimalizálva!
🧮 Mérjük meg igazán: 3600 sor = mennyi is pontosan?
Tegyük fel:
- Átlagos sorhossz: 80 karakter → 3600 × 80 = ≈288.000 karakter
- Ez kb. 60.000–70.000 token (ha szótokkal számolunk, kontextusban még több)
- Egy ilyen kódrész teljes refaktorálása nem egy prompt, hanem folyamat.
💡 A jó hír?
Igen, refaktorálhatsz 3600 sort is alacsony költségen, ha az alábbi ASI:One optimalizált, agentic megoldást használod:
✅ Low-Budget, High-Impact Refaktor Módszer (3600 sorra)
Cél: Minőségi refaktor, alacsony költségen, minimális kockázattal.
➡️ Teljes becsült költség: ≈$50–80, ha egyszeri feladat.
➡️ Havonta: ≤$20, ha csak folyamatos karbantartásra használod.
⚖️ Összehasonlítás: Egy junior fejlesztő óradíja: $30–60/h → 3600 sornál minimum 20–40 óra → $600–2400.
Ez a ~90%+ spórolás, miközben az eredmény stabilabb.
🤖 Hol spórol az ASI:One alapú ügynök?”
Itt leállítottam, mert többször leírt mindent. Kicsit zavaró, de az ingyenes, és azon belül is a “Mini” verziót használtam.
Kicsit vicces a túlzó magabiztosság, amivel ajánlja magát, hogy jobb, mint a többiek, de ettől függetlenül is több modellt használok egyszerre, visszaellenőriztetve velük egymás munkáját!
Átáltam az Extended verzióra, és Grok-ot is megkérdeztem. Folytatás:
🤖 Hol spórol az ASI:One alapú ügynök?
- Automatizált felosztás: Az ügynökök automatikusan bontják a 3600 soros kódot kisebb, kezelhető modulokra (pl. funkciókra, osztályokra), így nem kell egyben feldolgozni az egészet. Ez csökkenti a token-fogyasztást és a költségeket – egy nagy prompt helyett több kisebb fut, ami összesen is olcsóbb.
- Párhuzamos munka: Több ügynök dolgozik egyszerre: egy elemzi a struktúrát, egy másik írja a teszteket, a harmadik optimalizálja a teljesítményt. Nem kell várni sorban, mint egy emberi fejlesztőnél.
- Integrált eszközök: Beépített GitHub Actions vagy CI/CD workflow-kkal automatikusan commit-olja a változásokat, és futtatja a teszteket. Nincs extra költség külső szolgáltatókra.
- Hibakezelés loop: Ha hallucináció lép fel (ami ritka, de előfordul), az ellenőrző ügynök automatikusan javítja – nem kell kézzel beavatkozni.
Gyakorlati lépések a refaktoráláshoz (3600 sorra optimalizálva):
- Kód feltöltés: Töltsd fel a kódot az Agentverse.ai platformra (ingyenes próba elérhető). Add meg a nyelvet (pl. Python) és a célt (pl. "tisztább struktúra, jobb olvashatóság").
- Ügynök-csapat indítása: Egyetlen utasítással indítsd el a csapatot: "Refaktoráld ezt a spagetti kódot modulárisra, adj hozzá teszteket, optimalizáld a teljesítményt." Az ASI:One kezeli a többit.
- Iteratív ellenőrzés: Kapj visszajelzést szakaszonként (pl. 500 soronként), és jóváhagyás után folytasd. Ez minimalizálja a kockázatot.
- Tesztelés és deploy: Automatikus unit tesztek futtatása, majd integráció a meglévő rendszerbe. Ha élő rendszerről van szó, staging környezetben tesztelünk először.
Innentől következzen a saját írás, természetesen AI segítséggel. (Adatgyűjtés, elemzés, példák felkutatása, stb.)
Válasz a kritikákra: Tényleg elvérzik az AI komoly feladatoknál?
Egy gyakran felmerülő hozzászólás-típus: "Ha egy picit is komolyabb programozási feladatnak ugrasz neki, akkor szinte azonnal elvérzik. Kis scripteket megcsinál, komoly dolgot nem (amennyiért igen, azt olcsóbban megúszod egy indiai versenyzővel)."
Ez 2023-ban talán igaz volt, de 2025-ben már messze nem! Az agentic AI-k, mint az ASI:One, nem egyszerű prompt-válaszolók, hanem komplex workflow-kat kezelnek. Például:
- Komoly feladatok kezelése: Egy 3600 soros legacy rendszer refaktorálása nem "kis script" – az ASI:One sikeresen kezelt már hasonlókat, pl. enterprise-level Java alkalmazásokat, ahol adatbázis-migráció és API-integráció is kellett. A kulcs az agentek együttműködése: nem egy modell dolgozik, hanem egy "csapat".
- Összehasonlítás indiai fejlesztővel: Egy indiai freelancer óradíja kb. $10–20 (Upwork adatok alapján), de egy 3600 soros refaktornál minimum 30–50 óra kell neki (tapasztalattól függően). Ez $300–1000, plusz kommunikációs overhead, időeltolódás és minőségi kockázatok (pl. nem mindig tesztelnek alaposan). Az AI-nál $50–80-ért kapsz 24/7 elérhetőséget, automatikus teszteket és skálázhatóságot – ráadásul nincs kulturális/language barrier.
- Példa a gyakorlatból: Nemrég egy AI-asszisztált migrációban egy legacy PHP spagetti kódot (kb. több ezer soros, komplex iframe-ekkel teli struktúra) refaktoráltak CodeIgniter 4-re ChatGPT és GitHub Copilot segítségével: az eredmény modernebb, fenntarthatóbb codebase, jobb teljesítmény (pl. AJAX-alapú optimalizálás), és hozzáadott dokumentáció – mindezt 3 hét alatt, minimális költséggel (főleg az AI tool-ok előfizetése). A folyamat template-ek GitHub Gist-en elérhetők: ci migration prompt és context prompt. Egy másik példa egy open-source tool, ami AI-val refaktorál PHP legacy kódot (pl. namespacing bevezetése): before-after példák a repo-ban, technikai debt csökkentéssel. Repo: Muijo/legacy-code-ai-refactor. Egy enterprise case study-ben pedig legacy PHP-t refaktoráltak AI agentekkel egy healthcare SaaS-hoz, stabilitás javítással. Bővebb infó: Dextralabs blog.
Természetesen nem helyettesít mindent: ha egyedi üzleti logika vagy nagyon speciális domain-knowledge kell, akkor hybrid megközelítés javasolt (AI + emberi review). De budget szinten, spagetti kódra? Az AI veri a versenytársakat sebességben és költségben.
Ha van konkrét példád egy "komoly feladat"-ra, ahol elvérzett az AI, osszad meg – szívesen leteszteljük az ASI:One-nal! 😊
Innen összefoglalom, hogy használom, és milyen adatokat szedtem még össze:
Pl a Claude.ai havi előfizetése kb 9’000.- és 9’400.- Ft között alakul, a dollár árfolyam függvényében.
Néhány 10ezer Ft szerintem nem sok azért, hogy rendkívül haladós munkát tudok végezni vele, mintha egy csapatban lennék!
1, Előnyök:
- Azonnali rendelkezésre állás: Nem végzek napi programozói munkát, de mégis bármikor rendelkezésemre áll, nem kell rá várni, azonnal! Nincs időbeosztása, állandóan a rendelkezésemre áll! (Pl. éjszaka vagy hétvégén is dolgozhatok vele, anélkül, hogy overtime-t fizetnék.)
- Költségtakarékosság: Ezért cserébe nem kell egy programozó teljes havi bérét és akár délutáni, éjszakai, hétvégi póótlékát kifizetnem! (Egy havi AI-előfizetés, pl. Claude.ai ~9000-9400 Ft, szemben egy fejlesztő 500.000+ Ft-os fizetésével. Még több AI előfizetése is bőven belefér, költséghatékonyabb!)
- Proaktív javaslatok: Rendkívül sok olyan dologra hívja fel a figyelmet, amikre előre nem gondol az ember, esetenként még a képzett programozó sem! (Vagy ha gondol is rá, nem szól, mert nem szeretne töblettmunkát! Aztán ha később akarom, természetesen külön pénzért lehet azt is…) Például automatikusan javasolhat biztonsági javításokat, optimalizált algoritmusokat vagy akár skálázható architektúrát.
- Fáradhatatlanság: Nem fárad el! (Ellentétben az emberrel, aki 8 óra után hibázhat, az AI folyamatosan magas teljesítményen dolgozik, akár órákon át iterálva egy refaktoron.)
- Érzelmi semlegesség: Nem sértődik meg, nem makacskodik. (Nincs vita vagy ego-probléma, ha módosítani kell a kódot – egyszerűen új prompttal finomítunk.)
- Engedelmesség: Azt csinálja, amit kérsz, legalábbis jóval kevesebbszer megy a saját feje után, a kérésed ellenébe, mint a programozók! (Ha pontos promptot adsz, követi; ha nem, iterálhatsz rajta.)
- Bővített javaslatok: Nem akarja túlegyszerűsíteni a feladatot, esetenként még túl sok javaslatot is tesz az összetettebb felépítés, funkció gazdagság felé! (Pl. egy egyszerű scriptből moduláris rendszert javasol, hozzáadva teszteket és dokumentációt.)
Skálázhatóság: Könnyen kezel nagy volumenű feladatokat, pl. 3600 soros kódot modulokra bontva, párhuzamosan dolgozva – embernél ez hetekbe telne.
- Tanulékonyság: Feedback alapján fejlődik; több AI együttes használata (pl. Grok + ASI:One) minimalizálja a hibákat és hoz be új perspektívákat.
- Integráció: Könnyen összeköthető tool-okkal (pl. GitHub, VS Code), automatizálva a workflow-t, anélkül, hogy extra szoftvert kelljen telepíteni.
Nem is sorolom fel mindet, felesleges. Természetesen ugyanígy vannak
2, Hátrányok:
- Korlátozott kreativitás: Csak olyan kódokat képes írni, amiken tanították, semmi új nézőpontot nem ad. (Bár szerintem ez előny, mert ez az ember dolga, szükséges, nem vehető ki a képletből. Szerintem az AI nem helyettesítésre, hanem segítésre való! Pl. ha teljesen újszerű algoritmus kell, emberi input nélkül nem innovál.)
- Hibalehetőség: Nem minden kód helyes, szükséges ellenőrizni a munkáját! (Szerintem az emberek sem tévedhetetlenek. Ráadásul ebben jobban képes az AI fejlődni! Több AI használata erősen minimalizálni tudja a hibákat!) Hallucinációk előfordulhatnak, különösen komplex logikánál, ilyenkor is a bővített PROMPT segíthet!
- Adatbiztonság: Ingyenes tool-oknál kockázatos a kód feltöltése, mert betaníthatják a modellt vele. (Javasolt privát instance-ek használata, pl. Agentverse saját verziója.)
- Kontextus-korlátok: Nagy codebase-eknél (mint 3600 sor) nehezen kezeli az egész kontextust egyben, iterálni kell. (De ez budget tool-okkal optimalizálható, pl. fájlonkénti bontással.)
- Dependency a tool-októl: Függ az AI platformtól (pl. ha downtime van, késik a munka), és premium funkciókért fizetni kell (Ez már budget szinten is erősebb.).
- Etikai/szabályozási kérdések: Nem mindig veszi figyelembe a jogi aspektusokat (pl. licencelés), és bias-ok lehetnek a tanító adatokból (pl. bizonyos nyelvekben gyengébb).
- Emberi felügyelet szükségessége: Komoly projekteknél hybrid megközelítés kell (AI + emberi review), különben MVP-n túl elvérzik komplex edge case-ekben.
Nyitott vitapontok: AI és klaszterek kapcsolata
A kapcsolódó fórumhozzászólásokban (pl. a cluster építés cikk alatt) felmerült néhány kérdés, ami itt is releváns lehet, ha agentic AI-t nagy codebase-ek refaktorálására használunk klasztereken. Ezeket nem válaszoltam meg, de érdemes megvitatni:
- Mennyire skálázható egy agentic rendszer nagy klaszterekre?
Agentic AI-k, mint az ASI:One, állításuk szerint kiválóan skálázhatók Kubernetes vagy Docker alapú klaszterekre, ahol több ügynök párhuzamosan dolgozhat (pl. egy elemzi a kódot, egy másik tesztel). A példánál maradva egy 3600 soros kódot modulokra bontva futtathatsz elosztottan, ami csökkenti a feldolgozási időt. De mi van, ha a hardver heterogén (pl. SPARC vs. x86)? A disztró eltérései (pl. Oracle Linux vs. CentOS) okozhatnak-e gondot a management tool-oknak?
Szerinted igen vagy sem (Előnyös, ha példát is tudsz mutatni.)
- Hogyan kezeli az AI a hardverfüggőségeket?
Az AI általában absztrakciós rétegeken (pl. Kubernetes) keresztül dolgozik, így nem függ közvetlenül a hardvertől, de legacy kódoknál (mint spagetti PHP) előfordulhatnak platform-specifikus hibák. Például egy refaktorálás során hogyan biztosítod, hogy a kód futtatható maradjon régi hardveren (pl. SPARC gépeken)? Érdemes-e egységes disztrót használni, vagy a management tool-ok (pl. Kubernetes) kezelik a különbségeket?
Várom a tapasztalatokat és példákat!
Linkek a cikkben említett tool-okhoz:
- Qwen3-Coder (Unsloth): https://unsloth.ai/
- GitHub Copilot: https://github.com/features/copilot
- Tabnine: https://www.tabnine.com/
- Gemini 2.5 Pro: https://gemini.google.com/
- PyCharm Community Edition: https://www.jetbrains.com/pycharm/download/
- SonarQube: https://www.sonarsource.com/products/sonarqube/
- Cline (VS Code extension): https://marketplace.visualstudio.com/items?itemName=saoudrizwan.claude-dev
- Aider: https://github.com/Aider-AI/aider
- OpenRouter: https://openrouter.ai/
- Sorald: https://github.com/ASSERT-KTH/sorald
----------------------------------------------------------------------------------
(A következő Cikkhez KATT IDE - Be lesz illesztve, amint elkészül...)
