Magyar AI tudásbázis
Ez az oldal egy alapoktól felépített AI tudásbázis. Az alapfogalmaktól indul, majd a workflow-kon és eszközökön keresztül eljut a rendszerszintű használatig.
Tanulási út
Ha most kezded: alapok. Ha már használod: workflow. Ha rendszert építesz: expert.
Az AI működésének megértése, a promptolás módszertana és a munkakörnyezet beállítása. Innen indul a tudásbázis.
Fogalmak, generatív vs. analitikus AI, történelem
15 perc
LLM belülről: tokenek, transformer, kontextus
20 perc
5 alaptechnika gyakorlati példákkal
15 perc
Chain-of-thought, few-shot, XML, Manus AI
25 perc
Programozási nyelvek, YAML, XML, Markdown, token-hatékonyság
15 perc
Miért érdemes minden AI-t személyre szabni – preferences, projektek, konnektorok
25 perc
Mi az AI?
Promptolás
Minőségét az határozza meg, hogy mennyire pontos a kontextus, a cél és a formátum. A prompt nem önálló cél, hanem egy lépés a folyamatban.
Add meg, ki vagy és miért kéred — ez határozza meg a stílust, a mélységet és a fókuszt.
Definiálj szerepet az AI-nak. Pontosabb kimenet jön belőle, kevésbé általános.
Kérd meg a kívánt struktúrát. A strukturált output már félkész munkaanyag.
Mondd meg, mit ne csináljon. A negatív instrukciók ugyanolyan fontosak, mint a pozitívak.
Workflow-k
A workflow azt mutatja meg, hogyan válik az egyszeri feladat ismételhető folyamattá.
Marketinges, újságíró, tartalomkészítő
Gyors kutatásból szerkesztett, jóváhagyható és kiküldhető tartalomfolyamat.
Sales, ügyfélkapcsolat, account management
Az AI összefoglalja az emailt, kiemeli a teendőt, majd a kapcsolódó ügyfélrekordot frissíti és szól a csapatnak.
Menedzser, projektvezető, fejlesztőcsapat
A meeting után az AI elkészíti az összefoglalót, kigyűjti a feladatokat, majd átteszi őket projektmenedzsment rendszerbe.
Marketing, brand, content ops
Egy hosszabb alapanyagból az AI több rövidebb formátumot készít különböző csatornákra.
Modellek
A különbség nem csak a modellekben van, hanem az integrációkban és a használati környezetben is.
AI ökoszisztémák
Mindhárom platform több réteget fed le: modell, chat felület, fejlesztői API és enterprise kontroll. A különbség az architektúrában és a hangsúlyokban van.
Claude mint AI operating environment: Projects, Claude Code, API, MCP.
Részletek →
Agentek
Lépésekben hajt végre feladatokat: keres, dönt, módosít, ellenőriz.
Eszközök és platformok
Ezek az eszközök különböző belépési pontok ugyanarra a rendszerre.
OpenAI nagy nyelvi modellje
💡 Használj részletes promptokat és kérj lépésről-lépésre magyarázatokat komplex feladatokhoz
Részletek →
Anthropic AI asszisztense
💡 Kiváló hosszú dokumentumok elemzésére és etikus AI válaszokra
Részletek →
Google multimodális AI modellje
💡 Integráld Google Workspace-szel a zökkenőmentes munkafolyamatért
Részletek →
xAI valós idejű AI asszisztense
💡 Valós idejű X/Twitter adatok és aktuális hírek elemzésére ideális
Részletek →
AI-alapú keresőmotor forrásokkal
💡 Citált forrásokkal dolgozik — jó kiindulópont kutatáshoz
Részletek →
Google saját dokumentumaidból dolgozik
💡 Töltsd fel forrásaidat és kérj összefoglalókat, kérdéseket, podcastot
Részletek →
Automatizáció
Az automatizáció időt spórol, csökkenti az ismétlődő manuális munkát és összeköti az appokat. Egyszer beállítod, és a rendszer elvégzi helyetted.
Mit csinál valójában
Vizuálisan felépíthető workflow motor, ahol lépésről lépésre irányítod az adatáramlást.
Mikor használod
Ha több lépéses, elágazásos logikát akarsz átláthatóan kezelni.
Részletek →
Mit csinál valójában
Előre definiált trigger → action rendszer, minimális konfigurációval.
Mikor használod
Ha gyorsan akarsz automatizálni, logika nélkül vagy minimális döntéssel.
Részletek →
Mit csinál valójában
Self-hostolt workflow engine, teljes kontrollal az adatok és logika felett.
Mikor használod
Ha saját infrastruktúrán futtatnál komplex automatizációt.
Részletek →
Expert szint
Egy rendszer: input → feldolgozás → döntés → output → visszacsatolás.
Trigger, AI-lépés, döntési pont és output — az ismétlődő munka önállóan fut.
Többlépéses működés: a rendszer tervez, végrehajt, ellenőriz és újrapróbálkozik.
Az AI nemcsak általános modellként, hanem a saját dokumentumaidból is dolgozik.
Ki, mit, milyen adatokkal és milyen review-val használhat — szervezeti kontroll.
Hallucináció, prompt injection, OWASP LLM kockázatok — mi az, amire nem lehet vakon bízni.
Fogalomtár
Ha egy kifejezésbe futsz bele, innen mélyíthetsz.
Modulok
A curriculum melletti mélyítések egy-egy szakterületre fókuszálva.
AI jövőkép
A következő évek fő kérdése nem az, hogy nő-e tovább az AI képessége, hanem hogy milyen gyorsan válik rendszerszintűvé a tudományban, a gazdaságban és az állami infrastruktúrában.
2030-ig tovább nő a tréningköltség, a számítási kapacitás és az energiaigény. Az AI egyre összetettebb tudományos és szoftveres feladatokat tud majd természetes nyelvi briefből végigvinni.
Az AGI időzítése vitatott, de a stratégiai irány már most látszik. A magyar 2025–2030-as MI Stratégia kompetenciafejlesztést, infrastruktúrát és KKV-transzformációt céloz EU-kompatibilis keretben.
A produktivitás nőhet, új szakmai szerepek jöhetnek létre — de a munkaerőpiac, az adatvédelem és a bias kérdései is velünk maradnak. A nagy téma egyszerre innováció és kontroll.
A következő lépés: válassz egy területet, és kezdd el alkalmazni.