# Miért végzi Claude a rossz feladatot, és hogyan javíthatod ki? > Claude azért ír mást, mint amit kérsz, mert elsieti a kódolást anélkül, hogy megértené a szándékodat. Megmutatom az okokat, és adok 3 kész promptot, hogy előbb kérdezzen. Source: https://ailoot.ai/blog/hu/why-claude-does-the-wrong-thing/ Canonical: https://ailoot.ai/blog/hu/why-claude-does-the-wrong-thing/ Language: hu Publisher: Ailoot (https://ailoot.ai/) Translation: guide-201 Revision: sha256-d6a75b199ac99dc276c6814a4c5ab7c1ae1fcbd7e7e23a01d5b6afa34baf1383
Fő tudnivaló Claude azért ír rossz dolgot, mert rögtön kódolni kezd, és maga találja ki, mit akartál. Gyakran téved. A probléma szinte soha nem a modellel van—még a legerősebb modell is melléfog, ha a feladat homályos. Egyetlen lépéssel orvoslom ezt: előbb megkérem Claude-ot, hogy kérdezzen ki, tárja fel a szándékomat, és csak utána írjon. Alább három azonnal használható promptot találsz, amelyeket kimásolhatsz és beilleszthetsz.
A szolgáltatás használatáról további információt az [Ailoot dokumentációjában](https://ailoot.ai/docs/) találsz. ## Miért csinál Claude rosszat?
Fő tudnivaló Claude kap egy rövid kérést, azonnal kitölti a hiányzó részeket, majd a feladat saját értelmezése alapján sietve kódolni kezd. Az ő változata eltér a tiédtől. Így lesz a várt egysoros módosításból 14 fájlt érintő diff. Az ok az, hogy rés van aközött, amit mondtál, és amit gondoltál. A modellnek ehhez szinte semmi köze.
Azt írod: „Adj szűrőket a termékoldalhoz.” Te néhány jelölőnégyzetre és egy frissített listára gondolsz. Claude ugyanezt hallja, és úgy dönt, hogy komplett szűrőmotort épít: saját állapottárolót, külön bemeneti késleltetési logikát, URL-szinkronizálást és egy tucat segédfüggvényt. Több száz sor, holott néhány URL-paraméter is elég lett volna. Egy ilyen esetben a következtetés egyértelmű: az ügynök nem hibázott; egyszerűen a szükségesnél jóval nagyobb problémát oldott meg. Az volt a hiba, hogy a kívánt eredményt nem írták le elég röviden és pontosan. A kulcsszó a „szándék”. A te fejedben ott van; Claude fejében nincs. A kérésed szövegét látja, valamint mindent, ami a kontextusában szerepel a kérésedig. Ezután találgatással tölti ki a hézagokat. Minél rövidebb a kérés, annál többet találgat—és annál messzebb kerül az eredmény attól, amit szerettél volna. Anthropic ezt egyértelműen megfogalmazza a Claude Code dokumentációjában:

Ha hagyod, hogy Claude rögtön kódolni kezdjen, lehet, hogy rossz problémát old meg.

— Claude Code Docs, https://code.claude.com/docs/en/best-practices
A saját projektemben is belefutottam ebbe. Egyetlen jogosultsági képernyő javítását kértem, és egy olyan diffet kaptam, amely a szomszédos modul felét érintette. Nem Claude volt a hibás: adtam neki egy sort, ő pedig maga kitalálta a többit. Azóta minden olyan feladatot kérdésekkel kezdek, ami több egy elgépelés javításánál—Claude teszi fel nekem ezeket a kérdéseket. ## Tényleg a modell a hibás, és miért vétenek még a legerősebbek is?
Fő tudnivaló A modell kevésbé számít, mint ahogy azt sokan gondolják. Homályos feladatnál még a legerősebb modell is melléfog: ugyanazokat a hiányos utasításokat kapja, és saját találgatásaival tölti ki a hézagokat. Azok a fejlesztők, akik kordában tartják az ügynöküket, ugyanazt az eredményt érik el csúcskategóriás és középkategóriás modellel is. Minden azon múlik, mennyire világosan fogalmazod meg, mit szeretnél. Itt a modell ereje másodlagos.
Minden héten érkezik egy „okosabb” modell az előzőnél, és minden alkalommal úgy érezzük, most végre néhány szóból is megérti, mit akarunk. De nem így lesz. Az erősebb modell gyorsabban ír kódot, és jobban kezeli az összetett logikát, de továbbra sem lát a fejedbe. Ha rosszul fogalmazod meg a feladatot, gyönyörűen megírt, de mégis hibás eredményt kapsz. A tanulság egyszerű. Zsákutca a legújabb modellt hajszolni, hogy jobban találgasson. Olcsóbb és megbízhatóbb megtanulni úgy feladatot adni neki, hogy ne kelljen találgatnia. Erről lesz szó a következőkben. ## Mi az a grilling, és hogyan oldja meg az AI-val való félreértéseket?
Fő tudnivaló A grilling azt jelenti, hogy megkéred az AI-t, előbb kérdezzen ki, és csak azután kezdjen dolgozni: részletes kérdéseket tesz fel a feladatról, amíg közös álláspontra nem juttok. A cél, hogy az első sor kód megírása előtt megszüntessétek a kommunikációs rést.
Ez ellentmondásosnak hangzik. Azért fordulunk az AI-hoz, hogy gyorsabban végezzünk, most pedig azt halljuk, hogy lassítsuk le, és előbb kérdezzen. De öt perc kérdezés kódolás előtt egyórányi utólagos javítást takaríthat meg. Nem csupán arról van szó, hogy rosszul magyaráztad el a dolgokat Claude-nak. Gyakran te magad sem gondoltad végig a feladatot—milyen esetekre kell felkészülni, hol húzódnak a határok, mi a legfontosabb. A grilling kérdésekkel segít mindezt felszínre hozni. A beszélgetés végére nemcsak az AI számára érthető feladatod lesz, hanem a saját feladatod is részletesen megfogalmazva. Így működik a kontextusmérnökség: a munka nagy része a prompt előtt történik, nem közben. Nem varázserejű promptszöveget keresel; előre körülírod Claude számára, mire van szükséged, amíg további magyarázat nélkül meg nem érti. ## Hogyan éred el, hogy Claude előbb kérdéseket tegyen fel?
Fő tudnivaló Adj Claude-nak egy rövid feladatleírást, és kifejezetten kérd meg, hogy a munka megkezdése előtt kérdezzen ki: kérdezzen a részletekről, a szélső esetekről és a korlátokról, majd a végén foglaljon mindent specifikációs fájlba. Ez Anthropic hivatalos ajánlása—a Claude Code dokumentációjában kész promptsablon található hozzá. Másold ki, módosítsd a leírást, és illeszd be a munkamenet elején.
Anthropic nemcsak engedélyezi ezt a megközelítést, hanem ajánlja is. A dokumentációban van egy „Hagyd, hogy Claude kikérdezzen” című rész egy kész prompttal. Íme egy gyakorlatias változat:
Prompt Grilling prompt—kérd meg Claude-ot, hogy kérdezzen ki ``` Ezt szeretném megépíteni: [a feladat rövid leírása]. A kód írása előtt kérdezz ki részletesen. Kérdezz a megvalósításról, a felületről, a szélső esetekről, a kockázatokról és az átváltásokról. Ne tegyél fel magától értetődő kérdéseket—áss mélyebbre azokban a trükkös részekben, amelyekre talán nem gondoltam. Egyszerre egy kérdést tegyél fel, és várd meg a válaszomat. Minden kérdésnél rögtön javasold a szerinted legjobb választ. Folytasd, amíg mindent át nem vettünk. Ezután állíts össze egy teljes specifikációt a SPEC.md nevű fájlba. ```
Három részlet teszi ezt a promptot hasznossá, nem pedig pusztán dekoratívvá. Először: „egyszerre egy kérdést”. Ha az AI egyszerre tíz kérdést zúdít rád, túlterhelt leszel, és felületesen válaszolsz. Másodszor: „javasold a válaszodat”: nem kell mindent nulláról kitalálnod; elfogadhatod vagy kijavíthatod a javaslatot. Harmadszor: „állíts össze egy specifikációt fájlba”: a belőled előhívott szándék olyan dokumentummá válik, amely nem vész el. Anthropic az erőfeszítés szempontjából írja le az előnyt:

A specifikáció pontosítására fordított idő értékesebb, mint a megvalósítás figyelésével töltött idő.

— Claude Code dokumentáció, https://code.claude.com/docs/en/best-practices
A kikérdezés után nyiss egy új munkamenetet, és add át neki az elkészült specifikációt. Tiszta kontextus és világosan megfogalmazott szándék—így Claude elsőre célba talál. ## A „bizonyítsd be, hogy ez a legjobb terv” technika
Fő tudnivaló Ne csak arra kérd az AI-t, hogy kérdezzen—kérd arra is, hogy védje meg a döntését. A feladathoz hozzáteszem ezt a követelményt: bizonyítsa be, hogy a javasolt terv a legjobb, nem csupán az első, ami eszébe jut, és hogy több lépéssel előre átgondolta. Ezzel Claude kilép az „csinálok valami hasonlót” módból, és kritikusként ellenőrzi a saját munkáját, mielőtt időt fordítanál a megvalósításra.
A grilling felszínre hozza a szándékodat. Az AI-nak azonban van egy másik szokása is: megragadja az első hihetőnek tűnő megoldást. Anthropic ezt „bízz, de ellenőrizz” résnek nevezi: Claude hihető megvalósítást készít, amely nem állja ki a szélső esetek próbáját. A megoldás az, hogy még a kód előtt bizonyítékot kérsz.

Ha nem tudod ellenőrizni az eredményt, ne küldd be.

— Anthropic, Claude Code Docs, https://code.claude.com/docs/en/best-practices
Szinte mindig hozzáadok egy „bizonyítsd be” részt a promptomhoz. Íme a pontos szöveg:
Prompt Prompt—kérd meg az AI-t, hogy védje meg a tervét ``` A kód írása előtt elemezd kritikusként a feladatot. Keress 2-3 megoldási módot. Mindegyiknél bizonyítsd be nekem, hogy valóban megoldja a feladatomat, nem pedig öncélúan bonyolítja a rendszert. Ne írj kódot pusztán a kódírás kedvéért. Ezután válassz egyet, és bizonyítsd be, hogy ez a legjobb megoldás, több lépéssel előre átgondolva. Mi romolhat el, ahogy nő a projekt? Mit nem vettünk észre most? Csak ezután javasolj megvalósítást. ```
E rész nélkül Claude az első működőképes lehetőséget adja. Ezzel viszont maga zárja ki a zsákutcákat, megindokolja a választását, és még azelőtt megmutatja az érvelését, hogy egyetlen fájlhoz is hozzányúlna. Két perc alatt elolvasol egy rövid szöveget ahelyett, hogy egy órán át próbálnád kideríteni, miért nem működik az elkészült kód úgy, ahogy vártad. ## Előzetes kudarcelemzés: kérd meg az AI-t, hogy még a kezdés előtt találjon 10 okot a kudarcra
Fő tudnivaló Az előzetes kudarcelemzés olyan módszer, amelyben megkéred az AI-t, képzelje el, hogy a projekt már megbukott, és nevezze meg az okokat. Claude az optimista „megcsinálom” módból átvált a gyenge pontok keresésére, amelyek máskülönben csak egy hét munka után kerülnének elő. Mielőtt időt fektetnél a projektbe, megkapod a kockázatok listáját, és előre kezelheted őket.
Ez a kedvenc módszerem, és pszichológiai alapú. Amikor arra kéred az AI-t, hogy „végezzen jó munkát”, a sikerre hangolódik, és átugorja a hiányosságokat. Kérd meg, hogy képzelje el a kudarcot, és elkezdi észrevenni azt, amit korábban figyelmen kívül hagyott. A prompt rövid:
Prompt Előzetes kudarcelemző prompt—keresd meg a hiányosságokat, mielőtt belevágsz ``` Képzeld el, hogy egy év múlva járunk. A projekt, amelyet tervezünk, megbukott. Írj le 10 okot, amiért ez történt. Mit nem vettünk figyelembe a kezdetekkor, mit becsültünk alá, hol vágtunk le sarkokat, és mely feltételezéseink bizonyultak tévesnek? Ezután mindegyik oknál mondd el, mit javíthatunk ki most, hogy kezeljük. ```
A terv jóváhagyása előtt futtatom ezt a promptot. Az okok fele ostobaságnak bizonyul, a másik fele viszont valódi buktató, amibe egy héttel később belefutottam volna. A tervezési szakaszban tíz perc orvosolni őket. Egy kész projektben napokig tartó vizsgálatot igényel, ha ekkor találkozunk velük. A kombináció egyszerű: a grilling felszínre hozza a szándékot, a „bizonyítsd be” megvédi a döntést, az előzetes kudarcelemzés pedig megtalálja a hiányosságokat. Három rövid szöveg, amelyet a kód megírása előtt illesztesz be. A kapkodó végrehajtóból gondolkodó munkatárssá változtatják Claude-ot. ## Miért viselkedik bután Claude a túlterhelt kontextusban?
Fő tudnivaló Claude kontextusablaka korlátozott—ennyi információt képes egyszerre fejben tartani. Amikor az ablak több mint félig megtelik, fontos részleteket kezd elveszíteni, összekeveri a korábbi megállapodásokat, és emlékezés helyett találgatással pótolja a hiányokat. A mindent egybefogó hosszú munkamenet gyakori oka annak, hogy a nap végére az AI valami egészen mást csinál, mint amiben reggel megállapodtatok.
Még a tökéletesen megfogalmazott feladat is szétesik, ha zsúfolt kontextusban dolgozol rajta. Így működik: minden új kérésed az egész beszélgetési előzményt Claude munkakontextusába viszi. Minél hosszabb a munkamenet, annál gyorsabban telik meg az ablak. Tartsd legfeljebb félig tele; azon túl az AI bután kezd viselkedni, és elveszíti az elején megbeszélt fontos dolgokat. Íme a szabály, amely a legtöbb bosszúságtól kímél meg: egy feladat, egy csevegés. Befejeztél egy függvényt? Zárd be a csevegést, és nyiss újat a következő feladathoz. Igen, néha kényelmesebb mindent egyetlen ablakban intézni, de az elvesző kontextussal és a témától eltérő válaszokkal fizetsz érte. Anthropic ezt a hibamódot „limlomfiók-munkamenetnek” nevezi. A megoldás egyszerű: a nem kapcsolódó feladatok között használd a `/clear` parancsot az ablak kiürítésére, hogy az előző feladat zűrzavara ne kerüljön át az újba. Ha hosszú munkameneteket használsz, és nem érted, mire megy el a pénz és az AI figyelme, erről külön írok az útmutatóban, amelyből megtudhatod, [hová kerülnek a Claude Code tokenjei](https://ailoot.ai/blog/hu/where-claude-code-tokens-go/). A minden indításkor beolvasott állandó kontextus alapjait pedig a [CLAUDE.md beállításáról szóló útmutatóban](https://ailoot.ai/blog/hu/claude-md-template/) foglaltam össze. ## Grilling vagy Plan Mode—mi a különbség, és hogyan illenek össze?
Fő tudnivaló A grilling és a Plan Mode ugyanannak a problémának két különböző felét oldja meg. A grilling kérdésekkel tárja fel a szándékodat, mielőtt terv készülne. A Plan Mode egy már megértett feladatból változtatási tervet készít, és nem nyúl semmihez, amíg jóvá nem hagyod. Együtt működnek a legjobban: előbb a grilling tisztázza, mit építünk, aztán a Plan Mode megmutatja, pontosan hogyan.
Gyakran összekeverik ezt a két technikát, vagy azt feltételezik, hogy csak az egyikre van szükség. A gyakorlatban a folyamat különböző pontjain használhatók. | Jellemző | Grilling | Plan Mode | |----|----|----| | Mikor történik | A terv előtt—tisztázza a szándékot | Utána—változtatási tervet készít | | Ki kérdez kit | Az AI kérdez ki téged | Elolvasod és jóváhagyod a tervet | | Mit kapsz | Feladatspecifikációt | Fájlonkénti változtatási tervet | | Fő előny | Megelőzi a „nem ezt akartam” helyzetet | Megelőzi a „semmi máshoz ne nyúlj” helyzetet | Anthropic egy négyszakaszos, bevett munkafolyamatot ír le: először Explore (Claude tanulmányozza a feladatot és kérdez), aztán Plan (módosítások nélkül készít tervet), majd Implement (a terv szerint megírja a kódot), végül Commit (rögzíti az eredményt). A grilling az első, a Plan Mode pedig a második szakaszban történik. A második szakasz részletes ismertetését lásd a [Claude Code Plan Mode-járól szóló útmutatóban](https://ailoot.ai/blog/hu/claude-code-plan-mode/). Anthropic maga is fontos kitételt tesz: ne terheld ezzel a kisebb feladatokat.

Ha egy mondatban le tudod írni a változtatást, hagyd ki a tervezést.

— Hivatalos Claude Code dokumentáció, https://code.claude.com/docs/en/best-practices
Elgépelés, átnevezés vagy egysoros változtatás esetén egyszerűen írd le közvetlenül, interjú vagy terv nélkül. A grilling kétértelmű, hibázás esetén költséges feladatoknál térül meg. Apróságoknál csak lelassít. ## 5 feladatmegfogalmazási hiba, amely miatt az AI rosszat csinál
Fő tudnivaló Az AI hibáinak szinte mindegyike öt feladatmegfogalmazási hibára vezethető vissza: homályos egysoros kérés, korlátok hiánya, „írj kódot” az „előbb értsd meg” szakasz nélkül, a „kész” meghatározásának hiánya, illetve egyetlen végtelen munkamenet minden feladathoz. Mindegyik miatt Claude találgatásokkal tölti ki a feladat részleteit. Alább bemutatom, hogyan néz ki mindegyik, és mivel helyettesítsd.
Táblázatban foglaltam össze a gyakori buktatókat. Balra látható, mit csinálnak általában az emberek, és miért rossz; jobbra az, mit tegyenek helyette. | Hiba | Így hangzik | Ehelyett ezt tedd | |----|----|----| | Homályos egysoros kérés | „Tedd jobbá a műszerfalat” | Írd le a feladatot, és indíts grillingmunkamenetet—hagyd, hogy az AI kérdésekkel tárja fel a részleteket | | Nincsenek korlátok | „Adj hozzá jogosultságkezelést” | Mondd el, minek nem szabad elromlania, milyen könyvtárakat ne hozzon be, és mi esik a feladat hatókörén kívül | | Rögtön „írj kódot” | Prompt—és kezdődhet a kódolás | Először „értsd meg és kérdezz”, aztán írj kódot | | Nincs meghatározva, mit jelent a „kész” | Azt várod, hogy az AI kitalálja az eredményt | Adj példát, referencia-képernyőképet vagy tesztet, amely megmutatja, mit jelent a „működik” | | Egy munkamenet mindenhez | Egész nap egyetlen csevegésben dolgozol | Egy feladat, egy új csevegés, hogy ne zsúfolódjon tele a kontextus | Nézd át az utolsó promptot, amelyre az AI rossz választ adott. Szinte biztos, hogy az öt hiba egyike okozta. Leggyakrabban az első: adtál neki egy rövid kifejezést, és elvártad, hogy Claude helyesen egészítse ki. Ki is egészítette—csak éppen nem úgy, ahogy gondoltad. ## Mi következik: építs rendszert, hogy az AI néhány szóból is megértsen
Fő tudnivaló Az egyedi promptok az egyedi feladatokat oldják meg. Ahhoz, hogy az AI minden alkalommal hosszú magyarázat nélkül értsen meg, rendszerre van szükséged: a grilling minden feladatnál feltárja a szándékot, a Second Brain tárolja a projekttudást, a kontextusmérnökség pedig összekapcsol mindent, amit Claude a prompt előtt elolvas. Így eltűnik az oka annak, hogy rosszat csinál: mindig elég kontextusa lesz ahhoz, hogy ne kelljen találgatnia.
Az útmutatóban szereplő három prompt—grilling, „bizonyítsd be” és előzetes kudarcelemzés—az adott feladatot kezeli. Ez már önmagában is sokat jelent: nem kapsz 14 fájlt érintő diffet, amikor csak egyetlen sor változtatását akartad. A grillingnek azonban van felső határa. Minden alkalommal elölről feltárni a szándékodat sok időt vesz igénybe. Az igazi változást az hozza, ha bizonyos kontextus mindig rendelkezésre áll: egy, a projekted tudását tartalmazó mappában, a Claude által minden indításkor elolvasott CLAUDE.md fájlban, valamint a skillekbe kódolt módszertanodban. Így az AI már úgy érkezik a feladathoz, hogy ismeri a vállalkozásodat, a céljaidat és a stílusodat—néhány szóból is megért, mert a kontextus felét előre megadtad neki. Anthropic friss elemzése jól megmutatja, mennyi munka van ebben: a fejlesztők munkájuk körülbelül 60%-ában használnak AI-t, de csak a feladatok 0-20%-ában bízhatnak meg benne teljesen. A többihez kell a te megértésed, felügyeleted és képességed arra, hogy elmagyarázd, mit kell megépíteni. Ezt a készséget érdemes fejleszteni, nem a legokosabb modellt hajszolni.
### Források - [Claude Code Docs - Best Practices (Let Claude interview you, plan mode)](https://code.claude.com/docs/en/best-practices) - [Anthropic - 2026 Agentic Coding Trends Report](https://resources.anthropic.com/2026-agentic-coding-trends-report)
Ismerd meg az [Ailootot](https://ailoot.ai/). ## Kérdések és válaszok: Miért végzi Claude a rossz feladatot: 3 kész prompt ### Mikor használjam az interjúpromptot az azonnali kódolás helyett? Akkor, ha a kívánt eredmény, a szélső esetek vagy a korlátok nem világosak, és a hibák sokba kerülnének. Egyszerre egy kérdést kérj, a megállapodott eredményt pedig mentsd a SPEC.md fájlba; egy elírás vagy egyértelműen leírt egysoros módosítás közvetlenül is kérhető. ### Mit ellenőrizzek a javasolt terv elfogadása előtt? Kérj két vagy három megközelítést, és hasonlítsd össze, hogyan teljesítik a specifikációt és a korlátokat. Ezután futtasd a lehetséges kudarcokat előre feltáró promptot, nézd át az általa felsorolt okokat, és kezeld a releváns kockázatokat a megvalósítás előtt. ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.