AI kód audit és javítás
Az AI megírta. Mi rendbe tesszük.
AI-val készült weboldalak, alkalmazások és belső rendszerek kódauditja, refaktorálása és stabilizálása. Megkeressük a duplikációkat, a felesleges kódot és azokat a rejtett hibákat, amelyek miatt minden új módosítás egyre nehezebb – és rendbe tesszük őket, újraírás nélkül.
Mi az az AI kód audit, és miért kell?
Az AI kód audit egy AI-val készült – vagy jelentős részben AI segítségével fejlesztett – szoftver strukturált átvizsgálása. Megnézzük az architektúrát, a kódismétlést, a biztonsági kockázatokat, a hibakezelést és a tesztelhetőséget, majd prioritás szerint rendezett javítási tervet adunk.
A Cursor, a Claude Code, a ChatGPT, a GitHub Copilot, a Lovable, a Bolt vagy a Replit hetek helyett napok alatt működő prototípust ad. Ez az úgynevezett vibe coding: természetes nyelven írod le, mit szeretnél, és az AI megírja a kódot. A gond akkor kezdődik, amikor a projekt sok különálló promptból, egységes szabályok nélkül nő tovább. Az AI kód audit ezen a ponton segít.
Nem vagyunk AI-ellenesek. Mi magunk is fejlesztünk AI-val – csak kontrolláltan.
Ismerős tünetek egy AI-val épült projektben
Nem kell fejlesztőnek lenned ahhoz, hogy észrevedd, ha egy alkalmazás kezd kicsúszni az irányítás alól.
Egy javítás után elromlik valami más.
Megoldunk egy hibát, és előkerül helyette kettő másik.
Ugyanaz a funkció több helyen is létezik.
Az AI nem a meglévő megoldást használta újra, hanem írt egy újat.
Egyre nehezebb új funkciót hozzáadni.
Ami az elején egy prompt volt, ahhoz ma öt másik helyen is bele kell nyúlni.
Egy problémára több különböző megoldás született.
Más elnevezések, más struktúrák és más logika ugyanabban a projektben.
Működik, de már senki nem mer hozzányúlni.
Talán ez a leggyakoribb jel.
Két-három tünet már elég ok arra, hogy belenézzünk.
Az AI gyors. A kontroll nélküli növekedés drága.
A Veracode 2025-ös, több mint 100 nyelvi modellt vizsgáló kutatása szerint a modellek a kódfeladatok 45%-ában OWASP Top 10 kategóriájú biztonsági hibát vezettek be.
Veracode, 2025. júliusA CodeRabbit 2025 decemberi elemzése szerint az AI által írt pull requestekben átlagosan 1,7-szer több hibát találtak, mint az emberi fejlesztők kódjában.
CodeRabbit, 2025. decemberEz nem azt jelenti, hogy az AI rossz kódot ír. Azt jelenti, hogy egy gyorsan növő kódbázisnak ugyanúgy szüksége van ellenőrzésre és karbantartásra, mint bármely más szoftvernek.
Az AI szeret hozzáírni. Mi szeretünk törölni.
A jó AI kód refaktorálás nem arról szól, hogy még több kódot írunk. Megkeressük, ami ismétlődik, ami felesleges, ami rossz helyen van, és amit egyszerűbben is meg lehet oldani.
- Kevesebb felesleges kód
- Kevesebb hiba és meglepetés
- Egy logika egy helyen
- Áttekinthető, tesztelhető modulok
Mit vizsgálunk az AI kód audit során?
Nem azt keressük, hogyan lehetne mindent újraírni. Azt nézzük meg, mi az, ami már most is jó, és mi az, ami később problémává válhat.
-
Architektúra
Követhető-e, hogyan épül fel az alkalmazás, és hol húzódnak a felelősségi határok?
-
Kódismétlés
Ugyanaz a logika több helyen, több változatban is megtalálható?
-
Felesleges (dead) kód
Maradtak használaton kívüli komponensek, függvények vagy teljes fájlok?
-
Biztonság
Rendben van-e a jogosultságkezelés és a személyes adatok GDPR-nak megfelelő kezelése? Nem kerültek-e titkos kulcsok a kódba? Védi-e szabály (például Supabase RLS) az adatbázist?
-
Hibakezelés
Mi történik, ha valami nem úgy működik, ahogy az AI feltételezte?
-
Integrációk
Megbízhatóan működnek-e a fizetési (SimplePay, Barion, Stripe) és számlázó (Számlázz.hu, Billingo) kapcsolatok, és a visszahívások (webhookok)?
-
Tesztelhetőség
Ellenőrizhető-e, hogy egy módosítás után is működik-e minden fontos funkció?
-
Teljesítmény
Van-e szükségtelen adatlekérés, ismételt számítás vagy túlzott komplexitás?
-
Függőségek
Tényleg szükség van minden csomagra és könyvtárra? Vannak-e elavult vagy sérülékeny verziók?
-
AI-következetlenségek
Ugyanarra a problémára több különböző mintát használ a rendszer?
Az eredmény egy érthető lelet: mi kritikus, mi fontos, mit érdemes később javítani, és hol nincs szükség változtatásra.
Így dolgozik az AI Doktor: hat lépés
Nem újraírjuk. Rendbe tesszük. Lépésről lépésre, mérhető kontrollal.
-
Anamnézis
Megnézzük, hogyan készült az alkalmazás, milyen AI-eszközöket használtatok, és hol tapasztaltok problémát.
Eredmény: kiindulási kép.
-
Diagnózis
Átvizsgáljuk a kódot, az architektúrát, a kritikus folyamatokat és a technikai adósságot.
Eredmény: részletes lelet.
-
Kezelési terv
A találatokat fontosság és kockázat szerint rendezzük: kritikus, fontos, ajánlott, később.
Eredmény: prioritizált javítási terv – te döntöd el, milyen mélységig megyünk.
-
Kezelés
Refaktorálunk, egyszerűsítünk, összevonjuk a duplikációkat és javítjuk a hibákat.
Eredmény: tisztább kódbázis.
-
Kontroll
Automatikus tesztekkel ellenőrizzük, hogy a javítás után is ugyanazt tudja-e az alkalmazás, mint előtte.
Eredmény: ellenőrzött működés.
-
Megelőzés
Szabályokat, dokumentációt és AI-utasításokat építünk a projektbe.
Eredmény: kisebb esély arra, hogy ugyanaz a probléma újratermelődjön.
Ugyanaz az alkalmazás. Kevesebb káosz.
Előtte
Ugyanaz az árszámítás három fájlban, háromféleképpen implementálva: a kosárban, az összesítőben és a számlázásban. Egy ÁFA-változásnál három helyen kell javítani – és az egyik biztosan kimarad.
Utána
Egy közös árszámító szolgáltatás, amit mindhárom hely használ. Egy logika, egy teszt, egy javítási pont.
- const total = items.reduce((s, i) => s + i.price * i.qty, 0) * 1.27
- const sum = items.map(i => i.price * i.qty).reduce((a, b) => a + b) * 1.27
- let total = 0; for (const i of items) { total += i.price * i.qty } total *= VAT
+ export const total = (items: LineItem[]): Money => applyVat(subtotal(items))Nem a kevesebb kódsor a cél, hanem az egyszerűbb rendszer.
Nemcsak a kódot tesszük rendbe. Az AI-t is betanítjuk.
Ha továbbra is AI-val fejlesztetek, az AI-nak is értenie kell, hogyan épül fel a projekt. Olyan szabályokat építünk be, amelyekből minden új feladatnál tudja, hogyan dolgozzon tovább – ne üres lappal induljon.
- CLAUDE.md és AGENTS.md projektszabályok
- Kódolási konvenciók és architektúra-dokumentáció
- Linting és statikus kódelemzés
- Automatikus tesztek a kritikus folyamatokra
- CI: minden módosítás automatikus ellenőrzése
Mikor érdemes beszélnünk?
Neked szól, ha…
- AI segítségével készült egy alkalmazásod, ami már fontos a vállalkozásodnak.
- Egy működő prototípust szeretnél éles rendszerként használni.
- Cursorral, Claude Code-dal, ChatGPT-vel, Lovable-lel, Bolttal, Replittel vagy más AI-eszközzel épült a projekt.
- A rendszer működik, de egyre nehezebb módosítani.
- Fejlesztőnek adnád át, de előtte rendbe tennéd.
- Nem tudod, mennyire biztonságos vagy stabil a jelenlegi megoldás.
- Továbbra is AI-val fejlesztenél – csak kontrolláltabban.
Nem feltétlenül nekünk való, ha…
- csak egy apró CSS-hibát kell kijavítani;
- teljesen új alkalmazást szeretnél nulláról – erre a szoftverfejlesztés szolgáltatásunk való;
- kizárólag automatikus, emberi ellenőrzés nélküli kódszkennelést keresel.
Javítás vagy újraírás? Őszinte döntés.
Az audit egyik legfontosabb eredménye ennek a kérdésnek a megválaszolása. Nem eladni akarunk egy újraírást – sokszor nincs is rá szükség.
Rendbetétel
Az alapok jók, a gond a duplikációkban, a hiányzó tesztekben és a következetlenségekben van. Ez a leggyakoribb eset.
Részleges átépítés
Egy-egy modul (például a jogosultságkezelés vagy a fizetés) annyira kusza, hogy gyorsabb újraépíteni, mint javítgatni. A többi rész marad.
Újraírás
Ha az alapstruktúra nem bírja el a következő egy-két év fejlesztéseit, ezt is őszintén megmondjuk – és megmutatjuk, mit lehet átmenteni a meglévőből.
Ami jó, az marad.
a Netipar csapatába fektetett bizalmad?
Kérdések az AI kód audit előtt
Mi az az AI kód audit?
Egy AI-val készült vagy jelentős részben AI segítségével fejlesztett szoftver strukturált átvizsgálása. Megnézzük a kódismétlést, az architektúrát, a biztonsági kockázatokat, a felesleges kódot, a hibakezelést és a tesztelhetőséget, majd prioritizált javítási tervet adunk.
Újra kell írni az AI-val generált alkalmazásomat?
Nem feltétlenül. Az esetek többségében a meglévő rendszer jó részei megtarthatók. Az audit egyik célja éppen annak eldöntése, hogy mit érdemes megtartani, mit kell refaktorálni, és hol indokolt komolyabb átalakítás.
Rossz kódot ír az AI?
Nem ez a kérdés. Az AI kiváló fejlesztési eszköz. A probléma általában akkor jelenik meg, amikor egy projekt sok különálló promptból, hosszabb idő alatt, egységes architektúra és szabályok nélkül növekszik.
Mi az a vibe coding?
Olyan fejlesztési mód, amelyben a felhasználó természetes nyelven instruálja az AI-t, és kevésbé foglalkozik a kód részleteivel. Így nagyon gyorsan készülhet prototípus, de egy növekvő rendszernek idővel ugyanúgy szüksége van struktúrára, tesztekre és karbantartásra.
Milyen AI-eszközzel készült projektet tudtok javítani?
Gyakorlatilag bármelyikkel: Cursor, Claude Code, ChatGPT, GitHub Copilot, Lovable, Bolt, Replit, v0 vagy más eszköz. Nem az számít, mi generálta a kódot, hanem az, hogy milyen állapotban van most a rendszer.
Milyen technológiákkal dolgoztok?
Leginkább webes projektekkel: PHP és Laravel, JavaScript és TypeScript, Vue, React, Next.js, Node.js, valamint Supabase- és Firebase-alapú alkalmazásokkal. Ha a projekted más technológiára épül, az első egyeztetésen megmondjuk, tudunk-e érdemben segíteni.
Mennyibe kerül egy AI kód audit?
Az ár a kódbázis méretétől, a technológiától és a kért mélységtől függ, ezért egyedi ajánlatot adunk. Az első egyeztetésen felmérjük a projektet, és csak ezután kérünk döntést.
El fogjátok törölni a teljes kódot?
Nem. Ami jó, az marad. A változtatásokat kockázat és várható haszon alapján tervezzük meg, és minden javítás után ellenőrizzük, hogy az alkalmazás ugyanúgy működik-e.
Mi történik az audit után?
Kapsz egy prioritizált képet a projekt állapotáról: mi kritikus, mit érdemes hamarosan javítani, mit lehet későbbre hagyni, és hol nincs szükség változtatásra. Ezután döntheted el, hogy a javítást velünk, saját csapattal vagy más fejlesztővel végzed.
Fejleszthetek utána továbbra is AI-val?
Igen, sőt: az egyik célunk éppen az, hogy a projektet alkalmasabbá tegyük a kontrollált, AI-alapú továbbfejlesztésre – projektszabályokkal, tesztekkel és automatikus ellenőrzéssel.