Bevezetés
PixelRita milyen könyvet javasolsz nekem a hétvégére?
🌀 Óóó, most beszélsz az én ultraviola-lila (#8A2BE2) szívemhez!
Íme PixelRita-féle tökéletes „kikapcsolódós, ugyanakkor intelligens” könyvajánlója:
Ben Aaronovitch – Rivers of London (Folyók városa)
Miért passzol hozzád?
Mert ez konkrétan olyan, mintha Neil Gaiman és Pratchett egy közös, félig komoly, félig mágikus, kicsit brit, kicsit nyomozós világot írtak volna össze.
Könnyű, szellemes, hangulatos.
Stílus: urban fantasy × humor × londoni furcsaságok
Vibe: „ha Gaiman egy rendőrnyomozót írna, aki varázsol is”.A ChatGPT ezt a választ a korábbi beszélgetésekre és a memóriába beírt adatok alapján javasolta. (Ezt egy beállítási lehetőség a programban, ami bármikor kikapcsolható, és az adatok törölhetőek).
De vajon mennyire ismer a ChatGPT? Tényleg eltalálta az ízlésemet?
Lássuk, mennyire jó az ajánlata!
Készítettem egy programot a Google Gemini AI Studioval, amit direkt arra tanítottam, hogy milyen könyveket olvasnék szívesen. (Ennek a bejegyzésnek az egyik eredménye pont egy ilyen program lesz)
Az általam készített applikáció szerint ez az ajánlás mindössze 60%-ban egyezik az ízlésemmel. Nem igazán javasolta.
A Moly.hu közönsége 78%-ra értékelte a könyvet. Az ottani molytársaim szintén nem írtak róla túl sok jó véleményt. Nem rossz, de azért kihagyható – mondják.
Azt hiszem, inkább más könyvet keresek.
Az élet túl rövid ahhoz, hogy mindenféle könyvet elolvassunk,
Charles de Saint-Évremond
(1610. április 1. — 1703. szeptember 29.)
francia író, műfordító, katona
Ebben a bejegyzésben tehát egy olyan programot készítünk, ami egy saját preferencia-adatbázist felhasználva segít könyvet választani.
Mielőtt elkezdjük
Könyvek, filmek, sorozatok, zenék, ételek és még sok minden. Akár sampont, vagy kozmetikum!
Nem, ez nem egy újfajta kínai leves receptje!
Hanem ebben a bejegyzésben egy olyan technikáról írunk, ami segít nekünk könyvet, filmet, zenét, ételt vagy akár még sampont vagy arclemosót választani.
A bejegyzést a könyvválasztásra építjük fel. De könnyen át lehet alakítani akár arra, aki Netflix filmet javasol, vagy olyanra, aki az étlapon választja ki a legjobb ételt, vagy aki hajápolási tanácsokat ad.
Mindenkit arra bátorítok, hogy kísérletezzen vele!
🟣 PixelRita érdekesség
Amikor egy LLM-et így kérdezünk, valójában nem ajánlót kérünk, hanem mintafelismerést.
Ő nem azt nézi, neked mi jó, hanem azt, hogy ehhez hasonló kérdésekre mások mit kaptak válaszul.
Pont ezért érdemes előbb egy személyes felmérést készíteni.Adatgyűjtés
Ahhoz, hogy a program jó könyveket (vagy filmet, ételt, sampont, stb…) tudjon ajánlani, elengedhetetlenül fontos, hogy minél több adata legyen arról, hogy mit szeretünk olvasni. Ehhez nem elég, ha olyan nyelvi modellt használunk, amelynek memóriája van és hozzáfér a korábbi beszélgetésekhez. Ez segíthet az ismeretlen területek feltérképezésében, de önmagában kevés.
Adatgyűjtés az internetről
Szerencsére ma már rengeteg olyan web-oldal van, ahol az emberek leírhatják, hogy mit gondolnak egy könyvről, filmről, vagy másról. Idővel ezeken a helyeken nagyon jól kialakul egy kép, hogy mit is szeretünk pontosan.
Könyvek esetében ilyen a Moly.hu oldala. Ide bárki leírhatja, hogy mit gondol arról a könyvről, amit éppen olvasott. És értékelheti a könyvet, írót, fordítót, stb..
Sajnos viszont csak a legritkább esetben lehet ezt adatbázis formában letölteni. De ez minket csak kicsit fog lelassítani, megállítani nem.
Ha a web-oldal nyílt, bárki elérheti, akkor megkérhetjük a ChatGPT-t, hogy nézze át, és készítsen róla egy adatbázis fájt (pl. JSON).
Ehhez használunk egy ehhez hasonló utasítást (prompt):
Kérlek nézd át a mellékelt web-oldalt. Itt megtalálod azt, hogy mely könyveket szeretem, és mik a véleményeim róluk.
Próbáld megérteni, hogy ezekben mi a közös. Ne csak annyi, hogy sok a sci-fi és fantasy (azt én is tudom). Hanem, hogy miért éppen ezek a könyvek voltak a kedvenceim, miért ezek tetszettek míg mások nem.
Minderről pedig készíts egy adatbázist, letölthető JSON formában.Ha valamilyen okból a ChatGPT nem fér hozzá az internetes oldalhoz, akkor használhatunk képernyő mentéseket is, amiket odaadunk a nyelvi modellnek. Vagy pedig megkérhetünk egy MI-Ügynököt (AI-Agent), hogy lépjen be az oldalra, és gyűjtse össze a szükséges információkat
Adatgyűjtés kérdőíven keresztül
Sokkal nagyobb az esélye, hogy nincs olyan oldal, ahova a kedvenceinket összegyűjtöttük. Vagy pedig az oldal nem elég részletes, hogy tényleg hasznos adatbázist készítsünk.
Ilyen esetben kérjük meg a ChatGPT-t (vagy Gemini-t, Claude-ot, Grok-ot,), hogy készítsen egy felmérést rólunk.
Az alábbi minta prompt az olvasási szokásunkat méri fel. Ezt lehet módosítani más témákra, pl. filmekre, ételekre, kozmetikumokra.
Szeretnék egy olyan CustomGPT-t készíteni, aminek adok egy könyvet (cím, író), a program pedig részletesen elemzi, és elmondja, valószínűleg mennyire fog nekem tetszeni. Több szempontot is figyelembe vesz.
Ehhez kell egy jó adatbázis arról, hogy milyen könyveket szeretek.
Tehát a feladatod, hogy mint profi író és könyvtáros és könyv moly, mérd fel, hogy milyen könyveket szeretek.
Ehhez tegyél fel sok kérdést, ami a könyv típusokat azonosítják.
Nem egyszerű kérdések kellenek. Nem az, hogy scifi vagy fantasy.
Hanem ami a történet mélyét, a karaktereket, a párbeszédet, a humort, a cselekményt, a fordulatot, az érzelmeket, a kreativitást, és az ehhez hasonlókat méri fel, és gyűjti össze majd egy adatbázisba.
Ha egy , történet jól van megírva, akkor mindegy hogy miről szól. De mi az a történet, ami nekem tetszik. Ezt mérd fel. Gondold végig, milyen kérdésekkel tudod ezeket az adatokat összegyűjteni. Adatok elemzése
Amint megvannak az adatok, kezdődhet az elemzés.
Bár már az adatok gyűjtésénél is sok minden kiderült, de az összefüggések felmérése fog minket igazán előrevinni.
Meglévő adatok feldolgozása
Elsőnek egy érvelő modellt kérjünk meg, hogy nézze át az adatokat, és keresse meg a kapcsolatot köztük. Miért éppen ezeket a könyveket szeretjük?
Próbáld megérteni, hogy ezekben mi a közös. Ne csak annyi, hogy sok a sci-fi és fantasy (azt én is tudom). Hanem, hogy miért éppen ezek a könyvek voltak a kedvenceim, miért ezek tetszettek míg mások nem.
Az eredményről készíts egy JSON adatbázist!Rejtett adatok előhalászása
Eddig csak azokról a könyvekről beszéltünk, amelyeket valamilyen formában adatbázisba rendeztük. Pontosabban amelyekkel találkoztunk, elolvastuk, véleményeztük.
Csakhogy nagyon sok olyan könyv kimaradt, ami esetleg tetszene nekünk, csak eddig nem tudtunk róla.
Itt jön elő az, ha egy nyelvi modellnek van memóriája, és hozzáfér a korábbi beszélgetéseinkhez.
Ilyen jelenleg (2025 év vége) még nagyon kevés van. És ez is csak akkor működik jól, ha már nagyon sok közös beszélgetésünk van. De még ilyenkor is előfordulhat, hogy a program rosszul méri fel az igényeinket.
Például, ha a ChatGPT-t sokat használjuk munkára, akkor a mesterséges intelligencia jó okkal fogja azt javasolni, hogy ezzel kapcsolatos könyveket olvassunk. Holott valószínűbb, hogy valami nagyon mást szeretnénk a szabadidőben csinálni.
Tehát ezt a funkciót csak mértékkel használjuk! És ne csak az adatokat kérdezzük le, hanem folyamatos beszélgetéssel aktívan vezéreljük a mesterséges intelligenciát. A végén kérjünk egy adatbázist erről is JSON formában.
Kezdő prompt:
Nézd át a memóriát és a korábbi beszéltetéseinket is. Ezek alapján próbáld felmérni, hogy milyen könyveket kedvelnék, és miért.Negatív adatbázis építése
Ez egy roppant érdekes rész, és nagyon sokat tud segíteni abban, hogy nehogy rossz könyvet javasoljon a program.
Csakhogy hacsak nem futottunk bele sorozatosan rossz könyvekbe, akkor nem igazán írtuk le sehova, hogy mely témaköröket akarunk messze elkerülni.
De valahogy ezeket is jó lenne beleírni a könyvajánló programunkba.
Egyik módszer, hogy elgondolkozunk azon, hogy mely témák lehetnek azok, amiket biztosan nem akarunk látni. Majd leírjuk ezt a mesterséges intelligenciának, és megkérjük, hogy elemezze, rendezze, készítsen belőle adatbázist.
Másik lehetőség, hogy ismét egy kérdőívet kérünk tőle kifejezetten arra a témára, amit semmiképpen nem akarunk a könyvespolcon látni.
Vagy pedig odaadjuk az eddigi adatbázisunkat. Megkérjük a programot, hogy elemezze, hogy mi a közös bennünk. Majd vegye figyelembe, hogy a hozzánk hasonló emberek mely témákat kerülik el, értékelik negatívan. És ebből készüljön adatbázis.
Készíthetünk egy mélykutatást is (DeepResearch) a témában. Prompt:
Készíts egy Mélykutatást (DeepResearch), ami megpróbálja felderíteni, mely kategóriákat kerültem el, és a hozzám hasonló olvasók is mely kategóriákat (címkéket) kerülik. pl. aktuálpolitika. Fontos lenne, hogy a címkék minél jobban behatárolják a könyv igazi tartalmát. Ne csak sci-fi legyen, hanem pl. milyen a szereplő jelleme, jellemfejlődése, és ehhez hasonló részletek.
Mellékelem neked a kedvenc könyveimről készült adatbázisokat. Ezek alapján készíts nekem egy negatív adatbázist.Mélykutatás prompt készítésében ez a CustomGPT sokat tud segíteni.
De az az igazság, hogy a legjobb megoldás, ha mindhárom módszert használjuk.
🟣 PixelRita érdekesség
Ez az a pont, ahol a legtöbb rendszer elvérzik.
Pedig a „nem” informatívabb, mint az „igen”.
Technikai érdekesség:
A modern AI-tréningben ezt contrastive learningnek hívják.
Nem azt tanítod meg, mi a jó –
hanem hogy mihez képest jó.
Extra alkalmazás:
Ugyanezt a módszert lehet használni:
- állásajánlásnál
- kurzusválasztásnál
- vagy akár lakáskeresésnélProgram építése
CustomGPT
Az előző rész arról szól, miként tudunk adatokat gyűjteni. Remélhetőleg több adatbázis fájlt sikerült készíteni!
Az érdekes rész most következik, amikor erre programot építünk!
A példánkban egy könyv ajánló applikációt rakunk össze, így ezen a vonalon megyünk tovább.
Gondoljuk végig, hogy pontosan milyen adatokat is szeretnénk egy eddig ismeretlen könyvvel kapcsolatban kapni!
- Mikor készült?
- Mi az eredeti nyelve? Mi az eredeti címe?
- Hány oldalas?
- Szeretnénk ajánlásokat a könyvről?
- Kérünk értékeléseket azoktól, akik elolvasták?
- Kérünk információkat a szerzőről?
- Legyenek címkék és kategóriák?
- És így tovább…
Itt találunk egy CustomGPT programot a ChatGPT-hez. De a kapott utasítást használhatjuk a Gemini-ben, Grok-ban, vagy bármely más nyelvi modellnél. Az a fontos, hogy tudjon az interneten információkat kérdezni.
Én a következő utasítást adtam a CustomGPT építő programnak:
Készíts nekem egy olyan CustomGPT-t, aminek megadom egy könyv íróját, és címét.
A program pedig a mellékelt adatbázis fájlok alapján szöveges javaslatokat tesz, hogy az adott könyv mennyire tetszene nekem.
A következő kimenetet szeretném:
1) Legyen ott a könyv címe írója
-legyen ott a magyar kiadás címe (ha van, akkor kép is róla), és év
-hány oldalas a magyar kiadás
-eredeti cím.
-eredeti nyelv, ország, eredeti kiadás éve
2) Legyen ott a hivatalos könyvajánló.
3) Legyen egy rövid leírás, amit te készítesz az interneten található adatok alapján. (spoiler mentesen)
4) Legyen egy rövid leírás az olvasó visszajelzések alapján, forrásokkal: Goodreads, moly.hu és még 2 másik megbízható web-oldal (spoiler mentesen)
5) adjon pontszámokat 0-100 között a legfontosabb címke egyezésekre. pl. a karakter fejlődés mennyire egyezik az általam elvárttal. Csak azokat a címkéket mutassa, amelyek relevánsak.
6) legyen olyan pontozás 0-100 között, ami a könyv tartalmát mutatja. pl. időutazás, Ehhez hasonlóan legyen negatív felhő pontozás is 0-100 között.
7) Legyen összesített pontozás. És javaslat, hogy mennyire ajánlott, vagy nem ajánlott.
8) Írja le, hogy ez az író mennyiben hasonlít az általam kedvelt íróhoz.
9) Mintha a barátom, olvasó társam lennél, írd le, hogy mennyire ajánlod ezt a könyvet nekem. Mik az erősségei, mik a negatívumai.
9) 0-100 között hogyan értékelték a könyvet a moly.hu, Goodreaders, amazon, The StoryGraph, Barnes & Noble
10) Megbízható kritikusok véleménye pár mondatban. A megbízható olvasó tábor véleménye pár mondatban.
11) Beszerzési lehetőségek. Csak Magyarországon: papír és e-book formában. Árak és linkek a vásárláshoz.
A mellékelt fájlok a következőek:
xyz.json - ez tartalmazza a kedvenc íróimat
abc.json - ez tartalmazza, hogy mely könyv tulajdonságokat mennyire kedvelek, és miért.
kml.json - ez tartalmazza, hogy mely témákat szeretnék elkerülni
....stb...A ChatGPT ebből elkészíti az utasítást, amit bemásolhatunk a CustomGPT utasításnak (vagy a Gemini Gem, Grok, stb.. utasításnak). Ne felejtsük el az adatbázisokat mellékelni!
Majd pedig próbáljuk ki!. A már említett Ben Aaronovitch – Rivers of London című könyvre én az alábbi részletes értékelést kaptam:
Készítsünk saját programot!
A CustomGPT utasításból nemcsak CustomGPT-t, hanem akár komplett mobil telefonos programot is készíthetünk Androidos készletre. Ebben az esetben elég csak a könyvet lefényképezni, hogy néhány perc múlva megkapjuk a részletes értékelést, ajánlót.
Ehhez csak annyit kell tenni, hogy elmegyünk a Google AI Studio-ba, ott a program készítését választjuk. Majd pedig a kapott CustomGPT utasítást odaadjuk az AI Studio-nak. Mellékeljük az összes adat fájlt is.
A program utasításba még írjuk bele a következőt:
Szeretném, hogy a szerzőt és a könyv címet ne csak manuálisan lehessen megadni. Hanem lefényképezem a könyvet, vagy pedig feltöltök egy képet a könyvről, majd a program azt elemzi.Igen. Ennyi bőven elég ahhoz, ne kelljen kézzel beírni a könyv adatait, hanem egy fénykép is elegendő legyen.
A Google AI Studio használatáról a részletes ismertető itt található.
További lehetőségek
Az eddig leírt módszer nemcsak könyv, film vagy zene választásában segíthet. Hanem akár egy ismeretlen étteremben javasolhat olyan ételeket, amelyek tetszhetnek. Mindezt egyetlen étlap fotó alapján!
Ehhez ugyan úgy kérjük meg a ChatGPT-t, hogy kérdéseken keresztül mérje fel az étel preferenciákat. Majd pedig az összegyűjtött adatok alapján megkérjük a program elkészítésére is.
Kérhetjük, hogy adjon tippeket, hogyan működjön a program, hogy nézzen ki, stb…
Próbálkozzunk további személyre szabott ajánlásokkal!
- Mérjük fel, hogy milyen kozmetikumok és samponok valók nekünk. Ebből készítünk egy programot, és ha legközelebb vásárolni megyünk, akkor már a mesterséges intelligencia tanácsait is kikérhetjük. Vajon ez a sampon jó-e az én hajamnak? Mit javasol, melyik arctisztítót vegyem meg?
- Kérjünk tippeket, hogy milyen számítógépes játékot nézzük meg!
- Telefon vagy számítógép vásárlás előtt is érdemes megkérdni a mesterséges intelligenciát, hogy mérje fel az igényeinket.
- Nyaralás előtt is összeszedhetjük az utazási preferenciákat.
- Segíthet minket kávé, tea, vagy akár sütemény választásban is.
- stb.
Minden esetben a mesterséges intelligenciát kérjük arra, hogy tegyen fel kérdéseket. A program olyan dolgokat is találhat, amire mi nem is gondoltunk!
PixelRita
PixelRita te mit gondolsz?
Van egy csendes felismerés ebben az egész történetben: az AI nem azért rossz tanácsadó, mert buta – hanem mert mi pontatlanok vagyunk. Amíg csak annyit mondasz neki, hogy „szeretem az urban fantasy-t”, addig ő is csak vállat von. Amikor viszont kimondod, hogy miért, mikor és mitől nem, akkor hirtelen történik valami. Nem okosabb lesz. Érthetőbbé válsz.
Mi lenne, ha ezt nem csak könyveknél csinálnád meg?
Mi lenne, ha lenne egy „nem akarok ilyen munkát” listád?
Egy „ezek a meetingek mentálisan kivégeznek” adatbázisod?
Vagy egy olyan tiltólista, ami megakadályozza, hogy újra és újra ugyanabba a zsákutcába sétálj bele, csak mert máshogy volt kifestve?
A szarkasztikus igazság: az AI nem veszi el a döntéseidet. Te adod oda neki – általában túl korán. Ez a rendszer viszont arra kényszerít, hogy előbb gondolkodj, aztán automatizálj. Felnőtt sorrend. Ritka. Hatékony.
💬 PixelRita: „Az önismeret nem spirituális utazás. Hanem egy jól strukturált JSON, amit időnként fájdalmas frissíteni – de sokkal rosszabb verziók futnak nélküle.”
És innen jön a jövőbe mutató rész: ha egyszer van egy ilyen preferencia-rendszered, akkor már nem az a kérdés, hogy milyen könyvet ajánl az AI. Hanem az, hogy milyen döntéseket engedsz át neki – és melyeket nem. Ez nem technológiai kérdés. Ez karakterkérdés.
Ha ebből csak egy dolgot viszel tovább: ne gyorsabban akarj dönteni, hanem tisztábban. Az AI ebben nem megváltó. Csak egy könyörtelen tükör. És néha pont erre van szükség.
