Heti AI-hírlevél · ITLine

2025-W22   2025-05-26 — 2025-06-01   ·   8 forrás

W22 — White-collar bloodbath narratíva, Claude 4 system prompt-leak, és a delegáció vs. kollaboráció törésvonal

Dario Amodei kimondja: az entry-level white-collar állások fele 1-5 év alatt eltűnhet — Nate Pascal-fogadás-keretben válaszol. Eközben kiszivárog a Claude 4 system prompt (~10 000 szó, 90% ‘mit ne csinálj’) — 7 használható prompt-mintázat. Factory AI a kollaboráció helyett a ‘delegáció’-platformot építi, CloudChef pedig $12/órás robot-séf modellel skálázza a konyhai munkát.

Kép helye — Két oldal: bal oldalt Amodei Axios-borítólapja (‘white-collar bloodbath’) egy ‘Pascal’s Wager: career edition’ táblával átfedve, jobb oldalt egy Claude 4 system prompt-snippet (‘NEVER start with flattery’) egy Factory droid-tab-sor mellett.

A hét egy markáns kettősséget hagy hátra. Egyfelől Dario Amodei — az Anthropic CEO-ja — május 28-án nyilvános interjúban kimondja, hogy az AI az entry-level white-collar állások felét eltüntetheti 1-5 éves távon, és a munkanélküliség 10-20%-ra ugorhat. Axios “white-collar bloodbath” címmel viszi tovább a sztorit, és a Tik Tok-on a féleloszlás-spirál elindul. Másfelől ugyanezen a héten mérnöki réteg-tisztulás zajlik: kiszivárog a Claude 4 system prompt (~10 000 szó, Simon Willison szerint az Anthropic által kiadott rész + a Plinius-féle leakelt tool-szekciók együtt), Nate ebből 7 használható prompt-mintázatot szed ki; a Latent Space podcast a Factory AI-jal készít mély-interjút a “kollaboráció vs. delegáció” váltásról; a CloudChef Zippy robot-séf $12/órás modellel skálázza a kommerciális konyhai munkát; Peter Yang pedig egy 46 perces Meta-féle teljes-stack alapozót ad ki promptingról, evalokról, RAG-ről és fine-tuningról.

A közös szál: a “fél munka eltűnik” makro-narratíva ugyanabban a héten csap össze a “tessék, így kell ténylegesen építeni” mikro-mérnöki anyagokkal. A két szint összerakása az igazi feladat 2025 második felére.

Az Amodei-Axios “bloodbath” és a Pascal-féle válasz

Amodei Axios-interjúja — és a Fortune-pickup — három állítást szegez le: az entry-level white-collar állások (technológia, pénzügy, jog, tanácsadás) fele eltűnhet 1-5 év alatt; a munkanélküliség 10-20%-ra ugorhat; a kormánynak és a társadalomnak most kell felkészülnie. Amodei explicit célja, hogy a magáncég-kereten túl mozgósítsa a politikát.

Nate május 30-i válasza nem a számvitát keresi, hanem döntéselméleti keretet ad rá. “This is like the Pascal’s wager of tech careers” — vagyis: függetlenül attól, hogy Amodei pesszimistája vagy Gergely Orosz óvatos optimistája igazolódik, ugyanaz a karrier-stratégia a racionális. A felkészüléshez szükséges meta-skillek (problem recognition, solution design, resource marshalling, execution, integration) mindkét forgatókönyvben fizetnek. Aki Dario-féle vízióban él, fleet-of-agents-managert kell csináljon magából; aki Gergely-féle vízióban él, az enterprise-codebases-context-window-realitásában kell mérnökösnek maradjon — a probléma-megoldás magas-agency változata közös elem.

Két finomítás Nate-től, ami egy döntéshozónak közvetlenül használható:

  1. Az interjúk visszatérnek in-personra. A munkaadók azért hívnak vissza fizikai környezetbe, hogy a problémamegoldás minőségét ellenőrizzék, nem a leetcode-szintaxist. “You are going to be expected to be human because that is the only guarantee people have that you’re not an AI.” A self-serve resume-piacon a chat-generált CV szignálja eltűnt, és a vibe-coded GitHub-projekt is csak gyengén korrelál — az agency demonstrációja az új szignál.
  2. Joe Hudson “wisdom economy”-tézise (Every-poszt május 29-én) is felmerül: ha a Chat GPT a tényekben jó, akkor az ember megkülönböztető értéke a discernment-megfontolt-döntés a zaj-tengerben és az emberi kapcsolat-építés. Ez nem szoft-skill-bullshit, hanem konkrét munkáltató-igény átalakulása.

A SET-keretben ez egyenes: az “agentic stack” megépítésében a verifier-réteg, a tool-szerződés, a guard-rail-policy mind olyan döntéseket vár, amik kontextuális ítéletet igényelnek — ezt 2025-ben még nem váltja ki egy modell. A rendszerre néző és a framing-keretet meghúzó szerep értéke nő, nem csökken.

A Claude 4 system prompt-leak — prompt mint operating system

A Claude Opus 4 / Sonnet 4 május 22-i kiadása után napok kérdése volt a system prompt nyilvánosságra kerülése. Az Anthropic önmaga publikálta a fő részt — de a tool-leírások hiányoztak a hivatalos verzióból, és ezeket Plinius-féle leakeléssel együtt Simon Willison rakta össze egy annotált posztban. A teljes anyag mintegy 10 000 szó, és Nate május 29-i videójában hét konkrét prompt-tervezési mintázatot szed ki belőle. Az alapfelismerés:

“It’s like 90% what Claude should not do and 10% what it should do.”

Vagyis a magas-minőségű system prompt nem instrukció-gyűjtemény, hanem policy-keret, ami a failure mode-okra fókuszál. A hét mintázat:

  1. Kontextus-rögzítés az elején. Az identitás, a dátum, a core capabilities elöl és változatlan formában — “establishing context early that’s steady and stable reduces working memory burden.” Ez nem hack, ez tankönyvi instructional design.
  2. Trigger-template refusals. Explicit if X then Y blokkok edge-case-enként. Az ambiguitás-csökkentés a konzisztencia kulcsa, nem a restrikcióé.
  3. Three-tier uncertainty routing. A modell explicit döntési-fát kap a kérdés időbeliségéről: timeless információ (válasz közvetlenül), slow-changing (válasz + ajánlott verifikáció), live (azonnali keresés). Az agentic kommunikációban ez döntő — a modell ne csak azt tudja, hogyan kezelje a kérdést, hanem azt is, mikor milyen módon.
  4. Tool grammar correct/incorrect példákkal. Pozitív és negatív minta egyszerre. “It’s like teaching someone to ride a bike and also showing common ways people fall.”
  5. Bináris stílus-szabályok, nem szubjektív irányelvek. “Never start with flattery” >> “be concise”. A modell sokkal jobban kezeli az abszolút policy-t, mint a “wishy-washy adjectives”.
  6. Pozícionális megerősítés. A kritikus szabályok ~500 tokenenként ismétlődnek a hosszú promptban. “Attention degrades over long contexts” — kompenzáció a végig-figyelem hiányára.
  7. Post-tool reflection. Tool-hívás után gondolkodási blokk a következő lépés előtt. Long, multi-step interleaved reasoning + tool use chain-eknél elengedhetetlen.

A SET / orchestration-szempontból ez három dolgot rögzít: a) a prompt-engineering ekkorra már OS-konfig (nem incantáció), b) a “defensive programming”-elv — a “mit ne tegyen” exhaustív specifikálása — prompt-szinten is fizet, c) a tool-szerződés és a prompt szétválaszthatatlan. A tool-leírás minősége egy szintű a prompt-minőséggel — ezt már a W07-es Anthropic-debrief is kimondta, most a saját éles system promptjuk megerősíti.

Factory AI — a delegáció-platform mint külön kategória

A május 29-i Latent Space-epizód Matan és Eno Factory co-foundereit hozza el. A vita-pont: az IDE 20 évig az ember-ír-minden-sort minta köré épült, és ez nem skálázódik a delegációs world-ba. A Factory ezért nem IDE-t épít, hanem browser-based delegation-platformot “droidokkal” — autonóm engineering-agent-tabok, amik tickettel indulnak (Linear / Jira / GitHub / Sentry / PagerDuty integrációk), elemeznek, terveznek, kódolnak és PR-t adnak vissza.

Két kulcs-megfigyelés a beszélgetésből:

1. A kollaboráció és a delegáció két különböző UX. Az IDE-be ágyazott AI (Cursor, Copilot) kollaboratív — alacsony-latencia, szoros emberi kontroll, sor-szintű inferencia. A delegációs platform viszont több feladatot párhuzamosan futtat, és az ember a podcast-felvétel közben kapja meg a kész PR-t. “You start the day setting off a bunch of tasks in motion and then you spend the rest of it on harder intellectual labor.” A két UX nem egymás csiszolt változata — first-principles külön termék.

2. A migráció-use-case-ben a humán-bottleneck a delegáció minősége, nem a kód. Konkrét anekdota: egy európai egészségügyi rendszer 20 éves Java-codebase-ének Java 21-re migrálása 4 hónapos big-four-projekt helyett 3,5 nap lett a Factoryval — nem azért, mert az AI 100x gyorsabban kódol, hanem mert a tervezési-elemzési-allokációs fázis kondenzálódik. Egy ember ki tudja adni párhuzamosan a feladatokat, a droidok dolgoznak külön tabokon, az ember review-zik a PR-eket. “A process that typically gets ultimately bottlenecked not by skilled humans writing lines of code but by bureaucracy and technical complexity.”

Két finomítás a SET-tézis felé. Egy: a Factory értékelési módszertana — a “behavioral spec” (high-level principles → tasks → grades + rubrics) — ugyanaz a kétrétegű evaluációs minta, mint amit Peter Yang interjújában (lentebb) hallunk, és ami az iparági konszenzus felé tart. Kettő: a code churn mint visszacsatolási metrika (“ha 3 héten belül változik egy committed-line, valami baj volt vele”) az enterprise-context-ben az AI-generált kód minőségének reális mérőszáma. A “merge count” és a “PR count” nem reális — mindkettőt hamisan tudod feltornázni.

A Factory egy fontos szignált is leszögez a model-providerek felé: az új RL-tuningolt modellek (Sonnet 3.7 “smells like Claude Code”, GPT-codex hasonló) bele vannak égetve egy CLI-tooling-preferenciába, és nehezebb őket egy alternatív, jobb tool-suite-tal idomítani. Ez a foundation-réteg post-training-döntéseinek termék-szint-impactja — egy döntéshozónak ezt is be kell árazni.

CloudChef — a robot-séf mint ACI (“artificial culinary intelligence”)

A Latent Space május 31-i AIEWF-előzetese Nikil-t hozza el a CloudChef alapítóját, és demonstrál egy működő robot-séfet Palo Altoban — a Zippy, $12/órás óradíjjal, saját kommerciális kitchen-üzemmel (Uber Eats-listán is van), Michelin-csillagos receptek demonstration-learning-gel.

A mérnöki tézis tiszta:

A SET-perspektíva: a CloudChef-stack tankönyvi példa a “verifikálhatóság-vezérelt agentic design”-ra. Kulináris kontextusban a verifier rétegek (termodinamika-modell, vízsejtés-szafetek, biztonsági-cut-off-ok) közvetlenül beépültek a stackbe. A “all culinary decision-making is 100% autonomous, actions are 90% autonomous” megfogalmazás pontosan ez: az autonóm-rész ott van, ahol a verifier-réteg lefedi a kritikus failure-mode-okat, és nem ott, ahol elvileg lehetne.

Mellékszál — rovatok

Reinforcement learning a “miért nem lehet visszacsavarni” kontextusban. Nate május 28-i videója reagál egy újabb open-letter-re, ami az AI-fejlesztés leállítását követeli. A keret: az RL az evolúció-elv gépi-tanulási megfelelője — egy agent, egy environment, egy reward signal, és onnantól a policy önírja magát. Az RL nem csak az LLM-ekben van: az Amazon supply chain, a SpaceX rakéta-leszállás, a Tesla autopilot, a Netflix streaming-uptime, az opció-piac pricing — mind RL-vezérelt. “The principle of evolution is the principle of evolution. The agents are learning. You can’t actually unplug them.” Az érdemi vita nem az “adjuk-fel-vagy-sem” debattja, hanem a policy-keretek építése a probabilisztikus jövőre.

Innováció: hol marad humán-érték? Nate május 27-én James Dyson hét perces új-porszívó-launch-videójára reagál — “one in two vacuum cleaners around the world now are AI”. Az iparág már elhagyta a humán-driven porszívót; bármilyen jó a Dyson-mérnöki munka, rossz problémateret céloz. A humán-innováció érdemi terepe a “raid-the-context thinking” — a Tolkien-féle ad-hoc-ötlet-átkonvertálás (vizsga-papír hátoldalán: “in a hole in the ground there lived a hobbit”), a Fleming-féle penicillin-szerencsejáték —, és ez 2025-ben még az AI gyenge oldala. A szerep-tanulság: a problémaválasztás, nem a megoldás minősége lesz a humán-mérnök kompetitív tere.

Peter Yang × Adam Loving (Meta) — 46 perces full-stack alapozó. A június 1-i interjú prompting → eval → RAG → fine-tuning sorrendben halad végig egy non-engineer / PM-szintű hallgatóságnak. Pár emelt kontent: az eval-pontozás +1 plusz minden helyes elemre (jobb mint 1-10-skála, mert kényszerített-reasoning); a rag-rerank mint közbenső LLM-réteg, ami a vector-store-eredményeket átsorolja relevancia szerint; a fine-tuning ≠ tudás-injekció, hanem format/refusal-policy hardcode-olás (pl. “sosem mondj olyat, hogy nem tudom — ez 50 példán fine-tunolva megbízhatóbb, mint promptban kérni”). Adam zárókövetkeztetése a PM-eknek: ne aggódj a legújabb fancy-feature miatt, kis, célzott use-case-eket vigyél prodba, írj evalt, iterálj. A SET-szemléletbe ez direkten beleillik.

Mit viszünk magunkkal

A hét három mérnöki / vezetői döntéshez ad muníciót:

  1. A “fél white-collar állás eltűnik” sztorit ne fogadd el sem teljesen, sem elvetni. A racionális stratégia Pascal-szerkezetű: az agency-meta-skillek mindkét forgatókönyvben fizetnek. Egy belső csapat-fejlesztési programban érdemes most explicit problémafelismerés-, megoldástervezés- és integrációs gyakorlatokra ütemezni időt — nem új-AI-eszköz-tutorialokra. Az AI-eszköz használata a junior-szintű kompetencia, az AI-felett-tervezés a senior-szintű kompetencia, és a kettő közötti rés most nyílik.

  2. A system prompt mint OS-konfig. Ha a csapatod élesben futtat LLM-stack-et, érdemes a saját system promptokat ezen a hét mintázaton végigfuttatni: kontextus-rögzítés elöl, explicit edge-case-policy-k, uncertainty-routing, tool grammar pozitív/negatív példákkal, abszolút stílus-szabályok, ~500 tokenenkénti megerősítés, post-tool reflection. A hozam jellemzően nem azonnal mérhető, de a hiba-mód-eloszlás keskenyedik, és ez a stabil prod-kompatibilitás előfeltétele. Az “écouter-écouter-écouter” / “be empathetic to the model” a W07-ből most már mintaszerű system-prompt-formával is támogatott.

  3. Kollaboráció vs. delegáció — két külön termék-stratégia. Ha a saját stackedben “AI-coding-tool”-t választasz, érdemes először eldönteni: kollaboratív in-IDE vagy delegatív browser-based modell? Ezek nem egymás opcionális verziói — más a UX, más a teljesítmény-mérési séma, más a token-cost-profile, más a párhuzamosítható feladat-szerkezet. Migráció-use-case-ekben a delegatív-modell radikálisan jobb time-to-deliver-t hoz; review-flowban viszont a kollaboratív-modell. A kettő egyszerre is futhat — de a választás explicit kell legyen, nem default.

A W23-ban a CloudChef AIEWF-élő-demója, és valószínűleg az Anthropic érdemi reakciója Amodei interjújára.

Források

Fő forrás — Nate B Jones csatornája:

Mély-podcast forrás — Latent Space:

Edukációs / szerkesztett anyag:

Fact-check és hivatkozott eredeti források:

A heti hírlevelet saját gondolatainkból és független keresésekből állítjuk össze. Az eredeti források a fenti listában találhatók.