<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Gábor Takács on Medium]]></title>
        <description><![CDATA[Stories by Gábor Takács on Medium]]></description>
        <link>https://medium.com/@takacsgabor?source=rss-f1a9aa8adf5e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*AlsG89YeZyiBGxLv1Xj3ng.jpeg</url>
            <title>Stories by Gábor Takács on Medium</title>
            <link>https://medium.com/@takacsgabor?source=rss-f1a9aa8adf5e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 02:09:18 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@takacsgabor/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[We Only Wanted a Website…]]></title>
            <link>https://medium.com/@takacsgabor/we-only-wanted-a-website-80ef48f09764?source=rss-f1a9aa8adf5e------2</link>
            <guid isPermaLink="false">https://medium.com/p/80ef48f09764</guid>
            <dc:creator><![CDATA[Gábor Takács]]></dc:creator>
            <pubDate>Wed, 04 Nov 2026 13:29:15 GMT</pubDate>
            <atom:updated>2026-11-04T13:29:15.672Z</atom:updated>
            <content:encoded><![CDATA[<p>It all started with a small group of friends. After many runs together, we eventually founded a sports club, and that is how Futó Angyalok SE (Running Angels Sports Club) was born. Like any newly formed organization, we needed bylaws, a bank account, a nice logo and… yes, a website too.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IxUcZIdLqIyPXljkJJu5CQ.jpeg" /></figure><h3>The First Architecture</h3><p>I actually started designing the site well before the club was officially founded. With no deadline pushing me, I could afford the luxury of writing a thorough specification before the first line of code. Only later did I realize how good an idea that was: it made the whole project much easier and far more transparent.</p><p>From the very beginning I knew we would not end up with a cookie-cutter WordPress template. When I first imagined Futó Angyalok, I pictured a system that lists our members’ runs, which anyone can then “adopt” for a symbolic amount, supporting a good cause each time. For this to work, our athletes’ runs had to get into a database, and automatically, since nobody likes doing extra syncing by hand. From there the runs had to be displayed on the site, and the whole thing had to be connected to a payment system. It did not sound too complicated. One evening I sat down and designed the whole thing. At least, that is what I thought at the time.</p><p>I wanted to fully separate business logic from presentation, so first of all I designed a backend API, starting with an OpenAPI YAML file. Nothing fancy: the usual CRUD operations, authentication, and a handful of endpoints for campaigns, workouts and payments, plus the request and response objects. I had an earlier framework of my own written in Express and originally planned to build on it, but I soon switched to NestJS. I could develop faster, more clearly and more efficiently with it, so everything spoke in its favor.</p><p>I have worked with relational databases for a long time, so MySQL or MariaDB behind the API seemed the obvious choice. Despite my 20+ years of SQL experience, I chose MongoDB instead. For this project it was the more sensible decision: storing individual workouts and transactions as documents is simpler and cleaner, and neither the data volume nor the query patterns justified the advantages of a relational model.</p><p>That decision has held up well, since we mainly store documents and work with relatively small amounts of data. The statistics and audit databases are perhaps the only exceptions, as they are considerably larger. We rarely query them, though, and almost never from the user side. On top of that, a well-defined retention policy ensures we keep data only as long as the law allows and we actually need it.</p><h3>Design and Frontend</h3><p>The backend came together fairly quickly, so I could move on to the frontend. I love designing, so I drew the layout of the site with a pencil on a single sheet of paper, and in the end I implemented it almost exactly as drawn.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1uIJkWkbmC5r_Wmu7-w9Og.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vhFxi3TRg4zGPN-XKvLHUA.png" /></figure><p>We also needed a striking logo. I did not have Illustrator or any other design software at hand, so I thought I would let ChatGPT handle it. I described what I wanted, and the AI assured me it had all the information it needed and something wonderful was on its way. Well… I ended up drawing it myself after all.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C6URs_A8qSq_PKjXEpDN7Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sy3a2GjdSxpai8LcihQaiQ.png" /></figure><p>The static HTML was done quickly, in a day or two. At first I planned the frontend in plain React, but I soon realized that was not the best choice and switched to Next.js. Server-side rendering and static site generation give faster load times, better SEO and better overall performance. The built-in routing, image optimization and API integration also spoke for Next.js, as did hosting, since I had planned to deploy on Vercel from the start.</p><p>I wanted to keep the workout list very simple: each run appears as a small tile showing the distance and the elapsed time. On its own, though, that would have made the page monotonous, so it needed some color. My first idea was to color the tiles by workout type, but I dropped it quickly. We are the Running Angels, not the Cycling or Swimming Angels, so we only list runs anyway.</p><p>In the end I decided to color each tile according to the light conditions at the time of the run. The challenge was that not everyone runs in Budapest, or even in Hungary: we have members in France, Spain and the United Kingdom, where the sun rises and sets at different times. The sky at 6 p.m. also looks different in winter than in summer. To make the idea work, I had to take the geolocation, the date and the time into account and calculate the position of the sun from them. With that, both the tile colors and their titles (early evening run, morning run and so on) came out right.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NV-dNcBkx1G5ddmDJgyRDg.png" /></figure><p>Once I had a working Next.js site with a NestJS backend, I started on recording the workouts. For this I used the Strava API, specifically its Club Activity endpoint. It made it very easy to fetch and store the workouts of our members (or anyone, in fact) once they joined our public Strava club. Strava’s rate limit allowed us to call the endpoint every five minutes, so we saw runs in near real time.</p><p>That is where the first serious problem appeared. For privacy reasons, Strava returns minimal data on this endpoint: the athlete’s first name and the initial of their last name, plus the duration, distance and elevation gain of the run. Nothing else. There is no unique identifier, not even a timestamp, so I had to build a hash from the incoming data to determine reliably whether a run had already been recorded.</p><p>I chose not to store the athlete’s name, for two reasons. First, in the spirit of the club, I wanted donations to be anonymous: neither the runner nor the donor should be made public. Second, many people fill in the first name and last name fields incorrectly when registering on Strava. So despite Strava’s efforts to protect personal data, it sometimes ends up sending the full last name and the initial of the first name. This decision simply removed the problem.</p><h3>Keep It Simple</h3><p>With workout recording solved, I could turn to the payment system. My first choice was Barion, partly because of its low transaction fees and partly because of its very well documented, sensible and simple API. This part did not take long either; I finished it in a few days.</p><p>Here I tried to think ahead. Instead of hard-wiring Barion calls into the code, I prepared the system to run several payment providers side by side. I implemented the payment functions through an abstract class, hiding Barion’s specifics from the rest of the codebase. This soon proved to be a very good idea: in the end the club could not sign a contract with Barion, so I had to find another solution. That is how SimplePay came into the picture.</p><p>I had hesitated between the two from the start, as there were good arguments both for and against SimplePay. The contract was signed very quickly, but development went more slowly, because I had little free time for programming in that period. Eventually the system came together, and adopting kilometers already worked in their sandbox.</p><p>Then I ran into another problem. The sandbox IPN callback URL has to be set in the SimplePay admin interface, and it can point either to my dev server or to my staging server, but not to both. So I had to get creative and build a callback proxy that forwards each request to the right environment based on its transaction ID.</p><h3>A Change of Environment</h3><p>Speaking of staging: I designed the system from the start to have three environments for everything: dev, staging and prod. Dev runs on my own laptop, while staging and prod share the same hosting setup, with the frontend on Vercel and the backend on Railway. Both platforms offer a hobby plan that is practically free and includes a dead-simple, GitHub-based CI/CD pipeline.</p><p>I liked this a lot, because it matched my branching strategy. The develop branch is mapped to the dev environment, the staging branch to staging, and main to prod. Smaller changes are committed directly to develop. For larger, more complex changes that touch many files, I create feature branches, merge them into develop through a pull request, and promote them from there to staging and main, again through PRs. The rule is that nothing reaches main except through staging, or directly from a bugfix branch, followed by a cherry-pick.</p><h3>Vicky, the Virtual Running Buddy</h3><p>In the meantime we decided that the club’s internal community space would be on Discord. I set up the server, and with it came a small chatbot called Vicky, also written in NestJS and also hosted on Railway. I had several roles in mind for Vicky. Basically she was meant to be a small conversational bot using the OpenAI API, acting as a virtual running buddy based on her prompt: cheerful, motivating, friendly, and always steering the conversation back to running.</p><p>Over the past months she has gained many new features. In a dedicated Discord channel she reports the workouts our members run and the kilometer adoptions, and she greets members with personal messages on their birthdays and on the anniversary of joining the club.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yKJIPQ9yaDLW1_ofYy6Qwg.png" /></figure><p>We also have a Google running calendar with all kinds of events: recurring and one-off group runs, club events and races. Vicky sends notifications about these as well, running the text through the GPT engine so it sounds as human as possible. This worked so well that some members actually took her for a real person, and it took a few messages before they realized they were talking to a bot.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9u2DGw-QAU_AtXgJZell3A.png" /></figure><p>With the workout posts I ran into the question of how Vicky should refer to a run. At first I wanted to follow the same pattern as the website: “evening run”, “late morning run” and so on. But I wanted it more personal, with the location woven into her text, for example: “This run in Budapest went really well in the pleasant afternoon weather.” For this I had to look up the place from the run’s latitude and longitude with the Google Places API.</p><p>That immediately led to another problem. Many of our events have names, not to mention the races, and it looks rather silly when Vicky posts about the Wizz Air Budapest Half Marathon as “a run in Budapest”, or even worse, “a run in Víziváros”. So I taught her to recognize these events and community runs. It is much more human when she identifies them and calls them by their name.</p><h3>Our First AI Coach</h3><p>At some point the idea came up that, next to Vicky, we could have a far more professional virtual running coach, also built on AI. The plan was that members could subscribe to prepared, generic training plans by entering the distance of their target race and their goal time (for example, half marathon in 1:40:00). The coach would then set the volume and intensity of each day’s training accordingly.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UV7WxSWtU03vc1TZQsU6wA.png" /></figure><p>The coach could also adjust the plan based on several factors. It had access to the members’ Strava accounts, so it knew how hard a member had been training, how tired they were and how ready they were for a given session. If someone was overloaded, the coach could even suggest skipping specific days.</p><p>Runners could report how they felt about their latest workout with a /report slash command, which was another input the coach took into account. The coach also saved facts from private conversations, for example &quot;I hate running in the morning&quot;, in which case it scheduled the workout for the afternoon. At the same time it considered the member&#39;s location and the weather forecast: if a downpour, icy roads or anything else that would spoil the run was expected in the afternoon, it moved the run to the morning after all, and explained why.</p><p>This project reached about 70 percent completion before I paused it. The reason was rather mundane: we got a real, human running coach, so we no longer needed the AI one. Still, it was a fascinating and exciting piece of work.</p><h3>Out of Strava</h3><p>In early summer 2026, Strava surprised us: the club activity feed, which we had been polling for our workouts, became unavailable for two weeks. This hit us hard, because if our runs do not appear on the website, there is nothing to adopt. As a stopgap I put together a script that read the Strava club’s HTML pages and extracted the workouts with cheerio. It was admittedly a gray-area workaround, but we had no other way to quickly fix a problem that was not even on our side.</p><p>After two weeks Strava gave us their position: since very few developers used this endpoint, they would discontinue it, so we had to find another solution. Fortunately there was one. If our athletes connect their Strava accounts to Futó Angyalok, Strava itself calls our API when a workout is finished, so we no longer need to poll. As a bonus, we receive much more, and much more detailed, data this way.</p><p>The only downside was that while the club activity feed only required members to join our Strava club, this approach requires them to authorize an OAuth flow. It is more complex to build, and it is an extra step for our members. Still, it only had to be done once. I finished it in a few days, and the system has been running on it reliably ever since.</p><h3>Diana</h3><p>By this point we were handling so many workouts and transactions that we needed a proper admin interface. Early on I had put together a system with Claude that ran on localhost, but it soon proved insufficient. We were now operating as a real sports club, with a five-member board where everyone had their own area and responsibilities. So I built a new system: Diana.</p><p>Diana has several permission levels, so we can control in fine detail who can access what, or see anything at all. From here we manage the content shown on the frontend, the member list, the campaigns and the workouts. We can view the statistics collected by Lisa, our stats API, and we can look at incoming transactions (view only, no editing). When needed, we can also revalidate the frontend cache from here, separately for content, workouts and transactions.</p><p>There is one more interesting part of the admin interface. The club’s bylaws state that admitting a new member requires a simple majority decision of the board. So I built a screen that lists the people who applied through the membership form on the website, with a vote button for every board member next to each applicant. As soon as there is a simple majority, the applicant becomes an active member, meaning they have been admitted to the club. There is no other way to accept a membership, and it cannot be bypassed from the admin side, so we comply with our bylaws 100 percent.</p><p>The admin system also records in audit logs who did what and when. This includes accepting or rejecting members, but also every login, every change and every time someone views a transaction. I paid particular attention to making sure no sensitive data ends up in the logs, even by accident. Wherever possible, I masked, redacted or anonymized it.</p><h3>Lisa, Our Analytics System</h3><p>As I mentioned, I also built our own statistics system along the way. It is called Lisa, after the Hungarian pronunciation of the word “analyzer” (anali-zátor). Google Analytics would have been serious overkill for us, and I did not want to give up the freedom that a custom solution gives. We track various events on the site: clicking on a workout, starting and completing an adoption, and even simply scrolling to the bottom of the page.</p><p>In statistics, the point of comparison matters. We compare each current value with the average of the same weekday over the previous three weeks, so Thursday’s traffic is compared with the average of the last three Thursdays. After a month or two it became genuinely interesting, and quite revealing, to see the site’s traffic and how engaged our visitors were.</p><h3>Ticket, Please</h3><p>By now the system had grown so many branches, and we had so many ideas, that it was time to set up a project management tool. Jira seemed too complex for this project. I had known Trello and ClickUp for a long time: Trello is an Atlassian product and basically very good, and I had had very pleasant experiences with ClickUp, where the parts we need are completely free. So we chose ClickUp and settled in very quickly. We set up a backlog, with a rule that new tasks can only come in through the backlog, and folders such as IT management, grant applications and accounting.</p><p>I love ClickUp for, among other things, its API and its many ClickApps. I soon connected it to GitHub and got into the habit of starting every commit message with the ticket number. This creates links in both directions: the ticket is clickable from the PRs, and every commit and PR shows up on the ticket.</p><p>But that was still not enough. Since I am essentially the only developer, nothing forces me to describe the task in detail in the ticket. Raise your hand if you enjoy fiddling with that… I don’t either. Still, it is sometimes useful to see, especially afterwards, exactly what happened during a piece of work. Of course, there are the commits and the changed files, but digging through them is tedious, especially when other board members want to understand something.</p><p>So I came up with this: whenever I merge a feature branch into develop, a readable summary in Hungarian is generated from the commit diff, describing exactly what was done and what the change is about. The text is generated through the OpenAI API, and this service is also implemented in NestJS. It has proven useful: more than once it has helped a lot after the fact.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LaPqlVIYG_Snu8W7Rjhb_w.png" /></figure><h3>I Know What You Ate Last Summer</h3><p>Several of us in the club take running quite seriously, at least by amateur standards: we train for marathons, some even for ultras, and take part in multi-day races. We often need to ask more experienced runners or professionals about nutrition and recovery. Instead of constantly googling or asking one AI or another, I put together another chatbot: Clara.</p><p>Prompting her was especially exciting thanks to the release of GPT-5.6-terra. I did not want to give this role to Vicky, because her character is not credible enough professionally. This engine lets you pass stored instructions instead of a prompt, so they do not have to be sent with every conversation, which makes the bot very efficient and cost-effective. In these instructions I defined her professional sources in great detail and gave her a set of rules. The result is a credible, serious and well-prepared virtual sports dietitian.</p><p>Of course, she does not replace a real professional, but she gives accurate and satisfying answers to most of our questions: what to eat before a race, which diets to follow (or avoid) during a training block, and how much recovery is needed after a hard interval session. Conversation history is stored in Redis, so Clara can use the context of earlier conversations and does not have to start from scratch every time.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tqMoiDsX1D-12B0aIF0oiA.png" /></figure><h3>The Motion Picture</h3><p>Meanwhile, one of my running partners and I started an interesting side project that has nothing to do with running, but a lot to do with computer vision. To test whether our idea was viable, we came up with a small experiment: how hard is it to produce a biomechanical analysis from a video of a runner? If we could pull it off, it would be an impressive and useful service for our members, and a good foundation for our other project.</p><p>It quickly became clear that Python was the most practical choice for this work. My Python skills, however, are (still) at a basic level, so here I developed with Claude Code. My ground rule is to commit only code that I understand and could write myself; the AI is simply faster. This time I consciously broke that rule: I do understand the code, but Claude came up with ideas that might not have occurred to me.</p><p>After a few hours of brainstorming and some test footage shot on a phone, I came up with a fairly futuristic scenario. Using a drone in autonomous follow mode, we recorded about a minute of each other’s runs. From the video, MediaPipe Pose Landmarker extracted the runner’s 33-point skeleton. From that I generated a CSV file that describes the movement of the runner’s body parts as data, which is easy to analyze. The runner receives the original video with the skeleton drawn over it, the bare skeleton video, the measured data, and a written analysis generated through the OpenAI API from the raw data and the CSV. It is probably the most exciting, and certainly the most spectacular, IT project in the club so far.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fr7Vp_buSZbg%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dr7Vp_buSZbg&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fr7Vp_buSZbg%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/88612dba7a08893e244a04b1f80c12f1/href">https://medium.com/media/88612dba7a08893e244a04b1f80c12f1/href</a></iframe><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fjr21h4bE5Yo%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Djr21h4bE5Yo&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fjr21h4bE5Yo%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/f31fea444011fecfd43ac441facb4272/href">https://medium.com/media/f31fea444011fecfd43ac441facb4272/href</a></iframe><p>That all sounds good, but at this point it only worked on my laptop. I wanted to make it available to our members, but I had neither the time nor the desire to change the frontend and the backend that comes with it. So integrating the whole thing into Discord was the natural choice. Vicky got a new slash command, /analyse, which takes a few parameters: the URL of the source video, the runner&#39;s height, the distance of the target race and the goal time.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AUrl5TmIJl_mdJwftwGiHw.png" /></figure><p>Since processing usually takes several minutes, only asynchronous communication made sense. Vicky sends the parameters to the backend API, and if the response is OK, she immediately replies in the channel that the request has been received and processing has started. While the backend works, it calls back to Vicky every few seconds to update the processing status.</p><p>Here I ran into a Discord limitation: a message that has already been sent can only be edited for 15 minutes. So after the 14th minute, if processing has not finished yet, Vicky opens a new message and continues reporting the status there.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NMUwzUk8zT0OHslXJ_ffJA.png" /></figure><p>When the analysis is ready, the files are uploaded to blob storage automatically. That also takes time, so until it is done, Vicky’s status reads “uploading results”. Once it completes, she returns the video links, the analysis and the raw data. The UI question was solved in the simplest possible way.</p><p>This task got me so fired up that I also built a 3D model from the skeleton video (an endless loop of running based on the skeleton), which the athlete can view from any angle in the browser with WebGL. It needs a lot more refinement before it is truly useful, but the direction is definitely exciting. For now I see it as a proof of concept; going further in this direction would need much finer analysis and video from several angles.</p><p>I also considered “dressing” the skeleton based on photos of the runner, giving it a kind of skin, but decided against it. It would not have been realistic enough, and the skeleton shows the characteristics of the movement far more clearly. Meanwhile, though, I have had some other ideas…</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F1l4iy4Bcvyw%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D1l4iy4Bcvyw&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F1l4iy4Bcvyw%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/da041d6922f8f543b6a4891be3d2520b/href">https://medium.com/media/da041d6922f8f543b6a4891be3d2520b/href</a></iframe><h3>Just a Website… and Then Some</h3><p>This is where the IT infrastructure of Futó Angyalok stands today. It has been an exciting journey, and now that I have had a taste of motion analysis, I feel we are only at the beginning. Reading it all back, even I am surprised by how much I have built, when at the start I really only wanted a nice website.</p><p>The most interesting part is perhaps not how many different technologies I used, but that none of it was planned in advance. Every new problem brought a new idea, every idea a new feature, and every feature, over time, a new system. That is how a simple website turned into an API, a mobile-friendly frontend, a payment system, an admin platform, custom analytics, AI assistants and, finally, a computer vision based motion analysis system.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=80ef48f09764" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Csak egy weboldalt akartunk…]]></title>
            <link>https://medium.com/@takacsgabor/csak-egy-weboldalt-akartunk-fa9b0ab99ad7?source=rss-f1a9aa8adf5e------2</link>
            <guid isPermaLink="false">https://medium.com/p/fa9b0ab99ad7</guid>
            <dc:creator><![CDATA[Gábor Takács]]></dc:creator>
            <pubDate>Wed, 09 Sep 2026 20:28:56 GMT</pubDate>
            <atom:updated>2026-09-09T20:28:56.012Z</atom:updated>
            <content:encoded><![CDATA[<p>Szóval az egész úgy kezdődött, hogy összejött egy kisebb baráti társaság, és a sok közös futás után végül alapítottunk egy egyesületet, így született meg a Futó Angyalok SE. És mint frissen alakult szervezet, szükségünk volt alapszabályra, bankszámlára, egy szép logóra, és… igen, egy weboldalra is.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*a-CZXxm1_WqD8PBXXk0uxA.jpeg" /><figcaption>Sportolóink a 2025-ös Budapest Maraton előtt</figcaption></figure><h4><strong>Az első architektúra</strong></h4><p>Tulajdonképpen az oldalt már jóval az egyesület megalapítása előtt elkezdtem tervezni. És mivel nem szorított semmilyen határidő, megengedhettem magamnak azt a luxust, hogy még az első kódsor megírása előtt egy alapos specifikációt készítettem. Később derült csak ki, ez mennyire jó ötlet volt, sokkal könnyebbé és átláthatóvá tette a munkát.</p><p>Azt már a legelején tudtam, nekünk nem egy WordPress által hajtott, egy kaptafára épülő sablon oldalunk lesz. Amikor megálmodtam a Futó Angyalokat, egy olyan rendszert képzeltem el, ahol listázódnak a tagok futásai, amelyeket aztán bárki — jelképes összegért — örökbe fogadhat, és ezzel mindig valamilyen jó ügyet támogat. Ahhoz, hogy ez így működjön, a sportolóink futása be kell hogy kerüljön egy adatbázisba, méghozzá automatikusan (hiszen senki sem szeret pluszban szinkronizálgatni). Innen aztán a futást meg kell jelenítenünk az oldalon, és az egészet össze kell kötnünk valamilyen fizetési rendszerrel. Annyira nem hangzik bonyolultan; egyik este leültem és megterveztem az egészet. Legalábbis akkor azt hittem, hogy az egészet.</p><p>Teljesen szét akartam választani az üzleti logikát a megjelenítéstől, így mindenek előtt egy backend API-t terveztem: a munkát egy OpenAPI yaml fájl elkészítésével kezdtem. Semmi extra, a szokásos CRUD műveletek, authentikáció, illetve néhány endpoint: kampányok, edzések, payment, request és response objektumok stb. Volt egy korábban Expressben megírt saját frameworköm, eredetileg erre alapoztam, de hamar átváltottam NestJS-re. Gyorsabban, átláthatóbban és hatékonyabban tudtam benne fejleszteni, szóval minden mellette szólt. Régóta használok relációs adatbázisokat, így szinte adta magát, hogy MySQL / MariaDB legyen az API mögött, én azonban mégis a MongoDB mellett döntöttem, hiába a 20+ év SQL tapasztalat. Ehhez a projekthez ésszerűbb döntés volt, jóval egyszerűbben és tisztábban lehet az egyes edzéseket és tranzakciókat tárolni, ráadásul a projekt adatmennyisége és lekérdezési igénye sem indokolta a relációs modell előnyeinek kihasználását.</p><p>Ez azóta is jó döntésnek bizonyult, mivel elsősorban dokumentumokat tárolunk, és viszonylag kis adatmennyiséggel dolgozunk. Talán csak a statisztika és az audit DB jelent kivételt, ahol komolyabb mérettel van dolgunk, innen viszont ritkán kérdezünk le, és főleg nem user oldalról. Ráadásul egy átgondolt retention policy gondoskodik róla, hogy minden adatot csak addig őrizzünk meg, amíg a jogszabályok engedik, és amúgy szükségünk van rá.</p><h4><strong>Dizájn és frontend</strong></h4><p>A backend elég hamar összeállt, így nekiálhattam a frontendnek. Imádok dizájnolni, az oldal tervét egy darab papíron, ceruzával rajzoltam meg, és tulajdonképpen 100%-ban ezt is valósítottam meg.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DXMgKcW1lw68JCtfVNmVaA.jpeg" /><figcaption>Az elképzelés…</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MWHER9cgcnXs1ZafTEbibQ.png" /><figcaption>…és a megvalósult weboldal</figcaption></figure><p>Kellett még egy ütős logó, de épp nem volt kéznél Illustrator vagy más szoftver, így gondoltam a ChatGPT-vel oldom meg a feladatot. Gyorsan meg is fogalmaztam, mit szeretnék, az AI pedig biztosított róla, minden szükséges infó a birtokában van, ebből aztán valami csoda jó dolog fog kerekedni. Nos… inkább mégis megrajzoltam magam. :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RLkMDJVExxnKXo901lDN1w.png" /><figcaption>Azért szerzett néhány vidám percet a ChatGPT</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C-71eEdagE-v640vWMLZ6w.png" /><figcaption>Inkább megterveztem én magam</figcaption></figure><p>A static HTML aztán gyorsan elkészült, gyakorlatilag egy-két nap alatt megvoltam vele. A frontendet eleinte tisztán Reactban képzeltem el, de hamar beláttam, nem a legjobb döntés lenne. Így hamar átváltottam NextJS-re: a szerver oldali renderelés és a statikus oldalgenerálás révén gyorsabb betöltést, jobb keresőoptimalizálást és hatékonyabb teljesítményt tudok elérni. Na meg a beépített routing, képoptimalizálás és API-integráció is a Next mellett szólt, akár csak a hosting (eleve Vercelen terveztem hosztolni). Az edzések listázását nagyon egyszerűre akartam venni: minden edzés egy-egy kis csempében jelenik meg, rajta a megtett távolsággal és eltelt idővel. De így túl egyhangú, túl monoton lett volna az oldal, kellett bele egy kis színt csempészni. Első gondolatom az volt, hogy az edzés típusa alapján színezem, de ezt hamar elvetettem: Futó Angyalok vagyunk, nem biciklis vagy úszó angyalok, vagyis eleve csak futásokat listázunk. Így végül azt találtam ki, hogy az edzés időpontja, pontosabban a napszaknak megfelelő fényviszonyok szerint színezem a csempéket. Ebben csupán az volt a kihívás, hogy nem mindenki Budapesten, sőt, Magyarországon futott — van tagunk Franciaországból, Spanyolországból és az Egyesült Királyságból is –, nem ugyanakkor megy le vagy kel fel a nap. Ráadásul pl. 18:00 órakor más az égbolt színe télen, és más nyáron. Úgyhogy az ötletem megvalósításához figyelembe kellett vennem a geolokációt, az időpontot, a dátumot — és ezek alapján természetesen a kalkulált napállást, napszakot. Így már megfelelő lett a csempék színe, és a címük is (pl. kora esti futás, reggeli futás stb).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1BctPqd08ibSqVZ9aEg6oQ.jpeg" /></figure><p>Miután volt egy működő oldalam Nextben NestJS backenddel, elkezdtem az edzések rögzítésének a megvalósítását. Ehhez a Strava API-t használtam, azon belül is a Club Activity endpointot. Ezzel nagyon egyszerűen megoldható, hogy miután a tagjaink (vagy tulajdonképpen bárki más) belép a nyílt Strava csoportunkba, az edzéseit lekérdezzük és elmentsük. A Strava rate limitje lehetővé teszi, hogy öt percenként behívjunk az endpointra, így közel valós időben látjuk a futásokat. És itt jött az első komolyabb probléma: adatvédelmi okokból a Strava minimális adatot ad vissza ezen az endpointon keresztül. Látjuk a sportoló keresztnevét és vezetéknevének első betűjét, a futás időtartamát, hosszát, a szintkülönbséget — és tulajdonképpen ennyit, semmi mást. Nincs egy egyedi azonosító, de még csak időbélyeg sem, így nekem kellett a bejövő adatokból olyan hasht képeznem, amivel egyértelműen megállapítható, egy-egy futást már rögzítettünk vagy még nem. A sportoló nevét nem hoztam át, erre két okom is volt: az egyesület szellemisége értelmében eleve anonim adományozást terveztem, nem akartam, hogy akár a futás, akár az adományozó személye publikus legyen. Másrészt nagyon sokan hibásan töltik ki a Strava regisztráció során a firstname/lastname mezőket, így — bár a Strava igyekszik védeni a személyes adatokat — , olykor végül pont a teljes vezetéknevet és a keresztnév első betűjét küldi meg. A döntéssel ez egyszerűen ki lett küszöbölve.</p><h4><strong>Keep it Simple</strong></h4><p>Miután az edzések rögzítése megoldódott, rátérhettem a fizetési rendszerre. Ehhez első körben a Bariont választottam, részben az alacsony tranzakciós illeték, részben pedig a rendkívül jól dokumentált és ésszerű (és egyszerű) API miatt. Ez a fejlesztés sem tartott túl sokáig, néhány nap alatt megvoltam vele. Itt igyekeztem kicsit előre tekinteni, és nem drótoztam be a kódba a Barion hívásait, hanem felkészültem rá, hogy párhuzamosan több payment providert is üzemeltethessek. Egy absztrakt osztályon keresztül implementáltam a függvényeket, elrejtve a kód többi része elől a Barion sajátosságait. Ez nem sokkal később nagyon jó ötletnek bizonyult, ugyanis végül az egyesülettel nem tudtam leszerződni a Barionhoz, így kénytelen voltam másik megoldás után nézni — így jött a képbe a SimplePay.</p><p>Eredetileg is vacilláltam, melyik legyen. Sok érv szólt a Simple mellett is, ugyanakkor ellene is. Itt a szerződéskötés nagyon gyorsan lement, a fejlesztés azonban döcögősebben haladt, ebben az időben nem sok szabadidőm volt, amit a programozásra tudtam fordítani. Végül összeállt a rendszer, a sandbox felületükön már működött a kilométerek örökbefogadása. Itt azzal a problémával szembesültem, hogy a SimplePay felületén kell a sandbox ipn callback url-t megadni, ami vagy a dev, vagy a staging szerveremre mutat, de egyszerre mindkettőre nem. Ezért kénytelen voltam trükközni, és egy callback proxyt létrehozni, ami transaction id alapján a megfelelő helyre továbbítja a kérést.</p><h4><strong>Környezetváltozás</strong></h4><p>És ha már szóba jött a staging: a rendszert eleve úgy terveztem, hogy három környezet lesz mindenből: dev, staging és prod. A dev a saját laptopomon fut, a staging és a prod viszont ugyanabban a szerver környezetben: a frontend Vercelen, a backend pedig Railwayen. Mindkét felület kínál olyan hobby plant, amely gyakorlatilag ingyenes hosztingot tartalmaz, és pofonegyszerű, GitHubra épülő CI/CD pipeline-t. Ez nekem nagyon tetszett, illeszkedett a branchelési stratégiámhoz: a develop branch a dev környezethez, a staging branch a staginghez, a main pedig a prodhoz van rendelve. A kisebb fejlesztéseket közvetlenül a developba commitolom, a nagyobb, bonyolultabb, sok fájlt érintő változtatásokhoz viszont feature brancheket hozok létre, innen mergelem pull requesten keresztül a developba, és onnan PR-eken keresztül tovább a stagingbe és a mainbe. Szabály, hogy a main branchbe közvetlenül csak a stagingen át mehet ki fejlesztés (vagy közvetlenül bugfix branchből, aztán cherry pick).</p><h4><strong>Vicky, a virtuális futótárs</strong></h4><p>Időközben kitaláltuk, hogy az egyesület belső közösségi felülete Discordon lesz. Létre is hoztam a szervert, és vele együtt érkezett egy kis chatbot (Vicky), amit szintén NestJS-ben írtam, és szintén Railwayen hosztolok. Vickynek több különböző feladatot szántam: alapvetően egy OpenAI API-t használó kis beszélgető bot lett volna, amely a promptja alapján egy virtuális futótárs szerepét tölti be. Vidám, motiváló, barátságos, és mindig a futásra tereli a beszélgetést. Az elmúlt hónapokban sok új funkciót kapott: egy saját Discord csatornán folyamatosan riportolja a tagjaink által futott edzéseket, a kilométer-örökbefogadásokat, illetve tagjaink születésnapján és csatlakozási évfordulóján közvetlen, személyre szabott üzenetekkel kedveskedik.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5jjX85yxRV2ytm3HJgkX6g.png" /><figcaption>Az egyik futásom, amit Vicky riportolt</figcaption></figure><p>Van egy Google futónaptárunk, amelyben különféle események szerepelnek (ismétlődő és egyedi közös futások, rendezvények, versenyek). Vicky ezekről is rendre küld értesítést, megfuttatva a GPT engine-en, hogy minél emberszerűbb legyen a szövege. Végül ez annyira jól sikerült, hogy volt rá példa, némely tagunk konkrétan hús-vér embernek nézte, és kellett néhány üzenetváltás, mire lejött nekik, hogy csak egy bottal beszél.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dxBExdYhpcOgASXBWMRIKw.png" /><figcaption>Vicky minden közös futásra meginvitál</figcaption></figure><p>Az edzésekről készült posztoknál belefutottam abba a problémába, hogy Vicky hogyan említse az edzést. Első közelítésben ugyanazt a szisztémát akartam lekövetni, ami a website-on is megjelenik: “Esti futás”, “Délelőtti futás” stb. Azonban jobban személyre akartam ezt szabni, és beleszőni a saját szövegébe a helyszínt, pl. “Kellemes délutáni időben ez a budapesti futás igen jóra sikeredett.” Ehhez a futás lat/lon koordinátáiból kellett a Google Places API-val lekérnem a helyszínt — ezzel azonban rögtön belefutottam egy újabb problémába. Számos eseményünk van nevesítve, a versenyekről nem is beszélve, és elég bután néz ki, amikor Vicky úgy posztol mondjuk a Wizz Air Budapest Félmaratonról, hogy “budapesti futás” vagy méginkább “futás Vízivárosban.” Ezért külön megtanítottam neki, hogy képes legyen felismerni ezeket az eseményeket vagy közösségi futásokat. Sokkal emberszerűbb viselkedés részéről, amikor azonosítja, és nevén nevezi azokat.</p><h4><strong>Az első AI edzőnk</strong></h4><p>Közben felmerült, hogy Vicky mellett lehetne egy sokkal szakmaibb, de ugyanígy AI alapokra épülő virtuális futóedzőnk. Itt a terv az volt, hogy a tag előre elkészített, generikus edzéstervekre tud feliratkozni, a célverseny hosszának és a vágyott célidőnek a megadásával (pl. félmaraton, 1:40:00). Az edző ennek megfelelően állítja be a napi edzés mennyiségét és intenzitását. Ezt azonban több tényezővel alapján módosíthatja: rálát a tagjaink Strava fiókjára, így tisztában van vele, milyen intenzitással edzett a tag, mennyire fáradt, mennyire áll készen egy-egy feladatra. Ha leterhelt, a virtuális edző akár konkrét napok kihagyását is javasolhatja.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0SeRFgq6vtkR-1A7Bh6t3Q.jpeg" /><figcaption>Dr. Tempo odafigyel a futóira</figcaption></figure><p>A futók egy `/report` slash commanddal riportolni tudják a legutóbbi edzéssel kapcsolatos benyomásaikat, ez is egyfajta módosító tényező, amit az edző figyelembe vesz. Valamint az edzővel folytatott privát beszélgetésekből a tényeket lementi az edző, pl. “utálok reggel futni” — ez esetben délutánra írja ki az edzést. Ugyanakkor figyelembe veszi a tag geolokációját és a várható időjárást: ha délutánra pl. felhőszakadás, jegesedés vagy egyéb, a futást negatívan befolyásoló tényező várható, inkább mégis reggelre írja ki a futást, indoklással. Ez a fejlesztés kb. 70%-ig készült el, aztán felfüggesztettem. Az ok tulajdonképpen banális: lett egy valódi futóedzőnk, így az AI botra már nem volt szükségünk. Ezzel együtt egy nagyon érdekes és izgalmas fejlesztés volt.</p><h4><strong>Out of Strava</strong></h4><p>A Strava valamikor 2026 nyarának elején azzal lepett meg bennünket, hogy két hétre elérhetetlenné vált a club-activity feed, mi pedig ezen keresztül polloztuk az edzéseinket. Ez igen érzékenyen érintett bennünket, hiszen ha nem kerülnek fel a futásaink a weboldalra, nincs is mit örökbe fogadni. Gyorsmegoldásként egy olyan szkriptet dobtam össze, amelyik a Strava klub HTML oldalait nézi, és cheerio-val szedi le az edzéseket. Ez szürkezónás fejlesztés volt — de más lehetőségünk hirtelen nem volt javítani a hibát, amely nem is a mi oldalunkon keletkezett.</p><p>Két hét után kaptuk meg a Strava álláspontját: mivel nagyon kevés fejlesztő használja ezt az endpointot, ezért meg fogják szüntetni, tehát más megoldás után kell néznünk. Szerencsére volt más út: ha a sportolóink összekötik a fiókjukat a Futó Angyalokkal, akkor maga a Strava fog behívni hozzánk az edzés végeztével, nem pedig nekünk kell pollozni. Ráadásul ilyen módon sokkal több és részletesebb adatot kapunk. A gond csak az volt ezzel, hogy míg a club-activity-hez elég volt annyi, hogy a tag csatlakozzon a Strava csoporthoz, itt már egy OAuth flow-t kellett engedélyeznie. Bonyolultabb kifejleszteni is, illetve a tagjaink számára is egy plusz nehézség. Mindegy, egyszer kellett megcsinálni, pár nap alatt elkészültem vele — a rendszer azóta is így működik, stabilan.</p><h4><strong>Diana</strong></h4><p>Ezen a ponton már annyi edzést és tranzakciót kezeltünk, hogy muszáj volt építeni egy komolyabb admin felületet. Az elején Claude-dal ugyan összedobtam egy localhoston futó rendszert, de ez hamar kevésnek bizonyult. Immár igazi sportegyesületként működtünk, öt fős elnökséggel, mindenkinek megvolt a maga területe, felelősségi köre. Ezért most egy új rendszert raktam össze: Dianát.</p><p>Itt már különféle jogosultsági szintekkel nagyon finoman lehet beállítani, ki mihez fér hozzá, vagy egyáltalán mit láthat. Innen lehet kezelni a frontenden megjelenő tartalmainkat, menedzselni a taglistát, a kampányokat, az edzéseket. Itt tudjuk megnézni a Lisa — a stat API — által összegyűjtött statisztikai adatokat, illetve lehetőségünk van megtekinteni (de módosítani nem) a beérkezett tranzakciókat. Szükség esetén itt tudjuk revalidálni a frontend cache-t — szintén részletesen, külön a tartalmakat, edzéseket, tranzakciókat.</p><p>Van még egy érdekes része az admin felületnek. Az egyesület alapszabálya kimondja, hogy a tagok felvételéhez az elnökség egyszerű többségének döntése szükséges. Ezért alkottam egy olyan felületet, ahol megjelennek az újonnan csatlakozni kívánt tagok (akik kitöltötték a csatlakozás űrlapot a frontenden), és minden elnökségi tag kap egy szavazat gombot mellette. Amint megvan az egyszerű többség, a tag aktívvá válik, vagyis felvettük az egyesületbe. Más mód nincs a tagság elfogadására, ezt megkerülni — admin felületről — nem lehet, így 100%-ban eleget teszünk az alapszabályunknak.</p><p>Az admin rendszerünk egyébként audit logokban rögzíti, ki, mikor, mit csinált. Ide bekerül a tagok elfogadása vagy elutasítása ugyanúgy, mint amikor valaki egyáltalán bejelentkezik a rendszerbe, vagy módosít valamit, esetleg megtekint egy tranzakciót. Itt különös figyelmet kellett fordítanom rá, hogy érzékeny adatok még véletlenül se maradjanak a logokban. Amit csak lehet, maszkoltam, kitakartam, anonimizáltam.</p><h4><strong>Lisa, az analytics rendszerünk</strong></h4><p>Ahogy utaltam is rá, közben készítettem egy saját statisztikai rendszert — Lisát, az analizátor szó magyar kiejtése alapján –, mivel a Google Analytics erősen overkill lett volna számunkra, és nem akartam lemondani az egyedi fejlesztés adta szabadságról sem. Mérünk különféle eseményeket az oldalon: pl. egy-egy edzésre kattintás, örökbefogadás elindítása, befejezése, de ilyen esemény az is, amikor valaki egyszerűen legörget az oldal aljáig.</p><p>A statisztikáknál fontos a viszonyítási pont, nálunk az aktuális mért adatot az elmúlt három hét azonos napján mért adatok átlagához viszonyítjuk. Tehát egy csütörtöki forgalmat az elmúlt három csütörtök átlagával hasonlítjuk össze. Egy-két hónap után már kifejezetten érdekes és látványos volt, ahogy szembesültünk az oldal látogatottságával, illetve az elköteleződési kedvvel.</p><h4><strong>Ticket, please</strong></h4><p>Itt már annyira szerteágazó volt a rendszer, olyan sok ötletünk volt, hogy indokolttá vált egy projekt menedzsment rendszert beüzemelni. A Jira számunkra túl komplexnek tűnt ehhez a projekthez, ellenben a Trellót és ClickUpot már régről ismertem: előbbi Atlassian termék, alapvetően tök jó, utóbbival pedig nagyon kellemes tapasztalataim voltak korábban, ráadásul az a része, amire nekünk szükségünk van, teljesen ingyenes. Úgyhogy a ClickUp mellett döntöttünk, és nagyon hamar belaktuk. Lett backlogunk, illetve egy szabályunk, mely szerint új feladat csakis a backlogon keresztül jöhet be. Lettek különféle foldereink, mint IT menedzsment, pályázatok, könyvelés stb.</p><p>A ClickUpot többek között az API-ja és a rengeteg ClickApp miatt imádom, hamar össze is kötöttem a GitHubbal, illetve rászoktam arra, hogy a ticket számával kezdődik a commit message. Így oda-vissza linkelve lesz: a ticket kattintható a PR-eken, a ticketbe pedig felkerül minden commit, minden PR.</p><p>De ez így még nem volt elég. Mivel gyakorlatilag egyszemélyben vagyok fejlesztő, nem nagyon vagyok rákényszerítve, hogy részletesen leírjam a ticket szövegében az elvégzendő feladatot. Tegye fel a kezét az a fejlesztő, aki szívesen bíbelődik ezzel… hát én sem. Mégis, olykor jó volna látni, főleg utólag, hogy pontosan mi is történt az adott fejlesztés alatt. Persze, ehhez ott a commit, ott vannak a módosított fájlok, de azokat átbogarászni macerás, főleg ha az elnökség más tagjai szeretnének valamit megérteni belőle. Ezért azt találtam ki, hogy ha feature branchből mergelek a develop-ba, a commit diff alapján készül egy magyar nyelvű, olvasmányos leirat, hogy pontosan mi is történt, miről szól a fejlesztés. Ennek a szövegezése szintén az OpenAI API-n keresztül történik. Hasznosnak bizonyult, volt már rá példa, hogy utólag sokat segített. Ezt szintén NestJS-ben valósítottam meg.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S39QA5A9nzXbWW0wKD5sVA.png" /><figcaption>Így már beszédes</figcaption></figure><h4><strong>Tudom, mit ettél tavaly nyáron!</strong></h4><p>Az egyesületben többen is elég komolyan vesszük a futást (az amatőr szinthez képest): maratonokra, esetleg ultrafutásra készülünk, több napos versenyeken veszünk részt. Sokszor volna szükségünk rá, hogy nálunk tapasztaltabb futóktól vagy szakemberektől kérdezzünk táplálkozással, regenerációval kapcsolatban. Ahelyett, hogy folyamatosan gugliznánk vagy valamelyik AI-t kérdezgetnénk, inkább összeraktam egy újabb chatbotot — Clarat –, akit a GPT-5.6-terra megjelenésének köszönhetően kifejezetten izgalmas volt promptolni. (Vickyt nem akartam beállítani erre a célra, az ő karaktere nem elég hiteles szakmailag.) Ez az engine már lehetővé teszi prompt helyett instrukciók átadását, melyeket nem kell minden párbeszédben felküldenünk, ezáltal rendkívül hatékonyak — és költséghatékonyak — tudunk lenni. Ezekben az instrukciókban nagyon részletesen állítottam össze a szakmai forrásait, illetve különféle szabályokat adtam számára. Ezáltal egy hiteles, komoly, szakmailag felkészült virtuális sportdietetikust kaptunk.</p><p>Nyilván nem helyettesíti az igazi szakembert, de a legtöbb kérdésünkre — mit egyek verseny előtt, milyen diétát (ne) folytassak felkészülési időszakban, komolyabb intervall edzés után mennyi regenerációra van szükség — pontos és kielégítő választ ad. A beszélgetési előzményeket Redisben tárolom, így Clara a korábbi beszélgetések kontextusát is fel tudja használni, és nem kell minden alkalommal nulláról indulnia.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ROyCrzjYRtUz52CVExq11g.png" /><figcaption>Clara nem edző, de sok hasznos tanácsa van</figcaption></figure><h4><strong>Csillagösvényen</strong></h4><p>Közben egyik futótársammal belevágtunk egy érdekes mellékprojektbe, amelynek semmi köze a futáshoz — a gépi látáshoz azonban annál több. Hogy az ötletünk életképességét igazoljuk, kitaláltunk egy érdekes kis kísérletet: vajon mennyire bonyolult egy-egy futóról készült videó alapján biomechanikai elemzést készíteni. Ha ezt meg tudjuk valósítani, az egy hatásos és használható szolgáltatás lesz a tagjaink számára, és egyben jó alap a megvalósítandó másik projektünkhöz.</p><p>Hamar összeállt, hogy ehhez a munkához Python volna a legcélszerűbb — az én Python-tudásom azonban (most még) alapszintű, ezért itt Claude Code-dal fejlesztettem. Alapszabály, hogy csak olyan kódot commitolok, amit magam is megértek, sőt, magam is ki tudnék fejleszteni, az AI viszont gyorsabb. Itt ezt a szabályt tudatosan megszegtem: a kódot ugyan értem, viszont Claude olyan ötleteket adott, amelyek nem biztos, hogy eszembe jutottak volna.</p><p>Néhány óra ötletelés, és telefonnal készült felvételek után elég futurisztikus forgatókönyvet találtam ki: egy drónnal autonóm követéssel felvettünk egymás futásaiból egy-egy percet, majd az elkészült videóból MediaPipe Pose Landmarker használatával sikerült kinyernem a futó 33 pontos drótvázát. Ebből le tudtam generálni egy CSV fájlt, ami adatszinten leírja a futó testrészeinek mozgását, amit már könnyűszerrel lehet elemezni. Az output a futó számára az eredeti videó, belerajzolva a drótvázat, a nyers drótváz videó, a mért adatok, és egy, szintén az OpenAI API-n keresztül legenerált szöveges elemzés a nyers adatok és a CSV alapján. Talán eddig ez a legizgalmasabb, és persze a leglátványosabb IT projektünk az egyesületen belül.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fr7Vp_buSZbg%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dr7Vp_buSZbg&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fr7Vp_buSZbg%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/3f324b6995117466802c725abe6e58d9/href">https://medium.com/media/3f324b6995117466802c725abe6e58d9/href</a></iframe><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fjr21h4bE5Yo%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Djr21h4bE5Yo&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fjr21h4bE5Yo%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/a3b55b1abc744d47d2b6ef7f644d72f9/href">https://medium.com/media/a3b55b1abc744d47d2b6ef7f644d72f9/href</a></iframe><p>Ez így jól hangzik, de így még mindig csak az én laptopomon működött. Valahogy a tagjaink rendelkezésére akartam bocsátani, viszont ehhez nem volt sem kedvem, sem időm frontend és vele együtt járó backend módosításokra. Így szinte adta magát, hogy ezt az egészet Discordba fogom integrálni, Vicky kap egy újabb slash parancsot (`/analyse`), amelynek egyszerűen át lehet adni néhány paramétert: a forrás videó url-jét, a futó magasságát, a vágyott célverseny hosszát, és a vágyott célidőt.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zjCVx3pI1ndKXr_UpEIJWw.png" /><figcaption>Amit Vicky lát ebből az egészből</figcaption></figure><p>Mivel a feldolgozás jellemzően több percig is eltart, itt csak aszinkron kommunikáció jöhetett szóba. Vicky a kapott paramétereket átküldi a backend API-nak, és ha megfelelő választ kap, azonnal vissza is ír a csatornára, hogy a kérést megkapta, a feldolgozás elkezdődött. A backend ahogy dolgozik, néhány másodpercenként visszahív Vickybe, hogy módosítsa a feldolgozás állapotát.</p><p>Itt belefutottam abba a problémába, hogy a Discord csupán 15 percet ad rá, hogy egy már elküldött üzenetet módosítani lehessen. Így a 14. perc után — amennyiben a feldolgozás még nem végzett — Vicky új üzenetet nyit, és ott folytatja az állapot közlését.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bIozBGQAL--dtK8Hu_t2mA.png" /><figcaption>Vicky emlékszik a korábbi elemzésekre is</figcaption></figure><p>Amint elkészült az analízis, a fájlokat automatikusan feltöltjük egy blobba, nyilván ez is idő, amíg ez nem készült el, Vicky státusza “eredmény feltöltése folyamatban” lesz. És amikor elkészült, visszaadja a videó linkeket, az elemzést és a nyers adatokat. Az UI kérdés ez esetben egyszerűen lett megoldva.</p><p>Az alprojekt neve egyébként egyszerűen Motion lett, amiről azonnal sikerült asszociálnom a “Motion Picture”-re, az első egész estés Star Trek filmre. Végig úgy éreztem magam, mintha valami sci-fiben szerepelnék.</p><p>Amúgy ez utóbbi feladat annyira lázba hozott, hogy a drótvázas videó alapján készítettem egy 3D modellt (végtelenített futás a drótváz alapján), amit aztán a sportoló böngészőben, WebGL-ben meg tud tekinteni bármilyen oldalról. Ahhoz, hogy ez használható legyen, még sok finomítás szükséges, de mindenképp izgalmas az irány. Egyelőre csupán proof of concept gyanánt tekintek rá; ha ebbe az irányba szeretnék majd indulni, sokkal finomabb elemzés, többoldali videó szükséges. Egyébként elgondolkodtam rajta, hogy a futóról készített fotók alapján “felöltöztessem” a drótvázat, egyfajta skint adva neki, végül ettől eltekintettem. Egyrészt nem lett volna elég élethű, másrészt a drótváz sokkal látványosabban adja vissza a mozgás sajátosságait. De közben lettek egyéb ötleteim…</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F1l4iy4Bcvyw%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D1l4iy4Bcvyw&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F1l4iy4Bcvyw%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/da041d6922f8f543b6a4891be3d2520b/href">https://medium.com/media/da041d6922f8f543b6a4891be3d2520b/href</a></iframe><h4><strong>Csak egy weboldal lett… meg az apró</strong></h4><p>Így áll jelenleg a Futó Angyalok IT infrastruktúrája. Izgalmas út volt, és — főleg, hogy belekóstoltam a mozgáselemzésbe — még nagyon az elején járunk. Így visszaolvasva számomra is megdöbbentő, mennyi mindent fejlesztettem ki, holott az elején tényleg csak egy szép weboldalt akartam. A legérdekesebb része talán nem is az, hogy mennyi különböző technológiát használtam, inkább az, hogy egyik sem volt előre megtervezve. Minden új probléma hozott egy újabb ötletet, az ötlet egy újabb fejlesztést, a fejlesztés pedig idővel egy újabb rendszert. Így lett egy egyszerű weboldalból API, mobilbarát frontend, fizetési rendszer, adminisztrációs platform, saját analytics, AI-asszisztensek és végül egy computer vision alapú mozgáselemző rendszer.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fa9b0ab99ad7" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>