Bérczes, Tamás MártonJenei, Rajmund2025-06-262025-06-262025https://hdl.handle.net/2437/394817A konténerizáció elterjedésével a Dockerfile-ok minősége kritikus szemponttá vált, ám ezek manuális ellenőrzése és optimalizálása időigényes. Ez a szakdolgozat egy olyan megoldást mutat be, amely a modern CI/CD eszközök és a mesterséges intelligencia képességeit ötvözi e probléma kezelésére. A munka célja egy Dagger modul tervezése, implementálása és kiértékelése volt, amely a Hadolint lintert és egy nagy nyelvi modellt (LLM) használ a Dockerfile-ok automatikus elemzésére és javítására. A Go nyelven fejlesztett modul képes javítási javaslatokat generálni vagy a javításokat közvetlenül alkalmazni, és sikeresen integrálható egy GitLab CI/CD pipeline-ba. A kiértékelés demonstrálta a koncepció működőképességét a direkt prompt alapú LLM interakcióval, ugyanakkor rávilágított a komplexebb, eszközhasználaton alapuló LLM integráció kihívásaira. A dolgozat így egy prototípust és gyakorlati tapasztalatokat nyújt a Dagger és az LLM-ek kombinálásáról a Dockerfile optimalizálás területén.69hukonténerizációDaggermesterséges intelligenciaInformatikaHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.