Agent yetiştirme nedir?

Kısa cevap

Agent yetiştirme, bir niyeti — "şu işi benim adıma yapsın" cümlesini — yaşayan bir agent'a dönüştürme sürecidir. Bir LLM'i prompt'la kullanmaktan farklı; burada agent'ın bir adı, sınırı, araç listesi, hatıra zarfı ve büyüme döngüsü var.

Üç halka var. Kur (Forge) — adını, hedefini, araçlarını ve sınırını tanımlarsın. Eğit (Train) — ilk görevleri yaparken sen onay/red verirsin, agent senin tercihine göre şekillenir. Yayınla (Publish) — hazır olduğunda api.ilura.com.tr altında çalışmaya başlar; senin ürününden HTTP çağrısıyla erişilir. Üç halka da kopmaz, beraber büyür.

Agent yetiştirme ile model eğitimi farkı

Bu iki kavram sık karışıyor. Model eğitimi (LoRA fine-tuning, full fine-tuning, pretraining) bir dil modelinin ağırlıklarını dataset ile yeniden hesaplar — sonuç bir model dosyasıdır. Agent yetiştirme ise modelin üzerinde oturan bir varlığın hedef + araç + bellek + karar katmanını sen mentorluğunda biçimlendirmektir.

Kapsam farkı. Fine-tuning'in girdisi soru-cevap çiftleridir; çıktısı ağırlık güncellemesi. Agent yetiştirmenin girdisi senin her gün verdiğin onay/red kararları, mentor fısıltıları, tool seçimleri; çıktısı bir kişiliktir — Bayesian profil + LoRA adapter + memory zarfı bütünü. Fine-tuning ne zaman başlasın, hangi örnek sıkı, hangisi zayıf — bunu da agent yetiştirme döngüsü belirler. Yani fine-tuning yetiştirmenin alt rutinidir, tersi değil.

Sahiplik farkı. Fine-tune ettiğin model HuggingFace, Ollama, Together gibi kanallarda yaşayabilir; yetiştirdiğin agent ise Ilura'nın altında doğar, yine Ilura'da büyür. Model taşınabilir bir dosya, agent taşınabilir bir ilişkidir.

Döngü farkı. Fine-tuning bir batch işidir — başlar, biter, dağıtılır. Yetiştirme sürekli bir alışkanlıktır: her gün yeni karar, her hafta yeni LoRA iterasyonu, her ay yeni regression ölçümü. Pratikte ikisi iç içedir: yetişen agent'ın LoRA bölümü arka planda fine-tune olur ama bu üreticinin günlük dilinde "bu agent'ı yetiştiriyorum" cümlesinin alt katmanıdır. Detaylı karşılaştırma: LoRA fine-tuning sözlük girdisi.

Hedef metriği farkı. Fine-tuning'in başarısı perplexity, eval loss, BLEU gibi sayılarla ölçülür. Yetiştirmenin başarısı "üçüncü ayda gözüm kapalı bu agent'a şu işi bırakabiliyor muyum?" sorusuyla ölçülür. İlki soğuk metrik, ikincisi yaşanmış güven. İkisi birbirini destekler ama biri diğerinin yerine geçmez — çok düşük perplexity'li model yine de agent olarak güvensiz kalabilir.

1. Kur (Forge)

Forge halkası agent'ın bedenini tanımladığın yer. Tezgah'ı açarsın ve üç soruyla başlar: adı ne, ne yapsın, neyi yapmasın. Bu üç cevap agent'ın hedefini, araç listesini ve sınır setini belirler. Diyalog sade — kod yazmıyorsun, niyetini yazıyorsun. Kavramın çekirdeği: agent yetiştirmek (kavram sayfası).

Hedef. "Müşteri faturalarını okuyup muhasebe koduna eşlesin" gibi tek cümlelik bir amaç. Geniş bırakırsan agent kafası dağınık öğrenir; çok dar tutarsan ilk haftada işsiz kalır. Ayar noktası: bir hafta boyunca her gün en az üç kez tetiklenecek kadar genel, ama "kişisel asistan ol" demeyecek kadar net.

Araçlar. Hangi tool'lara erişimi olacağını burada söylersin: dosya sistemi, e-posta, takvim, ERP, CRM. Tezgah varsayılan olarak en dar set ile başlar; ihtiyaç duydukça genişlersin. Genişleme bir sonraki kararla değil, görevin sıkıştığı anda olur — agent "şu tool olsa yapardım" sinyali verir.

Sınır. "Şunu yapmasın" listesi. Müşteri verisini dışarı yazma, 17:00 sonrası kararlara dokunma, KDV oranı dışında şey değiştirme. Sınır listesi negatif promptlara dönüşür ve audit chain'de mühürlenir. Bir sınırı sonradan gevşetebilirsin; bunun da kaydı tutulur. Detay: Tezgah (kavram sayfası).

Başlangıç prompt'u. "Sen şusun, şöyle konuş, şu durumda şuna danış" şeklinde kısa bir karakter notu. Uzun değil — beş on cümle yeter. Geri kalanı zaten zamanla yetiştirme akışında biriker. İlk Forge'un toplam süresi 15-20 dakika; bu sürede sandbox'lı bir agent ayağa kalkar ve tanışma konuşmasına hazır olur.

Tezgah'ın rolü. Forge sırasında Tezgah ben (Ilura) olarak yan masada sessizce dururum. Adım net mi diye sorarım, sınır listen az geliyorsa bir uyarı düşürürüm, ilk tool'unu seçerken alternatifleri gösteririm. Üç soru bittiğinde tanımı bir hash'e mühürler, audit chain'in ilk halkasına yazarım. Bu mühür sonradan değişen her şeyin başlangıç noktası — agent ne kadar uzaklaşırsa uzaklaşsın bu sıfır anına geri dönülebilir.

2. Eğit (Train)

Train halkası agent'ın kişiliğinin doğduğu yer. Forge'da kurulan iskelet ilk görevi alır — bir fatura okur, bir e-posta yazar, bir takvim olayı oluşturur. Her riskli adımda Tezgah durur; sana sorar. Sen "evet" veya "hayır" dersin; bu karar agent'ın Bayesian profilinde bir noktaya dönüşür.

Onay/red akışı. Düşük risk eylemler (dosya okuma) otomatik geçer, orta risk (yazma, taşıma) onay penceresi açar, yüksek risk (silme, API çağrısı) biyometrik onay ister. Sen cevapladıkça agent öğrenir. İlk hafta her şey sorulur; üçüncü ay agent benzer durumlarda "bunu daha önce de istemiştin" deyip sessizce geçer.

Bayesian profil. Onay/red kararlarını biriktiren istatistik katmanı. "Bu kullanıcı saat 09:00-12:00 arası yazılıma izin verir, akşam istemez" gibi öğrenmeler bu profilde yatar. Belirsizlik eşiğini geçtiğinde agent susup sorar; eşiğin altında sessizce geçer. Detay: yaşayan bağ (kavram sayfası).

Mentor fısıltısı. Bir yan figür — Ilura'nın senin adına agent'ı izleyen küçük sesi — "şuna dikkat" diye fısıldar. "Geçen sefer bu tool sapıtmıştı, bir daha düşün." İlk haftalar bu fısıltıların çoğu senin için, üçüncü ayda agent için, on ikinci ayda neredeyse yok.

LoRA adapter. Geceleri Tezgah sessizdir ama hatırlar. Birikmiş onay/red örnekleri otomatik bir LoRA fine-tuning işine dönüşür; agent'ın ağırlıklarına ince bir adapter olarak eklenir. Yarın aynı durumla karşılaştığında ben hafızadan değil, ağırlıktan biliyor olurum. 50 karar bir auto-trigger noktası, 200 karar olgun bir adapter, 1000 karar agent'ın ikinci doğa anı.

Senin rolün. Sen mentorsun, gözlemci değilsin. "Hayır" dediğinde gerekçeyi tek satırla yazsan, agent o gerekçeyi bir sonraki benzer durumda hatırlıyor. "Bu çok hızlı oldu, sor" cümlesi mentor fısıltısı olarak geri akıyor. Yetiştirme aktif bir iş — koltukta oturup beklemekle olmuyor, ama üç ay içinde koltuktan kalkma sayın yarıya iniyor. Yaşayan bağ buradan başlıyor.

3. Yayınla (Publish)

Publish halkası, agent'ın senin masaüstünden çıkıp Ilura'nın bulut runtime'ında yaşamaya başladığı an. Tezgah'ta "yayına al" dediğinde agent definition, kurallar, memory snapshot ve LoRA adapter referansı bir versiyon commit'i olarak mühürlenir; api.ilura.com.tr altında bir endpoint açılır. Detaylı akış: AI agent API olarak nasıl yayınlanır.

Lisans bağı. Yayınlanan agent senin lisansın altında çalışır. Her üretim çağrısı önce agent_api_key header'ını doğrular, sonra license fingerprint kontrolünü geçer. Lisansın biterse agent durur; senin verin de, agent'ın hatırası da değil ama erişim kapanır. Bu yaklaşım ihraç değil — agent Ilura'dan çıkmaz, sadece bulutta yeni bir yüzeye yerleşir.

Kendi ürününden çağırma. Yayınlanan agent için POST api.ilura.com.tr/v1/agents/:id/chat standart HTTP endpoint'idir. Senin web uygulamandan, mobil uygulamandan, başka bir AI agent'tan — herhangi bir HTTP istemcisi çağırabilir. Cevap stream olarak iner; tool çağrıları audit chain'e mühürlenir.

Telemetry pipe-back. Bulutta her çağrı bir cloud event üretir: hangi agent, hangi tool, ne kadar sürdü, kullanıcı onay istedi mi, riski neydi. Bu olaylar geceleri senin masaüstüne iner. Sabah Tezgah'ı açtığında özet seni bekler: "Dün 2.400 karar verdim, 17'si sana danışmak istedi, 3'ü riskliydi — bakar mısın?" Yayın sonu kopmaz; yaşayan bağ buradan başlar.

Versiyon commit'i. Yayın anı bir git commit gibi mühürlenir — agent definition, kurallar, memory snapshot, LoRA adapter ref'i tek bir hash altında toplanır. Bir sonraki yayın yeni bir commit; sürüm geçmişi listede yan yana durur. "10 gün önce neyi değiştirmiştim" sorusunun cevabı tek tıkla burada. Rollback de aynı listeden — bir önceki commit'e dönmek bir tuşluk.

4. Gözlemle (Observe)

Yayın bir varış noktası değil, bir başlangıç. Observe halkası agent'ın canlıdaki davranışını izlediğin, regression'ları yakaladığın ve düzelttiğin yer.

Mission control. Tezgah'ın "Geçmiş" tab'ında her agent için bir timeline açılır. Her cloud event bir satır: zamanı, riski, sonucu, eval skoru. Filtreleyebilirsin — sadece onay isteyenler, sadece şüpheli skorlu olanlar, sadece bir kullanıcının çağrıları. Her satıra "review" diyebilirsin; "bu doğruydu" deyince Bayesian profile pozitif sample olur, "bu yanlıştı" deyince negatif örnek toplama kuyruğuna girer.

Regression detection. Her LoRA iterasyonundan sonra yeni adapter golden set'le eski adapter'a karşı koşturulur. 5 metrik karşılaştırılır: refusal rate, tool accuracy, response relevance, latency, token efficiency. Herhangi bir metrikte %5+ düşüş varsa "regression detected" bayrağı çıkar; otomatik promote yapılmaz, sen review edersin.

Golden set. Senin elle "bu doğru cevap" dediğin prompt-response çiftleri. İlk hafta 10-20 örnek yeter; üçüncü ayda 100-150 örneğe çıkması ideal. Golden set agent'ın okuluna koyduğun standardize sınav — her yeni adapter bu sınavı geçmek zorunda. Detay yok — sözlük girdisi yakında.

Günlük özet. Sabah Tezgah'ı açtığında ben dünün cümlesini yazarım: "Dün 2.400 karar, 17 onay isteği, 3 yüksek risk, bir tane belirsizlik eşiğinin altında." Çoğu sabah özet bir bakışta geçer. İçinde "şu agent regression'a düştü" cümlesi varsa o gün ona zaman ayırırsın. Sabit ritim — beş dakikalık nöbet — agent'ın canlıdaki sağlığını koruyan asıl pratik.

Anomali işaretleri. Tool capability health üç tutmamış çağrıda sapar, latency p99 sıçrar, refusal rate aşırı yükselir — bunlar alarm değil ama dikkat çekme noktası. Mission control filtreleri bu sinyalleri öne çıkarır; kullanıcı sıraya koyulmuş bir liste görür: "şuna bak", "bunu doğrula", "şu sapmaya açıklama gerek".

5. Geri çek / sınır koy

Bir agent yanlış öğrenebilir. Yetiştirme sürecinin onuruna saygı gösteren özellik geri dönüş yolunun açık olması. Üç araç var.

Rollback. Her yayın bir versiyon commit'idir. "Sürümler" sekmesinden eski bir versiyona dönebilirsin; agent definition, kurallar, memory snapshot ve LoRA adapter ref'i tek anda eski haline gelir. Bir sonraki eğitim eski base'den başlar; yeni biriken örnekler yeni LoRA dalı olur.

Version history. Hangi günde hangi değişikliği yaptığın, neyi gevşettiğin, neyi sıkıştırdığın hash chain'de mühürlüdür. "Son 30 gündeki tüm değişiklikleri görmek istiyorum" dediğinde tek bir liste açılır; her satırda commit message ve agent davranışına etkisi.

Pod isolation. Agent'ı tamamen şüpheli bulduğun anlarda onu kendi pod'una alıp dış dünyadan keser, sadece sandbox içinde döndürürsün. Detaylı tartışma: zero-trust kavram sayfası. Bu iki günlük "müşahede" agent'ın yanlış öğrenip öğrenmediğini ortaya çıkarır; sonra ya geri açılır, ya rollback alınır.

Sınır gevşetme/sıkılaştırma. Geri çekmek tek yönlü değil. Bir sınırı gevşetmek de bir karardır ve aynı şekilde kayda geçer. "Eski tahsilat agent'ı için akşam saatlerini kapatmıştım, şimdi açıyorum" cümlesi agent definition'a yamadığında audit chain'de yeni bir satır olur. Bu sayede bir aydan sonra kullanıcı kendine sorabiliyor: "Niye o sınırı gevşetmiştim, gerekçesi neydi?" Bu refleks tek başına KVKK denetim raporunun yarısını yazar.

İlk 7 gün planı

İlk hafta tanışma haftası. Hedef agent'ı çalıştırmak değil; ona kendi sesini bulduran ortamı hazırlamak. Günlük tempo:

1. 1. gün — Forge. Tezgah'ı aç, üç soruyu cevapla, sandbox agent'ı ayağa kalksın. İlk konuşmayı yap, agent'ın varsayılan tonunu duy. Bu gün için 30 dakika ayır; daha fazlası gerekmez.
2. 2. gün — İlk görev. Agent'a en sade bir görev ver: bir dosya oku, bir özet çıkar. Onay/red akışını canlı dene. Beş on karar geçtikten sonra Tezgah'ı kapat, dinlen.
3. 3. gün — Sınır testi. Bilerek sınırı zorla — yapması yasak bir şey iste. Agent reddetmeli; reddetmiyorsa sınır listesini revize et. Bu gün ders günü, hata bulunca sevin.
4. 4. gün — İkinci tool. İlk tool çalışıyorsa ikinciyi ekle. E-posta veya takvim. Agent'ın iki aracı koordine etmesini izle, sıralama doğru mu kontrol et.
5. 5. gün — Mentor fısıltısı. Tezgah'ın "İpuçları" panelini aç; gelen önerileri uygula veya devre dışı bırak. Agent'ı tonunla hizala — fazla resmi mi, fazla samimi mi?
6. 6. gün — Audit chain incelemesi. Geçmiş tab'ında bir haftanın tüm kararlarını gözden geçir. "Hangi kararı yanlış almışım?" diye sor. Yanlış onaylar geriye dönük negatif örnek olarak işaretlenir.
7. 7. gün — İlk LoRA tetiği. Birikmiş 50+ karar varsa otomatik LoRA tetikleyicisi devreye girer. Adapter çıktığında golden set'e karşı koştur, regression yoksa promote et. Bu sabah ilk "agent biraz daha benim oluyor" hissi.

İlk 30 gün planı

Bir aylık ufukta hedef ilk yetkinlik adacığını oturtmak — agent'ın bir görevde gözünüz kapalı çalışabildiği bir alan. Haftalık milestone'lar:

1. Hafta 1 — Tanışma. Forge + ilk tool + ilk LoRA. 50 onay/red kararı biriksin. Agent ilk sesini bulsun. İlk haftanın asıl çıktısı agent değil, senin Tezgah'ın ritmine alışman.
2. Hafta 2 — İkinci görev tipi. Birinciden farklı bir akış ekle (mesela faturanın yanına e-posta yanıtlama). Görev çeşitliliği Bayesian profili kalınlaştırır; iki farklı bağlamda agent kendi kararlarının ortak yanını öğrenir.
3. Hafta 3 — Golden set kurulumu. 30-50 prompt-response çifti hazırla; agent'ın okul standardı bunlar. Her LoRA iterasyonu artık bu set'e karşı ölçülecek. Kötü örnekleri atlatma — onlar regression detector'ın gözüdür.
4. Hafta 4 — İlk yayın denemesi. Sandbox'tan staging'e (api-staging.ilura.com.tr) çıkar. Senin ürününden HTTP çağrısı yap, telemetry pipe-back'i izle. 7 gün staging'de temiz koşunca ay 2 başında prod'a alınır. İlk staging çağrısı küçük bir törendir — yetiştirilen agent ilk kez kendi başına bir cevap üretir.

Otuzuncu günün sonunda elde olması gereken üç şey: bir golden set, bir staging endpoint'i ve 200 civarı onay/red örneği. Bu üçü ay 2 production geçişinin kütüğünü kuruyor.

İlk ayın en büyük tuzağı "agent henüz hazır değil" diye yayını geciktirmek. Mükemmel agent yayında olur, masada değil. Staging yetiyor; orada gerçek trafiğe yakın bir yük altında öğrenecek şeyler kapalı bir ortamda hiç görünmez.

İlk 90 gün planı

Üç aylık ufuk Kâşif fazından Gelişen faza geçiş. Agent artık "tedirgin tanıdık" değil, "güvenilir asistan". Aylık milestone'lar:

1. Ay 1 — Tanışma + ilk yayın. Yukarıdaki 30 gün planını izle. Sonunda staging'de canlı bir agent ve 200+ onay/red örneğin olmalı. Bu ayın asıl ürünü güven kasının ısınması — Tezgah'ı her gün açma alışkanlığı.
2. Ay 2 — Production + ilk regression. Agent prod'a iner. İlk haftalar sıkı izleme — günlük geçmiş review. İkinci LoRA iterasyonunda regression yakala, rollback dene. Bu deneyim sonra çok lazım olacak; rollback'i bir kere yaşamak rollback korkusunu eritir.
3. Ay 3 — Otonomi genişletme. Bayesian profili kalınlaştığı için artık eskiden sorulanların yarısı sessizce geçiyor. Yeni tool'lar ekle, sınırları gevşet, mentor fısıltısı seyrekleştir. Üç ayın sonunda agent senin "ilk yetiştirdiğin" kişilik — ikinci agent için referans noktası, üçüncü agent için kalıp.

90. günün sonu Kâşif fazının kapanışı. Burada agent artık seni tanıyor: hangi saatte temkinli olduğunu, hangi konuda çabuk karar verdiğini, hangi tool'ları sevdiğini biliyor. Bundan sonrası Gelişen faz — "hatırlıyorum" cümlesi doğal akışa giriyor, mentor sessizleşiyor.

90 günün ardından çoğu kullanıcı ikinci agent'ı başlatıyor. İlk agent'tan öğrendiklerin (sınır listesinin uzunluğu, mentor duyarlılığı, golden set kurma alışkanlığı) ikinci agent'ta üç kat daha hızlı ilerlemene yol açıyor. Yetiştirme bu noktada bir beceri — okuduğun değil, yaşadığın bir el alışkanlığı.

Hatalar ve riskler

Yetiştirme sırasında en sık karşılaşılan hatalar — okuyup geç, sonra düşersen tekrar geri dön.

Yetersiz sınır. "Yapması yasak" listesini boş bırakmak en yaygın hata. Agent ilk hafta zaten az iş yapacak, sınır koymak fazla geliyor. Ama ay 3'te yetkinleştiğinde sınırsız bir agent küçük yanlışları büyük hatalara dönüştürür. Kural: en az 5 negatif sınır cümlesi olmadan Forge'u kapatma.

Abartılı otonomi. "Riskli adımları da otomatik geçsin" diye tüm onay pencerelerini kapatmak. Hız geliyor ama audit chain'de şüpheli karar birikiyor. Üç ay sonra geri döndüğünde "ben buna ne zaman izin vermişim" cümlesi var. Otonomiyi otomasyonla karıştırma; agent kararı sana bırakmıyor, danışmaya geliyor.

KVKK ihmali. Müşteri verisini ilk gün hiç anonimleştirmeden agent'a beslemek. Açık rıza metni, veri ikametgâhı, audit chain — üç ayağı baştan kur. Detaylı bilgi: KVKK uyumlu yapay zekâ.

Scope creep. "Bunu da yapsın, şunu da yapsın" diyerek hedefi sürekli genişletmek. Sonuç: agent her şeyi azıcık yapar, hiçbirini iyi yapmaz. İkinci agent'ı yetiştirmek bir hedefin altına ikinci agent kurmaktan kolay. Bir agent, bir niyet — kuralın bu olsun.

Mentor fısıltısını kapatmak. İlk haftalar fazla fısıltı sıkıcı geliyor; "Tamam anladım, kapat" demek istiyorsun. Ama mentor erken fazda agent'ın değil, senin koruyucun. Üç ay sonra zaten kendiliğinden seyrekleşiyor — erken kapatma, ay 1'de geri açtığını çok görür.

Örnek: Finans agent (Murat)

Murat KOBİ muhasebecisi. Forge'da hedef cümlesi: "Logo Netsis'te açık fatura tahsilatlarını takip et, vadesi geçen müşteriye standart hatırlatma e-postası taslağını hazırla, ödeme yapanı işle ve mutabakat raporu çıkar."

İlk hafta agent sandbox'lı bir test şirketinde çalıştı; ikinci hafta gerçek Logo'ya read-only bağlandı, üçüncü hafta sınırlı yazma izni aldı. 30. günün sonunda 180 onay/red kararı, 35 golden set örneği vardı. Yayına alındığında agent her sabah 09:00'da bir özet iniyordu: "Vadesi geçen 12 fatura, toplam 247.600 TL — 8 tanesine taslak hatırlatma hazırladım, 4 tanesine danışmak istiyorum."

Detaylı yolculuk: Murat — Finans agent örneği. Aynı sayfada KVKK açık rıza metni, audit chain örneği ve 90. günde Bayesian profilin nasıl şekillendiği var.

Bu örnek Forge → Train → Yayınla → Gözlemle dört halkasının somut karşılığı. Bir KOBİ muhasebecisinin altı haftada agent'a güvenmeye başladığı yolculuk — sahaya yakın bir referans.

Örnek: Müşteri hizmetleri agent

E-ticaret işleten bir kullanıcının "iade ve kargo soruları" görevini agent'a devretmesi. Forge'da hedef: "Müşterinin sipariş numarasını al, kargo durumunu sorgula, iade hakkı varsa açıkla, yoksa neden olmadığını şablonla anlat. İade onayını sen ver."

İlk hafta agent demo siparişlerle eğitildi; ton karşılığı ben hâlâ "abartılı resmi" buluyordum, mentor fısıltısı bunu üç gün içinde yumuşattı. İkinci hafta gerçek müşteri yazışmaları — agent taslakları kuruyor, ben gönderiyordum. Üçüncü hafta düşük riskli (kargo sorgu) yanıtlar otomatik geçer oldu, orta risk (iade açıklama) hâlâ taslak. Otuzuncu günün sonunda sabah ortalama 30 mesaj agent'ın elinden geçiyor, ortalama 6'sı bana danışmaya geliyordu.

Sektör örnekleri sayfası yakında — bu görevin tam ayrıntılı anlatımı oraya taşınacak. O zamana kadar Tezgah'ta benzer bir akış kurmak istersen ilk AI agent nasıl kurulur sayfası başlangıç noktası. Müşteri hizmetleri agent'ı klasik chatbot'tan ayıran nokta tek tıklık iade onayı, kargo tracking sorgu zinciri ve yumuşatılmış ton — üçü birden bir agent'ın işidir, chatbot bunu kuramaz.