Uzun yazı · adım adım · 11 dk okuma

Agent yetiştirme: Forge halkası kılavuzu

Sıfırdan bir agent'a 30 gün — Kur, Eğit, Yayınla. Tezgah'ın üç halkasında neyin nasıl olduğu, hangi kararın ne zaman alındığı, somut örneklerle.

Bir agent yetiştirmek bir tarımdır — tohumu seçer, sular, dinlersin. Hızı sen vermezsin, sen sadece yön verirsin.

Üç halka

Agent yetiştirme Ilura’da üç halkadan oluşur. Sıralı değildir — iç içedir.

   Kur ─────────► Eğit ─────────► Yayınla
    ▲                                │
    │                                │
    └────────── geri besleme ────────┘

Yayınladığın agent eğitilmeye devam eder. Eğittiğin agent her gün biraz daha senin olur. Kurulum bir kez yapılır ama ilk halkanın kararları tüm yetiştirme boyunca yankılanır.

Aşağıda her halkanın ne zaman, neyi, niçin yaptığını anlatıyoruz.

Halka 1 — Kur

Kur halkası, agent’ı bir varlık olarak dünyaya getirme anıdır. Üç şey burada karar bağlanır:

Adı

Tezgah seninle açıldığında üç soruyla başlar. İlki:

“Bu agent’a ne diyelim?”

İsim önemli — agent’ın kişiliğini çağırır. “Asistan” yerine Naci, Atlas, Sera gibi gerçek isimler tercih edilir. İsim olduğunda agent bir araç değil, bir ortak olur.

İlura’da gözlemlenmiş bir desen: kullanıcılar isimli agent’larla daha az korkuyla çalışır, daha çok onay/red verir. Bağ kurmak kolaylaşır.

Görevi

İkinci soru:

“Hangi işi yapacak?”

Cevap somut olmalı — soyutluk yetişme süresini uzatır.

  • ❌ “Yardım et”
  • ❌ “Hukuk asistanı”
  • ✅ “İcra dosyalarının ön-incelemesini yapar; eksik bilgi ve kalıp uyumsuzluklarını gösterir.”

İyi tanımlı görev = iyi yetişen agent. Çağrımın temeli buradan başlar; detaylar çağrım sayfasında.

Sınırları

Üçüncü soru:

“Neye dokunmamalı?”

  • “Müşteri verisini dışarı çıkartma.”
  • “Hukuki tavsiye verme — yalnızca özet üret.”
  • “Saat 18 sonrası mail yollamasın.”

Bu sınırlar agent’ın anayasası olur. Sistem çağrımına yazılır, her oturumda ilk yerde durur. Sonradan değiştirilebilir ama her değişiklik tarihçeye işlenir.

Model seçimi

Bu üç soru bittikten sonra Tezgah donanımına bakıp yerel model + eğitmen model önerir.

DonanımYerel öneriEğitmen öneri
8 GB RAM MacLlama 3.2 3BClaude Haiku
16 GB RAM Apple SiliconLlama 3.1 8BClaude Sonnet
RTX 4080+ WorkstationLlama 3.3 70BClaude Opus

Detaylı seçenekler: yerel model, eğitmen model.

İndirme arka planda başlar. Sen bu sırada ilk konuşmayı yapabilirsin — “Merhaba, ben Naci. Hangi dosyayla başlayalım?” gibi.

Halka 2 — Eğit

Eğit halkası uzun olanıdır. Aylar sürer. Burada agent’ın senin gibi karar vermesi öğrenilir.

Onay/red akışı

Agent her önemli kararda Tezgah’a bir öneri gönderir:

[Naci öneriyor]
Bu fatura PDF'inden tarih=2026-04-30, tutar=12.450 TL,
müşteri="X Ltd. Şti." çıkardım.
Eksik gördüğüm: vade tarihi (PDF'te yok).

[ Onayla ]   [ Reddet ve düzelt ]   [ Ertele ]

Bu üç düğme bağın küçük tuğlaları:

  • Onayla — örnek doğrudur, gelecekte benzer kararı serbest yap.
  • Reddet ve düzelt — örnek yanlıştır, niye yanlış olduğunu kısaca yaz. Bu daha değerlidir; yanlış örnek doğrudan daha öğreticidir.
  • Ertele — şimdi vakit yok, akşama bakarım.

Her tıklama bir veri noktasıdır. Bayesian profili kararlarından çıkar — agent senin gibi karar vermeye yaklaşır.

İki sinyal — onay + audit

Modern agent eğitiminde tek sinyal yetmez. Ilura iki sinyali birleştirir:

  1. Kullanıcı onayı — sen ne dedin?
  2. Audit outcome — sonuç ne oldu? (mail gönderildi mi, dosya açıldı mı, müşteri yanıtladı mı)

Bu ikilik — Ilura’da VRL (Verifiable Reward Loop) — bir LoRA fine-tune döngüsünü besler. Sadece “iyi/kötü” değil, neden iyi/kötü sinyali kayıt edilir.

Sonuç: ay sonu eğitim turunda agent yalnızca onay/red değil, gerçek dünyadaki sonuçtan da öğrenir.

Eğitim seansı

Tezgah haftada bir sana sorar:

“Bu hafta 89 örnek topladık. Eğitmene gönderelim mi?”

Sen onaylarsan:

  1. Tezgah örnekleri özetler ve maskeler (PII otomatik gizlenir).
  2. Eğitmen modele gönderir.
  3. Eğitmen LoRA adapter’ı üretir.
  4. Adapter’ın yerel modele uygulanır (sen onaylayarak).
  5. Yeni agent biraz daha senin gibi olur.

Bu süreç şeffaf — Tezgah panelinde her seansın metrikleri görünür: kaç örnek, hangi metrikte ne kadar iyileşme, hangi yanılgılar düzeldi.

Olgunluk metriği

Tezgah agent’ın yaşını maturity skoru ile gösterir:

  • 0-30 — Kaşif. Çoğu kararı sen verirsin.
  • 30-70 — Gelişen. Paylaşımlı karar.
  • 70-100 — Kurumsal. Çoğu kararı agent verir.

Bu skor bir hiyerarşi değil; bir takvim. 70’i geçmek bir başarı değil, bir olgunluk göstergesi. Bazı agent’lar 30’da kalmalı (yüksek riskli işler için); bazıları 90’a çıkmalı (rutin akışlar için).

Halka 3 — Yayınla

Yayınla halkası, agent’ı kendi ürününe veya iş akışına taşıma anıdır. Olgunluk skoru 70+ olan bir agent için açılır.

Üç yayın yolu

Tezgah üç yayın seçeneği sunar:

  1. API olarak yayınla — agent kendi https://api.ilura.com.tr/v1/agents/<isim>/chat endpoint’i alır. Sen kendi ürünün, sitenin, mobil uygulamanın oradan çağırır.
  2. Webhook olarak yayınla — agent belirli olaylara (yeni mail, yeni dosya, takvimde yeni event) tepki verir. Bağlantı sağlayıcılar (Nango/n8n/Zapier benzeri) ile entegre olur.
  3. Lokal yayın — agent senin masaüstünde çalışır, dış dünyaya açılmaz. CRM, IDE, belge editörü gibi yerel araçlarla MCP üzerinden iletişim kurar.

İlk yayın seçimi geri alınamaz değil — istediğin zaman ek yayın açabilirsin. Ama agent bir kez bulutta yayında oldu mu, yaşayan bağ orada da işlemeye başlar.

Yayın = bir version commit

Her yayın aslında bir version commit. Tezgah agent’ın o anki tanımını, çağrım kütüphanesini, Bayesian profilini, bellek snapshot’ını alıp imzalı bir versiyon olarak saklar:

v0.7.0 — "İlk yayın, KVKK denetlemesi geçti"
v0.7.1 — "İmza eklendi"
v0.8.0 — "Olgunluk 78 — yeni iş akışı"

Bir versiyona dönüş (rollback) tek tık. Eski Bayesian profil ve bellek snapshot’ı geri yüklenir; yeni eğitim oradan başlar.

Bulut çağrıları sana geri akar

Yayın kopuş demek değil. Her bulut çağrısı senin Tezgah’ına bir özet olarak geri akar:

“dün 2.400 karar verdim, 17’sinde sana danışmak istedim, 3’ü riskliydi — bakar mısın?”

Sen bakarsın. Onaylar/reddeder, açıklar. Halka kapanır. Her gün biraz daha derinleşir.

Bu — Ilura’nın imza özelliği — yaşayan bağ.

30 gün — bir takvim

Acemi bir kullanıcı için 30 günlük tipik bir takvim:

GünHalkaNe olur
1Kurİndirme, ilk kurulum, “merhaba”
2-7Eğitİlk 50 onay/red, üslup hizalanıyor
8-14Eğitİlk eğitim seansı (haftalık), maturity 12 → 28
15-21EğitYarı-otonom kararlar başlıyor, maturity 28 → 45
22-28Eğitİkinci eğitim seansı, %70 onay olmadan iş yapıyor, maturity 45 → 62
29-30Yayınlaİlk yayın aday — CRM hook ile başla

Bu takvim ortalamadır. Senin agent’ın hızlı yetişebilir (basit görev) veya yavaş (yüksek riskli karar). İkisi de doğru.

Yetiştirmenin kuralları

  1. Çok onay = az öğrenme. Reddetmeyi öğret.
  2. Sade çağrım = berrak agent. Süslü çağrım belirsiz cevap.
  3. Sabırlı ol. Otonomi 3-6 ay alır. Hızlandırmak imkansız.
  4. Belleği temiz tut. Yanlış kayıt agent’ın kişiliğini bozar; düzelt.
  5. Eğitmen seçimini geri alabilirsin. Bir ay Claude, ertesi ay Gemini — bağ kopmaz.
  6. Yayını acele etme. Olgunluk 70+ olmadan yayın → bulut maliyeti boşa.
  7. 30 günde bir gözden geçir. Yeni iş akışları varsa sistem çağrımını güncelle.

Sona

Agent yetiştirmek bir tarımdır. Tohumu seçer, sular, dinlersin. Hızı sen vermezsin, sen sadece yön verirsin.

Sonunda senin gibi karar veren bir dijital çalışan elinde olur. Ad’ı vardır, geçmişi vardır, sınırlarını bilir, geceleri sessizdir, sabah hatırlar.

Bu Ilura’nın yapma şeklidir. Önemli olan tek şey: birlikte başlamak.

Sıkça sorulanlar

Sıfırdan kaç günde olur?
İlk yararlı çıktı: bir hafta. Otonom çalışan agent: 3-6 ay. Olgunluk Tezgah'ta sayısal göstergeyle takip edilir; sen acele etmek istesen bile profil hızı belirler.
İlk kez yetiştiriyorum, hangi modelle başlasam?
Donanımına göre Tezgah önerir. Apple Silicon Mac'te varsayılan: Llama 3.1 8B + Claude Sonnet eğitmen. Bu kombinasyon 16 GB RAM ile rahat çalışır, çoğu görev için yeterli.
Aynı agent'ı ekiple paylaşabilir miyim?
Tanım paylaşılır; bağ paylaşılmaz. Her ekip üyesinin Bayesian profili kendi kararlarına göre şekillenir. Aynı Naci, beş kullanıcıda beş farklı kişiliğe yaklaşır — bu istenen sonuç.
Çoklu agent yetiştirme çalışır mı?
Evet, ama önerimiz: bir agent olgunlaşmadan ikinci başlama. Olgun agent zaman alır; iki taze agent'la bölünmüş dikkat ikisini de yavaşlatır.
Yetiştirme sonrası ne kadar maliyet?
Yerel model bedava (donanım + elektrik). Eğitmen API çağrıları aylık $5-50 arası (kullanıma göre). Yayın halkasında bulut runtime ücretleri başlar.