Eğitmen model
Diğer adlandırmalar: teacher model , bulut eğitmen
Tanım
Eğitmen model, yerel modelini terbiye eden bulut LLM’dir. Anthropic Claude, OpenAI GPT, Google Gemini ya da Azure OpenAI olabilir. Tezgah’ta API anahtarınla bağlanır.
Bu mimari Ilura’nın imzalı kararlarından biri: yerelde veri, bulutta zekâ.
Neden iki model?
Tek bir modelin iki ucu birden tutması yetmiyor:
- Sadece bulut model — gizliliğin biter. Müşteri verin, kişisel notların, hassas dosyaların hep dışarı gider.
- Sadece yerel model — zekân sınırlanır. 8 GB RAM’lik bir laptop’ta Claude Sonnet seviyesinde kararlar üretmek mümkün değil.
Ortada Ilura: veriyi yerelde tutar, eğitmeni bulutta çağırır. Veri eğitime ne kadar gidecek, sen seçersin. Eğitmen aldığı örneklerden agent’ını terbiye etmek için ders düzenler; sonuç yerel modelin ağırlıklarına işlenir veya çağrım kütüphanesine eklenir.
Hangi rol kime?
Tezgah’ın varsayılan önerisi:
- Anthropic Claude — Türkçe sohbette ve uzun bağlam takibinde güçlü. KVKK için Avrupa veri merkezi seçeneği var.
- OpenAI GPT-4 — kod üretimi ve yapı bozma görevleri için tercih edilir. Kurumsal API anahtarıyla denetlenebilir.
- Google Gemini Pro — Google Workspace entegrasyonu ile birlikte kullanılırsa avantajlı.
- Azure OpenAI — KVKK uyumlu kurumsal hat. Türkiye’de aktif veri merkezi.
Eğitmen seçimi geri alınabilir. Bir ay Claude ile yetiştirdiğin agent’ı sonraki ay Gemini’ye taşıyabilirsin; profil ve bellek kalır, üslup mikrocha düzeyinde küçük değişir.
Eğitmenle veri akışı
Bir agent eğitilirken üç tür veri eğitmenle karşılaşabilir:
- Eğitim örnekleri — onay/red verdiğin somut konuşmalar. Sen seçersin: “bu eğitime gitsin / gitmesin”.
- Sistem çağrımı — agent’ın kişiliği. Eğitmen bunu görür ki agent’a uyumlu önerilerde bulunsun.
- Anlık değerlendirme — bir karar belirsizken eğitmenden ikinci görüş istersen. Sen tetiklersin.
Veri yapısı:
- Yerel kalanlar — tüm konuşma geçmişi, müşteri verisi, dosya içerikleri, bellek.
- Eğitmene gidenler — sadece sen “evet” dediğin örnekler ve onların özeti.
Tezgah’ın veri panelinde her eğitim seansının ne kadar veri gönderdiğini metrekare olarak görürsün. Çoğu kullanıcı için bu rakam ay sonunda bir e-postanın boyutu kadardır.
Eğitmen + KVKK
KVKK uyumu için Ilura üç katman uygular:
- Eğitmen seçimini sen yaparsın — Avrupa veri merkezi olan provider’ları açıkça işaretliyoruz.
- Veri minimizasyonu — sadece eğitim için gerekli olan örnek gönderilir, ham dosya değil.
- Anonimleştirme — kişisel veri gönderilirken Tezgah otomatik PII maskeleme uygular (isim, TC, IBAN gibi).
Detaylı uyum bilgisi: Sıfır-güven mimari.
Yaygın yanılgılar
“Eğitmen olmadan agent çalışmaz.” — Yanlış. Yerel model tek başına da çalışır, sadece daha az terbiyeli olur. Eğitmen, agent’ı senin gibi yapan kısımdır; ama mecburi değildir. Bütçen kısıtlıysa eğitmeni bir-iki ayda bir bağlayıp sonra kapatabilirsin.
“Bulut eğitmen = bulut depolama.” — Hayır. Eğitmen bir API çağrısıdır, depo değildir. Verinin yerel kalması bunun sayesindedir.
“En pahalı eğitmen en iyisidir.” — Pahalı eğitmen daha çok şey çağrıştırır ama agent’ın görevine göre pahalı model gereksiz olabilir. E-posta editörü için Claude Sonnet, hukuk asistanı için Claude Opus mantıklı; ikisi arasında 5x fark var.
“Birden fazla eğitmen kullanabilir miyim?” — Şu an ayda bir aktif eğitmen önerilir. Birden fazla eğitmen profil tutarsızlığı yaratır. Tezgah ileride çoklu eğitmen rotasyonu ekleyecek; şimdilik tek seçimle ilerle.