Ajanik Yapay Zekâ Terimleri: Loop, Harness ve Squad
Yapay zekâ araçları yazılım geliştirmede yaygınlaştıkça loop engineering, harness, squad ve hill climbing gibi terimler de kullanılmaya başlandı. Bazıları yeni çalışma biçimlerini tanımlıyor, bazılarıysa daha önce var olan uygulamalara yeni adlar veriyor. Bu rehber, terimlerin ne anlama geldiğini ve ajan tabanlı geliştirme süreçlerindeki yerini açıklıyor.
Loop engineering: Tek seferlik komutların ötesi
Loop engineering, her görev için ajana elle komut vermek yerine, ajanların çevresinde tekrarlanabilir sistemler tasarlama yaklaşımıdır. Örneğin ajana her sabah yeni issue kayıtlarını incelemesi, özetlemesi ve çözüm önerileri sunması için ayrı ayrı talimat vermek yerine, bu işleri belirli bir akışta otomatikleştiren bir loop oluşturulabilir.
Bu akış issue kayıtlarını alır, ilgili içerikleri ajana iletir, çıktıyı doğrular ve çözülemeyen durumları başka bir aşamaya aktarır. Kaynakta bu yapı, yapay zekâya uyarlanmış gelişmiş bir cron işi olarak tanımlanıyor.
İyi tasarlanmış bir loop, yalnızca “yeniden dene” komutuna dayanmaz. Beceri tanımları, gözlemlenebilirlik, doğrulama, yönlendirme ve kontrol noktaları sürecin düzenli ilerlemesine yardımcı olur.
Ralph loop: Aynı görevi tamamlanana kadar sürdürmek
Ralph loop, loop yaklaşımının belirli bir uygulamasıdır. Ajana genellikle ürün gereksinimleri dokümanından veya teknik bir spesifikasyondan alınan ayrıntılı bir görev verilir ve görevi tamamlayana kadar çalışması beklenir.
Bu yöntem, büyük görevleri tekrarlanan planlama, uygulama ve kontrol döngülerine ayırmak için kullanılabilir. Ancak her yineleme daha fazla token, bağlam ve işlem gücü gerektirebilir. Bu nedenle bazı durumlarda maliyetli ve verimsiz hale gelebilir.
Loop engineering bu süreci daha yapılandırılmış hale getirmeyi amaçlar. Ajanın sürekli yeniden denemesini istemek yerine, doğrulama ve kontrol adımları önceden tanımlanabilir.
Squad ve fleet: Çoklu ajan iş akışları
Loop bir iş akışının nasıl ilerlediğini, squad ve fleet ise bu akışta birden fazla ajanın nasıl görev alabileceğini anlatır.
Squad, farklı rollere sahip ajanlardan oluşan bir gruptur ve gerçek dünyadaki bir yazılım ekibine benzer şekilde çalışabilir. Bir ajan plan hazırlarken başka bir ajan planı değerlendirir; diğerleri uygulamayı gerçekleştirir, testleri yürütür veya sonucu inceler.
Fleet, aynı anda görev yapan paralel ajanları ifade eder. Bir squad içindeki ajanlar fleet yapısında paralel ya da sıralı çalışabilir. Bu yaklaşımın temelinde paralelleştirme ve uzmanlaşma vardır. Tüm süreci tek bir ajana bırakmak yerine, farklı ajanlar geliştirme sürecinin farklı bölümlerine odaklanır.
Ajanlara belirli beceriler atanması, her birini görevine göre özelleştirebilir ve iş akışının daha verimli ilerlemesini sağlayabilir.
Harness ve harness engineering nedir?
Harness, modelin ürettiği çıktının dışında, modeli iş akışlarında kullanılabilir hale getiren sistemi ifade eder. Araçlar, izinler, bellek, bağlam ve orkestrasyon bu sistemin parçaları olabilir. Başka bir deyişle harness, modelin davranışını yönlendiren çevredir.
Terim, atların hareketini yönlendiren koşum takımlarına yapılan bir benzetmeyle açıklanıyor. Model tek başına hareket edebilen bir yapıysa harness, görevleri daha kontrollü biçimde yerine getirmesine yardımcı olan çevredir.
GitHub Copilot bu yapıya örnek olarak gösteriliyor. Copilot, modelleri kod depoları, editörler, pull request’ler ve terminaller gibi yazılım geliştirme bileşenleriyle ilişkilendiriyor.
Harness engineering ise modellerin çevresindeki bu sistemi tasarlama ve geliştirme çalışmasıdır.
Hill climbing: Geri bildirimle sürekli iyileştirme
Hill climbing, ajanları ve onları çevreleyen harness yapılarını zaman içinde geliştirme sürecidir. Bunun bir yolu, değerlendirmelerle ajanın doğru türde çıktılar üretip üretmediğini ölçmek, sonuçlar iyileşene kadar da harness yapısını düzenlemektir.
Pull request inceleyen bir ajan için hill climbing yaklaşımı, anlamlı hataları bulup bulmadığını ve yararlı öneriler üretip üretmediğini kontrol etmeyi gerektirir. Geri bildirime göre kullanılan araçlar veya iş akışı değiştirilebilir.
Bu kavram, ajan geliştirmeyi tek seferlik bir kurulum olarak değil, ölçüm, değerlendirme ve düzenleme döngüsü olarak ele alır.
Forward-deployed engineer ve model açıklığı
Forward-deployed engineer tamamen yeni bir görev tanımı değildir. Bu rol, müşterilerle doğrudan çalışan yazılım mühendisi, satış mühendisi veya çözüm mühendisi rollerine yakındır. Yapay zekâ odağıyla birlikte bu kişiler, ekiplerin yapay zekâ araçlarını, iş akışlarını ve ajanları mevcut sistemlerine entegre etmesine yardımcı olabilir.
Modellerin paylaşılma biçimleri de farklılık gösterir. Closed model, bir API veya barındırılan ürün üzerinden kullanılabilir. Geliştirici modelden yararlanır, ancak modelin temel ağırlıklarına, eğitim verilerine veya eğitim sürecine erişemez.
Open weight modellerde model ağırlıkları erişime açılır. Bu ağırlıklar, modelin farklı girdilerin önemini belirlemesini sağlayan ayarlar olarak düşünülebilir. Geliştiriciler bu modelleri indirip çoğunlukla yerel ortamlarında veya kendi altyapılarında çalıştırabilir. Veri kümesi ve eğitim yöntemi ise tamamen paylaşılmayabilir.
Open source modeller daha geniş bir açıklık sunar. Modelin yanı sıra kod, veri ve eğitim süreci de incelenebilir, yeniden kullanılabilir ve değiştirilebilir. Bu ayrım, modelin ne ölçüde çalıştırılabileceğini, özelleştirilebileceğini ve denetlenebileceğini anlamaya yardımcı olur.
Terimler değişebilir, temel ilkeler kalır
Yapay zekâ ekosistemindeki terminoloji henüz kesinleşmiş değil. Bazı ifadeler kalıcı hale gelebilir, bazıları zamanla kullanılmayabilir, bazıları da daha anlaşılır terimlerle değiştirilebilir.
Bu yüzden yalnızca yeni kelimeleri takip etmek yerine, bunların arkasındaki mühendislik uygulamalarına odaklanmak daha anlamlıdır. İş akışlarının güvenilir biçimde tekrarlanıp tekrarlanamadığı, görevlerin nasıl doğrulandığı, insan müdahalesinin nerede gerektiği, modele ne ölçüde güvenilebileceği ve sistemin nasıl geliştirileceği temel sorular olmaya devam eder.
Kaynaklar ve İleri Okuma
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
4 comments