Azure Content Understanding Agentic Mode: Çok Adımlı Analiz

Azure Content Understanding varsayılan standard mode tek geçişte şemaya göre alanları doldurur. Agentic mode ise kanıt gezinme, hesap ve doğrulama gibi çok adımlı görevlerde daha uygundur.

Azure Content Understanding belgeleri tek geçişte okur, şemanızda tanımladığınız alanları doldurur. Fatura toplamı, poliçe numarası veya imza tarihi gibi değerlerde bu yaklaşım hala en hızlı ve en ekonomik yol. Ama bazı görevler tek okumaya sığmıyor; cevap belgenin tek bir yerinde durmuyor, kuralların uygulanması, ara sonuçların takip edilmesi ve hesap yapılması gerekiyor. Önizleme aşamasındaki agentic mode işte bu durumlar düşünülerek geliştirildi. Aşağıda, Microsoft Foundry blogundaki açıklamalara dayanarak agentic mode’un nasıl çalıştığını, hangi işlerde standart moda üstünlük sağladığını ve nasıl deneyebileceğinizi aktarıyoruz.

Tek geçiş neden bazen yetmiyor

Content Understanding’in varsayılan yaklaşımı olan standard mode, yapılandırılmış sonucu verimli biçimde üretmek için optimize edilmiş. Analiz edilen içeriği şemanızla birlikte okur, çıkarılan ve üretilen alanları (türetilmiş değerler dahil) doldurur. Çoğu belge ve çoğu alan için doğru tasarım da bu: hızlı ve öngörülebilir çalışıyor, maliyeti de düşük kalıyor.

Zor görevler ise sistemden “bir değer bulmanın” ötesinde bir şey ister. Kaynak yazıda bu zorluklar üç başlıkta toplanıyor:

  • Kanıt dağınıktır. Cevap farklı tablolardan veya sayfalardan gelen değerlerin birleşimiyse, bu değerlerin bulunup hizalanması gerekir. Yanlış satırdan okunan, kendi başına gayet net bir sayı yine de yanlış cevap üretir.
  • Neyin sayılacağına belgedeki ya da sorudaki kurallar karar verir. Hesaplama veya mutabakat öncesinde istisnalar, birimler ve tanımlar her değere tek tek uygulanmalıdır.
  • İlk okuma yeterli olmayabilir. Zorlayıcı yerleşimler veya görsel kanıtlar, belgeye farklı bir açıdan bakmayı ve alan talimatlarına karşı yeniden kontrol etmeyi gerektirebilir.

Agentic mode, dil modelini belgeye özgü bir koşum takımıyla sarmalıyor; belge metninde ve tablolarında gezinmek, görsel kanıtı incelemek, hesap yapmak ve sonuçları doğrulamak için araçlara sahip bir akıl yürütme döngüsü kuruyor. Kazanç turların sayısından çok, göreve uygun belge aracının seçilebilmesinde ve gerektiğinde kanıta geri dönülebilmesinde. Çıktıyı yine şemayla tanımlıyor, yine yapılandırılmış alanlar geri alıyorsunuz.

Standart mod ve agentic mode aynı eğrinin iki noktası

Kaynak yazı, iki modun birbirinin yerini alan nesiller olmadığını özellikle belirtiyor. İkisi aynı fiyat-performans eğrisi üzerinde duran iki ayrı noktadır. Agentic mode, ek işin sonucu kayda değer biçimde iyileştirebileceği yerlerde sistemin daha fazla hesaplama harcamasına izin verir. Standart mod ise daha hızlı ve daha düşük maliyetli başlangıç noktası olmayı sürdürüyor.

Ne zaman agentic mode’a geçmeli?

Önerilen yol, standart modla başlamak. Doğruluk gereksinimlerinizi karşılıyorsa en iyi varsayılan odur. Daha zorlu iş yüklerinde, ek akıl yürütmenin sonucu iyileştirip iyileştirmediğini görmek için agentic mode’u deneyin. Agentic mode’un fayda sağlama olasılığı şu durumlarda daha yüksek:

  • İçerik genelinde kanıt sentezleme gerektiren görevler
  • Hesaplama veya mutabakat içeren işler
  • Uzun belgelerde eksiksiz (exhaustive) analiz ihtiyacı
  • Karmaşık kural ve koşullar
  • Zorlayıcı görsel yapılar

Buna karşılık agentic mode daha fazla model token’ı tüketiyor, aynı belge için tipik olarak daha uzun da sürüyor. Bu yüzden temsil gücü olan dosyalar üzerinde iki modu karşılaştırmak, kalitedeki iyileşmenin ek maliyeti ve gecikmeyi karşılayıp karşılamadığına bakmak gerekiyor.

Üç örnek: toplam, grafik ve 19 sayfalık tablo

Çok sayfalı tablodan toplam üretmek

Kaynaktaki ilk örnek, ABD Hazine verileri üzerinden bir toplam hesaplıyor. Şema, belirli istisnalarla birlikte Ocak 2003 kurum harcamalarını (agency outlays) istiyor. İlgili veri iki sayfaya yayılan bir tabloda duruyor ve aylık satırdaki her sayı cevaba dahil değil.

Önce 137 sayfalık bültende doğru tabloyu bulmak, sonra Ocak satırını sütun bantları boyunca ve bir sonraki sayfaya kadar takip etmek gerekiyor. Her tutarın kendi kurum başlığıyla bağlantısı da korunmalı. Hangi kurumların dahil edileceğine, tahsilatlar ve raporlanan toplamlar gibi hangi kayıtların dışarıda bırakılacağına şemanın talimatları karar veriyor.

Toplama geçmeden önce bir adım daha var, seçilen değerlerin kullanıma hazır hale getirilmesi. r işareti bir revizyonu gösterdiği için kaldırılıyor, eksi işareti değeri değiştirdiği için kalıyor. Seçim ve normalizasyon son adımda birleşiyor ve bir hesap makinesi sonucu üretiyor: 180.681 milyon dolar.

Bir şema bu cevabı tanımlayabilir, ama alanları doldurmak işin yalnızca son adımı. Tek model geçişinin sayfa ilişkilerini, istisnaları, notasyonu ve aritmetiği aynı anda yönetmesi gerekir. Agentic mode burada önce işi planlıyor, ardından tabloda gezinmek, seçilen değerleri kontrol etmek ve sonucu hesaplamak için belgeye özgü araçları kullanıyor.

Kanıt bir grafikse

İkinci Hazine örneğinde, 20 sayfalık bir alıntıdaki dört ekonomik grafiğe dört ayrı soru soruluyor. Cevaplar yedi alanı dolduruyor: GSYH büyümesi, bordro değişimi ve işsizlik için birer değer ve yıl, bir de kısa vadeli faizlerin düşüş eğilimine girdiği yıl.

Her grafik farklı bir yorumlama stratejisi istiyor. Çizilen değer tek başına yeterli değil; alt başlıklar, eksenler ve çevresindeki metin o değerin ne anlama geldiğini belirliyor. Agentic mode grafiği incelemek, bağlamını okumak ve kendi çıkarımını kontrol etmek için araçlar kullanıyor. Tek bir görseli LLM’e yorumlatmaktan farkı da burada; grafik belirsiz olduğunda akış kaynağa geri dönüp yorumunu doğrulayabiliyor.

19 sayfa süren tabloda doğru satırları süzmek

Üçüncü örnek bir ağ günlüğü (network log). Aynı tablo 19 sayfa boyunca devam ediyor. Zorluk tek bir satırı okumakta değil, 19 sayfayı tek bir birleşik tabloya dönüştürürken tekrar eden başlıkları ve diğer gürültüyü yok saymakta.

Aynı tabloya üç farklı soru soruluyor: tüm olayları saymak, yalnızca Critical olayları saymak, ya da Link Down olaylarını seçip sürelerini toplamak. Filtre ile işlemin doğru sırada birlikte çalışması ve belgeye karşı doğrulanması gerekiyor.

İlk soruda cazip bir kısayol var, ilk ve son olay kimliklerinden sayıyı çıkarsamak. Ama kimliklerde boşluklar bulunuyor; doğru cevap için her sayfadaki gerçek satırları saymak şart. Diğer iki toplam da aynı eksiksiz tablo üzerine, kendi satır koşulları ve hesaplarıyla kuruluyor.

Nasıl denenir

Content Understanding Studio üzerinde denemek için yeni bir proje oluşturun ve API version olarak 2026-06-01 (Preview) seçin. Workflow kind altında Agentic Extraction seçeneğini işaretleyin. Döndürmek istediğiniz alanları tanımlayın, projeyi kendi belgenizle test edin.

Kod tarafında API sürümü olarak 2026-06-01-preview kullanılıyor ve analyzer tanımında config altına "workflow": "agentic" ekleniyor. Kaynaktaki minimal örnek şöyle:

{
"baseAnalyzerId": "prebuilt-document",
"models": { "completion": "{your-completion-model}" },
"config": { "workflow": "agentic" },
"fieldSchema": { "fields": { {your-fields} } }
}

Buradaki {your-completion-model} ve {your-fields} değerlerini kendi bilgilerinizle değiştirmeniz gerekiyor. Bir ayrıntıyı atlamayın, completion modeli için katalog adı yazılmalı, deployment adı değil. Kaynak yazı bu kod bloğunu “minimal örnek” olarak sunuyor; kaynak setup’ı ve ilk analizin çalıştırılması dahil ayrıntılı adımlar için agentic mode quickstart belgesine yönlendiriyor.

Kısaca

Francis Bacon’ın “bazı kitaplar tadılır, bazıları yutulur, pek azı ise çiğnenip hazmedilir” sözü yazının çerçevesini kuruyor. Content Understanding tarafında pratik karşılığı da şu: belgelerin çoğunu tek geçişte yutun, gerçekten gerektiren birkaçını çiğneyip hazmedin. Karar her analyzer için ayrı ayrı verilebiliyor, ölçüt de kalite kazancının ek token ve gecikmeyi karşılayıp karşılamadığı.

Kaynaklar ve İleri Okuma

Bu yazı yapay zeka (büyük dil modelleri) ile hazırlanmış, insan editör tarafından incelenmiştir. İçerik üretim sürecimiz.
Aşkın KILIÇ

20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.

AZ-305AZ-104AZ-500AZ-400DP-203AI-102

Bu içerik işinize yaradı mı?

Benzer içerikleri kaçırmamak için YouTube ve GitHub hesaplarımı takip edin.

Haftalık Bülten

Her pazar özenle seçilmiş teknoloji yazıları doğrudan e-postanıza gelsin.

Kurumsal DevOps ve bulut dönüşümü danışmanlığı: Danışmanlık Hizmetleri

4 Yorum

  1. Agentic mode’un doğrulama adımlarını kendi yapması baya işime yarar, özellikle fatura analizi tarafında standard mode bazen kritik alanları atlıyordu. Maliyet tarafı nasıl, çok adımlı olunca token tüketimi uçuyor mu? Bu arada ajan konusuna devam etmek isteyenler için şu yazınız da güzeldi: Agent Framework Skills ile .NET ve Python Ajan Geliştirme

  2. Agentic mode tam da karmaşık faturalardaki çapraz doğrulama ihtiyacımız için uygun gibi duruyor. Standard mode ile tek geçişte hesaplama gerektiren alanlarda bayağı hata alıyorduk. Maliyet farkı konusunda da bir yazı gelirse süper olur, ona göre karar vereceğiz.

  3. Agentic mode’u faturalardaki toplam tutarı doğrulama senaryosunda denedim, standard mode’un tek geçişte kaçırdığı tutarsızlıkları yakalaması gerçekten fark yaratıyor. Maliyet tarafı nasıl, çok adımlı çalışınca fiyat ciddi artıyor mu? Bu arada şu yazınız da çok işime yaramıştı: Always Encrypted ile Okunamayan Veriyi Sorgulamak — https://

  4. Agentic mode’u faturalardaki çapraz hesaplama doğrulamaları için denedim, standard mode’un atladığı tutarsızlıkları yakalaması gerçekten işe yarıyor. Tek merak ettiğim maliyet farkı ne kadar oluyor, çok adımlı çalışınca token tüketimi uçuyor mu? Bu arada şu yazınız da güzeldi: Azure App Service’te Post-Quantum TLS Anahtar Değişim

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

✉

Haftalık Bülten

Azure, DevOps ve Yapay Zeka dünyasındaki en güncel içerikleri her hafta doğrudan e-postanıza alın.

Spam yok. İstediğiniz zaman iptal edebilirsiniz.
📱
Uygulamayı Yükle Ana ekrana ekle, çevrimdışı oku
Kategoriler
Ara
Paylaş
WhatsApp
İçindekiler
← Azure App Service’te Pos...
VSLive! 2027’de Visual S... →
📩

Gitmeden önce!

Her pazar özenle seçilmiş teknoloji yazıları ve AI haberleri doğrudan e-postanıza gelsin. Ücretsiz, spam yok.

🔒 Bilgileriniz güvende. İstediğiniz zaman ayrılabilirsiniz.

📬 Haftalık bülten: Teknoloji + AI haberleri
Beni Takip Et Yeni Azure / AI / DevOps yazılarını GitHub ve RSS üzerinden takip edin.