YAZILIMCI · Orta → İleri
Ajan Sistemleri Mühendisi
Tek bir istem yanıtından, araç çağıran ve çok adımlı iş yürüten sistemlere geçişi ele alır. Çalışan bir ajan prototipi olan geliştiriciyi; aracının sözleşmesini, belleğini, hata yolunu ve güvenlik sınırını tasarlayan mühendise taşır. Son aşamada adım bazlı değerlendirme ve onay akışı kurularak yan etkili araçların üretimde çalışması güvenceye alınır.
- Bölüm
- 6
- Süre
- ~54 sa
- Ders
- 6
- Önkoşul
- 4
Bölüm döngüsü
- 1Teori
- 2Örnek
- 3Lab
- 4Test
- 5Proje
Önkoşullar
- Bir HTTP API'yi kendi başına çağırıp hata ve zaman aşımı durumlarını ele alabilmek
- İstem yazıp modelin çıktısını yapısal bir şemaya bağlayabilmek
- Asenkron çalışma, kuyruk ve yeniden deneme kavramlarını kodda uygulayabilmek
- Bir geri getirme sorgusu çalıştırıp dönen sonuçları okuyabilmek
Rotayı bitirdiğinde ne yapabiliyor olacaksın?
İşlev çağırmayı denemiş, ancak bir ajanı çok adımlı işlerde ve gerçek yan etkili araçlarla çalıştırma sorumluluğunu alacak geliştiriciler için.
- 01
Bir aracın girdi şemasını, hata sözleşmesini ve idempotans anahtarını yazabilmek
- 02
Ajan başarısını adım bazında ölçen bir değerlendirme kümesi kurup sürüm geçiş eşiği koyabilmek
- 03
Plan, kısa vadeli bellek ve kalıcı bilgi tabanını ayırıp bağlam bütçesini denetleyebilmek
- 04
Bir işi tek ajan ile çok ajanlı bölüşüm arasında ölçülmüş gerekçeyle paylaştırabilmek
- 05
Araç yüzeyini MCP sunucusu olarak yayımlayıp yetki kapsamını en aza indirebilmek
- 06
İstem enjeksiyonu senaryoları üretip ajanın yan etkili araçlardaki davranışını sınayabilmek
6 bölüm
Her bölüm ilgili Atlas kavramlarına bağlanır; eksik önkoşul varsa beceri grafiği uyarır.
- 01
Ajan döngüsünün temeli
8 saatGözlem, karar ve eylem döngüsünün tek istem yanıtından nerede ayrıldığı kurulur. Adım sayısı sınırını, durma koşulunu ve tipik başarısızlık biçimlerini en baştan tanımlamayı çalışırsınız. Bölüm, kendi işiniz için bir döngü sınırları belgesiyle kapanır.
- 02
Araç sözleşmeleri ve işlev çağırma
10 saatBir aracın girdi şeması, hata dönüşleri ve yeniden çağrıldığında güvenli kalmasını sağlayan idempotans anahtarı tasarlanır. Modelin yanlış argüman üretmesini şema doğrulaması ve dar tanımlı araç yüzeyiyle sınırlamayı ele alırsınız. Aracın belgelenmiş davranışı ile gerçek davranışı arasındaki farkı test ederek kapatırsınız.
- 03
MCP ile araç yüzeyi standardı
8 saatAraçları her istemciye tek tek gömmek yerine ortak bir sunucu arkasında toplamanın neyi değiştirdiği incelenir. Yetki kapsamı, araç keşfi ve sürümleme kararlarını bu yüzey üzerinden almayı çalışırsınız. Aynı araç kümesinin farklı istemcilerden tutarlı görünmesi bölümün ölçütüdür.
- 04
Plan, bellek ve bağlam bütçesi
10 saatPlan, çalışma sırasındaki kısa vadeli bellek ve kalıcı bilgi tabanı ayrı katmanlara bölünür. Uzun işlerde bağlam penceresini taşırmadan hangi bilginin özetlenip hangisinin geri getirmeyle çağrılacağına karar vermeyi ele alırsınız. Bölüm sonunda ajanın adım başına harcadığı bağlamı ölçen bir bütçe tablosu çıkarırsınız.
- 05
Çok ajanlı iş bölümü ve dayanıklılık
8 saatBir işi birden çok role bölmenin kazancı ile getirdiği eşgüdüm maliyeti karşılaştırılır. Zaman aşımı, kısmi başarı ve geri alma yollarını adım adım izlenebilir hâle getirmeyi, bir adımın çökmesinin tüm işi düşürmesini engellemeyi çalışırsınız. Bölünmenin ne zaman gereksiz olduğunu ölçümle göstermek de bu bölümün parçasıdır.
- 06
Ajan güvenliği ve üretime alma
10 saatAraç çıktısından ve dış içerikten gelen yönlendirme denemelerine karşı sınırlar, insan onayı gerektiren adımlar ve kayıt düzeni kurulur. Adım bazlı değerlendirme kümesiyle sürüm geçiş eşiği koymayı ve üretimdeki ajanın davranış kaymasını izlemeyi ele alırsınız. Rota, yan etkili araçların denetlenebilir biçimde açıldığı bir yayım yordamıyla kapanır.
Bu rotadaki dersler
- Ajan döngüsü ve durma koşullarıTek istem yanıtı ile gözlem-karar-eylem döngüsü arasındaki farkı ve döngüyü yönetilebilir kılan üç kararı öğretir: adım bütçesi, koddan doğrulanan başarı yordamı ve durma nedeninin kaydı.30 dk
- Araç sözleşmesi, hata dönüşü ve idempotansBir aracın girdi şemasını sınırda doğrulamayı, modelin düzeltebileceği hata dönüşleri tasarlamayı ve yeniden çağrıldığında tek yan etki üretmesi için idempotans anahtarı kurmayı öğretir.45 dk
- MCP ile ortak araç yüzeyiAraçları her istemciye ayrı ayrı gömmek yerine ortak bir sunucu arkasında toplamanın hangi kararları merkeze taşıdığını, yüzey genişliğinin seçim isabetine etkisini ve kırıcı olmayan sürümlemeyi öğretir.30 dk
- Plan, bellek katmanları ve bağlam bütçesiPlanı, koşum içi çalışma belleğini ve kalıcı bilgiyi ayrı katmanlara bölmeyi; bir bilgi için özetleme ile geri getirme arasında seçim yapmayı ve adım başına bağlam bütçesini bileşenlerine ayırıp ölçmeyi öğretir.50 dk
- Çok ajanlı iş bölümü ve dayanıklılıkBir işi birden çok role bölmenin kazancını eşgüdüm maliyetiyle karşılaştırmayı, kısmi başarı ile geri alma yollarını izlenebilir kılmayı ve bölünmenin gereksiz olduğunu ölçümle göstermeyi öğretir.35 dk
- Ajan güvenliği ve yayım yordamıAraç çıktısından ve dış içerikten gelen yönlendirme denemelerine karşı yetki tabanlı sınırlar kurmayı, insan onayı gerektiren adımları ölçütle seçmeyi ve adım bazlı değerlendirmeyle sürüm geçiş eşiği koymayı öğretir.50 dk
Rotada geçen kavramlar
- AI AgentsAI AgentBir hedefi gerçekleştirmek için plan kuran, araç çağıran ve ara sonuçlara göre kendi adımlarını güncelleyen yapay zekâ sistemidir.
- Large Language ModelsReasoning ModelsCevabı doğrudan üretmek yerine, çıkarım anında daha fazla hesaplama harcayarak ara adımlar üreten ve bu adımlar üzerinden sonuca varan dil modeli ailesidir.
- Large Language ModelsChain-of-ThoughtModelin nihai cevaba gitmeden önce ara adımları açıkça üretmesini isteyen istem tekniğidir; çok adımlı görevlerde doğruluğu artırabilir.
- AI AgentsFunction CallingModelin serbest metin yerine, verilen şemaya uygun yapılandırılmış bir çağrı üretmesi ve uygulamanın bu çağrıyı gerçek bir fonksiyona bağlamasıdır.
- Large Language ModelsLarge Language ModelÇok büyük metin derlemleri üzerinde bir sonraki tokeni tahmin etmeyi öğrenmiş, transformer tabanlı ve genel amaçlı dil görevlerinde kullanılabilen sinir ağı modelidir.
- Responsible AIHallucinationModelin akıcı ve kendinden emin biçimde, gerçekle uyuşmayan bilgi üretmesidir.
- AI AgentsModel Context ProtocolDil modeli uygulamalarının harici araç ve veri kaynaklarına standart bir arayüz üzerinden bağlanmasını sağlayan açık protokoldür.
- Large Language ModelsContext WindowBir modelin tek seferde dikkate alabileceği toplam token miktarıdır; istem, ek bağlam ve üretilen cevap bu bütçeyi paylaşır.
- Large Language ModelsRetrieval-Augmented GenerationDil modelinin cevap üretmeden önce harici bilgi kaynaklarından ilgili bilgiyi getirip oluşturduğu bağlama eklediği yapay zekâ mimarisidir.
- NLPSemantic SearchKelime eşleşmesi yerine anlam yakınlığına dayanarak sonuç döndüren arama yaklaşımıdır; gömme vektörleri arasındaki mesafeyle ölçülür.
- MLOps / LLMOpsEvaluationBir yapay zekâ sisteminin çıktısının, tanımlı ölçütlere göre sistematik biçimde ölçülmesidir.
- AI SecurityPrompt InjectionModelin işlediği içeriğe gizlenen yönergelerle sistem talimatlarının geçersiz kılınmaya çalışıldığı saldırı sınıfıdır.
- AI SecurityGuardrailsBir yapay zekâ sisteminin girdi, çıktı ve eylem katmanlarına yerleştirilen, istenmeyen davranışı sınırlayan programatik denetimlerdir.
- MLOps / LLMOpsLLMOpsDil modeli tabanlı uygulamaların istem, bağlam, araç ve model sürümlerini izlenebilir, ölçülebilir ve geri alınabilir biçimde işletme pratiğidir.
Sana uygun olmayabilir mi?
ÖLÇ
Rotaya başlamadan önce nerede durduğunu gör
15 soruluk seviye testi, hangi bölümden başlaman gerektiğini söyler.