Ajan geliştirmekten notlar.

Kripto-çeviklik, ya da: algoritma seçimi neden işin kolay kısmı.

Doğru algoritmayı seçmek bir Salı öğleden sonrasında verilen bir karar. Beş yıl sonra o algoritmayı, etrafındaki uygulamayı yeniden yazmadan değiştirebilen bir sistem kurmak ise yıllar süren bir disiplin. O disiplinin adı kripto-çeviklik — ve MD5, SHA-1, RC4 ve TLS 1.0'ı sessizce halleden ekiplerle olay olarak halleden ekipler arasındaki fark hep buydu. Kripto-çeviklik tam olarak nedir, çevik bir sistem kodda neye benzer, ve onu gerçek kılan dört alışkanlık — hepsi burada.

Post-quantum kriptografi — paniğe gerek yok.

RSA'yı kıracak büyüklükte çalışan bir kuantum bilgisayar henüz yok — ama o gün geldiğinde, bugün kayda alınan her şifreli veri okunabilir hale gelecek. NIST, o güne dayanan algoritmaları çoktan standartlaştırdı. Post-quantum kriptografi nedir, NIST tam olarak neyi çıkardı, kimin şimdiden hareket etmesi gerek, ve algoritma seçiminden çok daha önemli olan o tek alışkanlık neymiş — hepsi burada.

Sosyal medya ajan sistemi, tasarlandı.

İnsanlar bize sürekli aynı soruyu soruyor: sosyal medyayı yöneten bir ajan sistemi kurabilir misiniz — markalama, içerik, zamanlama, analiz, hepsi? Evet. Ve evetin kolay gelmesinin nedeni, bir sosyal medya operasyonunun zaten bir çoklu-ajan sistemi olması. İşte mimari, ajan ajan.

Kendini iyileştiren döngü.

Çoğu AI sosyal medya aracı içerik üretir ve durur. Değerli kısım üretim değil — döngü: gönder, ölç, öğren, içeriği ve zamanlamayı ayarla, yeniden gönder. O döngüyü kapatan bir sosyal sistem her hafta kendi başına daha iyi olur. İşte kendini iyileştiren döngünün gerçekte nasıl kurulduğu.

Markalama, kurulması en zor ajandır.

Bir sosyal medya ajan sisteminde içerik ajanı kolay, zamanlayıcı kolaydır. Marka ajanı zor olandır — çünkü marka sesi belirlediğin bir stil değil, tüm sistemin uyması gereken bir kısıttır. Yanlış yap ve AI markanı herkesinki gibi aynı yetkin bulamaca düzleştirir.

Yayın'a kim basıyor?

Bir ajan sistemi bir markanın gönderilerini taslaklayabilir, zamanlayabilir, hatta yorumları yanıtlayabilir. Her işletmenin bir tane satın almadan önce bana gerçekten sorduğu soru daha sessiz ve daha önemli: yayın'a kim basıyor? Otonom bir sosyal sistemde insan dikişini tasarlamak, güvendiğin bir araçla güvenmediğin arasındaki farktır.

Oynanabilir reklamların bana ajanlar hakkında öğrettikleri.

Bir oynanabilir reklamın, sana bir oyun öğretmek, seni kancaya takmak ve dönüştürmek için yaklaşık on beş saniyesi vardır — hiç talimat verilmeden. Çok sayıda yaptım ve bunu seviyorum. O acımasız kısıtlar, bir kişinin bir AI ajanıyla ilk kez karşılaşmasını tasarlamak için aldığım en iyi eğitim çıktı.

Bir oynanabilir reklamın anatomisi.

Oynanabilir reklam, başka bir uygulamayı satmak için kurulmuş on beş saniyelik etkileşimli bir mini-oyundur. Basit görünür ve acımasızca mühendislenmiştir. İşte söküm — ilk üç saniye, kanca, çekirdek döngü, eyleme çağrı — her parçanın ne yaptığı, nasıl başarısız olduğu ve bunun reklamcılıktaki en disiplinli format olmasının nedeni.

Oynanabilir reklam, en dürüst reklam formatıdır.

Diğer her reklam formatı senden bir iddiaya inanmanı ister — bir video, bir ekran görüntüsü, bir referans. Bir oynanabilir reklam senden daha tuhaf bir şey ister: dene. Karar vermeden önce gerçek ürünü deneyimlersin. Yalan söyleyemeyeceğin bir reklam nadir bir şeydir ve reklamcılığın ne olabileceğini değiştirir.

Bir oynanabilir reklam ile bir ajan demosu aynı problemdir.

Bir oynanabilir reklamın bir oyunun eğlenceli olduğunu, uygulamalı, on beş saniyede, kılavuz olmadan kanıtlaması gerekir. Bir AI ajan demosunun bir sistemin değerli olduğunu, uygulamalı, dakikalar içinde, kılavuz olmadan kanıtlaması gerekir. Oynanabilir reklamlar yapıyorum, ajan sistemleri demo ediyorum ve onları farklı işler olarak görmeyi bıraktım.

Puanlar, rozetler, lider tabloları — kullanıcılar için değil, ajanlar için.

Oyunlaştırmanın en eski üçlüsü — puanlar, rozetler, lider tabloları — her zaman kullanıcılara, geri gelmelerini sağlamak için yöneltilir. Biz onu ters çeviriyoruz. GOGOGO'da puanlar, rozetler ve lider tabloları ajanlar için: bir çoklu-ajan sistemi böyle puanlanır, yetkilendirilir ve iyileştirilir. Müşteriyi değil, makineyi oyunlaştır.

Oyun ile kumarhane.

Bir oyun da bir kumarhane de seni oynamaya devam ettirir — ama ahlaki olarak zıttırlar. Bir oyun beceriyi ödüllendirir ve sana büyüme verir; bir kumarhane bağımlılığı ödüllendirir ve sana hiçbir şey vermez. 'Oyunlaştırılmış' ürünlerin çoğu sessizce kumarhaneye dönüştü. İkisini ayıran test ve GOGOGO'da retention tasarlarken tuttuğumuz çizgi.

Yazılım için akış hâli.

Csikszentmihalyi'nin akış kanalı, bir kişinin ne zaman tamamen kendini kaptırdığını açıklar: görev becerisine eşlenmiştir — çok kolay sıkıntıdır, çok zor kaygıdır. Aynı kanal bir çoklu-ajan sistemini tarif eder. Yanlış-boyutlu bir görev verilen bir ajan, bir kişiyle aynı şekilde başarısız olur. İşte akış yönetmeni olarak yeniden tasarlanan orkestratör.

Oyun eğitim bölümlerinin onboarding hakkında bildiği, B2B yazılımın unuttuğu şey.

İyi bir oyun, ilk beş dakikada sana onu oynamayı öğretir — kılavuz yok, eğitim görüşmesi yok — ve öğrenmek gibi değil, oynamak gibi hissettirir. B2B yazılım onboarding'i tam tersi: bir kılavuz, bir görüşme, yavaş bir tırmanış. Geçimimi ajan sistemleri satarak sağlıyorum ve eğitim bölümü bildiğim en iyi onboarding tasarımı.

Bir token'ın yaşamında bir gün.

Bir soru yazdın. Yazdığın kelimelerden biri çok hareketli birkaç saniye geçirmek üzere. Bu, tek bir token'ın bir çoklu-ajan sistemindeki yolculuğu — bu sefer token'ın kendisi tarafından anlatılan. GOGOGO runtime'ının nasıl çalıştığını açıklamanın en dürüst yolu, içindeki en küçük şeyle birlikte yolculuk etmek.

Uyuyan ajan.

Beynin en önemli bellek işini sen bilinçsizken yapar. Uyku boş zaman değil — günün ayrıştırıldığı, sıkıştırıldığı ve dosyalandığı zamandır. Çoklu-ajan sistemlerinin, aynı fikrin çözdüğü bir bellek problemi var. Bu, bir ajana bir uyku fazı verme savunması: konsolide ettiği, budadığı ve — gerçek bir anlamda — rüya gördüğü çevrimdışı bir geçiş.

Ajansal AI nedir?

Ajansal AI, yalnızca bir prompt'a yanıt olarak metin üreten değil, bir hedefe ulaşmak için eylemler yapan yapay zekâdır. Plan yapar, araç kullanır, sonuçları gözlemler ve uyum sağlar — birçok adımda, sınırlı denetimle. Sade bir tanım, AI'ı 'ajansal' kılan dört özellik ve bir chatbot'tan nasıl farklı olduğu.

RAG vs fine-tuning vs çoklu-ajan: probleminin hangisine ihtiyacı var?

RAG, fine-tuning ve çoklu-ajan sistemleri üç farklı problemi çözer ve başarısız AI projelerinin çoğu yanlışını seçti. RAG bir modele bilgi verir. Fine-tuning ona davranış verir. Bir çoklu-ajan sistemi ona birçok adımda eyleme yeteneği verir. Sade bir karar kılavuzu — her birinin ne olduğu, ne zaman kullanılacağı ve bir karar ağacı.

Bir AI ajan satıcısını nasıl değerlendirmeli: sorulacak sorular.

Bir AI ajan sistemi satın almak zordur çünkü demoların hepsi etkileyici görünür ve zor kısımlar görünmezdir. Geçimimi ajan sistemleri satarak sağlıyorum ve yine de sana her satıcıyı — bizimki dahil — sorgulamanı söylerdim. Gece 3'te hâlâ çalışıyor olacak bir satıcıyı, demosu en iyi kısmı olandan ayıran sorular.

AI araması kimi alıntılayacağını nasıl seçer.

ChatGPT, Perplexity ya da Google'ın AI Overview'u bir soruyu yanıtladığında, bir avuç kaynak alıntılar ve gerisini yok sayar. Alıntılanan kaynaklardan biri olmak yeni SEO — adı GEO. AI aramasının gerçekte kimi alıntılayacağını nasıl seçtiği, Google'da sıralanmaktan neden farklı olduğu ve bir sayfayı neyin alıntılanabilir kıldığı.

Bellek bir veritabanı değildir.

Çoklu-ajan tasarımındaki en yaygın hata, ajan belleğini bir veritabanı gibi ele almaktır — her şeyi sakla, sorguda eriş. Bir veritabanı kusursuz hatırlar ve hiçbir şeyi unutmaz, ve bu tam olarak bir zihin için yanlış şekildir. GOGOGO'da ajan belleğini gerçekte nasıl kuruyoruz: epizodik vs semantik, unutmanın neden bir özellik olduğu ve kullandığımız dört-katmanlı model.

Bir Metin2 sunucusunun bana dağıtık sistemler hakkında öğrettikleri.

Çocukken Metin2 adlı bir MMO için bir PvP sunucusu işletiyordum. Bir oyun işlettiğimi sanıyordum. Aslında ilk dağıtık sistemimi işletiyordum — canlı bir ekonomi, bir yük problemi, bir kötüye-kullanım yüzeyi ve dakikalar içinde her hatayı bulacak birkaç yüz kullanıcı. Şimdi çoklu-ajan sistemlerinde yaptığım her şeyi, önce yanlış, sonra doğru, o sunucuda öğrendim.

Gece 3 başarısızlığı: kimsenin izlemediği ajanlara güvenmek.

Bir çoklu-ajan sistemi, sen uyurken çalışarak hakkını verir. Ama otonomi, başarısızlığın da sen uyurken olması demektir — gece 3'te, döngüde insan yok. Ajan operasyonlarının zor sorusu 'başarısızlıkları nasıl durdururuz' değil. 'Sistem başarısız olduğunda ve kimse izlemiyorken ne yapmalı' sorusu. GOGOGO'da bunu nasıl yanıtlıyoruz.

GoBot'la tanışın — yayına aldığımız her ajanın yüzü.

GOGOGO bir çoklu-ajan şirketi: düzinelerce küçük uzmanlaşmış ajan, tek runtime. Peki neden tam olarak tek bir maskotumuz var? Çünkü yayına aldığımız her ajan bir GoBot. Aynı çekirdek, farklı şapka. GoBot'un ne olduğu, tasarımının neden böyle göründüğü ve birçok ajan için tek bir yüzün neden ürüne koyabileceğimiz en dürüst şey olduğu.

Simülasyon mu kuruyoruz, bir simülasyonda mı yaşıyoruz?

Geçimimi çoklu-ajan sistemleri kurarak sağlıyorum — belleği, hedefleri ve bir ortamı olan ajanlarla dolu küçük dünyalar. Her biri bir simülasyon. Bu, simülasyon hipotezini bir esrarkeş düşüncesi olmaktan çıkarıp çalışan bir mühendislik merceği yapıyor. Ajan dünyaları kurmanın bana en eski soru hakkında öğrettikleri ve işaret ettiği daha faydalı soru.

Sektör haritası: otonom ajanlar sırada nereye iniyor.

Her sektöre otonom AI ajanlarının onun için geldiği söyleniyor. Bu doğru — ama aynı anda değil ve aynı nedenlerle değil. Geçimimi AI'da çalışmayan işletmelere ajan sistemleri satarak sağlıyorum. İşte dürüst sektör-sektör haritam: hangi sektörler şu anda otonom ajanlara hazır, hangileri bir yıl uzakta ve bunu belirleyen tek sinyal.

On iki arketip, on iki ajan.

Jung'un on iki arketipi, bir ruhun etrafında örgütlendiği tekrarlayan rollerin 100 yıllık bir haritası. Yeterince çoklu-ajan sistemi kur, ajanlarının hep aynı on iki role düştüğünü fark edersin. Bu, tam yürüyüş: her arketip, dönüştüğü ajan ve yüz yıllık bir psikolojik haritayı AI sistemleri için pratik bir tasarım aracı olarak nasıl kullanılacağı.

Ölü bir platforma ürün geliştirmek: Google Glass 2.

2019'da Google Glass 2 üzerine bir AR pazaryeri kurdum — telefondaki bir kullanıcının başka bir şehirdeki gözlük takan birini fiziksel işler için kiralayabildiği iki taraflı bir ürün. Ben daha ürünü yayına alırken platform çoktan ölüyordu. Ölü bir platforma geliştirme yapmak, sağlıklı bir platformun asla öğretemeyeceği şeyleri öğretir.

Bir çoklu-ajan sistemini nasıl notlandırıyoruz.

Çoklu-ajan AI'daki en zor mühendislik problemi ajanları kurmak değil — onların iyiye gidip gitmediğini bilmek. Ajan çıktısı determinist değil, dolayısıyla diff'leyemezsin. GOGOGO'da çalıştırdığımız değerlendirme harness'ı: dört değerlendirici sınıfı, her ajan adımının notlandırılması kuralı, ve başarısız bir değerlendirmenin neden bir özellik olduğu.

Hook model'i çoklu-ajan AI'a uygulamak.

Nir Eyal'in hook model'i — tetik, eylem, değişken ödül, yatırım — alışkanlık yaratan tüketici uygulamaları için tasarlandı. Bir çoklu-ajan AI ürününün müşteri retention'ını nasıl kazandığına şaşırtıcı derecede iyi oturuyor. Dört adım. GOGOGO'dan dört örnek. İki uyarı.

Censydiam üretimde.

İki çapraz eksen üzerinde sekiz duygusal motivasyon. Censydiam çerçevesi FMCG marka stratejisi için inşa edildi ama hangi AI ürününün hangi müşteri tipine uyduğunu açıklamak için bulduğum en temiz model. İşte tekerlek ve dört ürünümüzün her birinin nerede yaşadığı.

Jung, Freud ve ajan tasarımında nasıl ortaya çıktıkları.

Sessiz üniversite yıllarımı Carl Jung'un arketipleri ve Sigmund Freud'un yapısal modeli üzerine okuyarak geçirdim. Kullanacağımı bilmiyordum. On iki yıl sonra, GOGOGO'nun çoklu-ajan runtime'ı için tasarladığım orkestratör Freud'un ego'sunun şeklini taşıyor ve ajan uzman rolleri Jung'un arketiplerine neredeyse temiz şekilde haritalanıyor.

Kuantum dürüstlük: I-Ching × kuantum RNG algoritması.

Şans oyunları için ispatlanabilir-adil RNG gerçek bir problem. Çoğu çözüm sunucu-tarafı hash'leri kullanıyor ve oyunculardan denetime güvenmelerini istiyor. [ezagor](https://ezagor.com)'da yıllardır farklı bir yaklaşım eskizliyorum — I-Ching'in 64 heksagramı donanım-kuantum rastgeleliğiyle çaprazlanmış, istatistiksel olarak tek-tip VE sembolik olarak yorumlanabilir sonuçlar üretiyor. İşte algoritma.

Kod çalıştığında gerçekte ne oluyor.

Kaynak kod makinenin yürüttüğü şeyle aynı değil. Yazdığın her satır beş çeviri katmanından iniyor, transistörde elektronlarda bitiyor. İşte merdiven, katman katman, yazabileceğim en somut dilde.

On üç dil, tek kariyer.

Yirmi dört yıl boyunca on üç programlama dilinde gerçek projeler yayımladım — C, C++, C#, Python, Java, JavaScript, SQL, PHP, Swift, Kotlin, VB.NET, Assembly, MATLAB. Çoğunu hâlâ kullanıyorum. Her birinin bana ne öğrettiği ve neden modası geçenleri bırakmadığım burada.

AI'ı doğal taş gibi fiyatlandırmak.

Yirmili yaşlarımın başında bir doğal taş ev dekorasyonu şirketi yürütüyordum. Müşteriler levha için ödemiyordu — henüz inşa etmedikleri mutfak için ödüyorlardı. Bugün AI ürünlerimizi de aynı şekilde fiyatlandırıyorum: altyapı değil, sonuç. İşte dört-katmanlı çerçeve.

Tek runtime üstünde dört ürün.

Goddo, GoPeople, GoVista, GoTrack — üretici AI, WhatsApp üzerinden İK, dijital ekran CMS, perakende görüntü işleme. Dört farklı kategori, dört farklı müşteri tipi, altta tek bir çoklu-ajan runtime. İşte mimari, kararlar ve neyin neredeyse bizi kırdığı.

On altı yaşında bir üretim makinesi.

On altı yaşında balıkçı ağı bileşenleri işi yürütüyordum. Kurşun batırma ağırlıkları, plastik şamandıralar, monofil misina — kendi makinelerim, kendi müşterilerim, kendi faturalarım. Yirmi yıl sonra bir AI şirketi yürütüyorum ve GOGOGO'daki her kötü ayı, o yazdan daha kolay buluyorum.

AI'ı, AI'ın ne olduğunu bilmeyenlere nasıl satıyorum.

Kurumsal demoların çoğu yanlış odaya konuşuyor. GoPeople'ı satın alıp almayacağına karar veren müdür, orkestratör desenimizi umursamıyor. Salısını umursuyor. İşte kullandığım üç yeniden çerçeve, söylemeyi reddettiğim iki ifade ve her demoyu kapatan tek soru.

Happiness Manager oyun kitabı.

GOGOGO'dan önce kurumsal bir şirkette unvanım 'Happiness Manager' idi. O zaman yarı dalga geçiyordum. Üç yıl sonra bunun bir AI startup'ı yürütmek için aldığım en önemli eğitim olduğunu düşünüyorum. Bana kalan beş ders.

Kardeş modeli: GOGOGO'yu kardeşimle kurmak.

GOGOGO LLC'yi 2023'te kurduk — iki kardeş, eşit ortak, tek şirket. İki yıl sonra en çok aldığımız soru: gerçekten yürüyor mu? İşte dürüst cevap. Atakan ve Okan Özalan ortaklaşa yazdı.

Çoklu-AI ajan sistemleri ve çoklu-ajan sistemleri — seçtiğimiz kelimeler.

İki ifade de orkestre edilmiş AI'ı tarif ediyor. Yalnızca biri sevk ettiğimizi tarif ediyor. İki kelimelik fark küçük; operasyonel fark ise mimariler arasında seçim yapacak kadar büyük.

Çoklu-ajan ve RAG: hangisi ne zaman kazanır.

RAG bir retrieval kalıbı. Çoklu-ajan bir orchestration kalıbı. Farklı problemleri çözerler ve yanlış olanı seçen ekiplerin çoğu bir yıl içinde sistemi yeniden yazıyor. İşte kullandığımız karar ağacı — ve geriye dönüp baktığınızda yanlış seçtiğinizi gösteren hata modları.

Çoklu-ajan tasarım kalıbı olarak I-Ching.

Sekiz trigram. Sekiz ajan rol arketipi. Güçlerin nasıl birleştiğini anlamak için kullanılan 4.000 yıllık çerçeve, uzmanlaşmış ajanların çalışan bir sistemde nasıl birleştiğine şaşırtıcı şekilde temiz biçimde haritalanıyor. İşte vardığımız kalıp ve her trigramın gerçekte ne kattığı.

2015 AIML'den 2026 çoklu-ajan sistemine: konuşma yapay zekânın 10 yıllık eğrisi.

2015'te Turkcell BiP Messenger için XML kural ağaçları yazıyordum. 2026'da GOGOGO LLC için tipli çoklu-ajan runtime'ları kuruyorum. İkisi arasındaki yol düz bir çizgi değil — her dönemin modeliyle yapılmış zorunlu uzlaşmaların serisi; ve her uzlaşma bir sonraki dönemde de hayatta kalan bir kalıp üretti.

Çok ajanlı bir sistem yayına almak, bir chatbot yayına almakla aynı şey değildir.

Orchestrator’ı bir model gibi görmeyi bırakana kadar üç kez baştan yazdık. Onu bir runtime gibi ele almaya başladığımızda neyin değiştiğini anlatıyoruz — tipli hand-off’lar, tekrar oynatılabilir trace’ler ve uzmanlarla araçlar arasında sıkı bir sözleşme.

GoTrack neden CLIP üstüne bir FAISS reranker kullanıyor.

Pickup tespiti bir sınıflandırma değil — bir benzerlik problemidir. Canlı kareleri mağaza-bazlı bir kataloga karşı indeksliyoruz ve müşterinin gerçekte ne aldığına bir reranker karar veriyor.

Bir router agent ile WhatsApp İK mesajlarını sınıflandırmak.

GoPeople’daki en büyük kazancımız daha akıllı bir cevap değildi — daha akıllı bir router’dı. Niyet sınıflandırmasını yanıttan ayırdık ki her agent ucuz ve denetlenebilir kalsın.

Goddo tek bir prompt’u nasıl beş ajanlı bir pipeline’a dönüştürüyor.

Prompt yeniden yazma, stil rehberi, render, refine, watermark. Her adım kendi agent’ı — tek bir hata tüm render’ı çökertmiyor ve herhangi bir aşamayı yeniden deploy etmeden değiştirebiliyoruz.

Aklınızı kaybetmeden çok bölgeli zamanlama.

Mağazaların tek bir ekranı yoktur — ekran rayları vardır. GoVista’nın zamanlama motorunu önce bölgeler, sonra programlar etrafında yeniden inşa ettik ve ikisini bir agent’ın uzlaştırmasına izin verdik.

Observability bir eklenti değil — orchestrator’dur.

Her hand-off, her tool çağrısı, her skor — varsayılan olarak yakalanır. Observability’yi sonradan vidalamayız; her agent’ın üstünde yürüdüğü ray haline getiririz.

Agent’lar hakkında eskiden yanıldığımız, şimdi inandığımız altı şey.

Daha büyük bağlam pencereleri belleğin yerini tutmaz. RAG bir özellik değil, bir tool çağrısıdır. ‘Otonom’ bir pazarlama kelimesidir — gerçekte istediğiniz şey geri alınabilir olmasıdır.

Goddo’yu App Store’a göndererek öğrendiklerimiz.

Apple incelemesi, içerik moderasyonu, watermarking, fiyatlandırma deneyleri — bizi neyin ısırdığına ve neyi tekrar yapacağımıza dair bir defter.