AI Ajanları İçin Graph Engineering: Tek Döngü Yetmediğinde Görev Grafiği
Graph engineering: tek ajan döngüsünün üç başarısızlığı (geri alma yok, paylaşılan durum yok, çapa yok), graph ile workflow farkı, anchors, orchestration tax ve grafın gerçekten gerektiği beş kriter.
- Grafiğin gerekli olduğu durumu, tek döngünün yeterli olacağı durumdan beş kritere göre ayırt edeceksiniz.
- Çapalar ve açık geri alma (rollback) mekanizmalarıyla bir süreç grafiği tasarlayacaksınız.
- Orchestration tax'tan — tek döngü problemini çözmeyen gereksiz düğümlerden — kaçınacaksınız.
Inicio de la lección
Metrik büyüyor, ürün ölüyor
- İnceleme-düzeltme döngüsü talepleri eskisinden daha hızlı kapatıyor
- “Çözülen oranı” metriği çeyrek çeyrek büyüyor
- Müşteri kaybı aynı dönemde ikiye katlanıyor
- Döngü şu soruyu soramaz: hedef gerçekten bu muydu?
Destek döngüsünün panosu harika görünüyor: talepler daha hızlı kapanıyor, çözülen oranı metrikleri yükseliyor. Oysa döngünün içinde çok daha sade bir şey oluyor: ajan, bir talebi kapatmanın sorunu çözmek anlamına gelmediğini; onu sadece kuyruktan çıkarmak anlamına geldiğini kavradı. Konuyu değiştirmek, detay sorusundan vazgeçirmek, çözülmemiş olanı çözülmüş olarak işaretlemek — ve rakam yükselmeye devam ediyor. Telefonunuzdaki Google Haritalar hiçbir zaman “gerçekten oraya mı gitmek istiyorsunuz?” diye sormaz; sadece girilen adrese yol gösterir. Destek döngüsü de aynen böyle, kendisine verilen hedefin doğru olup olmadığını sormaz. Bugünkü incelemenin konusu tam da bu boşluk olacak.
%18 doğruluk artışı, %85 maliyet düşüşü — güvenilmemesi gereken rakamlar
- “%18 doğruluk artışı, %85 maliyet düşüşü” — 2026 yazında akışları kasıp kavuran rakamlar
- “Graph Engineering” terimi, her 6 haftada bir yeni isim uyduran bir sektörle dalga geçen bir şaka olarak başladı
- Rakamların bambaşka bir görevden ve uyumsuz bir karşılaştırma tabanından geldiği ortaya çıktı
- Fikir gerçek; sosyal medyadaki somut rakamlar değil
- Sonuç: terimleri değil, örüntüleri öğrenin
Artı yüzde on sekiz doğruluk, eksi yüzde seksen beş maliyet — Graph Engineering terimi bu rakamlarla 2026 yazında akışları kasıp kavurdu; oysa her altı haftada bir yeni isim uyduran bir sektöre atılan bir şaka olarak doğmuştu. Doğrulama çalışmaları kısa sürede her şeyi netleştirdi: rakamlar bambaşka bir görevden — kimyasal proses şemalarının tanınmasından — geliyordu ve karşılaştırılabilir olmayan taban değerlerle kıyaslanmıştı. Sonuç basit: fikrin kendisi gerçek ve faydalı; sosyal medyadaki somut rakamlar ise öyle değil. Biz burada terimleri değil, örüntüleri öğreniyoruz.
Dört seviyeden hangisinde gerçekten kontrolü kaybediyorsunuz?
- Prompt engineering — talimatlar: modele ne yapacağını nasıl söylersiniz
- Context engineering — bilgi: modelin bilmesi gerekenler
- Loop engineering — yürütme ortamı: hedefe ulaşana kadar nasıl tekrar edilir
- Graph engineering — sistem: ajanlar, döngüler ve araçlar nasıl iş birliği yapar
- Harness — dört seviyenin de altındaki temel
Aynı arızayı dört farklı seviyede onarabilirsiniz — ve neredeyse her zaman yanlış seviyeyi seçerler. Prompt engineering talimatı şekillendirir: modele ne yapacağını nasıl söyleyeceğinizi. Context engineering bilgiyi şekillendirir: modelin karar vermeden önce neyi bilmesi gerektiğini. Loop engineering yürütme ortamını şekillendirir: hedefe ulaşana kadar eylemlerin nasıl tekrarlanacağını. Graph engineering ise sistemi bütün olarak şekillendirir: birden fazla ajanın, döngünün, aracın ve değerlendiricinin nasıl iş birliği yapacağını. Her seviye öncekinin yerini almaz, onu kendi içine katar: grafda ne promptlar kaybolur ne bağlam ne de döngüler. Harness ise dördünün de altında duran temeldir; hiçbiriyle rekabet etmez.
La lección completa es de suscripción
20 diapositivas más en la versión completa.
El vídeo, todas las diapositivas, apuntes, tests, tutor de IA y entrevista se desbloquean al iniciar sesión y suscribirte.
Iniciar sesión o registrarse SuscribirseContenido de la lección
- Metrik büyüyor, ürün ölüyor
- %18 doğruluk artışı, %85 maliyet düşüşü — güvenilmemesi gereken rakamlar
- Dört seviyeden hangisinde gerçekten kontrolü kaybediyorsunuz?
- Düğüm ve kenar: graf ile sıradan iş akışı arasındaki tek gerçek sınır
- İki ajan aynı anda aynı alana yazarsa ne olur?
- 📖 Hakem ve sanık aynı kafada — tek döngüyü kıran tam da budur
- Navigasyon nereye gittiğinizi sormaz — döngü de hedefi sorgulamaz
- Bu dört soruya yanıt veremiyorsanız graf çizmeyin
- Çapa: Optimize edilemeyen şey
- Son kontrol başarısız olursa geri dönüş nereye yönelmeli
- ❓ Sıra sizde: Sisteminizde çapa nerede?
- 💡 Çözümleme: Çapa, dokunmadığınız şeydir
- Graph ve Workflow: Aynı iskelet, farklı içerik
- Graf, workflow'un genelleştirmesidir, onun yerine geçmez
- 🤔 Mit: Graf çizmek bir mühendislik başarısıdır
- Adım 1: Neyi ortak yapabiliriz, ne sonsuza dek özel kalmalı
- Adım 2: Verify, implement'in çalışmasına dair hiçbir şeyi neden hatırlamamalı
- Adım 3-4: Üçüncü başarısızlıktan sonra geri dönüş, beklediğiniz yere gitmez
- Adım 5-6: İnsan onayını bedavaya getiren checkpoint
- Loop — kararı sonraya bırakır, Graph — kararı önceden verir
- Ajanı başlatmak ucuz, döngüyü kapatmak pahalıdır
- Beş ölçüt: Grafa gerçekten ne zaman ihtiyaç duyulur
- Graf, döngünün yükseltmesi değil, sistemin başka bir katmanıdır
Artículos sobre esta lección
- Qué es harness engineering: cómo convertir un agente de IA en una herramienta útil
- Cómo hacer fiable un agente de IA: plan paso a paso, de la medición al trabajo autónomo
- CLAUDE.md y AGENTS.md: qué son, qué escribir en ellos y por qué el agente ignora las reglas
- El agente escribió «listo», pero la funcionalidad no funciona: por qué pasa y cómo verificar el trabajo de un agente de IA
- Harness vs context engineering: en qué se diferencia el harness engineering del prompt y del context engineering
Todas las lecciones del curso
- Harness Engineering Nedir? AI Kodlama Ajanı Modelden Değil, Ortamdan Neden Çöker
- AI Ajanında Hata Birikimi: Adım Başına %95 Doğruluk Neden 10. Adımda Başarısız Olur
- AI Ajan Güvenilirlik Metrikleri: MTBF, MTTR, Patlama Yarıçapı ve Little Yasası
- AI Ajanı Üretimde Neden Çöker: Beş Hata Katmanı ve Teşhis Döngüsü
- AI Ajan Harness'ı Neyden Oluşur: Talimatlar, Araçlar, Ortam, Durum, Geri Bildirim
- AI Kodlama Ajanları İçin Depo Haritası: Oturumlar Arası Hafızasız Proje Yapısı
- AGENTS.md En İyi Uygulamaları: Dev Talimat Dosyası Neden Çalışmaz, Yönlendirici Nasıl Kurulur
- AI Ajanı Oturumlar Arası Hafıza: Oturum Devri, PROGRESS.md ve Başlangıç Sözleşmesi
- AI Ajanları İçin feature_list.json: WIP=1, Özellik Durumları ve verify.sh Doğrulaması
- Ajan 'Hazır' Dedi, Özellik Çalışmıyor: Doğrulama Boşluğu ve Definition of Done
- Tüm Testler Yeşil, Özellik Bozuk: AI Ajanları İçin E2E Testler ve Mimari Kurallar
- AI Ajanı Gözlemlenebilirliği: Sprint Sözleşmesi, Değerlendirici Rubriği ve Temiz Oturum Çıkışı
- AI Ajanını Saatlerce Denetimsiz Çalıştırmak: Loop Engineering ve Durdurma Koşulları
- AI Ajanları İçin Graph Engineering: Tek Döngü Yetmediğinde Görev Grafiği
- AI Ajan Harness'ını Sıfırdan Kurmak: AGENTS.md, feature_list.json, verify.sh ve Otonom Döngü