விரிவுரை முன்னோட்டம்

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.

Graf Mühendisliği (Graph Engineering) çapalar (anchors) orkestrasyon vergisi (orchestration tax) graf ile workflow farkı
இந்த விரிவுரையில் நீங்கள் என்ன கற்றுக்கொள்வீர்கள்
  • 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.

விரிவுரையின் தொடக்கம்

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.

முழு விரிவுரை சந்தா மூலம் கிடைக்கும்

முழு பதிப்பில் மேலும் 20 ஸ்லைடுகள் உள்ளன.

உள்நுழைந்து சந்தா பெற்ற பிறகு வீடியோ, அனைத்து ஸ்லைடுகள், குறிப்புகள், தேர்வுகள், AI ஆசிரியர் மற்றும் நேர்காணல் திறக்கும்.

உள்நுழை அல்லது பதிவு செய் சந்தா பெறு

விரிவுரை உள்ளடக்கம்

  1. Metrik büyüyor, ürün ölüyor
  2. %18 doğruluk artışı, %85 maliyet düşüşü — güvenilmemesi gereken rakamlar
  3. Dört seviyeden hangisinde gerçekten kontrolü kaybediyorsunuz?
  4. Düğüm ve kenar: graf ile sıradan iş akışı arasındaki tek gerçek sınır
  5. İki ajan aynı anda aynı alana yazarsa ne olur?
  6. 📖 Hakem ve sanık aynı kafada — tek döngüyü kıran tam da budur
  7. Navigasyon nereye gittiğinizi sormaz — döngü de hedefi sorgulamaz
  8. Bu dört soruya yanıt veremiyorsanız graf çizmeyin
  9. Çapa: Optimize edilemeyen şey
  10. Son kontrol başarısız olursa geri dönüş nereye yönelmeli
  11. ❓ Sıra sizde: Sisteminizde çapa nerede?
  12. 💡 Çözümleme: Çapa, dokunmadığınız şeydir
  13. Graph ve Workflow: Aynı iskelet, farklı içerik
  14. Graf, workflow'un genelleştirmesidir, onun yerine geçmez
  15. 🤔 Mit: Graf çizmek bir mühendislik başarısıdır
  16. Adım 1: Neyi ortak yapabiliriz, ne sonsuza dek özel kalmalı
  17. Adım 2: Verify, implement'in çalışmasına dair hiçbir şeyi neden hatırlamamalı
  18. Adım 3-4: Üçüncü başarısızlıktan sonra geri dönüş, beklediğiniz yere gitmez
  19. Adım 5-6: İnsan onayını bedavaya getiren checkpoint
  20. Loop — kararı sonraya bırakır, Graph — kararı önceden verir
  21. Ajanı başlatmak ucuz, döngüyü kapatmak pahalıdır
  22. Beş ölçüt: Grafa gerçekten ne zaman ihtiyaç duyulur
  23. Graf, döngünün yükseltmesi değil, sistemin başka bir katmanıdır

இந்தப் பாடம் தொடர்பான கட்டுரைகள்

இந்தப் படிப்பின் அனைத்து விரிவுரைகள்

  1. Harness Engineering Nedir? AI Kodlama Ajanı Modelden Değil, Ortamdan Neden Çöker
  2. AI Ajanında Hata Birikimi: Adım Başına %95 Doğruluk Neden 10. Adımda Başarısız Olur
  3. AI Ajan Güvenilirlik Metrikleri: MTBF, MTTR, Patlama Yarıçapı ve Little Yasası
  4. AI Ajanı Üretimde Neden Çöker: Beş Hata Katmanı ve Teşhis Döngüsü
  5. AI Ajan Harness'ı Neyden Oluşur: Talimatlar, Araçlar, Ortam, Durum, Geri Bildirim
  6. AI Kodlama Ajanları İçin Depo Haritası: Oturumlar Arası Hafızasız Proje Yapısı
  7. AGENTS.md En İyi Uygulamaları: Dev Talimat Dosyası Neden Çalışmaz, Yönlendirici Nasıl Kurulur
  8. AI Ajanı Oturumlar Arası Hafıza: Oturum Devri, PROGRESS.md ve Başlangıç Sözleşmesi
  9. AI Ajanları İçin feature_list.json: WIP=1, Özellik Durumları ve verify.sh Doğrulaması
  10. Ajan 'Hazır' Dedi, Özellik Çalışmıyor: Doğrulama Boşluğu ve Definition of Done
  11. Tüm Testler Yeşil, Özellik Bozuk: AI Ajanları İçin E2E Testler ve Mimari Kurallar
  12. AI Ajanı Gözlemlenebilirliği: Sprint Sözleşmesi, Değerlendirici Rubriği ve Temiz Oturum Çıkışı
  13. AI Ajanını Saatlerce Denetimsiz Çalıştırmak: Loop Engineering ve Durdurma Koşulları
  14. AI Ajanları İçin Graph Engineering: Tek Döngü Yetmediğinde Görev Grafiği
  15. AI Ajan Harness'ını Sıfırdan Kurmak: AGENTS.md, feature_list.json, verify.sh ve Otonom Döngü