课程片段

AI Kodlama Ajanları İçin Depo Haritası: Oturumlar Arası Hafızasız Proje Yapısı

Oturumlar arasında hafızası olmayan AI kodlama ajanına depo haritası nasıl verilir: neyin ölçüleceği, iyi bir haritanın dört ilkesi, proje dosya yapısı ve ajan durumu için ACID benzeri garantiler.

tek doğruluk kaynağı olarak depo (repository) depo haritası ajan durumu için ACID
本节课您将学到
  • Depoyu, ajan için 'kör noktalar' açısından denetleyebileceksiniz.
  • Dosya yapısını, ajanın tahmin yürütmesi yerine okuyabilmesi şekilde düzenleyebileceksiniz.
  • ACID ilkelerini, ajanın ilerlemeyi ve kararları nasıl kaydettiğine uygulayabileceksiniz.

课程开头

📖 Ajan mimariyi baştan uyduruyor — işte nedeni

  • Mimari kararlar Confluence'da, Slack'te, Jira'da ve iki kıdemli geliştiricinin kafasında yaşıyor
  • İnsanlar için bu işe yarar — sadece gidip sorabilirsiniz
  • Ajan soramaz
  • Her yeni oturum, proje yapısı hakkında yeni bir tahmin demektir

Ekibinizin mimari kararlarının bir kısmı Confluence'da duruyor — ve bunların yarısı çoktan güncelliğini yitirmiş durumda. Bir kısmı Slack'te ama orada hiçbir şey bulunamıyor. Bir kısmı Jira'da, bağlamından kopuk halde. Geri kalanını ise yalnızca iki kıdemli geliştirici hatırlıyor. İnsanlar için bu bir şekilde işliyor: gidip sorabiliyorsunuz. Ajan soramaz. Oturumlar arasında hafızası yok, kimsenin aklına erişimi de yok. Bu yüzden projeyi her yeniden açtığında yapının sıfırdan kendi versiyonunu dürüstçe uyduruyor — ve resmi olarak her bilgi bir yerlerde varken, neyin nerede olduğuna dair şaşırıp kalıyor.

Sadece üç kaynak var — gerisini ajan bilmiyor

  • Sistem istemi (system prompt) ve görev açıklaması
  • Depodaki dosyaların içeriği
  • Çağırdığı araçların çıktıları
  • Başka giriş yok

Ajanın tam olarak üç bilgi kaynağı var: sistem istemi ve görev açıklaması, depodaki dosyaların içeriği ve çağırdığı araçların çıktıları. Bu abartı ya da metafor değil — onun duyusal donanımının birebir tanımı. Bu üç yerden hiçbirinde olmayan bilgiler, ajan için yok hükmündedir. Meslektaşını arayamaz, tarayıcıda wiki karıştıramaz ya da dünkü sohbeti hatırlayamaz — bunların hepsi onun için mevcut değil.

OpenAI ilkesi: deponun kendisi spesifikasyondur

  • Depo, kararlar için yetkili kaynaktır
  • Kısıtlamalar ve mevcut durum için
  • Doğrulama standartları için
  • Ne Slack'in ne de Confluence'nin söz hakkı var

OpenAI bunu son derece net ifade ediyor: depo zaten spesifikasyonun ta kendisi. Spesifikasyonun eki ya da süsü değil; kararların, kısıtlamaların, projenin mevcut durumunun ve doğrulama standartlarının tek yetkili kaynağı. Bu modelde Slack'in ve Confluence'nin hiçbir söz hakkı yok: bir karar yalnızca oralarda yaşıyorsa, ajan için o karar mevcut değildir. Bu, önemli şeyleri nereye koyduğunuzu da değiştiriyor — yazması kolay olan yere değil, ajanın gerçekten okuduğu yere.

完整课程需订阅

完整版还有 20 张幻灯片。

登录并订阅后,即可观看视频、查看全部幻灯片、笔记、测试、AI 导师和面试。

登录或注册 订阅

课程内容

  1. 📖 Ajan mimariyi baştan uyduruyor — işte nedeni
  2. Sadece üç kaynak var — gerisini ajan bilmiyor
  3. OpenAI ilkesi: deponun kendisi spesifikasyondur
  4. 🤔 Mit: Depoda varsa ajan onu mutlaka görür
  5. Neyi ölçmeli: knowledge visibility gap
  6. Neyi ölçmeli: knowledge decay rate
  7. ❓ Dur kontrolü: Beş sorudan kaçını kapatabiliyorsunuz?
  8. İlke 1: Bilgiler kodun yanında yaşar
  9. İlke 2: Tek standart giriş noktası
  10. İlke 3: Minimal ama eksiksiz
  11. İlke 4: Kodla birlikte güncellenir
  12. 💡 Değerlendirme: Dört ilke boşluğu kapatır
  13. Ajan için çalışan bir depo yapısı
  14. Üst seviye: Giriş, ilerleme, kararlar
  15. Yardımcı katman: .agent/ ve scripts/
  16. Tuzaklar: Yalan söyleyen dokümantasyon
  17. Ajan durumu için ACID
  18. Consistency: Her adımdan sonra yeşil check
  19. Consistency: Her adımdan sonra yeşil check
  20. Isolation: Aynı hesaptan iki havale birbirini engellemez
  21. Durability: Bağlamda olmak yetmez
  22. Ödev: Bilgi boşluğunuzu kapatın
  23. Repo bir sözleşmedir, arşiv değil

本课时相关文章

本课程全部课程

  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