Bir fikrin çalışan bir araca dönüşmesi

Araç ve çalışma — 04

Bir işi çözdükten sonra aynı türden başka bir işle karşılaşırız. Veriler değişir, ama yaptığımız işlemin bir bölümü aynı kalır.

Bu benzerliği fark etmek kolaydır. Çözümün hangi kısmını yeniden kullanabileceğimizi belirlemek daha zordur.

Bir kerelik doğru cevap, henüz bir araç değildir. Araca dönüşebilmesi için hangi girdileri kabul ettiği, ne ürettiği ve hangi koşullarda kullanılabileceği açıklığa kavuşmalıdır.

a2’nin başlangıç sorusu burada duruyor:

Başarılı bir çözümü, başka görevlerde sınanabilen ve yeniden kullanılabilen bir beceriye dönüştürebilir miyiz?

Fikri küçük bir işe indirmek

Bu soru çok geniş tutulabilir. Farklı araçları kullanan, geçmişinden öğrenen ve her türlü işi üstlenen bir ajan düşünmek mümkün.

a2’deki güncel çalışma alanı daha dar: veri dönüşümü.

Kayıtları normalleştirmek, iki kaynaktaki verileri eşlemek, çelişkileri ayırmak ve gerekli alanları seçmek. Bu işler küçük görünse de aracın davranışını incelemek için somut bir zemin sağlıyor.

Varsayımsal bir örnek düşünelim. İki dosyada aynı ürünler farklı biçimlerde kayıtlı olsun. Birinde ürün kodu, diğerinde tedarikçi kodu kullanılıyor. Bazı alanlar boş, bazı değerler birbiriyle uyuşmuyor.

“Bu dosyaları birleştir” talebiyle başlayabiliriz. Fakat doğru sonuç üretmek için daha açık kurallar gerekir: Hangi alanla eşleme yapılacak? Eşleşmeyen kayıtlar ne olacak? Çelişen değerler nasıl gösterilecek?

Fikir, bu sorulara cevap verdikçe çalıştırılabilir bir işe dönüşür.

Çıktının doğru görünmesi yeterli mi?

İlk çözüm üretildiğinde önümüzde düzenli bir JSON çıktısı bulunabilir. Alanlar yerli yerindedir, dosya okunabilir.

Yine de sonuç yanlış olabilir. Bir kayıt atlanmış, iki farklı ürün birleştirilmiş veya çelişen değerlerden biri sessizce seçilmiş olabilir.

a2’de çıktı biçiminin kontrolü ile görev sonucunun doğrulanması bu nedenle ayrı tutuluyor.

Bağımsız olarak tanımlanmış beklenen çıktı varsa, üretilen sonuç onunla karşılaştırılabiliyor. Böyle bir dayanak yoksa rapor, yapılan kontrolü yalnız şema kontrolü olarak belirtiyor. Bu durum, görevin anlam bakımından doğru çözüldüğü şeklinde sunulmuyor.

Aynı ayrım geçmiş kayıtlarına da uzanıyor. Geçersiz bir çıktı, başarılı çözüm olarak kaydedilmemeli.

Yeniden kullanımın başlangıç noktası, yalnız tamamlanmış görünen bir işlem değil, belirli koşullar altında doğrulanmış bir çözüm olmalı.

Çözümden beceri adayına

Bir görev doğru çözüldüğünde, bu çözümden çalıştırılabilir bir beceri adayı üretilebiliyor.

Buradaki geçiş, cevabı saklamaktan farklı. Amaç, aynı işlemi yeni girdiler üzerinde gerçekleştirebilen bir parça elde etmek.

a2’nin veri öğrenme yolunda bu aday, kalıcı olarak kaydedilmeden önce üç yeni doğrulama göreviyle dışarıdan sınanıyor. Beklenen doğrulama cevapları modelin konuşmasına verilmiyor.

Aday bu kontrollerden geçerse, sözleşme sürümü, kökeni, kod özeti ve doğrulama izleriyle kaydediliyor.

Böylece yalnız “bu kod çalıştı” demiyoruz. Hangi koşullarda, hangi kontrollerden geçerek kullanılabilir hâle geldiğini de tutuyoruz.

Fakat birkaç örneği geçmek, bütün olası girdilerde doğruluğun kanıtı değil. Kaydedilen becerinin kapsamı, onu doğrulayan örneklerin ve sözleşmenin ötesine kendiliğinden genişlemiyor.

Yeniden kullanmak, daha iyi çalışmak demek mi?

Bir beceriyi üretmek ve çağırabilmek önemli bir adım. Ancak yeniden kullanımın işe katkısını ayrıca ölçmek gerekiyor.

a2’nin karşılaştırma düzeninde aynı görevler beş koşulda ele alınıyor: geçmişsiz çözüm, başarılı çözüm örneklerinin bağlama eklenmesi, insan yazımı beceriler, öğrenilmiş beceriler ve işle ilgisiz beceriler.

Öğrenilmiş beceriler değerlendirme sırasında donduruluyor. Böylece sınama sürerken değişen bir aracı ölçmüş olmuyoruz.

Kaliteyle birlikte gecikme, model ve araç çağrıları, becerinin gerçekten kullanılıp kullanılmadığı ve gözlenen token tüketimi kaydediliyor. Beceriyi üretmek için harcanan maliyet de ayrı tutuluyor.

Kaynaklarda kayıtlı sınırlı canlı öğrenme çalışması, dört veri dönüşümü ailesinde bağımsız kontrollerden geçen beceriler üretti. Buna karşılık küçük ve tamamlanmamış karşılaştırmalar verimlilik üstünlüğü göstermedi.

Bu sonuç, önemli bir ayrımı görünür kılıyor: Kullanılabilir bir parça üretmek ile o parçanın bütün iş akışını iyileştirmesi ayrı sorular.

Bir araç doğru çıktı verebilir; ajan onu gereksiz yere tekrar çağırabilir veya diğer parçalarla yanlış birleştirebilir. Bu yüzden tek parçanın kabulü, tamamlanmış işin kabulüne yetmiyor.

Bir aracın kullanılmayacağı yerler

Önceki yazıda, bir kaydı hatırlarken onu geçerli kılan ilişkileri değerlendirmeyi konuşmuştuk. Bir beceriyi yeniden kullanırken de benzer bir sınırla karşılaşıyoruz.

Daha önce doğru çalışan bir beceri, yeni görevin kurallarıyla uyumlu mu?

Eşleme kuralı değişmişse veya farklı bir dönüşüm isteniyorsa eski beceriyi sessizce kullanmak yanlış sonuç üretebilir. a2’de sözleşme uyumu bu nedenle açıkça kontrol ediliyor.

Mevcut becerilerle birden fazla adımlı plan kurmak da ayrı bir çalışma alanı. Bir parçanın çıktısı sonraki parçanın girdisi olabilir; ancak bu birleşimin koşulları ve nihai sonucu ayrıca doğrulanmalıdır.

Desteklenmeyen bir iş için plan üretemediğini söylemek de bu davranışın parçası. Çalışan bir araç, yalnız yapabildiği işi değil, mevcut kapsamının dışında kalan işi de ayırt edebilmelidir.

Çalışan parça ile tamamlanmış araç

a2 hâlâ geliştirme alfasında.

Çevrimdışı demo, insan tarafından yazılmış becerilerin doğrulanmasını ve farklı girdilerde yeniden kullanılmasını gösteriyor. Modelin öğrenmesine dair bir deney olarak değerlendirilmemeli.

Canlı öğrenme kayıtları başka bir kanıt hattı oluşturuyor. Ancak tamamlanmış çoklu başlangıç değerlendirmeleri ve gerçek kullanıcı verisiyle doğrulama hâlâ gerekli.

Bu noktada fikrin araca dönüşmesini tek bir tamamlanma anı olarak görmek zor. Her aşama başka bir soruyu açıyor:

Çözüm doğru mu? Ondan üretilen beceri yeni girdilerde çalışıyor mu? Hangi kurallarla uyumlu? Yeniden kullanım bütün işi iyileştiriyor mu?

a2’de somutlaşan çalışma, bu soruları birbirine karıştırmadan ilerletmek.

Bir çözümü tekrar çalıştırabildiğimizde bir parça elde ediyoruz. Onu ne zaman kullanacağımızı, nasıl sınayacağımızı ve ne zaman durduracağımızı belirledikçe o parça bir araca dönüşüyor.

---

Kaynak notu — 15 Ekim 2026: Yazı, a2’nin README, mimari, değerlendirme ve tarihli geliştirme kayıtlarına dayanır. Ürün dosyaları örneği varsayımsaldır. Bu yazı için yeni model çağrısı veya değerlendirme koşusu yapılmamıştır; kaynaklarda kayıtlı sınırlı sonuçlar aktarılmıştır.

a2 proje sayfası · Bellek kayıtları mı saklar, ilişkileri mi?