Eğitimin Amacı ve Kapsamı
Oturumlar arasında kullanıcı tercihlerini, geçmiş kararları ve öğrenilen kuralları hatırlamayan agent'lar her görevde sıfırdan başlar; tüm geçmişi context window'a yığmak ise maliyeti artırır ve dikkat dağılmasına yol açar. Bu eğitim, agent'lar için katmanlı bir hafıza mimarisinin nasıl kurulacağını ele alır.
Working memory yönetimi, konuşma özetleme, semantic ve episodic bellek için pgvector, Redis ve LangGraph Store/Mem0 tarzı yapılar, çelişkili bilgileri güncelleme ve KVKK uyumlu veri silme mekanizmaları uygulamalı olarak işlenir. Çıktı olarak kurum senaryosuna uyarlanmış, oturumlar arası hafızaya sahip bir agent prototipi geliştirilir.
Kimler Katılmalı?
- Kişiselleştirilmiş asistan ve uzun ömürlü agent geliştiren yapay zeka mühendisleri
- Veri ve bellek katmanını tasarlayan backend ve platform geliştiricileri
- RAG ile agent memory yapılarını bütünleştirmek isteyen veri bilimciler
- Ön koşul: Python, embedding ve temel agent geliştirme deneyimi
Kazanımlar
- Working, episodic, semantic ve procedural memory katmanlarını birbirinden ayırarak modellemek
- Context window taşmasını önleyen dinamik kırpma ve hiyerarşik özetleme akışları kurmak
- Oturumlar arası kullanıcı ve görev bilgilerini çıkarıp güncelleyen background memory pipeline'ı yazmak
- Bellek geri çağırma (retrieval) aşamasında alaka düzeyi, güncellik ve önem skorlarını birleştirmek
- Yanlış veya güncelliğini yitirmiş anıları temizleyen TTL ve unutma politikaları uygulamak
Konular
Agent Hafıza Taksonomisi
- Kısa dönem (working/thread) ve uzun dönem (cross-thread) bellek ayrımı
- Episodic, semantic ve procedural memory kullanım senaryoları
- Standart RAG ile dinamik agent memory arasındaki farklar
Kısa Dönem Bellek ve Context Window Yönetimi
- Mesaj geçmişi kırpma, sliding window ve token bütçesi kontrolü
- Araç çıktılarını sıkıştırma ve kademeli konuşma özetleme
- Checkpoint tabanlı thread durumu saklama
Uzun Dönem Bellek Depoları ve Çıkarım
- Konuşmalardan yapılandırılmış profil ve olgu (fact) çıkarımı
- Vektör, anahtar-değer (LangGraph Store, Redis) ve bilgi grafiği tabanlı bellek
- Hot path (anlık) ve background (asenkron) bellek yazma desenleri
Bellek Güncelleme, Çelişki Çözümü ve Unutma
- Mevcut bilgiyi güncelleme, birleştirme (consolidation) ve geçersiz kılma
- Recency, relevance ve importance ağırlıklı hibrit geri çağırma
- Memory poisoning önleme, kullanıcı bazlı izolasyon ve veri silme
Uygulama: Çok Oturumlu Kurumsal Agent
- Geçmiş görevlerden öğrenen ve tercihleri hatırlayan agent geliştirme
- Bellek isabet oranı (recall) ve gecikme etkisini değerlendirme
Bu Kategorideki Diğer Eğitimler
-
LLM ve veri analizi/kodlama agent'larının ürettiği kodu gVisor, Firecracker microVM, container izolasyonu, ağ/dosya sistemi kısıtlamaları ve kaynak kotalarıyla güvenli çalıştırma mimarilerini öğreten teknik eğitim.
- Canlı Kurs
- 5 modül
-
Agent sistemlerinde uçtan uca başarı, yörünge (trajectory) ve tool seçim doğruluğunu ölçme; OpenTelemetry, LangSmith, Arize Phoenix ve Langfuse ile dağıtık tracing ve canlı üretim izleme kurma eğitimi.
- Canlı Kurs
- 5 modül
-
Uzun süreli ve çok adımlı agent'larda API kesintileri, rate limit, kısmi hata ve süreç çökmelerine karşı retry, fallback, idempotency, telafi (compensation) ve Temporal/LangGraph ile durable execution eğitimi.
- Canlı Kurs
- 5 modül
-
Prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer ve otonom agent desenlerini mimari ödünleşimleriyle inceleyen; doğru probleme en sade agentic mimariyi seçtiren tasarım eğitimi.
- Canlı Kurs
- 5 modül
-
ReAct akıl yürütme döngüsünü, Plan-and-Execute planlama katmanını ve açık state/checkpoint yönetimini tek bir hibrit agent mimarisinde birleştirmeyi öğreten, geliştiricilere yönelik uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
Uzman agent'lar arasında kontrol devri (handoff) ile alt agent'ı araç olarak çağırma (agent-as-tool) desenlerini; triage yönlendirme, context filtreleme ve konuşma sahipliği yönetimiyle ele alan teknik eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
