Eğitimin Amacı ve Kapsamı
Agent'ların en sık başarısız olduğu yer, uzun görevlerde plan yapma ve bu planı değişen koşullara göre güncelleme becerisidir. Program; ReAct, plan-and-execute, hiyerarşik görev ayrıştırma, reflection ve self-critique gibi planlama yaklaşımlarını ve OpenAI o-serisi, Claude extended thinking, Gemini thinking gibi reasoning modellerinin bu döngülerdeki rolünü inceler.
Katılımcılar aynı görevi farklı planlama stratejileriyle çözen agent'lar kurar, başarı oranı, adım sayısı ve maliyeti karşılaştırır; yeniden planlama ve sonlandırma kurallarını içeren bir döngü tasarım şablonu hazırlar.
Kimler Katılmalı?
- Agent geliştiren yapay zeka mühendisleri
- Karmaşık otomasyon senaryoları tasarlayan çözüm mimarları
- Agent performansını iyileştirmekle sorumlu teknik ekipler
- Ön koşul: Python ve temel agent geliştirme deneyimi
Kazanımlar
- Görev tipine göre uygun planlama stratejisini seçmek
- Karmaşık görevleri alt görevlere ayrıştıran planlayıcılar kurmak
- Reflection ve yeniden planlama ile hata telafisi sağlamak
- Reasoning modellerini maliyet ve gecikme dengesiyle kullanmak
- Sonsuz döngü ve gereksiz adımları önleyen sonlandırma kuralları yazmak
Konular
Agent Döngüsünün Temelleri
- Gözlem–düşünme–eylem döngüsü ve ReAct
- Tek adımlı ve çok adımlı görevlerin farkı
Planlama Stratejileri
- Plan-and-execute ve hiyerarşik görev ayrıştırma
- Plan temsili: liste, graph ve görev ağacı
Reasoning Modelleri ve Düşünme Bütçesi
- o-serisi, Claude extended thinking ve Gemini thinking
- Planlayıcı ve yürütücü için farklı model seçimi
Reflection ve Yeniden Planlama
- Self-critique, doğrulayıcı adımlar ve hata telafisi
- Ne zaman yeniden planlanmalı?
Sonlandırma ve Kaynak Kontrolü
- Başarı kriterleri, adım ve token sınırları
- Döngü tespiti ve kullanıcıya devretme
Karşılaştırmalı Uygulama
- Aynı görevde stratejilerin başarı, maliyet ve hız ölçümü
- Döngü tasarım şablonu
Bu Kategorideki Diğer Eğitimler
-
Uzun soluklu görevlerde ve çok oturumlu etkileşimlerde agent hafızası ve context yönetimi: kısa süreli çalışma belleği, epizodik/semantik uzun süreli hafıza, context sıkıştırma, Mem0 ve LangGraph Store ile kalıcı hafıza mimarisi.
- Canlı Kurs
- 5 modül
-
Karmaşık görevleri uzmanlaşmış agent'lara bölen multi-agent mimarileri: supervisor, hiyerarşik ve swarm kalıpları, LangGraph, CrewAI ve AutoGen karşılaştırması, A2A protokolü ve paylaşılan durum yönetimi.
- Canlı Kurs
- 5 modül
-
Kritik kararlarda insan kontrolünü koruyan human-in-the-loop agent mimarisi: kesme/devam etme (interrupt/resume) akışları, risk bazlı onay eşikleri, eskalasyon kuyrukları ve geri bildirimle öğrenen agent'lar.
- Canlı Kurs
- 5 modül
-
Model Context Protocol (MCP) ile kurumsal veri tabanları, API'ler ve iç sistemleri LLM ve agent'lara standart ve güvenli biçimde bağlama: MCP server/client geliştirme, yetkilendirme ve kurumsal entegrasyon mimarisi.
- Canlı Kurs
- 5 modül
-
Kurumsal bilgi, prosedür ve araçları agent'ların tekrar kullanabileceği modüler yetkinlik paketlerine (skills) dönüştürme: SKILL.md yapısı, aşamalı yükleme (progressive disclosure), şablonlar ve yönetişim.
- Canlı Kurs
- 5 modül
-
Çok adımlı agent sistemlerini uçtan uca ve adım bazında değerlendirme: trajectory evals, tool calling doğruluğu, görev tamamlama metrikleri, simüle edilmiş kullanıcı/ortam testleri ve CI/CD eval pipeline'ı.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
