
Kısa yanıt: Bir sürecin adımlarını önceden yazabiliyorsanız bir iş akışı kurun: kodda sabit bir yol boyunca dizilmiş dil modeli çağrıları. Daha öngörülebilir, test etmesi daha kolay ve genellikle daha ucuzdur. Modelin kendi adımlarına ve hangi araçları kullanacağına karar verdiği bir ajanı ancak yol önceden belirlenemiyorsa seçin; örneğin her vaka muhakeme gerektiriyorsa ya da kurallar sürekli değişiyorsa. Anthropic’in önerisi, işe yarayan en basit çözümle başlamak ve karmaşıklığı ancak sonucu açıkça iyileştirdiğinde artırmaktır.
Farkı tek cümleyle
Anthropic’in Building effective agents yazısı ayrımı şöyle yapar: İş akışında dil modelleri ve araçlar önceden tanımlanmış kod yollarını izler. Ajanda ise süreci ve araç kullanımını model yönetir; görevi nasıl tamamlayacağının kontrolü ondadır.
İkisi de aynı temel parçadan kurulur: Arama, araç ve hafızaya erişimi olan bir dil modeli. Anthropic, birçok uygulama için arama ve örneklerle iyi kurulmuş tek bir çağrının çoğu zaman yeterli olduğunu belirtir.
Beş iş akışı kalıbı
| Kalıp | Nasıl çalışır? | Yazıdaki örnek |
|---|---|---|
| Zincirleme (prompt chaining) | Görev sabit adımlara bölünür; her çağrı bir öncekinin üzerine kurulur, aralarda kontrol olabilir. | Pazarlama metni yazmak, ardından çevirmek. |
| Yönlendirme (routing) | Girdi sınıflandırılır ve uzmanlaşmış bir isteme, araca ya da modele gönderilir. | İade ve teknik soruları farklı yollara göndermek; kolay soruları küçük bir modele vermek. |
| Paralel çalıştırma | Alt görevler aynı anda çalışır, sonuçlar kodda birleştirilir. | Bir model cevaplarken diğerinin girdiyi kötüye kullanıma karşı taraması. |
| Yönetici–çalışanlar (orchestrator–workers) | Merkezdeki model hangi alt görevlerin gerektiğine karar verir, dağıtır ve sonuçları birleştirir. | Bir kod tabanında birçok dosyaya dokunan değişiklikler. |
| Değerlendirici–iyileştirici | Bir model yazar, diğeri eleştirir; döngü sürer. | Bir çeviriyi değerlendirici memnun olana kadar iyileştirmek. |
Yönetici–çalışanlar kalıbında alt görevler önceden tanımlı değildir; yönetici model her girdi için onlara kendisi karar verir. Diğer kalıplar sizin tasarladığınız bir yolu izler.
Ajan kurmak ne zaman buna değer?
OpenAI’nin A practical guide to building agents rehberi, kurallı otomasyonun yetersiz kaldığı üç işaret sayar:
- Muhakeme gerektiren kararlar. İstisna ve bağlam içeren durumlar; örneğin bir iadeyi onaylamak.
- Bakımı zorlaşmış kurallar. Her değişikliğin pahalı ve hataya açık olduğu sistemler.
- Yapılandırılmamış veriye yoğun dayanma. Doğal dil, belgeler, konuşmalar.
Kullanım durumunuz bu ölçütleri açıkça karşılamıyorsa rehber, kurallı ve öngörülebilir bir çözümün yetebileceğini söyler.
Özerkliğin bedeli
Anthropic ödünleşimi açıkça yazar: Ajan sistemleri zor görevlerde daha iyi sonuç için genellikle daha fazla süre ve para harcar. Döngü içinde çalıştıkları için de erken bir hata sonraki adımlara taşınabilir. Ajan kurmak için üç ilkesi şunlardır: Tasarımı basit tutmak, ajanın planlama adımlarını görünür kılmak ve araç açıklamalarına ve testlere emek vermek. Ayrıca bir çerçeve (framework) yerine doğrudan model API’siyle başlamayı ya da en azından çerçevenin altta ne yaptığını anlamayı önerir.
Hızlı karar için sorular
- Akış şemasını çizebiliyor musunuz? Evetse bir iş akışıyla başlayın.
- Kaç vaka şemanın dışında kalıyor? Çoğu kalıyorsa ajanı değerlendirin.
- Yanlış bir adımın bedeli ne? Bedel yükseldikçe sabit adımlara, sınırlara ve insan onayına daha çok ihtiyaç duyarsınız.
- Başarıyı ölçebiliyor musunuz? Net bir ölçü yoksa eklenen özerkliğin işe yarayıp yaramadığını bilemezsiniz.
Ajan ile kurallı bir chatbot arasındaki fark için Yapay zekâ ajanı ile chatbot arasındaki fark yazısına bakabilirsiniz.
Özet
- İş akışı: sabit yol, öngörülebilir, daha ucuz. Ajan: yolu model seçer.
- Ajana geçmeden önce beş iş akışı kalıbını deneyin.
- Ajanı muhakeme isteyen, kurala sığmayan ve dile dayalı işler için seçin; basit ve görünür tutun.


