| Ajan Bellek Deposu (Agent Memory Store) | Yapay Zeka ve Ajan Sistemleri | Bir temsilci (agent) akıl yürütme döngüsü sırasında, kullanıcı girdileri, ara araç yürütme çıktıları ve karalama defteri (scratchpad) düşünceleri bellek içi (in-memory) bir arabelleğe (kısa süreli bellek) aktarılır. Periyodik olarak, bir temsilci bellek boru hattı (pipeline) tamamlanan görevleri özetler, önemli gerçeklerin vektör gömme (vector embedding) işlemlerini oluşturur ve bunları grafik varlıklarının yanı sıra bir vektör veritabanına ekler (upsert) veya günceller (uzun süreli bellek). Yeni bir görev geldiğinde, depo, LLM sistem istemine (prompt) en alakalı ilk k (top-k) geçmiş bağlamı enjekte etmek için hibrit geri çağırma (BM25 anahtar kelime araması + vektör kosinüs benzerliği + grafik geçişi) yürütür. | İncele→ |
| Ajan Düzenleyici (Agent Orchestrator) | Yapay Zeka ve Ajan Sistemleri | Karmaşık bir hedef alındığında, orkestratör (orchestrator) bir koordinatör aracısının (coordinator agent) bir yürütme grafiği (execution graph) oluşturduğu bir planlama adımı başlatır. Orkestratör bağımsız görevleri paralel olarak işçi aracılara (worker agents) gönderir, gerekli bellek bağlamlarını ve API araç şemalarını (tool schemas) sağlar, araç çıktı şemalarını katı JSON sözleşmelerine (JSON contracts) karşı doğrular ve gecikmeyi, maliyetleri ve döngü eşiklerini (loop thresholds) izlerken ara bulguları son bir sentezlenmiş yanıtta birleştirir. | İncele→ |
| Yapay Zeka Gözlemlenebilirlik Platformu (AI Observability Platform) | Yapay Zeka ve Ajan Sistemleri | Telemetri yazılım geliştirme kitleri (telemetry SDKs) ile donatılmış uygulama hizmetleri, her Yüksek Dil Modeli (LLM) etkileşimi, araç çağrısı (tool call) ve vektör alımı (vector retrieval) için gözlemlenebilirlik platformuna (observability platform) eşzamanlı olmayan izleme aralıkları (asynchronous trace spans) aktarır. Platform, token (belirteç) sayılarını ayrıştırır, sağlayıcı fiyatlandırma modellerine (pricing models) göre çağrı maliyetlerini hesaplar, İlk Tokena Kadar Geçen Süreyi (Time-To-First-Token - TTFT) ve toplam gecikmeyi (total latency) ölçer, otomatik LLM destekli değerlendirme buluşsal yöntemlerini (evaluation heuristics - evals) çalıştırır ve gerçek zamanlı analiz panolarını (real-time analytics dashboards) günceller. | İncele→ |
| Ses Deşifre Motoru (Audio Transcription Engine) | Yapay Zeka ve Ajan Sistemleri | Ses girişi, akış parçaları (streaming chunks) (WebSockets/gRPC aracılığıyla) veya toplu dosyalar (batch files) halinde alınır. Motor, sesi standart bir frekansa (örn. 16kHz mono) yeniden örnekler (resample), arka plan sessizliğini filtrelemek için Ses Etkinliği Algılama (Voice Activity Detection) uygular, akustik spektrogram tensörlerini dönüştürücü kodlayıcı-kod çözücü katmanlarından (transformer encoder-decoder layers) geçirir, belirteç olasılıklarını (token probabilities) tahmin eder, dil modeli kod çözme (language model decoding) uygular ve kelime düzeyinde zaman damgaları (timestamps) ile konuşmacı etiketleri (speaker labels) barındıran noktalı metin çıkarır. | İncele→ |
| Bağlam Sıkıştırma Motoru (Context Compression Engine) | Yapay Zeka ve Ajan Sistemleri | Bir sorguya (query) karşı belirteç (token) şaşkınlığını (perplexity), entropisini (entropy) ve karşılıklı bilgisini (mutual information) değerlendirir, anlamsal olarak (semantically) yoğun (dense) bir bilgi istemi temsili (prompt representation) çıkarım uç noktasına (inference endpoint) gönderirken sözdizimsel doldurucuyu (syntactic filler) ve düşük bilgili belirteçleri (low-information tokens) atar. | İncele→ |
| Bağlam Penceresi (Context Window) | Yapay Zeka ve Ajan Sistemleri | Tüm aktif girdi ve çıktı belirteçleri (tokens) genelinde tam veya seyrek (sparse) öz-dikkat matrislerini (self-attention matrices) hesaplar, anlamsal (semantic) tutarlılığı korur ve girdi dizisinin herhangi bir yerindeki olgusal çapaları (factual anchors) doğru bir şekilde geri getirir (retrieval). | İncele→ |
| Sürekli Yığınlama Motoru (Continuous Batching Engine) | Yapay Zeka ve Ajan Sistemleri | Sayfalı bellek yönetimi (PagedAttention) kullanarak ardışık olmayan (non-contiguous) KV-önbellek (KV-cache) belleğini dinamik olarak ayırır, ön doldurma (prefill - istem işleme) ve kod çözme (decode - belirteç oluşturma) aşamalarını araya ekler ve eşzamanlı istemci akışlarında GPU işlem (compute) kullanımını en üst düzeye çıkarır. | İncele→ |
| Çapraz Kodlayıcı Yeniden Sıralayıcı (Cross-Encoder Reranker) | Yapay Zeka ve Ajan Sistemleri | İlk aşama geri alımdan (first-stage retrieval) en iyi k (top-k) arama adayı çiftlerini (sorgu + belge) alır, birleştirilmiş belirteç (token) çiftlerini derin öz-dikkatli dönüştürücü katmanlarına (deep self-attention transformer layers) aktarır, belge başına tek bir skaler alaka düzeyi logit'i (relevance logit) hesaplar ve kabul edilebilir SLA sınırları içinde hassas bir şekilde yeniden sıralanmış (re-ordered) bir aday listesi döndürür. | İncele→ |
| Veri Etiketleme ve Açıklama Platformu (Data Labeling and Annotation Platform) | Yapay Zeka ve Ajan Sistemleri | Ham veri yığınlarını (raw data batches) dahili ve kitle kaynaklı (crowdsourced) açıklayıcı (annotator) işgüçleri arasında dağıtır, özel etiketleme arayüzleri (sınırlayıcı kutular, metin aralıkları, ses bölütleme) sağlar, çoklu açıklayıcı fikir birliği kontrollerini (multi-annotator consensus checks) yürütür ve doğrulanmış veri seti bölümlerini (dataset splits) eksiksiz soy ağacı meta verileriyle (lineage metadata) dışa aktarır. | İncele→ |
| Dağıtık Eğitim Kümesi (Distributed Training Cluster) | Yapay Zeka ve Ajan Sistemleri | Model parametrelerini ve veri kümesi (dataset) partilerini hızlandırıcı düğümler (accelerator nodes) arasında parçalara ayırır (shards), ileri ve geri geçişleri (forward and backward passes) eşzamanlı olarak yürütür, NCCL kolektif tümünü azaltma (all-reduce) işlemlerini kullanarak yüksek hızlı InfiniBand/RoCE ağ dokuları (network fabrics) genelinde ağırlık gradyanlarını (weight gradients) senkronize eder ve planlanan aralıklarla tutarlı model kontrol noktalarını (checkpoints) kaydeder. | İncele→ |
| Belge Parçalama Motoru (Document Chunking Engine) | Yapay Zeka ve Ajan Sistemleri | 300 sayfalık bir kurumsal uyumluluk kılavuzunu ayrıştırır (parses), yapısal işaretleme (markdown) hiyerarşisini çıkarır ve tablo yapılarını ve anlamsal paragraf sınırlarını (semantic paragraph boundaries) korurken metni 50 jetonluk (token) kayan örtüşme (sliding overlap) ile 512 jetonluk parçalara (chunks) böler. | İncele→ |
| Dinamik İstem Birleştirici (Dynamic Prompt Assembler) | Yapay Zeka ve Ajan Sistemleri | Bir son kullanıcı destek sorgusu alır, en alakalı 3 bilgi tabanı (knowledge base) pasajını (passages) getirir (retrieves), oturum değişkenlerini (session variables) ve rol tanımlarını XML sınırlandırılmış (XML-bounded) bir ChatML şablonuna (template) enjekte eder, toplam belirteç (token) sayısını 4096 belirteçlik (token) bütçeye karşı doğrular ve biçimlendirilmiş yükü (payload) model API'sine 10 milisaniyenin altında iletir. | İncele→ |
