12 Saatte Bir Yapay Zeka İklim Karar Motoru İnşa Etmek

Çoğu karbon ayak izi uygulaması başarısız oluyor.

Size bir sayı verirler. Size genel geçer tavsiyeler verirler. Farkındalık davranışı değiştirmez. Karbon ayak izinizin 8 ton CO2 olduğunu bilmek, bir sonraki adımda ne yapmanız gerektiğini söylemez.

Bunu çözmek için Climbit'i inşa ettim. Bu bir hesap makinesi değil; bir karar motorudur. Tek bir soruya yanıt verir: Şu anda alabileceğim en iyi aksiyon nedir?

Temel Mantık

Çoğu araç ölçüme odaklanır. Climbit ise kararlara odaklanır. Sistem şunları inceler:

  • İşe gidiş geliş
  • Ev enerjisi
  • Yiyecek ve diyet
  • Seyahat

Aksiyonları karbon azaltımı, maliyet, çaba ve uygunluk bazında sıralar.

Mühendislik Ayrımı

Kritik bir seçim yaptım. Matematiği yapay zekadan ayırdım.

Büyük dil modelleri matematikte kötüdür. Sayıları uydururlar. Climbit'te yapay zeka asla emisyon hesaplaması yapmaz.

İş akışı şu şekilde işler:

  1. Metin, ses veya fiş görselleri aracılığıyla veri sağlarsınız.
  2. Gemini, verileri yapılandırılmış JSON formatına çıkarır.
  3. Bir TypeScript motoru asıl matematiksel işlemleri gerçekleştirir.
  4. Yapay zeka, size kişisel bir plan sunmak için sonuçları yorumlar.

Bu, verilerin doğru kalmasını ve deneyimin kişisel olmasını sağlar.

Teknoloji Yığını

  • Next.js 15 and React 19
  • TypeScript and Tailwind CSS
  • Supabase and Clerk
  • Google Gemini 1.5 Flash
  • Vitest and Playwright

Gerçek Sorunları Çözmek

Bunu inşa etmek, zor teknik sorunları çözmeyi gerektirdi:

  • Hydration: Recharts, sunucu tarafında işleme (server rendering) sırasında hatalara neden oluyordu. Bunu, grafik oluşturmayı istemci bağlandığı ana kadar erteleyerek düzelttim.
  • Güvenlik: Bir token bucket hız sınırlayıcı (rate limiter) uyguladım. Bu, maliyetli yapay zeka uç noktalarını (endpoints) kötüye kullanımdan korur.
  • Erişilebilirlik: Semantik HTML ve ARIA etiketleri kullandım. Erişilebilirlik bir zorunluluktur, sonradan akla gelen bir şey değildir.

Ders

Yapay zeka kodlamayı hızlandırır. Mimariğin yerini almaz.

Zamanımın çoğunu şunlara harcadım:

  • Hydration sorunlarını düzeltmeye.
  • Uç durumları (edge cases) doğrulamaya.
  • Güvenliği güçlendirmeye.
  • Güvenilirliği artırmaya.

Bir demo ile bir ürün arasındaki fark bu detaylarda gizlidir. İnsanların daha fazla iklim verisine ihtiyacı yok. Daha iyi iklim kararlarına ihtiyaçları var.

Kaynak: https://dev.to/divyanshu_sinha_72e579e28/-building-climbit-an-ai-climate-decision-engine-in-under-12-hours-3pnc

İsteğe bağlı öğrenme topluluğu: https://t.me/GyaanSetuAi