İki Yapay Zeka Aracı İnşa Ettim. İkincisi Bana Yapay Zekayı Nasıl Öğrenmem Gerektiğini Söyledi.
Yapay zekayı öğrenmek için geleneksel yolu denedim. Resmi bir kurs açtım. Birkaç dersten sonra bıraktım. Materyal iyiydi ama risk yoktu. Hiçbir şey bozulmadı. Hiçbir şey akılda kalmadı.
En iyi şeylerin bozulduğunda öğrendiğimi fark ettim.
TeachSim'i inşa etmek bana LangGraph'ı öğretti çünkü botun çalışması gerekiyordu. GitHub Digest'i inşa etmek bana sessiz hataları (silent failures) öğretti çünkü kod sessizce bozuluyordu. Kavramları öğrendim çünkü çalışması için onlara ihtiyacım vardı.
Yapay zeka mühendisliği öğrenmek istiyorum. Sadece bir API kullanmak istemiyorum. Her gün kullandığım araçları anlamak istiyorum.
Şu anda bilgim yüzeysel düzeyde. İşleri yürütmek için slash komutlarını ve standartları kullanıyorum. MCP, subagents, hooks veya checkpoints hakkında bilgim yok. Sadece o gün işe yarayan aracı kullanıyorum.
Yaklaşımımı değiştiriyorum. Gerçek projelere dayalı kendi müfredatımı oluşturuyorum. Bir aşama, onun hakkında bir şeyler okuduğumda bitmiş sayılmaz. Bir aşama, projemdeki gerçek bir sorunu çözdüğünde biter.
İşte yeni öğrenme sıram:
• Aşama 1: MCP (Ajanın erişebileceği alanı genişletin) • Aşama 2: Skills (Araç kullanımını resmileştirin) • Aşama 3: Subagents (İşi birden fazla ajana bölün) • Aşama 4: Hooks (Koruma bariyerleri ekleyin) • Aşama 5: Plugins (Her şeyi paketleyin) • Aşama 6: Checkpoints (Hatalı oturumları geri alın) • Aşama 7: Final Sonuçlar
Bunları canlı projelerime uygulayacağım. Örneğin, bir REST API kullanmak yerine GitHub'ın MCP sunucusunu GitHub Digest'e bağlayacağım.
Bu yöntem şu an daha fazla zaman alıyor. Anlık ivmeyi uzun vadeli hıza feda ediyorum. Ağır makine öğrenmesi matematiğine girişmeden önce araçlarda uzmanlaşmak istiyorum. Eğer araçlarımı anlamazsam, zor kavramları öğrenmeye çalışırken onlarla savaşmak zorunda kalacağım.
Bunu adım adım inşa ediyorum.
İsteğe bağlı öğrenme topluluğu: https://t.me/GyaanSetuAi