Açık Ağırlıklı Modellerin Eğitimi ve Çıkarımı İçin Uçtan Uca Altyapı

Giriş: Model Geliştirme ve Sürekli Öğrenme Kokpiti

Applied Compute Agent Cloud (AC2), açık ağırlıklı (open-weight) yapay zekâ modellerinin uçtan uca geliştirilmesi, yüksek verimli çıkarımı ve sürekli öğrenme (continual learning) döngüleri için tasarlanmış kapsamlı bir araştırmacı kokpitidir. Geliştiriciler, /llms.txt dosyasını kullanarak tüm dokümantasyon dizinini doğrudan LLM uyumlu biçimde keşfedebilir ve platform yeteneklerini derinlemesine inceleyebilir.

Kodlama Ajanınızla Hızlı Kurulum (Onboarding)

Modern yazılım geliştirme süreçlerinde geliştirici deneyimini en üst düzeye çıkarmak için ortam hazırlığı otomatikleştirilmiştir. AC2'ye başlamanın en hızlı yolu, yapay zekâ kodlama ajanınızı devreye sokmaktır. Claude Code, Cursor veya Codex gibi bir ajana https://platform.appliedcompute.com/agents.md adresini (örneğin curl -fsSL https://platform.appliedcompute.com/agents.md komutuyla) okutarak kurulum talimatlarını uygulamasını söyleyebilirsiniz. Kodlama ajanı gerekli CLI aracını yükler, oturumunuzu açar, AC2 MCP sunucu bağlantısını kurar ve ilk projenizde size rehberlik eder. Bu adımları Hızlı Başlangıç (Quickstart) üzerinden manuel olarak yürütmek de mümkündür.

Temel Paket Mimarisi

Platform, esnek ve modüler bir geliştirme ortamı sağlamak için üç ana paket sunar:

ac2.sdk: Veri kümeleri, hesaplama iş yükleri, çalışma oturumları, yürütme izleri ve gizli anahtarların (secrets) programatik yönetimini üstlenen istemcidir.
ac2.runtime: Otonom ajanlar, ortamlar, orkestratörler, görev tanımları, otomatik puanlayıcılar (graders) ve epizotlar için kapsamlı ajan çerçevesidir.
ac2.tracing: OpenTelemetry standartlarını temel alan gözlemlenebilirlik SDK'sıdır. Herhangi bir fonksiyona @traced dekoratörü eklenerek çalışma süreleri, girdiler, çıktılar ve iç içe span verileri toplanıp ClickHouse ile Langfuse sistemlerine aktarılır.

Çekirdek Bileşenler ve Araçlar

Hızlı Başlangıç (Quickstart): SDK'yı kurup ilk açık ağırlıklı modeli eğitmek için pratik bir başlangıç noktası sağlar.
Çalışma Zamanı (Runtime): Karmaşık ajan mimarilerini, çevresel koşulları, orkestrasyonu ve değerlendirme görevlerini tanımlamayı mümkün kılar.
Python SDK: Veri setleri, dağıtımlar, çalıştırmalar, izler ve güvenlik anahtarlarını doğrudan Python kodlarıyla yönetir.
MCP Sunucusu (MCP Server): Eğitim ve değerlendirme aşamalarındaki iz kayıtlarını doğrudan kod editörünüzün içinden incelemenize olanak tanır.

Temel İş Akışları

Geliştiriciler ihtiyaçlarına uygun olarak üç farklı iş akışından birini tercih edebilir:

Ajan Değerlendirme (Evaluate an Agent): Ajanlar için değerlendirme testleri çalıştırma, yürütme izlerini puanlama ve model davranışlarını karşılaştırma olanağı tanır.
Model Eğitimi (Train a Model): GRPO, denetimli ince ayar (SFT) veya on-policy self-distillation tekniklerinden birini seçerek modelleri özelleştirmeyi sağlar.
Çıkarım Yönlendirme (Route Inference): Eğitilen modeli ölçeklenebilir şekilde dağıtıp gelen trafiği özel Politikalar ve Uç Noktalar üzerinden yönlendirir.

Sıkça Sorulan Sorular (FAQ)

Hata veren eğitim çalıştırmaları, veri kümesi optimizasyonları, paket kurulum süreçleri ve artık kaynakların temizlenmesi ile ilgili pratik yönergeler içerir.

Yapay Zekâ Asistanı Notu

Sistem tarafından sağlanan yanıtlar yapay zekâ modelleriyle üretilmektedir; bu nedenle üretim ortamlarına geçmeden önce sonuçların doğrulanması kritik bir güvenlik adımıdır.

Orijinal kaynağa buradan ulaşabilirsiniz.

Bu konuyu derinlemesine öğrenmek isterseniz: MLOps Temelleri ve Araç Ekosistemi modülüne göz atın.