---
title: "Edge0/Edge0-145B-NVFP4 ile Ajan ve Akıl Yürütme Yapısı"
url: https://blog.edumints.com/edge0-edge0-145b-nvfp4-ile-ajan-ve-akil-yurutme-yapisi
category: "AI Araçları"
date: 2026-11-16T09:01:36.107Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hugging Face"
source_url: https://huggingface.co/Edge0/Edge0-145B-NVFP4
---

# Edge0/Edge0-145B-NVFP4 ile Ajan ve Akıl Yürütme Yapısı

Hugging Face üzerinde paylaşılan **Edge0/Edge0-145B-NVFP4**, 41.606 indirme ve 323 beğeniye ulaşarak geliştiricilerin dikkatini çekti. Modelin etiketleri arasında `edge0`, `gguf`, `moe`, `edge-inference`, `latent-moe`, `4-bit`, `agent` ve `coding` yer alıyor. Bu etiketler, 4-bit niceleme ve `latent-moe` mimarisini birleştiren yapının kodlama görevleri, ajan kurguları ve uç cihaz çıkarımı için hazırlandığını gösteriyor. Modelin sohbet şablonu da çoklu ortam girdilerini, düşünme eforunu ve araç çağırma kurallarını doğrudan sistem istemine gömüyor.

## Şablonun İçindeki Akıl Yürütme ve Çoklu Ortam Kuralları

Bir modeli yerel ortamda veya sunucuda çalıştırırken yalnızca ağırlık dosyalarına bakmak yetmez. Sohbet şablonu da davranışı belirler. **Edge0/Edge0-145B-NVFP4** içindeki şablon incelendiğinde metin, görsel ve video içeriklerinin ayrı ayrı işlendiği, ancak sistem mesajlarına video eklenmesine izin verilmediği görülüyor. Sisteme video göndermeye çalışırsan şablon doğrudan `'System message cannot contain videos.'` hatasını fırlatıyor. Hiç mesaj göndermediğinde `'No messages provided.'`, tanımlı olmayan bir içerik türü geldiğinde ise `'Unexpected item type in content.'` veya `'Unexpected content type.'` hatasıyla karşılaşıyorsun.

Akıl yürütme tarafında `enable_thinking` ve `reasoning_effort` değişkenleri öne çıkıyor. Şablonda `enable_thinking` açık bırakıldığında veya hiç tanımlanmadığında varsayılan efor düzeyi `'xhigh'` olarak atanıyor ve model yalnızca `'xhigh'`, `'medium'` veya `'low'` değerlerini kabul ediyor. Bunların dışında bir değer verirsen şablon hata döndürüyor. Efor düzeyi `'xhigh'` seçildiğinde sistem mesajına eklenen yönerge, modelden görevi dikkatle düşünmesini, temel varsayımları doğrulamasını, olası alternatifleri değerlendirmesini ve yanıtta doğruluğu, tutarlılığı, açıklığı öncelemesini istiyor. Düzeyi `'low'` yaptığında ise model gereksiz ayrıntıya girmeden, düşüncesini kısa ve odaklı tutarak doğrudan sonuca gidiyor.

## Ajan Kurgularında Katı Araç Çağırma Biçimi

Kodlama ve ajan uygulamaları geliştirirken en sık yaşanan sorunlardan biri, modelin fonksiyon çağrılarını bozuk biçimde üretmesidir. Bu şablon hatayı azaltır. Modele `tools` listesi verdiğinde her bir araç `tojson` filtresiyle JSON biçimine çevrilerek sistem mesajındaki `tools>` etiketleri arasına yerleştiriliyor ve modele katı kurallar dayatılıyor:

- Araç çağrıları hiçbir ek sonek olmadan, yalnızca `tool_call>` etiketleri içine yerleştirilen `function=...>` ve `parameter=...>` bloklarıyla yapılmalı.
- Zorunlu parametrelerin tamamı eksiksiz belirtilmeli ve çok satırlı parametre değerleri ilgili etiketlerin içinde tutulmalı.
- Fonksiyon çağrısı öncesinde doğal dilde isteğe bağlı akıl yürütme metni yazılabilir, ancak çağrı kapandıktan sonra hiçbir metin eklenmemeli.
- Uygun bir fonksiyon çağrısı yoksa model kullanıcıya fonksiyonlardan hiç bahsetmeden kendi bilgisiyle normal yanıt vermeli.

## Geliştirici Olarak Bu Yapıyı Nasıl Kullanabilirsin?

Kendi ajan veya kodlama aracını kurarken bu şablondaki parametreleri görev karmaşıklığına göre yönetebilirsin. Mimari tasarım veya hata ayıklama gibi dikkat gerektiren işlerde `reasoning_effort` değerini varsayılan `'xhigh'` düzeyinde bırakıp, hız gerektiren basit sorgularda `'low'` seçeneğine çekerek yanıt süresini kısaltabilirsin.

Araç çağırma akışlarında ise modelin çıktısını ayrıştırırken JSON yerine şablonun zorunlu tuttuğu XML tabanlı `tool_call>`, `function=...>` ve `parameter=...>` yapılarını yakalayan bir ayrıştırıcı (parser) yazmalısın. Model çağrıdan önce doğal dilde düşünme adımı üretebildiği için ayrıştırıcının yalnızca `tool_call>` bloğunu çekip öncesindeki metni düşünce günlüğü olarak ayırması işini kolaylaştırır. Çoklu ortam girdileri kullanacaksan video verilerini `system` rolü yerine kullanıcı mesajları içinde göndererek şablonun doğrulama engeline takılmadan akışı sürdürebilirsin.

---

Bu konuyu derinlemesine öğrenmek istersen: [Tool Calling ve Multi-Step Agent'lar](https://edumints.com/kesfet/nextjs-ve-vercel-ai-sdk-ile-production-ai-uygulama-21y7) modülüne göz at.

---

**Kaynak:** Hugging Face (https://huggingface.co/Edge0/Edge0-145B-NVFP4)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/edge0-edge0-145b-nvfp4-ile-ajan-ve-akil-yurutme-yapisi
