---
title: "RAG Geri Çağırma Kalitesini %60'tan %93'e Çıkarmak: Sürekli Değerlendirme Döngüsü Kurmak"
url: https://blog.edumints.com/rag-geri-cagirma-kalitesini-60tan-93e-cikarmak-surekli-deger-fyo7yd8o
category: "LLM"
date: 2026-06-23T09:06:15.952Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/jamesli/part-6-rag-recall-quality-from-60-to-93-building-a-continuous-evaluation-loop-not-gut-feeling-382k
---

# RAG Geri Çağırma Kalitesini %60'tan %93'e Çıkarmak: Sürekli Değerlendirme Döngüsü Kurmak

## 0. Acı Nokta (The Pain Point)
RAG sistemlerinde parametreleri deneme-yanılma yoluyla değiştirmek kör atış yapmaya benzer. Neyin, ne kadar iyileştiğini bilmek için hislere değil, ölçülebilir bir değerlendirme sistemine ihtiyaç vardır.
- **Geliştirici Çıkarımı:** Metrik olmadan yapılan optimizasyon teknik bir kumardır; her geliştirmeden önce mutlaka ölçüm sistemi tasarlanmalıdır.

## 1. Değerlendirmenin Çözmesi Gereken Sorunlar
Üç temel gerilim mevcuttur: optimizasyon için referans noktası olmaması, sorunların kaynağının belirsizliği ve yeni verilerle sistemin gerilemesi.
- **Geliştirici Çıkarımı:** Hataları kategorize etmek ve katmanlı teşhis koymak, hata ayıklama süresini ciddi ölçüde azaltır.

## 2. Altın Test Seti (Golden Test Set)
Değerlendirmenin temeli, insan tarafından etiketlenmiş sabit bir "Altın Test Seti"dir. Sentetik (örn. GPT-4 ile üretilen) veriler hataları maskeleyebilir.
- **Geliştirici Çıkarımı:** LLM çıktılarını doğrulamak için sistemi başka bir LLM yerine insan doğrulamalı verilerle test etmelisiniz.

## 3. Üç Katmanlı Metrikler
Kalite (doğruluk), Verimlilik (gecikme süreleri) ve İş Katmanı (kullanıcı memnuniyeti) olarak üç seviyeli metrik kullanılmalıdır.
- **Geliştirici Çıkarımı:** Performans sadece doğruluk değildir; gecikme ve iş çıktılarıyla çok boyutlu değerlendirilmelidir.

## 4. Değerlendirme Odaklı Üç Tur İterasyon
RAG kalitesi için sırasıyla semantik parçalama (%38'e düşüş), geri çağırma kalibrasyonu (%25'e düşüş) ve prompt kuralları iyileştirildi (%7'ye düşüş).
- **Geliştirici Çıkarımı:** Karmaşık sistemleri optimize ederken adımları ayrıştırın; parçalama, çağırma ve prompt katmanlarını bağımsız test edin.

## 5. Sezgisel Olmayan Bir Bulgu
Semantik parçalamada chunk boyutu küçüldü (512'den 280 token'a). Sezgisel beklentinin aksine, doğru yerlerden bölündüğü için hem maliyet azaldı hem doğruluk arttı.
- **Geliştirici Çıkarımı:** Sezgilere körü körüne güvenmeyin; bazen veri boyutunu küçültmek daha yüksek doğruluk ve verimlilik sağlar.

## 6. Regresyon Kapısı (Regression Gate)
Üretime alınacak her değişiklik altın test setinden geçmelidir. Test seti büyüdükçe hata toleransı eşiği sıkılaştırılır (%5'ten %2'ye).
- **Geliştirici Çıkarımı:** CI/CD süreçlerinize test otomasyonu gibi regresyon kapıları eklemek, canlı sistemlerin bozulmasını önler.

## 7. Maliyet Optimizasyonu
Metrikler yüksek API maliyetlerini gösterdiğinde, sık sorgulanan kurallar için Redis önbelleği kullanıldı ve chunk optimizasyonu ile token harcaması %30 azaltıldı.
- **Geliştirici Çıkarımı:** Performans iyileştirmesi çoğu zaman maliyet tasarrufunu da beraberinde getirir.

## 8. Sürekli İterasyon Döngüsü
Değerlendirme tek seferlik bir iş değil; hata sinyallerinin toplanması, test setinin güncellenmesi ve regresyon kontrolü içeren sürekli canlı bir döngüdür.
- **Geliştirici Çıkarımı:** Yazılım yaşam döngüsü gibi, RAG sistemleri de sürekli geri bildirimle yaşayan birer kod tabanıdır.

## 9. Kapanış ve Genel Çıkarım
Altın test seti, katmanlı metrikler ve regresyon kapısı sayesinde RAG optimizasyonu bir sezgiden çıkıp deterministik mühendisliğe dönüşür.
- **Geliştirici Çıkarımı:** LLM tabanlı uygulamalarda sürdürülebilirlik, ancak deterministik mühendislik yaklaşımlarıyla mümkündür.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://dev.to/jamesli/part-6-rag-recall-quality-from-60-to-93-building-a-continuous-evaluation-loop-not-gut-feeling-382k)

---

**Kaynak:** [dev.to](https://dev.to/jamesli/part-6-rag-recall-quality-from-60-to-93-building-a-continuous-evaluation-loop-not-gut-feeling-382k)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/rag-geri-cagirma-kalitesini-60tan-93e-cikarmak-surekli-deger-fyo7yd8o