---
title: "[Uygulamada Ajan Platformu (8)] ADK Go Graph İş Akışı Google Research Harness ile Buluştuğunda (Bölüm 2): 4. Aşama Değerlendirme Verilerinin Entegrasyonu"
url: https://blog.edumints.com/uygulamada-ajan-platformu-8-adk-go-graph-is-akisi-google-research
category: "AI Araçları"
date: 2026-11-01T15:05:13.432Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/gde/agent-platform-in-action-8-when-adk-go-graph-workflow-meets-google-research-harness-part-2-nc8
---

# [Uygulamada Ajan Platformu (8)] ADK Go Graph İş Akışı Google Research Harness ile Buluştuğunda (Bölüm 2): 4. Aşama Değerlendirme Verilerinin Entegrasyonu

## Giriş: Prompt'ları Ayrıştırmak Neden Yeterli Değil?

Serinin önceki yazısında, Google Research tarafından geliştirilen `google-research/harness2` (arXiv:2610.14224) çerçevesini incelemiş ve LINE AI Kartvizit Asistanı'nın (`kkdai/line-card-assistant`) prompt'larını, güvenlik sınırlarını (guardrails), uzun süreli belleğini ve isteğe bağlı yeteneklerini `LINE_CARD_HARNESS_DIR` üzerinden dinamik olarak bağlanabilen, düzenlenebilir bir `c1..c8` Harness dosya ağacına ayrıştırmıştık.

Ancak yalnızca çalışırken yeniden yüklenebilir (hot-reloadable) bir `c1..c8` dosya ağacına sahip olmak yeterli değildir; Harness²'nin çift katmanlı özyinelemeli optimizasyon motoru (`harness2/core/recursion.py`), Go tabanlı ajanımızı doğrudan optimize edemez. Bunun nedeni, Harness²'nin üç temel soruyu yanıtlayacak standart bir köprüye — yani **BenchmarkAdapter** bileşenine — ihtiyaç duymasıdır:

- **`list_tasks()` (Test soruları nelerdir?):** Ajan hangi test senaryolarıyla sınanmalıdır? Her senaryo için açık girdiler (Prompt / Görsel) ve gizli puanlama kriterleri (Rubrics) nelerdir?
- **`run()` (Ajan nasıl düşünür ve yürütür?):** Aday bir Harness ($H'$) belirli bir görevi yürütmek üzere bağlandığında, ajanın nihai çıktısı (`deliverable`) nedir? Daha da önemlisi, ajan Graph İş Akışı'nın 13 düğümü boyunca hangi karar yörüngesini (`trajectory.md`) izlemiştir?
- **`score()` (Performans nasıldı?):** Nihai çıktı ve yürütme yörüngesi hangi bağımsız puanlama maddelerinden (`per_rubric`) geçti ve nerelerde puan kaybetti?

4. Aşamada (PR #13) oluşturduğumuz `eval/datasets/` otomatik değerlendirme kıyaslaması ve 5. Aşamada (PR #14) tüm 13 Graph düğümüne eklediğimiz `workflow.node.*` OpenTelemetry Span'leri sayesinde elimizde güçlü bir temel bulunuyor. Bu bölümde (Issue #17 ve PR #19), bu iki varlığı Harness² `LineCardAdapter` içinde birleştiriyor ve tasarımın neden bu şekilde yapılması gerektiğini inceliyoruz.

**Pratik Çıkarım:** Üretim seviyesinde ajan geliştirirken yalnızca prompt'ları koddan ayırmak yetmez; **Golden Dataset Oluşturma**, **AI Test Stratejileri** ve **Agent Monitoring ve Debugging** süreçlerini standart bir adaptör arayüzüyle birleştirerek ölçülebilir bir geri bildirim döngüsü kurmak gerekir.

## I. Neden Bu Değişiklik? İki Temel Tasarım Felsefesi

Koda geçmeden önce mühendisler genellikle şu iki soruyu sorar:

- "Neden tüm `eval/datasets/*.json` dosyasını doğrudan optimize edici LLM'e verip prompt'u kendisinin değiştirmesine izin vermiyoruz?"
- "Neden 5. Aşamadaki OpenTelemetry Span'lerini `trajectory.md` dosyasına dönüştürmemiz gerekiyor? Nihai LINE yanıt metni ve toplam puan yeterli değil mi?"

Bu iki soru, Harness² makalesindeki en temel mühendislik tasarımlarına işaret eder: **Sıfır Sızıntı Bariyeri (Zero-Leakage Barrier)** ve **Davranışsal Yörünge Karşılaştırması (Behavioral Trajectory Contrast)**.

### 1. Neden "Sıfır Sızıntı Bariyeri"? Optimize Edicinin "Cevapları Ezberleyerek Hile Yapmasını" Önlemek

`eval/datasets/harness2-challenge-dataset.json` içindeki altın yanıtları (örneğin `expected_contains: ["+81-3-1234-5678", "Kenta Sato"]`) doğrudan ajana veya Harness² Harvester LLM'e açtığımızı düşünün. Optimize edicinin tam puan almak için seçeceği en kolay ve tembel yol, `systemprompt.md` dosyasına tek bir satır eklemek olacaktır: *"Girdi Sato içeriyorsa, doğrudan +81-3-1234-5678 ve Kenta Sato çıktısını ver."*

Makine öğrenmesinde bu durum **Test Seti Sızıntısı (Test Set Leakage)** veya **Rubriklere Aşırı Uyum (Overfitting to Rubrics)** olarak bilinir. Ajan kıyaslama testinde 100 tam puan almış gibi görünür, ancak gerçek dünyada yeni bir Japonca kartvizitle karşılaştığında anında çöker.

**Yazılım Geliştirme Açısından Yorum:** Programatik prompt optimizasyonu yaparken değerlendirme verilerini (`expected_contains`, `expected_route`) bir bariyer arkasında tutmak, modelin ezber yapmak yerine genelleyebilir akıl yürütme kuralları geliştirmesini garanti altına alır.

---

**Kaynak:** dev.to (https://dev.to/gde/agent-platform-in-action-8-when-adk-go-graph-workflow-meets-google-research-harness-part-2-nc8)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/uygulamada-ajan-platformu-8-adk-go-graph-is-akisi-google-research