---
title: "Yapay Zeka Ajanlarınızı \"Göz Kararı\" Test Etmeyi Bırakın: 60 Dakikada Production Evals Pipeline'ı Nasıl Kurulur?"
url: https://blog.edumints.com/yapay-zeka-ajanlarinizi-goz-karari-test-etmeyi-birakin-60-dakikada
category: "AI Araçları"
date: 2026-10-06T07:25:31.181Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/googleai/stop-vibe-checking-your-ai-agents-how-to-build-production-evals-in-60-minutes-2df4
---

# Yapay Zeka Ajanlarınızı "Göz Kararı" Test Etmeyi Bırakın: 60 Dakikada Production Evals Pipeline'ı Nasıl Kurulur?

Yapay zeka ajanlarınızı şu anda nasıl test ediyorsunuz? Ajan tabanlı iş akışları (*agentic workflows*) geliştiren çoğu yazılımcı gibi muhtemelen siz de "göz kararı" (*vibe check*) yaklaşımına güveniyorsunuz: bir istemi (*prompt*) düzenle, birkaç manuel sorgu çalıştır, çıktı makul görünüyorsa üretime hazır varsay. Ancak bu yüzeysel test yöntemi üretim ortamında hızla çöker:

- **Sessiz Regresyonlar (Silent Regressions):** Bir ekip arkadaşınız sisteme yeni bir PR gönderdiğinde veya bir araç (*tool*) tanımını değiştirdiğinde, genel performansın iyileştiğini mi yoksa gerilediğini mi nesnel olarak ölçemezsiniz.
- **Maliyet ve Gecikme Sıçramaları (Cost & Latency Spikes):** Ajan çok turlu bir yeniden deneme döngüsüne (*retry loop*) hapsolarak binlerce token'ı sessizce tüketebilir ve kabul edilemez gecikmelere yol açabilir.
- **"Doğru Görünüyor" Tuzağı (The "Looks Right" Trap):** Üretilen çıktı dilbilgisi açısından kusursuz yazılmış görünse de kritik parametreleri atlayabilir veya temel talimatlarda halüsinasyon üretebilir.

AI Agent Clinic'in bu bölümünde Google Cloud mühendisi Dani Zamora ve Merge'den Matthew Feroz, herhangi bir framework'e bağımlı olmayan (*framework-agnostic*) uçtan uca bir değerlendirme (*eval*) pipeline'ını 60 dakikada canlı olarak kuruyor.

## Videoda Ele Alınan Temel Konular
- **Test Denek Ajanı (DocsHound):** GitHub issue ve PR'larını tarayarak dokümantasyon açıklarını bulan ve otomatik PR açan açık kaynaklı LangGraph ajanı.
- **Framework Bağımsız Telemetri (OpenTelemetry + OpenInference):** Ajan mimariniz ne olursa olsun (LangGraph, CrewAI, AutoGen, ADK), çok turlu izleri (*multi-turn traces*) satıcı kilidi olmadan standartlaştırma yaklaşımı.
- **3 Kademeli Metrik Stratejisi:** İşe doğrudan 50 metrikle başlamak yerine sistemi üç katmanda yapılandırma:
  - *Yönetilen çekirdek metrikler:* Yörünge (*trajectory*) kalitesi, araç çağırma doğruluğu ve temellendirilmişlik (*groundedness*).
  - *Özel LLM hakemleri (LLM Judges):* Biçimlendirme, kod bloğu kuralları ve eyleme geçirilebilirlik için özelleştirilmiş rubrikler.
  - *Deterministik doğrulamalar ve operasyonel takip:* Sentaks denetimleri, gecikme, token tüketimi ve API maliyeti.
- **0.33 Kalite Kör Noktası:** Manuel kontrollerin tamamen gözden kaçırdığı %33'lük dokümantasyon kalite düşüşünü otomatik skor kartının nasıl yakaladığı.

## Önemli Bölümler ve Zaman Çizelgesi
- **00:00** — Üretimde "göz kararı" testlerin neden başarısız olduğu
- **02:11** — DocsHound ajanının tanıtımı ve demosu
- **03:40** — OpenTelemetry ve OpenInference ile trace standardizasyonu
- **05:51** — 60 dakikalık değerlendirme maratonunun başlaması
- **06:47** — 1. Adım: Antigravity ile ajan çalıştırma akışını haritalama
- **11:18** — 2. Adım: Açık kaynak Agent-Eval araç setini kurma
- **17:14** — Kalite, gecikme ve token maliyeti dengesini kurma
- **18:34** — 3. Adım: Kalite tanımlarını özel metriklere dönüştürme
- **21:40** — 4. Adım: Skor kartını inceleme ve 0.33 hatasını tespit etme
- **24:08** — Otomatik değerlendirmelerin ajan mimarisini nasıl dönüştürdüğü

## Açık Kaynak Araçlar ve Kaynaklar
- **Tam Video:** YouTube üzerinden 25 dakikalık uygulama videosunu izleyin.
- **Agent-Eval Toolkit:** Açık kaynaklı değerlendirme araç kiti deposu.
- **DocsHound Ajan Kodu:** İncelenen LangGraph ajanının açık kaynak kodları.
- **Enterprise Agent Platform Dokümantasyonu:** Kurumsal seviyede ajan değerlendirme dokümantasyonu.

Geliştiriciler için pratik çıkarım: Güvenilir üretim ajanları inşa etmek sübjektif hislere değil; telemetri, deterministik kontroller ve LLM hakemleriyle kurulan ölçülebilir değerlendirme (*eval*) boru hatlarına dayanır.



---

Bu konuyu derinlemesine öğrenmek isterseniz: [Production'da Agent Güvenilirliği](https://edumints.com/kesfet/production-agent-orchestration-crewai-ve-autogen-i-u3cu) modülüne göz atın.

---

**Kaynak:** dev.to (https://dev.to/googleai/stop-vibe-checking-your-ai-agents-how-to-build-production-evals-in-60-minutes-2df4)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/yapay-zeka-ajanlarinizi-goz-karari-test-etmeyi-birakin-60-dakikada