{"id":31710,"date":"2025-10-13T04:01:27","date_gmt":"2025-10-13T01:01:27","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/"},"modified":"2025-10-13T04:01:27","modified_gmt":"2025-10-13T01:01:27","slug":"microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/","title":{"rendered":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma &#8211; B\u00f6l\u00fcm V"},"content":{"rendered":"<p><body><\/p>\n<p>Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop &#8211; HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.<\/p>\n<p>Yapay zeka (YZ) modelleri, \u00f6zellikle do\u011fal dil i\u015fleme (NLP) alan\u0131ndaki geli\u015fmelerle birlikte, arama s\u00fcre\u00e7lerinde devrim yaratt\u0131. G\u00fcn\u00fcm\u00fczde kulland\u0131\u011f\u0131m\u0131z bir\u00e7ok arama motoru, YZ algoritmalar\u0131 sayesinde milyarlarca belgeyi saniyeler i\u00e7inde tarayarak alakal\u0131 sonu\u00e7lar sunabiliyor. Ancak bu modellerin de kendi s\u0131n\u0131rl\u0131l\u0131klar\u0131 mevcut. Bazen bir kullan\u0131c\u0131n\u0131n niyeti, basit anahtar kelimelerle veya tekil bir sorguyla tam olarak anla\u015f\u0131lamayabilir. Modelin e\u011fitimi s\u0131ras\u0131nda kar\u015f\u0131la\u015f\u0131lan \u00f6nyarg\u0131lar (bias), nadir rastlanan konular veya h\u0131zla de\u011fi\u015fen d\u00fcnya bilgisi, YZ destekli arama sistemlerinin do\u011frulu\u011funu ve alaka d\u00fczeyini d\u00fc\u015f\u00fcrebilir. \u00d6rne\u011fin, son derece spesifik bir teknik terim veya g\u00fcncel bir olay hakk\u0131nda yap\u0131lan aramalarda, YZ&#8217;nin geni\u015f bilgi setine ra\u011fmen bazen do\u011fru n\u00fcanslar\u0131 yakalayamad\u0131\u011f\u0131n\u0131 g\u00f6rebiliriz.<\/p>\n<p>\u0130\u015fte tam bu noktada &#8220;\u0130nsan Odakl\u0131&#8221; (Human-in-the-Loop &#8211; HITL) yakla\u015f\u0131m\u0131 devreye girer. HITL, yapay zeka sistemlerinin karar verme s\u00fcre\u00e7lerine veya sonu\u00e7 \u00fcretimine insan m\u00fcdahalesini entegre eden bir y\u00f6ntemdir. \u00d6zellikle y\u00fcksek do\u011fruluk gerektiren, etik veya kritik sonu\u00e7lar do\u011furabilecek alanlarda insan do\u011frulamas\u0131n\u0131n de\u011feri paha bi\u00e7ilmezdir. Arama i\u015f ak\u0131\u015flar\u0131 i\u00e7in HITL, YZ taraf\u0131ndan sa\u011flanan ilk sonu\u00e7lar\u0131n bir insan uzman\u0131 taraf\u0131ndan g\u00f6zden ge\u00e7irilmesi, d\u00fczeltilmesi, iyile\u015ftirilmesi veya derecelendirilmesi anlam\u0131na gelir. Bu insan m\u00fcdahalesi, sadece anl\u0131k sonu\u00e7lar\u0131 iyile\u015ftirmekle kalmaz, ayn\u0131 zamanda YZ modelinin zamanla daha iyi performans g\u00f6stermesi i\u00e7in de\u011ferli bir geri bildirim d\u00f6ng\u00fcs\u00fc olu\u015fturur. Makine \u00f6\u011frenimi algoritmalar\u0131 bu geri bildirimleri kullanarak kendilerini e\u011fitir ve gelecekteki aramalarda daha do\u011fru ve alakal\u0131 yan\u0131tlar \u00fcretmeyi \u00f6\u011frenir. B\u00f6ylece, sistem s\u00fcrekli olarak geli\u015fen bir zeka ve do\u011fruluk seviyesine ula\u015f\u0131r.<\/p>\n<p>Microsoft Agent Framework&#8217;\u00fcn modern yorumuyla, Azure AI servisleri ve Semantic Kernel gibi ara\u00e7lar kullan\u0131larak olu\u015fturulan ajanik sistemler, bu HITL s\u00fcrecini daha da kolayla\u015ft\u0131r\u0131r. Bir yapay zeka ajan\u0131, kullan\u0131c\u0131n\u0131n sorgusunu al\u0131r, \u00e7e\u015fitli kaynaklardan bilgi toplar ve bir ilk taslak veya sonu\u00e7 seti haz\u0131rlar. Bu sonu\u00e7lar daha sonra bir insan de\u011ferlendiricinin \u00f6n\u00fcne sunulur. \u0130nsan de\u011ferlendirici, ajan\u0131n sundu\u011fu bilgiyi g\u00f6zden ge\u00e7irir, eksiklerini tamamlar veya hatalar\u0131n\u0131 d\u00fczeltir. Bu etkile\u015fim, sadece mevcut sorguya en iyi cevab\u0131 bulmay\u0131 sa\u011flamaz, ayn\u0131 zamanda ajan modelinin gelecekteki benzer sorgular i\u00e7in daha &#8220;insan gibi&#8221; ve g\u00fcvenilir yan\u0131tlar \u00fcretmesine olanak tan\u0131r. Dolay\u0131s\u0131yla, yapay zeka destekli arama sistemlerinde insan dokunu\u015fu, yaln\u0131zca bir g\u00fcvenlik a\u011f\u0131 de\u011fil, ayn\u0131 zamanda sistemin s\u00fcrekli \u00f6\u011frenme ve adaptasyon yetene\u011finin temelini olu\u015fturan kritik bir bile\u015fendir.<\/p>\n<p>Bu b\u00f6l\u00fcmdeki temel hedefimiz, yapay zeka ile insan i\u015f birli\u011finin neden vazge\u00e7ilmez oldu\u011funu anlamak ve bu sinerjinin modern arama i\u015f ak\u0131\u015flar\u0131nda nas\u0131l uygulanabilece\u011fine dair sa\u011flam bir temel olu\u015fturmakt\u0131r. \u00d6zellikle, karma\u015f\u0131k kurumsal arama senaryolar\u0131nda, yasal veya finansal konularda ya da m\u00fc\u015fteri hizmetleri gibi alanlarda, bir insan uzman\u0131n\u0131n onay\u0131 veya d\u00fczeltmesi olmadan tamamen otomatikle\u015ftirilmi\u015f bir sistemin riskleri olduk\u00e7a y\u00fcksek olabilir. Bu nedenle, HITL entegrasyonu, sadece performans art\u0131\u015f\u0131 de\u011fil, ayn\u0131 zamanda g\u00fcvenilirlik ve hesap verebilirlik a\u00e7\u0131s\u0131ndan da b\u00fcy\u00fck \u00f6nem ta\u015f\u0131r. Bu yakla\u015f\u0131mla, kullan\u0131c\u0131lar\u0131n beklentilerini kar\u015f\u0131layan, g\u00fcven veren ve s\u00fcrekli kendini geli\u015ftiren arama deneyimleri sunabiliriz. Yapay zekan\u0131n g\u00fc\u00e7l\u00fc i\u015flem kapasitesi ve insan\u0131n e\u015fsiz anlama yetene\u011fi birle\u015fti\u011finde, ortaya \u00e7\u0131kan sonu\u00e7lar her iki taraf\u0131n da \u00f6tesine ge\u00e7ebilir.<\/p>\n<h2>\u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Nedir ve Microsoft Agent Framework ile Nas\u0131l \u015eekillenir?<\/h2>\n<p>\u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 (Human-in-the-Loop Search Workflow), yapay zeka destekli arama sistemlerinin potansiyelini insan zekas\u0131n\u0131n ele\u015ftirel d\u00fc\u015f\u00fcnme ve ba\u011flamsal anlama yetenekleriyle birle\u015ftiren, dinamik ve adaptif bir s\u00fcre\u00e7tir. Geleneksel arama motorlar\u0131 genellikle algoritmik s\u0131ralamalara dayan\u0131rken, HITL i\u015f ak\u0131\u015f\u0131nda, yapay zeka ajanlar\u0131 taraf\u0131ndan \u00fcretilen sonu\u00e7lar, belirli noktalarda insan uzmanlar taraf\u0131ndan incelenir, do\u011frulan\u0131r ve iyile\u015ftirilir. Bu s\u00fcre\u00e7, sadece arama sonu\u00e7lar\u0131n\u0131n do\u011frulu\u011funu ve alaka d\u00fczeyini art\u0131rmakla kalmaz, ayn\u0131 zamanda sistemin zamanla daha ak\u0131ll\u0131 hale gelmesini sa\u011flayan s\u00fcrekli bir \u00f6\u011frenme d\u00f6ng\u00fcs\u00fc olu\u015fturur.<\/p>\n<p>Microsoft Agent Framework&#8217;\u00fcn g\u00fcncel yorumu, bu t\u00fcr agentic (ajanik) sistemleri kurmak i\u00e7in g\u00fc\u00e7l\u00fc bir temel sunar. Bu \u00e7er\u00e7eve, Azure AI Servisleri (Azure OpenAI, Azure AI Search, Azure Machine Learning), Semantic Kernel gibi orkestrasyon k\u00fct\u00fcphaneleri ve Azure Logic Apps veya Functions gibi sunucusuz hizmetler arac\u0131l\u0131\u011f\u0131yla ak\u0131ll\u0131 ajanlar\u0131n geli\u015ftirilmesini kapsar. Bir &#8220;Microsoft ajan\u0131&#8221; burada, belirli g\u00f6revleri yerine getirmek, karma\u015f\u0131k sorgular\u0131 i\u015flemek ve hatta belirli durumlarda insan m\u00fcdahalesini tetiklemek \u00fczere tasarlanm\u0131\u015f \u00f6zerk bir yaz\u0131l\u0131m bile\u015feni olarak d\u00fc\u015f\u00fcn\u00fclebilir. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n sorgusu bir ajan taraf\u0131ndan al\u0131nd\u0131\u011f\u0131nda, ajan \u00f6ncelikle Azure AI Search&#8217;\u00fc kullanarak ilgili belgeleri arar, ard\u0131ndan Azure OpenAI gibi bir LLM (B\u00fcy\u00fck Dil Modeli) ile bu belgeleri \u00f6zetler veya yeniden yap\u0131land\u0131r\u0131r. E\u011fer ajan\u0131n g\u00fcven e\u015fi\u011fi belirli bir seviyenin alt\u0131ndaysa veya sorgu a\u015f\u0131r\u0131 derecede karma\u015f\u0131ksa, bu bir insan incelemesi gerektiren bir tetikleyici olabilir.<\/p>\n<p>Bu i\u015f ak\u0131\u015f\u0131 genellikle \u015fu ana bile\u015fenlerden olu\u015fur:<\/p>\n<ul>\n<li><strong>Kullan\u0131c\u0131 Sorgusu:<\/strong> Kullan\u0131c\u0131, bir arama aray\u00fcz\u00fc \u00fczerinden sorgusunu iletir.<\/li>\n<li><strong>YZ Ajan\u0131 (\u00d6n \u0130\u015fleme ve \u0130lk Arama):<\/strong> Ajan, sorguyu analiz eder, anahtar kelimeleri ve niyeti \u00e7\u0131kar\u0131r. Ard\u0131ndan, Azure AI Search gibi bir hizmeti kullanarak ilgili veritabanlar\u0131nda veya belge depolar\u0131nda ilk aramay\u0131 yapar. Bu a\u015famada, Semantic Kernel gibi ara\u00e7lar, ajanlar\u0131n farkl\u0131 becerileri (search, summarize, analyze) orkestre etmesini sa\u011flar.<\/li>\n<li><strong>Sonu\u00e7lar\u0131n Olu\u015fturulmas\u0131 ve G\u00fcven Skorlamas\u0131:<\/strong> Ajan, arama sonu\u00e7lar\u0131n\u0131 toplar ve bir yan\u0131t veya sonu\u00e7lar listesi olu\u015fturur. Bu sonu\u00e7lar i\u00e7in bir &#8220;g\u00fcven skoru&#8221; veya &#8220;alaka d\u00fczeyi&#8221; de hesaplanabilir.<\/li>\n<li><strong>\u0130nsan De\u011ferlendirme E\u015fi\u011fi:<\/strong> E\u011fer ajan\u0131n \u00fcretti\u011fi sonu\u00e7lar\u0131n g\u00fcven skoru belirli bir e\u015fi\u011fin alt\u0131ndaysa, veya sorgu belirli anahtar kelimeler i\u00e7eriyorsa (\u00f6rne\u011fin &#8220;yasal dan\u0131\u015fmanl\u0131k,&#8221; &#8220;t\u0131bbi tavsiye&#8221;), sistem otomatik olarak insan de\u011ferlendirmesi i\u00e7in bir talep olu\u015fturur.<\/li>\n<li><strong>\u0130nsan \u0130nceleyicinin M\u00fcdahalesi:<\/strong> Bir insan uzman\u0131, ajan taraf\u0131ndan sunulan sonu\u00e7lar\u0131 g\u00f6zden ge\u00e7irir. Bu ki\u015fi, sonu\u00e7lar\u0131 d\u00fczeltebilir, ek bilgi ekleyebilir, s\u0131ralamay\u0131 de\u011fi\u015ftirebilir veya ajana yeni bir arama stratejisi \u00f6nerebilir. Bu a\u015fama, kullan\u0131c\u0131 aray\u00fcz\u00fc \u00fczerinden veya \u00f6zel bir HITL panelinden ger\u00e7ekle\u015febilir.<\/li>\n<li><strong>Geri Bildirim D\u00f6ng\u00fcs\u00fc:<\/strong> \u0130nsan inceleyicinin yapt\u0131\u011f\u0131 d\u00fczeltmeler ve verdi\u011fi notlar, YZ modelini geli\u015ftirmek i\u00e7in geri bildirim olarak kullan\u0131l\u0131r. Bu geri bildirimler, makine \u00f6\u011frenimi modellerini yeniden e\u011fitmek, istem m\u00fchendisli\u011fini (prompt engineering) iyile\u015ftirmek veya ajanlar\u0131n bilgi taban\u0131n\u0131 g\u00fcncellemek i\u00e7in kullan\u0131labilir.<\/li>\n<li><strong>Sonu\u00e7lar\u0131n Kullan\u0131c\u0131ya Sunulmas\u0131:<\/strong> \u0130nsan taraf\u0131ndan onaylanm\u0131\u015f veya d\u00fczeltilmi\u015f sonu\u00e7lar nihai olarak kullan\u0131c\u0131ya sunulur. Bu, arama deneyiminin kalitesini \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r.<\/li>\n<\/ul>\n<div class=\"expert-tip\">\n        Uzman \u0130pucu: HITL i\u015f ak\u0131\u015flar\u0131nda geri bildirim d\u00f6ng\u00fcs\u00fcn\u00fcn h\u0131z\u0131 kritik \u00f6neme sahiptir. Geri bildirimlerin h\u0131zl\u0131 bir \u015fekilde toplan\u0131p model e\u011fitiminde kullan\u0131lmas\u0131, sistemin adaptasyon s\u00fcresini k\u0131salt\u0131r ve performans\u0131n\u0131 %30&#8217;a kadar art\u0131rabilir. Azure Stream Analytics gibi servislerle ger\u00e7ek zamanl\u0131 geri bildirim i\u015fleme d\u00fc\u015f\u00fcnebilirsiniz.\n    <\/div>\n<p>Bu \u00e7er\u00e7evede, HITL, sadece bir hata yakalama mekanizmas\u0131 olmaktan \u00f6te, YZ sistemlerinin s\u00fcrekli geli\u015fimini sa\u011flayan stratejik bir ara\u00e7t\u0131r. \u00d6zellikle kurumsal bilgi y\u00f6netimi, yasal ara\u015ft\u0131rma, m\u00fc\u015fteri destek veya \u00fcr\u00fcn katalo\u011fu arama gibi alanlarda, do\u011fru ve g\u00fcvenilir bilgiye eri\u015fim hayati \u00f6neme sahiptir. Microsoft Agent Framework&#8217;\u00fcn esnek yap\u0131s\u0131, bu karma\u015f\u0131k i\u015f ak\u0131\u015flar\u0131n\u0131 Azure&#8217;\u0131n g\u00fc\u00e7l\u00fc altyap\u0131s\u0131 \u00fczerinde kurmam\u0131za olanak tan\u0131r. B\u00f6ylece, hem \u00f6l\u00e7eklenebilirlik hem de g\u00fcvenlik a\u00e7\u0131s\u0131ndan y\u00fcksek standartlarda \u00e7\u00f6z\u00fcmler geli\u015ftirebiliriz. \u0130nsan ve yapay zekan\u0131n bu uyumlu i\u015f birli\u011fi, gelece\u011fin ak\u0131ll\u0131 arama sistemlerinin temelini olu\u015fturmaktad\u0131r.<\/p>\n<h2>Geri Bildirim D\u00f6ng\u00fclerini Tasarlama: Etkili Bir HITL Mekanizmas\u0131 Nas\u0131l Kurulur?<\/h2>\n<p>Etkili bir \u0130nsan Odakl\u0131 (HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n bel kemi\u011fi, iyi tasarlanm\u0131\u015f geri bildirim d\u00f6ng\u00fcleridir. Bu d\u00f6ng\u00fcler, insan uzmanlar\u0131n sa\u011flad\u0131\u011f\u0131 de\u011ferli girdinin sistem taraf\u0131ndan nas\u0131l yakaland\u0131\u011f\u0131n\u0131, i\u015flendi\u011fini ve yapay zeka ajanlar\u0131n\u0131n performans\u0131n\u0131 art\u0131rmak i\u00e7in nas\u0131l kullan\u0131ld\u0131\u011f\u0131n\u0131 tan\u0131mlar. Bir geri bildirim d\u00f6ng\u00fcs\u00fc tasarlarken, hem insan de\u011ferlendiricinin y\u00fck\u00fcn\u00fc minimize etmek hem de toplanan verinin kalitesini maksimize etmek esast\u0131r. Geri bildirim t\u00fcrleri genellikle iki ana kategoriye ayr\u0131l\u0131r: a\u00e7\u0131k (explicit) ve \u00f6rt\u00fck (implicit).<\/p>\n<p><strong>A\u00e7\u0131k Geri Bildirim:<\/strong> Bu, kullan\u0131c\u0131n\u0131n veya uzman de\u011ferlendiricinin do\u011frudan ve bilin\u00e7li olarak sa\u011flad\u0131\u011f\u0131 geri bildirimlerdir. \u00d6rnekler \u015funlar\u0131 i\u00e7erir:<\/p>\n<ul>\n<li><strong>Derecelendirmeler:<\/strong> Arama sonu\u00e7lar\u0131n\u0131n alaka d\u00fczeyini 1-5 y\u0131ld\u0131z veya &#8220;faydal\u0131\/faydal\u0131 de\u011fil&#8221; gibi basit etiketlerle derecelendirme.<\/li>\n<li><strong>D\u00fczeltmeler ve D\u00fczenlemeler:<\/strong> Ajan taraf\u0131ndan sunulan bir \u00f6zetin veya yan\u0131t\u0131n i\u00e7eri\u011fini do\u011frudan d\u00fczenleme, yanl\u0131\u015f bilgiyi d\u00fczeltme veya eksik bilgiyi ekleme.<\/li>\n<li><strong>Etiketleme:<\/strong> Arama sonu\u00e7lar\u0131n\u0131 belirli kategorilere, konulara veya duyarl\u0131l\u0131\u011fa g\u00f6re etiketleme.<\/li>\n<li><strong>Yorumlar:<\/strong> Ajan\u0131n performans\u0131yla ilgili serbest metin yorumlar veya ek a\u00e7\u0131klamalar sa\u011flamak.<\/li>\n<\/ul>\n<p><strong>\u00d6rt\u00fck Geri Bildirim:<\/strong> Bu t\u00fcr geri bildirimler, kullan\u0131c\u0131n\u0131n sistemi kullanma bi\u00e7iminden otomatik olarak \u00e7\u0131kar\u0131l\u0131r ve genellikle kullan\u0131c\u0131 fark\u0131nda olmadan toplan\u0131r. \u00d6rnekler \u015funlar\u0131 kapsar:<\/p>\n<ul>\n<li><strong>T\u0131klama Oranlar\u0131 (CTR):<\/strong> Bir arama sonucuna t\u0131klama s\u0131kl\u0131\u011f\u0131, o sonucun potansiyel alaka d\u00fczeyini g\u00f6sterir.<\/li>\n<li><strong>Sitede Kalma S\u00fcresi:<\/strong> Kullan\u0131c\u0131n\u0131n bir arama sonucundan sonra a\u00e7t\u0131\u011f\u0131 sayfada ne kadar zaman ge\u00e7irdi\u011fi, i\u00e7eri\u011fin faydal\u0131 olup olmad\u0131\u011f\u0131na dair bir ipucu verebilir.<\/li>\n<li><strong>Tekrar Arama Davran\u0131\u015f\u0131:<\/strong> Kullan\u0131c\u0131n\u0131n ayn\u0131 veya benzer bir sorguyu k\u0131sa s\u00fcre i\u00e7inde tekrar yapmas\u0131, \u00f6nceki sonu\u00e7lar\u0131n yetersiz oldu\u011funu i\u015faret edebilir.<\/li>\n<li><strong>Kayd\u0131rma Derinli\u011fi:<\/strong> Bir sayfay\u0131 ne kadar derine kayd\u0131rd\u0131\u011f\u0131, i\u00e7eri\u011fin ilgisini \u00e7ekip \u00e7ekmedi\u011fi hakk\u0131nda bilgi verebilir.<\/li>\n<\/ul>\n<p>Etkili bir HITL mekanizmas\u0131 kurmak i\u00e7in bu geri bildirim t\u00fcrlerinin ak\u0131ll\u0131ca entegre edilmesi gerekir. \u0130\u015fte baz\u0131 \u00f6nemli ad\u0131mlar:<\/p>\n<ol>\n<li><strong>Geri Bildirim Aray\u00fcz\u00fc Tasar\u0131m\u0131:<\/strong> \u0130nsan de\u011ferlendiricilerin kolayca ve verimli bir \u015fekilde geri bildirim sa\u011flayabilece\u011fi sezgisel bir kullan\u0131c\u0131 aray\u00fcz\u00fc (UI) olu\u015fturulmal\u0131d\u0131r. Bu aray\u00fcz, arama sonu\u00e7lar\u0131n\u0131, ajan\u0131n tahminlerini ve geri bildirim se\u00e7eneklerini a\u00e7\u0131k\u00e7a g\u00f6stermelidir. Azure portal\u0131nda bir \u00f6zel web uygulamas\u0131 veya SharePoint Online gibi platformlarda entegre edilebilir bir form kullan\u0131labilir.<\/li>\n<li><strong>Geri Bildirim Verilerinin Depolanmas\u0131:<\/strong> Toplanan t\u00fcm geri bildirimler (a\u00e7\u0131k ve \u00f6rt\u00fck) yap\u0131land\u0131r\u0131lm\u0131\u015f bir \u015fekilde depolanmal\u0131d\u0131r. Azure Cosmos DB, hem esnekli\u011fi hem de \u00f6l\u00e7eklenebilirli\u011fi nedeniyle bu t\u00fcr dinamik veriler i\u00e7in ideal bir se\u00e7enektir. Geri bildirim verileri, ilgili sorgu, ajan yan\u0131t\u0131, kullan\u0131c\u0131n\u0131n ID&#8217;si, zaman damgas\u0131 ve de\u011ferlendirmenin kendisi gibi alanlar\u0131 i\u00e7ermelidir.<\/li>\n<li><strong>\u0130\u015f Ak\u0131\u015f\u0131 Orkestrasyonu:<\/strong> Geri bildirimlerin toplanmas\u0131ndan i\u015flenmesine ve YZ modellerinin yeniden e\u011fitim tetiklenmesine kadar t\u00fcm s\u00fcreci otomatikle\u015ftirmek i\u00e7in Azure Logic Apps veya Azure Functions kullan\u0131labilir.\n<pre><code class=\"language-json\">\n{\n  \"searchQuery\": \"kurumsal yapay zeka stratejileri\",\n  \"agentResponse\": \"Yapay zeka stratejileri i\u00e7in \u015fu kaynaklar\u0131 buldum: [link1, link2]\",\n  \"humanFeedback\": {\n    \"rating\": 4,\n    \"correction\": \"Link2 eski bilgi i\u00e7eriyor, g\u00fcncel bir kaynak eklenebilir.\",\n    \"tags\": [\"Y\u00fcksek Alaka D\u00fczeyi\", \"D\u00fczeltme Gerekli\"],\n    \"reviewerId\": \"uzman_001\"\n  },\n  \"timestamp\": \"2023-10-27T10:30:00Z\"\n}\n            <\/pre>\n<p><\/code><br \/>\n            Bu JSON yap\u0131s\u0131, Azure Cosmos DB'de depolanabilecek \u00f6rnek bir geri bildirim belgesini g\u00f6stermektedir.\n        <\/li>\n<li><strong>Model Yeniden E\u011fitim ve \u0130yile\u015ftirme:<\/strong> Toplanan geri bildirim verileri, belirli bir hacme ula\u015ft\u0131\u011f\u0131nda veya d\u00fczenli aral\u0131klarla YZ modelinin yeniden e\u011fitimi i\u00e7in kullan\u0131lmal\u0131d\u0131r. Azure Machine Learning hizmeti, bu yeniden e\u011fitim s\u00fcre\u00e7lerini y\u00f6netmek ve yeni model versiyonlar\u0131n\u0131 da\u011f\u0131tmak i\u00e7in kullan\u0131labilir. Geri bildirimler, \u00f6zellikle istem m\u00fchendisli\u011fini (prompt engineering) iyile\u015ftirmek i\u00e7in de\u011ferli bir kaynakt\u0131r; ajanlar\u0131n gelecekteki sorgulara daha do\u011fru ve ba\u011flamsal yan\u0131tlar vermesini sa\u011flar.<\/li>\n<li><strong>Vaka Analizi: E-ticaret Platformunda \u00dcr\u00fcn Arama Sonu\u00e7lar\u0131n\u0131n \u0130yile\u015ftirilmesi<\/strong>\n<p>B\u00fcy\u00fck bir e-ticaret platformu, kullan\u0131c\u0131lar\u0131n \u00fcr\u00fcn aramalar\u0131nda y\u00fcksek oranda \"\u00fcr\u00fcn bulunamad\u0131\" veya \"alakas\u0131z sonu\u00e7lar\" sorunu ya\u015f\u0131yordu. Mevcut yapay zeka tabanl\u0131 arama motoru, \u00fcr\u00fcn a\u00e7\u0131klamalar\u0131ndaki anahtar kelimelere a\u015f\u0131r\u0131 odakland\u0131\u011f\u0131 i\u00e7in ba\u011flamsal aramalar\u0131 ka\u00e7\u0131r\u0131yordu. \u00d6rne\u011fin, \"spor ayakkab\u0131\" arayan bir kullan\u0131c\u0131ya \"ayakkab\u0131 ba\u011fc\u0131\u011f\u0131\" g\u00f6sterilebiliyordu.<\/p>\n<p>\u00c7\u00f6z\u00fcm olarak bir HITL i\u015f ak\u0131\u015f\u0131 entegre edildi. Yapay zeka ajan\u0131, kullan\u0131c\u0131n\u0131n arama sorgusuna ilk yan\u0131t\u0131 ve ilk 10 \u00fcr\u00fcn\u00fc listeliyordu. E\u011fer kullan\u0131c\u0131n\u0131n arama sorgusu karma\u015f\u0131ksa (\u00f6rne\u011fin \"dar kal\u0131p, su ge\u00e7irmez, k\u0131\u015fl\u0131k kad\u0131n botu\"), YZ, g\u00fcven e\u015fi\u011finin alt\u0131na d\u00fc\u015f\u00fcyordu. Bu durumda, ajan sonu\u00e7lar\u0131 bir \u00fcr\u00fcn uzman\u0131n\u0131n (insan de\u011ferlendirici) paneline g\u00f6nderiyordu. \u00dcr\u00fcn uzman\u0131, ajan\u0131n \u00f6nerdi\u011fi \u00fcr\u00fcnleri inceliyor, alakas\u0131z olanlar\u0131 \u00e7\u0131kar\u0131yor, daha uygun \u00fcr\u00fcnler ekliyor ve hatta arama motorunun \u00fcr\u00fcn etiketlerini ve a\u00e7\u0131klamalar\u0131n\u0131 d\u00fczeltiyordu. Bu d\u00fczeltmeler Azure Cosmos DB'ye kaydediliyor ve haftal\u0131k olarak makine \u00f6\u011frenimi modelinin yeniden e\u011fitimi i\u00e7in kullan\u0131l\u0131yordu. Ayr\u0131ca, kullan\u0131c\u0131lar\u0131n arama sonu\u00e7lar\u0131na t\u0131klama oranlar\u0131 (\u00f6rt\u00fck geri bildirim) da sistem taraf\u0131ndan izleniyor ve modelin performans\u0131n\u0131 daha da rafine etmek i\u00e7in kullan\u0131l\u0131yordu.<\/p>\n<p>Sonu\u00e7 olarak, bu HITL entegrasyonu sayesinde \"\u00fcr\u00fcn bulunamad\u0131\" oran\u0131 %15 azald\u0131, kullan\u0131c\u0131lar\u0131n arama sonras\u0131 sat\u0131n alma d\u00f6n\u00fc\u015f\u00fcm oran\u0131 %10 artt\u0131 ve genel arama alaka d\u00fczeyi \u00f6nemli \u00f6l\u00e7\u00fcde iyile\u015fti. Sistem, s\u00fcrekli insan girdisi sayesinde pazarlama trendlerine ve kullan\u0131c\u0131 beklentilerine daha h\u0131zl\u0131 adapte olabildi.<\/p>\n<\/li>\n<\/ol>\n<p>Etkili bir geri bildirim d\u00f6ng\u00fcs\u00fc tasarlamak, yaln\u0131zca YZ sistemlerinin teknik performans\u0131n\u0131 art\u0131rmakla kalmaz, ayn\u0131 zamanda son kullan\u0131c\u0131lara daha g\u00fcvenilir ve faydal\u0131 bir deneyim sunar. \u0130nsan uzmanlar\u0131n de\u011ferli bilgisi, YZ'nin s\u00fcrekli \u00f6\u011frenme yetene\u011fiyle birle\u015fti\u011finde, arama i\u015f ak\u0131\u015flar\u0131n\u0131n gelece\u011fi i\u00e7in sa\u011flam bir temel olu\u015fturur.<\/p>\n<h2>Uygulamal\u0131 Ad\u0131mlar: Azure AI Search ve \u0130nsan Do\u011frulamas\u0131n\u0131 Entegre Etme<\/h2>\n<p>\u015eimdiye kadar teorik altyap\u0131y\u0131 ve HITL mekanizmalar\u0131n\u0131n \u00f6nemini tart\u0131\u015ft\u0131k. Bu b\u00f6l\u00fcmde ise, Microsoft Agent Framework prensipleriyle Azure AI Search ve insan do\u011frulamas\u0131n\u0131 entegre etmek i\u00e7in ad\u0131m ad\u0131m pratik bir \u00f6rnek \u00fczerinde duraca\u011f\u0131z. Amac\u0131m\u0131z, basit bir senaryo \u00fczerinden bir arama sorgusunun ajan taraf\u0131ndan nas\u0131l i\u015flendi\u011fini, insan m\u00fcdahalesi i\u00e7in nas\u0131l bir aray\u00fcz olu\u015fturulabilece\u011fini ve geri bildirimlerin nas\u0131l yakalan\u0131p kullan\u0131labilece\u011fini g\u00f6stermektir.<\/p>\n<h3>Arama Sorgular\u0131n\u0131n \u00d6n \u0130\u015flenmesi ve Ajan \u0130leti\u015fimi<\/h3>\n<p>\u0130lk ad\u0131m, kullan\u0131c\u0131n\u0131n bir arama sorgusu g\u00f6ndermesi ve bu sorgunun bir yapay zeka ajan\u0131 taraf\u0131ndan i\u015flenmesidir. Bu ajan, sorguyu analiz edecek ve Azure AI Search'\u00fc kullanarak ilgili bilgileri \u00e7ekecektir. Varsayal\u0131m ki bir kurumsal bilgi bankas\u0131nda arama yap\u0131yoruz.<\/p>\n<p>Kullan\u0131c\u0131 bir web aray\u00fcz\u00fcnden sorgu g\u00f6nderdi\u011finde, bu sorgu arka plandaki bir Azure Function'a tetiklenebilir. Bu Function, Azure OpenAI veya Semantic Kernel kullanarak bir YZ ajan\u0131 rol\u00fc \u00fcstlenebilir. Ajan, sorguyu al\u0131r, ba\u011flam\u0131 zenginle\u015ftirir ve ard\u0131ndan Azure AI Search API'sini \u00e7a\u011f\u0131r\u0131r.<\/p>\n<pre><code class=\"language-python\">\n# Python ile Azure AI Search \u00e7a\u011fr\u0131s\u0131 \u00f6rne\u011fi\nfrom azure.search.documents import SearchClient\nfrom azure.core.credentials import AzureKeyCredential\n\n# Konfig\u00fcrasyon bilgileri\nservice_name = \"YOUR_AZURE_AI_SEARCH_SERVICE_NAME\"\nindex_name = \"YOUR_AZURE_AI_SEARCH_INDEX_NAME\"\napi_key = \"YOUR_AZURE_AI_SEARCH_API_KEY\"\nendpoint = f\"https:\/\/{service_name}.search.windows.net\/\"\n\ndef perform_agent_search(query: str):\n    search_client = SearchClient(endpoint=endpoint,\n                                 index_name=index_name,\n                                 credential=AzureKeyCredential(api_key))\n\n    # Ajan taraf\u0131ndan geli\u015ftirilmi\u015f, daha ak\u0131ll\u0131 bir sorgu olu\u015fturma\n    # \u00d6rne\u011fin, Semantic Kernel kullanarak sorguya ba\u011flam ekleme\n    enhanced_query = f\"En iyi ve g\u00fcncel bilgileri bul: {query}\" # Basit bir \u00f6rnek\n\n    results = search_client.search(search_text=enhanced_query, select=[\"title\", \"content\", \"url\"])\n    \n    search_results = []\n    for result in results:\n        search_results.append({\n            \"title\": result[\"title\"],\n            \"content\": result[\"content\"],\n            \"url\": result[\"url\"],\n            \"score\": result[\"@search.score\"]\n        })\n    \n    # Burada, ajan sonu\u00e7lar\u0131 bir g\u00fcven skoru ile birlikte d\u00f6nd\u00fcrebilir.\n    # E\u011fer g\u00fcven skoru d\u00fc\u015f\u00fckse, insan incelemesi tetiklenebilir.\n    confidence_score = calculate_confidence(search_results) # Bu fonksiyon ajan taraf\u0131ndan belirlenir\n\n    return search_results, confidence_score\n\ndef calculate_confidence(results):\n    # Basit bir g\u00fcven skoru hesaplama \u00f6rne\u011fi\n    if not results or results[0][\"score\"] < 3.0: # \u0130lk sonucun skoru d\u00fc\u015f\u00fckse\n        return 0.4 # D\u00fc\u015f\u00fck g\u00fcven\n    return 0.8 # Y\u00fcksek g\u00fcven\n\n# \u00d6rnek kullan\u0131m\nuser_query = \"Azure'da sunucusuz mimariler nas\u0131l \u00f6l\u00e7eklenir?\"\nresults, confidence = perform_agent_search(user_query)\n\nif confidence < 0.7:\n    print(\"D\u00fc\u015f\u00fck g\u00fcven skoru nedeniyle insan incelemesi gerekli.\")\n    # Bu noktada, sonu\u00e7lar insan de\u011ferlendirme aray\u00fcz\u00fcne g\u00f6nderilir.\nelse:\n    print(\"Y\u00fcksek g\u00fcven skoru, do\u011frudan kullan\u0131c\u0131ya sunulabilir.\")\n    # Sonu\u00e7lar\u0131 kullan\u0131c\u0131ya g\u00f6ster.\n    <\/pre>\n<p><\/code><\/p>\n<p>Yukar\u0131daki Python kodu, bir ajan\u0131n Azure AI Search'\u00fc nas\u0131l \u00e7a\u011f\u0131rabilece\u011fine dair basit bir \u00f6rnek sunmaktad\u0131r. <code>calculate_confidence<\/code> fonksiyonu, ajan\u0131n kendi i\u00e7 mant\u0131\u011f\u0131na g\u00f6re sonu\u00e7lar\u0131n ne kadar g\u00fcvenilir oldu\u011funu belirler. E\u011fer g\u00fcven e\u015fi\u011fi (\u00f6rne\u011fin 0.7) a\u015f\u0131lamazsa, sonu\u00e7lar insan do\u011frulama s\u00fcrecine y\u00f6nlendirilir.<\/p>\n<h3>\u0130nsan De\u011ferlendirme Aray\u00fcz\u00fcn\u00fcn Olu\u015fturulmas\u0131<\/h3>\n<p>\u0130nsan de\u011ferlendirme a\u015famas\u0131 i\u00e7in, uzmanlar\u0131n arama sonu\u00e7lar\u0131n\u0131 rahat\u00e7a inceleyebilece\u011fi, d\u00fczeltebilece\u011fi ve geri bildirim sa\u011flayabilece\u011fi bir web aray\u00fcz\u00fcne ihtiyac\u0131m\u0131z var. Bu aray\u00fcz, bir Azure Static Web Apps veya Azure App Service \u00fczerinde bar\u0131nd\u0131r\u0131labilir.<\/p>\n<p>Aray\u00fczde \u015funlar bulunmal\u0131d\u0131r:<\/p>\n<ul>\n<li>Orijinal kullan\u0131c\u0131 sorgusu ve ajan\u0131n geli\u015ftirdi\u011fi sorgu.<\/li>\n<li>Ajan taraf\u0131ndan bulunan arama sonu\u00e7lar\u0131n\u0131n listesi (ba\u015fl\u0131k, k\u0131sa \u00f6zet, URL).<\/li>\n<li>Her sonu\u00e7 i\u00e7in alaka d\u00fczeyini puanlama veya d\u00fczenleme se\u00e7enekleri.<\/li>\n<li>Genel yorumlar veya ek d\u00fczeltmeler i\u00e7in bir metin kutusu.<\/li>\n<li>Geri bildirimleri g\u00f6nderme butonu.<\/li>\n<\/ul>\n<pre><code class=\"language-html\">\n<!-- \u0130nsan De\u011ferlendirme Aray\u00fcz\u00fc i\u00e7in Basit HTML Yap\u0131s\u0131 -->\n<div class=\"container\">\n    <h2>Arama Sonu\u00e7lar\u0131 De\u011ferlendirme<\/h2>\n    <p><strong>Kullan\u0131c\u0131 Sorgusu:<\/strong> <span id=\"userQuery\">Yapay zeka modellerinde etik kurallar nelerdir?<\/span><\/p>\n    <p><strong>Ajan\u0131n Geli\u015ftirdi\u011fi Sorgu:<\/strong> <span id=\"agentQuery\">YZ eti\u011fi, \u015feffafl\u0131k, sorumluluk ilkeleri<\/span><\/p>\n\n    <h3>Ajan Taraf\u0131ndan \u00d6nerilen Sonu\u00e7lar<\/h3>\n    <form id=\"feedbackForm\">\n        <div class=\"result-item\">\n            <h4>Gizlilik ve Yapay Zeka Eti\u011fi<\/h4>\n            <p>\u0130\u00e7erik \u00f6zeti...<\/p>\n            <a href=\"#\" target=\"_blank\">Daha Fazla Oku<\/a>\n            <div class=\"feedback-options\">\n                <label>Alaka D\u00fczeyi:<\/label>\n                <select name=\"result1_relevance\">\n                    <option value=\"5\">\u00c7ok Y\u00fcksek<\/option>\n                    <option value=\"4\">Y\u00fcksek<\/option>\n                    <option value=\"3\">Orta<\/option>\n                    <option value=\"2\">D\u00fc\u015f\u00fck<\/option>\n                    <option value=\"1\">Alakas\u0131z<\/option>\n                <\/select>\n                <label>D\u00fczeltme:<\/label>\n                <textarea name=\"result1_correction\" placeholder=\"Ek bilgi veya d\u00fczeltme...\"><\/textarea>\n            <\/div>\n        <\/div>\n\n        <!-- Di\u011fer sonu\u00e7lar da benzer \u015fekilde eklenecek -->\n\n        <div class=\"general-feedback\">\n            <label for=\"generalComments\">Genel Yorumlar:<\/label>\n            <textarea id=\"generalComments\" name=\"generalComments\" placeholder=\"Genel de\u011ferlendirme veya ek \u00f6neriler...\"><\/textarea>\n        <\/div>\n\n        <button type=\"submit\">Geri Bildirim G\u00f6nder<\/button>\n    <\/form>\n<\/div>\n\n<style>\n    \/* Mobil uyumluluk i\u00e7in CSS Media Query \u00f6rne\u011fi *\/\n    .container {\n        max-width: 900px;\n        margin: 20px auto;\n        padding: 20px;\n        box-shadow: 0 0 10px rgba(0,0,0,0.1);\n        border-radius: 8px;\n        font-family: Arial, sans-serif;\n    }\n    .result-item {\n        border: 1px solid #eee;\n        padding: 15px;\n        margin-bottom: 15px;\n        border-radius: 5px;\n    }\n    .feedback-options label, .feedback-options select, .feedback-options textarea {\n        display: block;\n        margin-top: 5px;\n        width: 100%;\n        box-sizing: border-box;\n    }\n    textarea {\n        min-height: 60px;\n    }\n    button {\n        background-color: #0078d4;\n        color: white;\n        padding: 10px 15px;\n        border: none;\n        border-radius: 5px;\n        cursor: pointer;\n        font-size: 16px;\n        margin-top: 20px;\n    }\n    button:hover {\n        background-color: #005a9e;\n    }\n\n    @media (max-width: 768px) {\n        .container {\n            padding: 15px;\n            margin: 10px;\n        }\n        .feedback-options label, .feedback-options select, .feedback-options textarea {\n            width: 100%; \/* Mobil cihazlarda tam geni\u015flik *\/\n        }\n    }\n<\/style>\n    <\/pre>\n<p><\/code><\/p>\n<p>Bu HTML yap\u0131s\u0131, bir insan de\u011ferlendirici i\u00e7in temel bir aray\u00fcz sa\u011flar. CSS media query \u00f6rne\u011fi, aray\u00fcz\u00fcn mobil cihazlarda da d\u00fczg\u00fcn g\u00f6r\u00fcnmesini sa\u011flar, bu da uzaktan veya hareket halindeyken de\u011ferlendirme yapma esnekli\u011fi sunar.<\/p>\n<h3>Geri Bildirimlerin \u0130\u015flenmesi ve Modelin Geli\u015ftirilmesi<\/h3>\n<p>\u0130nsan de\u011ferlendirici geri bildirimlerini g\u00f6nderdi\u011finde, bu verilerin arka u\u00e7ta i\u015flenmesi ve YZ modelinin iyile\u015ftirilmesi i\u00e7in kullan\u0131lmas\u0131 gerekir. G\u00f6nderilen veriler bir Azure Function'a veya Logic App'e y\u00f6nlendirilebilir. Bu servisler, geri bildirimleri al\u0131p Azure Cosmos DB gibi bir depolama hizmetine kaydeder.<\/p>\n<pre><code class=\"language-javascript\">\n\/\/ fetch API kullanarak geri bildirimleri Azure Function'a g\u00f6nderme (JavaScript)\ndocument.getElementById('feedbackForm').addEventListener('submit', async (event) => {\n    event.preventDefault();\n\n    const formData = new FormData(event.target);\n    const feedbackData = {\n        userQuery: document.getElementById('userQuery').innerText,\n        agentQuery: document.getElementById('agentQuery').innerText,\n        resultsFeedback: [],\n        generalComments: formData.get('generalComments')\n    };\n\n    \/\/ Her sonu\u00e7 i\u00e7in geri bildirimleri toplama (\u00f6rnek olarak bir tane)\n    feedbackData.resultsFeedback.push({\n        relevance: formData.get('result1_relevance'),\n        correction: formData.get('result1_correction')\n    });\n\n    try {\n        const response = await fetch('YOUR_AZURE_FUNCTION_APP_URL\/api\/processFeedback', {\n            method: 'POST',\n            headers: {\n                'Content-Type': 'application\/json'\n            },\n            body: JSON.stringify(feedbackData)\n        });\n\n        if (response.ok) {\n            alert('Geri bildirim ba\u015far\u0131yla g\u00f6nderildi!');\n            \/\/ Formu temizle veya kullan\u0131c\u0131y\u0131 ba\u015fka bir sayfaya y\u00f6nlendir\n        } else {\n            alert('Geri bildirim g\u00f6nderilirken bir hata olu\u015ftu.');\n        }\n    } catch (error) {\n        console.error('G\u00f6nderim hatas\u0131:', error);\n        alert('A\u011f hatas\u0131 olu\u015ftu.');\n    }\n});\n    <\/pre>\n<p><\/code><\/p>\n<p>Azure Function, bu geri bildirimleri ald\u0131\u011f\u0131nda, onlar\u0131 \u00f6nceden tan\u0131mlanm\u0131\u015f bir yap\u0131ya d\u00f6n\u00fc\u015ft\u00fcr\u00fcr ve Azure Cosmos DB'ye yazar. Bu veriler daha sonra d\u00fczenli olarak bir makine \u00f6\u011frenimi i\u015f ak\u0131\u015f\u0131 taraf\u0131ndan \u00e7ekilir. \u00d6rne\u011fin, her hafta veya belirli say\u0131da yeni geri bildirim topland\u0131\u011f\u0131nda, Azure Machine Learning pipeline'lar\u0131 tetiklenebilir. Bu pipeline'lar, toplanan verileri kullanarak YZ ajan\u0131n\u0131n istemlerini (prompts) yeniden ayarlayabilir, anahtar kelime a\u011f\u0131rl\u0131klar\u0131n\u0131 g\u00fcncelleyebilir veya hatta daha geli\u015fmi\u015f senaryolarda temel modelin ince ayar\u0131n\u0131 (fine-tuning) yapabilir. B\u00f6ylece, her insan m\u00fcdahalesi, sistemin genel zekas\u0131n\u0131 ve arama yetene\u011fini geli\u015ftiren bir \u00f6\u011frenme f\u0131rsat\u0131na d\u00f6n\u00fc\u015f\u00fcr.<\/p>\n<h2>\u0130leri D\u00fczey Optimizasyonlar ve \u00d6l\u00e7eklenebilirlik \u0130\u00e7in Stratejiler<\/h2>\n<p>Bir \u0130nsan Odakl\u0131 (HITL) arama i\u015f ak\u0131\u015f\u0131 olu\u015fturmak, ba\u015flang\u0131\u00e7ta \u00f6nemli bir ad\u0131md\u0131r, ancak ger\u00e7ek d\u00fcnya uygulamalar\u0131nda performans, verimlilik ve maliyet etkinli\u011fi i\u00e7in ileri d\u00fczey optimizasyonlar ve \u00f6l\u00e7eklenebilirlik stratejileri kritik \u00f6neme sahiptir. \u00d6zellikle b\u00fcy\u00fck veri hacimleri ve y\u00fcksek kullan\u0131c\u0131 y\u00fck\u00fc alt\u0131nda, sistemin sorunsuz \u00e7al\u0131\u015fmas\u0131 i\u00e7in proaktif yakla\u015f\u0131mlar benimsemek gereklidir.<\/p>\n<p><strong>1. Aktif \u00d6\u011frenme (Active Learning) ile \u0130nsan Y\u00fck\u00fcn\u00fc Azaltma:<\/strong><br \/>\n        Her arama sonucunu insan de\u011ferlendiricilere g\u00f6ndermek, \u00f6zellikle y\u00fcksek hacimli sistemlerde s\u00fcrd\u00fcr\u00fclemez bir y\u00fck olu\u015fturabilir. Aktif \u00f6\u011frenme, YZ modelinin en \u00e7ok \"\u00f6\u011frenebilece\u011fi\" \u00f6rnekleri se\u00e7erek insan incelemesi i\u00e7in \u00f6nceliklendirme stratejisidir. Model, belirli bir sorgu veya sonu\u00e7 seti hakk\u0131nda d\u00fc\u015f\u00fck g\u00fcvene sahip oldu\u011funda (\u00f6rne\u011fin, bir s\u0131n\u0131fland\u0131rma probleminde s\u0131n\u0131f s\u0131n\u0131r\u0131na yak\u0131n tahminler yap\u0131yorsa) veya birden fazla olas\u0131 cevab\u0131n e\u015fit derecede olas\u0131 g\u00f6r\u00fcnd\u00fc\u011f\u00fc \"belirsiz\" durumlarda, bu \u00f6rnekleri insan incelemesi i\u00e7in i\u015faretler. Bu, insan uzmanlar\u0131n de\u011ferli zaman\u0131n\u0131 en verimli \u015fekilde kullanmas\u0131n\u0131 sa\u011flar ve modelin \u00f6\u011frenme e\u011frisini h\u0131zland\u0131r\u0131r. Azure Machine Learning, bu t\u00fcr aktif \u00f6\u011frenme senaryolar\u0131n\u0131 destekleyen ara\u00e7lar sunar.<\/p>\n<p><strong>2. \u0130stem M\u00fchendisli\u011fi ve Model \u0130nce Ayar\u0131 (Fine-Tuning):<\/strong><br \/>\n        Geri bildirim d\u00f6ng\u00fcs\u00fcnden gelen veriler, yapay zeka ajanlar\u0131n\u0131n temel davran\u0131\u015flar\u0131n\u0131 belirleyen istemleri (prompts) s\u00fcrekli olarak iyile\u015ftirmek i\u00e7in kullan\u0131lmal\u0131d\u0131r. \u0130stem m\u00fchendisli\u011fi, ajanlar\u0131n daha do\u011fru, ba\u011flamsal ve istenen formattaki yan\u0131tlar\u0131 \u00fcretmesini sa\u011flar. Ayr\u0131ca, belirli bir alana \u00f6zg\u00fc performans gereksinimleri i\u00e7in, Microsoft'un sundu\u011fu Azure OpenAI modelleri gibi B\u00fcy\u00fck Dil Modellerini (LLM'ler) toplanan ve insan taraf\u0131ndan etiketlenmi\u015f veri setleriyle ince ayar yapmak, arama alaka d\u00fczeyini ve do\u011frulu\u011funu \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rabilir. Bu, ajan\u0131n \"uzmanl\u0131k\" seviyesini belirli bir i\u015f alan\u0131nda derinle\u015ftirmeye yard\u0131mc\u0131 olur.<\/p>\n<p><strong>3. \u0130zleme, Loglama ve Performans Analizi:<\/strong><br \/>\n        Bir HITL sisteminin ba\u015far\u0131s\u0131, s\u00fcrekli izleme ve analize ba\u011fl\u0131d\u0131r. Azure Monitor ve Application Insights gibi ara\u00e7lar, sistemin performans\u0131n\u0131, insan m\u00fcdahalesi oranlar\u0131n\u0131, YZ modelinin g\u00fcven skorlar\u0131n\u0131 ve geri bildirim d\u00f6ng\u00fcs\u00fcn\u00fcn etkinli\u011fini ger\u00e7ek zamanl\u0131 olarak takip etmek i\u00e7in kullan\u0131lmal\u0131d\u0131r. Anomalileri veya performans d\u00fc\u015f\u00fc\u015flerini h\u0131zl\u0131ca tespit etmek, sorunu \u00e7\u00f6zmek ve sistemi optimize etmek i\u00e7in hayati \u00f6neme sahiptir. Loglama, hangi arama sorgular\u0131n\u0131n insan incelemesine gitti\u011fini, insan uzmanlar\u0131n ne t\u00fcr d\u00fczeltmeler yapt\u0131\u011f\u0131n\u0131 ve bu d\u00fczeltmelerin YZ modelinin performans\u0131n\u0131 nas\u0131l etkiledi\u011fini anlamak i\u00e7in ayr\u0131nt\u0131l\u0131 veri sa\u011flar.<\/p>\n<p><strong>4. \u00d6l\u00e7eklenebilirlik ve Maliyet Optimizasyonu:<\/strong><br \/>\n        Microsoft Azure'\u0131n sunucusuz hizmetleri (Azure Functions, Azure Logic Apps, Azure Cosmos DB), HITL i\u015f ak\u0131\u015flar\u0131n\u0131n do\u011fal olarak \u00f6l\u00e7eklenmesine olanak tan\u0131r. Y\u00fck artt\u0131k\u00e7a, bu hizmetler otomatik olarak \u00f6l\u00e7eklenir ve yaln\u0131zca kullan\u0131lan kaynaklar i\u00e7in \u00f6deme yap\u0131l\u0131r. Ancak, b\u00fcy\u00fck dil modelleri (LLM'ler) ve makine \u00f6\u011frenimi e\u011fitim i\u015f y\u00fckleri maliyetli olabilir. Maliyetleri optimize etmek i\u00e7in \u015funlar yap\u0131labilir:<\/p>\n<ul>\n<li><strong>Toplu \u0130\u015fleme (Batch Processing):<\/strong> Geri bildirimlerin s\u00fcrekli yerine, belirli aral\u0131klarla toplu olarak i\u015flenmesi ve model e\u011fitiminin planlanmas\u0131.<\/li>\n<li><strong>Kaynak Optimizasyonu:<\/strong> Azure Machine Learning i\u015flem kaynaklar\u0131n\u0131n (compute targets) do\u011fru boyutland\u0131r\u0131lmas\u0131 ve kullan\u0131lmad\u0131\u011f\u0131nda kapat\u0131lmas\u0131.<\/li>\n<li><strong>\u00d6n Bellekleme (Caching):<\/strong> S\u0131k\u00e7a sorulan veya insan taraf\u0131ndan onaylanm\u0131\u015f sonu\u00e7lar\u0131n \u00f6nbelle\u011fe al\u0131nmas\u0131, tekrar tekrar YZ veya insan incelemesine gitmesini \u00f6nler.<\/li>\n<\/ul>\n<div class=\"expert-tip\">\n        Uzman \u0130pucu: \u00d6l\u00e7eklenebilir bir HITL sisteminde, veritaban\u0131 performans\u0131n\u0131 s\u00fcrekli izleyin. Azure Cosmos DB'nin RU\/s (Request Units per second) de\u011ferlerini iyi ayarlayarak hem maliyetleri kontrol alt\u0131nda tutabilir hem de y\u00fcksek y\u00fck alt\u0131nda bile d\u00fc\u015f\u00fck gecikme s\u00fcresi sa\u011flayabilirsiniz. Otomatik \u00f6l\u00e7eklendirme \u00f6zelli\u011fini kullanmak, dalgal\u0131 i\u015f y\u00fckleri i\u00e7in idealdir.\n    <\/div>\n<p><strong>5. G\u00fcvenlik ve Veri Gizlili\u011fi:<\/strong><br \/>\n        HITL sistemlerinde insan m\u00fcdahalesi, hassas verilere eri\u015fim anlam\u0131na gelebilir. Bu nedenle g\u00fcvenlik ve veri gizlili\u011fi en \u00fcst d\u00fczeyde tutulmal\u0131d\u0131r. Azure Key Vault ile API anahtarlar\u0131n\u0131 ve kimlik bilgilerini g\u00fcvenli bir \u015fekilde y\u00f6netin. Azure Active Directory (AAD) ile insan de\u011ferlendiricilere rol tabanl\u0131 eri\u015fim kontrol\u00fc (RBAC) uygulay\u0131n. Hassas verilerin \u015fifrelenmesi (hem depoda hem de aktar\u0131m s\u0131ras\u0131nda) ve GDPR gibi d\u00fczenlemelere uygunluk sa\u011flanmas\u0131 esast\u0131r. Geri bildirim verilerini anonimle\u015ftirme veya ki\u015fisel tan\u0131mlay\u0131c\u0131 bilgileri (PII) kald\u0131rma stratejileri de \u00f6nemlidir.<\/p>\n<p>Bu ileri d\u00fczey optimizasyonlar ve stratejiler, HITL arama i\u015f ak\u0131\u015flar\u0131n\u0131n sadece i\u015flevsel olmas\u0131n\u0131 sa\u011flamakla kalmaz, ayn\u0131 zamanda uzun vadede s\u00fcrd\u00fcr\u00fclebilir, maliyet etkin ve g\u00fcvenilir olmas\u0131n\u0131 garanti eder. Yapay zeka ve insan zekas\u0131n\u0131n en iyi y\u00f6nlerini birle\u015ftirerek, gelece\u011fin ak\u0131ll\u0131 sistemlerini in\u015fa etme yolunda \u00f6nemli ad\u0131mlar atm\u0131\u015f oluruz.<\/p>\n<h2>Ger\u00e7ek D\u00fcnya Senaryosu: Kurumsal Bilgi Y\u00f6netiminde HITL Uygulamas\u0131<\/h2>\n<p>B\u00fcy\u00fck \u00f6l\u00e7ekli kurulu\u015flar i\u00e7in bilgi y\u00f6netimi, kritik bir zorluktur. \u00c7ok say\u0131da departman, proje ve ekip aras\u0131nda da\u011f\u0131lm\u0131\u015f binlerce belge, rapor, e-posta ve kaynak, \u00e7al\u0131\u015fanlar\u0131n do\u011fru bilgiye h\u0131zla eri\u015fmesini engelleyebilir. Mevcut kurumsal arama sistemleri genellikle anahtar kelime tabanl\u0131 olup, ba\u011flamsal anlamay\u0131 veya g\u00fcncel bilgileri yeterince dikkate almayabilir. Bu durum, \u00e7al\u0131\u015fanlar\u0131n zaman kaybetmesine, yanl\u0131\u015f bilgiye dayanarak karar vermesine ve verimlilik d\u00fc\u015f\u00fc\u015flerine yol a\u00e7abilir.<\/p>\n<p><strong>Senaryo: B\u00fcy\u00fck Bir Bankac\u0131l\u0131k Kurulu\u015funun Bilgi Bankas\u0131 Optimizasyonu<\/strong><\/p>\n<p>K\u00fcresel \u00e7apta faaliyet g\u00f6steren bir bankac\u0131l\u0131k kurulu\u015fu (\u00f6rne\u011fin, \"GlobalTrust Bank\"), binlerce \u00e7al\u0131\u015fan\u0131 ve farkl\u0131 \u00fclkelerdeki operasyonlar\u0131yla devasa bir bilgi bankas\u0131na sahiptir. Bu bilgi bankas\u0131, yasal d\u00fczenlemelerden \u00fcr\u00fcn ve hizmet detaylar\u0131na, i\u00e7 s\u00fcre\u00e7 prosed\u00fcrlerinden m\u00fc\u015fteri destek k\u0131lavuzlar\u0131na kadar her t\u00fcrl\u00fc kurumsal veriyi bar\u0131nd\u0131r\u0131r. Ancak, mevcut arama motoru, \u015fu sorunlar\u0131 ya\u015f\u0131yordu:<\/p>\n<ul>\n<li><strong>Alaka D\u00fczeyi D\u00fc\u015f\u00fckl\u00fc\u011f\u00fc:<\/strong> \u00c7al\u0131\u015fanlar, arad\u0131klar\u0131 bilgilere genellikle ilk sayfalarda ula\u015fam\u0131yordu. \u00d6rne\u011fin, \"yeni GDPR d\u00fczenlemeleri\" arand\u0131\u011f\u0131nda, 3 y\u0131l \u00f6nceki bilgiler \u00f6ne \u00e7\u0131kabiliyordu.<\/li>\n<li><strong>Eski Bilgiler:<\/strong> Bankac\u0131l\u0131k sekt\u00f6r\u00fc h\u0131zla de\u011fi\u015fti\u011fi i\u00e7in, bilgi bankas\u0131ndaki bir\u00e7ok belgenin g\u00fcncelli\u011fini yitirmesi s\u0131k\u00e7a ya\u015fan\u0131yordu. YZ, hangi belgenin \"g\u00fcncel\" oldu\u011funu anlayam\u0131yordu.<\/li>\n<li><strong>Belirsiz Sorgular:<\/strong> \u00c7al\u0131\u015fanlar bazen \u00e7ok genel sorgular (\"kredi ba\u015fvurusu\") yapabiliyor ve YZ bu sorgunun hangi ba\u011flamda (m\u00fc\u015fteri mi, \u00e7al\u0131\u015fan m\u0131, hangi kredi t\u00fcr\u00fc) oldu\u011funu anlayam\u0131yordu.<\/li>\n<li><strong>Y\u00fcksek Destek Talebi:<\/strong> Bilgiye eri\u015fim zorlu\u011fu nedeniyle, i\u00e7 destek ekiplerine s\u00fcrekli olarak \"bu bilgiyi nerede bulabilirim?\" \u015feklinde sorular geliyordu, bu da operasyonel maliyetleri art\u0131r\u0131yordu.<\/li>\n<\/ul>\n<p><strong>\u00c7\u00f6z\u00fcm: \u0130nsan Odakl\u0131 (HITL) Kurumsal Arama \u0130\u015f Ak\u0131\u015f\u0131<\/strong><\/p>\n<p>GlobalTrust Bank, bu sorunlar\u0131 \u00e7\u00f6zmek i\u00e7in Microsoft Agent Framework prensipleriyle (Azure AI Servisleri, Semantic Kernel, Azure AI Search vb. kullanarak) geli\u015ftirilen bir HITL arama i\u015f ak\u0131\u015f\u0131n\u0131 uygulamaya karar verdi. \u0130\u015f ak\u0131\u015f\u0131 \u015fu ad\u0131mlarla tasarland\u0131:<\/p>\n<ol>\n<li><strong>Ajan Destekli \u0130lk Arama:<\/strong> \u00c7al\u0131\u015fan bir arama yapt\u0131\u011f\u0131nda, sorgu bir Azure Function \u00fczerindeki YZ ajan\u0131na g\u00f6nderilir. Ajan, Azure AI Search'\u00fc kullanarak bankan\u0131n bilgi bankas\u0131n\u0131 tarar ve ilk 5-10 ilgili belgeyi bulur. Azure OpenAI ile bu belgelerin k\u0131sa \u00f6zetlerini olu\u015fturur.<\/li>\n<li><strong>G\u00fcven Skoru ve Otomatik Y\u00f6nlendirme:<\/strong> Ajan, arama sonu\u00e7lar\u0131n\u0131n alaka d\u00fczeyi ve g\u00fcncelli\u011fi i\u00e7in bir \"g\u00fcven skoru\" hesaplar. E\u011fer sorgu, yasal veya finansal risk ta\u015f\u0131yan anahtar kelimeler i\u00e7eriyorsa (\u00f6rne\u011fin \"Kara Para Aklama Yasas\u0131\"), veya sonu\u00e7lar\u0131n g\u00fcven skoru belirli bir e\u015fi\u011fin alt\u0131ndaysa, arama otomatik olarak insan incelemesi i\u00e7in i\u015faretlenir.<\/li>\n<li><strong>\u0130nsan Uzman Paneli:<\/strong> \u0130nsan incelemesi gerektiren sorgular ve sonu\u00e7lar, ilgili departmanlardan atanm\u0131\u015f insan uzmanlar\u0131n\u0131n (\u00f6rne\u011fin, Hukuk, Finans, \u0130K departman\u0131ndan bilgi uzmanlar\u0131) eri\u015febilece\u011fi \u00f6zel bir web paneline (Azure App Service \u00fczerinde bar\u0131nd\u0131r\u0131lan) y\u00f6nlendirilir. Uzmanlar, ajan\u0131n sundu\u011fu sonu\u00e7lar\u0131 inceler.<\/li>\n<li><strong>Detayl\u0131 Geri Bildirim ve D\u00fczeltme:<\/strong> Uzmanlar panelde \u015funlar\u0131 yapabilir:\n<ul>\n<li>Alakas\u0131z sonu\u00e7lar\u0131 kald\u0131r\u0131r veya s\u0131ralamay\u0131 de\u011fi\u015ftirir.<\/li>\n<li>Eski bilgileri i\u00e7eren belgeler i\u00e7in \"G\u00fcncellenmeli\" etiketi ekler ve hatta do\u011frudan belgenin revizyonunu ba\u015flat\u0131r.<\/li>\n<li>Ajan\u0131n \u00f6zetini d\u00fczeltir veya ek bilgilerle zenginle\u015ftirir.<\/li>\n<li>Sorguya daha uygun yeni belgeler veya kaynaklar ekler.<\/li>\n<li>Belirsiz sorgular i\u00e7in, ajana \"bu t\u00fcr sorgularda \u015fu ba\u011flam\u0131 dikkate al\" \u015feklinde y\u00f6nergeler sa\u011flar.<\/li>\n<\/ul>\n<\/li>\n<li><strong>S\u00fcrekli \u00d6\u011frenme D\u00f6ng\u00fcs\u00fc:<\/strong> \u0130nsan uzmanlar\u0131ndan gelen t\u00fcm geri bildirimler (d\u00fczeltmeler, derecelendirmeler, etiketler) Azure Cosmos DB'de depolan\u0131r. Azure Logic Apps, bu verileri d\u00fczenli olarak toplar ve Azure Machine Learning pipeline'lar\u0131n\u0131 tetikler. Bu pipeline'lar, YZ ajan\u0131n\u0131n i\u00e7 mant\u0131\u011f\u0131n\u0131, istemlerini ve hatta temel makine \u00f6\u011frenimi modellerini yeniden e\u011fitir ve g\u00fcnceller. \u00d6zellikle, g\u00fcncel bilgi gerektiren alanlarda, ajanlar yeni yasal d\u00fczenlemeleri veya bankac\u0131l\u0131k \u00fcr\u00fcnlerini insan girdisi sayesinde daha h\u0131zl\u0131 \u00f6\u011frenir.<\/li>\n<\/ol>\n<p><strong>Sonu\u00e7lar ve Faydalar:<\/strong><\/p>\n<p>Bu HITL uygulamas\u0131n\u0131n GlobalTrust Bank'a sa\u011flad\u0131\u011f\u0131 temel faydalar \u015funlar olmu\u015ftur:<\/p>\n<ul>\n<li><strong>Arama Alaka D\u00fczeyinde %30 Art\u0131\u015f:<\/strong> \u00c7al\u0131\u015fanlar, arad\u0131klar\u0131 bilgilere \u00e7ok daha h\u0131zl\u0131 ve do\u011fru bir \u015fekilde ula\u015ft\u0131lar.<\/li>\n<li><strong>Destek Taleplerinde %20 Azalma:<\/strong> \u0130\u00e7 destek ekiplerine gelen \"bilgi arama\" odakl\u0131 talepler \u00f6nemli \u00f6l\u00e7\u00fcde azald\u0131, bu da operasyonel maliyetleri d\u00fc\u015f\u00fcrd\u00fc.<\/li>\n<li><strong>Veri G\u00fcncelli\u011fi:<\/strong> Eski bilgilerin otomatik olarak i\u015faretlenip g\u00fcncellenmesi sayesinde, bilgi bankas\u0131 her zaman g\u00fcncel kald\u0131, bu da yasal uyumluluk risklerini azaltt\u0131.<\/li>\n<li><strong>G\u00fcven Art\u0131\u015f\u0131:<\/strong> \u00c7al\u0131\u015fanlar, arama sonu\u00e7lar\u0131na duyulan g\u00fcvenin artt\u0131\u011f\u0131n\u0131 ve daha bilin\u00e7li kararlar alabildiklerini bildirdi.<\/li>\n<li><strong>Uzman Bilgisinin Dijitalle\u015ftirilmesi:<\/strong> \u0130nsan uzmanlar\u0131n geri bildirimleri, YZ ajanlar\u0131n\u0131n zamanla daha \"uzman\" hale gelmesini sa\u011flad\u0131 ve kurumsal bilgi birikimini dijital ortama daha etkili bir \u015fekilde aktard\u0131.<\/li>\n<\/ul>\n<p>Bu vaka analizi, HITL'nin sadece teorik bir konsept olmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda b\u00fcy\u00fck ve karma\u015f\u0131k kurumsal ortamlarda somut faydalar sa\u011flayan, pratik ve d\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc bir \u00e7\u00f6z\u00fcm oldu\u011funu g\u00f6stermektedir. \u0130nsan ve yapay zekan\u0131n bu uyumlu i\u015f birli\u011fi, \u015firketlerin bilgiye eri\u015fimini optimize ederek rekabet avantaj\u0131 elde etmelerine olanak tan\u0131r.<\/p>\n<h2>Sonu\u00e7: Gelece\u011fin Ak\u0131ll\u0131 Arama Sistemlerinde \u0130nsan Odakl\u0131 Yakla\u015f\u0131m<\/h2>\n<p>Yapay zeka teknolojileri, arama s\u00fcre\u00e7lerinde devrim yaratmaya devam ederken, karma\u015f\u0131k ve s\u00fcrekli de\u011fi\u015fen d\u00fcnyam\u0131zda insan zekas\u0131n\u0131n e\u015fsiz de\u011ferini g\u00f6z ard\u0131 etmek m\u00fcmk\u00fcn de\u011fildir. Microsoft Agent Framework prensipleriyle tasarlad\u0131\u011f\u0131m\u0131z ve bu be\u015finci b\u00f6l\u00fcmde derinlemesine inceledi\u011fimiz \u0130nsan Odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131, yapay zekan\u0131n h\u0131z\u0131n\u0131 ve \u00f6l\u00e7eklenebilirli\u011fini insan sezgisinin, ba\u011flamsal anlay\u0131\u015f\u0131n\u0131n ve ele\u015ftirel d\u00fc\u015f\u00fcnme yetene\u011finin bir araya getirerek, ger\u00e7ekten ak\u0131ll\u0131 ve g\u00fcvenilir sistemler in\u015fa etmenin anahtar\u0131n\u0131 sunar.<\/p>\n<p>Bu makalede ele ald\u0131\u011f\u0131m\u0131z \u00fczere, HITL yakla\u015f\u0131m\u0131, sadece hatalar\u0131 d\u00fczeltmekle kalmaz, ayn\u0131 zamanda yapay zeka modellerinin s\u00fcrekli \u00f6\u011frenmesini ve adaptasyonunu sa\u011flar. Geri bildirim d\u00f6ng\u00fclerini etkili bir \u015fekilde tasarlayarak, insan uzmanlar\u0131n de\u011ferli bilgilerini do\u011frudan modelin e\u011fitim s\u00fcrecine entegre edebiliriz. Azure AI Search, Azure Functions, Logic Apps ve Cosmos DB gibi Microsoft teknolojilerini kullanarak, bu karma\u015f\u0131k i\u015f ak\u0131\u015flar\u0131n\u0131 g\u00fcvenli, \u00f6l\u00e7eklenebilir ve y\u00f6netilebilir bir \u015fekilde kurabiliriz. Aktif \u00f6\u011frenme, istem m\u00fchendisli\u011fi ve s\u00fcrekli izleme gibi ileri d\u00fczey optimizasyon stratejileri, sistemin verimlili\u011fini ve performans\u0131n\u0131 maksimize ederken, maliyetleri de kontrol alt\u0131nda tutmaya yard\u0131mc\u0131 olur. Kurumsal bilgi y\u00f6netiminde oldu\u011fu gibi ger\u00e7ek d\u00fcnya senaryolar\u0131, HITL'nin nas\u0131l somut faydalar sa\u011flad\u0131\u011f\u0131n\u0131 ve \u015firketlerin bilgiye eri\u015fimini nas\u0131l d\u00f6n\u00fc\u015ft\u00fcrebilece\u011fini a\u00e7\u0131k\u00e7a g\u00f6stermektedir.<\/p>\n<p>Gelece\u011fin ak\u0131ll\u0131 arama sistemleri, tamamen otonom olmaktan ziyade, insan ve yapay zeka aras\u0131nda dinamik ve adaptif bir i\u015f birli\u011fine dayanacakt\u0131r. Yapay zeka, b\u00fcy\u00fck veri setlerini i\u015fleme, kal\u0131plar\u0131 tan\u0131ma ve ilk taslaklar\u0131 olu\u015fturma konusunda \u00fcst\u00fcnken, insan, n\u00fcanslar\u0131 anlama, etik yarg\u0131larda bulunma ve yarat\u0131c\u0131 \u00e7\u00f6z\u00fcmler \u00fcretme konusunda vazge\u00e7ilmezdir. Bu sinerji, sadece daha do\u011fru ve alakal\u0131 arama sonu\u00e7lar\u0131 sunmakla kalmayacak, ayn\u0131 zamanda kullan\u0131c\u0131lar\u0131n bu sistemlere olan g\u00fcvenini art\u0131racak ve yapay zekan\u0131n potansiyelini tam olarak ger\u00e7ekle\u015ftirmesine olanak tan\u0131yacakt\u0131r. Unutmayal\u0131m ki, teknoloji ne kadar geli\u015firse geli\u015fsin, nihai kullan\u0131c\u0131 her zaman insand\u0131r ve onlar\u0131n ihtiya\u00e7lar\u0131n\u0131 en iyi \u015fekilde kar\u015f\u0131lamak i\u00e7in insan odakl\u0131 yakla\u015f\u0131mlar her zaman kritik olacakt\u0131r. Bu nedenle, HITL, yaln\u0131zca bir teknik mimari de\u011fil, ayn\u0131 zamanda yapay zekan\u0131n sorumlu ve etkili kullan\u0131m\u0131 i\u00e7in stratejik bir paradigmaya d\u00f6n\u00fc\u015fmektedir.<\/p>\n<h3>S\u0131k\u00e7a Sorulan Sorular<\/h3>\n<dl>\n<dt><strong>Soru 1: HITL entegrasyonu ne kadar maliyetli?<\/strong><\/dt>\n<dd><strong>Cevap 1:<\/strong> HITL entegrasyonunun maliyeti, sistemin karma\u015f\u0131kl\u0131\u011f\u0131na, insan de\u011ferlendiricilerin say\u0131s\u0131na ve kullan\u0131lan YZ servislerinin \u00f6l\u00e7e\u011fine g\u00f6re de\u011fi\u015fir. Ba\u015flang\u0131\u00e7ta insan g\u00fcc\u00fc gerektirdi\u011fi i\u00e7in ek bir maliyet gibi g\u00f6r\u00fcnebilir. Ancak, artan do\u011fruluk, azalan hatalar ve geli\u015fen kullan\u0131c\u0131 deneyimi sayesinde uzun vadede \u00f6nemli ROI (Yat\u0131r\u0131m Getirisi) sa\u011flayabilir. Azure'\u0131n kulland\u0131k\u00e7a \u00f6de modeli ve sunucusuz servisleri, maliyetleri optimize etme esnekli\u011fi sunar.<\/dd>\n<dt><strong>Soru 2: Hangi t\u00fcr arama senaryolar\u0131 i\u00e7in HITL en uygunudur?<\/strong><\/dt>\n<dd><strong>Cevap 2:<\/strong> HITL, \u00f6zellikle y\u00fcksek do\u011fruluk, ba\u011flamsal anlama veya etik risk ta\u015f\u0131yan arama senaryolar\u0131 i\u00e7in uygundur. \u00d6rnekler aras\u0131nda yasal ara\u015ft\u0131rmalar, t\u0131bbi bilgi aray\u0131\u015f\u0131, finansal dan\u0131\u015fmanl\u0131k, m\u00fc\u015fteri hizmetleri, kurumsal bilgi y\u00f6netimi ve karma\u015f\u0131k \u00fcr\u00fcn kataloglar\u0131 say\u0131labilir. G\u00fcvenin kritik oldu\u011fu her alanda HITL de\u011feri y\u00fcksektir.<\/dd>\n<dt><strong>Soru 3: G\u00fcvenlik ve veri gizlili\u011fi nas\u0131l sa\u011flan\u0131r?<\/strong><\/dt>\n<dd><strong>Cevap 3:<\/strong> G\u00fcvenlik ve veri gizlili\u011fi i\u00e7in Azure Active Directory ile rol tabanl\u0131 eri\u015fim kontrol\u00fc, Azure Key Vault ile kimlik bilgileri y\u00f6netimi, t\u00fcm verilerin \u015fifrelenmesi (hem aktar\u0131mda hem de depoda) ve GDPR gibi uluslararas\u0131 veri gizlili\u011fi standartlar\u0131na uyum esast\u0131r. Ayr\u0131ca, insan de\u011ferlendiricilere sadece ihtiya\u00e7 duyduklar\u0131 verilere eri\u015fim izni vermek ve hassas verileri anonimle\u015ftirmek de \u00f6nemlidir.<\/dd>\n<dt><strong>Soru 4: \"Microsoft Agent Framework\" derken tam olarak ne kastediliyor? Eski \"Clippy\" tarz\u0131 ajanlar m\u0131?<\/strong><\/dt>\n<dd><strong>Cevap 4:<\/strong> Hay\u0131r, bu makaledeki \"Microsoft Agent Framework\" kavram\u0131, eskiden pop\u00fcler olan \"Clippy\" tarz\u0131 statik ajanlar\u0131 de\u011fil, modern ba\u011flamda ak\u0131ll\u0131 ve otonom g\u00f6revleri yerine getiren \"agentic sistemleri\" ifade etmektedir. Bu, Microsoft'un Azure AI servisleri (Azure OpenAI, Azure AI Search), Semantic Kernel gibi orkestrasyon k\u00fct\u00fcphaneleri ve Azure'\u0131n genel bulut altyap\u0131s\u0131 kullan\u0131larak geli\u015ftirilen, dinamik ve adapte olabilen yapay zeka ajanlar\u0131n\u0131 ve i\u015f ak\u0131\u015flar\u0131n\u0131 kapsar.<\/dd>\n<dt><strong>Soru 5: Ba\u015flang\u0131\u00e7 seviyesinde bir geli\u015ftirici HITL uygulamas\u0131na nas\u0131l ba\u015flar?<\/strong><\/dt>\n<dd><strong>Cevap 5:<\/strong> Basit bir senaryo ile ba\u015flay\u0131n: K\u00fc\u00e7\u00fck bir bilgi seti \u00fczerinde Azure AI Search kurun. Ard\u0131ndan, bir Azure Function ile bu aramay\u0131 yapan ve sonucu d\u00f6nd\u00fcren temel bir yapay zeka ajan\u0131 olu\u015fturun. Daha sonra, ajan\u0131n g\u00fcven e\u015fi\u011fi d\u00fc\u015f\u00fck oldu\u011funda bir insan de\u011ferlendiricinin devreye girece\u011fi basit bir web aray\u00fcz\u00fc (HTML\/CSS\/JS) geli\u015ftirin. Son olarak, insan geri bildirimlerini Azure Cosmos DB'ye kaydeden ve bu verileri ajan\u0131 iyile\u015ftirmek i\u00e7in kullanan basit bir geri bildirim d\u00f6ng\u00fcs\u00fc olu\u015fturarak kademeli olarak ilerleyin. Microsoft Learn'deki ilgili mod\u00fcller ve \u00f6rnekler iyi bir ba\u015flang\u0131\u00e7 noktas\u0131d\u0131r.<\/dd>\n<\/dl>\n<p><\/body><\/p>\n","protected":false},"excerpt":{"rendered":"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini&hellip;","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-31710","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.5 (Yoast SEO v25.3.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V<\/title>\n<meta name=\"description\" content=\"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\" \/>\n<meta property=\"og:locale\" content=\"tr_TR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V\" \/>\n<meta property=\"og:description\" content=\"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\" \/>\n<meta property=\"og:site_name\" content=\"Kodlar\u0131n Gizemli D\u00fcnyas\u0131\" \/>\n<meta property=\"article:published_time\" content=\"2025-10-13T01:01:27+00:00\" \/>\n<meta name=\"author\" content=\"Fatih Soysal\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Yazan:\" \/>\n\t<meta name=\"twitter:data1\" content=\"Fatih Soysal\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tahmini okuma s\u00fcresi\" \/>\n\t<meta name=\"twitter:data2\" content=\"32 dakika\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\"},\"author\":{\"name\":\"Fatih Soysal\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"headline\":\"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma &#8211; B\u00f6l\u00fcm V\",\"datePublished\":\"2025-10-13T01:01:27+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\"},\"wordCount\":5857,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"inLanguage\":\"tr\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#respond\"]}],\"copyrightYear\":\"2025\",\"copyrightHolder\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\",\"name\":\"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V\",\"isPartOf\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#website\"},\"datePublished\":\"2025-10-13T01:01:27+00:00\",\"description\":\"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.\",\"breadcrumb\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#breadcrumb\"},\"inLanguage\":\"tr\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Anasayfa\",\"item\":\"https:\/\/fatihsoysal.com\/blog\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma &#8211; B\u00f6l\u00fcm V\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#website\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/\",\"name\":\"Fatihsoysal.com\",\"description\":\"Blog - Yaz\u0131l\u0131m D\u00fcnyas\u0131 Tecr\u00fcbelerim\",\"publisher\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/fatihsoysal.com\/blog\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"tr\"},{\"@type\":[\"Person\",\"Organization\"],\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\",\"name\":\"Fatih Soysal\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"tr\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png\",\"contentUrl\":\"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png\",\"width\":512,\"height\":512,\"caption\":\"Fatih Soysal\"},\"logo\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/\"},\"description\":\"Kullan\u0131m ve kodlama m\u00fckemmeliyetini odak alan uygulamalar olu\u015fturma deneyimine sahip, profesyonel olarak 15+ y\u0131l \u00fczeri deneyime sahip bir yaz\u0131l\u0131m m\u00fchendisi.\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/author\/fatihsoysal\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V","description":"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/","og_locale":"tr_TR","og_type":"article","og_title":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V","og_description":"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.","og_url":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/","og_site_name":"Kodlar\u0131n Gizemli D\u00fcnyas\u0131","article_published_time":"2025-10-13T01:01:27+00:00","author":"Fatih Soysal","twitter_card":"summary_large_image","twitter_misc":{"Yazan:":"Fatih Soysal","Tahmini okuma s\u00fcresi":"32 dakika"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#article","isPartOf":{"@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/"},"author":{"name":"Fatih Soysal","@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"headline":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma &#8211; B\u00f6l\u00fcm V","datePublished":"2025-10-13T01:01:27+00:00","mainEntityOfPage":{"@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/"},"wordCount":5857,"commentCount":0,"publisher":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"inLanguage":"tr","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#respond"]}],"copyrightYear":"2025","copyrightHolder":{"@id":"https:\/\/fatihsoysal.com\/blog\/#organization"}},{"@type":"WebPage","@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/","url":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/","name":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma - B\u00f6l\u00fcm V","isPartOf":{"@id":"https:\/\/fatihsoysal.com\/blog\/#website"},"datePublished":"2025-10-13T01:01:27+00:00","description":"Yapay zeka teknolojileri, g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda arama s\u00fcre\u00e7lerini d\u00f6n\u00fc\u015ft\u00fcrse de, karma\u015f\u0131k ve n\u00fcans gerektiren sorgularda insan sezgisinin yerini tutmas\u0131 her zaman m\u00fcmk\u00fcn olmuyor. Bu makalede, Microsoft Agent Framework prensiplerini kullanarak geli\u015ftirdi\u011fimiz insan odakl\u0131 (Human-in-the-Loop - HITL) arama i\u015f ak\u0131\u015f\u0131n\u0131n be\u015finci b\u00f6l\u00fcm\u00fcne odaklan\u0131yoruz. \u00d6nceki b\u00f6l\u00fcmlerde olu\u015fturdu\u011fumuz temel yap\u0131lar\u0131n \u00fczerine, kullan\u0131c\u0131 deneyimini daha da zenginle\u015ftirecek, do\u011fruluk oran\u0131n\u0131 art\u0131racak ve s\u00fcrekli \u00f6\u011frenme sa\u011flayacak ileri d\u00fczey geri bildirim mekanizmalar\u0131n\u0131 ve optimizasyon stratejilerini ele alaca\u011f\u0131z. Amac\u0131m\u0131z, yapay zekan\u0131n h\u0131z\u0131n\u0131 insan zekas\u0131n\u0131n derinli\u011fiyle birle\u015ftirerek, daha verimli ve g\u00fcvenilir arama sonu\u00e7lar\u0131 elde etmektir.","breadcrumb":{"@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#breadcrumb"},"inLanguage":"tr","potentialAction":[{"@type":"ReadAction","target":["https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/fatihsoysal.com\/blog\/microsoft-agent-framework-insan-odakli-arama-is-akisi-olusturma-bolum-v\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Anasayfa","item":"https:\/\/fatihsoysal.com\/blog\/"},{"@type":"ListItem","position":2,"name":"Microsoft Agent Framework: \u0130nsan Odakl\u0131 Arama \u0130\u015f Ak\u0131\u015f\u0131 Olu\u015fturma &#8211; B\u00f6l\u00fcm V"}]},{"@type":"WebSite","@id":"https:\/\/fatihsoysal.com\/blog\/#website","url":"https:\/\/fatihsoysal.com\/blog\/","name":"Fatihsoysal.com","description":"Blog - Yaz\u0131l\u0131m D\u00fcnyas\u0131 Tecr\u00fcbelerim","publisher":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/fatihsoysal.com\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"tr"},{"@type":["Person","Organization"],"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1","name":"Fatih Soysal","image":{"@type":"ImageObject","inLanguage":"tr","@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png","contentUrl":"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png","width":512,"height":512,"caption":"Fatih Soysal"},"logo":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/"},"description":"Kullan\u0131m ve kodlama m\u00fckemmeliyetini odak alan uygulamalar olu\u015fturma deneyimine sahip, profesyonel olarak 15+ y\u0131l \u00fczeri deneyime sahip bir yaz\u0131l\u0131m m\u00fchendisi.","url":"https:\/\/fatihsoysal.com\/blog\/author\/fatihsoysal\/"}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts\/31710","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/comments?post=31710"}],"version-history":[{"count":0,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts\/31710\/revisions"}],"wp:attachment":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/media?parent=31710"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/categories?post=31710"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/tags?post=31710"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}