Ki\u015fiselle\u015ftirilmi\u015f beslenme dan\u0131\u015fmanl\u0131\u011f\u0131na eri\u015fmek ve sa\u011fl\u0131kl\u0131 ya\u015fam hedeflerinize ula\u015fmak karma\u015f\u0131k olabilir. \u0130\u015fte tam bu noktada, yapay zeka destekli bir beslenme asistan\u0131 olan FatAdvisor projesinin temellerini atarak bu zorluklar\u0131n \u00fcstesinden nas\u0131l gelece\u011fimizi ke\u015ffedeceksiniz.<\/p>\n
Modern ya\u015fam\u0131n getirdi\u011fi yo\u011fun tempo, insanlar\u0131n sa\u011fl\u0131kl\u0131 beslenme al\u0131\u015fkanl\u0131klar\u0131 edinmesini veya s\u00fcrd\u00fcrmesini zorla\u015ft\u0131r\u0131yor. G\u00fcn i\u00e7inde ne yedi\u011fimizi takip etmek, makro ve mikro besin dengesini sa\u011flamak, ki\u015fisel hedeflerimize uygun diyetler olu\u015fturmak \u00e7o\u011fu zaman g\u00f6z\u00fcm\u00fczde b\u00fcy\u00fcyor. Fast food se\u00e7eneklerinin cazibesi, bilgi kirlili\u011fi ve uzman dan\u0131\u015fmanl\u0131k hizmetlerinin maliyeti de bu s\u00fcreci daha karma\u015f\u0131k hale getiren fakt\u00f6rlerden. Peki, bu kaotik ortamda bize rehberlik edebilecek, ki\u015fisel ihtiya\u00e7lar\u0131m\u0131za g\u00f6re uyarlanm\u0131\u015f, do\u011fru ve anl\u0131k geri bildirim sa\u011flayabilecek bir \u00e7\u00f6z\u00fcm m\u00fcmk\u00fcn m\u00fc? \u0130\u015fte tam da bu noktada, yapay zeka destekli bir beslenme asistan\u0131 olan FatAdvisor devreye giriyor. FatAdvisor, kullan\u0131c\u0131lar\u0131n g\u00fcnl\u00fck yiyecek al\u0131mlar\u0131n\u0131 analiz ederek, besin de\u011ferlerini hesaplayarak, ki\u015fisel hedefler (kilo kayb\u0131, kas kazan\u0131m\u0131, genel sa\u011fl\u0131k) do\u011frultusunda \u00f6neriler sunarak ve hatta potansiyel alerjenler veya besin eksiklikleri konusunda uyararak sa\u011fl\u0131kl\u0131 beslenme yolculu\u011funu kolayla\u015ft\u0131rmay\u0131 hedefliyor.<\/p>\n
Bu proje, sadece bir kalori takip uygulamas\u0131 olman\u0131n \u00f6tesine ge\u00e7erek, bir sohbet botu gibi kullan\u0131c\u0131yla do\u011fal bir dilde ileti\u015fim kurabilen, yemek foto\u011fraflar\u0131n\u0131 tan\u0131yabilen (ilerleyen a\u015famalarda) ve en \u00f6nemlisi, ki\u015fiye \u00f6zel adaptif beslenme planlar\u0131 olu\u015fturabilen bir sistem olmay\u0131 ama\u00e7l\u0131yor. D\u00fc\u015f\u00fcnsenize, ak\u015fam yeme\u011finde ne yiyece\u011finize karar veremedi\u011finizde, telefonunuza “Bug\u00fcn ne yesem?” diye sordu\u011funuzda, FatAdvisor size buzdolab\u0131n\u0131zdaki malzemelere, beslenme hedeflerinize ve hatta o g\u00fcnk\u00fc aktivite seviyenize g\u00f6re an\u0131nda bir tarif \u00f6neriyor. Veya bir restoranda men\u00fcye bakarken, hangi yeme\u011fin diyetinize en uygun oldu\u011funu an\u0131nda s\u00f6yleyebiliyor. Bu, beslenme dan\u0131\u015fmanl\u0131\u011f\u0131n\u0131 cebimize getiren, 7\/24 yan\u0131m\u0131zda olan bir ki\u015fisel ko\u00e7 gibi d\u00fc\u015f\u00fcn\u00fclebilir. Bu t\u00fcr bir sistem, sadece bireysel sa\u011fl\u0131k ve refah\u0131 art\u0131rmakla kalm\u0131yor, ayn\u0131 zamanda genel halk sa\u011fl\u0131\u011f\u0131na da \u00f6nemli katk\u0131lar sa\u011flayabilir. Kronik hastal\u0131klar\u0131n \u00f6nlenmesinden sporcular\u0131n performans\u0131n\u0131 art\u0131rmaya kadar geni\u015f bir yelpazede fayda sunma potansiyeli ta\u015f\u0131yor. Dolay\u0131s\u0131yla, evet, beslenme al\u0131\u015fkanl\u0131klar\u0131m\u0131z\u0131 k\u00f6kten de\u011fi\u015ftirebilecek, bize \u00f6zel \u00e7\u00f6z\u00fcmler sunan bir AI asistan\u0131na kesinlikle ihtiyac\u0131m\u0131z var ve FatAdvisor bu ihtiyac\u0131 kar\u015f\u0131lamak \u00fczere yola \u00e7\u0131k\u0131yor. Bu makale serisinin ilk b\u00f6l\u00fcm\u00fcnde, bu vizyonu ger\u00e7e\u011fe d\u00f6n\u00fc\u015ft\u00fcrecek sa\u011flam bir teknolojik temelin nas\u0131l at\u0131laca\u011f\u0131n\u0131 ad\u0131m ad\u0131m inceleyece\u011fiz.<\/p>\n
Her b\u00fcy\u00fck yaz\u0131l\u0131m projesi gibi, FatAdvisor’\u0131n da ba\u015far\u0131l\u0131 olabilmesi i\u00e7in sa\u011flam ve d\u00fc\u015f\u00fcn\u00fclm\u00fc\u015f bir temel mimariye ihtiyac\u0131 vard\u0131r. Bu temel, projenin sadece bug\u00fcnk\u00fc ihtiya\u00e7lar\u0131n\u0131 kar\u015f\u0131lamakla kalmay\u0131p, gelecekteki geni\u015flemeleri ve yeni \u00f6zellik entegrasyonlar\u0131n\u0131 da sorunsuz bir \u015fekilde destekleyebilmelidir. FatAdvisor i\u00e7in bu temel ta\u015flar\u0131 olu\u015ftururken, performans, g\u00fcvenlik, \u00f6l\u00e7eklenebilirlik ve kullan\u0131c\u0131 deneyimi gibi kritik fakt\u00f6rleri g\u00f6z \u00f6n\u00fcnde bulundurmal\u0131y\u0131z. Projemizin \u00e7ekirde\u011fini, .NET ekosisteminin g\u00fcc\u00fcn\u00fc kullanarak bir API katman\u0131, robust bir veri modellemesi ve gelecekteki yapay zeka entegrasyonlar\u0131na a\u00e7\u0131k bir yap\u0131 olu\u015fturacak \u015fekilde tasarlayaca\u011f\u0131z.<\/p>\n
\u0130lk olarak, API Katman\u0131<\/b> projenin beyni ve sinir sistemi olacak. Bu katman, hem mobil uygulamam\u0131zdan hem de web aray\u00fcz\u00fcm\u00fczden gelen t\u00fcm talepleri i\u015fleyecek, veri taban\u0131yla ileti\u015fim kuracak ve yapay zeka mod\u00fclleriyle entegrasyonu sa\u011flayacak. .NET Core, y\u00fcksek performans\u0131, \u00e7apraz platform deste\u011fi ve geni\u015f geli\u015ftirici toplulu\u011fu sayesinde bu katman i\u00e7in ideal bir se\u00e7im. RESTful prensiplerine uygun olarak tasarlanacak bir API, farkl\u0131 istemcilerle kolayca ileti\u015fim kurabilmemizi garantileyecek. \u0130kinci temel ta\u015f\u0131m\u0131z Veri Modellemesi ve Saklama<\/b>. Beslenme verileri olduk\u00e7a \u00e7e\u015fitlidir: kullan\u0131c\u0131 bilgileri, yiyecek maddeleri, \u00f6\u011f\u00fcnler, besin de\u011ferleri, alerjiler ve daha fazlas\u0131. Bu verilerin mant\u0131kl\u0131 ve ili\u015fkisel bir \u015fekilde modellenmesi, hem veri b\u00fct\u00fcnl\u00fc\u011f\u00fcn\u00fc sa\u011flamak hem de sorgulama performans\u0131n\u0131 optimize etmek a\u00e7\u0131s\u0131ndan hayati \u00f6neme sahip. \u0130li\u015fkisel bir veritaban\u0131 (\u00f6rne\u011fin SQL Server veya PostgreSQL) Entity Framework Core ile birlikte, bu karma\u015f\u0131k veri yap\u0131s\u0131n\u0131 y\u00f6netmek i\u00e7in g\u00fc\u00e7l\u00fc bir \u00e7\u00f6z\u00fcm sunuyor.<\/p>\n
\u00dc\u00e7\u00fcnc\u00fc ve belki de en heyecan verici temel ta\u015f ise Yapay Zeka Entegrasyonu<\/b>. FatAdvisor’\u0131 di\u011fer beslenme uygulamalar\u0131ndan ay\u0131ran en \u00f6nemli \u00f6zellik yapay zeka yetenekleri olacak. Bu ilk a\u015famada, Azure OpenAI gibi hizmetlerle temel bir entegrasyon kurarak, kullan\u0131c\u0131lardan do\u011fal dil girdilerini al\u0131p i\u015fleyebilecek ve basit beslenme tavsiyeleri veya sorulara yan\u0131tlar \u00fcretebilecek bir yap\u0131 in\u015fa edece\u011fiz. Bu entegrasyon, gelecekte makine \u00f6\u011frenimi modelleriyle daha derinlemesine ki\u015fiselle\u015ftirilmi\u015f \u00f6neriler sunman\u0131n kap\u0131lar\u0131n\u0131 aralayacak. Son olarak, Kullan\u0131c\u0131 Aray\u00fcz\u00fc (UI) ve Kullan\u0131c\u0131 Deneyimi (UX)<\/b> FatAdvisor’\u0131n benimsenmesi i\u00e7in kilit bir rol oynayacak. Temelleri atarken, API’mizin farkl\u0131 frontend teknolojileri (\u00f6rne\u011fin React, Angular, Vue.js veya .NET MAUI ile mobil uygulamalar) taraf\u0131ndan kolayca t\u00fcketilebilir olmas\u0131n\u0131 sa\u011flayaca\u011f\u0131z. Temiz, sezgisel ve eri\u015filebilir bir aray\u00fcz, kullan\u0131c\u0131lar\u0131n uygulamay\u0131 keyifle kullanmas\u0131n\u0131 sa\u011flayacak. Bu d\u00f6rt temel ta\u015f, FatAdvisor’\u0131n sadece bug\u00fcn de\u011fil, gelecekte de b\u00fcy\u00fcy\u00fcp geli\u015febilece\u011fi sa\u011flam bir zemin olu\u015fturacak. \u015eimdi bu temel ta\u015flar\u0131n her birini daha detayl\u0131 inceleyerek, projemizin in\u015faat\u0131na ba\u015flayal\u0131m.<\/p>\n.NET Core ile API Olu\u015fturma: Beslenme Verilerine Giden Yol<\/h3>\n
FatAdvisor projemizin bel kemi\u011fi olacak olan API katman\u0131n\u0131 olu\u015fturmakla i\u015fe ba\u015fl\u0131yoruz. Bu API, hem mobil hem de web uygulamalar\u0131ndan gelen t\u00fcm veri isteklerini i\u015fleyecek, i\u015f mant\u0131\u011f\u0131n\u0131 uygulayacak ve veritaban\u0131 ile yapay zeka servisleri aras\u0131nda bir k\u00f6pr\u00fc g\u00f6revi g\u00f6recektir. .NET Core, y\u00fcksek performans\u0131, esnek mimarisi ve zengin k\u00fct\u00fcphane deste\u011fi sayesinde bu g\u00f6rev i\u00e7in m\u00fckemmel bir se\u00e7imdir. Ad\u0131m ad\u0131m, FatAdvisor i\u00e7in temel bir .NET Core Web API projesi nas\u0131l ba\u015flat\u0131l\u0131r ve ilk endpoint’ler nas\u0131l olu\u015fturulur ona bakal\u0131m.<\/p>\n
\u0130lk olarak, sisteminizde .NET SDK’n\u0131n kurulu oldu\u011fundan emin olun. Visual Studio veya Visual Studio Code gibi bir IDE kullanarak yeni bir .NET Core Web API projesi olu\u015fturabiliriz. Komut sat\u0131r\u0131n\u0131 tercih edenler i\u00e7in a\u015fa\u011f\u0131daki komut yeterli olacakt\u0131r:<\/p>\n
\ndotnet new webapi -n FatAdvisorApi\ncd FatAdvisorApi\n<\/pre>\n<\/code><\/p>\n
Bu komut, FatAdvisorApi<\/code> ad\u0131nda yeni bir Web API projesi olu\u015fturur ve \u00e7al\u0131\u015fma dizinimizi bu projenin i\u00e7ine ta\u015f\u0131r. Proje yap\u0131s\u0131n\u0131 inceledi\u011finizde, Controllers<\/code> klas\u00f6r\u00fcnde \u00f6rnek bir WeatherForecastController.cs<\/code> dosyas\u0131 g\u00f6receksiniz. Bu, API'mizin nas\u0131l \u00e7al\u0131\u015faca\u011f\u0131n\u0131 g\u00f6steren iyi bir ba\u015flang\u0131\u00e7 noktas\u0131d\u0131r. Biz kendi beslenme verilerimiz i\u00e7in kontrolc\u00fcleri olu\u015fturaca\u011f\u0131z. \u00d6rne\u011fin, yiyecek maddelerini y\u00f6netmek i\u00e7in bir FoodItemsController<\/code> ve kullan\u0131c\u0131lar\u0131n beslenme kay\u0131tlar\u0131n\u0131 tutmak i\u00e7in bir NutritionLogsController<\/code> ihtiyac\u0131m\u0131z olacak.<\/p>\nTemel bir FoodItem<\/code> modeli tan\u0131mlayal\u0131m. Bu model, bir yiyecek maddesinin ad\u0131, kalorisi ve di\u011fer besin de\u011ferleri gibi \u00f6zelliklerini i\u00e7erecektir. A\u015fa\u011f\u0131da basit bir \u00f6rnek g\u00f6rebilirsiniz:<\/p>\n\n\/\/ Models\/FoodItem.cs\nnamespace FatAdvisorApi.Models\n{\n public class FoodItem\n {\n public int Id { get; set; }\n public string Name { get; set; }\n public double Calories { get; set; }\n public double Protein { get; set; }\n public double Carbohydrates { get; set; }\n public double Fat { get; set; }\n }\n}\n<\/pre>\n<\/code><\/p>\n
\u015eimdi, bu modele CRUD (Create, Read, Update, Delete) i\u015flemleri yapabilen bir kontrolc\u00fc olu\u015ftural\u0131m. Basit\u00e7e, t\u00fcm yiyecek maddelerini getiren bir GET endpoint'i ile ba\u015flayabiliriz:<\/p>\n
\n\/\/ Controllers\/FoodItemsController.cs\nusing Microsoft.AspNetCore.Mvc;\nusing System.Collections.Generic;\nusing FatAdvisorApi.Models; \/\/ Model dosyam\u0131z\u0131 dahil ediyoruz\n\nnamespace FatAdvisorApi.Controllers\n{\n [ApiController]\n [Route(\"[controller]\")]\n public class FoodItemsController : ControllerBase\n {\n private static List _foodItems = new List\n {\n new FoodItem { Id = 1, Name = \"Elma\", Calories = 52, Protein = 0.3, Carbohydrates = 14, Fat = 0.2 },\n new FoodItem { Id = 2, Name = \"Tavuk G\u00f6\u011fs\u00fc\", Calories = 165, Protein = 31, Carbohydrates = 0, Fat = 3.6 }\n };\n\n [HttpGet]\n public IEnumerable Get()\n {\n return _foodItems;\n }\n\n [HttpGet(\"{id}\")]\n public ActionResult GetById(int id)\n {\n var item = _foodItems.Find(f => f.Id == id);\n if (item == null)\n {\n return NotFound();\n }\n return item;\n }\n\n [HttpPost]\n public ActionResult Post(FoodItem newFoodItem)\n {\n newFoodItem.Id = _foodItems.Count > 0 ? _foodItems.Max(f => f.Id) + 1 : 1;\n _foodItems.Add(newFoodItem);\n return CreatedAtAction(nameof(GetById), new { id = newFoodItem.Id }, newFoodItem);\n }\n\n \/\/ Di\u011fer Put ve Delete i\u015flemleri de benzer \u015fekilde eklenebilir.\n }\n}\n<\/pre>\n<\/code><\/p>\n
Bu \u00f6rnekte, veritaban\u0131 entegrasyonu hen\u00fcz yap\u0131lmad\u0131\u011f\u0131 i\u00e7in verileri statik bir liste (_foodItems<\/code>) i\u00e7inde tutuyoruz. Ancak bu yap\u0131, API'mizin nas\u0131l \u00e7al\u0131\u015faca\u011f\u0131n\u0131 g\u00f6stermek i\u00e7in yeterlidir. [ApiController]<\/code> ve [Route(\"[controller]\")]<\/code> nitelikleri, bu s\u0131n\u0131f\u0131n bir API kontrolc\u00fcs\u00fc oldu\u011funu ve istekleri \/FoodItems<\/code> yolu \u00fczerinden kar\u015f\u0131layaca\u011f\u0131n\u0131 belirtir. [HttpGet]<\/code>, [HttpPost]<\/code> gibi nitelikler ise HTTP metotlar\u0131n\u0131 belirler. API'mizi \u00e7al\u0131\u015ft\u0131rmak i\u00e7in dotnet run<\/code> komutunu kullanabilir ve Swagger UI (varsay\u0131lan olarak gelir) \u00fczerinden endpoint'lerimizi test edebiliriz. Bu basit ba\u015flang\u0131\u00e7, FatAdvisor'\u0131n temel veri ak\u0131\u015f\u0131n\u0131 y\u00f6netecek API omurgas\u0131n\u0131 olu\u015fturmak i\u00e7in ilk ad\u0131md\u0131r. \u0130lerleyen a\u015famalarda, bu yap\u0131y\u0131 veritaban\u0131 entegrasyonu, kimlik do\u011frulama, yetkilendirme ve daha karma\u015f\u0131k i\u015f mant\u0131klar\u0131yla geni\u015fletece\u011fiz. Bu katman, FatAdvisor'\u0131n di\u011fer t\u00fcm mod\u00fcllerinin birbiriyle tutarl\u0131 ve verimli bir \u015fekilde konu\u015fmas\u0131n\u0131 sa\u011flayacak kritik bir bile\u015fendir.<\/p>\nVeri Modellemesi ve Saklanmas\u0131: Diyet Bilgilerini Nas\u0131l D\u00fczenlemeliyiz?<\/h3>\n
Herhangi bir beslenme uygulamas\u0131n\u0131n kalbinde, do\u011fru ve tutarl\u0131 bir \u015fekilde yap\u0131land\u0131r\u0131lm\u0131\u015f veri yatar. FatAdvisor i\u00e7in de bu durum ge\u00e7erli. Kullan\u0131c\u0131lar\u0131n beslenme al\u0131\u015fkanl\u0131klar\u0131n\u0131 anlamak, ki\u015fiselle\u015ftirilmi\u015f \u00f6neriler sunmak ve ilerlemeyi takip etmek i\u00e7in, verileri mant\u0131ksal bir d\u00fczende modellememiz ve g\u00fcvenli bir \u015fekilde saklamam\u0131z gerekiyor. Bu b\u00f6l\u00fcm, FatAdvisor i\u00e7in temel veri modellerini ve bu modelleri .NET ekosisteminde pop\u00fcler bir ORM (Object-Relational Mapper) olan Entity Framework Core ile nas\u0131l kullanaca\u011f\u0131m\u0131z\u0131 ele alacakt\u0131r.<\/p>\n
FatAdvisor i\u00e7in d\u00fc\u015f\u00fcnebilece\u011fimiz temel varl\u0131klar \u015funlard\u0131r:<\/p>\n
\n- User (Kullan\u0131c\u0131):<\/strong> Uygulamay\u0131 kullanan bireyin temel bilgileri (Id, Ad, Soyad, E-posta, Ya\u015f, Cinsiyet, Boy, Kilo, Aktivite Seviyesi, Hedef Kilo vb.).<\/li>\n
- FoodItem (Yiyecek Maddesi):<\/strong> Besin veri taban\u0131m\u0131zda yer alan her bir yiyecek maddesi (Id, Ad, Kalori, Protein, Karbonhidrat, Ya\u011f, Lif, Porsiyon Boyutu vb.).<\/li>\n
- Meal (\u00d6\u011f\u00fcn):<\/strong> Kullan\u0131c\u0131n\u0131n belirli bir zamanda t\u00fcketti\u011fi bir veya birden fazla yiyecek maddesinin birle\u015fimi (Id, Kullan\u0131c\u0131Id, Tarih, Saat, \u00d6\u011f\u00fcn Tipi - Kahvalt\u0131, \u00d6\u011fle Yeme\u011fi, Ak\u015fam Yeme\u011fi, Ara \u00d6\u011f\u00fcn).<\/li>\n
- NutritionLog (Beslenme Kayd\u0131):<\/strong> Bir \u00f6\u011f\u00fcn i\u00e7indeki belirli bir yiyecek maddesinin ve t\u00fcketilen miktar\u0131n\u0131n detay\u0131 (Id, \u00d6\u011f\u00fcnId, YiyecekMaddesiId, Miktar, Birim).<\/li>\n
- UserGoal (Kullan\u0131c\u0131 Hedefi):<\/strong> Kullan\u0131c\u0131n\u0131n kilo kayb\u0131, kas kazan\u0131m\u0131 gibi beslenme hedefleri ve bu hedeflere ula\u015fmak i\u00e7in gerekli makro besin da\u011f\u0131l\u0131mlar\u0131.<\/li>\n<\/ol>\n
Bu varl\u0131klar\u0131 C# s\u0131n\u0131flar\u0131 olarak modelleyebiliriz. \u0130\u015fte birka\u00e7 \u00f6rnek:<\/p>\n
\n\/\/ Models\/User.cs\nnamespace FatAdvisorApi.Models\n{\n public class User\n {\n public int Id { get; set; }\n public string FirstName { get; set; }\n public string LastName { get; set; }\n public string Email { get; set; }\n public int Age { get; set; }\n public string Gender { get; set; } \/\/ \"Male\" veya \"Female\"\n public double HeightCm { get; set; }\n public double WeightKg { get; set; }\n public string ActivityLevel { get; set; } \/\/ \"Sedentary\", \"LightlyActive\", etc.\n public double TargetWeightKg { get; set; }\n\n \/\/ \u0130li\u015fkisel \u00f6zellikler\n public ICollection Meals { get; set; }\n public ICollection Goals { get; set; }\n }\n}\n\n\/\/ Models\/Meal.cs\nnamespace FatAdvisorApi.Models\n{\n public class Meal\n {\n public int Id { get; set; }\n public int UserId { get; set; }\n public DateTime MealDateTime { get; set; }\n public string MealType { get; set; } \/\/ e.g., \"Breakfast\", \"Lunch\", \"Dinner\", \"Snack\"\n\n \/\/ \u0130li\u015fkisel \u00f6zellikler\n public User User { get; set; }\n public ICollection NutritionLogs { get; set; }\n }\n}\n<\/pre>\n<\/code><\/p>\n
Veritaban\u0131 olarak SQL Server, PostgreSQL veya MySQL gibi ili\u015fkisel bir veritaban\u0131 tercih edebiliriz. .NET Core ekosisteminde, Entity Framework Core (EF Core) bu C# modellerini veritaban\u0131 tablolar\u0131na d\u00f6n\u00fc\u015ft\u00fcrmek ve bu tablolarla etkile\u015fim kurmak i\u00e7in harika bir ara\u00e7t\u0131r. EF Core, kodumuzdan veritaban\u0131 i\u015flemlerini soyutlayarak, SQL sorgular\u0131 yazmak yerine LINQ (Language Integrated Query) kullanarak verilerle \u00e7al\u0131\u015fmam\u0131z\u0131 sa\u011flar.<\/p>\n
EF Core'u projemize entegre etmek i\u00e7in gerekli NuGet paketlerini kurmam\u0131z gerekir:<\/p>\n
\ndotnet add package Microsoft.EntityFrameworkCore.SqlServer \/\/ veya .PostgreSQL, .Sqlite\ndotnet add package Microsoft.EntityFrameworkCore.Tools\n<\/pre>\n<\/code><\/p>\n
Daha sonra, uygulaman\u0131n veritaban\u0131yla nas\u0131l etkile\u015fim kuraca\u011f\u0131n\u0131 tan\u0131mlayan bir DbContext<\/code> s\u0131n\u0131f\u0131 olu\u015fturmal\u0131y\u0131z:<\/p>\n\n\/\/ Data\/ApplicationDbContext.cs\nusing Microsoft.EntityFrameworkCore;\nusing FatAdvisorApi.Models;\n\nnamespace FatAdvisorApi.Data\n{\n public class ApplicationDbContext : DbContext\n {\n public ApplicationDbContext(DbContextOptions options)\n : base(options)\n {\n }\n\n public DbSet Users { get; set; }\n public DbSet FoodItems { get; set; }\n public DbSet Meals { get; set; }\n public DbSet NutritionLogs { get; set; }\n\n protected override void OnModelCreating(ModelBuilder modelBuilder)\n {\n \/\/ \u0130li\u015fkileri ve k\u0131s\u0131tlamalar\u0131 burada tan\u0131mlayabiliriz\n modelBuilder.Entity()\n .HasMany(u => u.Meals)\n .WithOne(m => m.User)\n .HasForeignKey(m => m.UserId);\n \n \/\/ Di\u011fer ili\u015fkiler...\n }\n }\n}\n<\/pre>\n<\/code><\/p>\n
Startup.cs<\/code> veya .NET 6+ ile Program.cs<\/code> dosyas\u0131nda veritaban\u0131 ba\u011flant\u0131 dizesini yap\u0131land\u0131rmam\u0131z ve ApplicationDbContext<\/code>'i servislere eklememiz gerekecektir:<\/p>\n\n\/\/ Program.cs (\u00f6rnek .NET 6+)\nusing Microsoft.EntityFrameworkCore;\nusing FatAdvisorApi.Data;\n\nvar builder = WebApplication.CreateBuilder(args);\n\n\/\/ DbContext'i servislere ekleme\nbuilder.Services.AddDbContext(options =>\n options.UseSqlServer(builder.Configuration.GetConnectionString(\"DefaultConnection\")));\n\n\/\/ Di\u011fer servisler ve middleware'ler...\n<\/pre>\n<\/code><\/p>\n
appsettings.json<\/code> dosyam\u0131zda ise ba\u011flant\u0131 dizemizi tan\u0131mlar\u0131z:<\/p>\n\n{\n \"ConnectionStrings\": {\n \"DefaultConnection\": \"Server=(localdb)\\\\mssqllocaldb;Database=FatAdvisorDb;Trusted_Connection=True;MultipleActiveResultSets=true\"\n },\n \/\/ Di\u011fer ayarlar...\n}\n<\/pre>\n<\/code><\/p>\n
Veritaban\u0131 tablolar\u0131n\u0131 olu\u015fturmak i\u00e7in EF Core Migrations'\u0131 kullanaca\u011f\u0131z. Komut sat\u0131r\u0131ndan a\u015fa\u011f\u0131daki komutlar\u0131 \u00e7al\u0131\u015ft\u0131rarak ilk migrasyonu olu\u015fturabilir ve veritaban\u0131n\u0131 g\u00fcncelleyebiliriz:<\/p>\n
\ndotnet ef migrations add InitialCreate\ndotnet ef database update\n<\/pre>\n<\/code><\/p>\n
Bu ad\u0131mlar, FatAdvisor'\u0131n t\u00fcm beslenme verilerini tutarl\u0131, g\u00fcvenli ve kolayca eri\u015filebilir bir \u015fekilde depolamas\u0131n\u0131 sa\u011flayacak sa\u011flam bir veritaban\u0131 altyap\u0131s\u0131 kurmam\u0131za olanak tan\u0131r. Do\u011fru veri modellemesi, uygulaman\u0131n performans\u0131, \u00f6l\u00e7eklenebilirli\u011fi ve en \u00f6nemlisi, yapay zeka mod\u00fcllerinin do\u011fru ve anlaml\u0131 verilerle \u00e7al\u0131\u015fabilmesi i\u00e7in kritik \u00f6neme sahiptir.<\/p>\n
\n Uzman \u0130pucu: Veri modellemesini yaparken, gelecekteki olas\u0131 geni\u015fletmeleri (\u00f6rne\u011fin tarifler, alerjen bilgileri, porsiyon boyutlar\u0131) g\u00f6z \u00f6n\u00fcnde bulundurarak esnek bir yap\u0131 kurmaya \u00e7al\u0131\u015f\u0131n. Bu, ileride yap\u0131lacak de\u011fi\u015fikliklerin maliyetini azaltacakt\u0131r. Ayr\u0131ca, s\u0131k\u00e7a sorgulanan veriler i\u00e7in indekslemeyi unutmay\u0131n!\n<\/div>\nYapay Zeka Entegrasyonuna \u0130lk Ad\u0131mlar: Azure OpenAI ile Konu\u015fma Nas\u0131l Ba\u015flar?<\/h2>\n
FatAdvisor'\u0131 di\u011fer beslenme takip uygulamalar\u0131ndan ay\u0131ran en \u00f6nemli \u00f6zelliklerden biri, do\u011fal dil i\u015fleme yetenekleri sayesinde kullan\u0131c\u0131larla etkile\u015fim kurabilen ve ak\u0131ll\u0131 \u00f6neriler sunabilen bir yapay zeka ajan\u0131 olmas\u0131d\u0131r. Bu yapay zeka yeteneklerini uygulamaya entegre etmek i\u00e7in, Microsoft Azure OpenAI hizmetlerinden yararlanaca\u011f\u0131z. Azure OpenAI, OpenAI'\u0131n g\u00fc\u00e7l\u00fc dil modelleri olan GPT-3, GPT-4 ve DALL-E gibi modelleri Azure'\u0131n g\u00fcvenlik, kurumsal yetenekleri ve \u00f6l\u00e7eklenebilirli\u011fi ile sunar. Bu b\u00f6l\u00fcmde, FatAdvisor API'mizi Azure OpenAI ile nas\u0131l konu\u015fturaca\u011f\u0131m\u0131z\u0131 ve yapay zeka entegrasyonuna ilk ad\u0131mlar\u0131 nas\u0131l ataca\u011f\u0131m\u0131z\u0131 ke\u015ffedece\u011fiz.<\/p>\n
\u00d6ncelikle, bir Azure aboneli\u011finizin olmas\u0131 ve Azure OpenAI hizmetine eri\u015fiminiz bulunmas\u0131 gerekmektedir. Azure portal\u0131nda bir Azure OpenAI kayna\u011f\u0131 olu\u015fturduktan sonra, bir da\u011f\u0131t\u0131m (deployment) olu\u015fturman\u0131z ve bir model (\u00f6rne\u011fin gpt-35-turbo<\/code>) se\u00e7meniz gerekecektir. Bu da\u011f\u0131t\u0131m, API'mizin yapay zeka isteklerini g\u00f6nderece\u011fi endpoint ve anahtarlar\u0131 sa\u011flayacakt\u0131r. API'mizin bu hizmetle ileti\u015fim kurabilmesi i\u00e7in bir API anahtar\u0131na ve endpoint URL'sine ihtiyac\u0131m\u0131z olacak.<\/p>\nFatAdvisor API'sinde Azure OpenAI ile ileti\u015fim kurmak i\u00e7in HttpClient<\/code> s\u0131n\u0131f\u0131n\u0131 kullanabiliriz. Basit bir ChatGPTService<\/code> veya OpenAIService<\/code> s\u0131n\u0131f\u0131 olu\u015fturarak bu entegrasyonu soyutlayabiliriz:<\/p>\n\n\/\/ Services\/OpenAIService.cs\nusing System.Net.Http;\nusing System.Text;\nusing System.Text.Json;\nusing System.Threading.Tasks;\nusing Microsoft.Extensions.Configuration; \/\/ IConfiguration i\u00e7in\n\nnamespace FatAdvisorApi.Services\n{\n public class OpenAIService\n {\n private readonly HttpClient _httpClient;\n private readonly IConfiguration _configuration;\n private readonly string _endpoint;\n private readonly string _apiKey;\n private readonly string _deploymentName; \/\/ \u00d6rne\u011fin \"gpt-35-turbo\"\n\n public OpenAIService(HttpClient httpClient, IConfiguration configuration)\n {\n _httpClient = httpClient;\n _configuration = configuration;\n _endpoint = _configuration[\"AzureOpenAI:Endpoint\"];\n _apiKey = _configuration[\"AzureOpenAI:ApiKey\"];\n _deploymentName = _configuration[\"AzureOpenAI:DeploymentName\"]; \/\/ appsettings.json'dan okunacak\n _httpClient.DefaultRequestHeaders.Add(\"api-key\", _apiKey);\n }\n\n public async Task GetNutritionAdviceAsync(string prompt)\n {\n \/\/ Azure OpenAI Chat Completions API i\u00e7in istek URL'si\n var requestUrl = $\"{_endpoint}openai\/deployments\/{_deploymentName}\/chat\/completions?api-version=2023-05-15\";\n\n var requestBody = new\n {\n messages = new[]\n {\n new { role = \"system\", content = \"You are a helpful nutrition assistant named FatAdvisor. Provide concise and healthy food advice.\" },\n new { role = \"user\", content = prompt }\n },\n max_tokens = 150, \/\/ Yan\u0131t\u0131n uzunlu\u011funu s\u0131n\u0131rlar\n temperature = 0.7 \/\/ Yarat\u0131c\u0131l\u0131k seviyesi\n };\n\n var jsonContent = new StringContent(\n JsonSerializer.Serialize(requestBody),\n Encoding.UTF8,\n \"application\/json\"\n );\n\n var response = await _httpClient.PostAsync(requestUrl, jsonContent);\n\n if (response.IsSuccessStatusCode)\n {\n var responseContent = await response.Content.ReadAsStringAsync();\n var jsonResponse = JsonDocument.Parse(responseContent);\n \/\/ Yan\u0131ttan mesaj i\u00e7eri\u011fini \u00e7ekme\n var messageContent = jsonResponse.RootElement\n .GetProperty(\"choices\")[0]\n .GetProperty(\"message\")\n .GetProperty(\"content\")\n .GetString();\n return messageContent;\n }\n else\n {\n var errorContent = await response.Content.ReadAsStringAsync();\n \/\/ Hata y\u00f6netimini iyile\u015ftirmek \u00f6nemlidir.\n return $\"API iste\u011fi ba\u015far\u0131s\u0131z oldu: {response.StatusCode} - {errorContent}\";\n }\n }\n }\n}\n<\/pre>\n<\/code><\/p>\n
Bu OpenAIService<\/code> s\u0131n\u0131f\u0131n\u0131 Program.cs<\/code> dosyam\u0131zda ba\u011f\u0131ml\u0131l\u0131k enjeksiyonu (dependency injection) i\u00e7in kaydedebiliriz:<\/p>\n\n\/\/ Program.cs\n\/\/ ...\nbuilder.Services.AddHttpClient(); \/\/ HttpClient'\u0131 OpenAIService i\u00e7in kaydet\nbuilder.Services.AddScoped(); \/\/ OpenAIService'i DI konteynerine ekle\n\/\/ ...\n<\/pre>\n<\/code><\/p>\n
appsettings.json<\/code> dosyam\u0131zda ise Azure OpenAI yap\u0131land\u0131rmas\u0131n\u0131 saklar\u0131z:<\/p>\n\n{\n \"AzureOpenAI\": {\n \"Endpoint\": \"https:\/\/[your-resource-name].openai.azure.com\/\",\n \"ApiKey\": \"YOUR_AZURE_OPENAI_KEY\",\n \"DeploymentName\": \"gpt-35-turbo\" \/\/ Veya kulland\u0131\u011f\u0131n\u0131z modelin da\u011f\u0131t\u0131m ad\u0131\n },\n \/\/ ...\n}\n<\/pre>\n<\/code><\/p>\n
Son olarak, API kontrolc\u00fclerimizde bu servisi kullanarak AI destekli yan\u0131tlar alabiliriz:<\/p>\n
\n\/\/ Controllers\/NutritionController.cs (\u00f6rnek)\nusing Microsoft.AspNetCore.Mvc;\nusing FatAdvisorApi.Services;\nusing System.Threading.Tasks;\n\nnamespace FatAdvisorApi.Controllers\n{\n [ApiController]\n [Route(\"[controller]\")]\n public class NutritionController : ControllerBase\n {\n private readonly OpenAIService _openAIService;\n\n public NutritionController(OpenAIService openAIService)\n {\n _openAIService = openAIService;\n }\n\n [HttpGet(\"advice\")]\n public async Task GetNutritionAdvice([FromQuery] string query)\n {\n if (string.IsNullOrWhiteSpace(query))\n {\n return BadRequest(\"L\u00fctfen bir beslenme sorgusu sa\u011flay\u0131n.\");\n }\n\n var advice = await _openAIService.GetNutritionAdviceAsync(query);\n return Ok(new { Advice = advice });\n }\n }\n}\n<\/pre>\n<\/code><\/p>\n
Bu sayede, kullan\u0131c\u0131lar \/Nutrition\/advice?query=bugun+ne+yemeliyim<\/code> gibi bir istek g\u00f6nderdi\u011finde, Azure OpenAI bu sorguyu i\u015fleyecek ve FatAdvisor ad\u0131na bir yan\u0131t \u00fcretecektir. Bu entegrasyon, FatAdvisor'a do\u011fal dil anlama ve \u00fcretme yetene\u011fi kazand\u0131rarak, kullan\u0131c\u0131 deneyimini \u00f6nemli \u00f6l\u00e7\u00fcde zenginle\u015ftirecek ilk ad\u0131md\u0131r. \u0130lerleyen a\u015famalarda, bu yap\u0131y\u0131 kullanarak daha karma\u015f\u0131k sorgular\u0131 i\u015fleyebilir, ki\u015fiselle\u015ftirilmi\u015f tarifler \u00f6nerebilir ve hatta kullan\u0131c\u0131lar\u0131n hedefleri do\u011frultusunda dinamik diyet planlar\u0131 olu\u015fturabiliriz.<\/p>\n\n Uzman \u0130pucu: Azure OpenAI modelleri ile etkile\u015fim kurarken \"prompt m\u00fchendisli\u011fi\" kritik \u00f6neme sahiptir. Modellerden daha iyi yan\u0131tlar almak i\u00e7in prompt'lar\u0131n\u0131z\u0131 net, spesifik ve ba\u011flam a\u00e7\u0131s\u0131ndan zengin tutmaya \u00f6zen g\u00f6sterin. Sistem mesajlar\u0131n\u0131 kullanarak modelin ki\u015fili\u011fini ve amac\u0131n\u0131 belirlemek, tutarl\u0131 yan\u0131tlar alman\u0131z\u0131 sa\u011flar.\n<\/div>\nMobil ve Web Uyumlulu\u011fu: FatAdvisor Her Cihazda Nas\u0131l \u00c7al\u0131\u015f\u0131r?<\/h3>\n
G\u00fcn\u00fcm\u00fcz d\u00fcnyas\u0131nda kullan\u0131c\u0131lar, bir uygulamaya farkl\u0131 cihazlardan (ak\u0131ll\u0131 telefonlar, tabletler, diz\u00fcst\u00fc bilgisayarlar) sorunsuz bir \u015fekilde eri\u015fmeyi beklerler. FatAdvisor'\u0131n da geni\u015f bir kitleye ula\u015fabilmesi ve \u00fcst\u00fcn bir kullan\u0131c\u0131 deneyimi sunabilmesi i\u00e7in mobil ve web uyumlulu\u011funa sahip olmas\u0131 hayati \u00f6neme sahiptir. API'mizi .NET Core ile olu\u015fturarak, arka u\u00e7 (backend) taraf\u0131nda zaten platformdan ba\u011f\u0131ms\u0131z bir temel att\u0131k. \u015eimdi s\u0131ra, bu API ile etkile\u015fime girecek olan \u00f6n u\u00e7 (frontend) katman\u0131n\u0131n her cihazda sorunsuz \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flamakta. Bu, kullan\u0131c\u0131 aray\u00fcz\u00fc (UI) ve kullan\u0131c\u0131 deneyimi (UX) tasar\u0131m\u0131nda responsive (duyarl\u0131) tasar\u0131m prensiplerini benimsemeyi ve potansiyel olarak \u00e7apraz platform mobil geli\u015ftirme teknolojilerini kullanmay\u0131 gerektirir.<\/p>\n