B\u00fcy\u00fck dil modellerinin (LLM) y\u00fckseli\u015fiyle birlikte, yapay zeka uygulamalar\u0131n\u0131n karma\u015f\u0131kl\u0131\u011f\u0131 da art\u0131yor. Ancak bu g\u00fc\u00e7, beraberinde \u00f6nemli bir zorluk getiriyor: Bellek y\u00f6netimi. \u00d6zellikle Claude gibi uzun ba\u011flam pencerelerine sahip modellerde, oturum boyunca tutulan bilgilerin etkin bir \u015fekilde y\u00f6netilmesi, performans ve maliyet a\u00e7\u0131s\u0131ndan kritik \u00f6neme sahiptir. Bu makalede, Claude’un Oturum Belle\u011fi (Session Memory) ve G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma (Safe Compaction) mekanizmalar\u0131n\u0131 derinlemesine inceleyerek, bu tekniklerin yapay zeka uygulamalar\u0131n\u0131 nas\u0131l daha verimli hale getirdi\u011fini ke\u015ffedece\u011fiz.<\/p>\n
Yapay zeka modelleri, \u00f6zellikle de b\u00fcy\u00fck dil modelleri (LLM’ler), operasyonlar\u0131 s\u0131ras\u0131nda muazzam miktarda veri i\u015fler ve saklar. Bu veriler, modelin parametrelerinden (milyarlarca olabilir), kullan\u0131c\u0131n\u0131n sa\u011flad\u0131\u011f\u0131 girdi ba\u011flam\u0131na (prompt) ve modelin \u00fcretti\u011fi ara sonu\u00e7lara kadar geni\u015f bir yelpazeyi kapsar. Geleneksel yaz\u0131l\u0131m uygulamalar\u0131nda bellek y\u00f6netimi, performans\u0131 ve kaynak kullan\u0131m\u0131n\u0131 do\u011frudan etkileyen temel bir konu olsa da, LLM’ler s\u00f6z konusu oldu\u011funda bu \u00f6nem katlanarak artar. Peki, neden bu kadar kritik?<\/p>\n
\u0130lk olarak, kaynak k\u0131s\u0131tlamalar\u0131<\/strong> \u00f6nemli bir fakt\u00f6rd\u00fcr. LLM’ler genellikle y\u00fcksek performansl\u0131 GPU’lar \u00fczerinde \u00e7al\u0131\u015f\u0131r ve bu GPU’lar\u0131n VRAM (Video RAM) kapasitesi s\u0131n\u0131rl\u0131d\u0131r. Modelin ba\u011flam penceresi (context window) b\u00fcy\u00fcd\u00fck\u00e7e, yani modelin tek bir seferde i\u015fleyebilece\u011fi veya “hat\u0131rlayabilece\u011fi” bilgi miktar\u0131 artt\u0131k\u00e7a, VRAM \u00fczerindeki y\u00fck de orant\u0131l\u0131 olarak artar. Yetersiz bellek, modelin daha yava\u015f \u00e7al\u0131\u015fmas\u0131na, hatta bellek d\u0131\u015f\u0131 (out-of-memory) hatalar\u0131 vererek \u00e7\u00f6kmesine neden olabilir. Bu durum, \u00f6zellikle ger\u00e7ek zamanl\u0131 veya y\u00fcksek hacimli uygulamalarda kabul edilemezdir.<\/p>\n \u0130kinci olarak, performans \u00fczerindeki do\u011frudan etki<\/strong> g\u00f6z ard\u0131 edilemez. Bellek, i\u015flemci ile veri al\u0131\u015fveri\u015finin yap\u0131ld\u0131\u011f\u0131 yerdir. Bellek eri\u015fim h\u0131zlar\u0131, genel i\u015flem h\u0131z\u0131n\u0131 b\u00fcy\u00fck \u00f6l\u00e7\u00fcde etkiler. E\u011fer bir model, ihtiya\u00e7 duydu\u011fu verilere h\u0131zl\u0131 bir \u015fekilde eri\u015femezse (\u00f6rne\u011fin, veriler daha yava\u015f bir depolama biriminde tutuluyorsa veya bellek i\u00e7inde da\u011f\u0131n\u0131k bir \u015fekilde organize edilmi\u015fse), bu durum gecikmelere (latency) yol a\u00e7ar. Uzun ba\u011flam pencereleri, modelin daha fazla veriyi ayn\u0131 anda i\u015fleyebilmesini sa\u011flasa da, bu verilerin etkin bir \u015fekilde y\u00f6netilmemesi, beklenen performans art\u0131\u015f\u0131n\u0131 engeller. Ayr\u0131ca, bellekten s\u00fcrekli veri okuma ve yazma i\u015flemleri, GPU’nun di\u011fer hesaplama g\u00f6revlerini yapma yetene\u011fini de k\u0131s\u0131tlayabilir.<\/p>\n \u00dc\u00e7\u00fcnc\u00fc olarak, maliyet fakt\u00f6r\u00fc<\/strong> b\u00fcy\u00fck bir rol oynar. Bulut tabanl\u0131 yapay zeka hizmetleri genellikle kullan\u0131lan i\u015flem g\u00fcc\u00fc ve bellek miktar\u0131na g\u00f6re \u00fccretlendirilir. Daha fazla bellek kullanan veya bellek y\u00f6netimi verimsiz olan bir uygulama, daha y\u00fcksek i\u015fletme maliyetlerine yol a\u00e7ar. \u00d6zellikle b\u00fcy\u00fck \u00f6l\u00e7ekli LLM da\u011f\u0131t\u0131mlar\u0131nda, bellek verimlili\u011findeki k\u00fc\u00e7\u00fck iyile\u015ftirmeler bile uzun vadede \u00f6nemli maliyet tasarruflar\u0131 sa\u011flayabilir. Bu nedenle, geli\u015ftiriciler ve \u015firketler i\u00e7in bellek y\u00f6netimini optimize etmek sadece teknik bir gereklilik de\u011fil, ayn\u0131 zamanda finansal bir zorunluluktur.<\/p>\n Son olarak, kullan\u0131c\u0131 deneyimi<\/strong> do\u011frudan etkilenir. Yava\u015f yan\u0131t s\u00fcreleri, tak\u0131lmalar veya uygulama \u00e7\u00f6kmeleri, son kullan\u0131c\u0131lar i\u00e7in olumsuz bir deneyim yarat\u0131r. \u00d6zellikle sohbet botlar\u0131 veya etkile\u015fimli yapay zeka uygulamalar\u0131nda, ak\u0131c\u0131 ve kesintisiz bir deneyim sunmak i\u00e7in bellek y\u00f6netiminin kusursuz olmas\u0131 gerekir. Bellek y\u00f6netimindeki aksakl\u0131klar, modelin \u00f6nceki diyaloglar\u0131 unutmas\u0131na veya tutars\u0131z yan\u0131tlar vermesine de yol a\u00e7abilir, bu da kullan\u0131c\u0131 memnuniyetini d\u00fc\u015f\u00fcr\u00fcr. Bu nedenlerden dolay\u0131, Claude gibi geli\u015fmi\u015f LLM’lerde bellek y\u00f6netimi, sadece bir teknik detay olmaktan \u00f6te, modelin genel ba\u015far\u0131s\u0131n\u0131 ve kabul\u00fcn\u00fc belirleyen temel bir unsurdur.<\/p>\n B\u00fcy\u00fck dil modelleriyle etkile\u015fim kurarken, \u00f6zellikle uzun s\u00fcreli diyaloglar veya \u00e7ok ad\u0131ml\u0131 g\u00f6revlerde, modelin \u00f6nceki konu\u015fmalar\u0131 veya i\u015flemleri “hat\u0131rlamas\u0131” hayati \u00f6nem ta\u015f\u0131r. \u0130\u015fte bu noktada Oturum Belle\u011fi (Session Memory) devreye girer. Oturum belle\u011fi, bir kullan\u0131c\u0131 ile yapay zeka modeli aras\u0131ndaki etkile\u015fim s\u00fcresince, modelin belirli bilgileri, tercihleri veya ba\u011flam\u0131 hat\u0131rlamas\u0131n\u0131 sa\u011flayan mekanizmad\u0131r. Claude \u00f6zelinde bu, modelin uzun ba\u011flam pencerelerinden en iyi \u015fekilde yararlanmas\u0131n\u0131 sa\u011flayan, ancak ayn\u0131 zamanda bellek ayak izini de y\u00f6neten ak\u0131ll\u0131 bir yakla\u015f\u0131md\u0131r.<\/p>\n Geleneksel LLM’lerde, her yeni istek (request) genellikle ba\u011f\u0131ms\u0131z bir i\u015flem olarak ele al\u0131n\u0131r. Yani, bir \u00f6nceki etkile\u015fimin bilgisi, a\u00e7\u0131k\u00e7a belirtilmedik\u00e7e veya belirli tekniklerle tekrar sa\u011flanmad\u0131k\u00e7a model taraf\u0131ndan “unutulur”. Bu durum, k\u0131sa ve tek seferlik sorgular i\u00e7in sorun te\u015fkil etmezken, bir m\u00fc\u015fteri hizmetleri botuyla yap\u0131lan uzun bir sohbet, bir kodlama asistan\u0131yla ad\u0131m ad\u0131m bir proje geli\u015ftirme veya bir e\u011fitim arac\u0131yla karma\u015f\u0131k bir konuyu \u00f6\u011frenme gibi senaryolarda ciddi s\u0131n\u0131rlamalara yol a\u00e7ar. Kullan\u0131c\u0131n\u0131n her seferinde ayn\u0131 bilgiyi tekrar etmesi veya modelin s\u00fcrekli olarak \u00f6nceki ba\u011flam\u0131 yeniden \u00f6\u011frenmek zorunda kalmas\u0131, hem verimsiz hem de sinir bozucu bir deneyim yarat\u0131r.<\/p>\n Claude’un Oturum Belle\u011fi mimarisi, bu sorunu \u00e7\u00f6zmek i\u00e7in tasarlanm\u0131\u015ft\u0131r. Temel olarak, bir oturum belle\u011fi, kullan\u0131c\u0131 ile model aras\u0131ndaki diyalog boyunca \u00f6nemli bilgileri, anahtar kararlar\u0131 ve \u00f6nceki \u00e7\u0131kt\u0131lar\u0131 depolar. Bu depolama, modelin sonraki yan\u0131tlar\u0131n\u0131 olu\u015ftururken bu bilgilere ba\u015fvurmas\u0131n\u0131 sa\u011flar. \u00d6rne\u011fin, bir kullan\u0131c\u0131 “En sevdi\u011fim renk mavi” dedi\u011finde, oturum belle\u011fi bu bilgiyi saklar ve daha sonra “En sevdi\u011fin renkle ilgili ne yapabilirim?” gibi bir soruya yan\u0131t verirken bu bilgiyi kullanabilir. Bu, modelin daha tutarl\u0131, ki\u015fiselle\u015ftirilmi\u015f ve ba\u011flama uygun yan\u0131tlar \u00fcretmesine olanak tan\u0131r.<\/p>\n Oturum belle\u011fi, sadece do\u011frudan s\u00f6ylenmi\u015f bilgileri de\u011fil, ayn\u0131 zamanda diyalogdan \u00e7\u0131kar\u0131lan \u00f6rt\u00fck bilgileri de i\u00e7erebilir. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n belirli bir \u00fcr\u00fcne olan ilgisi, \u00fcr\u00fcn hakk\u0131nda sordu\u011fu sorular\u0131n s\u0131kl\u0131\u011f\u0131ndan veya tonlamas\u0131ndan anla\u015f\u0131labilir ve bu bilgi oturum belle\u011fine eklenebilir. Bu sayede, model daha proaktif ve \u00f6ng\u00f6r\u00fcl\u00fc bir \u015fekilde etkile\u015fim kurabilir.<\/p>\n <\/code>\n<\/div>\n Bu \u00f6rnekte, Oturum belle\u011fi, yapay zeka modellerinin uzun s\u00fcreli ve ba\u011flama duyarl\u0131 etkile\u015fimler kurmas\u0131n\u0131 sa\u011flarken, bu belle\u011fin s\u0131n\u0131rs\u0131z b\u00fcy\u00fcmesi hem performans sorunlar\u0131na hem de y\u00fcksek maliyetlere yol a\u00e7ar. \u0130\u015fte bu noktada Claude'un \"G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma\" (Safe Compaction) mekanizmas\u0131 devreye girer. G\u00fcvenli s\u0131k\u0131\u015ft\u0131rma, oturum belle\u011findeki bilgileri, \u00f6nemli detaylar\u0131 kaybetmeden ve modelin ba\u011flam\u0131 anlama yetene\u011fini zay\u0131flatmadan optimize etme s\u00fcrecidir. Buradaki \"g\u00fcvenli\" kelimesi, bu i\u015flemin bilgi b\u00fct\u00fcnl\u00fc\u011f\u00fcn\u00fc koruyarak yap\u0131ld\u0131\u011f\u0131na vurgu yapar.<\/p>\n Neden s\u0131k\u0131\u015ft\u0131rmaya ihtiya\u00e7 duyar\u0131z? Her diyalog ad\u0131m\u0131 veya her yeni bilgi par\u00e7as\u0131, modelin belle\u011finde yer kaplar. Uzun s\u00fcreli etkile\u015fimlerde, bu bellek zamanla \u015fi\u015fer. Modelin her yeni girdi i\u00e7in t\u00fcm ge\u00e7mi\u015f ba\u011flam\u0131 i\u015flemesi gerekti\u011finde, hesaplama maliyeti ve gecikme artar. Ayr\u0131ca, modelin ba\u011flam penceresi belirli bir token (kelime veya alt kelime birimi) say\u0131s\u0131yla s\u0131n\u0131rl\u0131d\u0131r. E\u011fer oturum belle\u011fi bu s\u0131n\u0131r\u0131 a\u015farsa, model en eski veya en az \u00f6nemli bilgileri \"unutmak\" zorunda kal\u0131r ki bu da tutars\u0131z yan\u0131tlara yol a\u00e7abilir. S\u0131k\u0131\u015ft\u0131rma, bu bellek ayak izini azaltarak hem performans\u0131 art\u0131r\u0131r hem de maliyetleri d\u00fc\u015f\u00fcr\u00fcrken, modelin ba\u011flam penceresini etkin bir \u015fekilde kullanmas\u0131n\u0131 sa\u011flar.<\/p>\n G\u00fcvenli s\u0131k\u0131\u015ft\u0131rma, basit bir metin k\u0131saltmas\u0131ndan \u00e7ok daha fazlas\u0131d\u0131r. Geli\u015fmi\u015f algoritmalar kullan\u0131larak, bellek i\u00e7eri\u011fi analiz edilir ve a\u015fa\u011f\u0131daki gibi teknikler uygulan\u0131r:<\/p>\n 1. \u00d6zetleme (Summarization):<\/strong> Diyalogun veya belirli bir b\u00f6l\u00fcm\u00fcn ana fikirleri \u00e7\u0131kar\u0131l\u0131r ve daha k\u0131sa, \u00f6zl\u00fc bir formda saklan\u0131r. \u00d6rne\u011fin, bir tart\u0131\u015fman\u0131n t\u00fcm detaylar\u0131 yerine, var\u0131lan sonu\u00e7 veya al\u0131nan karar \u00f6zetlenerek belle\u011fe kaydedilir. Bu algoritmalar, hangi verilerin s\u0131k\u0131\u015ft\u0131r\u0131laca\u011f\u0131n\u0131 ve hangilerinin korunaca\u011f\u0131n\u0131 belirlerken, bilginin g\u00fcncelli\u011fi, \u00f6nemi, diyalogdaki rol\u00fc ve gelecekteki olas\u0131 kullan\u0131m s\u0131kl\u0131\u011f\u0131 gibi fakt\u00f6rleri g\u00f6z \u00f6n\u00fcnde bulundurur. \u00d6rne\u011fin, yak\u0131n zamanda bahsedilen bir konu genellikle daha \u00f6nemli kabul edilir ve s\u0131k\u0131\u015ft\u0131rma s\u0131ras\u0131nda daha az de\u011fi\u015fime u\u011frar. Ancak, \u00e7ok eski bir bilgi bile, e\u011fer diyalog i\u00e7in kritik bir temel te\u015fkil ediyorsa (\u00f6rne\u011fin, kullan\u0131c\u0131n\u0131n ad\u0131 veya temel bir tercih), korunmaya devam eder.<\/p>\n G\u00fcvenli s\u0131k\u0131\u015ft\u0131rma, modelin ba\u011flam\u0131 do\u011fru bir \u015fekilde anlamas\u0131n\u0131 ve tutarl\u0131 yan\u0131tlar vermesini sa\u011flamak i\u00e7in hassas bir denge kurar. A\u015f\u0131r\u0131 s\u0131k\u0131\u015ft\u0131rma bilgi kayb\u0131na yol a\u00e7arken, yetersiz s\u0131k\u0131\u015ft\u0131rma bellek sorunlar\u0131na neden olur. Claude, bu dengeyi dinamik olarak y\u00f6netebilen geli\u015fmi\u015f mekanizmalara sahiptir. Bu sayede, uzun ve karma\u015f\u0131k etkile\u015fimlerde bile hem y\u00fcksek performans hem de maliyet etkinli\u011fi sa\u011flanabilir. Geli\u015ftiriciler i\u00e7in bu, Claude'un daha geni\u015f bir kullan\u0131m alan\u0131 bulmas\u0131na ve daha sofistike yapay zeka uygulamalar\u0131n\u0131n geli\u015ftirilmesine olanak tan\u0131r.<\/p>\n Oturum belle\u011fi ve g\u00fcvenli s\u0131k\u0131\u015ft\u0131rma mekanizmalar\u0131, Claude'u sadece bir soru-cevap motoru olmaktan \u00e7\u0131kar\u0131p, daha dinamik ve ba\u011flama duyarl\u0131 bir yapay zeka asistan\u0131na d\u00f6n\u00fc\u015ft\u00fcr\u00fcr. Geli\u015ftiriciler olarak bu g\u00fc\u00e7l\u00fc \u00f6zellikleri uygulamalar\u0131m\u0131za nas\u0131l entegre edebiliriz? \u0130\u015fte ger\u00e7ek d\u00fcnya senaryolar\u0131 ve pratik ipu\u00e7lar\u0131:<\/p>\n 1. Uzun S\u00fcreli M\u00fc\u015fteri Hizmetleri Botlar\u0131:<\/strong> * Vaka Analizi:<\/strong> Bir e-ticaret \u015firketinin iade s\u00fcrecini y\u00f6neten bir Claude botu d\u00fc\u015f\u00fcnelim. 2. Prompt M\u00fchendisli\u011fi ile S\u0131k\u0131\u015ft\u0131rmay\u0131 Destekleme:<\/strong> * \u00d6zetleyici Talimatlar:<\/strong> Modele, belirli bir konu\u015fma par\u00e7as\u0131n\u0131 veya bilgiyi \u00f6zetlemesini a\u00e7\u0131k\u00e7a s\u00f6yleyebilirsiniz.<\/p>\n <\/code>\n <\/div>\n * Anahtar Bilgi Vurgulama:<\/strong> Modele, hangi bilgilerin kritik oldu\u011funu belirterek s\u0131k\u0131\u015ft\u0131rma \u00f6nceliklerini y\u00f6nlendirebilirsiniz.<\/p>\n <\/code>\n <\/div>\n * Ge\u00e7mi\u015f Ba\u011flam\u0131 Azaltma:<\/strong> E\u011fer belirli bir etkile\u015fimin ge\u00e7mi\u015fi \u00e7ok uzunsa ve sadece son birka\u00e7 mesaj \u00f6nemliyse, prompt i\u00e7inde ge\u00e7mi\u015fin sadece ilgili k\u0131sm\u0131n\u0131 sa\u011flayarak modelin daha az veri i\u015flemesini sa\u011flayabilirsiniz. Bu, modelin kendi i\u00e7 s\u0131k\u0131\u015ft\u0131rma mekanizmalar\u0131n\u0131 tamamlay\u0131c\u0131 bir yakla\u015f\u0131md\u0131r.<\/p>\n 3. Kodlama Asistanlar\u0131 ve \u00c7ok Ad\u0131ml\u0131 Projeler:<\/strong> <\/code>\n<\/div>\n Bu \u00f6rnek, Geli\u015ftiriciler, bu teknikleri kullanarak Claude tabanl\u0131 uygulamalar\u0131n\u0131 daha verimli, ak\u0131ll\u0131 ve maliyet etkin hale getirebilirler. Oturum belle\u011fi ve g\u00fcvenli s\u0131k\u0131\u015ft\u0131rma, sadece modelin hat\u0131rlamas\u0131n\u0131 sa\u011flamakla kalmaz, ayn\u0131 zamanda bu hat\u0131rlama s\u00fcrecini ak\u0131ll\u0131ca y\u00f6neterek yapay zeka deneyimini bir \u00fcst seviyeye ta\u015f\u0131r.<\/p>\n Claude'un oturum belle\u011fi ve g\u00fcvenli s\u0131k\u0131\u015ft\u0131rma \u00f6zellikleri, performans\u0131 art\u0131r\u0131rken maliyetleri d\u00fc\u015f\u00fcrme potansiyeli ta\u015f\u0131r. Ancak bu potansiyeli tam olarak kullanmak i\u00e7in geli\u015ftiricilerin ileri d\u00fczey stratejiler benimsemesi gerekir. Bu b\u00f6l\u00fcmde, bu optimizasyonlar\u0131 nas\u0131l ger\u00e7ekle\u015ftirebilece\u011fimize dair ipu\u00e7lar\u0131na ve gelecek trendlere odaklanaca\u011f\u0131z.<\/p>\n 1. S\u0131k\u0131\u015ft\u0131rma Seviyelerinin Ayarlanmas\u0131 ve Dinamik Y\u00f6netim:<\/strong> * Dinamik S\u0131k\u0131\u015ft\u0131rma:<\/strong> Uygulaman\u0131n anl\u0131k ihtiya\u00e7lar\u0131na g\u00f6re s\u0131k\u0131\u015ft\u0131rma stratejisini de\u011fi\u015ftirmek \u00f6nemlidir. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n sorun giderme a\u015famas\u0131nda daha fazla detaya ihtiya\u00e7 duyulurken, bir \u00fcr\u00fcn tavsiyesi a\u015famas\u0131nda daha genel bilgilere odaklan\u0131labilir. Bu, farkl\u0131 oturum t\u00fcrleri veya diyalog a\u015famalar\u0131 i\u00e7in farkl\u0131 prompt yap\u0131lar\u0131 kullanarak ba\u015far\u0131labilir.<\/p>\n 2. Bellek Kullan\u0131m\u0131n\u0131 \u0130zleme Ara\u00e7lar\u0131:<\/strong> * Token Sayac\u0131 Kullan\u0131m\u0131:<\/strong> Her API \u00e7a\u011fr\u0131s\u0131nda g\u00f6nderilen ve al\u0131nan token say\u0131s\u0131n\u0131 takip etmek, bellek ayak izini anlamak i\u00e7in temel bir yoldur. E\u011fer token say\u0131s\u0131 beklenenden y\u00fcksekse, bu s\u0131k\u0131\u015ft\u0131rma stratejilerinizin g\u00f6zden ge\u00e7irilmesi gerekti\u011fini g\u00f6sterir. 3. Maliyet-Performans Dengesi Nas\u0131l Kurulur?<\/strong>Claude Kodda Oturum Belle\u011fi Nedir ve Nas\u0131l \u00c7al\u0131\u015f\u0131r?<\/h2>\n
\n# Basit bir Oturum Belle\u011fi sim\u00fclasyonu (Python benzeri ps\u00f6do kod)\n\nclass SessionMemory:\n def __init__(self):\n self.memory_store = {} # Bellek deposu\n self.session_id = self.generate_session_id() # Oturum kimli\u011fi\n\n def generate_session_id(self):\n # Ger\u00e7ek uygulamada daha karma\u015f\u0131k bir ID \u00fcretimi olur\n import uuid\n return str(uuid.uuid4())\n\n def add_to_memory(self, key, value):\n \"\"\"Oturum belle\u011fine bilgi ekler.\"\"\"\n self.memory_store[key] = value\n print(f\"Belle\u011fe eklendi: '{key}': '{value}'\")\n\n def get_from_memory(self, key):\n \"\"\"Oturum belle\u011finden bilgi al\u0131r.\"\"\"\n return self.memory_store.get(key, None)\n\n def update_memory(self, key, new_value):\n \"\"\"Bellekteki bir bilgiyi g\u00fcnceller.\"\"\"\n if key in self.memory_store:\n self.memory_store[key] = new_value\n print(f\"Bellek g\u00fcncellendi: '{key}': '{new_value}'\")\n else:\n print(f\"'{key}' bellekte bulunamad\u0131.\")\n\n def display_memory(self):\n \"\"\"Mevcut belle\u011fi g\u00f6sterir.\"\"\"\n print(f\"\\nOturum Belle\u011fi ({self.session_id}):\")\n if not self.memory_store:\n print(\"Bellek bo\u015f.\")\n for k, v in self.memory_store.items():\n print(f\"- {k}: {v}\")\n\n# Kullan\u0131m senaryosu\nmy_session = SessionMemory()\nmy_session.add_to_memory(\"kullanici_adi\", \"Ali\")\nmy_session.add_to_memory(\"son_sorgu_konusu\", \"hava durumu\")\nmy_session.display_memory()\n\nmy_session.update_memory(\"son_sorgu_konusu\", \"seyahat plan\u0131\")\nmy_session.display_memory()\n\nprint(f\"\\nAli'nin ad\u0131: {my_session.get_from_memory('kullanici_adi')}\")\n <\/pre>\nSessionMemory<\/code> s\u0131n\u0131f\u0131, bir kullan\u0131c\u0131n\u0131n etkile\u015fimi boyunca anahtar-de\u011fer \u00e7iftleri \u015feklinde bilgileri nas\u0131l saklad\u0131\u011f\u0131n\u0131 g\u00f6steriyor. Claude'un ger\u00e7ek oturum belle\u011fi, \u00e7ok daha karma\u015f\u0131k algoritmalar ve veri yap\u0131lar\u0131 kullanarak, sadece anahtar-de\u011fer \u00e7iftlerinden \u00f6te, anlamsal ba\u011flam\u0131 da korur. Oturum belle\u011fi, modelin uzun diyaloglar\u0131 s\u00fcrd\u00fcrmesini ve kullan\u0131c\u0131ya daha do\u011fal, ak\u0131ll\u0131 ve faydal\u0131 bir deneyim sunmas\u0131n\u0131 sa\u011flayan kritik bir bile\u015fendir. Ancak bu belle\u011fin s\u00fcrekli b\u00fcy\u00fcmesi, bellek t\u00fcketimi sorunlar\u0131n\u0131 da beraberinde getirir. \u0130\u015fte bu noktada \"G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma\" mekanizmas\u0131 devreye girerek, belle\u011fin verimli bir \u015fekilde y\u00f6netilmesini sa\u011flar.<\/p>\nG\u00fcvenli S\u0131k\u0131\u015ft\u0131rma (Safe Compaction) Mekanizmas\u0131: Detayl\u0131 Bir Bak\u0131\u015f<\/h2>\n
\n2. Anahtar Bilgi \u00c7\u0131karma (Key Information Extraction):<\/strong> Diyalogdaki en kritik isimler, tarihler, kararlar, \u00fcr\u00fcn kodlar\u0131 gibi \u00f6nemli varl\u0131klar ve olaylar belirlenir ve bunlar daha \u00f6ncelikli olarak korunur. Tekrarlayan veya ikincil bilgiler ay\u0131klan\u0131r.
\n3. Tekrarl\u0131 ve Redundant \u0130fadeleri Kald\u0131rma:<\/strong> Ayn\u0131 bilginin farkl\u0131 \u015fekillerde tekrar edildi\u011fi durumlar tespit edilir ve sadece en \u00f6zl\u00fc veya en g\u00fcncel versiyonu bellekte tutulur. \u00d6rne\u011fin, \"Bug\u00fcn hava \u00e7ok g\u00fczel. Ger\u00e7ekten de hava harika. G\u00fcne\u015fli bir g\u00fcn.\" gibi ifadeler tek bir \"Hava g\u00fcne\u015fli ve g\u00fczel\" c\u00fcmlesine s\u0131k\u0131\u015ft\u0131r\u0131labilir.
\n4. Anlamsal Yo\u011funla\u015ft\u0131rma:<\/strong> Model, metnin y\u00fczeysel formunu korumak yerine, alt\u0131nda yatan anlamsal anlam\u0131 yo\u011funla\u015ft\u0131r\u0131r. Bu, c\u00fcmlenin yap\u0131s\u0131n\u0131 bozsa bile, i\u00e7erdi\u011fi temel bilginin korunmas\u0131n\u0131 sa\u011flar. \u00d6rne\u011fin, \"Kullan\u0131c\u0131, d\u00fcn geceki toplant\u0131 notlar\u0131n\u0131 istedi\u011fini belirtti ve bu notlar\u0131n e-posta ile g\u00f6nderilmesini rica etti\" yerine, \"Kullan\u0131c\u0131 d\u00fcn toplant\u0131 notlar\u0131n\u0131 e-posta ile talep etti\" \u015feklinde bir s\u0131k\u0131\u015ft\u0131rma yap\u0131labilir.<\/p>\nPratikte Oturum Belle\u011fi ve G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma Uygulamalar\u0131<\/h2>\n
\nBir m\u00fc\u015fteri hizmetleri botunun, bir m\u00fc\u015fterinin sorununu \u00e7\u00f6zmek i\u00e7in birden fazla etkile\u015fimde bulunmas\u0131 gerekebilir. \u0130lk etkile\u015fimde m\u00fc\u015fteri, \u00fcr\u00fcn\u00fcn\u00fcn modelini ve ya\u015fad\u0131\u011f\u0131 sorunu anlat\u0131r. \u0130kinci etkile\u015fimde, bot, m\u00fc\u015fterinin \u00f6nceki konu\u015fmas\u0131n\u0131 hat\u0131rlayarak sorunun detaylar\u0131n\u0131 sormaya devam edebilir. \u00dc\u00e7\u00fcnc\u00fc etkile\u015fimde ise \u00e7\u00f6z\u00fcm \u00f6nerileri sunulurken, m\u00fc\u015fterinin ilk ba\u015fta verdi\u011fi bilgiler (\u00fcr\u00fcn modeli, sorunun do\u011fas\u0131) hala aktif olarak kullan\u0131l\u0131r.<\/p>\n
\n * 1. A\u015fama (\u0130lk \u0130leti\u015fim):<\/strong> M\u00fc\u015fteri \"\u00dcr\u00fcn\u00fcm\u00fc iade etmek istiyorum\" der. Bot, \"Hangi \u00fcr\u00fcn\u00fc iade etmek istiyorsunuz ve iade nedeniniz nedir?\" diye sorar. M\u00fc\u015fteri \"X model telefon, ekran\u0131 k\u0131r\u0131ld\u0131\" diye yan\u0131tlar.
\n * Oturum Belle\u011fi:<\/strong> Bu a\u015famada, bot oturum belle\u011fine { \"iade_urun\": \"X model telefon\", \"iade_nedeni\": \"ekran k\u0131r\u0131k\" }<\/code> gibi bilgileri kaydeder.
\n * 2. A\u015fama (Detayland\u0131rma):<\/strong> Bot, \"\u00dcr\u00fcn\u00fc ne zaman sat\u0131n alm\u0131\u015ft\u0131n\u0131z ve faturan\u0131z yan\u0131n\u0131zda m\u0131?\" diye sorar. M\u00fc\u015fteri, \"2 ay \u00f6nce, faturam e-postamda\" der.
\n * Oturum Belle\u011fi G\u00fcncellemesi:<\/strong> Bellek { \"iade_urun\": \"X model telefon\", \"iade_nedeni\": \"ekran k\u0131r\u0131k\", \"satin_alma_tarihi\": \"2 ay \u00f6nce\", \"fatura_durumu\": \"e-postada\" }<\/code> \u015feklinde g\u00fcncellenir.
\n * G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma Devreye Giriyor:<\/strong> E\u011fer konu\u015fma \u00e7ok uzarsa ve m\u00fc\u015fteri farkl\u0131 konulara ge\u00e7erse (\u00f6rne\u011fin, yeni bir \u00fcr\u00fcn hakk\u0131nda bilgi al\u0131rsa), Claude'un g\u00fcvenli s\u0131k\u0131\u015ft\u0131rma mekanizmas\u0131, \"ekran k\u0131r\u0131k\" gibi kritik bilgileri korurken, \"2 ay \u00f6nce\" gibi daha az \u00f6ncelikli detaylar\u0131 \u00f6zetleyebilir veya daha kompakt bir formda saklayabilir. \u00d6rne\u011fin, \"iade_nedeni\" bilgisi \"hasarl\u0131 \u00fcr\u00fcn\" olarak genellenebilir, ancak \"X model telefon\" bilgisi oldu\u011fu gibi kal\u0131r \u00e7\u00fcnk\u00fc \u00fcr\u00fcn\u00fcn kendisi kritik bir anahtar bilgidir.
\n * 3. A\u015fama (\u00c7\u00f6z\u00fcm):<\/strong> Bot, \"Anl\u0131yorum. X model telefonunuzun ekran\u0131 k\u0131r\u0131k oldu\u011fu i\u00e7in iade talebinizi i\u015fleme alabiliriz. L\u00fctfen faturan\u0131z\u0131n g\u00f6rselini y\u00fckleyin ve size en yak\u0131n kargo \u015fubesini bildirelim.\" \u015feklinde yan\u0131t verir. T\u00fcm bu s\u00fcre\u00e7 boyunca, bot ilk ba\u015fta ald\u0131\u011f\u0131 bilgileri hi\u00e7 unutmaks\u0131z\u0131n, tutarl\u0131 ve ba\u011flama uygun bir \u015fekilde ilerler.<\/p>\n
\nGeli\u015ftiriciler, Claude'un s\u0131k\u0131\u015ft\u0131rma mekanizmas\u0131ndan daha fazla faydalanmak i\u00e7in prompt'lar\u0131n\u0131 optimize edebilirler.<\/p>\n\n\"A\u015fa\u011f\u0131daki konu\u015fmay\u0131 en \u00f6nemli 3 madde halinde \u00f6zetle ve bu \u00f6zeti oturum belle\u011fine kaydet.\"\n <\/pre>\n\n\"Bu diyalogda kullan\u0131c\u0131n\u0131n ad\u0131n\u0131, \u015firketini ve projesinin ana konusunu mutlaka hat\u0131rla. Di\u011fer detaylar\u0131 s\u0131k\u0131\u015ft\u0131rabilirsin.\"\n <\/pre>\n
\nBir geli\u015ftirici, Claude'dan belirli bir kod par\u00e7as\u0131n\u0131 optimize etmesini veya yeni bir \u00f6zellik eklemesini istedi\u011finde, modelin daha \u00f6nceki kod revizyonlar\u0131n\u0131, geli\u015ftiricinin tercihlerini ve projenin genel yap\u0131s\u0131n\u0131 hat\u0131rlamas\u0131 gerekir. Oturum belle\u011fi, bu bilgilerin her ad\u0131mda yeniden sa\u011flanmas\u0131 zorunlulu\u011funu ortadan kald\u0131r\u0131r. G\u00fcvenli s\u0131k\u0131\u015ft\u0131rma ise, eski kod s\u00fcr\u00fcmlerinin veya \u00f6nemsiz yorumlar\u0131n bellekte yer kaplamas\u0131n\u0131 engelleyerek, modelin sadece en g\u00fcncel ve kritik kod ba\u011flam\u0131na odaklanmas\u0131n\u0131 sa\u011flar.<\/p>\n\n# Claude ile etkile\u015fim sim\u00fclasyonu (pseudo-code)\n\ndef claude_interact(prompt, session_memory):\n # Bu fonksiyon ger\u00e7ekte Claude API'sine \u00e7a\u011fr\u0131 yapard\u0131\n # session_memory, prompt'a eklenerek modelin ge\u00e7mi\u015fi g\u00f6rmesi sa\u011flan\u0131r\n full_prompt = f\"Ge\u00e7mi\u015f ba\u011flam: {session_memory.get_current_context()}\\nKullan\u0131c\u0131: {prompt}\"\n \n # Claude'dan yan\u0131t al\n response = get_claude_response(full_prompt) \n \n # Yeni bilgileri veya \u00f6zeti oturum belle\u011fine ekle\/g\u00fcncelle\n session_memory.update_context(response) \n \n return response\n\nclass SimpleSessionContext:\n def __init__(self):\n self.context = []\n self.max_context_length = 500 # Token limiti sim\u00fclasyonu\n\n def add_message(self, role, content):\n self.context.append({\"role\": role, \"content\": content})\n self._compact_context() # Mesaj eklendik\u00e7e s\u0131k\u0131\u015ft\u0131rma \u00e7a\u011fr\u0131s\u0131\n\n def get_current_context(self):\n return \" \".join([msg[\"content\"] for msg in self.context])\n\n def _compact_context(self):\n \"\"\"G\u00fcvenli s\u0131k\u0131\u015ft\u0131rma mant\u0131\u011f\u0131n\u0131 sim\u00fcle eder.\"\"\"\n current_length = len(self.get_current_context().split()) # Basit token say\u0131m\u0131\n if current_length > self.max_context_length:\n print(\"\\n--- Ba\u011flam s\u0131k\u0131\u015ft\u0131r\u0131l\u0131yor... ---\")\n # Ger\u00e7ekte Claude'un dahili s\u0131k\u0131\u015ft\u0131rma algoritmalar\u0131 \u00e7al\u0131\u015f\u0131r\n # Burada basit\u00e7e en eski mesajlar\u0131 at\u0131yoruz\n while len(self.get_context_tokens()) > self.max_context_length * 0.8: # %80'e d\u00fc\u015f\u00fcr\n if len(self.context) > 1: # En az bir mesaj kals\u0131n\n self.context.pop(0) # En eski mesaj\u0131 at\n else:\n break # S\u0131k\u0131\u015ft\u0131racak ba\u015fka bir \u015fey yok\n print(\"--- S\u0131k\u0131\u015ft\u0131rma tamamland\u0131. ---\")\n\n def get_context_tokens(self):\n return self.get_current_context().split()\n\n# Kullan\u0131m \u00f6rne\u011fi\nmy_llm_session = SimpleSessionContext()\n\nmy_llm_session.add_message(\"user\", \"Merhaba, bir web sitesi i\u00e7in bir Python backend kodu yazmak istiyorum.\")\nmy_llm_session.add_message(\"assistant\", \"Harika! Hangi framework'\u00fc tercih edersiniz? Flask m\u0131, Django mu?\")\nmy_llm_session.add_message(\"user\", \"Flask ile ba\u015flamak istiyorum. Basit bir TODO uygulamas\u0131 olabilir.\")\nmy_llm_session.add_message(\"assistant\", \"Anlad\u0131m. Flask ile bir TODO uygulamas\u0131 i\u00e7in temel yap\u0131y\u0131 olu\u015ftural\u0131m.\")\n\n# ... burada daha fazla diyalog ve kod \u00fcretimi ger\u00e7ekle\u015fir ...\n# Bellek dolmaya ba\u015flad\u0131\u011f\u0131nda _compact_context otomatik olarak \u00e7a\u011fr\u0131l\u0131r.\nfor i in range(10): # Belle\u011fi doldurmak i\u00e7in \u00f6rnek mesajlar\n my_llm_session.add_message(\"user\", f\"Bu {i}. ad\u0131m. \u015eimdiki g\u00f6revim, {i} numaral\u0131 \u00f6zelli\u011fi eklemek.\")\n my_llm_session.add_message(\"assistant\", f\"Anlad\u0131m, {i} numaral\u0131 \u00f6zelli\u011fi eklemek i\u00e7in \u015fu kodu deneyebilirsiniz: ...\")\n\nprint(\"\\nFinal Ba\u011flam \u00d6zeti:\")\nprint(my_llm_session.get_current_context())\n <\/pre>\nSimpleSessionContext<\/code> s\u0131n\u0131f\u0131n\u0131n, mesajlar\u0131 nas\u0131l ekledi\u011fini ve belirli bir uzunlu\u011fu a\u015ft\u0131\u011f\u0131nda nas\u0131l _compact_context<\/code> metodunu \u00e7a\u011f\u0131rarak basit bir s\u0131k\u0131\u015ft\u0131rma (en eski mesajlar\u0131 silme) yapt\u0131\u011f\u0131n\u0131 g\u00f6steriyor. Claude'un ger\u00e7ek sistemleri, bu basit mekanizmadan \u00e7ok daha sofistike s\u0131k\u0131\u015ft\u0131rma algoritmalar\u0131 kullan\u0131r.<\/p>\nPerformans ve Maliyet Optimizasyonu: \u0130leri D\u00fczey Stratejiler<\/h2>\n
\nClaude gibi modeller, dahili olarak farkl\u0131 s\u0131k\u0131\u015ft\u0131rma seviyeleri veya stratejileri uygulayabilir. Geli\u015ftiriciler genellikle bu seviyeleri do\u011frudan kontrol edemese de, prompt m\u00fchendisli\u011fi ve API \u00e7a\u011fr\u0131lar\u0131ndaki parametrelerle dolayl\u0131 olarak etkileyebilirler. \u00d6rne\u011fin, bir oturumun ba\u015f\u0131nda modelden \"sadece en kritik bilgileri hat\u0131rla\" veya \"detayl\u0131 bir ge\u00e7mi\u015f tut\" gibi talimatlar vererek s\u0131k\u0131\u015ft\u0131rma davran\u0131\u015f\u0131n\u0131 y\u00f6nlendirebiliriz.<\/p>\n
\nOptimizasyonun ilk ad\u0131m\u0131, mevcut durumu anlamakt\u0131r. Claude API'si veya kulland\u0131\u011f\u0131n\u0131z framework (yaz\u0131l\u0131m \u00e7er\u00e7evesi) arac\u0131l\u0131\u011f\u0131yla oturum belle\u011finin ne kadar yer kaplad\u0131\u011f\u0131n\u0131, ka\u00e7 token i\u00e7erdi\u011fini ve s\u0131k\u0131\u015ft\u0131rma sonras\u0131 durumunu izleyebilmek, kritik bir yetenektir.<\/p>\n
\n* Loglama ve Analiz:<\/strong> Uygulaman\u0131z\u0131n bellek kullan\u0131m\u0131n\u0131 d\u00fczenli olarak loglamak ve bu verileri analiz etmek, zaman i\u00e7indeki e\u011filimleri ve potansiyel darbo\u011fazlar\u0131 belirlemenize yard\u0131mc\u0131 olur. Hangi t\u00fcr etkile\u015fimlerin daha fazla bellek t\u00fcketti\u011fini anlamak, hedefe y\u00f6nelik optimizasyonlar yapman\u0131z\u0131 sa\u011flar.<\/p>\n
\nHer s\u0131k\u0131\u015ft<\/p>\n","protected":false},"excerpt":{"rendered":"Claude Kodda Bellek Y\u00f6netimi: Oturum Belle\u011fi ve G\u00fcvenli S\u0131k\u0131\u015ft\u0131rma B\u00fcy\u00fck dil modellerinin (LLM) y\u00fckseli\u015fiyle birlikte, yapay zeka uygulamalar\u0131n\u0131n karma\u015f\u0131kl\u0131\u011f\u0131 da art\u0131yor.","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-41443","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\n