Zamansal Ajan işlem hattının temelinde basit bir mantık vardır.
Girdiyi parçalara ayırın
Bir belgeyle başlayın (örneğin bir yönetim kurulu toplantısı dökümü veya yıllık rapor). Belgeyi yönetilebilir parçalara ayırın (örneğin konuşmacı sıraları veya paragraflar).
İfadeleri çıkarın
Her parçadan şu örnekteki gibi açık ve tek başına anlamlı ifadeler çıkarın: “Company X is a market leader.”
Türünü etiketleyin
Olgu (nesnel gerçek)
Görüş (öznel)
Tahmin (öngörü veya kestirim)
Statik (belirli bir anda geçerli)
Dinamik (zaman içinde değişebilir)
Zamandan bağımsız (her zaman geçerli olgu)
Zamanlamayı anlayın
Ajan, ifadenin ne zaman doğru hâle geldiğini ve gerekirse ne zaman geçerliliğini yitirdiğini (yani ne zaman geçersiz kılındığını) belirler. Bu, ifadenin içerdiği bilginin geçerlilik dönemiyle ilgilidir ve ifadenin dile getirildiği veya yayımlandığı zamandan farklı olabilir.
Çelişkileri kontrol edin (Geçersiz kılma)
Yeni bir ifade eskisiyle çelişirse geçersiz kılınan bilgi tamamen bilgi tabanından silinmez; eski kayıt, süresi dolmuş olarak işaretlenir ve yeni kayda bağlanır.
Bu süreç hem otomatiktir hem de izlenebilir; böylece neyin neden değiştiğini görmek için ayrıntıları her zaman inceleyebilirsiniz.
İyi haber ne mi? Tüm sisteminizi baştan tasarlamanız gerekmez. Zamansal Ajanlar çoğu zaman mevcut RAG veya bilgi işlem hattı mimarinize doğrudan entegre edilebilir.
Temel bileşenler:
Anlamsal Parçalama: Ham metni anlamlı parçalara ayırın.
LLM Destekli Olgu Çıkarma: Olguları belirlemek, tarihleri tespit etmek ve olay türlerini etiketlemek için LLM'leri kullanın.
Zamansal Sınıflandırma: İfadeleri zamansal açıdan sınıflandırmak ve geçerlilik aralıklarını belirlemek için LLM'leri kullanın.
Zamansal Geçersiz Kılma Mantığı: Yeni olgular eskilerini otomatik olarak güncelleyebilir veya geçersiz kılabilir; manuel sürüm yönetimi gerekmez.
Üçlü Tabanlı Depolama: Bilgi grafikleri veya grafik tabanlı bir veritabanı kullanılıyorsa her olgu [Özne]—[Eylem]—[Nesne] + [Başlangıç Zamanı, Bitiş Zamanı] biçiminde saklanır.
Doğru kurulumla küçük ekipler bile birkaç hafta içinde prototipten üretime geçebilir. Prototipi daha büyük modellerle (GPT-4.1) geliştirebilir, sistem kararlı hâle geldikten sonra daha hızlı sürümlere (GPT-4.1-mini veya nano) geçebilirsiniz. Konuyu teknik açıdan daha ayrıntılı incelemek için OpenAI Bilgi Grafikleriyle Zamansal Ajanlar Cookbook'unu inceleyin.
Artık zamansal farkındalığa sahip bilgi grafiğiniz hazır ve içindeki verilere güvenebiliyorsunuz. Peki bu sağlam veri temelini nasıl iş değerine dönüştürebilirsiniz?
Büyük bilgi tabanlarından istediğiniz bilgileri getirmek zor olabilir. Çok adımlı bilgi getirme ajanları bu konuda yardımcı olabilir. Bu sistemler, sorgunuzu yanıtlayacak en alakalı bilgileri bulmak için birbiriyle bağlantılı birden çok sorguyla bilgi tabanında akıllıca gezinebilir.
Sisteminiz ölçeklendikçe verimliliği korumak ve performansı optimize etmek kritik önem kazanır. Planlayıcılar kullanmak bilgi getirme sürecini kolaylaştırabilir ve işlem hattının sonraki aşamalarının önemli noktalara odaklanmasını sağlayabilir. Çekirdek sisteminizin erişebildiği arama ve analiz araçlarını iyileştirmek de kazanım sağlayabilir; böylece hızdan veya kaliteden ödün vermeden büyük bilgi grafiklerinde daha karmaşık sorgular çalıştırılabilir.
Yüksek hacimli dağıtımlarda grafik üzerinde gezinmeyi paralelleştirmek, sık kullanılan sorgu yollarını önbelleğe almak, prompt'ları daha da iyileştirmek ve ince ayar yapmak performansı önemli ölçüde artırabilir.
Zamansal Ajan geliştirenler için, çıkarım mantığından çok adımlı akıl yürütmeye kadar her şeyi kapsayan teknik kılavuzun tamamını OpenAI Bilgi Grafikleriyle Zamansal Ajanlar Cookbook'umuzda açık kaynak olarak yayımladık. Kılavuzda şunlar yer alıyor:
Eksiksiz kod ve işlem hattı planları
Model rehberliği ve değerlendirme stratejileri
Prototipten üretime ölçeklendirmeye yönelik en iyi uygulamalar
Zamansal Ajanlar, yapay zekânın dünyanızı algılama biçimini dönüştürür: Onu statik olgular olarak değil, yaşayan ve gelişen bir anlatı olarak görmesini sağlar.
Kararlarınız yalnızca ne olduğuna değil, ne zaman olduğuna da bağlıysa zamansal düşünmenin vakti gelmiştir.
Üstelik bunu tek başınıza geliştirmeniz gerekmiyor. Sistemlerinizi bağlama daha duyarlı, karar almaya daha hazır veya yalnızca gerçekle daha uyumlu hâle getirmek istiyorsanız size yardımcı olmaktan memnuniyet duyarız.