Analiz · Yapay Zeka Mühendisliği Prompt → Context → Loop
Blog  /  Yapay Zeka  /  Loop Engineering

Loop engineering: prompt'tan döngüye

Yapay zekâda mühendisliğin birimi artık tek bir prompt değil; modeli çağıran döngünün kendisi. Karpathy'nin prompt'tan context engineering'e uzanan çerçevesinden ilhamla, bu yazıda "loop engineering"i ele alıyoruz: bir döngüde asıl neyi inşa ediyoruz, nasıl bozuluyor ve nasıl ölçülüyor?

8 Temmuz 2026 FinHouse.ai ~11 dk okuma

Birkaç yıl önce yapay zekâ uygulaması yazmak, doğru prompt'u bulmak demekti. Kelimeleri değiştirir, örnek eklemenin etkisini ölçer, "sihirli cümleyi" arardık. Bugün ise ciddi bir AI ürünü kuranların çoğu farkında: iyi bir promptun tek başına ürettiği değer, onu doğru bir döngünün içine yerleştirdiğinizde ürettiği değerin yanında küçük kalıyor. Mühendisliğin birimi kaydı — prompt'tan bağlama, bağlamdan döngüye.

Andrej Karpathy 2025'te bu kaymanın ilk yarısını isimlendirdi: "context engineering" — "bağlam penceresini bir sonraki adım için tam da gereken bilgiyle doldurmanın hassas sanatı ve bilimi." Fikir basit ama sonuçları büyük: çıktı kalitesi, büyük ölçüde modelin çıkarım anında gördüğü şeyin kalitesidir. İkinci yarı ise topluluğun bu fikri doğal uzantısına taşımasıyla geldi: eğer her adımda bağlamı kuruyorsak, asıl tasarladığımız şey adımların birbirini nasıl beslediği, yani döngüdür.

01 · SoyağacıPrompt → context → harness → loop

Son dört yılın mühendislik pratiği üç kez yer değiştirdi. Her seferinde titizlik, daha dış bir katmana taşındı:

Karpathy'nin aynı dönemdeki bir başka ayrımı burada işe yarıyor: "vibe coding tabanı yükseltir; agentic engineering tavanı yükseltir." Prompt'la oynamak (vibe) hızlı sonuç verir ama sınırı vardır. Tavanı — güvenilir, tekrarlanabilir, ölçeklenen davranışı — ancak döngüyü mühendislik ederek yükseltirsiniz.

02 · AnatomiDöngü nedir, "Karpathy döngüsü" ne demek

Bir agentic döngü, özünde dört durağı tekrarlar:

Bağlam topla Model düşünür Aksiyon ayrıştır Aracı çalıştır & gözlemle ↑ gözlem, bir sonraki turun bağlamına eklenir — ve döngü başa döner

Şekil 1 — Agentic döngünün dört durağı. ReAct desenindeki "düşün → uygula → gözlemle" çevriminin genişletilmiş hâli.

Kritik nokta son oktadır: N. adımın çıktısı, N+1. adımın bağlamı olur. Ajan bir araç çağırır, sonucu gözlemler, bu gözlem bağlama girer ve model bir sonraki kararı bu zenginleşmiş bağlamla verir. "Karpathy döngüsü" diye anılan şey tam olarak bu kapalı geri beslemedir: çıktının girdiye dönüştüğü, dolayısıyla sistemin ardışık turlarda gerçekten iyileşebildiği bir yapı — sadece daha çok adım atan doğrusal bir hat değil.

Bu ayrım pratik: doğrusal bir zincir (prompt → çıktı → bir sonraki prompt) hataları biriktirir. İyi kurulmuş bir döngü ise gözlemi geri beslediği için hatayı fark edip düzeltebilir. Fark, döngünün geri besleme kanalını mühendislik edip etmediğinizde saklı.

Özetle

Zincir adım ekler; döngü adımdan öğrenir. Loop engineering, çıktının bir sonraki bağlamı şekillendirdiği geri besleme kanalını bilinçli tasarlamaktır.

03 · İşin özüBir döngüde asıl neyi mühendislik ederiz

Yaygın yanılgı, işin model çağrısında olduğudur. Oysa model çağrısı döngünün en küçük ve en hazır parçasıdır — bir API isteği. Mühendislik, onun etrafındaki her şeydedir:

Model çağrısı bir satır; döngü bir sistemdir. Ürünün kalitesi, o sistemin tasarımında yaşar.

04 · Kırılma noktalarıDöngülerin başarısızlık modları

Döngüler yeni bir hata sınıfı getirir — tek bir prompt'ta karşılaşmadığınız, zamanla biriken hatalar. İyi loop engineering, bunları önceden tasarlar:

Başarısızlık moduNe olurMühendislik cevabı
Bağlam çürümesi
context rot
Pencere doldukça eski/alakasız içerik modeli saptırır; kalite turlarla düşer.Özetleme, ilgili parçayı seçme (retrieval), pencereyi bilinçli budama.
Bağlam zehirlenmesi
poisoning
Bir turdaki hatalı çıktı veya kötü niyetli girdi, sonraki tüm turları bozar.Araç çıktısını doğrulama, kaynak güveni, prompt-injection kalkanı.
Sonsuz döngü
no-stop
Ajan aynı adımı tekrar eder, "bitti" diyemez.Adım/bütçe tavanı, tekrar tespiti, ilerleme kontrolü.
Sapma
drift
Ajan görevden uzaklaşır, alt-hedeflerde kaybolur.Hedefi her turda hatırlatma, plan-yürüt ayrımı, ara doğrulama.
Maliyet patlaması
cost
Uzun döngüler token/işlem maliyetini sessizce büyütür.Görev başına bütçe, model kademelendirme, önbellekleme.

Tablo 1 — Döngülere özgü başarısızlık modları ve her birinin mühendislik cevabı.

Dikkat edin: bu sorunların hiçbiri "daha iyi prompt" ile çözülmez. Hepsi döngünün yapısına ait — dolayısıyla çözümleri de yapısaldır.

05 · ÖlçmekBir döngünün başarısını nasıl ölçeriz

Prompt engineering çağında tek bir çıktının "iyi görünüp görünmediğine" bakardık. Loop engineering bunu değiştirir: ölçtüğümüz şey tek çıktı değil, döngünün sonucudur. Anlamlı metrikler:

  1. Görev başarı oranı. Döngü, görevi insan müdahalesi olmadan kaç kez doğru tamamlıyor? Tek ölçüt buysa bile en önemlisidir.
  2. Göreve kadar adım sayısı. Aynı işi 4 turda mı 40 turda mı bitiriyor? Adım şişmesi, çoğu zaman kötü bağlam kurulumunun belirtisidir.
  3. Görev başına maliyet. Başarı ucuz mu pahalı mı geldi? Kalite ve maliyet birlikte raporlanmalı.
  4. İnsan-müdahale oranı. Kaç görevde insana devretmek gerekti? Bu oran, otonomi seviyesinin dürüst göstergesidir.
  5. Hatadan kurtarma oranı. Bir şey ters gittiğinde döngü kendini kaç kez toparladı? Olgun bir döngüyü kırılgan olandan bu ayırır.

Bu metrikleri bir kez kurduğunuzda, iyileştirme somutlaşır: bir prompt değişikliği başarı oranını mı artırıyor yoksa sadece bir örneği mi düzeltiyor? Döngü ölçümü olmadan bu soruyu yanıtlayamazsınız.

06 · KurumdaDöngüyü ciddi işlere sokmak

Bir demoyu çalıştırmak kolaydır; kurumsal bir döngüyü güvenle işletmek başka iştir. Finans gibi düzenlemeye tabi alanlarda loop engineering'e üç ek gereksinim biner ve bunlar bizim FirmaAI tarafında tasarımın merkezinde durur:

Sonuç olarak "loop engineering" bir slogan değil, bir bakış açısı kaymasıdır. Yapay zekâ ürününüzün kalitesi, tek bir promptun zekâsında değil; o promptu doğru bağlamla çağıran, çıktısını geri besleyen, ne zaman duracağını ve nereye devredeceğini bilen döngünün tasarımında yaşıyor. Karpathy'nin bağlam mühendisliğiyle açtığı kapı buraya çıkıyor: artık prompt yazmıyoruz, prompt'u bizim yerimize çağıran döngüyü tasarlıyoruz.

Kaynaklar & ileri okuma

  1. Andrej Karpathy — "context engineering" çerçevesi ve agentic engineering ayrımı (2025): Karpathy's New Framework.
  2. Anthropic — Effective context engineering for AI agents (bağlamı çıkarımda kürasyon olarak formülleştirme).
  3. Loop / harness engineering evrimi — pratik rehberler: Loop Engineering: prompt'tan harness'a ve Agentic Loops.
  4. ReAct deseni (düşün-uygula-gözlemle) — agentic döngünün akademik temeli: Yao ve ark., ReAct (2022).

Bu yazı, adı geçen kişi ve kurumların fikirlerinden ilham alan bağımsız bir değerlendirmedir; onların resmî görüşünü temsil etmez. "Loop engineering" tek bir kişiye ait tescilli bir terim değil, topluluğun prompt→context engineering hattını uzattığı bir çerçevedir.

FirmaAI · Kurumsal agentic

Döngüyü kurumunuzun içinde çalıştıralım.

Yerel modelde, denetim izli, insan onaylı agentic döngüler — mail'den mevzuat muhakemesine. Kendi senaryonuzla bir saatlik demoda deneyelim.