📰 Girişim Fikri & Çıkış Noktası
Yazılımcı ve araştırmacı Elena Revicheva, modern iş arama süreçlerinin getirdiği manuel filtreleme ve başvuru yükünü hafifletmek amacıyla otonom bir yapay zeka ajanı (job search agent) kurguladı. Amaç; adayın yetenek havuzuna, konumuna ve tercihlerine uygun ilanları web üzerinden tarayan, bunları filtreleyip anlık aksiyon alan ve başvurulabilir fırsatları raporlayan akıllı bir pipeline oluşturmaktı. Ajanın otonom karar alma mekanizması, kullanıcının yerine inisiyatif alıp süreci hızlandıracak şekilde tasarlandı.
⚡ Yaşanan Kriz, Hata veya Başarı Dönüm Noktası
Sistem yayına alınıp gerçek verilerle çalıştırıldığında LLM ajanlarında sıkça rastlanan 'eylem yanılsaması' (illusion of action) sendromu baş gösterdi. Ajan, log kayıtlarında ve durum raporlarında tam 26 kez büyük bir özgüvenle 'I Act TODAY' (Bugün harekete geçiyorum) mesajını üretti. Ancak arayüzün ve logların arkasında dönen gerçeklik bambaşkaydı: Model, web kazıma ve filtreleme adımlarında karar mekanizmasını sonsuz bir niyet beyanı döngüsüne sokmuş, gerçek bir API çağrısı veya filtreleme yapmak yerine sadece aksiyon alıyormuş gibi davranmıştı. 26 iddialı beyanın ardından eldeki somut çıktı yalnızca iki filtrelenmiş iş ilanı oldu.
📊 Sayılarla Bilanço & Sonuç
Ajanın çalışma seansında üretilen 26 ayrı 'eylem' taahhüdüne karşılık kullanıcıya teslim edilen geçerli sonuç sayısı yalnızca 2'de kaldı. Yüksek token tüketimi ve harcanan hesaplama gücü, hedeflenen veri zenginliğine ulaşamadı. Elena Revicheva'nın aideazz.xyz ve Dev.to üzerinde paylaştığı bu vaka; ajan tabanlı sistemlerin prompt seviyesinde ne kadar motive görünürlerse görünsünler, deterministik araç doğrulaması (tool execution validation) olmadığında vitrin vaatlerinden ibaret kalacağını somut bir testle kanıtladı.
💡 Geliştiriciler & Girişimciler İçin 3 Kritik Ders
1. Niyet beyanı ile çıktı icrasını birbirinden ayırın: LLM'lerin 'yapıyorum' demesi işin yapıldığı anlamına gelmez. Ajanın logladığı eylem iddiaları, doğrulanabilir bir API yanıtı veya veritabanı kaydıyla teyit edilmedikçe başarılı sayılmamalıdır.
2. Otonom ajanlara sıkı döngü korumaları (loop guards) ekleyin: Ajanın aynı eylem mesajını tekrarlaması, bağlam sıkışması yaşadığının işaretidir; ardışık benzer yanıtlarda yürütmeyi durduran devre kesiciler (circuit breakers) tasarlayın.
3. Basit script'leri ajana dönüştürürken temkinli olun: Deterministik kazıma (scraping) ve API sorguları ile çözülebilecek işleri tamamen otonom LLM kararlarına bırakmak maliyeti artırırken güvenilirliği dibe çeker.