Kodlayan PM

 Giriş: Teori Bitti, Uygulama Başlıyor! Önceki yazıda bahsettiğimiz "öğrenilecekler listesi"ndeki ilk maddeyi hayata geçirdim. Sonuç tahmin ettiğimden daha hızlı ve zahmetsiz oldu. Kurulum yaparken mümkün oldukça ekran görüntüsü almaya çalıştım onları da yazının devamında paylaşacağım. Şimdilik bulut tabanlı API'lar yerine yerel (local) kurulumu tercih ettim. Yani kendi bilgisayarımızda sistemi kurabiliriz. Veri gizliliği veya tam kontrol gibi kurumsal yaklaşımdan ziyade konuyu temelde anlamak ve şimdilik maliyete katlanmamak temel motivasyonum oldu. Belki ileride bulut tabanlı uygulama örneklerini de birlikte yaparız. Öncelikle ollama yı buradan:  https://ollama.com/download   IOS , Microsoft veya LINUX işletim sisteminiz için indirebilirsiniz. (Dosyanın boyutu 1.2 GB) İndirme tamamlandıktan sonra CMD ile terminali açalım: Ajanımızı crewai yi yüklemek için işe koyulmanın vakti geldi! Aşağıdaki komutu yazıp enter diyelim: pip install crewai yükleme devam ediyor ... ...

 Son bir iki yıldır hepimiz bir şekilde yapay zekayla tanıştık. Kimimiz e-posta yazdırdı, kimimiz yemek tarifi sordu. Ama dürüst olalım; çoğumuz onu hala sadece "çok akıllı bir arama motoru" gibi kullanıyoruz. Oysa mutfakta, çoğunluğun henüz radarında olmayan ama oyunun kurallarını kökten değiştirecek iki büyük dalga var: AI Agentlar (Ajanlar) ve Yerel Modeller (Local LLMs). Yıllardır hem bankacılıkta süreç yöneten hem de boş zamanlarında kod yazan biri olarak beni asıl heyecanlandıran şey bu "ajan" meselesi. Eskiden yapay zekaya "Bana bir SQL sorgusu yaz" diyorduk, o da yazıyordu. Şimdi ise olay şuna evrildi: "Git veri tabanındaki şu sorunu bul, analiz et, raporla ve ilgili ekibe Slack'ten mesaj at." Yani artık sadece soru sormuyoruz, iş delege ediyoruz. Bu, Proje Yöneticileri veya Ürün Yöneticileri için artık sadece bir asistan değil, dijital bir departman kurmak demek. Peki ya gizlilik? "Verilerim buluta gitmesin, şirket sırrım içeri...