Ses Ajanı RAG ile Nasıl Bağlanır
Bu rehber ne yapar
Ses Ajanı RAG ile akışında önce kaynak sınırı, sonra araç izni, en son model cevabı kontrol edilir. Böyle yapmazsanız RAG hatasını model kalitesi sanmanız çok kolaydır. Bu iş sonunda Llama 3.3 70B için tarihli bir karar kanıtı oluşur, RTX 3060 12GB sınıfı donanım not edilir ve ölçüm Türkçe halüsinasyon direnci ile ilişkilendirilir. Akış Python ile yürür; daha geniş bağlam Kurs G002: Ajan ve Araç Çağrısı içinde işlenir.
Yasal uyarı: Bu içerik eğitim amaçlı teknik çalışma notudur; hukuki görüş, mevzuat yorumu, uyum belgesi veya profesyonel danışmanlık değildir. Kişisel veri, sağlık, finans, çocuk/öğrenci verisi, telif veya regüle sektörlerde gerçek uygulamadan önce yetkin hukuk/uyum uzmanıyla yazılı değerlendirme alın.
Operatör notu: Ses Ajanı RAG ile Nasıl Bağlanır: RAG veya ajan akışı kaynak, izin ve log sınırı olmadan demo sayılır; üretim kanıtı sayılmaz. İleri seviyede her varsayımı tarihli yazın; sürüm, sürücü veya lisans değişince karar tekrar açılabilsin. Bu rehberde beklenen kanıt outputs/ses-ajani-rag.json dosyasıdır.
Ön koşullar
- Ubuntu 24.04 LTS ya da eşdeğer geliştirme ortamı.
- Yerel çalışma zamanı kontrolü:
python -V. - Ses Ajanı RAG ile: Sentetik veya izinli küçük bir belge örneği; gerçek müşteri, hasta, öğrenci ya da dava verisiyle deneme yapmayın.
- Terminal çıktısı UTF-8 olmalı; Windows tarafında şüphede kalırsanız
chcpçıktısını kaydedin.
Adımlar
- Kanıt klasörünü aç. Ses Ajanı RAG ile için çıktıyı
ses ajani ragadıyla ayır; aynı klasöre log ve kısa rapor da girecek.
mkdir -p outputs logs reports
- Küçük kanıtı üret. Ses Ajanı RAG ile için Ajan ve RAG denemelerinde kaynak dosyası, izin listesi ve model cevabı ayrı iz bırakmalıdır. Bu komut gerçek veriyi çağırmadan Llama 3.3 70B etiketini karar dosyasına işler.
mkdir -p outputs
python - <<'PY'
import json
from pathlib import Path
snippet = "chunk_text(...); embed(...); retrieve_top_k(...); return source_id"
Path("outputs/ses-ajani-rag.json").write_text(json.dumps({"model":"llama-3-3-70b","status":"kontrol-tamam","rag":snippet,"metric":"source_hit_rate"}, ensure_ascii=False) + "\n", encoding="utf-8")
print("outputs/ses-ajani-rag.json yazıldı")
PY
- Özeti kilitle. Ses Ajanı RAG ile özetini daha sonra değişiklik yakalamak için kullanacaksınız; Türkçe halüsinasyon direnci notunu bu hash ile birlikte saklayın.
python - <<'PY'
from hashlib import sha256
from pathlib import Path
p = Path("outputs/ses-ajani-rag.json")
print(sha256(p.read_bytes()).hexdigest(), p)
PY
- Türkçe kırılmayı ara. Ses Ajanı RAG ile Nasıl Bağlanır denemesinde kaynak Türkçe, cevap İngilizce ise sistem istemine tek dil sınırı ekleyin ve kaynak başlığını çıktıda gösterin. Çıktı temizse Python tarafındaki sıradaki adıma geçebilirsiniz.
Doğrulama
Tek komutla son durumu doğrula:
python - <<'PY'
import json
from pathlib import Path
p = Path("outputs/ses-ajani-rag.json")
data = json.loads(p.read_text(encoding="utf-8"))
print(p.exists(), data["status"])
print("kanıt:", p)
print("model:", data["model"])
PY
Beklenen çıktı:
True kontrol-tamam
kanıt: outputs/ses-ajani-rag.json
model: llama-3-3-70b
Yaygın Hatalar
- `ModuleNotFoundError` — Python ortamı rehber için beklenen paketi görmüyor. Çözüm:
python -Vçıktısını kaydedin, sanal ortamı etkinleştirin ve komutu aynı kabukta tekrar çalıştırın. - `kaynak bulunamadı` — RAG/ajan denemesi kaynak belgesini ya da araç izinini görmüyor. Çözüm: belge yolunu mutlak yazın, izin listesini daraltın ve sentetik örnekle yeniden koşun.
- `Türkçe karakterler bozuk` — Ses Ajanı RAG ile Nasıl Bağlanır çıktısında Türkçe harfler okunmuyorsa kodlama katmanı karışmıştır. Çözüm:
localeçıktısını kontrol edin ve dosyayı UTF-8 olarak tekrar üretin. - `outputs/ses-ajani-rag.json yok` — Rehberin sonunda beklenen kanıt dosyası oluşmamış. Çözüm: önce çalışma klasörünü oluşturun, sonra karar kanıtı adımını tek başına tekrar çalıştırın.
Veri koruma uyarısı: Bu rehber KVKK uyum kararı vermez. Kişisel veri içeren örnekleri üretimde kullanmadan önce amaç, saklama süresi, erişim yetkisi ve yurtdışı aktarım ihtimalini yetkin hukuk/uyum uzmanıyla doğrulayın. Başlangıç noktası: KVKK ve AI.
İlgili rehberler
- Ajan Zaman Aşımı Bütçesi Nasıl Konur — kardeş iş
- Araç İzin Listesi Nasıl Yazılır — sıradaki kontrol
- Kurs G002: Ajan ve Araç Çağrısı — kurs bağlamı
İlgili katalog girişleri
- Llama 3.3 70B — bu rehberde kullanılan model
- RTX 3060 12GB — test edilen donanım sınıfı
- Türkçe halüsinasyon direnci — karşılaştırma metriği
- Python — kullanılan çalışma aracı
- KVKK ve AI — veri işleme notu