AI Agent Döngülerini Keşfetmek: Promptlamadan Sistem Kurmaya Geçiş

Geçen ay Peter Steinberger attığı bir tweet ile sekiz milyon görüntülenme aldı: "Artık AI ajanlarını promptlamayı bırakın. Onları promptlayan döngüler tasarlamalısınız." Aynı dönemde, Claude Code'un yaratıcısı Boris Cherny Acquired Unplugged'ta benzer bir şey söyledi: "Artık Claude'u promptlamıyorum. Çalışan döngülerim var. Onlar Claude'u promptlayan taraf."

Ve internet her zamanki gibi yaptı: herkes tartıştı, kimse somut bir şey görmedi ve söylem soyutlamalar içinde kaybolup gitti.

Ben son birkaç aydır gerçek döngüler çalıştırıyorum. Trendin önünde olduğum için değil—manuel inceleme işlerinden bıktığım için otomasyona geçtim. Karşılaştığım şey beni şaşırttı: döngü zihniyeti, AI güç kullanıcıları için ileri düzey bir teknik değil. Aslında, AI ajanlarını sofistike kopyala-yapıştır araçları olarak değil, sizin adınıza izleyebilen, karar verebilen ve harekete geçebilen sistemler olarak görmeye başladığınızda doğal olarak ortaya çıkan bir evrim.

"Döngü" Kavramında Üç Farklı Yaklaşım ve Neden Kimse Anlaşamıyor

Bu tartışmanın neden dağınık olduğunu anlamak zor değil: İnsanlar "döngü" dediğinde, üç farklı şeyi kastediyor olabilirler ve aradaki farklar önemli.

Birincisi, otonom görev döngüsü—temel olarak "bitene kadar devam et" mantığı. Geoffrey Huntley'nin Ralph betiği (while :; do cat PROMPT.md | claude-code; done) veya Codex ile Claude Code'un artık hazır gelen /goal komutu gibi. Bu "bırak çalışsın, unut" modu.

İkincisi, zamanlı veya olay güdümlü döngüler—siz sandalyede oturmadığınızda çalışan işler. Peter Steinberger'in OpenClaw'daki HEARTEBEAT.md dosyası bu konuda klasik örnek: Ajanın her 30 dakikada bir yeniden değerlendirdiği bir kontrol listesi. Bu kalıbın torunları arasında Codex otomasyonları ve Claude Code'un zamanlı rutinleri var.

Üçüncüsü, orkestrasyon dağıtımı—birden fazla ajanın eşzamanlı çalıştığı dinamik iş akışları. Claude Code'un map/reduce tarzı operasyonları buraya giriyor. Bu, basit bir döngüden çok aktör modeline yakın.

Kişisel görüşüm? Steinberger ve Cherny ikinci türü tanımlıyor, birincinin içine gömülü halde. Benim çalıştırdığım döngüler dışarıdan zamanlı ve olay güdümlü, tetiklendiklerinde ise içlerinde deney tarzı döngüler çalıştırıyorlar. Gerçek avantajın olduğu yer tam olarak bu kombinasyon.

PR Bakıcısı: Döngü Tasarımına Giriş Yolum

Zaten her pull request'te AI kod incelemesi çalıştırıyordum. Önce Claude inceledi, sonra Codex'in dahili incelemesi, ardından hangi modelin ne göreceğini tamamen kontrol ettiğim özel bir GitHub Action—tam konuşma bağlamını ve patch diff'i çekerek.

Gerçek iş akışım saçmaydı: PR gönder, yorumlar gelmesini bekle, sonra yorumları ajana kopyala-yapıştır. Bazen screenshot bile yapıştırıyordum. Manuel, tekrarlayan ve ruhu öldüren bir süreçti.

Bir gün ajanıma sordum: "GH istemcisini kullanıp inceleme durumunu kendin kontrol edemez misin?" Yapabiliyordu. Doğal olarak devam ettim: "Sürekli kontrol edip bitince haber veremez misin?"

Bu basit istek iş akışımı dönüştürdü. Şimdi ajan inceleme durumu değişikliklerini izliyor, yeni bağlamı çekiyor, geri bildirimleri analiz ediyor ve gerçek işi—ele alınıp alınmayacağını—yapıyor. Döngü, bir önceliklendirme kararına ulaştığında sona eriyor: geri bildirimi kabul et, itiraz et veya bana yönlendir.

Bu kalıp güzel bir şekilde genellenebilir: Harici sistemlerde durum değişikliklerini izle, olduklarında uyan, taze bağlamı çek, analiz et, harekete geç ve önceliklendir. Bu şekli gördüğünüzde her yerde fark etmeye başlıyorsunuz. Codex ekibi kendi babysit-pr becerisini dağıtıyor ve Claude Code dokümanları artık /loop komutu için PR bakıcılığını öne çıkan kullanım örneği olarak gösteriyor.

İç Döngüler: Ajanın Kendi Deneylerini Çalıştırmasını Sağlamak

Değerini daha geç anladığım bir başka döngü kalıbı var: deney döngüsü. Andrej Karpathy'nin otomatik araştırma konsepti beni düşündürdü—çok sayıda iterasyon çalıştırmak, sonuçları ölçmek, işe yarayanı tutmak. Bunu yavaş bir Python yoluna yönelttim ve bir saatte 49 deney çalıştırdım, yaklaşık 24 dolara p95 gecikmesini 339ms'den 34ms'ye düşürdüm.

Aynı kalıp daha zor problemlere de uygulanabilir: Production'da ajan davranışını debug etmek. Bir şeyler ters gittiğinde—Braintrust'ta garip bir trace, Slack'te kullanıcı geri bildirimi veya kendi karşılaştığım bir şey—bir worktree açıyorum, trace'i yapıştırıyorum ve test döngüsünü çağırıyorum.

Bu döngüyü farklı kılan şey: Modelin naif sezgisinin karşı çıktığı bir disiplini dayatması. Serbest bırakıldığında, bir model "X, Y, Z asla yapma" kuralını sistem promptuna sabitleyecek ve gösterdiğiniz tek trace'e aşırı uyduracaktır. Becerinin referansları bu yaklaşımın neden başarısız olduğuna dair araştırmaları özetler ve döngü sözleşmesi bir hipotez ve test matrisi gerektirir.

Üç duruma ihtiyacım var: orijinal başarısız durum, aynı yolu izlemesi gereken yakın bir pozitif örnek ve farklı bir yol izlemesi gereken bir karşı örnek. Üç-dört probe, yerel dev ortamına karşı eşzamanlı çalışıyor, trace'ten tam kullanıcı bağlamını yeniden oluşturuyor. Her çalıştırma, araç çağrıları, gecikme, giriş-token delta ve doğruluk üzerinden puanlanıyor. Model hile yaparak ezberleyemez—gerçekten anlaması gerekiyor.

Döngü İnşa Ettiğinizde Ne Değişir

En büyük değişim teknik değil—kavramsal. Bir ajanı promptlarken, hala siz sürmektesiniz. Siz gaz kelebeğisiniz, navigatörsünüz, kalite kontrolcususunuz. Döngüler bunu tersine çevirir. Kendi kendini süren sistemlerin mimarı olursunuz.

Bu, tam otonominin hedef olduğu anlamına gelmiyor. Önemli her şeyde hala önceliklendirme kapısındayım. Döngüler sıkıcı işleri, izlemeyi, tekrarlamayı halleder. Ben gerçekten önemli olan yargı çağrılarını hallederim.

İkinci değişim, döngülerin başarı kriterlerini açıkça belirlemenizi zorunlu kılması. İyi bir döngünün net çıkış koşulları, net karar noktaları, net yükseltme yolları vardır. Döngüyü "bitti"nin neye benzediğini tanımlamadan inşa edemezsiniz. Bu disiplin her yere sızar.

Üçüncüsü, döngüler birleştirilebilirdir. PR bakıcısı deney döngüsüyle yan yana çalışır. Zamanlı kontroller on-call yanıtlarını tetikler. Tek seferlik prompt yığını yerine birlikte çalışan davranış kütüphanesi inşa etmeye başlarsınız.

Pratik Başlangıç Noktası

Döngülerle denemek istiyorsanız, zaten kötü otomasyon yaptığınız bir şeyle başlayın. Muhtemelen bir GitHub Action'ınız var schedule üzerinde bir şey yapan, veya manuel olarak tekrar çalıştırdığınız bir Claude Code oturumu, ya da araçlar arasında çıktı yapıştırma içeren bir inceleme süreci.

En sinir bozucu olanı seçin. Kendinize sorun: Aslında hangi durum değişikliğini bekliyorum? Bu değişiklik olduğunda ajanın ne bağlama ihtiyacı var? Hangi kararı vermesi gerekiyor?

Sonra döngüyü inşa edin. Şık olması gerekmiyor. Çalışması ve sizi kendi zamanınızın kontrolüne geri koyması gerekiyor.

Arkasındaki tam konfigürasyonlar, beceriler ve CI iş akışı herkese açık bir snapshot repoda: camwest/agent-skills. Cilalı bir ürün değil—öğrendikçe gelişen çalışan bir sistem. Mesele bu. Döngüler bir varış noktası değil; bir pratik.

AI ajanları etrafındaki söylem soyutlamalarda boğuluyor. Somut versiyonu burada: promptlamayı bırak, döngüler inşa etmeye başla ve makinenin izlemeyi halletmesine izin verirken senin anlamı halletmeni izle.