ÖMER FARUK ŞAHİN

Türkçe müşteri geri bildirimlerini sınıflandıran iki servisli bir hat: ince ayarlı BERTurk kolay vakaları hallediyor, düşük güvenli olanlar ikinci görüş için Claude'a yükseliyor, o servis düşerse sistem zarifçe geri düşüyor. Gerçek bir veri setinde gecikme, maliyet ve ironi gibi hata modları ölçüldü.

Bir işletmenin yalnızca kendi belgelerinden yanıt üreten RAG sistemi — düz metin, dijital PDF, hatta Claude'un görme yeteneğiyle taranmış/el yazısı notlar. Sorgu başına API maliyeti olmayan yerel embedding'ler ve pgvector kullanıyor. Retrieval doğruluğu ve halüsinasyon oranı iki veri setinde ölçüldü, ikisinde de tam puan.

Dört rate-limiting algoritması (fixed window, sliding log, sliding counter, token bucket) tek bir Go arayüzü arkasında; atomik Lua script ile Redis destekli dağıtık mod da var. Vegeta ile gerçek yük altında kıyaslandı: aynı limitte pencere tabanlılar %50'de tıkanırken token bucket %62,3'e çıkıyor.

Bağımlılığı olmayan hafif bir Türkçe metin ön-işleme kütüphanesi: tokenization, stemming, stopword, sosyal medya normalizasyonu. Zemberek gibi tam analizörlerin gereğinden ağır kaldığı yerde duruyor. Olgunlaşmamış kısmını gizlemiyorum: deasciify modülü görülmemiş metinde kelime bazında %61 doğruluk veriyor, README'de açıkça yazıyor.

Yazım hatasına toleranslı sayfa içi arama eklentisi — “istambul” yazsan bile “İstanbul”u buluyor. Tamamen istemci tarafında, sunucusuz ve geniş izin istemeden: sadece kısayola bastığın an aktif sekmeye enjekte oluyor. MutationObserver ile sonsuz kaydırma ve React sayfalarını da yakalıyor.

Bir günlük girdisini okuyup tespit ettiği ruh haline uygun YouTube içeriği öneren NLP hattı. Zero-shot bağlam katmanı ironiyi ve nötr cümleleri duygu modeline ulaşmadan ayıklıyor; ardından BERTurk polarite kontrolü ve XLM-RoBERTa duygu modeli sırayla çalışıp ne aranacağına karar veriyor.