Çoğu AI geliştiricisinin, foundation model’ları sıfırdan eğitecek veya sürekli fine-tuning operasyonu yürütecek compute bütçesi, zamanı veya veri pipeline’ı yoktur. O iş, AI laboratuvarlarına ve büyük kurumlara ait.
Günlük çalışan geliştiriciler için bir dil modelinin davranışını özelleştirmenin ana kontrol kolu harness’tır — yani modelin araçlarla ve çevresiyle etkileşim kurmasını sağlayan çevresindeki yazılım mimarisi.
Harness mühendisliği geleneksel olarak elle yapılan, katı ve zaman alıcı bir süreç. Bir edge case uygulamayı bozduğunda, bir mühendisin elle müdahale edip mantığı yeniden yazması, akışı debug etmesi veya sezgiyle (sistematik geri bildirimle değil) sistem prompt’unu ayarlaması gerekir.
Yeni bir araştırma dalgası, optimizasyon yükünü geliştiriciden AI’a taşıyor. Son çıkan framework’ler modellerin kendi execution trace’lerini analiz etmesine, yeni mantık test etmesine ve kendi işletim ortamlarını otonom olarak optimize etmesine izin veriyor.
Bu araçlar geliştiricilere AI uygulamasının yeteneklerini kendini besleyen bir döngü içinde geliştiren bir yapı sunuyor.
Harness’ı Parçalarına Ayırmak
Harness, çıplak bir dil modelini harici ortamlara bağlayan kod. İçinde sistem prompt’ları, tool-use mantığı, bellek yönetimi, hata işleme ve modelin bir görevi tamamlaması için gereken doğrulama kuralları var.
Bu iskelet, basit bir metin üretecini, karmaşık ve çok adımlı iş akışlarını yürütebilen güvenilir bir otonom ajana dönüştürür.
Genel amaçlı harness örnekleri: Claude Code, Codex, OpenClaw ve Nous Hermes Agent. Yukarıda bahsedilen öğeleri farklı şekillerde uyguluyorlar.
Ama özel uygulamalar için kendi harness’ınızı oluşturup görevinizin ince farklarını ele alacak şekilde optimize edebilmelisiniz.
Elle yapılan harness’lar genellikle kırılgan. Bir model mimarisi için tasarlanmış bir prompt sarmalayıcı veya orkestrasyon akışı, başka bir modele geçildiğinde çoğunlukla bozulur. Sistemin güncellemeler arasında çalışır kalması için sürekli insan tarafından yeniden tasarlanması gerekir.
Self-Harness: kuralları içeriden yeniden yazmak
Shanghai Artificial Intelligence Laboratory’deki araştırmacılar geçenlerde Self-Harness’ı tanıttı. Bu framework, bir ajanın kendi işletim kurallarını insan mühendislere ya da daha güçlü öğretmen modellere bağımlı olmadan otonom olarak yeniden yazmasına ve iyileştirmesine imkân veriyor.
Self-Harness, sürekli evrimi üç aşamalı iteratif bir döngü ile sürdürüyor:
- Weakness mining (zayıflık madenciliği): Ajan bir yığın görev çalıştırıyor ve execution trace’ler üretiyor; bu trace’lerden tekrar eden başarısızlık örüntülerini tespit ediyor.
- Harness proposal (harness önerisi): Bu başarısızlıkları düzeltmeyi amaçlayan hedefli harness kodu değişiklikleri üretiyor.
- Proposal validation (öneri doğrulama): Sistem, aday değişiklikleri regression test’leriyle değerlendiriyor. Amaç: ajanın önceden yapabildiği görevlerde kötüleşmemesini garantilemek.
Örneğin bir ajan, bir görev sırasında sürekli file overwrite hatası veriyorsa, weakness mining log’lardaki hata etiketlerini yakalıyor. Sistem, yazmadan önce dosyanın var olup olmadığını kontrol eden somut bir kural öneriyor ve bunu sistem prompt’una enjekte ediyor.
Terminal-Bench-2.0’da (yazılım mühendisliği ve veri bilimi gibi gerçek dünya görevlerinde ajanları test eden benchmark) Self-Harness, geçiş oranlarını ciddi biçimde artırdı. Qwen-3.5 ve GLM-5 gibi modelleri kullanan ajanlar %33 ile %60 arasında performans sıçraması gösterdi.
Geliştiriciler karmaşık altyapıya ihtiyaç duymadan hafif bir Self-Harness yaklaşımını bugün uygulayabilir. Şu döngüyü tasarlayın:
- Başarısızlık trace’lerini toplayın.
- Hataları modele geri besleyip sistemik örüntüleri belirlemesini isteyin.
- Ortaya çıkan kuralları bir sonraki koşu için ajanın harness kodun eklenmek üzere enjekte edin.
HarnessX: dinamik yapısal evrim
Xiaomi’nin Darwin Agent Team’i tarafından geliştirilen HarnessX ise bir “ajan foundry’si”. Ajan mimarisini dokuz bileşenden oluşan bir davranış pipeline’ı olarak ele alıyor: context assembly, memory management, tool ecosystems, control flow, observability ve diğerleri.
HarnessX her davranışı, harness’ın farklı kısımlarına takılan kendi kendine yeten bir processor olarak uygular. Bu sayede sistem, çevre kodu bozmadan bu processor’ları Lego parçaları gibi swap, add, remove edebilir.
HarnessX, AEGIS adı verilen otomatik bir optimizasyon motoruna dayanır. AEGIS, harness uyarlamasını harness’ın processor modülleri üzerinde bir reinforcement learning (RL) problemi olarak çerçeveler.
AEGIS, performans trajektorilerini analiz eder ve dinamik olarak daha iyi yapısal kombinasyonlar arar. Katastrofik unutmayı, reward hacking’i ve AI sistemlerinin kendilerini optimize etmesine izin verildiğinde ortaya çıkan diğer sorunları önlemek için tasarlanmıştır.
HarnessX özellikle küçük modellerde çok etkili. Harness’ın dinamik olarak evrilmesine izin vererek, geliştiriciler hafif bir 9B parametreli modeli kendi boyut sınıfının çok üstünde performans göstermeye zorlayabiliyor. Bu, API token maliyetlerini ve inference gecikmesini dramatik biçimde azaltıyor.
Karmaşık GAIA benchmark’ında yapılan testlerde Qwen 3.5 9B modeli %33 başarı oranıyla başladı. HarnessX, araçlarını ve belleğini optimize etmek için round-by-round arama yaptıktan sonra aynı model %47 başarı oranına ulaştı.
Darwin Agent Team, HarnessX’in kodunu açık kaynak yaptı. Geliştiriciler GitHub’daki depoyu klonlayıp temel konfigürasyonlarını ayarlayabilir ve dahil edilmiş bir evolver reçetesiyle kendi veri kümeleri üzerinde bellek ve processor kombinasyonlarını otonom olarak test edebilir.
Kendini iyileştiren harness’lar ve loop engineering
Self-Harness ve HarnessX, daha geniş “loop engineering” trendinin son derece verimli uygulamalarını temsil ediyor. Geliştiriciler statik prompt engineering’ten uzaklaşıp odaklarını otonom yazılım montaj hatları tasarlamaya kaydırıyor.
Loop engineering, tetikleyicilerin, eylemlerin ve sıkı doğrulama kapılarının tasarlanmasını içerir. Ajanın çalışmasına, kendi çıktısını kontrol etmesine ve insan müdahalesi olmadan yürütme döngüleri arasında kendi kendini düzeltmesine olanak tanır.
Self-Harness ve HarnessX gibi framework’ler tam da sıkı regression test’leri ve yapılandırılmış arama pipeline’ları uyguladıkları için başarılı oluyor.
Yapısal değişiklikleri promote etmeden önce deterministik benchmark’lara karşı doğrulayarak “loopmaxxing” tuzağından kaçınıyorlar. Loopmaxxing, bir probleme yönlendirilmemiş döngülerde devasa miktarda inference compute’u atmayı ifade ediyor — ki bu, harcanan token’ları çöpe atmakla eşdeğer.
Yeni AI oyun kitabı
Geliştiricinin en yüksek kaldıraç noktası, modellerin güvenli bir şekilde iterate edip kendi kendilerini düzeltmelerine izin veren meta-sistemleri, instrumentation’ı ve doğrulama kapılarını tasarlamaya doğru kayıyor.
Kendini iyileştiren framework’leri benimsemek için takımların iki şeyi kurması gerekir:
- Execution trace’ler için kapsamlı loglama.
- Ajanın performansının değerlendirilebileceği doğrulanabilir hedefler.
Ajanlar, sistemik zayıflıkları tespit edip anlamlı değişiklikler önermek için başarısız koşulardan gelen yapılandırılmış veriye ihtiyaç duyar. Bu veri yoksa, hiçbir kendini iyileştiren framework çalışmaz.
Türk geliştirici ekibi için pratik yol haritası
Bu yeni yaklaşımın Türk geliştirici topluluğuna yansımaları somut. AI ajan geliştiren küçük ve orta ölçekli takımlar için — ki Türkiye’de bunlar giderek çoğalıyor — birkaç pratik adım:
1. İlk olarak loglamayı ciddiye alın. Ajan trace’lerini yapılandırılmış şekilde saklamayan bir sistem, kendini iyileştiremez. LangSmith, Weights & Biases gibi araçlar veya kendi PostgreSQL+JSON şemanız — hangi olursa olsun. Trace ilk gün.
2. Deterministik değerlendirme suite’i kurun. Bir ajanın “iyileştiği”nden emin olmak için, gelişimini karşılaştırabileceğiniz sabit bir benchmark seti gerekir. Sizin özel iş probleminizin 20-50 gerçek örneği yeterli. Bu regression suite, Self-Harness’ın validation adımının sizdeki karşılığı.
3. Küçük başlayın. Self-Harness’ın en hafif versiyonunu uygulayın: haftalık “başarısız trace’leri modele sun, sistemik pattern istet, kural olarak sistem prompt’una ekle” döngüsü. Bir mühendis-saat, muhtemelen büyük bir kalite sıçraması getirir.
4. Küçük modeli boyutunun üstünde performans göstertme fırsatı büyük. HarnessX’in 9B Qwen 3.5’i %33’ten %47’ye çıkarması, Türk geliştiriciler için özellikle değerli. Neden? Çünkü Liquid LFM2.5, LFM2.5-8B-A1B, Qwen 3.5, Gemma 4 gibi 4B-12B skalasındaki modeller ucuz ve hızlı, ama harness olmadan üretim-kalitesinin altında. HarnessX benzeri bir yaklaşımla, bu küçük modeller Claude Opus tarzı ödemeler olmadan üretim-kalitesine yaklaşabilir.
5. Loopmaxxing tuzağına düşmeyin. “Ajanı daha çok koştur, kendi kendine düzeltsin” yaklaşımı, doğrulama kapıları olmadan sadece bulut faturasını şişirir. Deterministik regression suite’i olmayan bir self-improving loop, self-improving değil, sadece self-spending.
Sonuç: statik prompt’tan otonom montaj hattına
2023-2025 dönemi, prompt engineering’in altın çağıydı. Doğru cümleyi bulmak, doğru örneği koymak, chain-of-thought template’ini optimize etmek. Bu, geliştiricinin en yüksek kaldıraç noktasıydı.
2026 ortasında manzara değişiyor. Prompt’lar hâlâ önemli, ama artık geliştiricinin asıl işi modelin kendi promptlarını iyileştirebileceği sistemleri tasarlamak.
Self-Harness ve HarnessX, bu yeni oyun kitabının ilk büyük örnekleri. İkisi de açık kaynak, ikisi de somut benchmark sıçramaları gösteriyor, ikisi de karmaşık altyapı gerektirmiyor. Bir yıl içinde bu yaklaşımın standart olmasını bekleyebiliriz.
Bu geçişi yakalayan takımlar, AI inovasyonunun hızıyla hareket edecek. Yakalayamayanlar, hâlâ elle prompt debug etmenin marjinal kazançlarında kalacak.
Harness mühendisliği iyi yapıldığında AI uygulamalarını optimize etmek için çok güçlü bir yaklaşım olabilir. Ve model bunu kendi yapabildiğinde, mühendisler kendi yeteneklerini artırıp AI inovasyonunun hızında hareket edebilecekler.
Bir yanıt yazın