Kendini Geliştiren Agent Sistemi Kurmak

İnsanların çoğu opus 4.8 veya gpt 5.5'i context penceresi büyütülmüş eski nesil chat modelleri gibi kullanıyor. Prompt yazıyorlar. Model beş dakika çalışıyor. Sekmeyi kapatıyorlar.

10 kullanıcıdan 9'u, compound eden bir agent sistemini hiç çalıştırmadı. her çalışmanın bir sonraki çalışmayı daha akıllı bıraktığı, her state dosyasının biriktiği, her skill'in keskinleştiği bir sistem.

Ancak yeni nesil modeller günlerce çalışmak için inşa edildi. Sen onu dakikalarca kullanıyorsun. Aradaki fark modelin değil, modelin etrafına kurduğun (ya da kurmadığın) sistemin farkı. İşte bu rehber, o sistemi sıfırdan kurmanın yol haritası.

BU REHBER KİMİN İÇİN

Codex, Claude Code veya Claude Managed Agents (CMA) üzerinde ciddi iş yaptırmak isteyen, "agent" kelimesini pazarlama terimi olarak değil mimari birim olarak kullananlar için.

BÖLÜM 1 · YENİ NESİL FABLE 5 BENZERİ MODELLER GERÇEKTE NEYİN KİLİDİNİ AÇIYOR

01 Mythos sınıfı: günlerce süren otonomi

02 Self-improving ≠ self-learning

03 Compound stack: dört katman, tek döngü

04 Model yönlendirme: maliyet-kabiliyet matrisi

BÖLÜM 2 · ÜÇ PRİMİTİF

05 /goal vs Outcomes

06 Verifier sub-agent, self-critique'i yener

07 Dynamic Workflows

08 Worktree'ler: paralel güvenlik

09 Routines: laptop kapalı, sistem çalışıyor

BÖLÜM 3 · SELF-İMPROVEMENT KATMANI

10 5 aşamalı hafıza progresyonu

11 State dosyası: hafızanın yaşadığı yer

12 Compound eden Skill'ler

13 Vision ile self-verification

BÖLÜM 4 · ÜRETİMDE AYAKTA KALMAK

14 Mythos güvenlik sınırı ve fallback mimarisi

15 Maliyet mühendisliği: compound sistemin ekonomisi

16 İlk 7 gün: sıfırdan compound sistemeKAPANIŞ

§ Fable 5'i potansiyelinin %10'unda bırakan 12 hata

§ Sonuç: sistemi kur


Fable 5 gerçekte neyin kilidini açıyor

01 Mythos sınıfı bir model: manşet, günlerce süren otonomi

Claude Fable 5, 9 Haziran 2026'da yayınlandı, Anthropic'in Opus'un bir üst basamağına yerleştirdiği Mythos sınıfının halka açık ilk modeli. Güvenlik sınıflandırıcıları olmayan kardeşi Mythos 5 ise yalnızca onaylı kuruluşlara açık; senin API anahtarınla erişebildiğin model Fable 5.

Lansman dokümantasyonuna göre Fable 5'in önceki Claude modellerinin sürdüremediği dört şeyi sürdürebilmesi, bütün bu rehberin varlık sebebi:

Günlerce süren otonom oturumlar. Claude Code veya Claude Managed Agents (CMA) gibi bir harness içinde Fable 5 günlerce çalışabiliyor, aşamalar arası plan yapıyor, sub-agent'lara iş devrediyor, kendi işini denetletiyor.

Yerleşik self-verification. Kendi işini kontrol etmek için kendi testlerini yazıyor. Çıktıları hedefle karşılaştırmak için vision kullanıyor. Öğrendiklerini genel kurallara damıtıyor. Kendi varsayımlarını test ediyor.

En iddialı kod işleri. Büyük migration'lar, karmaşık implementasyonlar, çok günlük otonom kodlama oturumları. Anthropic'in öne çıkardığı kullanım şekli: "büyük projeyi devret, tamamlanmış teslimatı incele."

Çok aşamalı bilgi işi. Derin araştırma ve analizden, incelemeye hazır teslimatlara, minimum gözetimle.

Fiyat da kademesine uygun: milyon input token başına $10, milyon output token başına $50; prompt caching'de mevcut %90 input indirimi geçerli. Claude API, AWS Bedrock, Vertex AI, Microsoft

Foundry ve tüketim bazlı Enterprise planında mevcut. Bu bir abonelik modeli değil, ağır kullanım kendi faturasını üretir. Bu yüzden 15. adımdaki maliyet mühendisliği bölümü, bu rehberin süs kısmı değil, hayatta kalma kısmı.

02 Self-improving, self-learning değildir

"Kendini geliştiren agent sistemi" lafı ortalıkta dikkatsizce dolaşıyor. Gerçek olan versiyonla hype olan versiyon birbirinden çok farklı ve bir şey inşa etmeden önce bu farkı anlamak gerekiyor.

Self-learning, agent'ın öğrendiklerine göre kendi ağırlıklarını güncellemesi. Fable 5 bunu yapmıyor.

Üretimde halka açık hiçbir model bunu yapmıyor. Recursive self-improvement (RSI), Anthropic'in bizzat Mayıs 2026'da hakkında uyarı yayınladığı uzun vadeli istikamet; bugün satılan kabiliyet değil.

Self-improving, agent'ın etrafındaki sistemin compound etmesi. Her oturum hafızaya ders yazar.

Edge case'ler eklendikçe skill'ler keskinleşir. State dosyaları doğrulanmış gerçekleri biriktirir. Evaldöngüleri prompt'ları ve rubric'leri rafine eder. Model aynı kalır; içinde koştuğu ortam keskinleşir.

Bu anlamda self-improvement, modelin değil senin kurduğun sistemin bir özelliğidir. Fable 5'in getirdiği şey ham kabiliyet: uzun context, sub-agent delegasyonu, vision self-check, günlerce dayanan stamina.

Bu ham kabiliyet, ortam-geri bildirim döngüsünü gerçekten çalışma üstüne çalışma compound eden bir şeye dönüştürüyor.

"Fable 5'i doğrudan prompt'layıp yönlendirmek yerine, modelin ortam geri bildirimine göre kendini düzeltmesine (örn. /goal veya Outcomes) ve kendi context'ini yönetmesine (örn. memory üzerinden) izin veren döngüler tasarlamak çoğu zaman daha iyidir."

— Anthropic engineering ekibi

Bu mimarinin compound etme sebebi: 1. katmandan çıkan her çıktı 4. katmana akar; orada notlanır, damıtılır ve 3. katmana geri yazılır. Yarının 1. katman çalışması, dünün keskinleşmiş hafızasını ve rafine edilmiş Skill'lerini miras alır. Model stateless; etrafındaki sistem değil.

04 Fable 5 mi, Opus 4.8 mi, Sonnet 4.6 mı? Maliyet-kabiliyet matrisi

Fable 5, token başına Opus 4.8'in yaklaşık 5 katı maliyetli. Self-improving bir sistemin her adımı en üst kademeyi gerektirmez. Bunu üretimde çalıştıran ekipler default'a göre değil, görev karmaşıklığına göre yönlendiriyor:

PRATİKTE → Üretimdeki ekiplerin self-improving sistemi ekonomik kılan deseni: orkestratör Fable 5'te, işçiler Sonnet 4.6'da, grader'lar Haiku 4.5'te, classifier engellerinde fallback Opus 4.8'e. Anthropic mühendislerinin kendi içeride kullandığı desenle aynı.

Üç primitif: loops, workflows, routines

05 /goal vs Outcomes: aynı fikrin iki implementasyonu

Anthropic'in Claude Code ekibi, hedef güdümlü döngüler için neredeyse özdeş iki primitif yayınlıyor, her harness'a bir tane. İkisi de aynı şekli paylaşır: bağımsız bir grader işi denetler, "karşılanmadı" kararı bir sonraki iterasyonu başlatır, grader geçtiğinde döngü biter. Farklar, hangisini kullanacağını belirleyen yüzey detaylarında:

/goal'u Claude Code'da kullan, iş senin makinende oluyorsa ve ölçülebilir bir bitiş durumu olan hızlı, oturum içi bir döngü istiyorsan. En iyisi: elle kodlama, flaky test debug'ı, tek dosya rafine etme.

Düz metin hedef, model grader, terminal içi geri bildirim.

Outcomes'u CMA'da kullan, iş Anthropic'in barındırdığı altyapıda saatlerce/günlerce, sandbox, GPU veya kontrollü ortamla koşacaksa. En iyisi: ML training, uzun migration'lar, çok günlük araştırma. Dosya bazlı, notlanabilir kriterli rubric; sub-agent grader; sert max_iterations sınırı.

İkisinin de işe yaramasını sağlayan yapısal hamle aynı: kodu yazan agent, ona not veren agent değil. Bunun neden bu kadar önemli olduğu bir sonraki adımın konusu.

06 Verifier sub-agent, self-critique'i yener

Anthropic mühendisi Prithvi Rajasekaran'ın engineering blog'daki yazısı, modellerin kendi çıktılarını öz-eleştirmekte zorlandığını gösteriyor. Claude Code ekibi bunu Fable 5 ile ampirik olarak doğruladı: "Fable 5 ile verifier sub-agent'ın self-critique'ten daha iyi performans gösterme eğiliminde" olduğunu bulduk.

— Claude Code ekibi

Mekanizma yapısal; "daha çok çabalamakla" ilgisi yok. Kendi çıktısını değerlendiren model, kendi akıl yürütme izini görür ve zaten yazdıklarıyla tutarlı sonuçları tercih eder. Aynı çıktıyı değerlendiren ayrı bir model ise yalnızca artefaktı ve rubric'i görür. Verifier'ın, üreticinin oyununda payı yoktur.

Anthropic'in Parameter Golf deneyi (8 saate kadar, 8×H100 GPU üzerinde) bu farkı sayıya döker.

Manşet rakamların ötesinde grafiklerin asıl gösterdiği: Fable 5 daha büyük yapısal değişiklikler yaptı, train+eval sequence uzunluğunu değiştirmek, overlapped sliding-window eval, int6 QAT. Her biri mimari seviyede hamle; sabit oynatma değil.

Fable 5, bir quantization regresyonunun içinden geçerek en büyük kazanımına ulaştı, başarısız deneyden sonra geri almak yerine araştırmaya devam etti.

Opus 4.7'nin ilk deneyi küçük bir kazanç üretti; sonrası hep aynı şablondu, bir skaları ayarla, ölç, pozitifse tut. Bu şekil daha güvenli, daha iyi değil.

PRATİKTE → Sistem tasarımı için ders: bağımsız verifier'lı Fable 5, daha büyük hipotez uzaylarını keşfeder ve negatif ara sonuçlardan toparlanır. Verifier yoksa, aynı model ilk "yeterince iyi"yi geçmeye zorlayan hiçbir şeye sahip değildir. Sonuç: Parameter Golf'ta Fable 5, Opus 4.7'nin ~6 katı iyileşme yakaladı, iki yarıda da model aynı; değişen, etrafındaki sistem.

07 Dynamic Workflows: self-correction desenlerini kompoze et

Dynamic Workflows, 28 Mayıs 2026'da Claude Code'a geldi. Fikir: Claude, anında kendi JavaScript harness'ını yazıyor, agent(), parallel() ve pipeline() primitifleri ve aralarında akan veriyi işleyen standart JS içeren bir dosya. Harness göreve özel inşa ediliyor; jenerik değil.

Fable 5 ile self-improving sistemler için, dokümante edilmiş desenlerden üçü yerini hak ediyor: Fan-out-and-synthesize. İşi N bağımsız parçaya böl, her birinde paralel bir agent koştur, sonuçları sentezle. Her adımın kendi temiz context penceresinden faydalandığı durumlar için, örn. bir

Skill'deki her kuralı tarihsel örneklere karşı ayrı ayrı değerlendirmek. Adversarial verification. Her üretici (maker) agent için, üreticinin akıl yürütmesine hiç maruz kalmamış bağımsız bir verifier doğur. 6. adımdaki self-preferential bias'ın görev başına uygulanan yapısal çözümü.

Loop until done. Bir durdurma koşulu sağlanana dek agent doğurmaya devam et, yeni bulgu yok, logda hata kalmadı, teori doğrulandı. Sert bir tamamlanma şartı koymak için /goal ile eşleştir.

Self-improving sistemlerde tipik olarak görünmeyen ama bilinmeye değer iki desen: classify-and-act (görevi bir sınıflandırıcıya göre doğru modele yönlendir, 4. adımdaki model routing için birebir) ve tournament (zevk/estetik bazlı sıralama için ikili karşılaştırma, kod döngülerinde nadir, tasarım ve isimlendirme işlerinde faydalı).

08 Worktree'ler: paralel güvenlik, sıfır dosya çarpışması

Self-improving bir sistem birden fazla agent doğurduğu anda dosyalar çarpışmaya başlar. Aynı dosyaya yazan iki agent, önceden konuşmadan aynı satırlara commit atan iki mühendisle aynı problemdir.

Çözüm git'in kendi mekanizması: worktree, aynı repo geçmişini paylaşan, kendi branch'inde ayrı bir çalışma dizini. Bir agent'ın düzenlemeleri diğerinin checkout'una fiziksel olarak dokunamaz. Fable 5'in doğrulamak veya uzmanlaşmak için sub-agent doğurduğu sistemlerde worktree'ler opsiyonel değil: Maker, worktree A'da yazar; verifier, worktree B'de okur. Verifier'ın keşfi, üreticinin state'ine dokunamaz.Paralel yapısal deneyler. Fable 5 birden fazla mimari değişikliği keşfediyorsa (Parameter Golf'taki gibi), her deney kendi worktree'sinde koşar. Orkestratör hepsinden sonuç toplar; en iyisi merge edilir.

Checkpoint'li çok günlük çalışmalar. Her büyük faz ayrı bir worktree olabilir. Başarısız faz, kalanı zehirlemez.

09 Routines: laptop kapalı, Fable 5 çalışıyor

Routines, 14 Nisan 2026'da research preview olarak çıktı. Kaydedilmiş Claude Code konfigürasyonları bunlar, bir prompt, repo'lar, connector'lar, izinler, bir tetikleyiciyle Anthropic'in yönettiği bulut altyapısında koşuyor. Laptop'un kapalı olabilir; çalışma yine de olur.

Fable 5 özelinde Routines, modelin kabiliyetini hak eden tetikleme katmanı. Anthropic, Fable 5'in "günlerce" ölçümünü CMA üzerinde yapıyor, tam araç setine sahip, yerel makine kısıtı olmayan barındırılmış bir sandbox. Parameter Golf 8×H100 üzerinde 8 saate kadar koştu; o sınıf bir çalışma

senin laptop'ında gerçekleşmez.

Üç Routine tetikleyici tipi, self-improvement desenlerine eşlenmiş halde:

Schedule tetikleyiciler, sabah brifingi deseni. Her gün 07:00: dünün eval suite'ini yeniden koştur, yeni failure mode'ları Skill'lere damıt, özeti Slack'e yaz. Sen uyurken agent keskinleşir.

API tetikleyiciler, olayda ateşle deseni. CI düştü → araştıran bir Routine ateşle. Sentry alarmı → triage yapan bir Routine ateşle. Sistem sabit takvime değil, gerçek ortamına tepki verir.

GitHub event tetikleyiciler, gerçek işten öğren deseni. PR açıldığında en güncel Skill'lere karşı değerlendirme koştur. Merge'de, PR'ın getirdiği yeni desenleri Skill'e geri yaz. Repo state'i ile Skill state'i senkron kalır.

Self-improvement katmanı

10 5 aşamalı hafıza progresyonu "Agent hafızası"nın pratikte ne anlama geldiğine dair en kullanışlı çerçeve

Anthropic ekibinin Continual Learning Bench 1.0 deneyinden geliyor. Hafızanın etkili kullanımı beş aşamalı bir progresyon gerektirir; her aşama yapısal bir hamledir ve her model bu progresyonun farklı bir noktasında durur:

1 · Fail: agent bir şeyi yanlış yapar ve hatayı, sonradan işe yarayacak detayla dokümante eder.

2 · Investigate: devam etmeden önce hatanın neden olduğunu çözer.

3 · Verify: teşhisi tahmin değil, kontrol edilmiş bir gerçeğe dönüştürür.

4 · Distill: doğrulamayı, spesifik vakanın ötesinde geçerli genel bir kurala damıtır.

5 · Consult: bir sonraki görevde gerçeği sıfırdan türetmek yerine kuralı okur.

Bench'in SQL keşif görevinde, hepsine hafıza sağlanmış modeller arasında ölçülen fark:

11 State dosyası: hafızanın gerçekte yaşadığı yer

5 aşamalı progresyon zihinsel model; state dosyası, her aşamanın çıktısının yazıldığı yer. CMA'da koşan Fable 5 için hafıza, oturumlar arası hayatta kalan mount edilmiş bir dosya sistemi, lokalde Claude Code'da aynı işi bir markdown dosyası veya bir Linear board görür.

5 aşamalı progresyonu gerçekten destekleyen bir state dosyasının yapısı:

Bu dosyanın gerçekten compound etmesini mi yoksa sadece şişmesini mi yaşayacağını iki operasyonel kural belirler:

Çekip gitmeden önce yaz. Her Fable 5 oturumu STATE.md'yi güncelleyerek biter, ne denendi, ne geçti, ne kaldı, hangi yeni kurallar hayatta kaldı. Oturum bir yazımla bitmiyorsa, sıradaki sıfırdan başlar.

Oturum başında oku. Her yeni oturum STATE.md'yi ve en alakalı Skill'leri okuyarak başlar. Continual Learning Bench verisi net: bu olmadan Sonnet sınıfı hafıza davranışı Fable 5'te bile ortaya çıkıyor.

12 Compound eden Skill'ler: dersi chat'e değil, Skill'in içine yaz

STATE.md proje hafızası içindir. Skill'ler ise prosedürel hafıza içindir — projeler arası geçerli olması gereken "bu tür iş nasıl yapılır" bilgisi. Compound deseni şu: her önemsiz-olmayan hatadan sonra dersi Skill'in kendisine yaz. Sistem her koştuğunda Skill keskinleşir.

İki haftadır compound eden bir Skill, taze olandan farklı görünür. Yeni bölümler belirir: bilinen failure mode'lar, post-mortem'lerden çıkan kurallar, üretimde gözlemlenen anti-pattern'lar. Skill artık statik bir talimat seti değil; ekibin gerçekten öğrendiklerinin birikimli kaydıdır:

13 Vision ile self-verification: Fable 5 kendi UI'ını hedefe karşı denetler

Fable 5'in manşet kabiliyetlerinden biri "çıktıları hedeflere karşı kontrol etmek için vision kullanır". Kulağa soyut geliyor, ta ki neyin yerini aldığını görene kadar: UI'ın doğru göründüğünü teyit etmek için screenshot'a bakan insanın. Fable 5 o adımı, döngünün içinde, "bitti" demeden önce kendisi yapıyor.

Üretimdeki desen:

Maker sub-agent UI kodunu yazar; sonucu screenshot'a render eder.

Verifier sub-agent screenshot'ı vision ile okur; hedef açıklamasına, proje Skill'indeki design token'lara ve STATE.md'deki önceki screenshot'a karşı karşılaştırır.

Karar döngüye döner. Eşleşme → görev tamam. Uyumsuzluk → farkı betimle, yapılandırılmış bir diff ile maker'a geri ver.

Bu desen, Anthropic'in Parameter Golf'ta aynı harness altında ölçtüğü şeyin ta kendisi: Fable 5 training grafiklerine (görsel artefakt) baktı ve eğrinin kritere uyup uymadığına karar verdi. Döngüde grafiği okuyan insan yoktu. Grafiği verifier okudu.

Üretimde ayakta kalmak

14 Mythos güvenlik sınırı: Fable 5'in yapmayacakları ve etrafından tasarım

İlk gün en kolay atlanan ve zor yoldan öğrenmesi en pahalı adım bu. Fable 5, belirli yüksek riskli alanlarda yanıt vermeyi reddeden yerleşik güvenlik sınıflandırıcılarıyla geliyor: siber güvenlik zafiyet araştırması, biyoloji, kimya ve model distillation. Bu alanlarda Anthropic, Fable 5'i otomatik olarak

Claude Opus 4.8'e düşürüyor. Bu dokümante edilmiş davranış; bug değil. Otonom koşan self-improving bir sistem için bunun anlamı:

Sistemin güvenlik tooling'ine dokunuyorsa (SAST taramaları, exploit araştırması, pentest mantığı, hatta bazı code review sınıfları) classifier engelleri bekle. Fallback için mimari kur: o görevleri açıkça

Opus 4.8'e yönlendir veya engeli insan reviewer'a yüzeye çıkar.

Sınıflandırıcı geniş. Bir bilimsel hesaplama workflow'u tetikleyebilir; kripto primitiflerinin code review'ı tetikleyebilir.

Skill'lerini fallback'i zarifçe yüzeye çıkaracak şekilde tasarla. Bir Skill, ürettiği hangi görev türlerinin classifier'a takılabileceğini bilmeli ve beklenen davranışı dokümante etmeli. Classifier engelinde sessizce başarısız olan döngü, gerçek hatada başarısız olan döngüyle özdeş görünür, debug edene kadar.

System card'ı denetle. Fable 5'in 319 sayfalık system card'ı sınıflandırıcının kapsamını dokümante ediyor. Üretime çıkmadan önce oku.

PRATİKTE → Genel tasarım ilkesi: güvenlik sınırını failure mode olarak değil, bilinen bir fallback olarak ele al. Sınırın açık yönetimiyle gelen bir sistem, classifier evrildiğinde sağlam kalır. Onu yok sayan sistem, Anthropic politikayı güncellediğinde sessiz regresyonlar üretir.

15 Maliyet mühendisliği: compound sistemin ekonomisi

Milyon output token başına $50, plansız kullanıldığında bir laptop'ı ısıtma maliyetiyle bir ekip maaşı arasındaki her rakamı üretebilir. Compound sistemi ekonomik kılan üç kaldıraç var; üçü de mimari karar, üçü de fatura kalemi:

1 · Rol bazlı model dağılımı. 4. adımdaki matris fatura üzerinde şöyle görünür: tipik bir fan-out çalışmasında token hacminin büyük kısmı işçi (Sonnet) ve grader (Haiku) katmanında akar; Fable 5 yalnızca planlama, sentez ve damıtma anlarında konuşur. Orkestratör çıktısının toplam token hacmindeki payını küçük tutmak, tek başına en büyük tasarruf kalemidir. Her şeyi Fable 5'tekoşturan bir sistemle, doğru dağıtılmış aynı sistem arasındaki fark kabaca bir çarpan değil, bir mertebedir.

2 · Prompt caching disiplini. %90 input indirimi yalnızca cache isabetinde gerçek olur. Cache TTL'i kısa olduğundan, uzun bekleyen döngülerde her uyanış tam fiyatlı context okuması demektir. Tasarım kuralı: aktif poll eden döngüleri cache penceresi içinde tut; uzun bekleyişleri tek seferlik, uzun aralıklara topla. Sık-kısa ve seyrek-uzun uyanışlar ucuzdur; orta sıklıkta orta uzunlukta uyanışlar en pahalı şekildir.

3 · Verifier'ın geri ödemesi. Verifier sub-agent bir maliyet kalemi gibi görünür (her üretim için +1 Haiku çağrısı) ama yanlış-pozitif "bitti" kararlarının maliyetini düşürür: yanlış tamamlanan bir görev, insan fark edene kadar geçen süre + yeniden açılan oturum + sıfırdan context demektir. Ucuz grader, pahalı yeniden çalışmanın sigortasıdır.

İlk 7 gün: sıfırdan compound sisteme

16 adımlık mimariyi bir oturuşta kurmaya çalışmak, hiç kurmamanın en garantili yoludur. Üretimde işleyen sıralama, kaldıraçların compound sırasıyla aynıdır, aşağıdan yukarı, günde bir hamle:

Yedinci günün sonunda elinde dört katmanın dördü de minimal ama kapalı devre çalışır halde olur. Bundan sonrası ölçek: daha çok Skill, daha çok eval vakası, daha çok Routine. Mimaride yeni bir şey icat etmen gerekmez, döngü kendi işini yapar.

Kaynaklar: Anthropic engineering blog yazıları, Claude Code ekibi kamuya açık deneyleri (Parameter Golf, Continual Learning Bench 1.0), Fable 5 lansman dokümantasyonu ve system card (Haziran 2026 itibarıyla doğrulanmıştır).

NOT: BU ARAŞTIRMA KUZY.AI AR-GE OPERASYONU SIRASINDA YAPILMIŞTIR VE SONRASINDA PUBLIC OLARAK PAYLAŞILMASINA KARAR VERİLMİŞTİR.