Codex Skill Yazmayı %99'undan İyi Öğren
Mert Durmazer | Digital Academy · 2026-09-20
💡 Hızlı Bilgi
1. Codex için skill yazarken çıktıdan geriye doğru çalışın; önce tamamlanmış işin kusursuz örneğini verip ajanla kuralları ve MD formatındaki talimatları tersine mühendislikle türetin.
2. Skillerin açıklama (description) kısmını kısa, net ve kesin tutun; yanlış tetiklenmeleri önlemek için hem tetiklenmesi gereken hem de tetiklenmemesi gereken senaryoları test ederek tanımı daraltın.
3. Skill içindeki kurallarda esneklik ile katılığı dengeli dağıtın; teknik sınırlamaları (boyut, format vb.) kesin kurallara bağlarken, yaratıcılık gerektiren kısımları ajanın kararına bırakın.
4. Skill'i sadece en üst modelle sınırlı tutmayın; farklı modellerde (Terra, Luna, Astra vb.) test ederek maliyeti düşürün ve en ucuz, kabul edilebilir sonucu veren modeli seçin.
5. Ajanın çıktıyı teslim etmeden önce kaliteyi denetlemesi için nesnel ve öznel doğrulama (Q&A raporu) adımlarını skill talimatlarına mutlaka ekleyin.
6. Geliştirdiğiniz skilleri globalde mi yoksa sadece belirli bir projede mi kullanacağınıza karar vererek doğru klasör yapısına (Agent skills veya proje altındaki skill klasörleri) yerleştirin.
📊 Detaylı Açıklama
Konuşmacı, yapay zeka ajanlarına karmaşık görevleri defalarca baştan anlatmak yerine "skill" (yetenek) adı verilen yazılı dokümanların kullanılmasını öneriyor. Skill, bir yemeğin tarifine benzer şekilde ajana bir işin nasıl yapılacağını adım adım anlatan bir talimat dosyasıdır. Ajanlar skilleri öncelikle ad ve açıklamalarından bulur; açıklama zayıfsa ajan doğru skill'i tetikleyemez. Bu nedenle skill yazımına sıfırdan başlamak yerine, tamamlanmış örnek bir çıktı vererek geriye doğru çalışmak (tersine mühendislik) en etkili yöntemdir. Örneğin, beğenilen iki Instagram karuseli örnek olarak verilip ajandan bu karusel formatının kurallarını ve adımlarını çıkartması istenir.
Oluşturulan kurallar bir MD (Markdown) dosyasına dönüştürülürken emir kipi kullanılır ve kural uydurmaması için net sınırlar çizilir. Ancak ilk taslak genellikle geniştir ve optimize edilmesi gerekir. Konuşmacı, skill'in yanlış zamanlarda tetiklenmesini engellemek için beş gerçekçi olumlu ve üç olumsuz test cümlesi yazdırılarak açıklamanın (description) daraltılması gerektiğini vurguluyor. Böylece ajan, hangi bağlamda çalışıp hangi bağlamda çalışmayacağını net bir şekilde öğrenir.
Skill içerisindeki kuralların katılık derecesi işin niteliğine göre ayarlanmalıdır. Örneğin, bir görselin tam olarak 1080x1080 piksel veya 16:9 oranında olması katı bir kural gerektirirken, başlık boyutu veya görsel yerleşimi gibi unsurlarda ajana özgürlük tanınabilir. Tamamen katı kurallar yaratıcılığı öldürürken, tamamen esnek bırakılan teknik kurallar ise hatalı ve tutarsız çıktılara yol açar. Bu dengenin kurulabilmesi için skill içine "kuş kafesi" mantığıyla sınırları belli, içi özgür alanlar tanımlanmalıdır.
Yazılan skill'in kalitesini garanti altına almak için nesnel (kare sayısı, kelime sınırı gibi) ve öznel (ton uygunluğu, anlaşılırlık gibi) kriterlerden oluşan Q&A doğrulama döngüleri eklenmelidir. Konuşmacı, skill'in sadece en pahalı ve güçlü modellerde değil, farklı modellerde de test edilmesini (model ve efor seviyesinin aşağı indirilmesini) tavsiye ediyor. Çıkan sonuçlar maliyet ve kalite ekseninde karşılaştırılarak işi en ucuz ve kabul edilebilir düzeyde yapan model (örneğin Terra) tercih edilmelidir.
Süreç sonunda elde edilen geri bildirimler dosyaya işlenerek sürekli bir öğrenme döngüsü sağlanmalıdır. Chat kapatıldığında bu geri bildirimlerin kaybolmaması için skill dokümanı güncellenmelidir. Ayrıca skillerin nerede saklanacağı mimari bir karardır; tüm projelerde geçerli olması isteniyorsa genel agent skills klasörüne, yalnızca belirli bir projeye özelse ilgili proje dizinine eklenmelidir. Böylece gereksiz token tüketimi ve proje çöplüğü yaratılmamış olur.
🎯 Teknoloji Uzmanı Yorumu
Yapay zeka ajanlarıyla çalışırken her seferinde uzun promptlar yazma sorununa karşı "skill" yaklaşımı, otomasyon ve standartlaşma açısından son derece yapısal ve akılcı bir çözümdür. Konuşmacının önerdiği tersine mühendislik yöntemi, ajanın ne istendiğini somut bir örnek üzerinden anlamasını sağlayarak belirsizliği minimuma indirir. Bu strateji, özellikle ajanın yaratıcı çıktılar üretmesini değil, kurumsal standartlara uygun tekrarlanabilir işler yapmasını isteyenler için oldukça uygundur.
Skill optimizasyonunda vurgulanan açıklama daraltma ve çoklu model testi (model ve eforu aşağı çekme) aşamaları, yapay zeka maliyetlerini optimize etmek isteyen profesyoneller için kritik önem taşır. En pahalı modeli her görev için kullanmak yerine, doğru yazılmış talimatlar ve Q&A doğrulama döngüleriyle daha ucuz modellerden (Terra vb.) maksimum verim almak, üretim ortamında ölçeklenebilirlik açısından doğru bir yaklaşımdır.
Bununla birlikte, skillerin tamamen hatasız çalışacağını varsaymak ve denetim mekanizmalarını (öznel/nesnel Q&A) atlamak büyük bir risktir. Ajanların halüsinasyon görme veya talimatları esnetme eğilimi göz önüne alındığında, doğrulama adımlarının ve sürekli geri bildirim döngüsünün skill dosyasına entegre edilmesi şarttır. Aksi takdirde, bir kez yazılıp unutulan skiller zamanla tutarsız çıktılar üretecektir.
Sonuç olarak, tekrarlayan dijital iş süreçlerini otomatikleştirmek isteyen geliştiriciler ve ajans sahipleri için bu videodaki skill yazma ve test etme metodolojisi kesinlikle kullanılmalıdır. Süreci şansa bırakmak yerine kural tabanlı kafesler örmek, ajanı maliyet etkin modellerde çalıştırmak ve çıktıyı otomatik doğrulatmak, yapay zeka projelerinde sürdürülebilir başarının anahtarıdır.