Agentic AI sistemleri genellikle bir dil modeli etrafında akıl yürütme döngüleri olarak sunulur. Üretimde, zor sorunlar genellikle modelin dışında ortaya çıkar: işler HTTP isteklerini aşıyor, workers pahalı görevlerin yarısında başarısız oluyor, model çıktıları şemaları ihlal ediyor, araçlar kısmi sonuçlar döndürüyor, bellek bayatlıyor ve hata ayıklama çeşitli hizmetleri geçiyor.
Güvenilir bir arka uç, agentic görevini uzun bir sohbetin tamamlanması yerine dayanıklı bir iş akışı olarak ele almalıdır. Yürütme durumu devam ettirilmeli, yan etkiler idempotent olmalı, çıktılar doğrulanmalı, bellek denetlenebilir durumda kalmalı ve her işlem bir dağıtılmış izi paylaşmalıdır.
Dil modeli eylemleri seçebilir ve sonuçları sentezleyebilir. Dayanıklılık, aritmetik doğruluk, yeniden deneme güvenliği veya uygulama durumunun bütünlüğünden sorumlu olmamalıdır.
Uzun Süreli Görev Sorunu
Bir dizi iş belgesini işleme, fatura satır öğelerini bir ürün kataloğuyla mutabakata varma, sözleşme koşullarını alma, istisnaları hesaplama ve kaynaklı bir özet üretme talebini düşünün. İş akışı, OCR, veritabanı sorguları, çeşitli model çağrıları, harici araçlar ve insan incelemesi gerektirebilir.
Orijinal HTTP bağlantısını on dakika boyunca açık tutmak hassastır. Proxy'ler ve istemciler zaman aşımına uğrayabilir, kullanıcı bağlantıyı kestikten sonra güvenilir bir şekilde devam edemez ve bir worker hatası tüm görevi iptal edebilir.
Standart model:
submit → job_id → background execution → status/progress → result notification
API isteği kabul eder, doğrular, işi sürdürür, işi kuyruğa alır ve hemen geri döner.
Eşzamansız API Sözleşmesi
Bir görev gönderim uç noktası 202 Accepted'i döndürebilir:
POST /analyses
Idempotency-Key: 8cf92ad7-7bf4-47c1-a472-65452d5c7190
Content-Type: application/json
{
"document_ids": ["invoice-2026-0148", "catalog-2026-03"],
"analysis_type": "invoice_catalog_reconciliation"
}
HTTP/1.1 202 Accepted
Location: /analyses/job-7f82a1
{
"job_id": "job-7f82a1",
"status": "queued",
"created_at": "2026-07-16T09:15:00Z"
}
İş kaynağı kararlı arayüz haline gelir:
GET /analyses/job-7f82a1
{
"job_id": "job-7f82a1",
"status": "running",
"current_step": "validate_line_items",
"completed_steps": 4,
"total_steps": 7,
"progress": 0.57,
"updated_at": "2026-07-16T09:16:42Z"
}
İstemciler bu uç noktayı yoklayabilir. Sunucu Tarafından Gönderilen Etkinlikler veya WebSockets canlı ilerleme sağlayabilir. Bir web kancası veya anında bildirim, tamamlandığını duyurabilir. Bu dağıtım mekanizmaları temel iş modelini değiştirmez.
Durum Makinesi Olarak İş Durumu
Dayanıklı bir iş açık durumlardan geçmelidir:
queued → running → waiting_for_review → completed
↘ retrying
↘ failed
↘ cancelled
yeniden deneme, bir terminal dalı değil, bir adım hatasından sonra çalıştırmadan girilen bir alt durumdur.
Her geçişe bir zaman damgası ve neden ile devam edilmelidir. Geçersiz geçişler reddedilmelidir. Örneğin, tamamlanmış bir iş tekrar çalışmaya dönemez ve iptal işleminde "istenen" ile "durdurulan onaylanan" arasında ayrım yapılmalıdır.
İnceleme için bekleme durumu bir süre sonu politikası taşımalıdır: bir işin süresiz olarak sessizce takılıp kalamaması için durumu yükselten, inceleyene hatırlatan veya herhangi bir yanıt gelmediğinde işi otomatik olarak başarısızlığa uğratan bir SLA zamanlayıcısı.
Adım düzeyindeki durum, ilerlemeyi anlamlı kılar ve yeniden başlamayı destekler. Yalnızca bir yüzdeyi kaydetmek, hangi yan etkilerin daha önce meydana geldiğini ortaya çıkarmaz.
Kuyruk ve İş Akışı Motoru Seçenekleri
Redis'li Celery gibi bir görev kuyruğu, kısa, bağımsız arka plan işleri için yeterli olabilir. Eşzamansız yürütme, yeniden denemeler ve worker ölçeklendirmesini nispeten düşük karmaşıklıkla sağlar.
Temporal gibi dayanıklı bir iş akışı motoru, zamanlayıcılar, dengeleme, insan duraklamaları, dayanıklı yeniden denemeler ve worker yeniden başlatmaları boyunca devam ettirme gerektiren uzun, çok adımlı işlemlere daha uygundur. İş akışı kodu, motor yürütme geçmişini sürdürürken sırayı açıklar.
Dayanıklı iş akışı kodu, dağıtımlar genelinde belirleyici kalmalıdır. Yürütmeler devam ederken iş akışı mantığı değiştiğinde, motorun eski ve yeni kod yollarını (örneğin sürüm oluşturma veya yama işaretleyicileri) ayırt etmesi gerekir, aksi takdirde tekrar oynatma, geçmiş olay geçmişine göre başarısız olur. Geçiş stratejisi olmadan bir iş akışı değişikliğini dağıtmak, uç bir durum değil, üretim olaylarının yaygın bir kaynağıdır.
Seçim iş akışı özelliklerine uygun olmalıdır:
- Görevler kısa, çoğunlukla bağımsız ve baştan yeniden denenmesi kolay olduğunda basit bir sıra kullanın.
- Görevler pahalı, durum bilgisi içeren, uzun süren veya tekrarlanamayan yan etkiler içerdiğinde dayanıklı bir iş akışı motoru kullanın.
Dayanıklı bir iş akışı motorunun benimsenmesi operasyonel maliyete katkıda bulunur: motoru çalıştırmak veya ona abone olmak, deterministik iş akışı kodunu uygulamak ve ekibi yürütme modeli konusunda eğitmek. Bu maliyet, varsayılan olarak benimsenmek yerine, önlediği arıza modlarına göre değerlendirilmelidir.
Bir dil modeli düzenleme çerçevesi, akıl yürütme durumunu yönetebilir ancak otomatik olarak dayanıklı bir yürütme motorunun yerini almaz. Checkpointing aracı grafiği ve dış etkinliklerin kalıcı olarak koordine edilmesi birbiriyle ilişkili ancak farklı konulardır.
Idempotency
Kullanıcılar istekleri yeniden dener. Tarayıcılar gönderimleri yeniden gönderir. Kuyruklar mesajları birden fazla kez iletebilir. Güvenilir bir sistem, yinelenen yürütmenin mümkün olduğunu varsayar.
Bir idempotency anahtarı eşdeğer gönderimleri tek bir işle ilişkilendirir. Aynı anahtar ve veri yükü iki kez gelirse API başka bir analiz başlatmak yerine mevcut işe geri dönmelidir.
İş akışı içinde Idempotency de gereklidir. Sonuç yazarken, harici bir hizmeti çağırırken veya web kancası gönderirken kararlı işlem kimlikleri kullanılmalıdır. Yeniden denenen bir adım, yinelenen kayıtlar veya bildirimler oluşturmamalıdır.
Veritabanı kısıtlamaları, kritik yan etkiler için benzersizliği zorunlu kılabilir. İş akışı, yarışabilecek "kontrol et, sonra ekle" mantığı yerine yükseltmeleri, karşılaştır ve ayarla geçişlerini ve işlemsel giden kutusu modellerini tercih etmelidir.
Checkpointing ve Devam Ettirme
worker yedinci adımda başarısız olduğundan on adımlı analiz birinci adımdan başlamamalıdır. Tamamlanan her adım devam etmelidir:
- Giriş durumu
- Doğrulanmış çıktı
- Araç ve model versiyonları
- Kaynak referansları
- Yan etkiler gerçekleştirildi
- Sayımı yeniden dene
- Tamamlanma zaman damgası
Yeniden başlatmanın ardından iş akışı en son geçerli denetim noktasını yükler ve bir sonraki güvenli adımdan devam eder. Kontrol noktaları doğrulanmış durumu temsil etmelidir. Kalıcı hatalı biçimlendirilmiş model çıktısı, hatayı kalıcı hale getirir.
Bazı adımların tekrarlanması güvenlidir, bazıları ise telafi gerektirir. Salt okunur bir retrieval serbestçe yeniden denenebilir. Harici bir sistemi güncelleyen bir adım, idempotency veya telafi edici bir eylem gerektirir.
Dayanıklı İş Akışlarını Test Etme
Güvenilirlik iddiaları varsayılmamalı, doğrulanmalıdır. Yararlı uygulamalar şunları içerir: dağıtımdan önce kayıtlı üretim geçmişlerinin yeni iş akışı koduyla yeniden oynatılması, gerçek bekleme olmadan uzun zamanlayıcıları simüle eden zaman atlamalı test donanımları, devam etme davranışını doğrulamak için worker'in orta adımını sonlandıran hata enjeksiyon testleri ve şema/iş kuralı doğrulamasının bilinen kötü model çıktılarını reddettiğini ileri süren sözleşme testleri.
Sınırlar: Zaman Aşımları, Adım Limitleri ve İptal
Aracı döngülerinin açık sınırlara ihtiyacı vardır. Bir üretim iş akışı şunları tanımlamalıdır:
- Maksimum model çağrısı
- Maksimum takım çağrısı
- Maksimum toplam çalışma süresi
- Takım başına zaman aşımı
- Token ve maliyet bütçesi
- Rotaya göre izin verilen araçlar
- Maksimum yeniden deneme sayısı
- İptal davranışı
İptal işleminin mümkün olduğu durumlarda workers'e ve araçlara yayılması gerekir. Sistem yeni adımları planlamayı durdurmalı, uçuş sırasındaki operasyonları uygun şekilde işaretlemeli, tamamlanmış durumu korumalı ve geri dönüşü olmayan herhangi bir yan etkinin oluşup oluşmadığını kaydetmelidir.
Bu sınırlar olmadan, yanlış anlaşılan bir istek veya tekrarlanan takım arızası, sınırsız bir döngü yaratabilir.
Yetkilendirme ve Kiracının İzolasyonu
Her iş, kapsamı belirlenmiş bir yetkilendirme bağlamı taşımalıdır: hangi araçlara, veri kaynaklarına ve çalışma alanlarına erişebileceği. Çapraz kiracı verilerine hiçbir zaman tek bir işin yürütme bağlamından erişilememeli ve araçlar tarafından kullanılan harici kimlik bilgileri kısa ömürlü olmalı ve paylaşılan statik sırlar yerine iş başına kapsam belirlenmelidir.
LLM Çıkışını Güvenilmeyen Giriş Olarak İşleme
Bir dil modeli hatalı biçimlendirilmiş JSON döndürebilir, gerekli alanları atlayabilir, yanlış türü kullanabilir, desteklenmeyen özellikler ekleyebilir veya yapısal olarak geçerli ancak tutarsız bir sonuç üretebilir. Çıktısı, harici kullanıcı girişine uygulanan aynı disiplinle doğrulanmalıdır.
Yazılı bir şema sözleşmeyi tanımlar:
from decimal import Decimal
from pydantic import BaseModel, Field
class LineItem(BaseModel):
product_code: str
quantity: int = Field(gt=0)
unit_price: Decimal = Field(ge=0)
line_total: Decimal = Field(ge=0)
source_id: str
class ReconciliationResult(BaseModel):
invoice_number: str
currency: str
items: list[LineItem]
grand_total: Decimal = Field(ge=0)
warnings: list[str] = []
Modelin başlangıçtan itibaren şemaya göre sınırlandırılması için yapılandırılmış çıktı yetenekleri kullanılmalıdır. Doğru şekil doğru değerleri garanti etmediği için doğrulama hala gereklidir.
Onarım, Yeniden Deneme ve Geri Dönüş Merdiveni
Doğrulama hataları sınırlı bir kurtarma sırasını takip etmelidir.
Mekanik Onarım
Önce ucuz deterministik düzeltmeler çalıştırılmalıdır. Örnekler arasında Markdown çitlerinin kaldırılması, küçük JSON sözdiziminin onarılması, ondalık ayırıcıların normalleştirilmesi veya net bir sayısal dizenin sayısal bir türe dönüştürülmesi yer alır.
Mekanik onarım eksik iş değerlerini icat etmemelidir.
Geribildirim Kılavuzlu Yeniden Deneme
Doğrulama yine de başarısız olursa hata modele döndürülebilir:
Validation failed:
- items[2].source_id is missing
- grand_total must be a number
Return a corrected object using only the supplied evidence.
Yeniden denemelerin küçük bir sabit sınırı olmalıdır. Aynı prompt'in süresiz olarak tekrarlanması bir kurtarma stratejisi değildir.
Model Yükseltmesi
Daha güçlü bir model, normal model başarısız olduğunda zor yapılandırılmış çıktı veya sentezin üstesinden gelebilir. Sorunun üst kademeye iletilmesi aynı şemayı, kanıtı ve izi korumalıdır. Aynı zamanda ölçülmelidir çünkü sık sık artış beklenen maliyet tasarruflarını ortadan kaldırabilir.
Güvenli Arıza
Çıktı geçersiz kalırsa iş akışı kontrollü bir hata döndürmelidir veya insan tarafından inceleme talep edilmelidir. Yanlış finansal değerler, işlemin güvenli bir şekilde tamamlanamadığına dair açık bir ifadeden daha zarar vericidir.
Her doğrulama hatası modele, prompt sürümüne, rotaya ve alana göre bir ölçüm olarak kaydedilmelidir. Yükselen doğrulama-başarısızlık oranı genellikle modelin veya prompt regresyonunun erken bir sinyalidir.
Deterministik İş Doğrulaması
Şema doğrulaması şekil ve türleri doğrular. İş doğrulaması, değerler arasındaki ilişkileri doğrular.
Fatura mutabakatı için deterministik kurallar şunları kontrol edebilir:
quantity × unit_price = line_total
sum(line totals) + tax - discounts = grand_total
product_code exists in catalog
invoice currency matches contract currency or conversion is explicit
every value has a valid source_id
Bu kontroller, alan yolları ve kaynak referanslarıyla birlikte yapısal hatalar üretmelidir. İş akışı daha sonra tüm analizin tekrarlanması yerine bir satır öğesini yeniden işleyebilir.
Oluşturulan son açıklama, doğrulanmış sonuç nesnesiyle karşılaştırılmalıdır. Araç durumu 125.50 EUR içeriyorsa ve yanıtta 152.50 EUR belirtiliyorsa, çalışma zamanı tutarlılık denetiminin yanıtı engellemesi gerekir.
Üç Katmanlı Ajan Belleği
Bellek, sınırsız bir transkript değil, uygulama durumudur. Farklı zaman dilimleri, farklı depolama ve saklama politikaları gerektirir.
Kısa Süreli Oturum Belleği
Kısa süreli hafıza aktif konuşmayı ve görev durumunu içerir. Eski mesajlar özetlenirken, son mesajlar kelimesi kelimesine kalabilir. Kritik varlıklar yapılandırılmış biçimde saklanmalıdır:
{
"supplier": "Supplier Beta",
"product_group": "Monitoring Products",
"period": "2026-Q1",
"currency": "EUR"
}
Yapılandırılmış durum, bir özetin tanımlayıcıları, dönemleri veya birimleri sessizce değiştirmesini engeller. Daha uzun ömürlü bir katmana yükseltilmediği sürece, görev sona erdiğinde oturum belleğinin süresi dolabilir.
Epizodik Görev Belleği
Olaysal bellek, her ham muhakeme adımını değil, tamamlanmış bir iş akışının sonucunu saklar. Yararlı bir kayıt şunları içerebilir:
{
"task": "supplier_spend_analysis",
"entities": ["Supplier Beta", "PRD-482"],
"summary": "Quarterly spend calculated from 14 validated invoice lines.",
"result_reference": "analysis-job-7f82a1",
"sources": [
"agreement-2026-04",
"invoice-2026-0148"
],
"effective_period": "2026-Q1",
"created_at": "2026-07-16T09:18:04Z"
}
Bu, her araç çağrısını tekrarlamak yerine, daha sonra yapılacak bir isteğin, doğrulanan sonucu yeniden kullanmasına olanak tanır.
Uzun Süreli Bellek
Uzun süreli bellek, tercih edilen para birimi, raporlama biçimi, onaylanmış ürün grupları veya yinelenen analiz kapsamı gibi oturumlar boyunca yararlı olmaya devam eden dayanıklı tercihleri ve gerçekleri saklar.
Uzun vadeli gerçeklerin kaynağına, zaman damgalarına, güncelleme kurallarına ve silme kontrollerine ihtiyacı vardır. Bu özelliklere sahip olmayan serbest biçimli ifadeler, denetlenemez bir gizli davranış kaynağı haline gelir.
Denetlenebilir Bellek ve Kaynak İzlenebilirliği
Her hafıza kaydı dört soruya cevap vermelidir:
- Hangi bilgiler saklanıyor?
- Nereden geldi?
- Ne zaman geçerliydi?
- Hangi görev veya oturum bunu oluşturdu?
Meta veriler belleğin aranabilir ve düzeltilebilir olmasını sağlar. Bir kullanıcı veya operatör, sistemin bir tedarikçi analizi hakkında ne hatırladığını inceleyebilir, kaynağı bulabilir ve hatalı bir kaydı silebilir veya değiştirebilir.
Bellek retrieval varlık filtrelerini, zaman filtrelerini ve anlamsal aramayı birleştirebilir. Sistem, “son çeyreğe ait tedarikçi analizine” ilişkin bir talep için anlamsal benzerlik uygulamadan önce görev türüne ve döneme göre filtreleme yapabiliyor.
Belirsizlik devam ettiğinde, alınan hafızanın doğrulanması gerekir. Kısa bir onay, pahalı bir iş akışını yanlış geçmiş kayıtla sürdürmekten daha ucuzdur.
Bellekteki Bayatlık
Bellek otomatik olarak geçerli değildir. Yeni bir kataloğun veya sözleşmenin yürürlüğe girmesinden sonra önceki bir ürün-fiyat analizi geçerliliğini yitirebilir.
Bir epizodik sonucu yeniden kullanmadan önce sistem, geçerli dönem ve kaynak versiyonlarını güncel verilerle karşılaştırmalıdır. Daha yeni kaynaklar mevcutsa, eski sonuç tarihsel bağlam olarak sunulabilir veya yalnızca değiştirilen veriler yeniden işlenirken temel olarak kullanılabilir.
Bu yaklaşım, eski bir sonucu güncel bir gerçekmiş gibi sunmadan maliyeti azaltır.
Tek Korelasyon Kimliğiyle Dağıtılmış İzleme
Agentic iş akışları, API hizmetlerini, kuyruklarını, workers, retrieval sistemlerini, model ağ geçitlerini ve veritabanlarını çaprazlar. İstek sisteme girdiğinde ve her bileşene yayıldığında tek bir trace_id oluşturulmalıdır.
OpenTelemetry aralıkları altyapı yürütmeyi açıklayabilir:
- API doğrulaması
- Sıra bekleme
- Worker yürütme
- Veritabanı sorgusu
- Vektör arama
- Harici araç çağrısı
- Web kancası teslimi
LLM gözlemlenebilirliği, OpenTelemetry'in GenAI semantik kurallarını kullanarak semantik kapsamlar ekleyebilir - 2026 itibariyle hala gelişmektedir; bu nedenle ekipler, nitelik adlarının değişmesini beklemeli ve nitelik anahtarlarını sabit kodlamak yerine enstrümantasyon kitaplıklarına güvenmelidir.
- Prompt ve model versiyonu
- chunks ve puanlar alındı
- Takım seçimi ve argümanlar
- Jeton kullanımı
- Yapılandırılmış çıktı doğrulama
- Oluşturulan yanıtlar ve alıntılar
Aynı izleme kimliği her iki katmanı da bağlamalıdır. Operatör daha sonra yavaş bir isteğin kuyrukta mı beklediğini, retrieval'te zaman mı harcadığını, generation şemasını yeniden mi denediğini veya harici bir araçta mı takıldığını belirleyebilir.
Günlükler yapılandırılmalı ve iş kimliğini, izleme kimliğini, adım kimliğini, model sürümünü, yeniden deneme numarasını ve durumu içermelidir. Korelasyon için gereken tanımlayıcılar korunurken hassas içerik düzenlenebilir.
Hata Yönetimi ve Dead-Letter Queue'lar
Yeniden denemeler geçici ve kalıcı hataları ayırt etmelidir.
Geçici hatalar arasında zaman aşımları, modelin geçici olarak kullanılamaması ve kısa veritabanı kesintileri yer alır. Jitter ile üstel geri çekilmeyi kullanabilirler. Kalıcı hatalar arasında geçersiz kaynak belgeler, tükenmiş doğrulama denemeleri, yetkisiz erişim ve desteklenmeyen görev türleri yer alır.
Yeniden deneme ilkesini tüketen işler, kaybolmak yerine dead-letter queue'e taşınmalıdır. Atılacak bir kayıt, iş ve izleme tanımlayıcılarını, başarısız adımı, arındırılmış hatayı, deneme sayısını ve yeniden işleme talimatlarını içermelidir.
Başarısız bir işi yeniden oynatmak için orijinal idempotency ve yan etki kontrolleri kullanılmalıdır. Manuel yeniden oynatma, yinelenen bildirimler veya kayıtlar oluşturmamalıdır.
Eşzamanlılık, Backpressure ve Kaynak Yalıtımı
Agentic iş akışları, iş yüklerini çok farklı kaynak profilleriyle birleştirir. OCR GPU ağırlıklı ve toplu iş dostu olabilir. Vector retrieval gecikmeye duyarlıdır. Dil modeli generation, öngörülemeyen bir süre boyunca önemli miktarda GPU belleği tüketebilir. Doğrulama ve veritabanı güncellemeleri genellikle hafiftir ancak model çıkarımının arkasında beklememelidir.
Ayrı kuyruklar ve worker havuzları izolasyon sağlar:
document queue → OCR workers
embedding queue → embedding workers
agent queue → workflow workers
LLM queue → inference workers
notification queue → delivery workers
Her havuzun kendi eşzamanlılık, zaman aşımı, yeniden deneme ve ölçeklendirme politikası olabilir. Belge yüklemelerindeki artış, tamamlanan işlerin bildirim göndermesini engellememeli veya etkileşimli retrieval isteklerini engellememelidir.
Backpressure başvuru sırasında başlamalıdır. Kuyruk derinliği sınırları, çalışma alanı başına kotalar, maksimum toplu iş boyutları ve maliyet bütçeleri, sistemin hizmet hedefi dahilinde işleyebileceğinden daha fazla işi kabul etmesini engeller. Kapasite tükendiğinde API açık bir aşırı yük yanıtı verebilir veya işi gerçekçi bir bekleme tahminiyle kabul edebilir.
Toplu işlem, OCR ve embedding çıkarımı için verimi artırır, ancak sıraya alma gecikmesini artırır. Etkileşimli ve toplu iş yükleri bu nedenle ayrı kuyruklara ihtiyaç duyabilir. Öncelik geliş emrinden kazara ortaya çıkmak yerine açık bir şekilde belirtilmelidir.
Yararlı kapasite ölçümleri şunları içerir:
- Kuyruk derinliği ve en eski iş yaşı
- Worker kullanımı
- GPU belleği ve toplu doluluk
- Görev türüne göre verim
- Yürütmek yerine beklemekle harcanan zaman
- Yeniden deneme ve zaman aşımı oranları
- İş başına belirteç ve model maliyeti
- İlerletme veya inceleme gerektiren işlerin yüzdesi
Kaynak sınırları kalıcı iş politikasının bir parçası olmalıdır. Devam ettirilen bir iş akışı, daha pahalı bir yapılandırmayı sessizce benimsemek yerine orijinal maksimum adımlarını, belirteç bütçesini ve izin verilen modelleri korumalıdır.
Yük atma doğruluğu korumalıdır. Doğrulamanın atlanması veya baskı altında retrieval kalitesinin düşürülmesi sessiz arızalara neden olur. Kritik olmayan işleri ertelemek, reddetmek veya açık bir sözleşmeyle daha düşük bir hizmet katmanına yönlendirmek daha güvenlidir.
Bir Referans Yürütme Akışı
Güvenilir, uzun süreli bir iş akışı şu sırayı izleyebilir:
API submission
→ authenticate and validate
→ resolve idempotency key
→ persist job
→ enqueue workflow
→ load checkpoint
→ execute bounded agent step
→ validate structured output
→ run deterministic business rules
→ persist checkpoint and provenance
→ continue, retry, escalate, review, or fail safely
→ assemble final result
→ runtime consistency check
→ mark completed
→ notify client
Her ok, gözlemlenebilir ve kurtarılabilir olması gereken bir durum geçişini temsil eder.
Güvenilirlik Sınırlardan Gelir
Agentic sistemleri, dil modeli açık sözleşmelerle çevrelendiğinde güvenilir hale gelir. API gönderimi yürütmeden ayırır. İş akışı motoru ilerlemeyi sürdürür. Idempotency yeniden denemeleri güvenli hale getirir. Şemalar ve deterministik kurallar, hatalı biçimlendirilmiş veya tutarsız değerlerin uygulama durumuna girmesini önler. Bellek, opak konuşma parçaları yerine kaynaklı, zamana duyarlı kayıtları saklar. Dağıtılmış izleme, model davranışını altyapı davranışına bağlar.
Model önemini koruyor ancak artık sağlayamayacağı garantileri sağlaması istenmiyor. Dayanıklı yürütme, doğrulanmış durum ve denetlenebilir kaynak arka uca aittir. Bu sınırlar, bir agentic iş akışının gerçek trafikten, kısmi arızalardan, gelişen verilerden ve operasyonel incelemelerden sağ çıkmasını sağlayan şeydir.