Girdi ve bağlam
Mesajdaki amaç, hedef kitle, format, dil, kısıt ve risk sinyalleri ayrılır. Uzun içerikler gerekiyorsa parçalanır ve bağlama alınır.
Kullanıcı isteği; yönerge analizi, tokenizasyon, bağlam hazırlama, Transformer katmanı, kaynak getirme, araç kullanımı, güvenlik kontrolü ve streaming çıktı adımlarından geçerek cevaba dönüşür.

Bu site, ChatGPT benzeri sistemleri ezber tanımlar yerine işlem akışı üzerinden anlatır: mesajın parçalanması, bağlamın kurulması, attention ilişkileri, cevap üretimi, kaynak doğrulama, araç kullanımı ve güvenlik.
Mesajdaki amaç, hedef kitle, format, dil, kısıt ve risk sinyalleri ayrılır. Uzun içerikler gerekiyorsa parçalanır ve bağlama alınır.
Tokenlar embedding temsillerine dönüşür; Transformer attention ile ilişkileri kurar ve çıktı token token üretilir.
RAG, tool calling, güvenlik filtreleri, kaynak kontrolü ve streaming arayüzü cevabın daha kullanışlı görünmesini sağlar.

Başlangıç modülleri temel kavramları kurar. İleri modüllerde RAG, kod üretimi, belge analizi, diffusion, video/ses zinciri, ajanlar, güvenlik ve performans mühendisliği yer alır.
Bir cevap hazırlanırken bağlam yoğunluğu, kaynak isabeti, ilk token gecikmesi ve güvenlik skoru aynı anda değişebilir.
İyi sonuç almak için istekte amaç, bağlam, çıktı formatı, sınırlar ve doğrulama beklentisi açık verilmelidir.
Örnekleri GörModel, araç, güvenlik ve arayüz katmanlarının birlikte çalışmasını öğren.
Metnin sayısal temsile nasıl dönüştüğünü kavra.
Bağlam ilişkilerinin nasıl kurulduğunu gör.
Kaynaklı cevap üretiminin mantığını öğren.
Bu bölümde geçen teknik kavramların kısa ve doğrudan açıklamaları.
Metin ve kod gibi token dizileri üzerinden çıktı üreten büyük dil modelidir.
Tokenlar arasındaki ilişkileri attention mekanizmasıyla işleyen model mimarisidir.
Modelin dış kaynaklardan bilgi getirerek cevabı güçlendirmesidir.
Modelin uygun durumda dış araçları çağırarak işlem yapmasıdır.
Metin, görsel, ses veya dosya gibi farklı veri türlerini birlikte işleme becerisidir.