10.000 Saat Yapay Zeka Kullandım (dersler)

3 yıldır neredeyse her gün yapay zeka kullanıyorum. Kronometre tutmadım ama kabaca 10.000 saat etti. Bu videoda o sürede öğrendiklerimin bir kesitini paylaşıyorum: neden asıl farkın modelde değil sistemde olduğunu, context ve doğrulama nasıl kurulur, hangi hatalar nasıl sisteme dökülür, paralel agent işleri nerede patlar, uzun görevler nasıl tasarlanır. Bu bir kurs değil, reçete de değil. Kendi sahamda işe yarayanları anlatıyorum; siz kendi durumunuza göre dersinizi çıkarırsınız. Sponsor yok, satılan bir şey yok. Bölümler: 00:00 Giriş: 10.000 saatin dürüst hesabı 02:22 Asıl fark modelde değil, sistemde 03:53 Yeni model kovalamayı bırakın 05:39 Kopyalamayın, mantığı alın 06:50 Ucuz token, ucuz sonuç yanılgısı 08:58 Benchmark yerine kendi eval setiniz 10:08 Modelleri karakterleriyle tanıyın 11:50 Modele meslektaş gibi brief verin 13:57 Effort'u riske göre ayarlayın 16:10 Kritik kararlarda modelleri kırdırtın 16:36 Context her şeydir: 4 filtre 18:14 Context'i dosyalarda biriktirin 20:23 Pes etmeyin, işi parçalayın 21:35 Amacı kilitle, yolu modele bırak 22:41 Bitti tanımını sen koyacaksın 23:16 Üreten kendi işini kontrol etmesin 24:42 Deterministik kontrol katmanları 26:02 Yüzde 99.9 ile 99.99 aynı şey değil 27:17 Her hatayı teste dönüştürün 28:41 Debeleniyorsa: sıfırla ve geri çek 30:25 İzinleri kanıtla açın 31:40 Uzun görevler: checkpoint ve bütçe 34:14 Sorumluluk devredilmez 35:28 Tekrarlanan prompt otomasyonu hak eder 36:45 Loop'un ana mantığı 38:24 Model deterministik değil: paralel varyasyon 39:52 Paralellik dependency graph ile kurulur 40:59 Keşfi paralelleştirin 42:16 1 aylık işi 1 güne indirmek 43:38 Görev ufku hızla büyüyor 44:37 Gürültüyü dinlemeyin 46:05 Kapasite çarpı operatör tecrübesi 46:49 Kapanış X: https://x.com/Avenoxai Test arşivi (ham model çıktıları): https://github.com/avenoxai/limon-arena