Yapay Zeka İşbirliği El Kitabı

clawbot ile etkili çalışma. Görev devretme kalıpları, çok kanallı stratejiler ve maksimum üretkenlik için uzman ipuçları.

Temel: Açık İletişim

Sadece yanıt veren bulut yapay zekasının aksine, clawbot yürütme gerçekleştirir. Fark derinlemesine: ChatGPT ile ilginç sohbetler üreten belirsiz talimatlar, sistem erişimi verildiğinde yıkıcı komutlara dönüşür. Hassasiyet önemlidir.

Etkili Talimatların İlkeleri

1️⃣
Be Specific About Scope

Tam olarak neyin etkileneceğini tanımlayın. Yapay zeka açıklama istemeyecektir; bağlama göre varsayımlarda bulunacaktır.

Good:

"Son 7 günde gelen kutumdaki newsletter@*.com adresinden gelen tüm e-postaları arşivle."

Bad:

"Gelen kutumu temizle." (Hangi e-postalar? Hangi işlem? Ne kadar eski?)

2️⃣
Specify Triggers and Conditions

Devam eden görevler için, işlemin ne zaman yürütüleceğini ve hangi koşulların doğru olması gerektiğini tanımlayın.

Good:

"Her hafta içi saat 9'da, 'acil' olarak etiketlenmiş okunmamış e-postalar varsa, bana bir Telegram özeti gönder."

Bad:

"Acil e-postalardan bana haber ver." (Ne zaman? Nasıl? Acil neyi tanımlar?)

3️⃣
Define Success Criteria

Yapay zekaya görevin başarıyla tamamlandığını nasıl bileceğini söyleyin. Bu, sonsuz döngüleri önler ve anlamlı hata raporlamasına olanak tanır.

Good:

"Tüm testler geçene veya 3 deneme başarısız olana kadar testleri çalıştır, ardından sonuçları #dev-channel kanalına bildir."

Bad:

"Testler çalışana kadar çalıştırmaya devam et." (Kaç deneme? Asla geçmezse ne olur?)

4️⃣
Request Confirmation for Destructive Actions

Verileri silen, değiştiren veya yayınlayan işlemler için onay adımları oluşturun.

Good:

"Bu müşteri şikayetine bir yanıt taslağı hazırla ve göndermeden önce onay için bana gönder."

Bad:

"Müşteri şikayetlerine otomatik olarak yanıt ver." (Yapay zeka yanlış anlarsa ne olur?)

Altı Görev Devretme Kalıbı

Her otomasyon altı kalıptan birine girer. Bunları anlamak, etkili iş akışları tasarlamanıza ve yapay zekanın özerk olarak neyi halledebileceği konusunda uygun beklentiler belirlemenize yardımcı olur.

👁️
Pattern 1: Monitoring

Yapay zeka değişiklikleri izler ve sizi bilgilendirir.

Yapay zeka sürekli olarak bir veri kaynağını (loglar, API'ler, dosyalar, kontrol panelleri) gözlemler ve belirli koşullar oluştuğunda uyarır. Herhangi bir değişiklik yapılmaz; tamamen gözlemseldir.

Use Case: Server Health Monitoring

"Prometheus /api/v1/alerts uç noktasını her 60 saniyede bir izle. Kritik önem derecesiyle 'ateşleme' durumuna giren herhangi bir uyarı olursa, ayrıntıları #ops-emergency Slack kanalına gönder."

Use Case: Competitor Intelligence

"competitor.com/pricing adresini her gün saat 2'de kontrol et. Fiyatlar %10'dan fazla değişirse, sayfayı ekran görüntüsü al ve karşılaştırmayı bana e-posta ile gönder."

Best Practice

Kontrol aralıklarını aciliyete göre ayarlayın: kritik sistemler her 30-60 saniyede bir, iş metrikleri saatlik, eğilim izleme günlük.

Pattern 2: Reminders

Yapay zeka zamana bağlı veya olay tetiklemeli bildirimler gönderir.

Basit takvim uyarılarının aksine, yapay zeka hatırlatıcıları, hatırlatıcıyı eyleme geçirilebilir hale getirmek için bağlam, hazırlık adımları veya önceden alınmış bilgiler içerebilir.

Use Case: Meeting Preparation

"'client-meeting' olarak etiketlenmiş herhangi bir takvim etkinliğinden 30 dakika önce, bana WhatsApp aracılığıyla şunları gönder: (1) katılımcı adları, (2) Notion'dan son konuşmanın özeti, (3) Jira'dan açık eylem öğeleri."

Use Case: Deadline Management

"Ben atanan herhangi bir Jira bileti son teslim tarihinden 7 gün önce, bana Telegram aracılığıyla hatırlat. 1 gün kala hala tamamlanmamışsa, acil olarak yükselt."

Best Practice

Hatırlatıcılarla eyleme geçirilebilir bağlam ekleyin. "30 dakika sonra toplantı" işe yaramaz; "Acme Corp ile 30 dakika sonra müşteri görüşmesi - API limitleri hakkında soruyorlar" değerlidir.

Pattern 3: Execution

Yapay zeka sizin adınıza eylemler gerçekleştirir.

Yapay zeka dosya, veritabanı, API, hizmet gibi sistem durumunu aktif olarak değiştirir. Kendi kendine barındırılan altyapının temel olduğu yer burasıdır; bulut yapay zekası asla bu düzeyde bir erişime sahip olamaz.

Use Case: Deployment Automation

"Ana dala v*.*.* ile eşleşen yeni bir etiket gönderildiğinde, CI testlerini çalıştır. Hepsi geçerse, staging'e dağıt. Sentry'de 10 dakika hata olmadan sonra üretime yükselt."

Use Case: Data Cleanup

"Her Pazar saat 3'te, #random kanalındaki 90 günden eski Slack mesajlarını arşivle. Silmeden önce ~/archives/slack/ içine JSON olarak dışa aktar."

Best Practice

Her zaman yürütme iş akışlarını önce üretim dışı ortamlarda test edin. Mümkünse --dry-run bayraklarını kullanın. Geri alma mekanizmaları oluşturun.

📊
Pattern 4: Analysis

Yapay zeka verileri işler ve içgörüler çıkarır.

Yapay zeka büyük hacimli verileri (loglar, metrikler, belgeler, konuşmalar) okur ve özetler, kalıpları belirler veya soruları yanıtlar. Sistem değişiklikleri olmaz, ancak değerli istihbarat üretir.

Use Case: Log Analysis

"/var/log/nginx/error.log dosyasının son 1000 satırını analiz et. En sık karşılaşılan 5 hata kalıbını belirle, etkiyi (etkilenen istekler) tahmin et ve düzeltmeler öner."

Use Case: Meeting Intelligence

"Geçen aydan 'product-review' olarak etiketlenmiş tüm Zoom toplantılarının transkriptlerini oku. Frekansa göre en sık istenen 5 özellik nedir? Her birini kim belirtti?"

Best Practice

Analizi eylemle eşleştirin. Sadece rapor üretmeyin; acil dikkat gerektiren bulguları yükseltmek için yapay zekayı yapılandırın.

🔗
Pattern 5: Integration

Yapay zeka birden fazla hizmeti birbirine bağlar ve bunları senkronize tutar.

Yapay zeka, doğal olarak entegre olmayan sistemler arasında veri taşıyan bir ara katman görevi görür. Bu, Zapier tarzı otomasyonu değiştirir ancak sürükle-bırak iş akışları yerine doğal dil mantığıyla.

Use Case: CRM ↔ Support Sync

"Zendesk'te yeni bir bilet oluşturulduğunda, müşterinin HubSpot'ta olup olmadığını kontrol et. Varsa, zaman çizelgesine bilet bağlantısını ekle. Yoksa, bilet meta verileriyle bir iletişim kaydı oluştur."

Use Case: Time Tracking

"Bir Jira bileti kapattığımda, 'Devam Ediyor'dan 'Tamamlandı'ya kadar geçen süreyi hesapla, Jira proje anahtarıyla eşleşen proje altında Clockify'a kaydet."

Best Practice

Entegrasyonları idempotent (birden çok kez çalıştırıldığında güvenli) olacak şekilde tasarlayın ve hataları zarif bir şekilde ele alın. Denetim izleri için tüm senkronizasyon işlemlerini günlüğe kaydedin.

🤖
Pattern 6: Automation (Multi-Step Workflows)

Yapay zeka, koşullu mantığa dayalı olarak birden çok eylemi zincirler.

Bu, dallanan mantık, yeniden deneme mekanizmaları ve karar ağaçlarıyla karmaşık iş akışlarında önceki tüm kalıpları birleştirir. Yapay zeka karmaşık dizileri özerk olarak düzenler.

Use Case: Incident Response

"Prometheus 'YüksekBellekKullanımı' uyarısı verdiğinde: (1) Bu hizmetin son bir saat içinde yeniden başlatılıp başlatılmadığını kontrol et. Evet ise, yok say. (2) Hayır ise, yığın dökümünü yakala. (3) gdb ile analiz et. (4) Bellek sızıntısı tespit edilirse, hizmeti yeniden başlat ve bir Jira hatası dosyala. (5) Olay sonrası raporu #ops Slack'e gönder."

Use Case: Content Publishing Pipeline

"~/blog/drafts/ dizininde yeni bir markdown dosyası göründüğünde: (1) Yazım ve dilbilgisini kontrol et. (2) SEO meta verileri oluştur. (3) Gönderideki resimleri optimize et. (4) ~/blog/ready/ dizinine taşı. (5) Web sitesi deposuna PR oluştur. (6) Önizleme bağlantısını #content Slack'e gönder."

Best Practice

Karmaşık otomasyonları kontrol noktalarıyla aşamalara ayırın. Her adımda durumu günlüğe kaydedin, böylece hatalar ayıklanabilir ve iş akışları işlem ortasında devam edebilir.

Çok Kanallı Strateji

clawbot, 15'ten fazla iletişim kanalını destekler. Etkin kullanımın anahtarı hepsini bağlamak değil, bağlam, aciliyet ve iş akışı entegrasyonuna göre her görev türü için doğru kanalı seçmektir.

WhatsApp: Personal, High-Priority

  • Critical alerts (production down, security incidents)
  • Time-sensitive reminders (meeting prep, travel check-in)
  • Personal automation (smart home, family tech support)
  • Voice commands via voice messages

Why: Always with you, native mobile notifications, voice input.

Slack/Discord: Team Collaboration

  • Deployment notifications visible to the team
  • CI/CD status updates in project channels
  • Shared automation (bot commands anyone can trigger)
  • Incident response coordination

Why: Transparency, team context, threaded discussions.

Telegram: Reliable, Fast, Flexible

  • High-frequency updates (monitoring dashboards)
  • Daily digests and reports
  • File sharing (screenshots, logs, exports)
  • Bot API for custom integrations

Why: No rate limits, inline buttons, powerful bot API.

Email: Formal, Archival, External

  • Weekly reports for stakeholders
  • Formal notifications (legal, compliance)
  • Communication with external parties
  • Long-form content with formatting

Why: Universal, formal record, rich formatting.

Pro Tip: Channel Routing Rules

clawbot'u farklı mesaj türlerini uygun kanallara otomatik olarak yönlendirecek şekilde yapılandırın: hatalar Slack #ops'a, özetler Telegram'a, kritik uyarılar WhatsApp'a. Yönlendirme mantığını IDENTITY.md veya kanala özel yapılandırmanızda tanımlayın.

Beceri Ekosistemi: Yetenekleri Genişletme

clawbot'un 565'ten fazla topluluk becerisi (ClawdHub), AgentSkills standardını izler. Beceriler, yükleyebileceğiniz, özelleştirebileceğiniz ve birleştirebileceğiniz önceden oluşturulmuş entegrasyonlar ve alana özgü yetenekler sağlar.

Becerileri Keşfetme

Beceriler ClawdHub (GitHub tabanlı pazar yeri) aracılığıyla dağıtılır. Kategoriye göre göz atın veya anahtar kelimeye göre arama yapın:

Via CLI:

clawbot becerileri kubernetes ara

Via Chat:

"PostgreSQL veritabanlarını izlemek için becerileri göster."

Popüler kategoriler: DevOps (kubectl, docker, terraform), Bulut (AWS, Azure, GCP), Üretkenlik (takvim, e-posta, not alma), Geliştirme (GitHub, GitLab, CI/CD), Akıllı Ev (Home Assistant, IoT), Veri (veritabanları, analitik, ETL).

Becerileri Yükleme

Beceriler, beyan edilebilir yetenek tanımlarıyla Node.js paketleri olarak yüklenir:

Install from ClawdHub:

clawbot becerileri kubectl yükle

Install from Git URL:

clawbot becerileri https://github.com/user/custom-skill yükle

Security Note

Beceriler, clawbot'unuzun izinleriyle çalışır. Özellikle sistem komutlarını yürüten veya kimlik bilgilerine erişen beceriler için yüklemeden önce beceri kaynak kodunu gözden geçirin. Yüksek GitHub yıldızına ve yakın zamanda güncellenmiş becerileri tercih edin.

Becerileri Özelleştirme

Çoğu beceri, ortam değişkenleri veya yapılandırma dosyaları aracılığıyla yapılandırma sunar. Yaygın özelleştirmeler:

API Credentials

Şifreleme etkinleştirilmiş ~/.clawbot/secrets.env içine kaydedin.

Example:

GITHUB_TOKEN=ghp_xxxxx
SLACK_BOT_TOKEN=xoxb-xxxxx

Skill-Specific Settings

Varsayılanları ~/.clawbot/skills/{skill-name}/config.json içinde geçersiz kılın

Example (kubectl skill):

{"default_namespace": "production", "timeout": 30}

Permission Controls

Becerilerin gerçekleştirebileceği eylemleri araç izin listeleri aracılığıyla kısıtlayın.

Example:

"kubectl get" ve "kubectl describe" izin ver, "kubectl delete" reddet

10 Uzman Seviyesi Kullanım Kalıbı

clawbot güç kullanıcılarından gelen gelişmiş teknikler, onu "yardımcı asistandan" "vazgeçilmez altyapıya" dönüştürür.

1️⃣
Context Awareness via IDENTITY.md

Tercihlerinizi, çalışma bağlamınızı ve alan bilginizi ~/.clawbot/IDENTITY.md içine kaydedin. Yapay zeka, tekrarlanan açıklamalar olmadan yanıtları kişiselleştirerek her etkileşimden önce bunu okur.

What to include:

• Your role and tech stack
• Project structure and naming conventions
• Preferred communication style
• Time zone and working hours
• Key contacts and their roles
• Decision-making principles

2️⃣
Approval Workflows for Risk Management

Sonuçları olan işlemler (dağıtımlar, veri değişiklikleri, harici iletişimler) için onay kapıları yapılandırın. Yapay zeka eylemi taslağını hazırlar, siz sohbet yoluyla onaylarsınız.

Configuration (in tool policy):

tools.exec.approval: "rm -rf", "kubectl delete", "git push --force" ile eşleşen komutlar için "sor"

3️⃣
Feedback Loops for Continuous Improvement

Otomasyon çalıştıktan sonra, yapay zekaya neyin işe yaradığını ve neyin yaramadığını açıkça söyleyin. Oturum belleğinde hatırlar ve gelecekteki davranışı ayarlar.

Feedback examples:

"That email draft was too formal—use a friendlier tone next time."
"The log analysis missed errors in stderr—check both stdout and stderr."

4️⃣
Scheduled Tasks via Gateway Cron

Tekrarlanan otomasyon için, sistem cron yerine clawbot Gateway'in cron zamanlamasını kullanın. Yapay zeka tarafından oluşturulan cron işleri doğal dili anlar ve hataları akıllıca yönetir.

Natural language cron:

"Her hafta içi saat 9'da tatiller hariç" → Gateway, cron ifadesine çevrilir ve tatil takvimini yönetir.

5️⃣
Chaining Skills into Workflows

Birden çok beceriyi dizilere birleştirin. Yapay zeka, siz entegrasyon kodu yazmadan beceriler arasındaki veri akışını koordine eder.

Multi-skill workflow:

"En son sürüm notlarını almak için 'github' becerisini kullan, ardından özeti #announcements kanalına göndermek için 'slack' becerisini kullan, ardından bir tweet taslağı hazırlamak için 'twitter' becerisini kullan."

6️⃣
Audit Logging for Accountability

Her yapay zeka eylemini izlemek için kapsamlı günlük kaydını etkinleştirin. Hata ayıklama, güvenlik denetimleri ve olaylar sırasında ne olduğunu anlama için önemlidir.

Log locations:

~/.clawbot/logs/gateway.log (all messages)
~/.clawbot/logs/exec.log (system commands)
~/.clawbot/logs/skills.log (skill invocations)

7️⃣
Sandbox Testing for High-Risk Automation

Üretim sistemlerine otomasyon dağıtmadan önce, izole ortamlarda test edin. Docker kapsayıcıları, staging sunucuları veya --dry-run modları kullanın.

Testing strategy:

1. Test command manually
2. Run AI automation in dry-run mode
3. Deploy to staging with real data
4. Monitor for 24-48 hours
5. Promote to production

8️⃣
Per-Channel Skill Policies

Belirli becerileri belirli kanallarla kısıtlayın. Örnek: yıkıcı işlemleri yalnızca WhatsApp (kimliğinizin doğrulandığı yer) aracılığıyla, asla genel Discord üzerinden izin verin.

Channel policy:

WhatsApp: all skills enabled
Slack #ops: DevOps skills only
Discord: read-only skills only
Telegram: monitoring and reporting

9️⃣
Session Continuity for Multi-Turn Tasks

Gidiş-geliş gerektiren karmaşık görevler için özel bir oturum başlatın. Yapay zeka, mesajlar boyunca bağlamı korur ve ara sonuçları hatırlar.

Session example:

"Start a debugging session for the payment service errors."
→ AI creates session, asks clarifying questions
→ You provide logs, AI analyzes
→ AI proposes fixes, you approve
→ AI implements and verifies
"End session and summarize what we fixed."

🔟
Model Selection for Task Type

Farklı yapay zeka modelleri farklı görevlerde üstündür. clawbot'u akıllıca yönlendirmek için yapılandırın: karmaşık akıl yürütme için Claude, kod için GPT-4, çevrimdışı/özel işlemler için Ollama.

Model routing rules:

Code reviews: GPT-4 Turbo (best at code)
Data analysis: Claude Sonnet (best at reasoning)
Simple automation: Ollama llama3 (free, local)
Sensitive data: Ollama only (never cloud)

Yaygın Sorunlar ve Çözümleri

clawbot kullanıcıları tarafından karşılaşılan gerçek dünya zorlukları ve bunları çözme yolları.

Problem: AI Executes Incorrect Commands

Cause: Ambiguous instructions or insufficient context.

Solution: Be more explicit. Use approval workflows for risky commands. Add examples of correct behavior to IDENTITY.md.

Before:

"Eski logları sil"

After:

"/var/log/myapp/ dizinindeki 30 günden eski, adı *.log ile eşleşen log dosyalarını sil. Yaşından bağımsız olarak en son 10 dosyayı sakla. Silmeden önce onay iste."

Problem: Automation Stops Working Randomly

Cause: External API rate limits, credential expiration, or transient network failures.

Solution: Build in retry logic with exponential backoff. Monitor ~/.clawbot/logs/ for errors. Set up alerts when automation fails.

Problem: Too Many Notifications

Cause: Monitoring thresholds set too sensitive or no noise filtering.

Solution: Add debouncing ("Only alert if condition persists for 5 minutes") and deduplication ("Don't alert more than once per hour for same issue").

Problem: AI Misunderstands Complex Workflows

Cause: Trying to describe entire workflow in one message.

Solution: Break into stages. Configure one stage, test, then add the next. Use session continuity for incremental refinement.

Problem: Sensitive Data in Logs

Cause: AI logging full command outputs including credentials or private data.

Solution: Configure log sanitization rules to redact patterns (API keys, tokens, passwords). Review logs periodically and add new redaction rules as needed.

clawbot'ta Ustalaşmaya Hazır mısınız?

Tek bir basit otomasyonla başlayın. Güven kazandıkça daha fazla kalıp ekleyin. Birkaç hafta içinde, onsuz nasıl çalıştığınızı merak edeceksiniz.

Get Started See Real Examples