Python Otomasyon Rehberi: AI ile Karar Veren Pipeline'lar

Bu içerik, önceki bir Python otomasyon rehberinin devamı olarak, script zincirlerine karar verme yeteneği eklemeyi ele alıyor. Temel fikir şu: HTTP çağrıları, dosya işlemleri ve zamanlama gibi deterministik görevler kod ile yapılırken, belirsiz veya öngörülemeyen durumlar (bozuk dosya formatları, sınıflandırılamayan içerik, kenar durumlar) için küçük ve odaklı AI promptları kullanılıyor. Böylece if/elif ağaçlarının yetersiz kaldığı yargı gerektiren noktalarda pipeline kırılmadan devam edebiliyor.

Yaklaşımın merkezinde prompt_runner.py adlı hafif bir sarmalayıcı script yer alıyor; bu script API çağrılarını, hata yönetimini, yeniden deneme mantığını ve toplu işlemeyi soyutlayarak tek kelimelik (PROCESS/REVIEW/SKIP gibi) net sınıflandırma çıktıları üretiyor. Yazar, kod mu yoksa prompt mu kullanılacağına karar verirken net bir ayrım öneriyor: sınıflandırma önceden tam olarak listelenebiliyorsa ve girdi yapılandırılmışsa kod; girdi yapısı öngörülemezse ve yargı gerektiriyorsa prompt tercih ediliyor.

Gerçek dünya örneği olarak GitHub PR triyaj sistemi öne çıkıyor: günde 15-30 pull request'i AUTO, REVIEW ve URGENT olarak sınıflandıran bir pipeline, manuel triyaj süresini günde 20-30 dakikadan 2-3 dakikaya indiriyor. AUTO sınıflandırmaları %95'in üzerinde doğruluk gösterirken, URGENT sınıflandırmalarında 6 aydır hiç yanlış negatif yaşanmamış. Maliyet tarafında ise günlük 100 dosyalık toplu işlem 0.10 doların altında kalıyor, bu da yaklaşımı üretim ortamları için ekonomik kılıyor.

Mühendisler için önemi, otomasyon pipeline'larında AI'ı bir 'düşünme motoru' olarak değil, dar kapsamlı bir sınıflandırıcı olarak konumlandırmanın hem güvenilirlik hem de maliyet açısından sürdürülebilir bir model sunmasında yatıyor. Bu, karmaşık if/elif zincirlerini AI'a devretmek yerine, ikisini birbirini tamamlayacak şekilde birleştiren pragmatik bir mimari öneriyor.