Entegrasyon rehberleri · 2026-06-22

ÜNİDES yapay zekâ entegrasyonu: başvurudan çalışan prototipe LLMTR desteği

ÜNİDES yapay zekâ entegrasyonu için başvuru kurgusu, mimari tasarım, model ve API seçimi, prototip, KVKK, güvenlik, maliyet ve LLMTR destek akışını öğrenin.

Başvuru ile teknik mimari aynı şeyi anlatmalı

Başvuru metninde vaat edilen çıktı ile teknik ekibin geliştirebileceği prototip arasında boşluk olmamalıdır. Hedeflenen kullanıcı akışı, kullanılacak veri, model görevi, insan onayı ve başarı metriği başvuru hazırlanırken birlikte tasarlanmalıdır.

Örneğin kampüs bilgi asistanı yalnızca sohbet ekranı değildir. Onaylı kaynakların nasıl alınacağı, yanlış cevabın nasıl bildirileceği, kişisel verinin nasıl korunacağı ve hangi soruların insana yönlendirileceği uygulama kapsamına dahildir.

Tek bir çekirdek kullanıcı akışı belirleyin.
Her AI çağrısını bir ölçülebilir çıktıyla ilişkilendirin.
Veri kaynağı ve güncelleme sorumlusunu tanımlayın.
Modelin cevap vermemesi gereken durumları yazın.

Model, API ve prototip mimarisi

LLMTR'nin OpenAI uyumlu API katmanı, öğrenci ekiplerinin farklı modelleri aynı istemci yapısıyla karşılaştırmasını sağlar. Sohbet, RAG, görsel anlama veya araç çağırma ihtiyacı ayrı ayrı değerlendirilir ve katalogdan yalnızca gerekli operasyonları destekleyen modeller seçilir.

API anahtarı sunucu tarafında tutulur. İstemci, topluluk backend'ine istek gönderir; backend yetki, rate limit, veri temizleme ve model çağrısını yönetir. RAG gerekiyorsa yalnızca onaylı belgeler indekslenir ve cevaplarda kaynak gösterilir.

Modeli görev, Türkçe kalite, gecikme ve maliyetle karşılaştırın.
API anahtarını frontend veya mobil pakete koymayın.
RAG kaynaklarını sürüm ve yetki bilgisiyle yönetin.
Tool calling kullanılıyorsa her araca minimum izin verin.

KVKK, maliyet ve işletim planı

Prototip kişisel veri gerektirmiyorsa anonim kullanım tasarlanmalıdır. Gerekiyorsa açık amaç, minimum veri, erişim rolleri, saklama süresi ve silme akışı belirlenmelidir. Prompt veya model yanıtında kimlik, sağlık, iletişim ya da eğitim kaydı bulunmaması varsayılan yaklaşım olmalıdır.

Maliyet hesabı model birim fiyatı, tahmini istek sayısı, ortalama girdi/çıktı token'ı, embedding veya görsel işlemleri ve barındırma üzerinden yapılır. LLMTR model fiyatlarını değiştirmez; platform marjı model fiyatına değil kredi yükleme işlemine uygulanır.

Kullanıcı ve topluluk başına rate limit tanımlayın.
Aylık istek ve token bütçesi belirleyin.
Hata, model kesintisi ve bütçe aşımı için fallback planlayın.
Pilot boyunca kalite, gecikme, maliyet ve güvenlik olaylarını ölçün.

LLMTR ile destek süreci ve iletişim

Destek kapsamı; fikir ve ihtiyaç analizi, başvuru metninin teknik tutarlılık incelemesi, mimari tasarım, model kısa listesi, API erişimi, örnek entegrasyon, prototip planı, güvenlik kontrolü ve maliyet tahminini içerebilir. Kapsam, ekip ve takvime göre değerlendirilir; resmî uygunluk veya kabul garantisi verilmez.

Üniversitenizi, öğrenci topluluğunuzu, proje fikrinizi, hedef kitlenizi, beklenen takvimi ve mevcut teknik ekibinizi info@llmtr.com adresine yazın. Portal şifresi, kişisel belge, üretim API anahtarı veya hassas öğrenci verisi göndermeyin.

ÜNİDES yapay zekâ prototipi geliştirme adımları

Başvuru hedefini güvenli, ölçülebilir ve bütçelenebilir bir LLM API prototipine dönüştürme akışı.

Kullanıcı akışını sınırla. Pilotun çözeceği tek çekirdek problemi, hedef kullanıcıyı ve başarı metriğini belirleyin.
Veriyi sınıflandır. Onaylı kaynakları, kişisel veri riskini, saklama süresini ve erişim rollerini yazın.
Modelleri kısa listele. Görev, Türkçe kalite, yetenek, gecikme ve fiyat bakımından iki veya üç modeli seçin.
Güvenli API katmanı kur. Anahtarları sunucuda tutup kimlik doğrulama, rate limit ve input validation ekleyin.
Pilot ölçümü yap. Aynı test setinde doğruluk, kaynak kullanımı, gecikme, token ve maliyeti karşılaştırın.
İşletim planını tamamla. İnsan onayı, fallback, bütçe alarmı, içerik güncelleme ve proje sonrası sorumluluğu tanımlayın.

Sık sorulan sorular

ÜNİDES projesinde LLMTR hangi aşamalarda destek verir?

İhtiyaç ve fikir netleştirme, başvuru metni inceleme, mimari, model/API seçimi, prototip planı, güvenlik ve maliyet tahmini aşamalarında kapsam değerlendirmesi yapılabilir.

ÜNİDES prototipi için tek bir modele bağlı kalmak gerekir mi?

Hayır. OpenAI uyumlu gateway yaklaşımıyla aynı akış farklı modellerde ölçülebilir; görev, kalite, gecikme ve maliyete göre birincil ve fallback model seçilebilir.