Problem → Çözüm
Problem
Yeni bir depo şefi “soğuk zincir kırıldığında ne yapmalıyım?” sorusunun cevabını 3 farklı Confluence sayfası, eski bir PDF ve Slack thread’inde arıyor. On-call mühendisler gece 3’te doğru runbook’u bulmak için dakikalar kaybediyor; bilgi var ama erişilemez.
Çözüm
Getirpedia; Confluence, Google Drive, Notion, runbook repo’ları ve seçili Slack kanallarını indeksler, kullanıcının erişim yetkisine göre filtrelenmiş RAG ile cevap verir. Her cevap kaynak alıntısıyla gelir; kaynağı eski ya da çelişkili olan bilgileri işaretler.
Temel özellikler
Yapay zeka nerede devreye giriyor?
Yetki filtreli hibrit RAG: chunk’lar ACL metadata’sıyla indekslenir, reranker sonrası LLM sadece kaynaklara dayanarak cevaplar; kaynak yoksa “bilmiyorum” der.
- Ingestion: Confluence/Drive/Slack connector’ları → başlık-farkında chunking → Cohere embed-multilingual-v3 → Qdrant (ACL & tarih metadata)
- Retrieval: hibrit arama + Cohere Rerank, kullanıcının Okta grupları ile pre-filter; Claude Sonnet ile alıntı zorunlu cevap üretimi
- Eval: 250 soruluk set, Ragas faithfulness 0,93, citation precision %95; “cevapsızlık” doğru davranışı ayrıca ölçülür
Nasıl çalışır?
Stack
Arayüz
Backend
AI / ML
Veri
Altyapı & DevOps
Pazarlama & lansman
Başarı metrikleri (hedef)
MVP yol haritası
Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.