Problem → Çözüm
Problem
Her hafta binlerce yeni ürün tedarikçilerden farklı formatta Excel, PDF ve ambalaj fotoğrafı olarak geliyor. Katalog ekibi açıklama, kategori, alerjen ve İngilizce çeviriyi elle giriyor; yeni ürünün yayına çıkması 5 gün sürüyor ve eksik alerjen bilgisi yasal risk yaratıyor.
Çözüm
Katalog Zenginleştirici çok adımlı bir LLM pipeline’ıdır: tedarikçi dosyasını ve ambalaj fotoğrafını okur, alanları standart şemaya çıkarır, açıklama ve arama etiketleri üretir, alerjenleri ambalajdaki içindekiler listesinden tespit eder, çevirir ve kalite kontrolünden geçirir. Belirsiz alanlar katalog uzmanına işaretlenir.
Temel özellikler
Yapay zeka nerede devreye giriyor?
LangGraph ile adım adım pipeline: extraction → normalizasyon → üretim → doğrulama; her adım ayrı model ve şemayla, eval metrikleri her batch’te raporlanır.
- Claude Sonnet vision ile ambalaj OCR + structured output (içindekiler, besin değeri, net miktar); alan doğruluğu %96
- Claude Haiku ile açıklama/etiket üretimi ve EN/AR çeviri; marka sesi few-shot + yasaklı sağlık iddiası filtresi
- Alerjen için çift kontrol: LLM çıkarımı + sözlük tabanlı kural; uyuşmazlıkta zorunlu insan incelemesi (recall %99,2)
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.