100 Fikir/Agentic Platform/#061

Katalog Zenginleştirici

Tedarikçinin dağınık Excel’inden, yayına hazır ürün sayfasına: açıklama, etiket, alerjen, çeviri.

Fikir #061 / 100 Web uygulaması İç Ekip Agentic Platform AI destekli
Fikir

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.

Ürün

Temel özellikler

1Her formatı okurExcel, PDF, ambalaj fotoğrafı; kolon isimleri ne olursa olsun şemaya eşler.
2Alerjen tespitiİçindekiler listesinden 14 yasal alerjeni çıkarır, kaynağını gösterir.
3SEO & arama etiketleriKısa/uzun açıklama, eş anlamlılar ve arama etiketleri.
4Kalite kapısıLLM-as-judge ve kural kontrolü; güveni düşük alan insana gider.
AI katmanı

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)
Mimari

Nasıl çalışır?

Tedarikçi PortalıExcel/PDF/foto yükleme
PipelineLangGraph • 5 adım
Vision ExtractionClaude vision OCR
Kalite KapısıLLM-as-judge + kurallar
Katalog DBMongoDB → OpenSearch index
Teknoloji

Stack

Arayüz

Next.jsTailwindAG Grid

Backend

Python 3.12FastAPICelerypandas

AI / ML

Claude Sonnet visionClaude HaikuLangGraphLangfuse

Veri

MongoDBOpenSearchS3Redis

Altyapı & DevOps

AWS SQSKubernetes (EKS)GitHub Actions
Go-to-market

Pazarlama & lansman

1
Tedarikçi self-servisTedarikçilere “dosyanı yükle, 1 saatte yayında” mesajıyla portal duyurusu.
2
Katalog ekibi dönüşümüVeri girişi yerine kalite kontrol ve kategori stratejisine kayan rol tanımı.
3
Arama dönüşüm etkisiZengin açıklamalı ürünlerde arama → sepet artışı ölçülüp paylaşılır.
Ölçüm

Başarı metrikleri (hedef)

5 gün → 2 saatyeni ürün yayına çıkış süresi
%99,2alerjen tespiti recall
0,9 TLürün başı zenginleştirme maliyeti
Teslimat

MVP yol haritası

Hafta 1-2Şema + extractionStandart ürün şeması, 300 ürünlük golden set, vision OCR.
Hafta 3-4Üretim + alerjenAçıklama, etiket, çeviri ve çift kontrollü alerjen adımı.
Hafta 5-8Kalite kapısı + portalLLM-as-judge, insan inceleme kuyruğu ve tedarikçi portalı entegrasyonu.
Fİ
Fatih İnci — Full Stack Software Engineer

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.