AI Ajan Sürüleri Nasıl Oluşturulur (Kapsamlı Rehber)

Bu, AI Agent Swarm'larının ne olduğu ve nasıl kullanılacağına dair eksiksiz bir A'dan Z'ye kılavuzdur.

AI ile çalışma şekliniz hakkında her şeyi değiştirmelerinin nedeni.

Unutmadan bunu yer imlerine ekleyin.

Moonshot AI'nın Nisan 2026 tarihli açık ağırlıklı amiral gemisi Kimi K2.6, bu fikrin gördüğüm en ciddi açık kaynak uygulamasıdır.

Gerçek görevlerin genişliği vardır. Araştırılacak elli şirket.

Analiz edilecek iki yüz dosya. Birbirine bağlı olmayan ve birbirinin arkasında sıraya girmemesi gereken bir düzine alt görev. Bunun için bir ajan sürüsü (agent swarm) mimaridir.

Bu kılavuz, eğitim altyapısından API'ye kadar nasıl çalıştığını açıklıyor, ardından şu anda en önemli olduğunu düşündüğüm deseni ele alıyor: Yürütme için Kimi, planlama ve doğrulama için Claude Opus 4.8.

Nihai İş Akışı (Final Workflow) şöyle görünür:

Bölüm 1: Ajan sürüsü (agent swarm) nedir?

Bir ajan sürüsü, sonuçları birleştiren bir orkestratör tarafından koordine edilen, ayrıştırılmış alt görevler üzerinde eşzamanlı olarak çalışan birden çok ajandır.

Sıralı bir zincirden farkı asıl noktadır:

• Sıralı zincir: Ajan A çalışır, B'ye devreder, B C'ye devreder. Toplam süre = A + B + C.
• Sürü: Orkestratör hedefi böler, A, B ve C ajanları bağımsız alt görevler üzerinde aynı anda çalışır, sonuçlar birleştirilir. Toplam süre ≈ maks(A, B, C).

Bir görev gerçek bir paralel yapıya sahip olduğunda, bu dakikalar ve saatler arasındaki farktır.

Bir sürü ayrıca bağlam taşması (context overflow) sorununu da çözer. Uzun bir görev üzerinde çalışan tek bir ajan, penceresi dolana kadar token biriktirir. Bir sürü, her alt göreve kendi sınırlı bağlamını verir ve orkestratöre yalnızca yapılandırılmış çıktı geri akar.

Altı yapı taşı

Her sürü aynı temel bileşenlere sahiptir:

Bileşen

Ne İşe Yarar

Orkestratör

Görevi ayrıştırır, alt görevleri atar, yürütmeyi izler, sonuçları birleştirir

Alt Ajanlar (Subagents)

Bir alanda (araştırma, kod, analiz, yazma) uzmanlaşmış çalışanlar

Araçlar (Tools)

Ajanların çağırabileceği fonksiyonlar: web arama, kod yorumlayıcı, dosya G/Ç, API'ler

Bellek (Memory)

Sürünün okuyup yazabileceği paylaşılan durum

Devirler / Yönlendirme (Handoffs / Routing)

Kontrol veya veriyi ajanlar arasında aktarma mekanizması

Korkuluklar (Guardrails)

Yineleme limitleri, zaman aşımları, insan-in-the-loop tetikleyicileri, hata kurtarma

Bu altı maddeyi doğru yapın, bir sürünüz olur. Herhangi birini yanlış yapın, pahalı bir hata ayıklama seansınız olur.

Bölüm 2: Kimi K2.6 gerçekte nedir

Sürü davranışına girmeden önce, altında ne olduğunu anlamakta fayda var. K2.6, Moonshot AI'dan 1 trilyon parametreli bir Uzman Karışımı (Mixture-of-Experts) modelidir ve 20 Nisan 2026'da Değiştirilmiş MIT Lisansı altında açık ağırlıklı olarak yayınlanmıştır. Ticari kullanım, aylık 20 milyon doların altındaki gelir veya 100 milyon aylık aktif kullanıcı için ücretsizdir - bu nedenle çoğu geliştirici için pratik olarak ücretsizdir.

0:29

Mimari özellikleri

Özellik

Değer

Toplam parametre

~1,04 trilyon

Token başına etkinleştirilen

~32 milyar (8 seçili uzman + 1 paylaşımlı)

Toplam uzman

61 transformer katmanında 384

Bağlam penceresi

262.144 token (262K)

Dikkat (Attention)

Çok Başlı Gizli Dikkat (MLA) - daha düşük KV önbellek ayak izi

Aktivasyon fonksiyonu

SwiGLU

Görüntü kodlayıcı

MoonViT-3D (400M parametre, 2K'ya kadar görüntü + video)

Niceleme

Niceleme-Bilinçli Eğitim (QAT) ile INT4 (~594 GB diskte)

FP16 tam ağırlık boyutu

~2TB

Lisans

Değiştirilmiş MIT

INT4 QAT varyantı, 4x H80GB üzerinde yerel olarak çalışır. FP16, 8x H80GB gerektirir. Desteklenen üç çıkarım çerçevesinin (vLLM, SGLang, KTransformers) tümü OpenAI uyumlu API'leri kullanıma sunar.

Bölüm 3: MuonClip optimizer veya eğitimin neden kararlı olduğu

Bir trilyon parametreli seyrek MoE'yi patlamadan eğitmek zordur. Belirli başarısızlık modu: dizi uzunluğu arttıkça, dikkat katmanlarındaki sorgu-anahtar (QK) nokta çarpımı sınırsız büyüyebilir. Kayıp sivrileşmeleri (loss spikes) olur ve bu ölçekte bir kayıp sivrileşmesi kurtarılamaz olabilir.

Kimi K2 teknik makalesi (arxiv: 2507.20534) bununla başa çıkmak için MuonClip'i tanıtır.

Muon, AdamW'den daha token-verimli bir gradyan optimizer'dır. Aynı kalite, daha az eğitim adımı. Ancak Muon tek başına trilyon parametre ölçeğinde dikkat istikrarsızlığı üretir.

QK-Clip, softmax öncesinde doğrudan QK matrislerine token başına, kafa başına kırpma ekler. Bu, dikkat puanı büyüklüğünü sınırlar ve patlama patolojisini ortadan kaldırır. Manuel ayarlama veya öğrenme hızı hileleri yok.

Makale özetinden:

"Token-verimli Muon algoritmasını QK-Clip adı verilen bir kararlılık artırma mekanizmasıyla entegre eden yeni bir optimizer olan MuonClip'i sunuyoruz... MuonClip'i kullanan Kimi K2, AdamW taban çizgilerinden önemli ölçüde daha az eğitim token'ı gerektirirken rekabetçi performans elde ediyor."

Bir geliştirici neden bir eğitim detayını önemsesin? Çünkü K2.6'nın 12+ saat boyunca bozulmadan 4.000 araç çağrısını sürdürebilmesinin nedeni buna dayanıyor. Dikkat istikrarsızlığı ile eğitilmiş bir model, uzun bağlam, yüksek adım sayılı koşullar altında halüsinasyon görme eğilimindedir. Bu da tam olarak Ajan Sürüsü'nün (Agent Swarm) yaşadığı rejimdir.

Bölüm 4: Sürünün arkasındaki araştırma PARL

Ajan Sürüsü, K2.6'nın üzerine sonradan eklenmiş bir çerçeve değildir. Davranış, Moonshot'ın PARL: Paralel-Ajan Takviyeli Öğrenme (Parallel-Agent Reinforcement Learning) olarak adlandırdığı bir paradigma aracılığıyla modele eğitilmiştir. Bu, Kimi K2.5 teknik makalesinde (arxiv: 2602.02276) açıklanmıştır.

Eğitilebilir orkestratör, dondurulmuş alt ajanlar

Çoklu ajan sistemleri oluşturmanın olağan yolu, uygulama katmanında birden çok canlı model örneğini koordine etmektir. O zaman kredi ataması (credid assignment) bir karmaşaya dönüşür: ajanlarınızdan hangisi nihai cevabı iyi veya kötü yaptı? Bu grafik üzerinde uçtan uca eğitim yapmak hesaplama açısından imkansızdır.

PARL bunu atlatır:

• Orkestratör eğitilebilir, sonuç ödülleri üzerinde RL ile güncellenir
• Alt ajanlar dondurulmuş, sabit ara politika kontrol noktalarıdır (intermediate policy checkpoints)

Alt ajan yörüngeleri, türevlenebilir karar noktaları değil, çevresel gözlemler olarak ele alınır. Bu, iki zor sorunu aynı anda birbirinden ayırır. Kredi yalnızca orkestratörün eylemlerine gider, asla 300 eşzamanlı alt ajana gitmez. Ve yalnızca bir model güncellendiği için eğitim kararlı kalır.

Orkestratör, ne zaman paralelleştireceğini, kaç tane alt ajan oluşturacağını ve işi nasıl böleceğini öğrenir. Bu davranışlar kimse tarafından elle belirtilmemiştir. Ödül maksimizasyonundan ortaya çıkarlar.

Üç parçalı ödül fonksiyonu

Orkestratör üç sinyale karşı eğitilir.

Bir paralellik ödülü (parallelism reward), işleri sıralı olarak yürütmek yerine eşzamanlı alt ajanlar oluşturmaya iter. Bu olmadan, model varsayılan olarak aynı anda bir ajana gider: güvenli, öngörülebilir, yavaş.

Bir bitiş ödülü (finish reward), alt ajanların görevlerini fiilen tamamlamasını sağlar. Bu, orkestratörün sadece paralellik ödülünü toplamak için bir grup hiçbir şey yapmayan ajan oluşturduğu "sahte paralelliği" (spurious parallelism) engeller.

Bir performans ödülü (performance reward), nihai çıktı kalitesini görev hedefine göre puanlar. Bu, diğer her şeyin hizmet ettiği temel gerçektir (ground truth).

En ilginç bulduğum detay: optimizasyon metriği kritik adımlar (critical path length), toplam adımlar değildir. Model, ham eşzamanlılığı maksimize etmek için değil, en uzun bağımlılık zincirini kısaltmak için ödüllendirilir. Duvardaki saati (wall-clock time) fiilen azaltan şey budur.

PARL sonuçları

• BrowseComp: Sürü modu K2.5'te %78,4'e ulaştı; bu, tek ajanlı K2.5'e (%60,6) göre 17,8 puanlık mutlak bir artıştı ve o zamanlar GPT-5.2 Pro'yu (%77,9) geride bırakmıştı. K2.6 bunu %86,3'e çıkarıyor.
• WideSearch: Item-F1'de 6,3 puanlık mutlak iyileşme (%72,7'den %79,0'a)
• Duvardaki saat süresi: Paralelleştirilebilir görevlerde tek ajanlı taban çizgisine kıyasla 3-4,5 kat azalma
• Paralel araç çağrıları: K2.6'da 4.000'e kadar koordineli adım

Bölüm 5: Kimi'nin arkasındaki altyapı Mooncake

Moonshot'ın sunum altyapısı, K2.6'nın erimeden 300 paralel ajana nasıl dayanabildiğini açıklıyor. Model ağırlıkları hikayenin sadece yarısı; onlara hizmet eden sistem diğer yarısıdır.

Altyapı, Uzun Bağlamlı Görevler için iyi yapılandırılmıştır

KV Önbellek merkezli ayrıştırılmış mimari

Moonshot'ın sunum platformu, 2024 altyapı makalelerinde (arxiv: 2407.00079) açıklanan Mooncake olarak adlandırılır. Kimi'yi ölçekte çalıştıran motordur ve tasarım seçimi alışılmadıktır.

Geleneksel LLM çıkarımı, ön doldurma (prefill - giriş isteminin işlenmesi) ve kodu çözme (decode - token oluşturma) işlemlerini aynı GPU örnekleri üzerinde çalıştırır. Mooncake bunları ayrı kümelerde ayrıştırır:

• Ön doldurma kümesi: ilk istem işlemeyi yönetir, uzun bağlamlı girişler için bağımsız olarak ölçeklenir
• Kodu çözme kümesi: token oluşturmayı yönetir, verim ve gecikme için optimize edilmiştir

Otoregresif oluşturmayı verimli kılan ara dikkat durumu KV önbelleği, birinci sınıf bir sistem kaynağı olarak yönetilir. Mooncake, GPU VRAM, CPU DRAM ve SSD'leri kapsayan, düğümler arasında önbellek taşıyan özel bir aktarım motoruna sahip dağıtılmış bir KV önbelleği oluşturur.

Bunun Ajan Sürüsü için önemi

300 alt ajan aynı anda çalıştığında, her biri kendi KV önbelleğini oluşturur. Geleneksel bir mimaride bu, büyük bir GPU bellek baskısı ve zamanlama çakışmaları anlamına gelir. Mooncake'in ayrıştırılmış önbelleği ile:

• Tamamlanmış alt ajanlardan gelen KV önbellekleri DRAM veya SSD'ye çıkarılabilir ve gerektiğinde geri çağrılabilir
• Ön doldurma kümesi, her alt ajan için (genellikle büyük) sistem istemlerini bağımsız olarak yönetir
• Zamanlayıcı, ajan başına gecikme SLO'larını korurken genel verimi maksimize eder

Mooncake makalesinden: "Temel yöntemle karşılaştırıldığında, Mooncake belirli simüle edilmiş senaryolarda SLO'lara bağlı kalarak %525'e varan bir verim artışı elde edebilir. Gerçek iş yükleri altında, Mooncake'in yenilikçi mimarisi Kimi'nin %75 daha fazla isteği yönetmesini sağlar."

Güncellenen makale, Mooncake'in "binlerce düğümde faaliyet gösterdiğini, günde 100 milyar token'ı işlediğini" ve önceki sistemlere kıyasla A800 kümelerinde %115, H800 kümelerinde %107 daha fazla isteği yönettiğini bildirmektedir.

Ölçekte PD ayrıştırması: 128 GPU'lu K2 dağıtımı

LMSYS, SGLang Yönlendiricisi aracılığıyla 128 H200 GPU'da Ön doldurma-Kodu Çözme (PD) Ayrıştırması kullanarak Kimi K2 için bir dağıtım vaka çalışması yayınladı. Mimari:

• SGLang Yönlendirici: etiket seçiciler aracılığıyla ön doldurma ve kodu çözme düğümlerinin dinamik hizmet keşfi için hafif hizmet
• Uzman Paralelliği: K2'nin 384 uzmanı düğümler arasında dağıtılır, ağ düzeyinde yönlendirme ile
• OME (Açık Model Motoru): sunum katmanı için Kubernetes yerel orkestrasyonu

Bu, K2 ailesini üretim ölçeğinde çalıştıran yığındır. K2.6'yı kendi kendinize barındırıyorsanız, bu sizin şablonunuzdur.

Bölüm 6: Ajan Sürüsü adım adım nasıl çalışır?

K2.6'nın sürü modunda bir görevi yürütürkenki mekanik sırası:

Adım 1: Görev ayrıştırması (Task decomposition)

Orkestratör görevi analiz eder ve bağımlılık grafiğini oluşturur: hangi alt görevler bağımsızdır ve paralel olarak çalıştırılabilir, hangileri önceki çıktılara bağlıdır.

"100 YC şirketini araştır ve bir sektör analizi üret" görevi için orkestratör, 100 bağımsız araştırma görevi, ardından 1 birleştirme görevi, ardından 1 sentez görevi belirler. İlk katman tamamen paralelleştirilebilir.

Adım 2: Uzman ajan oluşturma (Specialist agent spawning)

Orkestratör, alt görev türüne göre alanında uzmanlaşmış alt ajanlar oluşturur. K2.6, role özel talimatlar ve hedeflenmiş araç erişimi ile ajanları dinamik olarak başlatır:

• Web araştırma ajanları: arama + tarayıcı araçları
• Veri analizi ajanları: Python yürütme + elektronik tablo araçları
• Yazma ajanları: sentez ve belge oluşturma
• Doğruluk denetçisi ajanlar: çapraz referans ve doğrulama

Her alt ajan, kendi sınırlı yerel bağlamı içinde çalışır. Kapsamlı bir görevi halleder, yapılandırılmış çıktı üretir ve çıkar. Yerel bağlam, orkestratörün bildiği her şeyi değil, yalnızca o alt ajanın ihtiyaç duyduğu şeyi taşır. K2.6, dakikalar içinde herhangi bir tek ajanın penceresini dolduracak görevlerde taşmayı bu şekilde önler.

Adım 3: Dalgalar halinde paralel yürütme (Parallel execution in waves)

Ajanlar dalgalar halinde yürütülür. İlk dalga tamamen bağımsız görevleri yönetir.

1. Sonuçlar geldikçe, orkestratör ilk dalga çıktılarına bağlı olan görevler üzerinde ikinci bir dalga başlatır ve bağımlılık grafiği çözülene kadar bu şekilde devam eder.
2. K2.6, oturum başına 300 alt ajana ve 4.000 koordineli adıma kadar destekler. Orkestratör, yürütmeyi gerçek zamanlı olarak izler, başarısız olan veya takılı kalan ajanları tespit eder ve görevlerini otomatik olarak yeniden atar.
3. Bu hata toleransı, 12+ saatlik otonom çalışmaları bir insanın izlemesi olmadan mümkün kılan şeydir.

Adım 4: Birleştirme ve çıktı (Aggregation and output)

Tüm alt ajanlar tamamlandıktan sonra, orkestratör sonuçları nihai bir teslimata (belge, elektronik tablo, web sitesi, slayt destesi) birleştirir.

• Ajan çıktılarını birleştirmek yerine sentezler, böylece sonuç yapısal olarak bir arada durur.
• Dikkat edilmesi gereken bir şey daha: sürü yapısı aynı zamanda Kimi'nin bağlam penceresi sorununa cevabıdır.
• K2.6'nın açık politikası: "bağlam penceresi eşiği aştığında, yalnızca en son turdaki araçla ilgili mesajlar saklanır." Sürü, bu politikayı çok uzun görev ufuklarında sürdürülebilir kılar.

Bölüm 7: Kimi x Claude Opus 4.8 mimarisi

Bir sürünün her katmanı için tek bir model doğru cevap değildir. Kimi K2.6, yatay ölçek - yüzlerce ajan arasında paralel yürütme, uzun otonom çalışmalar, uygun maliyetli toplu işleme - için inşa edilmiştir.

Claude Opus 4.8 ise muhakeme - planlama, nüanslı akıl yürütme ve kendi hatalarını yakalama - için inşa edilmiştir. Yapısal olarak birbirlerini tamamlarlar ve her birinin bıraktığı boşluk, diğerinin gücünün şekline yakındır.

Desen:

1[Kullanıcı Hedefi]
2      |
3[Claude Opus 4.8 - Planlayıcı]
4  Hedefi yapılandırılmış bir görev şartnamesine ayrıştırır
5  Paralel ve sıralı alt görevleri belirler
6  Her alt görev için başarı kriterlerini tanımlar
7      |
8[Kimi K2.6 Ajan Sürüsü - Yürütücü]
9  Yapılandırılmış görev şartnamesini alır
10  300'e kadar uzmanlaşmış alt ajan oluşturur
11  Araç çağrıları arasında paralel olarak çalışır
12  Yapılandırılmış sonuçlar döndürür
13      |
14[Claude Opus 4.8 - Doğrulayıcı]
15  Kimi'nin çıktılarını başarı kriterlerine göre inceler
16  Başarısızlıkları, boşlukları, tutarsızlıkları işaretler
17  Nihai teslimatı sentezler

Planlama ve doğrulama için neden Claude?

Opus 4.8'deki en hafife alınan değişiklik dürüstlük iyileştirmesidir: "Opus 4.8, yazdığı koddaki kusurların fark edilmeden geçmesine izin verme olasılığı selefine göre yaklaşık dört kat daha azdır." Ajan sistemlerinde, yanlış güven felaket niteliğindeki başarısızlık modudur.

• Tamamlamadığı halde "tamamlandı" diyen bir orkestratör, 300 alt ajana hataları kademelendirecektir. Claude'un belirsizliği işaretleme ve görev sırasında kendi hatalarını yakalama eğilimi, hatalı olmanın maliyetli olduğu katmanlar için onu doğru çapa yapar.
• Opus 4.8 ayrıca 1M token bağlam penceresini destekler; bu, 50'den fazla paralel araştırma ajanından gelen çıktıları tek bir inceleme bağlamına çekerken doğrulama geçişi için önemlidir.

Yürütme için neden Kimi?

K2.6'nın Ajan Sürüsü, oturum başına 300'e kadar paralel alt ajan ve 4.000 koordineli araç adımını destekler - bu eğitilmiş bir davranıştır, bir uygulama katmanı sarmalayıcısı değil.

• Claude, Claude Code'da Dinamik İş Akışları (Dynamic Workflows) özelliğine sahiptir, ancak şu anda araştırma ön izlemesindedir ve Enterprise/Max planlarıyla sınırlıdır.
• Kimi'nin sürü yeteneği, API aracılığıyla şu anda herkes tarafından kullanılabilir. Token ekonomisi de ölçekte önemlidir: K2.6, milyon giriş/çıkış token başına $0,95/$4,00 arasında çalışır. Toplu paralel yürütme için bu yok sayılacak bir şey değildir.

Bölüm 8: Bir sürüye ne zaman ihtiyacınız var (ve ne zaman yok)

Çoklu ajan tasarımında en yaygın hata: tek ajan tavanına ulaşmadan önce sürü karmaşıklığı eklemek.

Şu durumlarda tek ajanlı kalın:

• Görev tek bir bağlam penceresine sığıyorsa (gerçek iş ~50K token'ın altında)
• Görev doğası gereği sıralıysa, her adım bir öncekine bağlıysa
• Hala prototip oluşturuyorsanız - tek ajanlı başarısızlık modlarının hatalarını ayıklamak çok daha kolaydır
• Görev zaten 10 dakikadan kısa sürede tamamlanacaksa

Şu durumlarda Ajan Sürüsü'nü kullanın:

• Görev, n > 5 olacak şekilde n tane paralel, bağımsız alt göreve sahipse
• Bağlam taşması (context overflow) gerçek bir sorunsa (derin araştırma, büyük kod tabanları, toplu işlemler)
• Eşzamanlı olarak çalışan alanında uzmanlaşmış ajanlara ihtiyacınız varsa
• Görev, tek bir sıralı oturumda kaliteyi sürdüremeyecek kadar uzunsa
• Bir eleştirmen veya doğrulayıcı ajanın başka bir ajanın çalışmasını kontrol etmesini istiyorsanız

Şu durumlarda Kimi + Claude Opus 4.8 hibritini kullanın:

• Planlama kalitesi önemliyse ve plan yanlışsa geri adım atacak bir model istiyorsanız
• Çıktı, daha fazla insan incelemesi olmadan yayınlanıyorsa - bu nedenle doğrulama dahili olmalıdır
• Token maliyetlerinin hızla arttığı yüksek hacimli yürütme çalıştırıyorsanız
• Karar katmanlarında Claude'un muhakemesini ve iş katmanlarında Kimi'nin ölçeğini istiyorsanız

Bölüm 10: Dört sürü mimarisi deseni

Desen 1: Orkestratör-işçi (en yaygın)

Merkezi bir orkestratör, işçilere alt görevler atar, işçiler paralel olarak yürütür, sonuçlar birleşir.

1[Kullanıcı Hedefi]
2    |
3[Orkestratör - Claude Opus 4.8]
4    +-- [İşçi: Kimi Araştırma Ajanı x N]
5    +-- [İşçi: Kimi Veri Ajanı x N]
6    +-- [İşçi: Kimi Kod Ajanı x N]
7    |
8[Sentezleyici - Claude Opus 4.8]
9    |
10[Nihai Çıktı]

En uygun: açıkça ayrılabilir alt görevleri ve değişken sayıda işçisi olan görevler.

Desen 2: Eleştirmen-geliştirici döngüsü

Bir ajan üretir, diğeri eleştirir, kalite eşiği karşılanana kadar tekrarlanır.

1[Kimi K2.6 Geliştirici] -> taslak -> [Claude Opus 4.8 Eleştirmen] -> geri bildirim -> [Kimi K2.6 Geliştirici]
2                                        |
3                                   (onaylandı)
4                                [Nihai Çıktı]

En uygun: kod oluşturma, teknik yazma, uyumluluğa duyarlı çıktılar. Her zaman bir maksimum yineleme limiti belirleyin.

Desen 3: Hiyerarşik

Stratejik bir orkestratör, alan orkestratörlerini yönetir, onlar da işçileri yönetir.

1[Claude Opus 4.8 - Stratejik Orkestratör]
2    +-- [Kimi K2.6 Sürüsü - Araştırma Ekibi (50 ajan)]
3    +-- [Kimi K2.6 Sürüsü - Geliştirme Ekibi (50 ajan)]

En uygun: farklı alanlara sahip büyük kurumsal iş akışları.

Desen 4: Pençe Grupları (Kimi-yerel heterojen sürü)

K2.6, paylaşılan bir operasyonel alanda insan işçilerle birlikte yerel modeller, Claude ve GPT dahil olmak üzere herhangi bir modeli çalıştıran ajanları koordine eder. Şu anda araştırma ön izlemesindedir.

1[Kimi K2.6 Koordinatör]
2    +-- [Claude Opus 4.8 - akıl yürütme uzmanı]
3    +-- [Llama 3.3 yerel - maliyete duyarlı toplu görevler]
4    +-- [Kimi K2.6 ajanları x N - yürütme katmanı]
5    +-- [İnsan inceleyici - onay kontrol noktaları]

En uygun: model çeşitliliği, yerel + bulut hibriti veya insan-in-the-loop gereksinimleri olan iş akışları.

Bölüm 12: Sürü görevleri için istem tasarımı

Ayrıştırma istemi (orkestratörler)

1Sen bir görev mimarısın. Bu hedefi bağımsız, paralelleştirilebilir alt görevlere ayrıştır.
2
3Kurallar:
4- Her alt görev, yalıtılmış olarak tek bir uzman ajan tarafından tamamlanabilir olmalıdır
5- Bağımlılıkları olan alt görevler, bağımlılık zincirleriyle işaretlenmelidir
6- JSON olarak çıktı: {task_id, description, agent_type, depends_on, success_criteria}
7
8Hedef: {user_goal}
9Mevcut ajan türleri: researcher, analyst, coder, writer, verifier

Uzman sistem istemi (alt ajanlar)

1{ALAN} alanında uzmanlaşmış bir {ROL} ajanısın.
2
3Görev: {subtask_description}
4
5KISITLAR:
6- Yalnızca {output_schema} ile eşleşen geçerli JSON döndür
7- Görev kapsamının dışına çıkma
8- Görevi tamamlayamazsan: {"error": "reason", "partial_results": [...]}
9- Maksimum araç çağrısı: {max_tool_calls}
10
11Bağlam: {context_from_orchestrator}

Birleştirme istemi (sentezleyiciler)

1{n} uzman ajandan gelen araştırmayı tutarlı bir çıktıda sentezle.
2
31. Sağlanan tüm ajan çıktılarını oku
42. Nerede aynı fikirde olduklarını, aynı fikirde olmadıklarını veya boşluklar olduğunu belirle
53. Tüm bulguları entegre eden bir {output_type} üret
64. Tutarsızlıkları açıkça belirtin - çelişkileri sessizce çözmeyin
7
8Ajan çıktıları: {agent_outputs_as_json}
9Çıktı formatı: {final_output_spec}

Bölüm 13: Taviz verilmez yedi korkuluk

1. Ajan başına maksimum yineleme. Orkestratöre bildirilmeden önceki döngüler için sabit limit.

2. Oturum zaman aşımı. Sürü N dakika içinde tamamlanmadıysa, sonlandır ve kısmi sonuçlar döndür.

3. Yapılandırılmış çıktı zorunluluğu. Ajanları JSON döndürmeye zorla. Ara ajanlardan gelen düz metin (prose), aşağı akışta ayrıştırma hataları oluşturur.

4. Hata yalıtımı. Başarısız olan bir alt ajan, orkestratörü çökertmemelidir.

1async def run_subagent_safely(kimi_client, task, agent_id):
2    try:
3        result = kimi_client.chat.completions.create(
4            model="kimi-k2.6",
5            messages=[{"role": "user", "content": task}],
6            max_tokens=4096
7        )
8        return {"agent_id": agent_id, "status": "success",
9                "output": result.choices[0].message.content}
10    except Exception as e:
11        return {"agent_id": agent_id, "status": "failed", "error": str(e)}

5. Üstel geri alma ile yeniden deneme. 429'ları ve geçici hataları kalıcı başarısızlıklar olarak göstermeden yönet.

6. İnsan-in-the-loop kontrol noktaları. Yazma erişimi olan sürüler için (kod dağıtma, e-posta gönderme, API mutasyonları yapma) zorunlu onay duraklamaları ekleyin.

7. Maliyet izleme. Çalıştırma başına token bütçeleri belirleyin. Başıboş döngüler, kalite sorunları olarak ortaya çıkmadan önce her seferinde maliyet anormallikleri olarak kendini gösterir.

İlk önce ne inşa edilmeli

Bölüm 9'daki üç ajanlı boru hattıyla başlayın. Bir öğleden sonrada hata ayıklanabilecek kadar küçüktür, planlama, paralel yürütme ve doğrulama yapar ve bir saatten kısa bir kurulum süresinde gerçek bir göreve karşı çalıştırabilirsiniz.

Kırıldığında - ki kırılacaktır - başarısızlık modu size bir saat daha okumaktan daha fazla sürü tasarımı öğretecektir.

İnşa edin. Bilerek kırın. Ardından somut bir referans noktasıyla Bölüm 11'deki desenlere geri dönün.

Mimari zor kısım değildir. Zor kısım, "testte çalışıyor" ile "gece saat 3'te kimse izlemezken çalışıyor" arasındaki boşluktur ve bu boşluk tamamen korkuluklarda, gözlemlenebilirlikte ve bellek tasarımındadır.

Sonuç

Kimi 2.6, takviyeli öğrenmenin ajan sürülerini nasıl oluşturabileceğine dair bir ajan devrimidir.

Ayrıca, uzun bağlam ufuklarının, tek bir Kullanarak birden çok alt ajan oluşturmak için bu tür orkestratör tabanlı altyapılardan nasıl yararlanabileceğini gösterir.

Feragatname

Makale, yazarın notlarında Kimi 2.6 teknik dokümantasyonu ve araştırma makaleleri kullanılarak yazılmış ve bir AI, Opus 4.7 tarafından düzenlenmiştir.