RAG Bir Ajan Değil: Arka Plan Bilgisi ile Eylem Arasındaki Katmanı Kurup Gerçek Sonuçları Ölçen Bir Deney.

Yapay zeka alanında sıkça karıştırılan iki yaklaşım olan Retrieval-Augmented Generation (RAG) ve ajan (agent) sistemleri arasındaki farkı soyut tartışmalarla değil, çalışan kodla kanıtlayan bir deney, saf Python ile sıfırdan inşa edildi. Deneyin yazarı, bir bilgi bulma sistemi (RAG) ile bir eylem yapan sistem (ajan) arasındaki ilişkiyi varsaymak yerine gerçekten ne olduğuna bakmak istedi; bu yüzden üç ayrı sürüm kurdu, hepsine aynı dokuz görevi verdi ve sonuçları geçişli olarak test etti. Deney, yalnızca Python kütüphanesinin standart kısımlarını, yerel bir makineyi ve CPU gücünü kullanıyor; harici bir büyük dil modeli, vektör veritabanı ya da gömme (embedding) servisi devreye girmedi.

Yazarın asıl sorunu, destek taleplerinin (ticket) gerçek dünyadaki karşılığından geliyor. Bir kullanıcı bir talebi sunar ve bu talebe bir kategori atanması gerekir; doğru kategori, şirketin kendi dokümantasyonunda saklı duran bilgilerden türetilir. RAG sistemi o bilgiyi bulabilir ama talebi otomatik olarak güncelleyemez; aksine eylem yapan sistem talebi değiştirebilir ama hangi kategorinin kullanılacağını bilmez. Yazarın test etmek istediği tam da bu bağlantıydı: bilgi bulma ve eylem yapma birbirinden ayrı tutulduğunda ne olur, ikisi birleştirildiğinde ne olur.

Bir Varsayımın Tekrar Tekrar Karşılaşılması

Yazar çalışırken “agentic RAG” teriminin sık sık karşısına çıktığını, bazı örneklerde sistemin belgeleri bulduğunu ve cevap ürettiğini ama eylemin gerçek anlamda gerçekleşmediğini