2 Katmanlı Mimari
Veri arama işini tamamen geleneksel ve %100 güvenilir veritabanı sorgularına, akıl yürütme işini ise LLM'e devreden hibrit yaklaşım — önce deterministik veri, sonra AI yorumu.
Bu Nedir
TotalApp'in 2 Katmanlı Mimarisi, AI ürünlerinde sıkça birbirine karıştırılan iki işi ayırır: veriyi bulmak ve o veri üzerine akıl yürütmek. Bir LLM'den hem arama hem yorumlama yapmasını istemek yerine, TotalApp işi iki katmana böler; böylece veri erişimi kesin kalır ve LLM'in rolü gerçekten iyi olduğu işle — yorumlama, denetim ve karar desteğiyle — sınırlı kalır.
Temel fikir
Veri arama işi tamamen geleneksel ve %100 güvenilir veritabanı sorgularına devredilir. Bu veri üzerine akıl yürütme işi ise LLM'e devredilir. İkisi asla yer değiştirmez.
Çalışma Mekanizması
Katman 1 (Deterministik Veri)
SQL, PostgreSQL JSONB, NoSQL veya İş Kuralları Motoru (Rule Engine) kullanılarak ilgili veri tam eşleşmeyle süzülür. Hiçbir şey benzerlik veya yaklaşıklıkla getirilmez — yalnızca sorgunun kriterlerine gerçekten uyan kayıtlar döner.
Katman 2 (LLM Reasoning)
Elde edilen kesin JSON verisi LLM'e context olarak verilir ve modelden bu veriyi yorumlaması, denetlemesi (linter) veya karar vermesi istenir — altta yatan gerçekleri asla uydurması veya buna ekleme yapması istenmez.
Avantajları
| Avantaj | Pratikte ne anlama gelir |
|---|---|
| Yanlış veri getirme ihtimali sıfırdır | Katman 1, gerçek şemanıza karşı tam eşleşmeli sorgular kullanır — yanlış çıkabilecek "yaklaşık" veya "yeterince yakın" bir sonuç yoktur. |
| Halüsinasyon riski veri seviyesinde engellenir | LLM yalnızca Katman 1 tarafından zaten doğrulanmış veri üzerinde akıl yürütür — orada olmayan gerçekleri ortaya çıkaramaz. |
| Vektör veritabanı karmaşıklığı yoktur | Bu tür sorgular için oluşturulacak, ayarlanacak veya senkron tutulacak bir embedding hattı, benzerlik indeksi veya vektör deposu yoktur. |
Nerede Çalışır, Nerede Çalışmaz
Bu mimari, verinin belirli bir şeması ve net kuralları olduğunda çalışır — bir fatura, bir vergi hesaplaması, bir yetki denetimi. Serbest metin aramasının yerini tutmaz: sabit şeması olmayan dokümanlar ve açık uçlu metin sorguları için bunun yerine Semantic Search (vektör tabanlı arama) doğru araçtır.
En uygun alan
ERP/CRM modülleri, fatura ve vergi hesaplamaları, RBAC yetki denetimleri — yapılandırılmış, kural tabanlı veri üzerine kurulu operasyonel iş akışları.
Tek başına yeterli olmadığı durum
Sabit şeması olmayan dokümanlar üzerinde serbest metin araması. Bu tür problemler için Semantic Search kullanın veya bir iş akışının ikisine de ihtiyaç duyduğu yerlerde iki yaklaşımı birlikte kullanın.
Katman 2 için vektör araması şart değildir
İş mantığı (Stage 2 AI) çalıştırmak istediğinizde bile vektör araması şart değildir; Katman 1'in zaten çözdüğü yapılandırılmış JSON verisi doğrudan LLM'e context olarak verilir. Yapısal veride embedding gerekmediği sürece kullanılmaz — yalnızca veri gerçekten yapılandırılmamış olduğunda devreye girer.
Local Model Olmasa Bile Ekran Çalışmaya Devam Eder
Kullanıcının bilgisayarında local bir model (Ollama vb.) veya GPU altyapısı yoksa hiçbir ekran kilitlenmez, çökmez veya kullanılamaz hale gelmez. Bunu sağlayan üç temel mimari neden vardır:
Graceful Fallback (Yumuşak Geçiş)
Knowledge Engine ve servis katmanları, ortamda çalışan bir local model veya embedding motoru bulamazsa sistemi durdurmaz — otomatik olarak Keyword Fallback (geleneksel metin ve veritabanı araması) moduna geçer.
Core Operasyon Bağımsızdır
Tablolardaki verileri listeleme, filtreleme, form doldurma, durum güncelleme ve veritabanına kaydetme işlemleri AI'dan %100 bağımsız standart CRUD mimarisidir.
AI Katmanı Esnektir
İhtiyaç duyulan Katman 2 AI analizleri (örneğin evrak denetimi veya diagnostic önerileri), local model yoksa doğrudan bulut servisleri üzerinden çalışır. Bulut servisi de yoksa kullanıcı sadece AI diagnostic butonlarını çalıştırmadan tüm ekranı eksiksiz kullanmaya devam eder.
2 Katmanlı Mimari vs. Semantic Search
| 2 Katmanlı Mimari | Semantic Search | |
|---|---|---|
| Veri erişim yöntemi | Tam eşleşme (SQL / JSONB / NoSQL / Kural Motoru) | Vektör benzerliği (embedding) |
| En uygun olduğu alan | Belirli şeması olan yapılandırılmış kayıtlar | Serbest metin dokümanlar, "benzer olanı bul" sorguları |
| Halüsinasyon riski | Veri seviyesinde engellenir — LLM yalnızca doğrulanmış gerçekler üzerinde akıl yürütür | Sıralama/eşik ile yönetilir, veri seviyesinde tamamen ortadan kaldırılmaz |
| Tipik kullanım alanı | Fatura toplamları, vergi kuralları, RBAC denetimleri | "Benzer kayıtları bul", doküman keşfi |
TotalApp'in Semantic Search'ü nasıl uyguladığını görmek için Knowledge Engine sayfasına bakın; bir iş akışının hem tam veri kontrolüne hem de benzerlik aramasına ihtiyaç duyduğu yerlerde ikisini birlikte kullanın.