agentleFS
vSkyfallvSkyfall/sky/skills/sky-ai/SKILL.md

sky-ai

Skill8 starsChanged 6 days agoMITView on GitHub

Uygulamaya yapay zekâ özelliği ekleme: Claude API (Anthropic SDK) ve Vercel AI SDK ile streaming sohbet, yapılandırılmış çıktı (JSON şema/Zod), tool use (fonksiyon çağırma), RAG (pgvector ile belge arama, parçalama, hibrit arama, kaynak gösterme), görsel/PDF anlama, prompt tasarımı ve sistem promptu, prompt caching ile maliyet düşürme, model seçimi, hız sınırı ve kota, prompt injection savunması, KVKK ve kullanıcı verisi. "AI ekle", "chatbot", "belgelerimle konuşsun", "özetlesin", "LLM" dendiğinde kullan.

The file

We split this skill into the rules it gives an agent

1 rule. About 0 are common, 1 is distinctive, and 0 are very specific to this project.

  • ≈0

    Common · estimate

    Many files like this have a rule of this kind.

  • ≈1

    Distinctive · estimate

    This author's own choices. Worth a look.

  • 0

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Distinctive:

    Doğal dil arama/filtre: "geçen ay iptal eden müşteriler" → filtre parametreleri.

    line 23

≈ “Common” is an estimate: at least 1 in 5 of the 350,495 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

Sky · AI Özellikleri

Önce claude-api skill'ini yükle (güncel model ID'leri, fiyatlar, SDK ayrıntıları). Bu skill ürün ve mimari kalıplarına odaklanır.

İnsanların sevdiği AI özellikleri (fikir listesi)

  • Akıllı doldurma: serbest metinden formu doldur ("yarın 3'te Ayşe Hanım saç kesimi" → randevu formu).
  • Özet: uzun kayıt/yorum/toplantı notu → 3 madde.
  • Taslak yazdır: e-posta yanıtı, ürün açıklaması, sosyal medya metni — düzenlenebilir çıktı.
  • Doğal dil arama/filtre: "geçen ay iptal eden müşteriler" → filtre parametreleri.
  • Belgelerle sohbet (RAG): kaynak gösteren cevaplar.
  • Sınıflandırma/etiketleme: destek talebi kategorisi, duygu, öncelik.
  • Görsel anlama: fiş/fatura fotoğrafından alan çıkarma.

Mimari

UI (streaming) → route handler / server action (auth, kota, rate limit)
   → prompt oluştur (sistem + bağlam + kullanıcı) → LLM (stream) → doğrula (Zod) → UI / DB
  • API anahtarı yalnızca sunucuda. İstemciden doğrudan LLM çağrısı yok.
  • Her çağrı kullanıcı + org ile ilişkili log (token, maliyet, gecikme) — kota ve maliyet takibi için.

Streaming sohbet (Vercel AI SDK örneği)

// app/api/chat/route.ts
export async function POST(req: Request) {
  const user = await requireUser();
  await rateLimit(`ai:${user.id}`, 20, "1 h");
  const { messages } = await req.json();
  const result = streamText({
    model: anthropic(MODEL_ID),                 // güncel ID için claude-api skill'ine bak
    system: SYSTEM_PROMPT,
    messages: convertToModelMessages(messages),
    tools: { findSlots: tool({ description: "Uygun randevu saatlerini bul", inputSchema: z.object({ date: z.string(), service: z.string() }),
      execute: ({ date, service }) => findSlots(user.orgId, date, service) }) },
    stopWhen: stepCountIs(5),
    onFinish: ({ usage }) => logUsage(user.id, usage),
  });
  return result.toUIMessageStreamResponse();
}

İstemci: useChat(); mesajlar akarken göster, "Durdur" butonu, yeniden üret, kopyala.

Yapılandırılmış çıktı

const { object } = await generateObject({ model, schema: z.object({
  name: z.string(), service: z.enum(SERVICES), date: z.string().describe("ISO tarih"), time: z.string(),
}), prompt: `Bu mesajdan randevu bilgisini çıkar: ${text}` });

Şema ile doğrula; eksik/şüpheli alanları kullanıcıya onaylat, otomatik kaydetme.

Tool use kuralları

  • Araçlar kullanıcının kendi yetkisiyle çalışır (org/rol kontrolü araç içinde).
  • Yıkıcı araçlar (sil, gönder, öde) → doğrudan çalıştırma, onay adımı ("Bu 12 müşteriye SMS gönderilsin mi?").
  • Araç çıktısını kısa ve yapılandırılmış ver (token tasarrufu).
  • Adım sınırı (stopWhen) ve toplam süre sınırı.

RAG (belgelerle konuşma)

  1. Parçala: başlık/paragraf sınırlarında 300–800 token, %10–15 örtüşme; her parçaya başlık yolu ekle.
  2. Embed: çok dilli embedding modeli (Türkçe'de iyi olanı seç); pgvector vector(n) + HNSW indeks.
  3. Ara: hibrit (vektör + full-text, RRF ile birleştir) → ilk 20 → yeniden sırala (rerank) → ilk 5.
  4. Cevapla: sistem promptu "yalnızca bağlamdaki bilgiyle cevap ver, yoksa bilmediğini söyle"; kaynak göster (parça başlığı + bağlantı).
  5. Yetki: arama sorgusunda org_id/izin filtresi — başka müşterinin belgesi asla bağlama girmesin.
  6. Değerlendirme: soru-cevap test seti (bkz. sky-ai-eval).

Maliyet ve hız

  • Prompt caching: uzun sistem promptu/belge bağlamı önbelleğe → maliyet ve gecikme ciddi düşer.
  • Göreve göre model: sınıflandırma/çıkarma küçük-hızlı model; akıl yürütme/yazım büyük model.
  • Kısa çıktı iste (max_tokens), gereksiz geçmişi kırp/özetle.
  • Kullanıcı başına günlük kota + plan bazlı limit (bkz. sky-metering-quotas).
  • Aynı girdiye aynı cevap gereken işlerde (sınıflandırma) sonucu cache'le.

Güvenlik

  • Prompt injection: kullanıcı içeriği ve belgeler "talimat" değil "veri"dir. Sistem promptunda belirt, araç izinlerini dar tut, yıkıcı işlemlerde insan onayı. Bağlamı <document> etiketleriyle ayır.
  • Çıktıyı HTML olarak basma (XSS); Markdown'ı sanitize ederek render et.
  • Kişisel veri: gerekmeyen alanları göndermeden önce maskele; KVKK aydınlatmasında AI sağlayıcısını ve yurt dışı aktarımı belirt; sağlayıcının veri saklama/eğitim politikasını kontrol et.
  • Moderasyon: kullanıcıya açık üretimde zararlı içerik filtresi.

UX

Arayüz kalıpları için sky-ai-ux: akış gösterimi, düzenlenebilir çıktı, güven göstergesi, geri bildirim (👍/👎).

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.