Her hafta sprint kapanışında aynı şeyleri tekrar tekrar yazmak, notları derlemek ve Slack’e ya da e-postaya özet göndermek sıkıcı bir rutin haline gelebilir. Peki ya bu işi senin yerine bir AI ajanı otomatik olarak halletseydi? Haftalık sprint özeti çıkaran bir workflow kurmak, hem zaman kazandırır hem de ekip içi iletişimi standartlaştırır. Bu yazıda, sprint verilerini toplayan, özetleyen ve ilgili kanallara ileten bir AI ajanı workflow’unun nasıl kurulacağını adım adım göreceğiz.
Yazının sonunda şu soruların cevaplarını bulacaksın: Hangi araçlara ihtiyacın var? Workflow’un temel adımları neler? Prompt’ları nasıl optimize edersin? Ve en önemlisi, bu sistemi kendi ekibine nasıl uyarlarsın?
Başlamadan Önce: Gerekenler
Bir AI ajanı workflow’u kurmadan önce bazı araçları ve ön koşulları netleştirmek gerekiyor. Eksik bir parçayla başlarsan, ileride tüm sistemi yeniden kurman gerekebilir.
Araçlar ve İhtiyaçlar
- Bir proje yönetim aracı (Jira, Linear, Asana, Trello vb.)
- Otomasyon platformu (n8n, Make, Zapier veya benzeri bir no-code/low-code araç)
- LLM API erişimi (OpenAI, Anthropic, yerel model veya başka bir sağlayıcı)
- İletişim kanalı entegrasyonu (Slack, Microsoft Teams, Discord veya e-posta)
- Temel API bilgisi (webhook, HTTP request kavramlarına aşinalık)
Ön Koşullar
- Proje yönetim aracında sprint verilerinin düzenli tutulması (task durumları, assignee bilgileri, etiketler)
- API anahtarlarının hazır olması ve gerekli izinlerin alınması
- Özet formatının önceden belirlenmesi (ne tür bilgiler dahil edilecek?)
- Ekip üyelerinin bu otomasyondan haberdar edilmesi
AI Ajanı Workflow’unun Temel Yapısı
Haftalık sprint özeti çıkaran bir AI ajanı workflow’u genellikle dört ana aşamadan oluşur: veri toplama, veri işleme, özet oluşturma ve dağıtım. Her aşama bir öncekine bağlıdır, bu yüzden sıralı bir yapı kurmak önemli.
1) Veri Toplama Aşaması
İlk adım, sprint verilerini proje yönetim aracından çekmek. Çoğu modern araç REST API sunar. Örneğin, Jira kullanıyorsan JQL sorgusuyla belirli bir sprint’teki tüm task’ları çekebilirsin. Linear veya Asana’da da benzer GraphQL ya da REST endpoint’leri mevcut.
Pratikte en sık görülen yaklaşım şu: Otomasyon platformunda bir “scheduled trigger” oluşturursun (örneğin her Cuma saat 17:00). Bu tetikleyici, proje yönetim aracının API’sine istek atar ve o haftanın task’larını JSON formatında alır.
- Tamamlanan task’lar (status: done)
- Devam eden task’lar (status: in progress)
- Blocker’lar veya bekleyen işler
- Her task’ın assignee bilgisi ve story point değeri
2) Veri İşleme ve Filtreleme
Ham veri genellikle çok fazla detay içerir. AI’a göndermeden önce bu veriyi sadeleştirmek hem token maliyetini düşürür hem de daha tutarlı çıktılar alırsın. Otomasyon platformunda bir “code” veya “function” node’u kullanarak gereksiz alanları çıkarabilirsin.
Kilit Çıkarım: Sadece özet için gerekli alanları tut—task başlığı, durum, assignee ve varsa kısa açıklama yeterli. Attachment URL’leri, oluşturulma tarihi gibi detaylar genellikle gereksiz.
3) LLM ile Özet Oluşturma
İşlenmiş veriyi bir LLM’e gönderip özet oluşturmasını isteyeceksin. Burada prompt tasarımı kritik. İyi bir prompt, tutarlı ve okunabilir çıktılar üretir; kötü bir prompt ise her hafta farklı formatlarda, dağınık özetler verir.
Örnek bir prompt yapısı:
- Rol tanımı: “Sen bir teknik proje yöneticisisin ve ekip için haftalık sprint özeti hazırlıyorsun.”
- Format talimatı: “Özeti şu başlıklar altında yaz: Tamamlananlar, Devam Edenler, Blocker’lar, Gelecek Hafta Odak Noktaları.”
- Ton talimatı: “Kısa ve net cümleler kullan, teknik jargondan kaçın.”
- Veri: Sprint task’larının JSON çıktısı
Pro İpucu: Prompt’a örnek bir çıktı (few-shot example) eklemek, formatın tutarlılığını artırır. İlk birkaç hafta çıktıları manuel kontrol et ve prompt’u iteratif olarak geliştir.
4) Dağıtım ve Bildirim
Özet hazır olduğunda, belirlediğin kanala otomatik olarak gönderilmeli. Slack kullanıyorsan, Slack API’nin “chat.postMessage” endpoint’ini kullanabilirsin. Teams için webhook, e-posta için SMTP veya bir e-posta servisi API’si işini görür.
Şu durumda ne yaparsın? Diyelim ki özet çok uzun çıktı ve Slack mesaj limitini aşıyor. Bu durumda özeti parçalara bölen bir logic ekleyebilir veya özeti bir Notion/Confluence sayfasına yazıp sadece linki paylaşabilirsin.
Workflow’u Adım Adım Kurma
Şimdi tüm bu bilgileri somut adımlara dökelim. Aşağıdaki adımları takip ederek kendi haftalık sprint özeti workflow’unu kurabilirsin.
1) Otomasyon platformunda yeni bir workflow oluştur ve haftalık tetikleyici ekle (örneğin Cuma 17:00).
2) Proje yönetim aracının API’sine bağlan. API anahtarını güvenli bir şekilde sakla (environment variable veya platformun secret manager’ı).
3) Aktif sprint’teki task’ları çeken bir HTTP request node’u ekle. Filtreleme parametrelerini API’ye gönder (tarih aralığı, sprint ID vb.).
4) Gelen JSON verisini işleyen bir kod bloğu ekle. Gereksiz alanları çıkar, veriyi düzenle.
5) LLM API’sine istek atan bir node ekle. Prompt’u ve işlenmiş veriyi bu node’a bağla.
6) LLM’den gelen özeti alıp iletişim kanalına gönderen bir node ekle (Slack, Teams, e-posta vb.).
7) Hata yönetimi için bir “error handler” ekle. API çağrısı başarısız olursa seni bilgilendiren bir bildirim ayarla.
8) Workflow’u test et. Önce manuel tetikle, çıktıyı kontrol et, gerekirse prompt’u veya veri işleme mantığını düzelt.
Prompt Optimizasyonu ve İleri Seviye İpuçları
Temel workflow’u kurduktan sonra, çıktı kalitesini artırmak için bazı optimizasyonlar yapabilirsin. Genelde şu yüzden olur: İlk kurulumda prompt çok genel kalır ve her hafta farklı tonlarda özetler üretir.
Prompt’u Geliştirme Stratejileri
- Negatif talimatlar ekle: “Gereksiz giriş cümleleri yazma, doğrudan içeriğe geç.”
- Karakter limiti belirle: “Her bölüm maksimum 3 madde içersin.”
- Dinamik bölümler: Eğer blocker yoksa, “Blocker’lar” bölümünü atlama talimatı ver.
- Emoji veya format tercihi: Ekibinin iletişim tarzına göre emoji kullanımını belirle.
Bağlam Zenginleştirme
Sadece task listesi göndermek yerine, ek bağlam ekleyebilirsin. Örneğin, önceki haftanın özetini de prompt’a dahil edersen, AI “geçen haftaya göre ilerleme” gibi karşılaştırmalar yapabilir. Bu, özetin değerini artırır.
Bir diğer yaklaşım, sprint hedeflerini de veri olarak eklemek. “Bu sprint’in hedefi X özelliğini tamamlamaktı” bilgisi, AI’ın hedefe ne kadar yaklaşıldığını değerlendirmesini sağlar.
Maliyet ve Performans Dengesi
LLM API çağrıları maliyet oluşturur. Küçük ekipler için bu ihmal edilebilir düzeyde olsa da, büyük organizasyonlarda dikkat etmek gerekir. Token kullanımını optimize etmek için:
- Gereksiz veriyi prompt’a dahil etme
- Daha küçük ve hızlı modelleri dene (özet görevi için her zaman en büyük model gerekmez)
- Caching mekanizması kur: Aynı veri için tekrar çağrı yapma
Yaygın Hatalar ve Çözümleri
Bu tür bir workflow kurarken bazı hatalar sıkça tekrarlanır. Bunları önceden bilmek, zaman kaybını önler.
- API rate limit aşımı: Çok fazla task varsa, API çağrılarını parçalara böl ve aralarına bekleme süresi ekle.
- Tutarsız özet formatı: Prompt’a açık format talimatları ve örnek çıktı ekle.
- Eksik veri: Task’larda zorunlu alanların doldurulmasını ekip içinde standart hale getir.
- Timezone sorunları: Tetikleyicinin timezone’unu ekibinin çalışma saatine göre ayarla.
- Uzun özetler: Prompt’a karakter veya madde limiti ekle, gerekirse özeti bölümlere ayır.
Ne zaman profesyonel destek? Eğer workflow’un kritik iş süreçlerine bağlıysa ve sürekli hata alıyorsan, bir otomasyon uzmanından veya DevOps mühendisinden destek almak mantıklı olabilir.
Sıkça Sorulan Sorular
Hangi otomasyon platformunu seçmeliyim?
Bu, teknik seviyene ve bütçene bağlı. No-code tercih ediyorsan Zapier veya Make kullanıcı dostu seçenekler. Daha fazla kontrol istiyorsan ve self-host yapabiliyorsan n8n güçlü bir alternatif. Kurumsal ortamlarda Microsoft Power Automate da değerlendirilebilir.
Özet kalitesi nasıl artırılır?
Prompt mühendisliğine zaman ayır. Few-shot örnekler ekle, format talimatlarını netleştir ve ilk haftalarda çıktıları manuel kontrol ederek prompt’u iteratif olarak geliştir. Ayrıca, girdi verisinin kalitesi de çıktıyı doğrudan etkiler—task açıklamalarının düzgün yazılması önemli.
Bu workflow güvenli mi?
API anahtarlarını güvenli sakla, hassas verileri (müşteri bilgileri vb.) LLM’e göndermeden önce maskele veya çıkar. Kurumsal ortamlarda, şirketin veri politikalarına uygun bir LLM sağlayıcısı seç veya self-hosted model kullan.
Workflow başarısız olursa ne olur?
Hata yönetimi ekle. Workflow başarısız olduğunda sana bildirim gönderen bir mekanizma kur. Çoğu otomasyon platformu bu özelliği destekler. Ayrıca, kritik workflow’lar için retry logic eklemek iyi bir pratik.
Farklı ekipler için ayrı özetler oluşturabilir miyim?
Evet. Workflow’u parametrik hale getirerek farklı projeler veya ekipler için ayrı özetler üretebilirsin. Her ekip için farklı bir Slack kanalına veya e-posta listesine gönderim yapacak şekilde dallanma ekleyebilirsin.
Sonuç
Haftalık sprint özeti çıkaran bir AI ajanı workflow’u kurmak, başlangıçta biraz zaman alsa da uzun vadede ciddi verimlilik kazancı sağlar. Veri toplama, işleme, özet oluşturma ve dağıtım adımlarını doğru kurguladığında, her hafta manuel olarak harcadığın saatleri otomasyona devredebilirsin. Üstelik, standart bir format sayesinde ekip içi iletişim de daha tutarlı hale gelir.
Yukarıdaki adımları takip ederek kendi workflow’unu kurabilir, prompt’u ekibinin ihtiyaçlarına göre özelleştirebilirsin. İlk birkaç hafta çıktıları kontrol etmeyi unutma—küçük ayarlamalarla özet kalitesini hızla artırabilirsin. Şimdi sıra sende: Otomasyon platformunu seç, API bağlantılarını kur ve ilk sprint özetini otomatik olarak oluştur.
