Yapay Zeka RAG Sistemi Oluşturma: Node.js ve LangChain ile Uçtan Uca Bir Rehber

Giriş

Son zamanlarda herkes yapay zeka ekliyor ancak çoğu kişi RAG (Retrieval Augmented Generation - Bilgi Erişimiyle Desteklenen Üretim)'nin tam olarak ne olduğunu bilmiyor.
Ben bunu gerçek projeler aracılığıyla öğrendiğim şekilde açıklayacağım.

Bu makalede şunları yapacağız:

• Node.js ile bir RAG sistemi oluşturacağız

• LangChain kullanacağız

• OpenAI gömmelerini (embeddings) kullanacağız

• PDF sohbeti yapacağız

• Bir Vektör veritabanı kullanacağız

• CRM için bir yapay zeka özelliği tasarlayacağız

• RAG'ın NE ZAMAN KULLANILMAMASI gerektiğini göreceğiz

• Yerel Yapay Zeka ve API Yapay Zeka'yı karşılaştıracağız

Bu makale gerçek proje deneyimi ile dolu.

RAG Nedir ve Neden Önemlidir?

RAG = Bilgi Erişimi + Üretim

Bu, modelin her şeyi ezberlemediği anlamına gelir.
Gerekli bilgiyi alır → sonra bir yanıt üretir.

Normal LLM:

RAG:

Avantajları:

• Daha doğru yanıtlar

• Daha ucuz

• Güncel verileri kullanır

• Özel verileri kullanabilir

Şu gibi projeler için önemlidir:

• CRM Yapay Zekası

• PDF Sohbeti

• Bilgi Bankası

• Destek Botu

• Dahili Dokümanlar Yapay Zekası

Node.js ile Sıfırdan Bir RAG Sistemi Oluşturma

Temel mimari:

• Node.js

• LangChain

• OpenAI

• Vektör DB

• Embeddings (Gömmeler)

Kurulum:

Basit embedding:

Metin parçası:

Embeddings oluşturma:

Bu noktada vektör veritabanına yazabiliriz.

Gerçek Projelerde Vektör Embeddings Kullanımı

Neden Vektör DB'ye ihtiyacımız var?

Çünkü LLM'ler doğrudan arama yapamaz.

Vektör DB'leri:

• Pinecone

• Weaviate

• Supabase

• Chroma

• Qdrant

Örnek:

Arama:

Gerçek projelerde:

• CRM notları

• PDF belgeleri

• E-postalar

• Destek talepleri

• Loglar

hepsi gömülür (embed edilir).

OpenAI Embeddings ile Yapay Zeka PDF Sohbeti Nasıl Oluşturulur?

PDF sohbeti en popüler RAG kullanım durumudur.

Adımlar:

1. PDF'i ayrıştır

2. Parçalara ayır

3. Embed et

4. Sakla

5. Ara

6. Yanıtla

LangChain PDF yükleyicisi:

Parçalara ayırma:

Bölme:

Embed et + Sakla

Sonra:

Bu yöntemle:

• PDF ile sohbet

• Dokümanlarla sohbet

• Web sitesiyle sohbet

yapabilirsiniz.

RAG NE ZAMAN KULLANILMAMALIDIR?

Herkes RAG kullanıyor ancak her zaman doğru seçim değildir.

RAG kullanmayın:

• Az miktarda veriniz olduğunda

• Statik yanıtlar gerektiğinde

• Hesaplama gerektiğinde

• Gerçek zamanlı yanıtlar kritik olduğunda

Yanlış kullanım:

❌ basit sohbet botu
❌ tek komut istemi (prompt)
❌ küçük metin
❌ sabit yanıtlar

Doğru kullanım:

✅ dokümanlar
✅ bilgi bankası
✅ CRM
✅ destek
✅ arama
✅ özel veriler

Görüntü vs Metin embeddings — hangisi daha iyi?

Metin embedding:

• dokümanlar

• pdf

• kod

• notlar

Görüntü embedding:

• ürün arama

• yüz arama

• logo arama

• görsel benzerlik

OpenAI metin:

Görüntü:

Genel olarak:

Metin > Görüntü

ancak

E-ticaret → görüntü
Dokümanlar → metin
CRM → metin
Arama → her ikisi

Bir CRM Sistemi İçin Yapay Zeka Özellikleri Tasarlama

Gerçek proje örneği:

CRM + Yapay Zeka

Özellik fikirleri:

• Yapay zeka özetleme

• Yapay zeka yanıtı

• Yapay zeka araması

• Yapay zeka etiketleme

• Yapay zeka önerisi

RAG burada esastır.

Örnek:

Kullanıcı sorar:

müşteri neden iptal etti?

Yapay Zeka:

• notları ara

• e-postaları ara

• destek taleplerini ara

• özetle

RAG işlem hattı:

Bunun olmadan CRM yapay zekası çalışmaz.

Yerel Yapay Zeka vs API Yapay Zeka — ödünleşimler

Çok önemli bir konu.

API Yapay Zeka

• Kolay

• Hızlı

• Yüksek kalite

• Güncel

• Pahalı

• İnternet gerektirir

• Gizlilik riski

Yerel Yapay Zeka

• Özel

• Ucuz

• Çevrimdışı

• Zor

• Yavaş

• GPU gerektirir

Gerçek bir projede:

• Başlangıç → API

• Ölçekleme → Karışık Kullanım

• Kurumsal → Yerel
  

Önerim: API + RAG

RAG İçin En İyi Uygulamalar

✔ küçük parçalara ayır
✔ iyi embeddings (gömmeler)
✔ vektör veritabanı kullan
✔ bağlam sınırı
✔ önbellekleme
✔ yeniden sıralama (rerank)

Hatalar:

❌ aşırı uzun metinler
❌ embedding yok
❌ arama yok
❌ prompt spam'i

SSS

RAG nedir?

Bilgi Erişimi + Üretim.

LangChain zorunlu mu?

Hayır, ancak işleri kolaylaştırır.

Node.js ile yapılabilir mi?

Evet.

Vektör DB zorunlu mu?

Evet, büyük miktarda veriniz varsa.

OpenAI kullanmak zorunda mıyım?

Hayır.

Yerel seçenekler de mevcut.

Son Düşünceler

RAG, günümüz yapay zeka geliştirmenin önemli bir parçasıdır.

Eğer:

• Bir SaaS oluşturuyorsanız

• Bir CRM geliştiriyorsanız

• Yapay zeka özellikleri ekliyorsanız

• Bir Sohbet Botu oluşturuyorsanız

• PDF sohbeti uyguluyorsanız

RAG öğrenmek esastır. Node.js + LangChain + OpenAI kombinasyonu şu anda en pratik çözümdür.

Önerim:

• Küçük bir RAG projesiyle başlayın

• Sonra, PDF sohbeti

• Sonra, CRM yapay zekası

• Sonra, tam bir sistem

Bu yolu izleyerek, gerçekten sağlam yapay zeka sistemleri oluşturacaksınız.

Dış bağlantılar:

• https://js.langchain.com/

• https://platform.openai.com/docs

• https://www.pinecone.io/

• https://supabase.com/docs/guides/ai

• https://qdrant.tech/