# Beceri Madenciliği: 3.500 Adaydan 466 Yetkinliğe

Canonical source: https://maguyva.ai/tr/blog/skill-mining-3500-and-counting

License: text under [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/); code samples under [MIT-0](https://opensource.org/license/mit-0); the Maguyva name, logos, brand assets and other code are not covered. Details: [maguyva.ai/license](https://maguyva.ai/license).

Date: 2026-01-27 · Author: Maguyva Team

> 3.500 beceri adayını inceledik ve 466'sını benimsedik. Ölçekte tutarlı bir yapay zeka ajan beceri kütüphanesi inşa etmek için sistematik bir madencilik ve alım döngüsü.

> *Bu yazıdaki sayılar, yayınlandığı tarihteki (Ocak 2026) sistemi yansıtır. Güncel rakamlar için [ekip sayfamıza](/tr/team) bakın.*

## 3.500 Beceri Sorunu

Bir ajan orkestrasyon sistemi inşa etmeye başladığımızda, ilginç bir zorlukla karşılaştık: yapay zeka ekosistemine dağılmış binlerce potansiyel beceri var. GitHub repoları, tedarikçi dokümantasyonu, topluluk projeleri, iç desenler — beceriler her yerde var. Ama hangileri önemli? Hangileri işe yarıyor? Ve ajanların gerçekten kullanabileceği tutarlı bir beceri kütüphanesini nasıl sürdürürsünüz?

Bizim yanıtımız: sistematik bir madencilik ve alım döngüsü.

## Bugünün Sayıları

Anthropic'in Agent Skills'i 16 Ekim 2025'te piyasaya sürmesinden yalnızca üç ay sonra, bu yazı 27 Ocak 2026'da yayınlandığında durumumuz şöyleydi:

| Ölçüt | Sayı |
|--------|-------|
| Belirlenen adaylar | 3.500+ |
| Benimsenen beceriler | 466 |
| Tedarikçi becerileri | 373 |
| İç beceriler | 93 |
| Aktif tedarikçiler | 25+ |
| Beceri başına ortalama token | 2.834 |
| Referans verilen araçlar | 89 |
| Benzersiz etiketler | 635 |

3.500'den fazla beceri adayını inceledik. 466'sını benimsedik. Bu, %13'lük bir benimseme oranı — ve bu seçicilik tasarım gereğidir.

## Bilgi Katman Sistemi

Tüm beceriler eşit yaratılmamıştır. Bunları, her biri farklı bir uygulanabilirlik kapsamını temsil eden beş bilgi katmanına (K0-K4) düzenliyoruz:

### K0: Temeller (Evrensel)

Her ajanın sahip olması gereken beceriler. Bunlar her yerde işe yarayan "iyi düşünür" yetkinliklerini temsil eder.

```
foundations/
├── test-first-discipline       # TDD: Red-Green-Refactor
├── evidence-based-completion   # Verify before claiming done
├── systematic-debugging        # Root cause methodology
├── structured-planning         # Break work into tasks
└── context-budget-awareness    # Manage token consumption
```

K0 becerileri herhangi bir projeye, herhangi bir alana, herhangi bir yığına taşınabilir. Evrensel bilişsel desenleri kodlarlar.

### K1: Kimlikler (Disiplin)

Bir disiplin içindeki projeler genelinde geçerli olan "iyi mühendis" veya "iyi araştırmacı" becerileri.

```
identities/
├── research-workflows          # Multi-source research
├── web-extraction-playbook     # Content extraction
├── code-review                 # PR review patterns
└── cli-interface-standards     # CLI design patterns
```

### K2: Alanlar (Konu Uzmanlığı)

Bir alan içinde taşınabilir "iyi veritabanı uzmanı" veya "iyi güvenlik mühendisi" becerileri.

```
domains/
├── schema-migration-workflow   # Safe migration patterns
├── rpc-validation-checklist    # RPC health checks
├── auth-validation-checklist   # JWT/OAuth patterns
└── secrets-audit-checklist     # Credential scanning
```

### K3: Yığınlar (Teknoloji)

Belirli teknoloji yığınları için "iyi Supabase kullanıcısı" veya "iyi Cloudflare geliştiricisi" becerileri.

```
stacks/
├── maguyva-quickstart          # Our semantic search patterns
├── cloudflare-deployment       # Workers/Pages deployment
└── mcp-tool-best-practices     # MCP tool selection
```

### K4: Proje (Organizasyon)

Organizasyonumuza ve iş akışlarımıza özgü beceriler.

```
project/
├── agent-creation-workflow     # How we build agents
├── skill-authoring-workflow    # How we write skills
├── mining-session-workflow     # This very process
└── vendor-skill-evaluation     # Evaluation rubrics
```

## Madencilik Döngüsü

### Aşama 1: Keşif

Beceriler her yerden gelir:

**Tedarikçi Repoları**: AWS, Anthropic, Cloudflare, Supabase ve topluluk katkıda bulunanları beceri koleksiyonları yayınlar. 25'ten fazla tedarikçi kökünü takip ediyoruz.

**Topluluk Projeleri**: GitHub, Claude Code şablonları, ajan desenleri ve iş akışı tanımlarıyla doludur.

**İç Desenler**: Ekibimiz sorunları çözdükçe desenler ortaya çıkar. Bunlar becerilere dönüştürülerek resmileştirilir.

**Dokümantasyon Madenciliği**: Teknik dokümantasyon genellikle örtük beceriler içerir — prosedürler, kontrol listeleri, karar ağaçları.

Keşif süreklidir. Resmi değerlendirmeden önce adayları takip etmek için bekleyen beceri adayları listesi kullanırız.

### Aşama 2: Değerlendirme

Her aday aynı rubrikten geçer:

```yaml
adoption_criteria:
  - fills_real_gap: true      # We lack this capability
  - well_structured: true     # Progressive disclosure
  - actively_maintained: true # Commits in last 6 months
  - portable: true            # Not hyper-specific
  - tested: true              # Evidence of usage
```

Beş ürün kriterinin tamamı geçmelidir. Adayların %87'sinin reddedilmesinin nedeni budur.

Sonra her aday ayrı bir güven incelemesinden geçer. Resmi bir tedarikçi reposunu, iyi bilinen bir topluluk sürdürücüsünü ve rastgele bir GitHub reposunu eşdeğer gerçek kaynaklar olarak ele almayız.

```yaml
trust_review:
  vendor_credibility:
    - ownership_verified       # Official vendor, known maintainer, or internal source
    - maintenance_signal       # Recent commits, issue response, release history
    - adoption_signal          # Evidence of real use, stars alone are not enough
    - provenance_clear         # We can trace where the skill came from
  prompt_injection_scan:
    - hidden_instruction_check # Buried "ignore previous instructions" patterns
    - exfiltration_check       # Prompts that try to leak files, secrets, or context
    - authority_check          # Claims of priority over system or developer rules
  script_audit:
    - inspect_scripts          # Read shell/python/js helpers before adoption
    - network_and_exec_review  # curl|bash, remote downloads, subprocess execution
    - file_and_secret_review   # Env vars, credential access, broad file writes
    - destructive_action_check # rm, reset, overwrite, or unsafe automation
```

Güvenilen tedarikçiler daha hafif bir köken incelemesi alır, ama serbest geçiş almazlar. Güvenilmeyen veya bilinmeyen kaynaklar daha derin bir manuel denetimden geçer ve paket içindeki betikleri, okunup kapsamı belirlenip güvenli olarak sınıflandırılana kadar çalıştırmayız.

**Boşluk Analizi**: Benimsemeden önce, kayıt defterimizi ararız:

```bash
uv run orkestra skills search "<capability>"
```

Zaten sahipsek, ihtiyacımız yoktur. Yakın bir şeye sahipsek, benimsemek yerine birleştirebiliriz.

**Derinlik ve Standartlar Puanlaması**: Bir adayın ajan-beceri modelini ne kadar tam kullandığını da puanlarız. Tek başına bir `SKILL.md` yine de yararlı olabilir, ama daha derin beceriler, `agentskills.io`'in teşvik ettiği şekilde talimatları referanslardan, betiklerden ve varlıklardan ayırdığında daha değerlidir.

```yaml
skill_depth:
  - level_1: SKILL.md only                     # Single instruction file
  - level_2: SKILL.md + strong description     # Clear triggers and scope
  - level_3: adds references/                  # Load docs only when needed
  - level_4: adds atomic scripts/              # Small, reviewable helpers
  - level_5: adds assets/examples/templates    # Full progressive disclosure
depth_signals:
  - standards_adherence        # Structure aligns with agentskills.io conventions
  - reference_quality          # Curated references, not giant context dumps
  - script_atomicity           # Focused helpers, not opaque monoliths
  - tool_boundary_clarity      # Clear limits on what the skill can execute
  - community_signal           # Stars/forks/users help, but only as a weak boost
```

GitHub yıldızları bir güvenilirlik puanını biraz yükseltebilir, ama yüzeysel veya güvensiz bir beceriyi asla kurtarmazlar. Belirsiz tek bir `SKILL.md`'ye ve opak betiklere sahip yüksek yıldızlı bir repo, tam beceri yetkinliğinden gerçekten yararlanan kesin bir açıklamaya, derlenmiş `references/`'e ve atomik yardımcılara sahip daha küçük bir reponun altında puan alır.

**Yapısal Analiz**: Beceri kalitesini kontrol ederiz:

```bash
wc -l vendor/<repo>/<skill>/SKILL.md  # Size check
ls vendor/<repo>/<skill>/scripts/     # Supporting files
ls vendor/<repo>/<skill>/references/  # Bundled docs
```

Bir aday betikler içeriyorsa, bu inceleme daha sıkı hâle gelir. İyi bir beceri sadece yararlı olmakla kalmaz; bir ajana teslim edilmesi için okunabilir, sınırlı ve güvenli olması gerekir. Bu güvenlik filtresi tek başına, aksi takdirde ilginç olan adayların anlamlı bir dilimini eler.

### Aşama 3: Alım

Bir beceri değerlendirmeyi geçtiğinde kayıt defterine girer. Ama beceriler asla değiştirilmeden benimsenmez. Sistemimize uyacak şekilde değiştirilirler.

**Benimseme Sırasında Yapılan Değişiklikler**:

1. **Meta Veri Normalizasyonu**: Her beceri, belge başındaki meta veri (frontmatter) şemamızı alır
2. **K-Katman Ataması**: Beceriler uygun bilgi katmanına yerleştirilir
3. **Etiket Zenginleştirmesi**: Keşif için etiketler eklenir
4. **Araç Bildirimi**: İzin verilen araçlar açıkça bildirilir
5. **Bölüm Hizalaması**: İçerik, şablonumuza uyacak şekilde yeniden yapılandırılır

Alımdan sonra tipik bir beceri YAML'ı:

```yaml
metadata:
  identifier: vendor-skill-evaluation
  name: vendor-skill-evaluation
  description: Systematic evaluation of vendor skills for adoption.
  type: workflow
  layer: K4
  semantic_folder: project
  source: core
  last_updated: '2026-01-17'

frontmatter:
  tags:
    - agents
    - meta
    - skill-adoption
    - vendor
  allowed_tools:
    - Bash
    - Read
    - Write
    - Edit
    - Grep
    - Glob
    - Task
```

### Aşama 4: Kapsam Ataması

Beceriler kapsamlara atanır — hangi ajanların hangi becerileri yükleyeceğini belirleyen kategoriler:

```yaml
scopes:
  database:
    primary_skills:
      - domains/schema-migration-workflow
      - domains/rpc-validation-checklist
      - vendor/supabase/supabase-database
      - vendor/supabase/supabase-auth

  research:
    primary_skills:
      - identities/research-workflows
      - identities/web-extraction-playbook
      - identities/dataset-discovery-quickstart
```

Ajanlar kapsamlarını bildirir ve beceriler otomatik olarak atanır:

```yaml
# Agent definition
scopes: [database, research]
# Gets: all database skills + all research skills + universal skills
```

### Aşama 5: Somutlaştırma

Beceriler üretimde YAML olarak yaşamaz. Claude Code'un yükleyebileceği SKILL.md dosyalarına render edilirler:

```bash
uv run orkestra sync
```

Bu komut:
1. Tüm beceri YAML tanımlarını okur
2. Bunları Jinja şablonları üzerinden render eder
3. SKILL.md dosyalarını `.claude/skills/`'e yazar
4. K-katmanına göre düzenler (foundations/, identities/, domains/, stacks/, project/)

Nihai çıktı yapısı:

```
.claude/skills/
├── foundations/     # K0: Universal
├── identities/      # K1: Discipline
├── domains/         # K2: Subject
├── stacks/          # K3: Technology
├── project/         # K4: Organization
└── vendor/          # External skills
```

## Uykuda Kapsam Deseni

En güçlü desenlerimizden biri "benimsenmiş ama yüklenmemiş" becerilerdir. Bunlara uykuda kapsamlar diyoruz.

k-dense-scientific reposundan bilimsel hesaplama becerilerini düşünün. Biyoinformatik, kimya, kuantum hesaplama ve klinik bilişimi kapsayan 120'den fazla beceri benimsedik. Ama ajanlarımızın çoğunun moleküler yerleştirmeye (docking) veya gen ifadesi analizine ihtiyacı yok.

120 becerinin tümünü her ajana yüklemek yerine (bağlam pencerelerini şişirmek), şunu yaparız:

1. Belirli bir kapsamla becerileri **benimseriz** (örneğin, `bioinformatics`)
2. Bunları **uykuda** tutarız — kayıtlı ama yüklenmemiş
3. Yalnızca bir ajan o kapsamı bildirdiğinde **etkinleştiririz**

```yaml
# In scopes.yaml - dormant scope
bioinformatics:
  description: "Bioinformatics and genomics"
  primary_skills: []  # Empty - skills exist but aren't loaded

# When an agent needs bioinformatics:
# Agent YAML
scopes: [research, bioinformatics]  # Now loads bioinformatics skills
```

Bu desen, tipik ajanlar yalnızca 40-60 ilgili beceri yüklerken kayıt defterinde 466 beceriye sahip olmamızı sağlar.

## Beceri Türleri

Beceriler üç bilişsel desende gelir:

### İş Akışı

Sıralı prosedürel adımlar: "1. X'i yap, 2. Sonra Y'yi yap, 3. Son olarak Z'yi yap"

```yaml
type: workflow
# Examples: schema-migration-workflow, mining-session-workflow
```

### Disiplin

Davranış kuralları ve sınırları: "Her zaman X yap", "Asla Y yapma", "Z'yi tercih et"

```yaml
type: discipline
# Examples: test-first-discipline, evidence-based-completion
```

### Kontrol Listesi

Doğrulama kriterleri: "X'i onayla", "Y'yi doğrula", "Z'yi kontrol et"

```yaml
type: checklist
# Examples: auth-validation-checklist, secrets-audit-checklist
```

## Kalite Kontrolleri

Her beceri, yayınlanmadan önce doğrulamayı geçmelidir:

```yaml
validation:
  file_exists: true           # Skill file at declared path
  frontmatter_valid: true     # Frontmatter parses correctly
  sections_complete: true     # Expected sections present
  tools_registered: true      # Declared tools exist in registry
```

Açıklamalar, Claude Code'un ne zaman önereceğini bilmesi için tetikleyici ifadelerle ("Şu durumda kullanın...", "İhtiyacınız olduğunda...") birlikte 50-400 karakter olmalıdır.

Sürekli doğrularız:

```bash
uv run orkestra validate --show-warnings
```

## Tedarikçi Ekosistemi

373 tedarikçi becerimiz şuralardan gelir:

| Sağlayıcı | Beceriler | Alan |
|----------|--------|--------|
| AWS Agent | 19 | Bulut hizmetleri |
| Anthropic | 12 | Doküman üretimi |
| Cloudflare | 8 | Uç bilişim |
| Supabase | 5 | Veritabanı |
| k-dense | 100+ | Bilimsel hesaplama |
| silvainfm | 4 | Veri bilimi |
| Java Developer Kit | 45+ | Spring/Java |
| Vercel | 1 | Tarayıcı otomasyonu |

Her tedarikçi kökü metadata.yaml'da bildirilir:

```yaml
vendor_roots:
  - path: vendor/aws-agent-skills
    provider: aws
  - path: vendor/k-dense-scientific/scientific-skills
    provider: k-dense
  - path: vendor/supabase-skills
    provider: supabase
```

`orkestra sync` çalıştığında, tedarikçi becerileri sağlayıcı ad alanlarıyla birlikte `.claude/skills/vendor/`'e sembolik olarak bağlanır.

## Öğrendiklerimiz

**Seçicilik karşılığını verir.** Yararlı görünen her şeyi benimsemek caziptir. Ama her beceri token'a mal olur. Beceri başına ortalama 2.834 token ile, şişkinlik hızla zarar verir. %13'lük benimseme oranımız ajanları yalın tutar.

**Yapı keşfi mümkün kılar.** K-katman sistemi sadece organizasyon değildir — taşınabilirlikle ilgilidir. K0 becerileri her yerde yeniden kullanılabilir. K4 becerileri kasıtlı olarak projeye özgüdür. Bu netlik, hem insanların hem de ajanların ihtiyaç duydukları şeyi bulmasına yardımcı olur.

**Uykuda kapsamlar ölçeklenir.** Yüzlerce beceriyi hepsini yüklemeden benimseyebilirsiniz. Kapsamlar, bireysel ajan bağlam pencerelerini yönetilebilir tutarken kapsamlı bir kayıt defteri inşa etmenizi sağlar.

**Benimseme sırasında değişiklik gereklidir.** Ham tedarikçi becerileri nadiren sisteminize uyar. Alım süreci — meta veri ekleme, katman atama, etiket zenginleştirme — dış becerilerin dahili olarak çalışmasını sağlar.

**Madencilik süreklidir.** 3.500 sayısı büyümeye devam ediyor. Yeni tedarikçi repoları ortaya çıkıyor. Topluluk desenleri beliriyor. İç iş akışları sağlamlaşıyor. Döngü asla durmuyor.

## Sırada Ne Var

Birkaç iyileştirme üzerinde çalışıyoruz:

1. **Otomatik boşluk tespiti**: Yaygın ajan başarısızlıklarının benimsenmemiş bir beceriyle çözülebileceği durumlarda uyarı ver
2. **Beceri kullanımdan kaldırma iş akışları**: Yerine yenisi gelmiş veya kullanılmayan becerileri emekliye ayırmak için resmi süreç
3. **Beceriler arası bağımlılıklar**: Beceri ön koşullarının açık bildirimi
4. **Kullanım analitiği**: Ajanların hangi becerileri gerçekten çağırdığını, hangilerini sadece yüklediğini takip et

Beceri madencilik döngüsü altyapıdır. Göz alıcı değildir. Ama 41 ajanın, bağlam sınırları içinde kalırken 466 yetkinlikle tutarlı bir şekilde çalışmasını sağlayan şey budur.

3.500'ün 466'ya nasıl dönüştüğünün hikayesi budur. 3.000'i görmezden gelerek değil — onları sistematik olarak değerlendirip yalnızca işe yarayanı benimseyerek.

---

*Beceri sistemini eylem hâlinde görmek mi istiyorsunuz? Mevcut kayıt defterimizi keşfetmek için `uv run orkestra skills list`'e göz atın.*