ClawApp Özeti 🦅 ———————————————————————— Son zamanlarda @HeySorinAI’yi inceledim ve nasıl çalıştığını alt katmanında inceledim. Bugün odak noktam, doğal dil talimatlarının gerçek görevlere dönüştüğü ortam. Karmaşık kod yazmadan VIBE CODING ve OTOMASYON ilgileniyorsanız… @Openclaw dikkat edilmesi değer. → Başlangıç olarak, panelden ve arayüzle ilk etkileşiminizi başlatacağım. → Daha sonra, ajanın aslında ne yapabileceğini tanımladığınız Beceri katmanına geçeceğim. → Son olarak, tek bir talimatın yapılandırılmış, çok adımlı bir iş akışına dönüştüğünü göreceğiz. Hadi detaylandıralım!👇 ClawApp’i açtığınızda, temiz ve modern bir panoya ulaşırsınız; bu panel iki ana bölüme ayrılmıştır: → Sol gezinme paneli, → Merkezi çalışma alanı. ———————————————————————— Sol kenar çubuğu, komut merkezinizdir. > Yeni Sohbet, yeni bir oturum başlatır. Her görev kendi oturumunda çalışır; bu da iş akışlarınızı organize etmenize yardımcı olur. > Uygulamaları Bağla, e-posta veya takvim gibi harici hizmetleri bağlamanızı sağlar. Bu, ajanın sohbetten yürütme aşamasına geçtiği yerdir. > Beceriler, ajanın mevcut yeteneklerini gösterir. Bunları etkinleştirebilir veya devre dışı bırakabilirsiniz; ajanın erişebileceği veya gerçekleştirebileceği şeyleri kontrol altında tutarsınız. > Bakiye, mevcut kredilerinizi (ABD Doları cinsinden) gösterir. > Geçmiş, geçmiş oturumları kaydeder; böylece önceki otomasyonları yeniden ziyaret edebilir veya yönetebilirsiniz. Bu unsurlar birlikte, ClawApp’i basit bir sohbet arayüzü değil, yapılandırılmış bir verimlilik aracına dönüştürür. ———————————————————————— Ana panel, kullanıcıları “ClawApp ile Otomatikleştirin” mesajıyla karşılar; bu, OpenClaw’a erişimi basitleştirmek için tasarlanmış bir arayüz olduğunu vurgular. Ayrıca şu örnek otomasyon kartlarını göreceksiniz: > Bir görev notu oluşturma (Apple Notes entegrasyonu), > Bir ajan ekosisteminde gönderme ve etkileşim (Moltbook), > BTC teknik analiz raporu oluşturma (Crypto Insights). Bu örnekler, ajanın sadece metin üretmekle kalmayıp aynı zamanda eylem gerçekleştirebileceğini ve analiz yapabileceğini gösterir. ———————————————————————— Aşağıda, basit bir giriş alanı ile “Bir mesaj veya komut yazın…” yazısı yer alır. Herhangi bir betik veya yapılandırma gerekmez. Akış basittir: ⏩ doğal dildeki talimat → ajan → bağlı uygulamalar içinde eylem Bu ekran, Beceri çalışma alanını göstermektedir. OpenClaw ajanınızın gerçekten ne yapabileceğini yönettiğiniz yerdir. Ana ekran kontrol merkeziyse, bu yetenek katmanıdır. ———————————————————————— Üst kısımda, yerel beceri dizin yolunu görebilirsiniz (örneğin: /openclaw/workspace/skills). Bu, becerilerin yerel olarak saklanan modüler bileşenler olduğunu gösterir. Şunları yapabilirsiniz: → Yeni beceriler ekleyin, → Var olanları kaldırın, → Ajanın işlevselliğini genişletin. Ayrıca, ek becerilerin keşfedilebileceği ve indirilebileceği Clawhub’a bir referans vardır. Bu, ekosistemin genişletilebilir ve topluluk tarafından desteklendiği fikrini pekiştirir. ———————————————————————— Ana bölüm, kurulmuş becerileri kartlar halinde gösterir. Burada görülebilen örnekler şunlardır: ▫️ apple-notes, ▫️ himalaya, ▫️ shitty-email, ▫️ moltbook, ▫️ molt-registry, ▫️ Sorin Brain. Her beceri, belirli bir operasyonel alana karşılık gelir: notlar, e-posta, sosyal etkileşim, kimlik, analitik. ———————————————————————— Bu yapı, ajanı monolitik değil, modüler hale getirir. Bir kuvvetli sistem yerine, ajanınızın yeteneklerini bir araç kutusundaki bileşenler gibi oluşturursunuz. Her beceri ayrı ayrı incelenebilir (“Daha Fazla” aracılığıyla) ve yönetilebilir. Bu üç önemli tasarım ilkesini pekiştirir: → Modülerlik: yetenekler tanımlı birimlere ayrılmıştır, → Genişletilebilirlik: zamanla yeni beceriler eklenebilir, → Kontrol: kullanıcı, ajanın neye erişebileceğini ve neyi gerçekleştirebileceğini belirler. Beceri sekmesi, ClawApp’ın yapılandırılabilir bir ajan ortamı olduğunu açıkça gösterir. Şunu sormak yerine: 🚫 “Bu AI ne yapabilir?” Daha iyi soru şudur: ✅ “Bu ajanın ne yapabilmesini istiyorum?” Ekran, ajanın çalışırken gösterilmektedir. Üste kullanıcı doğal dilde bir komut girer: ▶️ “Bu hafta takvimimdeki yaklaşan toplantıları kontrol et ve ona tahmin piyasası verisi markdown dosyasını tamamlaması için bir e-posta gönder…” ◀️ Bu tek talimat, yapılandırılmış bir görevin başlangıcı haline gelir. Genel bir metin yanıtı vermek yerine, ajan talebi adım adım yürütür. İlk görünen eylem, sonraki yedi gün için yaklaşan takvim etkinliklerini almaktır. Toplantılar açıkça şu şekilde listelenmiştir: → Başlık, → Tarih ve saat, → İlgili takvim hesabı. Bu, görev yürütmenin başlangıcını işaret eder… ajan, bir sonraki adıma geçmeden (hatırlatma e-postasını göndermek) bağlamı topluyor. ———————————————————————— Burada önemli olan akış şudur: → Kullanıcı yüksek seviyeli bir talimat verir, → Ajan bunu alt görevlere böler, → Her adım yürütülür ve sohbet arayüzünde ortaya çıkarılır. Arayüz, görev ilerlemesini şeffaf hale getirerek kullanıcının ajanın talebi nasıl yorumladığını ve nasıl gerçekleştirdiğini görmesini sağlar. ———————————————————————— Bu ekran, çalışmanın gerçek başlangıcını temsil eder: ⏩ Doğal dil → görev oluşturma → bağlam toplama → eylem yürütme ClawApp’ın talimatların takvimler ve e-posta gibi bağlı sistemlerle gerçek etkileşimlere neden olacak şekilde tasarlandığını gösterir. Yaklaşan toplantıları aldıktan sonra ajan yürütmenin bir sonraki aşamasına geçer. Sohbetin alt kısmındaki talimat artık tamamen yapılandırılmış bir görev haline gelmiştir. Takvim verisi toplanmış ve sistem, takip eden eylemi hazırlıyor: hatırlatma e-postasını taslak haline getirip gönderiyor. ⏩ Burada gördüğümüz şey bağlam toplamadan eyleme geçiştir. İş akışı adım adım gelişiyor: → İlgili toplantıları tanımla, → Gerekli detayları çıkar, → Bu bağlamı kullanarak hatırlatmayı oluştur, → E-posta eylemini yürüt. Bu ekran, bir yanıt değil; bağlı sistemler içinde aktif olarak yürütülen bir operasyonu temsil eder. Hatırlatma e-postası artık sadece bir talimatta bir fikir değil; gerçek, yürütülebilir bir iş akışı olarak işleniyor. ———————————————————————— Beni dikkat çeken şey? 👀 → ClawApp’ın AI’yi “sohbet etmekten” aslında yapmaya nasıl açıkça geçirdiği. Sadece bir modeli tetiklemiyorsunuz… Şunu yapıyorsunuz: → Bir ajan yapılandırıyorsunuz, → Araçlara erişim sağlıyorsunuz, → Gerçek zamanlı olarak yapılandırılmış görevleri yürütürken izliyorsunuz. Modüler beceriler, görünür görev akışı ve oturum tabanlı yapı onu basit bir asistan değil; AI iş akışları için bir işletim sistemi gibi hissettiriyor. ———————————————————————— 🔗 Bağlantı ilk yorumda 👇 ———————————————————————— Yo 🤟