Hiç yapay zeka alanındaki yeni terimlerin telefon modellerinden daha hızlı güncellendiğini hissettiğiniz oluyor mu?
Dün "Function Calling"i yeni anlamıştınız, bugün "Skills" ortaya çıkıyor. Önceki gün birisi "MCP"den bahsetti, siz daha tepki veremeden başkası "Agents" diyor. Bu kelimeleri her gördüğünüzde aklınıza gelen ilk şey: Yine mi geri kalıyorum?
Panik yapmayın. Bugün "Claude Skills"i net bir şekilde açıklayacağız.
Daha da önemlisi, bunun zaten bildiğiniz kavramlarla—fonksiyonlar ve fonksiyon çağırma—nasıl ilişkili olduğunu anlatacağım. Bunların üç ayrı terim olmadığını, birbiri üzerine inşa edilmiş adımlar olduğunu göreceksiniz. Bu üç katmanı anladığınızda, herhangi bir yeni terimin nereye oturduğunu değerlendirebileceksiniz.
Başlangıç Noktası
Programlamadaki "fonksiyonlar" ile başlayalım.
Bir fonksiyonu "küçük bir yardımcı" olarak düşünebilirsiniz. Ona ne yapması gerektiğini söylersiniz (bir girdi verirsiniz), o da bitirdikten sonra size sonucu söyler (bir çıktı verir). Restorandaki bir garson gibi: sipariş verirsiniz, onlar servis yapar, her seferinde sabit bir süreci takip eder.
Örneğin, bir programcı calculate_tax(income) adında bir fonksiyon yazar. Gelir rakamını atarsınız, o da ödenmesi gereken vergiyi hesaplar. Tekrar hesaplamanız mı gerek? Sadece tekrar çağırın. Her seferinde vergi mantığını yeniden yazmanıza gerek yok.
Bir fonksiyonun değeri üç kelimeye indirgenebilir: kapsülleme, yeniden kullanım ve standardizasyon.
Bir görevi paketler, böylece herkes her seferinde aynı şekilde kullanabilir. Bu, onlarca yıldır programcılar için en temel üretkenlik aracı olmuştur.
Ancak fonksiyonların bir sınırlaması var—sadece kod dünyasında yaşarlar.
Bir programcı kodda getWeather() yazar ve bu %100 çalıştırılır. Ancak sıradan insanlar kod yazmaz ve yapay zeka bu kodu doğrudan "çalıştırmaz". Peki yapay zekanın bu "küçük yardımcıları" kullanmasını nasıl sağlarız?
Köprü
2023 civarında, "Function Calling" kavramı popüler hale geldi.
Bunu, o "sadece sohbet eden yapay zekaya" bir telefon ve rehber vermek gibi düşünebilirsiniz.
Önceden, bir yapay zekaya "Bugün Pekin'de hava nasıl?" diye sorduğunuzda, ya eğitim verilerinden tahmin eder ya da dürüstçe "bilmiyorum" derdi çünkü kontrol edecek "elleri veya ayakları" yoktu.
Fonksiyon çağırma ile işler değişti.
Geliştiriciler yapay zekaya önceden şunu söyler: "İşte get_weather adında bir fonksiyon içeren bir rehber. Hava durumunu kontrol etmek istersen bu numarayı ara." Yapay zeka soruyu aldığında değerlendirir: "Bunu yanıtlamak için get_weather'ı aramalıyım."
Ardından şunu söyleyen standart bir "not" (JSON) oluşturur:
{ "function": "get_weather", "arguments": { "city": "Beijing" } }
Bu not harici bir program tarafından alınır, ayrıştırılır ve çalıştırılır. Harici program aslında hava durumu istasyonunu çağıran şeydir. Sonuç yapay zekaya döndürülür ve yapay zeka size sade bir dille söyler: "Bugün Pekin'de güneşli, 15 derece."
Burada yeni başlayanların sıklıkla gözden kaçırdığı önemli bir dönüm noktası var.
Geleneksel fonksiyonlar "deterministik"tir—bir programcı getWeather() yazarsa, çalıştırılır.
Ancak LLM fonksiyon çağırma "olasılıksal"dır—yapay zeka fonksiyonu çağırıp çağırmayacağına kendisi karar vermelidir. Bu karar anlamaya dayanır, kurallara değil. İsteği yanlış yorumlama ihtimali az da olsa vardır.
Yani, fonksiyon çağırmanın özü şudur: yapay zekanın "telefon görüşmeleri yapmasına izin vermek", ancak arayıp aramayacağına ve kimi arayacağına karar vermesi.
Bu büyük bir sıçrama—yapay zeka artık sadece bir "bilgi tabanı" değil; bir "aktör" haline gelir.
Ancak fonksiyon çağırmanın hala bir sorunu var: parçalı ve tek seferlik.
Bir görev, mantıksal kararlar ve belge referanslarıyla art arda beş veya altı fonksiyon çağırmayı gerektiriyorsa, basit fonksiyon çağırma yeterli değildir.
Sıçrama
16 Ekim 2025'te Anthropic yeni bir özellik yayınladı: Claude Skills.
Skills'i bir "çalışan el kitabı" ve "alet kutusu" kombinasyonu olarak düşünebilirsiniz.
Kılavuz yapay zekaya şunu söyler: "Bu tür bir görevle karşılaştığında, işte nasıl yapılacağı, adım adım ve her adımda hangi araçların kullanılacağı." Alet kutusu, ihtiyaç duyduğu betikleri ve referans materyallerini içerir.
Spesifik olarak, bir Skill üç şey içeren bir klasördür:
İlk olarak, SKILL.md dosyası. Bunlar doğal dilde yazılmış "talimatlardır". Yapay zekaya Skill'in ne için olduğunu, ne zaman kullanılacağını ve herhangi bir önlemi anlatır.
İkinci olarak, betikler. Bunlar Python, JavaScript vb. ile yazılmış kod olabilir. Yapay zekanın "ellerini kirletmesi" gerektiğinde bu betikleri çalıştırır.
Üçüncü olarak, kaynak dosyaları. Yapay zekanın görevi yerine getirirken başvurabileceği referans belgeleri, şablonlar veya yapılandırma dosyaları gibi.
Şunu sorabilirsiniz: Fonksiyon çağırmadan temel farkı nedir?
Fark şudur: Fonksiyon çağırma "tek bir araçtır", Skills ise "eksiksiz bir çözüm"dür.
Fonksiyon çağırma, size bir çekiç ve tornavida vermek gibidir; hangisini ne zaman kullanacağınızı bilmeniz gerekir. Skills ise size tüm adımları, araçları ve parçaları içeren bir IKEA montaj kılavuzu vermek gibidir.
Ayrıca "aşamalı açıklama" adı verilen önemli bir mekanizma vardır.
Yapay zekanın "çalışma belleği" (bağlam penceresi) sınırlıdır. Tüm Skills'leri bir anda tıkıştırırsanız, yapay zeka bunalmış olur. Skills, yapay zekanın kılavuzun var olduğunu bilmesini ve yalnızca gerçekten ihtiyaç duyduğunda "sayfayı çevirmesini" sağlar.
Şimdi, üç katmana birlikte bakalım:
Aşağıdan yukarıya, soyutlama seviyesi artar. Fonksiyonlar kod seviyesinde, fonksiyon çağırma arayüz seviyesinde ve Skills iş akışı seviyesindedir.
Skills, fonksiyon çağrıları içerebilir, ancak fonksiyon çağırma Skills'in sadece bir parçasıdır.
Pratik Uygulama
Skills aslında ne yapabilir? Birkaç gerçek vakaya bakalım.
İlk olarak, kendi projem: x-article-publisher-skill.
Markdown'da yazıyorsanız ve X (Twitter) Makaleleri'ne yayınlamak istiyorsanız, kopyala-yapıştırın tüm biçimlendirmeyi kaybettiğini göreceksiniz. Başlıkları, kalın metinleri ve bağlantıları elle düzeltmek zorunda kalırsınız, bu da her makale için 15-20 dakika alır.
Görseller daha da kötüdür. Onları elle yükleyip doğru yere sürüklemek zorundasınız. Bu Skill bunu çözer.
Markdown'ınızı ayrıştırır, başlığı ve kapağı çıkarır ve her görsel için bir "blok indeksi" hesaplar. Ardından mükemmel yapıştırma için Markdown'ı zengin metin HTML'ye dönüştürür ve her görseli otomatik olarak doğru konuma eklemek için tarayıcı otomasyonunu (Playwright) kullanır.
Elle 30 dakika süren şey şimdi tamamen otomatik olarak birkaç dakika sürüyor. Tembel insanlar için, parmağını kıpırdatmamak gerçek değerdir.
Diyebilirsiniz ki: Bu sadece bir otomasyon betiği değil mi?
Evet ve hayır. Bir betik, onu nasıl çalıştıracağınızı hatırlamanızı gerektirir. Bir Skill bu talimatları içerir. Yapay zekaya sadece "Bunu X'e yayınla" dersiniz ve o hangi Skill'i kullanacağını ve nasıl çalıştıracağını bilir.
Bu "bilgi kodlamanın" değeridir—"Nasıl yapacağımı biliyorum" ifadesini "Yapay zeka da nasıl yapacağını biliyor" haline getirmek.
Diğer senaryolar şunları içerir:
Toplantı Yönetimi: Transkriptlerden özetler ve eylem maddeleri çıkaran ve takip e-postaları taslağı oluşturan bir Skill.
Veri Analizi: Bir CSV atın, temel metrikleri belirler ve grafiklerle bir rapor oluşturur.
Müşteri Desteği: Bir bilgi tabanından yanıtlar alır ve bunları insan benzeri bir yanıt halinde düzenler.
Son olarak, geliştirici araçları.
skill-creator adında bir Skill var—Skill'ler oluşturmak için bir Skill. İş akışını tanımlarsınız ve o sizin için proje çerçevesini oluşturur.
Başlarken
Mevcut Skills'leri kullanmak için en kolay yol, Claude Code eklenti pazarıdır.
/plugin marketplace add anthropics/claude-code kullanarak diğer pazarları ekleyebilirsiniz.
Kurulduktan sonra, /plugin komutuyla yönetebilirsiniz.
Kendi Skill'inizi oluşturmak için skill-creator meta-skill'ini kullanın. Materyalleri analiz eden ve diyagramlar çizen Skill'ler bile oluşturabilirsiniz, örneğin Kızıl Odanın Rüyası için şu karakter ilişki haritası gibi:
Veya Yedi Savaşan Devlet'in etkileşimleri:
Claude Skills'i NotebookLM gibi harici araçlara bağlayarak güçlü erişimi kendi yaratıcılığınızla birleştirebilirsiniz.
GitHub'daki awesome-claude-skills sayfasına göz atarak topluluk tarafından hazırlanmış mükemmel Skills listesini inceleyin.
Şahsen Yang Zhiping'in ekibinin 42plugin pazarını öneriyorum; düşük kaliteli eklentilerden kaçınmanıza yardımcı olacak derecelendirmeler içeriyor.
En önemli nokta: Bir Skill oluşturmak mutlaka kodlama gerektirmez.
SKILL.md'deki talimatlar doğal dildedir. İş akışınız karmaşık betikler gerektirmiyorsa, tek başına doğal dil çok şey başarabilir.
Özet
- Fonksiyonlar temeldir (kod seviyesi).
- Fonksiyon Çağırma köprüdür (arayüz seviyesi).
- Claude Skills plan şemasıdır (iş akışı seviyesi).
Gartner analistlerinin dediği gibi, odak "model güncellemeleri"nden "kullanım durumu uygulamasına" kayıyor. Skills, yapay zekayı bir "yanıtlayıcı"dan bir "işbirlikçi"ye dönüştürüyor.
Bir dahaki sefere yeni bir yapay zeka terimi duyduğunuzda, kendinize sorun: Hangi katmanda? Bu şekilde düşünmek yeni terimleri çok daha az korkutucu hale getiriyor.
Claude Skills'i denediniz mi? İş akışlarınızı yorumlarda paylaşmaktan çekinmeyin!
