Uzun Belgeler ve Toplantıları AI ile Özetleme

Bir saatlik toplantı transkripti. 80 sayfalık hukuki sözleşme. Rakip analiz raporu. Bunları modele "summary yap" diye yapıştırdığınızda ya token limitine çarparsınız ya da model metnin ortasını sessizce keser — ve siz fark etmezsiniz.

Bu yazı o sorunu doğrudan ele alıyor: uzun belgeler için parçala-özetle-birleştir (map-reduce) deseni nedir, n8n'de nasıl kurarsınız, hangi modeli seçersiniz ve AgentRoost üzerinde API anahtarı olmadan nasıl çalıştırırsınız.

---

Sorunun kökü: bağlam penceresi bir boru değil, bir kova

Çoğu LLM'in "context window"u vardır — kaç token'ı aynı anda görebildiği. GPT-4o'da bu ~128k, bazı modellerde 32k, bazılarında 200k+. Ama "128k token destekliyor" cümlesini "256 sayfalık PDF'i yapıştır, özet çıkar" olarak okumak yanıltıcı.

İki somut sorun var:

1. Uzun bağlam = daha yüksek fiyat ve gecikme. Token sayısı iki katına çıktığında maliyet de (genellikle) iki katına çıkar. 80k token'lık bir prompt pahalıdır.
2. Ortada kaybolma (lost in the middle). Araştırmalar, modellerin uzun bağlamların ortasındaki bilgileri başına ve sonuna kıyasla daha kötü hatırladığını gösteriyor. 200k token destekliyor ≠ 200k token'ı eşit dikkatle okuyor.

Çözüm: metni küçük parçalara bölmek, her parçayı bağımsız özetlemek, sonra bu özetleri birleştirmek. Map-reduce denen bu desen, Hadoop'tan LLM dünyasına geçti.

---

Map-Reduce Deseni Adım Adım

[Ham Metin]
     |
     v
[Parçalara Böl]  ← chunk_size: ~2000-3000 kelime
     |
     v
[Her Parçayı Özetle]  ← "map" aşaması (paralel çalışabilir)
     |
     v
[Özetleri Birleştir]  ← "reduce" aşaması
     |
     v
[Final Özet]

Ne kadar parçalamalı?

Parça boyutu seçimi dengeleme gerektiriyor:

Parça Boyutu	Avantaj	Dezavantaj
Çok küçük (500 kelime)	Ucuz, hızlı	Bağlam kopukluğu, cümle ortası kesimleri
Orta (2000-3000 kelime)	Anlamlı bağlam, makul maliyet	Çoğu belgede ideal nokta
Çok büyük (10k+ kelime)	Daha az API çağrısı	Token israfı, yavaş, pahalı

Önerim: Toplantı transkriptleri için 1500-2000 kelime, teknik raporlar için 2500-3000 kelime. Cümle sınırında kes, kelime ortasında değil.

---

n8n'de Map-Reduce Özet Workflow'u

Aşağıda gerçek bir n8n workflow'u var. Düğümleri sırayla açıklıyorum.

1. Tetikleyici: Webhook veya Schedule Trigger

Webhook kullanıyorsanız metin dışarıdan POST ile gelir:

{
  "text": "... toplantı transkripti ...",
  "title": "Q3 Satış Toplantısı"
}

Schedule Trigger kullanıyorsanız (örn. her Cuma akşamı haftalık raporlar için) cron ifadeniz şöyle:

0 18 * * 5

2. Code Düğümü: Metni Parçalara Böl

const text = $input.first().json.text;
const chunkSize = 2500; // kelime sayısı
const words = text.split(' ');
const chunks = [];

for (let i = 0; i < words.length; i += chunkSize) {
  chunks.push({
    chunkIndex: Math.floor(i / chunkSize),
    content: words.slice(i, i + chunkSize).join(' '),
    total: Math.ceil(words.length / chunkSize)
  });
}

return chunks.map(c => ({ json: c }));

Bu düğüm her parçayı ayrı bir item olarak çıkarır — n8n'in sonraki düğümleri her item için otomatik çalıştırması bu sayede mümkün olur.

3. AI/LLM Düğümü: Map Aşaması (Her Parçayı Özetle)

n8n'in yerleşik "Basic LLM Chain" veya "Summarization Chain" düğümünü kullanın.

System Prompt:

Sen bir uzman editörsün. Sana verilen metin parçasını ({{ $json.chunkIndex + 1 }}/{{ $json.total }}) özetle.
- Önemli kararlar, eylem maddeleri ve rakamlar kaybolmasın
- Özet 150-200 kelime olsun
- Türkçe yaz

Human Message:

{{ $json.content }}

Model seçimi için: bu aşamada pahalı bir model kullanmak gerekmez. claude-3-5-haiku, gpt-4o-mini veya gemini-flash yeterli. Büyük modeli son birleştirme adımı için saklayın.

4. Aggregate Düğümü: Özetleri Topla

"Aggregate" düğümü, map adımından gelen tüm özetleri tek bir array'e toplar:

• Field to Aggregate: summary (LLM çıktısı)
• Output Field Name: allSummaries

5. AI/LLM Düğümü: Reduce Aşaması (Final Özet)

Bu aşamada daha güçlü bir model mantıklı:

System Prompt:

Sana {{ $json.allSummaries.length }} parçadan oluşan bir belgenin bölüm özetleri verildi.
Bu özetleri tek bir tutarlı metne dönüştür.

Formatı:
## Ana Mesaj
(1-2 cümle)

## Öne Çıkan Noktalar
- (madde madde, max 7 madde)

## Eylem Maddeleri
- (varsa; yoksa bu bölümü kaldır)

Türkçe, profesyonel, sade bir dil kullan.

Human Message:

{{ $json.allSummaries.join('\n\n---\n\n') }}

6. Son Adım: E-posta, Slack veya Webhook

Özet hazır. n8n'in yerleşik Gmail, Slack veya Microsoft Teams entegrasyonuyla gönderin. Ya da başka bir webhook'a POST edin.

---

Hangi Modeli, Ne Zaman?

Kullanım	Map Adımı	Reduce Adımı
Toplantı transkripti	gpt-4o-mini	gpt-4o
Hukuki sözleşme	claude-3-5-haiku	claude-sonnet-4-5
Teknik rapor	gemini-flash	claude-sonnet-4-5 veya o3-mini
Çok gizli metin	Küçük yerli model	Küçük yerli model

AgentRoost üzerinde 350'den fazla modele dahili krediyle erişiyorsunuz. Bir workflow'da map adımı için ucuz, reduce adımı için güçlü model seçebilir; API anahtarı değiştirmeden, faturalandırma karmaşasına girmeden geçiş yapabilirsiniz.

---

Sık Yapılan Hatalar

1. Cümle ortasında kesmek

Kelime sayısıyla bölme kodunuz cümle ortasında kesebilir. Daha sağlam bir yaklaşım: nokta, soru işareti veya ünlem işaretlerinde bölmek.

// Cümle sınırında kesme (basit versiyon)
const sentences = text.split(/(?<=[.!?])\s+/);

2. Parça sayısını takip etmemek

Model "bu metnin 3. parçası" bilgisini bilmeden özetlerse bağlamı kaybedebilir. chunkIndex ve total değerlerini her zaman prompt'a ekleyin.

3. Map adımında büyük model kullanmak

20 parçanız varsa map adımında 20 LLM çağrısı yapılır. Burada pahalı model kullanmak maliyeti gereksiz şişirir. Büyük modeli birleştirme için saklayın.

4. Reduce adımına ham metni de göndermek

"Güvenlik" için hem özetleri hem orijinal metni reduce adımına göndermek cazip görünür. Ama bu tam olarak token israfını geri getirir.

---

AgentRoost'ta Nasıl Kurarsınız

1. AgentRoost'a kayıt olun — e-posta, Google, Microsoft veya Discord ile.
2. n8n framework'ünü seçin, instance'ınıza bir isim verin.
3. ~2 dakika içinde https://<sizin-id>.agentroost.app adresinde size özel n8n editörünüz açılır — instance tamamen sizin, verileriniz yalnızca sizin hesabınızda.
4. Yukarıdaki workflow'u oluşturun. AI/LLM düğümlerindeki "Credential" alanı zaten dolu — dahili AI kredisi otomatik bağlanmış, API anahtarı girmenize gerek yok.
5. Webhook URL'nizi not edin: https://<sizin-id>.agentroost.app/webhook/... — herkese açık HTTPS, sertifika kurmanıza gerek yok.

Fiyat $19,99/ay'dan başlıyor. İlk 14 gün içinde memnun kalmazsanız iade garantisi var. İstediğiniz zaman iptal edebilirsiniz.

Planları karşılaştır →

---

Özet: Ne Öğrendik

Map-reduce özet deseni, uzun metinleri token limitine takılmadan işlemenin kanıtlanmış yolu. Doğru parça boyutu seçimi (2000-3000 kelime), map aşamasında küçük model, reduce aşamasında güçlü model ve cümle sınırında kesme — bu dördü birlikte hem kaliteli hem ekonomik bir sonuç verir.

n8n bu deseni görsel olarak, kod yazmadan kurmanızı sağlıyor. AgentRoost ise o n8n instance'ını — ve içindeki AI çağrılarını — tek bir fiyata çalıştırıyor; sunucu kurulumu, API anahtarı yönetimi veya SSL sertifikası olmadan.