Kurumsal süreçlerde oluşan problemleri sistematik metodolojiler ve yapay zeka desteğiyle analiz eden, çözüm süreçlerini dijital hafızaya dönüştüren bir bilgi yönetim platformudur.
- Akıllı problem girişi (AI ile özetleme, etiketleme)
- Semantik arama (RAG) ile benzer vakaları bulma
- AI destekli kök neden analizi (5 Why, Ishikawa, 8D)
- Adım adım çözüm süreci yönetimi
- Kurumsal bilgi havuzu oluşturma
- Üretim ve endüstriyel firmalar
- IT ve teknoloji ekipleri
- Kurumsal şirketler (enterprise)
- Operasyon ve kalite ekipleri
- Müşteri destek ekipleri
Sprint içinde tamamlanması tahmin edilen puan: 100 Puan Puan tamamlama mantığı: Proje boyunca tamamlanması gereken toplam 300 puanlık backlog bulunmaktadır. 3 sprinte bölündüğünde ilk sprintin 100 ile başlaması gerektiği kararlaştırıldı.
Backlog'umuz bir sonraki sprintlerin temelini atacak şekilde düzenlenmiştir. Sprint başına tahmin edilen puan sayısını geçmeyecek şekilde görevler dağıtılmıştır. ClickUp'ta gözüken gri item'lar yapılacak işleri, mavi item'lar yapılmakta olan işleri, yeşil item'lar yapılmış işleri temsil etmektedir. Sprint sonu günleri ekibin dinlenmesi amacıyla boş bırakılmıştır.
Daily Scrum toplantıları ekip yoğunlukları nedeniyle her gün düzenli yapılamamış, haftalık olarak Slack ve Google Meet üzerinden gerçekleştirilmiştir.
Toplantı ScreenShotları :
### - Ürün Durumu: Ekran görüntüleri (MvP):
Bu sprintte projenin temel yapısı netleştirildi ve güçlü bir başlangıç yapıldı. Ürünün amacı, kapsamı ve teknik mimarisi belirlenerek geliştirme süreci için sağlam bir zemin oluşturuldu. Problem çözme yaklaşımları, AI entegrasyonu ve RAG altyapısı planlandı, arayüz tasarımına başlanarak sistemin nasıl çalışacağı somutlaştırıldı. Genel olarak sprint hedeflerine büyük ölçüde ulaşıldı ve proje artık geliştirme aşamasına geçmeye hazır hale geldi. Sprint Review katılımcıları: Melisa Özkılıç, Melike Acuner, Şevket Binali, Merve Yüsra Bektaş.
Sprint genel olarak verimli geçti ancak bazı teknik konuların beklenenden daha karmaşık olduğu görüldü. Özellikle AI ve RAG tarafında daha fazla araştırma ihtiyacı ortaya çıktı. UI/UX tarafında geliştirme başlamadan önce daha net tasarım kararları alınmasının süreci hızlandıracağı fark edildi. Bir sonraki sprintte daha küçük ve net görevler belirlenerek ilerlemek, bağımlılıkları daha iyi yönetmek ve çalışan bir MVP odaklı ilerlemek süreci daha verimli hale getirecektir.Genel olarak ekip uyumu ve iletişimi başarılı ilerlemiştir.
Bu sprintte ürünün teknik temeli sıfırdan hayata geçirildi: kimlik doğrulama, dört problem çözme metodolojisi (Ishikawa, 8D, 5 Why, PDCA), yapay zeka destekli bilgi bankası ve bunları birbirine bağlayan uçtan uca bir REST API ile kullanıcı arayüzü tamamlandı. Aşağıda bu sprintte kurulan mimarinin ve geliştirme ortamının özeti yer almaktadır.
Konuşma ScreenShotları : https://imgur.com/a/sprint-2-G37nYoA
| Katman | Teknoloji | Görevi |
|---|---|---|
| Frontend | Next.js 14, TypeScript, Vanilla CSS | Kullanıcı arayüzü |
| Backend | FastAPI (Python), SQLAlchemy 2.0 (async) | REST API ve iş mantığı |
| Yapay Zeka | Google Gemini (LLM + embedding) | Takip sorusu üretimi, özetleme, semantik arama |
| Vektör Veritabanı | Qdrant | RAG tabanlı benzer vaka araması |
| İlişkisel Veritabanı | PostgreSQL | Kullanıcı, oturum ve kayıt yönetimi |
| Önbellek / Kuyruk | Redis + Celery | Arama önbelleği, embedding yeniden deneme kuyruğu |
.
├── backend/ # FastAPI uygulaması (app/{core,domain,api,services,infrastructure})
├── frontend/ # Next.js 14 + TypeScript uygulaması
├── docker-compose.yml # postgres, redis, qdrant, backend, celery-worker, frontend orkestrasyonu
└── .env.example # gerekli ortam değişkenlerinin şablonu
- Ön koşullar: Docker Desktop, Git.
.env.exampledosyasını.envolarak kopyalayın ve gerekli değerleri doldurun (özellikleGEMINI_API_KEY,JWT_SECRET_KEY).- Tüm servisleri tek komutla ayağa kaldırın:
docker compose up --build
- Servisler hazır olduğunda:
- Backend → http://localhost:8000 (health:
/health, docs:/docs) - Frontend → http://localhost:3000
- Qdrant → http://localhost:6333
- Backend → http://localhost:8000 (health:
- Backend testlerini yerelde çalıştırmak için (Python 3.11+ ile):
cd backend pip install -r requirements-dev.txt pytest -v
Bu sprintte ürünün teknik iskeleti, sadece mimari kararların ötesine geçerek çalışan ve test edilmiş bir sisteme dönüştü. Geliştirme, birbirinin üzerine inşa edilen beş branch/pull request ile ilerledi: backend (FastAPI) ve frontend (Next.js) iskeleti, Pydantic domain modelleri, PostgreSQL şeması (SQLAlchemy 2.0 + Alembic) ve docker-compose orkestrasyonu; JWT kimlik doğrulama, RBAC, audit logging ve dört metodolojinin (Ishikawa, 8D, 5 Why, PDCA) adım motorları ile SessionService; Google Gemini tabanlı LLM/embedding servisleri, Qdrant, RAG semantik arama, Redis önbellekleme ve Celery yeniden deneme kuyruğu; auth/oturum/bilgi bankası/kayıt uç noktalarını içeren REST API, rate limiting ve merkezi hata yönetimi; son olarak giriş/kayıt, problem oturumu ve bilgi bankası arama sayfaları ile Celery worker. Her branch anlamlı commit'lerle ilerletildi, testlerle doğrulandı ve PR review'dan geçirilerek main'e alındı. Backend'de 96 test başarıyla geçti, frontend derleme/typecheck/lint hatasız tamamlandı ve sistem gerçek bir sunucuda ayağa kaldırılarak doğrulandı. Proje artık gerçek altyapı (Docker, PostgreSQL, Qdrant, Redis, bir Gemini API anahtarı) ile uçtan uca denenmeye hazır durumda.
Sprint verimli geçti; beş parçaya bölünmüş, birbirinin üzerine inşa edilen branch yapısı işi yönetilebilir tutmayı ve her aşamayı ayrı ayrı test edip doğrulamayı kolaylaştırdı. Buna karşılık kullanılan bazı üçüncü parti bileşenlerin (ör. seçilen Gemini model adları) kısa sürede kullanımdan kalkması, bağımlılıkları düzenli kontrol etmenin önemini gösterdi. Ayrıca geliştirme ortamında karşılaşılan disk alanı kısıtı gibi altyapısal sorunlar, ortam hazırlığının sprint başında netleştirilmesi gerektiğini ortaya koydu. Bir sonraki sprintte gerçek bir Gemini API anahtarıyla uçtan uca doğrulama yapmak, Docker Compose ile tüm servisleri birlikte test etmek ve frontend tarafında kullanıcı deneyimini derinleştirmek öncelikli hedefler olacak.
- Bu sprint projenin son sprinti olarak tamamlandı
- 2 haftalık süreçte yoğun ve odaklı çalışma yapıldı
- Tüm kritik feature'lar başarıyla yetiştirildi
- Ürün demo ve sunum için hazır hale getirildi
- MVP'nin ötesine geçilerek gelişmiş bir sistem ortaya çıkarıldı
Bu backlog, projenin final ürün haline getirilmesini temel alacak şekilde hazırlanmıştır. Görevler, sprint başına belirlenen puan sınırını aşmayacak şekilde dengeli olarak dağıtılmıştır. ClickUp üzerinde gri item’lar yapılacak işleri, mavi item’lar devam eden işleri ve yeşil item’lar tamamlanan işleri temsil etmektedir. Sprint sonlarındaki günler, ekibin dinlenmesi amacıyla planlı olarak boş bırakılmıştır. Proje kapsamında toplam 300 puanlık bir backlog belirlenmiş ve bu yük 3 sprinte bölünerek her sprintin 100 puan olacak şekilde ilerlemesi kararlaştırılmıştır. Ayrıca, user story’ler product backlog’lar içerisinde yer almakta olup, ilgili backlog item’lara tıklanarak hikayelerin detaylarına ulaşılabilmektedir.
Daily Scrum toplantıları, ekip yoğunlukları nedeniyle her gün düzenli olarak gerçekleştirilememiştir; ancak proje ile ilgili gelişmeler WhatsApp üzerinden sürekli olarak iletişim halinde kalınarak takip edilmiştir. Sprint başlangıç ve bitişlerinde ise Slack üzerinden düzenli toplantılar yapılmıştır.
Konuşma ScreenShotları : https://imgur.com/a/fU7I5BC
- AI Agent (Advisor) entegrasyonu tamamlandı ve aktif hale getirildi
- Problem yönetimi ve kayıt işlemleri uçtan uca çalışır hale geldi
- Dashboard, DevOps Board ve A3 ekranları güncellendi
- Knowledge Base gelişmiş filtreleme ve RAG desteği kazandı
- Doküman yükleme, AI özetleme ve sohbet entegrasyonu tamamlandı
- A3 rapor önizleme, PDF çıktısı ve görsel analizler eklendi
- Responsive tasarım ile tüm cihazlara uyum sağlandı
- Tüm sistem %100 test coverage ile doğrulandı
- Proje canlıya hazır hale getirildi
- Bazı task'lar beklenenden büyük çıktı (scope genişledi)
- Backend–frontend entegrasyonunda zaman zaman gecikmeler yaşandı
- Task'ların daha küçük parçalara bölünmesi gerektiği görüldü
- Testlerin erken yazılması süreci olumlu etkiledi
- AI entegrasyonu projeye yüksek değer kattı
- Takım içi iletişim ve iş bölümü genel olarak başarılıydı