LLM'ler Türkçe yazarken neden diyakritik hata yapar?

Büyük dil modelleri uzun metin üretimi sırasında Türkçeye özgü karakterleri (ç, ğ, ı, ö, ş, ü) sistematik olarak ASCII karşılıklarına düşürür. 1500+ kelimede sistematik düşüş gözlemlenir.

Türkçe diyakritik sorunu prompt ile çözülebilir mi?

Hayır. Sistem prompt'u ile talimat ilk 500 kelimede işe yarar, ancak uzun içerik üretiminde model bu talimatı yavaş yavaş göz ardı eder. Deterministik bir doğrulama katmanı gerektirir.

Claude Code Türkçe diyakritik eklentisi nasıl çalışır?

Eklenti, Claude Code'un PostToolUse hook mekanizmasını kullanır. Her Edit veya Write işleminden sonra otomatik tetiklenir, dosya içeriğini hunspell ile analiz eder ve hata bulursa stderr üzerinden geri bildirim verir.

hunspell tabanlı 4 katmanlı tespit sistemi nedir?

Katman 0 kelime tekilleştirme, Katman 1 hunspell öneri eşleme, Katman 2 brute-force varyant üretimi, Katman 3 ise 2944 girişlik belirsizlik tablosu ile çalışır.

Türkçe diyakritik eklentisinin performansı nedir?

201 gerçek blog yazısında ortalama 4.81 saniye/dosya, sıfır timeout. 90 bilinen diyakritik hatasını içeren referans dosyada 90/90 tespit, sıfır yanlış pozitif.

LLM'ler Türkçe Yazarken Neden Hata Yapar? Claude Code ile Deterministik Çözüm

Büyük dil modelleri uzun Türkçe içerik üretirken ç, ğ, ı, ö, ş, ü karakterlerini düşürür. Bu sorunu sıfır token maliyetiyle çözen bir Claude Code eklentisinin geliştirilme süreci.

17.01.2026 Güncellendi: 11.09.2026

TL;DR

LLM'ler Türkçe yazarken diyakritik (ç, ğ, ı, ö, ş, ü) düşürür. Prompt uyarıları yetersiz. hunspell tabanlı 4 katmanlı bir PostToolUse hook ile her düzenleme sonrası otomatik doğrulama yapan bir Claude Code eklentisi geliştirdim. Emin olmak adına 201 gerçek yazıda test ettim ve sonuç: ortalama 4.8 saniye, sıfır timeout.

Erişimi Başlat Giriş Yap

Abonelere Özel

Yazının tamamı ve abonelere özel diğer 36 yazı abonelikte.

ai llm-reliability

Abonelere Özel

İLGİLİ

Yapay Zeka Ajanı Güvenliği: Claude Code için 5 Katmanlı Savunma Sistemi

Domain-Spesifik Prompt Optimizasyonu: Knowledge Anchor Yaklaşımı

Argus: AI Kodlama Asistanının Web Aramalarını Görünür Kıl

Hangi Dosyalarınızı Gerçekten Okuyorsunuz? Geliştirici Etkileşim Takibi

AI Coding Agent'lar İçin Context Engineering: Statik Dokümanlardan Yaşayan Ekosisteme

AI Agent'lar Dosya Düzenlerken Neden Hata Yapar? Pratik Stratejiler ve Testler

LLM Üretim Sistemlerinde Çok Katmanlı Savunma: Layer 0'dan Human-in-the-Loop'a

LLM Agent Seviyesi Bozulma Modları: Task Drift, Reward Hacking, Alignment Faking ve Fazlası

LLM Temel Bozulma Modları: Hallucination, Sycophancy, Context Rot, Instruction Attenuation

Bir yapay zeka agent'ı 10 dakikada birine $187'a mal oldu. Monitoring araçları ne söylüyor, ne söylemiyor?