Giriş
Bu makale, web geliştirme alanında kullanılan modern araçları ve teknikleri okumakta olan yazılımcılar için bir referans niteliği taşımaktadır. Çeşitli kaynaklar üzerinden (RSS, Bing News, Google News vb.) veri işlemek ve yayınlamak için kullanılan bir sistem geliştirmiş biri olarak, kendi deneyimlerimden yola çıkarak Laravel ekosisteminde verimli bir yapı kurmanın yollarını aktarıyorum.
Projenin Amacı
Aşırı manuel süreçleri minimize etmek ve belirli bir yaşam tarzına dair haberleri büyük bir veri havuzundan çekip derlemek temel hedefim oldu. Bu projede:
- 200+ kaynak üretildi.
- AI embedding kullanarak tekrar eden içerikler hikayeler haline getirildi.
- Veriler, 7 dilde otomatik olarak çevrildi.
- Dünya genelinde 650+ etkinlik takip edildi.
- Telegram, WhatsApp, Facebook gibi platformlarda otomatik yayın yapıldı.
Geliştirirken Dikkat Edilmesi Gerekenler
Yazılım geliştirme sürecinde, kişisel ihtiyaçlar için araçlar geliştirmek, detaylara önem vermek ve sürekli geri dönüş almak oldukça önemlidir. Bu yaklaşım, başkalarının da ihtiyaç duyduğu çözümleri doğurmaktadır.
Maliyet Analizi
| Hizmet | Aylık Maliyet |
|---|---|
| Claude Pro (Anthropic) | $100 |
| ChatGPT Plus | $20 |
| DeepSeek V3 API | ~$10 |
| Jina AI | ~$5 |
| Sunucu | ~$15 |
| Domain | ~$1 |
| Toplam | ~$150/ay |
Kullanılan Teknoloji Yığını
Laravel 12 + Livewire 3 + Tailwind CSS v4
PostgreSQL + Redis
Filament v4 (admin panel)
LiteLLM (LLM proxy/router)
Horizon (queues)
Puppeteer (OG image generation)
Bir Makalenin Hikayeye Dönüşmesi
RSS / Bing News / Google News
│
├─ 1. Parse & extract
│
├─ 2. Deduplicate (URL + title similarity)
│
├─ 3. Relevance scoring (DeepSeek V3)
│ └─ "Is this about van life?" → 0-100
│
├─ 4. Enrichment (DeepSeek V3)
│ └─ Tags, category, country, summary
│
├─ 5. Semantic clustering (Jina AI)
│ └─ 768-dim vector → find nearest cluster
│
├─ 6. Translation into 7 languages (DeepSeek V3)
│
├─ 7. Moderation (auto or manual via Filament)
│
├─ 8. Classification into story or event
│
└─ 9. Publishing
├─ Website (7 locales)
├─ Telegram, WhatsApp, VK, Facebook
└─ Search engine pings
Verimlerin Kümeleme Süreci
Bir olayı, birden fazla kaynaktan gelen içeriklerle birleştirmek, bu süreçte dikkat edilmesi gereken ince detaylardır:
1. Makale gelir.
2. Jina AI embedding oluşturur (768-dim vektör).
3. Mevcut hikayelere karşı benzerlik skorları hesaplanır.
4. Benzerlik > 0.82 → hikayeye eklenir.
5. Eşleşme yoksa → yeni hikaye oluşturulur.
6. En iyi makale "öncül" olarak seçilir.
Arama Motoru Endekslemesi
Yeni bir alan adı oluşturulduğunda, arama motorlarının sitenizi tanıması için aşağıdaki yöntemleri uygulamak önemlidir:
Hikaye yayımlandı
│
├─► IndexNow → Bing, Yandex
├─► Bing URL Submission API
├─► WebSub → Google
├─► RSS akışları
└─► Hreflang ile site haritaları
Sonuç
Proje geliştirirken dikkat edilmesi gereken en önemli noktalar arasında doğru yığın seçimi, sürekli geri bildirim alma ve hata ayıklama yer alır. Yalnızca kod yazmak değil, aynı zamanda yazılım mimarisi oluşturmak da kritik bir beceri haline gelmiştir. Bu süreçlerde kullandığınız araçlar ve tekniklerin, genel verimlilik ve performans üzerindeki etkisini asla göz ardı etmemelisiniz.
İletişim
Yığın, süreç veya yazılım geliştirme ile ilgili sorularınız varsa, soruları yorumlarda iletebilirsiniz.
Kaynak: Orijinal Makale
