UMAY OS

Modeller değişir.Deneyim kalır.Karar insanda kalır.

Her çalışana izole bir Linux çalışma alanı. SWAPP, AI-Scientist ve diğer eylemciler burada çalışır; işlemler kayda, değerli deneyimler yerel modellerin gelişimine dönüşür.

Hedef mimari · Çalışan başına container · Yerel işletim · Güçlü modellerle mimari gelişim

Umay Ana açılış animasyonu

Sesli oynatılır; ses dosyanın kendi seviyesindedir.

Bir cevaptan fazlası.Bir çalışma biçimi.

İnsanın deneyimi, kurumun kalıcı yeteneğine dönüşsün.

  1. Her çalışana izole bir çalışma alanı.

    Her çalışan için Linux container’ı ayağa kalkar; SWAPP web uygulaması, AI-Scientist ve diğer eylemciler bu izole kapsamda çalışır. Oturumlar, dosyalar ve erişim yetkileri ayrılır; şirket bilgisi özel alanda kalır.

  2. Her işlem kayda, değerli deneyim birikime dönüşsün.

    Çalışma alanındaki insan, eylemci ve servis işlemleri; amaç, eylem, sonuç, hata ve düzeltmeleriyle loglanır. Kayıtlar container’dan bağımsız korunur. Katma değeri doğrulanan, kullanım izni olan örnekler öğrenmeye alınır.

  3. Mimariyi güçlü modellerle geliştir. Yerelde işlet.

    Mimari değişiklikler güçlü büyük dil modelleriyle hazırlanır: karar gerekçesi, kod farkı, test ve geri alma planı birlikte incelenir. İnsan onayıyla sürümlenir. Günlük eylemciler yerelde açık ağırlıklı modellerle çalışır.

  4. SWAPP’ı ölçerek öğren.

    Ekranları tanımak yeterli değildir. Eylemci; varlığı bulmayı, veriyi yorumlamayı ve izinli iş akışını tamamlamayı bağımsız sonuç doğrulamasıyla göstermelidir.

  5. Yetki insanda kalsın.

    Model izin üretmez. Eylemcilerin araçları ve erişimi çalışan ve görev kapsamıyla sınırlanır. Son karar, öğrenme kaydının kabulü ve yeni sürümün kullanıma alınması insandadır.

  6. İlk uzmanla başla. Yeni uzmanlara açık kal.

    AI-Scientist ilk uzmandır; yerelde çalışan başka uzman eylemciler ortak görev, yetki, log ve sonuç sözleşmeleriyle eklenebilir. Her uzman izole kapsamda çalışır; bilimsel deneylerin veri, yöntem ve sonuçları yeniden kurulabilir olmalıdır.

  7. Skill ile uygula. RAG ile hatırla. Fine-tune ile geliştir.

    Seçilmiş kayıtlar testli skill’lere, kaynaklı RAG bilgisine ve yerel modellere özgü fine-tune adaylarına dönüşür. LoRA/QLoRA yalnız uyumlu modellerde değerlendirilir. Her adayın katkısı ölçülür; ham log doğrudan eğitim verisi sayılmaz.

  8. Gelişimi ve maliyeti birlikte ölç.

    Her model çağrısı, deney ve eğitim işi için süre ve kaynak tüketimi izlenir. Kalite, gecikme ve maliyet birlikte değerlendirilir; ölçülmemiş kazanç veya ücret sıfır kabul edilmez.

İyi bir cevap başlangıçtır.Doğrulanmış bilgi, izlenebilir bir kayıttır.

Her çalışana bir alan.Ortak bir öğrenme.

AOS Core, çalışan başına izole Linux container kapsamını yönetir. Her alanda SWAPP web uygulaması, AI-Scientist ve diğer uzman eylemciler çalışır. Yerel model servisleri ve kalıcı kayıtlar şirket ortamında kalır. Bu hedef mimarinin birleşik sistem kabulü henüz yapılmadı.

Üç temel, açık sorumluluklar.

AOS

Çekirdek ve yürütme

Yerel modeller, görev politikası ve araç yürütmesi. Şirkete uyarlanan Core’un kaynak temeli.

SWAPP

İnsanın çalışma alanı

Varlık, zaman serisi ve dijital ikiz bağlamı. Kamu tanıtımı erişilebilir; uygulama kodu ve şirket içeriği özeldir.

AI-Scientist

Deney ve değerlendirme

Kümeleme, anomali tespiti ve yeniden kurulabilir deneyler için bilimsel uzman temeli.

İşletim

Şirket ortamı · Linux sunucusu

Çalışan başına izole Linux container alanı

Ayrı oturum, dosya alanı, ağ erişimi ve kaynak kotası. Aynı şablon her çalışan için ayrı kurulur.

Çalışan oturumu · amaç ve izin

UMAY OS Core · AOS

System 1 · hızlı ve sınırlı eylem seçimi

System 2 · plan, açıklama ve toparlanma

AI-Scientist · ilk uzman

Çalışana bağlı, izole deney işleri

SWAPP · web uygulaması

Frontend + backend · çalışana ait uygulama örneği

Diğer eylemciler

Görev başına sınırlı araçlar ve yetki

Container dışında kalıcı şirket servisleri

Yerel model servisleri
S1 / S2 / araştırma · yetki ve bağlam ayrımı
Kalıcı log ve öğrenme deposu
Tüm işlemler → değer seçimi → skill / RAG / fine-tune

Model bir hesap kaynağıdır. Eylemci, sınırları tanımlı bir yürütme rolüdür.

Çalışan alanı bir container veya aynı izolasyon kapsamındaki servis container’larından oluşur. SWAPP, Core ve uzmanlar ayrı süreç yetkileriyle çalışır; Scientist deneyleri ek sandbox’larda yürütülür. Core her tarayıcı oturumunun tek otomasyon sahibidir. Container yeniden kurulsa da işlem kayıtları ve onaylı öğrenme ürünleri korunur. Ortak GPU için Scientist’in mevcut broker’ı tek tahsis otoritesi olarak korunur; çalışan container’ları ayrı GPU scheduler açmaz.

System 1 ve System 2: ayrı roller, ayrı öğrenme.

S1 · Operator

İzinli seçenekten doğru eyleme.

AOS kaynak temelinde Mapika/decider-2b. Güncel gözlem ve izinli seçeneklerden seçim yapar; serbest metin üreten sohbet modeli olarak ele alınmaz. Karar verisi, eğitim hedefi ve adaptörü S1’e özgüdür.

S2 · Supervisor

Hedefi plana, bulguyu açıklamaya.

AOS kaynak temelinde Ternary Bonsai-2 27B. Planlama, kaynaklı açıklama ve toparlanmayı üstlenir. S2 veri ve adaptör profili ayrıdır; kapalı kaynak öğretmen hattıyla aynı rol değildir.

Unsloth · eğitim hattı

Modele özgü LoRA / QLoRA.

Her rol güncel ve uyumlu modellerle yenilenebilir. Unsloth eğitimi, destekli taban ağırlıkları ve rolün veri biçimiyle hazırlanır; adaptörün hedef çıkarım motorunda yüklenmesi ve faydası ayrıca sınanır.

Bu model adları incelenen AOS temelini gösterir; değişmez ürün seçimi değildir. Decider ve ternary/GGUF Bonsai için Unsloth uyumu varsayılmaz. LoRA ve 4-bit QLoRA desteği model bazında doğrulanır; desteklenmeyen model için ayrı backend veya değerlendirilmiş alternatif gerekir. Scientist’in araştırma profilleri de Core S1/S2 protokolünden ayrıdır.

Yeni yerel uzmanlara açık bir sistem.

AI-Scientist ilk uzmandır. Yerelde çalışan başka uzman eylemciler; sürümlü yetenek kaydı, görev/sonuç sözleşmesi, sınırlı araç ve veri erişimi, kaynak kotası, iptal ve işlem loglarıyla sisteme eklenebilir. Her uzman çalışan alanının izolasyonuna ve insan denetimine uyar.

AOS’un yeni kayıtlı eylemci yürütücüsü bu genişlemenin kaynak temelidir. Kararlı genel plugin API’si, her uzmanla uyumluluk ve çok çalışanlı UMAY kabulü henüz tamamlanmış değildir. Açıklık burada genişletilebilirliktir; proje lisansı ayrıca belirlenir.

Mimari değişiklikler güçlü büyük dil modelleriyle.

  1. 01Claude / OpenAI · güçlü geliştirme modeli
  2. 02Mimari karar · kod farkı · geri alma planı
  3. 03İzole test · kalite ve maliyet
  4. 04İnsan incelemesi ve onayı
  5. 05Sürümlü dağıtım · yerel işletim

Mimari ve sözleşme değişiklikleri güçlü büyük dil modelleriyle ayrı geliştirme alanında hazırlanır; gerekçe, etkilenen bileşenler ve test kanıtı birlikte kaydedilir. Günlük yerel eylemciler çalışma sırasında mimariyi değiştirmez. Şirket kayıtları dış sağlayıcıya otomatik aktarılmaz. Model kimliği ve maliyet izlenir; öğretmen erişimi olmadan yerel işletimin sürmesi hedeflenir.

Birleşimden önce sözleşme, terfiden önce kanıt.

  1. 01Çalışan container’ı + uygulama sözleşmesi
  2. 02Tüm işlemler için kalıcı log
  3. 03Değerli kayıt → skill / RAG / fine-tune
  4. 04Bağımsız kalite ve maliyet ölçümü
  5. 05İnsan terfisi · geri alma

Önce iki sentetik çalışan alanıyla izolasyon, kayıt bütünlüğü ve yeniden başlatma sınanır. Özel SWAPP kodu teslim edildiğinde gerçek uygulama akışları aynı kapsamda kabul edilir. Seçilmiş kayıtların öğrenme katkısı ayrı ölçülür; mimari değişiklikler güçlü modelle hazırlanıp test ve insan onayından geçer.

İki ayrı mimari çalışma alanı: aday üretimi ve incelenmiş modüller. Kavramsal kompozisyon.
İki çalışma alanı, iki rol. Üretim ile kullanım arasında inceleme var. Kavramsal görsel.

İlk uzman: Scientist.

İlk iş: dijital ikizden bilimsel deneye.

AI-Scientist, her çalışanın Linux container alanında ilk uzman olarak çalışacak. İzinli SWAPP dijital ikiz verileriyle kümeleme ve anomali deneyleri ayrı sandbox’larda yürütülecek; tüm denemeler, hatalar ve sonuçlar ortak işlem izine bağlanacak. Araştırma modelleri, Core’un S1/S2 rollerinden ayrı değerlendirilecek. Yeni kaynakta CPU deney akışı ve seçili deney hafızası mevcut; varsayılan field-lab profilinde LLM/GPU kapalı. Çalışan başına UMAY bağlantısı ayrı kabul bekliyor.

Planlanan ilk araştırma hattı

01 · Dijital ikiz verisi

Varlık, zaman, birim ve kalite bilgisiyle sürümlü veri. Zaman ve varlık bazlı bağımsız test ayrımı.

02 · Çalışma rejimleri

Kümeleme ile benzer davranışları araştır. Kümeleri işletme bilgisiyle incele; küme etiketi doğru cevap değildir.

03 · Anomali ve deney

Basit referanslarla karşılaştır, yanlış alarmı ve kararlılığı ölç. Anomali skoru arıza tanısı veya kontrol komutu değildir.

Anlatım örneği · altı sentetik nokta · ML modeli değil

1 / 6 · Soru

Geçmiş titreşim nasıl değişti?

Anonim bir dönen ekipmanın altı günlük geçmişini inceleyelim. Amaç olası açıklamaları karşılaştırmak; kontrol sistemine müdahale etmek değil.

2 / 6 · Veri

Yalnız izinli veri, açık köken.

Tamamen sentetik altı örnek. Zaman: 1–6 Eylül 2026, her gün 12:00 UTC. Birim: mm/s RMS. Bu değerler gerçek bir tesis veya cihazdan gelmez.

3 / 6 · Hesap

Deterministik hesap, görünür yöntem.

vibration-window-mean v1: ilk ve son üç örneğin aritmetik ortalaması karşılaştırılır. Yüzde değişim = (son ortalama / ilk ortalama − 1) × 100. Aynı veri aynı sonucu verir.

4 / 6 · Hipotez

Bir bulgu, birden fazla açıklama.

Yük veya devir değişimi, ölçüm koşulları ya da mekanik durum açıklama olabilir. Titreşim artışı tek başına bunları ayırt etmez; bir arıza tanısı koymaz.

5 / 6 · Yanıt

Kaynaklı Advisory Packet.

Paket; soruyu, kaynak sürümünü, hesap yöntemini, destekleyen ve çürüten kanıtları, alternatifleri ve eksik veriyi birlikte taşır. Belirsizlik gizlenmez.

6 / 6 · İnceleme

Kalıcı Investigation, insan kararı.

İnsan kanıtı inceler ve sonraki veri talebini belirler. Varlığa bağlı Investigation’ın kaynak ve inceleme geçmişini koruması hedeflenir. Bu sayfa kayıt servisi çalıştırmaz.

Titreşim · mm/s RMS
Titreşim · mm/s RMSAnlatım örneği · altı sentetik nokta · ML modeli değil. 2026-09-01T12:00:00Z — 2026-09-06T12:00:00Z. 2, 2.2, 2.1, 2.5, 3.2, 3.4 mm/s RMS.0123452,001 Eyl2,202 Eyl2,103 Eyl2,504 Eyl3,205 Eyl3,406 EylTitreşim · mm/s RMSAnlatım örneği · altı sentetik nokta · ML modeli değil. 2026-09-01T12:00:00Z — 2026-09-06T12:00:00Z. 2, 2.2, 2.1, 2.5, 3.2, 3.4 mm/s RMS.0123452,001 Eyl2,202 Eyl2,103 Eyl2,504 Eyl3,205 Eyl3,406 Eyl

2026 · 12:00 UTC · vibration-window-mean v1

Deterministik hesap, görünür yöntem.

İlk üç gün
2,10 mm/s
Son üç gün
3,03 mm/s
Değişim
+44,4%

Bu değişim bir arıza tanısı değildir.

Kaynak ve yöntem

synthetic-vibration-v1.csv

vibration-window-mean v1
2026-09-01 → 2026-09-06 · UTC

Alternatif açıklama

Yük veya ölçüm koşulları değişmiş olabilir. Mekanik durum henüz ayırt edilemiyor.

Eksik kanıt

Devir, yük, sensör kalibrasyonu ve bakım kaydı yok.

Grafiğin veri tablosu
Zaman (UTC)Titreşim (mm/s RMS)
2026-09-01T12:00:00Z2,0
2026-09-02T12:00:00Z2,2
2026-09-03T12:00:00Z2,1
2026-09-04T12:00:00Z2,5
2026-09-05T12:00:00Z3,2
2026-09-06T12:00:00Z3,4

Oku ve danış. Kontrol sistemine yazma, setpoint, start/stop ve alarm durumu değiştirme kapsam dışıdır.

Model değişir. Bilginin izi kalır.

Çalışan alanındaki SWAPP kullanımı, eylemci adımları, model ve araç çağrıları, deneyler, hatalar ve insan düzeltmeleri loglanır. Sonucu doğrulanan, tekrar kullanılabilir katkı sağlayan kayıtlar seçilir; skill, RAG ve yerel model eğitimi için incelenir.

Bilginin kökenini ve inceleme geçmişini temsil eden şeffaf arşiv katmanları. Kavramsal kompozisyon.

RAG

Bilgiyi getir; ağırlıkları değiştirme.

İncelenmiş belgeler ve kullanım bilgisi, erişim kapsamı ve kaynak sürümüyle özel vektör verisetine işlenir. Eylemci ilgili bilgiyi yanıt veya görev bağlamında kullanır.

Skill

Kullanım yöntemini tekrar edilebilir kıl.

SWAPP akışı veya eylemci yöntemi; önkoşul, adımlar, yetki, beklenen sonuç ve testleriyle sürümlenir. Bir kaydın skill olması için yöntemin yeniden uygulanabilir katkısı doğrulanır.

Fine-tune · LoRA / QLoRA

S1 ve S2 için ayrı, modele bağlı adaptörler.

İncelenmiş örnekler rolün veri biçimine dönüştürülür. Unsloth destekli modellerde LoRA veya uygun 4-bit QLoRA yolu seçilir. Adaptör, aynı taban modele karşı bağımsız görevlerde sınanır; sonra insan onayıyla kullanıma alınır.

  1. Tüm çalışma işlemlerini logla
  2. Katma değeri seç ve incele
  3. Skill / RAG / fine-tune adayı
  4. Yerel modelde bağımsız değerlendirme
  5. İnsan onayı, sürüm ve geri alma

İşlem kaydı tutmak, her içeriği eğitimde kullanma izni vermez. Sırlar ve gereksiz kişisel veriler ayıklanır; başarısızlıklar ve düzeltmeler de katkı sağlayabilir. RAG ağırlıkları değiştirmez. Fine-tune adayları bağımsız değerlendirme ve insan onayından sonra yerel işletime alınır.

Bugün nerede duruyoruz?

Public kaynaklarda mevcut

Yeni push’lar kaynak düzeyinde incelendi. Aşağıdaki çalışma sonuçları upstream’in tarihli kabul kayıtlarıdır; bu sitede yeniden çalıştırılmış UMAY runtime testleri değildir.

  • AOS: kayıtlı uzman yürütücüsü, kalıcı görev olayları ve izole proje yaşam döngüsü. Scientist CPU adaptöründe sınırlı gerçek deney kabulü raporlanıyor.
  • AI-Scientist: v0.1.0 ürün teslimi / 0.46.0 laboratuvar; CPU deneyleri, bağımsız Scorer/Referee ve açıkça seçilen deney hafızası.

UMAY mimari kararı

  • Her çalışan için izole Linux container alanı: SWAPP + AOS Core + eylemciler.
  • İlk uzman AI-Scientist; diğer uzmanlar aynı görev ve kayıt sözleşmesinde.
  • Tüm işlemlerin loglanması; değerli kayıtlardan skill, RAG ve yerel fine-tune.
  • Mimari değişikliklerde güçlü büyük dil modelleri, test ve insan onayı.

Entegrasyon ve kabul bekliyor

  • Çalışan container alanları, yeni yerel uzman kabulü ve kalıcı log bütünlüğü.
  • Özel SWAPP kodunun teslimi ve gerçek iş akışlarının kabulü.
  • Eksiksiz işlem kaydı, değer seçimi ve yerel model gelişiminin ölçülmesi.
  • AOS–Scientist uyumlu kaynak/sözleşme çifti ve tek otoriteli gerçek ortak GPU kabulü.
  1. Temel ve sözleşmeler

    Çalışan container şablonu, erişim sınırları ve kalıcı işlem defteri.

  2. SWAPP ve ilk deney

    Sentetik akışlardan gerçek uygulamaya; dijital ikiz deney düzeneği.

  3. Öğrenme ve kabul

    Katma değerli kayıtlar → skill / RAG / fine-tune; bağımsız yerel model kıyası.

  4. Sürekli gelişim

    Güçlü modelle mimari geliştirme, insan onayı ve geri alınabilir sürümler.

Her gelişimin bir kalite sonucu ve maliyet kaydı var.

Öğretmen çağrıları, kod geliştirme, deneyler, GPU eğitimi ve yerel çıkarım ayrı izlenir. Tahmini bütçe, gerçekleşen tüketim ve doğrulanmış fatura birbirine karıştırılmaz. Başarısız işler ve yeniden denemeler de maliyete dahildir.

Claude ve ChatGPT için inşa başlangıcı

Çalışan container mimarisi, işlem kayıtları, katma değer seçimi, yerel öğrenme ve güçlü modellerle değişiklik süreci; sözleşmeler, kabul ölçütleri ve devralma promptuyla tek pakette.

İnşa kaynak paketini indir · Markdown

Bu repoların proje lisansları henüz seçilmemiştir; kamuya erişim ticari yeniden kullanım izni değildir. Kontrollü fork ve kullanım kapsamı kaynak/model lisanslarıyla birlikte doğrulanacak. Buradaki manifesto, plan ve örnek çalışan şirket entegrasyonu kanıtı değildir.

Zekâ değişebilir.Sorumluluk kalır.

Her çalışanın izole çalışma alanında biriken doğrulanmış deneyimi, şirkete ait yerel modellerin ve eylemcilerin kalıcı yeteneğine dönüştürmek için.

Gelişimi GitHub’da incele