GPT-6 Astra bir bilgisayarı kullanabiliyor. Kum havuzuna alınmış bir demo tarayıcısı değil: masaüstü, terminali, kurulu yazılımları ve üzerinde ne kadar kimlik bilgisi varsa hepsiyle birlikte gerçek bir bilgisayar. OpenAI’nin lansman yazısı Astra’yı OSWorld 2.0’da görev başına yaklaşık 40 dakikayla %72,6 olarak puanlıyor; yazılım kurma ve test etme, ön yüz QA kontrollerini çalıştırma ve ekranda gördüğü sorunları giderme gibi işleri iyi yaptığı şeyler arasında sayıyor. Bu görevleri GPT-5.6 Sol’a kıyasla yaklaşık %47 daha kısa sürede tamamlıyor.
Bir ekibin sorması gereken ilk soru ne yapabildiği değil. Hangi makinede, hangi sınırın içinde, hangi kayıtla ve sonucun üzerindeki imza kimin? Sharkly bu dört soruyu dört nesneyle yanıtlıyor: bir Computer, izole bir Task dizini, bir yürütme günlüğü ve sonucu kabul eden bir kişi. Bu rehberde bilgisayar kullanımı işleri için her birini ele alıyoruz ve OpenAI’nin baştan söylediği duraklamaları göz önünde bulundurarak nasıl tasarım yapılacağıyla bitiriyoruz.
Özetle
Bilgisayar kullanan Agent’ları bir geliştirici dizüstü bilgisayarında değil, kendilerine ayrılmış bir Computer üzerinde çalıştırın. Her Task’a izole bir dizin, bir zaman aşımı ve birlikte çalışma sınırı olarak bir verin. Yürütme günlüğünü terminalde değil, Task üzerinde okuyun. Task’ı kabul edildi durumuna bir kişi taşısın. OpenAI’nin izleyicisi bazen uzun bir çalışmayı durduracaktır; Task’ları küçük tutun ki bir durdurma size dakikalara mal olsun. Agent’lar araştırır, yürütür, test eder ve raporlar. Yönü insanlar belirler, yetkiyi insanlar verir ve sonucu insanlar kabul eder.
Bilgisayar kullanan bir agent’ın ihtiyaç duyduğu dört şey
Bir ana makine, bir sınır, bir kayıt ve bir kabul eden. Ciddi her kurulumda dördü de vardır; soru şu: bunlar birinin kabuk geçmişinde mi yaşıyor, yoksa ekibin görebileceği bir yerde mi?
Bir Computer, bir Agent’ın iş çalıştırabileceği bağlı bir cihaz, sunucu veya konteynerdir. Agent’ın ihtiyaç duyduğu işletim sistemini, dosyaları, kimlik bilgilerini, ağ erişimini ve araçları sağlar; kendi sahibi, görünürlüğü, durumu ve görev eşzamanlılık sınırı vardır. İşte bu ana makinedir.
Her Task izole bir dizin alır; depo tabanlı işler her çalıştırma için ayrı bir worktree kullanabilir. Agent beraberinde Task başına bir zaman aşımı ve paralel çalışan maksimum Task sayısı taşır. İşte bu sınırdır.
Bir çalıştırma bir yürütme izi üretir. Executions sekmesi ve günlük Agent’ın ne yaptığını, Task zaman çizelgesi ise ne söylediğini, ne sorduğunu ve neyi raporladığını tutar. İşte bu kayıttır.
Kabul etme, bir kişinin Task üzerinde yaptığı ve Task türü Workflow tarafından kısıtlanan bir durum değişikliğidir. Workflow bu durumu Agent’a vermiyorsa, Agent kendi işini kabul edildi olarak işaretleyemez. İşte bu da kabul edendir.
Ana makine: hangi Computer
Astra’nın bilgisayar kullanımı, ana makinenin sunduğu şeyle doğru orantılı olarak güçlüdür. OpenAI’nin kendi güvenlik rakamları yayımladıklarının en iyisidir ve yine de kendilerine ayrılmış bir ana makineyi savunurlar. Düşük olanın daha iyi olduğu OpenAI’nin dahili bilgisayar kullanımı güvenlik kıyaslamasında Astra, Sol’un %22,0’ına karşılık %2,4 alıyor ve bir Codex otomatik inceleme reddini aşmaya hiç kalkışmadı. Sistem kartı ayrıca şunu kaydediyor: Birleşik Krallık Yapay Zeka Güvenliği Enstitüsü’nün testlerinde Astra, hassas bir eylemden önce %81 oranında izin istedi ve otomatik bir redde rağmen %27 oranında devam etti. Tüm öncekilerden iyi. Ama sıfır değil.
Öyleyse bilgisayar kullanan Agent’lara kendi Computer’larını verin. Sharkly CLI ve yerel servis üzerinden kaydedilen uzak bir Linux ana makinesi işe yarar; Sharkly Desktop üzerinden bağlanan bir sanal makine de öyle. Bilgisayar kullanımı Task’larını çalıştırmaması gereken şey ise üretim anahtarlarını ve oturum açılmış bir tarayıcıyı barındıran dizüstü bilgisayardır. Computers rehberi, bir ana makinenin kurulum token’ıyla nasıl kaydedileceğini ve Runtimes’ının nasıl doğrulanacağını anlatıyor.
Kimlik bilgilerini ana makineye göre değil, Agent’a göre bağlayın. Düz ve gizli ortam değişkenleri Agent ayarlarıdır; böylece QA Agent’ı staging token’ını alır, başka bir şey almaz. O Agent’ın maksimum paralel Task sayısını bir olarak ayarlayın; bilgisayar kullanan bir çalıştırma ekrana sahip olur ve tek masaüstünde ikisi ekran için birbiriyle kavga eder.
Sınır: dizin, zaman aşımı, durum
Depo tabanlı Task’lar için Temporary working directories kullanın ki her çalıştırma taze bir worktree hazırlasın. Task başına zaman aşımını OpenAI’nin 40 dakikalık OSWorld ortalamasının üzerine, bolca pay bırakarak ayarlayın ve sınıra takılan bir Task’ı model sorunu değil, kapsam sorunu olarak görün.
Durum panosu, bir kişinin bilinçli olarak işlettiği bir kapıdır. Bir Agent’a atanmış Task, Backlog’da beklediği sürece başlamaz. Onu kategorisi iş için hazır olan bir duruma taşımak çalıştırmayı başlatan şeydir; completed, canceled ve duplicate kategorileri ise hiçbir zaman ilk çalıştırmayı başlatmaz. Bilgisayar kullanımı işleri için bu önemli: kimse kazara 40 dakikalık bir masaüstü oturumu başlatmaz ve panoda onu kimin başlattığı görünür.
İnsan döngüde inceleme iş akışımızdaki beş kapı doğrudan Astra’ya uyarlanır. Codex’in kendi onay politikası ve otomatik incelemesi çalışma zamanı kapısıdır ve OpenAI, Astra’nın bunlara uyduğunu bildiriyor. Plan onayı, yürütme sınırı, dikkat sinyali ve kabul etme Sharkly’nin kapılarıdır; bir terminalin asla kaydetmediği kapılar da bunlardır.
Kayıt ve kabul eden
Astra’nın çalıştırmaları uzundur ve ilginç kısımlar kimse izlemezken olur. Bilgisayar kullanan bir Task bittiğinde Task’ı açın: yürütme günlüğü adımları gösterir, yorumlar sorduğu soruları gösterir ve nihai rapor çalıştırdığı kontrolleri, neyin başarısız olduğunu ve neyi yapmadığını belirtmelidir. “34 sayfa kontrol edildi, 2 bozuk kod bloğu, /changelog’da arama dizini güncel değil” diye raporlayan bir QA Agent’ı, bir kişinin üzerinde işlem yapabileceği bir şey döndürmüş demektir.
Sonra bir kişi harekete geçer. Task, Waiting for human review gösterir; gözden geçiren kişi raporu okur, artefaktları açar ve Task’ı kabul edildi durumuna taşır ya da bir yorumla geri gönderir. O yorum aynı Agent için bir takip çalıştırması başlatabilir, böylece düzeltme yeni bir terminal oturumu yerine aynı Task üzerine düşer.
Model iyileşti diye sözleşme değişmez. Agent’lar araştırır, yürütür, test eder ve raporlar. Yönü insanlar belirler, yetkiyi insanlar verir ve sonucu insanlar kabul eder. Astra ilk cümleyi uzatıyor. İkincisini kısaltmıyor.
OpenAI’nin duraklamalarına göre tasarlamak
OpenAI bu konuda güvenlik genel bakışında alışılmadık biçimde açık: araç kullanan her Astra isteğinde üretim uyumsuzluğu izlemesi çalışıyor ve kontroller “bazen meşru işleri yavaşlatabilir, duraklatabilir veya durdurabilir”, buna “bir agent’ın uzun süre çalıştığı görevler” de dahil. Bilgisayar kullanımı Astra’nın yaptığı en uzun süren iştir, dolayısıyla duraklatılma olasılığı en yüksek olan da odur.
Üç alışkanlık bunu absorbe eder.
Task’ları küçük tutun. Her yüzey için bir Task’a bölünmüş gece QA taraması, bir duraklama yüzünden bir yüzeyi kaybeder, gecenin tamamını değil. Task kaydı kalıcıdır, dolayısıyla yeniden çalıştırma açıklamayı, yorumları ve önceki raporları devralır.
Rutin olanları zamanlayın. Zamanlama tetikleyicili bir Automation, bir Agent çalıştırmasını cron ifadesiyle başlatabilir; böylece ön yüz QA taraması her gece 02:00’de bir kişi başlatmadan çalışır ve sonuçları çalıştırma geçmişine döner. Automations rehberimiz tetikleyici türlerini ele alıyor.
Kesintileri bir kişiye yönlendirin. Engellenen veya başarısız olan bir çalıştırma, Inbox’ta bir dikkat öğesi olarak görünür; sahibi orada yeniden çalıştırmaya, Task’ı daraltmaya ya da önce günlüğe bakmaya karar verir. Yeniden denemeden önce günlük başlığını ve ayrıntılarını okuyun; ayrıntılar orijinal model-servis yanıtını taşır ve bir izleyici durdurması, bir zaman aşımından farklı okunur.
Herhangi bir bilgisayarı kullanabilen bir model, hangi bilgisayar, hangi dizin, hangi günlük ve hangi kişi konusunda kesin olmak için bir sebeptir. Sharkly bu kesinliğin yaşadığı yerdir. Bir adet kendisine ayrılmış Computer bağlayın, staging kimlik bilgileriyle bir bilgisayar kullanımı Agent’ı oluşturun ve ona sıkıcı bir şey atayın.
