Etsy ekosisteminde faaliyet gösteren e-ticaret işletmeleri için tasarlanmış, yapay zeka destekli otonom listeleme ve ürün görseli üretim platformudur. Bu proje, geleneksel ürün fotoğrafçılığı ve manuel listeleme süreçlerinin yarattığı yüksek maliyet, operasyonel yük ve zaman kaybını ortadan kaldırmayı hedefler. Geliştirilen sistem, kullanıcı tarafından sisteme tanıtılan "Model" ve "Stüdyo" parametrelerini bağlamsal olarak analiz ederek, ham tasarımların gerçekçi ve profesyonel ürün görsellerine (mockup/poz şablonlarına) dönüştürülmesini özelleştirilmiş bir otonom ajan (Agent) mimarisi ile uçtan uca yönetir.
Bu platform, e-ticaret operasyonlarında "time-to-market" (pazara sunma süresi) metriklerini minimize etmek için yapılandırılmıştır. Otonom yapay zeka ajanları kullanılarak, fiziksel bir fotoğraf stüdyosuna veya profesyonel bir ekibe ihtiyaç duyulmadan endüstriyel kalitede dijital varlık üretimi sağlanır. Platformun sunduğu mühendislik yetkinlikleri şunlardır:
- Bağlama Duyarlı Görsel Üretimi (Context-Aware Generation): Sistem; aydınlatma, perspektif, fiziksel modelin demografik ve poz özellikleri ile stüdyo ambiyansını hesaplayarak tasarımları uyumlu bir matris içerisinde render eder.
- Otonom İş Akışı Orkestrasyonu: Prompt mühendisliği süreci son kullanıcıdan tamamen soyutlanmıştır. Sistem, girilen değişken parametreleri (ürün metadataları) dinamik olarak yapılandırılmış prompt mimarisine çevirerek AI modellerine iletir.
- Veri Odaklı Analitik Entegrasyonu: Gerçek zamanlı Etsy API haberleşmesi ile satış, etkileşim ve pazar verileri analiz edilerek, stratejik büyüme kararları için eyleme dönüştürülebilir (actionable) içgörüler sunulur.
| Kategori | Teknoloji / Araç |
|---|---|
| Frontend Mimari | Next.js 14+ (App Router), React 19, TypeScript |
| UI / Stil Yönetimi | Tailwind CSS v4, Radix UI (İhtiyaca bağlı bileşenler) |
| Backend & Servisler | Next.js Route Handlers (Serverless/Edge Node.js) |
| AI / ML Entegrasyonu | OpenAI API, Google Generative AI (Gemini API) |
| Veritabanı Yönetimi | Better SQLite3 (Lokal, düşük gecikmeli ilişkisel yapı) |
| Entegrasyonlar | Etsy Open API v3 (OAuth 2.0) |
Sistem mimarisi, ham bir tasarımın platforma yüklenmesinden, e-ticaret pazar yerinde listelenmesine ve analitik süreçlerin işletilmesine kadar uzanan 6 kademeli bir pipeline olarak kurgulanmıştır:
Sisteme yüklenen ana tasarım (grafik/tipografi/desen) ayrıştırılır ve AI modelinin anlayabileceği yapısal veriye dönüştürülür. Boyut, yerleşim ve temel nitelikler bu aşamada belirlenir.
Çekimin yapılacağı sanal mekanın ışıklandırma, arka plan, gölge açıları ve genel ambiyans özellikleri tanımlanır. Bu adım, üretilecek görselin ana atmosferini sabitler.
Ürünü sergileyecek olan dijital modelin fiziksel özellikleri, demografik yapısı, ten rengi ve duruş (poz) detayları sistem veri tabanına tanıtılır ve seçilir.
Görsel Üretim Ajanı, önceki üç adımda tanımlanan Tasarım, Stüdyo ve Model parametrelerini birleştirerek kompleks, hatasız ve yüksek korelasyonlu bir LLM prompt'u (çekim senaryosu) oluşturur. Sistem bu aşamada, tasarımın seçili model üzerinde, belirlenen stüdyo şartlarında nasıl duracağını bağlamsal olarak planlar ve bir poz görsel şablonu kurar.
Optimize edilen senaryo, görüntü işleme modellerine (Generative AI) iletilerek son kullanıcıya hazır, yüksek çözünürlüklü, fotogerçekçi poz ve ürün mockup görselleri saniyeler içinde render edilir.
Üretilen içerikler, optimize edilmiş SEO etiketleri ile doğrudan Etsy'ye aktarılır. Satışa sunulan ürünlerin performansı, API üzerinden çekilen verilerle anlık olarak görselleştirilir.
- Dinamik Prompt Orkestrasyonu (Prompt Chaining): Stüdyo ve Model parametrelerinin metinsel (textual) ve görsel (visual) özniteliklerinin (hallucination) minimum seviyeye indirilerek yapay zeka modeline kayıpsız aktarılması için katmanlı bir prompt zinciri kurgulanmıştır.
- Asenkron Operasyon Yönetimi (Concurrency): Üçüncü parti LLM ve görüntü oluşturma API'lerindeki rate-limit (istek sınırlandırması) ve yüksek latency (gecikme) süreleri ele alınarak, kullanıcı deneyimini (UX) engellemeyen asenkron bir kuyruk yapısı (queue structure) ve hata tolerans (retry-mechanism) mimarisi tasarlanmıştır.
- Modüler Mimari ve State Yönetimi: Next.js Server Components ve Client Components arasındaki veri akışı optimize edilerek, gereksiz render işlemlerinin önüne geçilmiş ve istemci tarafı bellek kullanımı minimize edilmiştir.
Sistem, sürdürülebilirlik ve modülerlik ilkelerine göre yapılandırılmıştır.
2_ETSY_OTO_ANTIGRAVITY/
├── app/
│ ├── api/ # Backend servisleri ve API Route Handlers
│ │ ├── etsy/ # Etsy OAuth 2.0 ve veri senkronizasyon endpointleri
│ │ ├── image-studio/ # Otonom Görsel Ajanı, Prompt Orkestrasyonu ve Rendering
│ │ └── sessions/ # Oturum ve sistem durumu (state) yönetimi
│ ├── analytics/ # Veri görselleştirme ekranları
│ └── page.tsx # Merkezi Dashboard ve Entry Point
├── components/ # Modüler, tekrar kullanılabilir (Atomic) UI bileşenleri
│ ├── analytics/ # KPI, metrik kartları ve grafik bileşenleri
│ └── ProductInfo.tsx # Ürün metadatalarını işleyen arayüz bileşenleri
├── lib/ # Çekirdek İş Mantığı (Core Business Logic)
│ └── etsy_api.ts # Etsy REST API iletişimini yöneten güvenli Wrapper
├── public/ # Statik dosyalar, ikonlar ve lokal assetler
├── types/ # TypeScript tip tanımlamaları (Interface & Type Models)
├── .env.local # Çevresel değişkenler ve gizli API anahtarları
├── package.json # Bağımlılık yöneticisi ve CI/CD script konfigürasyonları
└── README.md # Proje ve sistem dökümantasyonu
(Not: Ağaç yapısı modüler Next.js App Router standartlarına uygun olarak özetlenmiştir.)
- İleri Seviye AI İnce Ayarı (Fine-Tuning & ControlNet): Sistem tarafından oluşturulan tasarımların markaya özgü stil kılavuzlarına (Brand Style Guide) %100 uyum sağlaması için ControlNet ve Lora entegrasyonlarının yapılması.
- A/B Test Otomasyonu (Reinforcement Learning): Listelenen görsel varyasyonlarının tıklanma oranlarına (CTR) göre AI ajanlarının hangi stüdyo/model kombinasyonunun daha başarılı olduğunu istatistiksel olarak öğrenerek kendi senaryolarını optimize etmesi.
- Çoklu Platform Dağıtım Mimarisi: Mevcut Etsy entegrasyonunun çekirdek yapısı korunarak Amazon, Shopify ve WooCommerce gibi platformlara dağıtım yapabilen modüler adaptör (Adapter Pattern) mimarisine geçiş.
- Cloud-Native Ölçeklendirme: Artan anlık görsel üretim yükünü (scalability) karşılamak amacıyla, lokal SQLite tabanlı yapıdan bulut tabanlı PostgreSQL ve Serverless mimariye (AWS Lambda/GCP Cloud Run) geçiş sağlanması.