Full Score, Semantic Raw Format (SRF) tabanlı, gerçek zamanlı güvenlik izleme ve AI insights ile serverless olay analitiği sunan hafif (3KB gzip) bir kütüphanedir. AI'ın kullanıcı yolculuklarını semantik ayrıştırma olmadan doğrudan analiz etmesini sağlayan verimli bir mimari uygular.
Bu site Full Score'un canlı performansını sergiliyor. Aşağıda görünen yolculuk, Edge'in gerçekte analiz ettiği etkileşim verileriyle aynı formdadır. Doğal olarak akıyor, rezonanstaki müzik gibi.
İşte orkestre edilmiş yetenekler. Her bölümü keşfetmek için tıklayın.
- 🧭 Serverless Analytics: API Endpoints Yok ve %90 maliyet düşürme potansiyeli
- 🔍 Sekmeler Arası Tam Kullanıcı Yolculuğu: Session Replay Olmadan
- 🧩 Bot Güvenliği ve İnsan Kişiselleştirmesi: Gerçek Zamanlı Olay Katmanı Üzerinden
- 🧠 BEAT AI Insights'a Akıyor: Doğrusal Dizeler Olarak, Semantik Ayrıştırma Yok
- 🛡️ GDPR Bilinçli Mimari: Sıfır Doğrudan Tanımlayıcı ile
Tüm bunlar tarayıcıları merkezi olmayan yardımcı veritabanlarına dönüştürerek elde ediliyor.
Bu demo canlı performansa odaklanıyor, hızlı ve sezgisel bir genel bakış sunuyor. Size hitap ediyorsa, lütfen 🔗 tam teknik detaylar için GitHub README ve kod yorumlarına bakın.
1. Serverless Analytics: API Endpoints Yok ve %90 maliyet düşürme potansiyeli
Web trafik analizi, session replay ve kohort takibi için oluşturulmuş geleneksel analitik platformları görevlerinde başarılıdır. Ancak kullanıcı insights'ı elde etmek genellikle ağır ve karmaşık altyapı gerektirir.
Büyük olay payloads'larına ve DOM snapshot'larına dayanırlar, tümü depolama ve işlem için merkezi sunuculara iletilir. Bu, onlarca kilobaytlık script payloads'ları, milyonlarca ağ isteği ve aylık binlerce dolarlık altyapı maliyetleriyle sonuçlanır.
Full Score bu karmaşıklığı çözmeye çalışmıyor. Tamamen ortadan kaldırıyor ve yeni bir yaklaşım öneriyor.
- Geleneksel Analitik
Tarayıcı → API → Ham Veritabanı → Kuyruk (Kafka) → Dönüştürme (Spark) → Rafine Veritabanı → Arşiv
⛔ 7 Adım, $500 – $5,000/ay (payload'a göre değişir)
- Full Score
Tarayıcı ~ Edge → Arşiv
✅ 2 Adım, $50 – $500/ay// API endpoints gerekmiyor
// ETL pipeline gerekmiyor
// Origin erişimi gerekmiyor
Basit bir farkındalıkla başlıyor. Bir kullanıcının tam tarama yolculuğu hakkında insight elde etmek her zaman verileri başka bir yere iletmeyi gerektirmiyor.
Her tarayıcı zaten first-party cookies ve localStorage gibi depolama sağlıyor. Insights önce oraya kaydedilse ve yalnızca bir kez, tarayıcıdaki kullanıcı performansı tamamlanmış sayıldığında yorumlansa nasıl olur?
Her tarayıcıyı altyapıya dönüştürerek, karmaşık, merkezi backend'lere olan ihtiyaç ortadan kalkıyor. Bir milyar kullanıcı, her biri kendi ham verisini tutan bir milyar merkezi olmayan veritabanı gibi oluyor.
Tabii ki, veri iletim protokolleri son derece sınırlı olduğundan çok az kişi bu yaklaşımı benimserdi. Olay payloads'ları ve DOM snapshot'ları çok ağır, bu yüzden verileri bir kez bile göndermek hala Kuyruk ve Dönüştürme katmanları gerektiriyor.
İşte bu yüzden Full Score, yeni bir veri formatı olan BEAT'i kullanıyor. BEAT, geleneksel veri formatlarından daha düşük yapısal overhead'e sahip, bu yüzden daha hafif ve kuyruk veya dönüştürme katmanları gerektirmiyor. Olay dizilerini doğrusal dizeler olarak kaydederek, ham veri müziğe dönüşüyor, hem insanlar hem de AI için doğal olarak okunabilir.
Ve Edge computing ile rezonans hikayeyi tamamlıyor.
Videonun gösterdiği gibi, Edge, Full Score'u API endpoints gerektirmeden gerçek zamanlı bir analitik katmanına dönüştürüyor. Edge, her tarayıcıdan request headers'ı okuyor.
Origin erişimi gerekmiyor. Performans, tarayıcı ve Edge arasındaki doğal rezonans aracılığıyla tamamlanıyor, hızlı, canlı ve kendi kendine yeterli. Gecikme algılanamayacak kadar düşük.
Tarayıcı ve Edge uzay ve zamanda birbirine çok yakın olduğundan, bağlantıları iletimden çok rezonansa benziyor, havada akan müziği dinlemek gibi.
Analitik için ayda $500–5,000 harcayan siteler için, Full Score genellikle Edge computing ve bulut arşivleme birlikte ayda yaklaşık $50'da çalışıyor. Edge'de gerçek zamanlı AI insights ile maliyetler kabaca ayda $500'e kadar ölçeklenebilir. Bu muhafazakâr bir tahmindir ve gerçek maliyetler ortamınıza göre değişebilir. Merkezi olmayan, Edge tabanlı tasarımı trafik ölçeklendikçe maliyetleri sabit tutuyor.
Full Score, geleneksel yaklaşımlardan farklı bir veri yapısı ve akışı kullanıyor, bu da onu mevcut analitik veya güvenlik katmanları için tam bir değiştirme yerine güçlü bir ortak yapıyor. Edge analytics ve WAF gibi platformlarla birlikte en etkili şekilde çalışıyor.
2. Sekmeler Arası Tam Kullanıcı Yolculuğu: Session Replay Olmadan
Geleneksel analitik, sekmeler arası analizi karmaşık ve eksik yapıyor. Tanımlayıcı toplama, sessionization, veri alımı, joins, post-handling ve gerçek zamanlı senkronizasyon dahil karmaşık bir pipeline gerektiriyor.
Full Score tarayıcıları yardımcı veritabanları olarak ele alıyor, bu yüzden sekmeler arası navigasyon dahil tam yolculuklar anında kaydediliyor. Tek bir prompt ile AI bu verileri doğrudan yorumlayabilir, tanımlayıcı toplama, sessionization, veri alımı, joins, post-handling ve gerçek zamanlı senkronizasyonun tüm pipeline'ını ortadan kaldırarak.
Yeni bir sekme açmak ve kendiniz test etmek için aşağıdaki butona tıklayın.
Demo'nun RHYTHM verisinde, sekme navigasyonunu (@---N) formatında görebilirsiniz.
Full Score varsayılan olarak 7 sekmeye kadar destekliyor. 8. sekme açıldığında, mevcut veriler otomatik olarak arşivleniyor ve yeni bir set başlıyor. Tüm oturumlar aynı anda tek bir tam snapshot olarak gruplandırılıyor.
Belirli koşullar nedeniyle gruplama birden fazla kez gerçekleşse bile, tüm oturumlar aynı timestamp ve hash'i paylaşıyor, tüm yolculuğun tek bir sürekli dizi olarak yeniden oluşturulmasına izin veriyor.
Ancak, aynı anda 8+ sekme açmak nadirdir. Bu muhtemelen anormal bot davranış kalıplarını gösteriyor.
Full Score bu zorluğu zarif bir şekilde ele alıyor. 🔗 Edge ile rezonans halindeyken, gerçek zamanlı güvenlik ve kişiselleştirmeyi etkinleştiriyor.
3. Bot Güvenliği ve İnsan Kişiselleştirmesi: Gerçek Zamanlı Olay Katmanı Üzerinden
Basit bir testle başlayalım. Aşağıdaki butona bot hızında (hızlı, mekanik dokunuşlar) veya insan hızında (kusurlu, doğal dokunuşlar) dokunun.
Bu test, yaklaşık 30 saniyede temizlenen geçici bir Managed Challenge tetikleyebilir.
Movement alanının (0000000000)'dan (1000000000), (2000000000) veya (0100000000), (0200000000)'a nasıl değiştiğini görüyor musunuz? Bu, Full Score'un davranışı gerçek zamanlı analiz etmek için Edge ile çalışması.
Geleneksel bot tespiti IP engelleme, CAPTCHA'lar ve fingerprinting'e dayanıyor. Ancak akıllı botlar bunları atlıyor. Full Score farklı bir yaklaşım benimsiyor, insan gibi davranmaya çalışan ancak kaydırma olmadan tıklama gibi doğal olmayan eylemlerle kendilerini ele veren botları yakalamak için davranış kalıplarını izliyor.
Gerçek kullanıcılar için bu, kişiselleştirilmiş kullanıcı deneyimleri sağlıyor. Birisi sepete ekle'ye hızlıca üç kez mi tıkladı? Onlara bir yardım mesajı gösterin. Birisi uzun süre mi göz atıyor? Onlara bir indirim gösterin.
Bir sonraki bölümde, BEAT'in AI tarafından okunabilir özellikleri tanıtılıyor. Ancak şimdiye kadarki örneklerin gösterdiği gibi, BEAT aracılığıyla ifade edilen olay verileri zaten kendi başına net pratik değere sahip. Full Score'u yalnızca gerçek zamanlı güvenlik ve kişiselleştirme için kullanmak da geçerli bir seçim.
4. BEAT AI Insights'a Akıyor: Doğrusal Dizeler Olarak, Semantik Ayrıştırma Yok
BEAT (Behavioral Event Analytics Transcript), olayların gerçekleştiği alan, olayların gerçekleştiği zaman ve her olayın derinliğini doğrusal diziler olarak içeren çok boyutlu olay verileri için ifade edici bir formattır. Bu diziler anlamı ayrıştırma olmadan ifade eder (Semantic), bilgiyi orijinal durumunda korur (Raw) ve tamamen düzenli bir yapıyı sürdürür (Format). Bu nedenle BEAT, Semantic Raw Format (SRF) standardıdır.
BEAT, bir metin dizisinin insan okunabilirliğini korurken binary düzeyinde (1-byte tarama) performans elde ediyor. BEAT, sekiz durumlu (3-bit) semantik düzen içinde altı çekirdek token tanımlıyor. 5W1H ile hizalanarak, iki durumu alan özel uzantılar için bırakırken insan tasarımlı mimarilerin niyetini tam olarak yakalıyorlar. Birlikte, BEAT formatının çekirdek notasyonunu oluşturuyorlar.
Alt çizgi (_), serileştirme için kullanılan ve _device:mobile_referrer:search_beat:!page~10*button:small~15*menu gibi meta alanları ifade eden uzantı tokenlarının bir örneğidir. Bu meta alanlar, 1-byte tarama performansını korurken çekirdek formatlarını değiştirmeden BEAT dizilerini açıklıyor.
🔗 BEAT formatının detaylı açıklamaları için GitHub README'ye bakın.
- _device:1_referrer:5_scrolls:32_clicks:8_duration:12047_beat:!home~237*nav-2~1908*nav-3~375/123*help~1128*more-1~43!prod~1034*button-12~1050*p1@---2~54*mycart@---3
- _device:1_referrer:1_scrolls:24_clicks:7_duration:11993_beat:!p1~2403*img-1~1194*buy-1~13/8/8*buy-1-up~532*review~14!review~1923*nav-1@---1
- _device:1_referrer:1_scrolls:0_clicks:0_duration:12052_beat:!cart
Birden fazla BEAT dizisi, her yolculuk tek bir satırda tutularak NDJSON uyumlu satır formatında yazılabilir. Bu, logları kompakt tutar, sorgulamayı basitleştirir ve AI analiz verimliliğini artırır. Finance, Game, Healthcare, IoT, Logistics ve diğer ortamlarda, BEAT'in semantik olarak tam akışı hızlı birleştirme ve kendi formatlarıyla kolay uyumluluk sağlıyor.
Tabii ki, bu NDJSON tarzı gösterim isteğe bağlıdır. Aynı veriler, 1-byte tarama performansını korurken basitleştirilmiş BEAT formatında ifade edilebilir, örneğin: _🔎scrolls:🔎56_🔎clicks:🔎15_🔎duration:🔎1205.2_🔎beat:🔎.... Burada, 🔎 emojisi her 1-byte tarama tokenından hemen sonraki konumları vurguluyor.
Bu gösterimin amacı, JSON dahil geleneksel veri formatlarına ve etraflarında oluşturulan servislere (BigQuery gibi) saygı göstermektir, böylece BEAT onları değiştirmeye çalışmak yerine kolayca benimsenebilir ve onlarla birlikte var olabilir.
- {"device":1,"referrer":5,"scrolls":56,"clicks":15,"duration":1205.2,"beat":"!home ~23.7 *nav-2 ~190.8 *nav-3 ~37.5/12.3 *help ~112.8 *more-1 ~4.3 !prod ~103.4 *button-12 ~105.0 *p1 @---2 !p1 ~240.3 *img-1 ~119.4 *buy-1 ~1.3/0.8/0.8 *buy-1-up ~53.2 *review ~14 !review ~192.3 *nav-1 @---1 ~5.4 *mycart @---3 !cart"}
AI Insights
[BAĞLAM] Mobil kullanıcı, Mapped(5) ziyaret, 56 kaydırma, 15 tıklama, 1205.2 saniye
[ÖZET] Karışık davranış. Ana sayfaya indi, yardım bölümünde 37 ve 12 saniyelik aralıklarla tekrarlanan tıklamalarla tereddüt etti. Ürün sayfasına geçti, yeni sekmede detayları açtı, yaklaşık 240 saniye görselleri inceledi. 1.3, 0.8 ve 0.8 saniyelik aralıklarla satın al butonuna üç kez dokundu. İlk sekmeye döndü ve kısa süre sonra sepeti açtı, ancak ödemeye geçmedi.
[SORUN] Sepete ulaşıldı ancak satın alma tamamlanmadı. Tekrarlanan satın alma eylemleri kasıtlı çoklu ürün eklemelerini veya seçenek seçiminde sürtünmeyi yansıtıyor olabilir. Ödemeden önceki uzun gecikme belirsizlik gösteriyor.
[EYLEM] Tekrarlanan satın alma veya sepet eylemlerinin kasıtlı karşılaştırma davranışını mı yoksa ödeme sürtünmesini mi temsil ettiğini değerlendirin. Sürtünme olası ise, seçenek işlemeyi basitleştirin ve önemli ürün detaylarını akışta daha erken vurgulayın.
JSON dahil geleneksel veri formatları noktalar gibidir. Bireysel olayları düzenlemek ve ayırmak için harikadırlar, ancak hangi hikayeyi anlattıklarını anlamak ayrıştırma ve yorumlama gerektirir.
BEAT bir çizgi gibidir. JSON ile aynı veriyi yakalar, ancak kullanıcı yolculuğu müzik gibi aktığından, hikaye hemen netleşir.
BEAT, semantik durumlarını yalnızca işlem ve güvenlik katmanlarından sorunsuzca geçen Yazdırılabilir ASCII (0x20 ila 0x7E) tokenları kullanarak ifade eder. Ayrı kodlama veya kod çözme gerekmez ve yerel depolamada yaşayacak kadar küçük olduğundan, gerçek zamanlı analiz çoğu ortamda gecikmesiz çalışır.
Yani BEAT ham veridir, ancak aynı zamanda kendi kendine yeterlidir. Semantik ayrıştırma gerekmez. Bu kulağa büyük geliyor, ama gerçekten değil. BEAT ifade formatı, dünyadaki en yaygın veri formatından ilham alıyor. İnsan tarihindeki en eski veri formatı. Doğal dil.
Ve AI doğal dili anlamada uzmandır.
Full Score'dan Edge'e rezonans yapan veriler, hafif AI (örn., GPT OSS 20B sınıfı modeller) aracılığıyla gerçek zamanlı insight raporlarına dönüşüyor. Bu raporlar daha sonra GitHub gibi depolama platformlarına tarihe göre düzenlenerek arşivleniyor.
Tüm bu biriken veriler AI asistanınıza akıyor. Bu, hafif AI'ın her çalışma veya oturum için raporlar oluşturduğu ve gelişmiş AI'ın tüm raporlardan kapsamlı insights sentezlediği bir AI'dan AI'a işbirliği akışı oluşturuyor. Panolar isteğe bağlıdır ve insanların bunları manuel olarak analiz etmesi gerekmiyor. Zamanla, modeller tüm bu akışın açık bir AI'dan AI'a işbirliği adımı olmadan tek seferde bitmesi için yeterince güçlü hale gelebilir. AI geliştikçe, BEAT üzerine inşa edilen çözümler de onunla birlikte gelişiyor.
Bir sohbet başlatın.
"Hangi kullanıcı yolculuğu kalıpları dönüşümleri artırıyor?"
"Bugün dikkat çekici SORUNLAR var mı?"
"UX iyileştirmeleri önerebilir misiniz?"
5. GDPR Bilinçli Mimari: Sıfır Doğrudan Tanımlayıcı ile
Full Score'un birincil uygulaması, veri depolaması olarak first-party cookies kullanıyor. Bir localStorage versiyonu mevcut olsa da, cookies HTTP request headers'a otomatik olarak dahil edildikleri için fonksiyonel bir avantaj sunuyor. Bu, Edge'in bunları anında okumasına izin veriyor.
First-party cookies, analitikte yaygın olarak işaretlenen third-party tracking cookies'ten temelden farklıdır. Full Score verileri yalnızca kullanıcıların tarayıcılarında depolar ve API endpoints olmadan Edge ile doğal olarak rezonans yapar, geleneksel analitik yaklaşımlarına kıyasla maruziyeti gerçekten azaltır.
Yalnızca basit kalıplar kaydediliyor, hassas kişisel bilgiler (PII) değil. BEAT semantiğinde, "Kim" kullanıcıya atıfta bulunmuyor. ! = Contextual Space (kim) olarak tanımlandığı gibi, kimlik alanın kendisinden türetiliyor. !military'deki bir kullanıcı asker bağlamında anlaşılır ve !hospital'daki bir kullanıcı doktor veya hasta bağlamında. Asla bireye "Sen kimsin?" diye sormaz.
Bu yaklaşım doğal olarak güvenliğe de uzanıyor. Full Score, veri sahipliğinin sunucuya transfer edildiği geleneksel iletim etrafında değil, veri sahipliğinin kullanıcıda (tarayıcı) kaldığı ve rezonansın Edge'de gerçekleştiği bir yapı etrafında tasarlanmıştır.
Rezonans tabanlı kurulumda, her şey tarayıcı ve Edge arasında başlar ve biter, analitik için origin sunucuya hiç dokunmadan. Dolayısıyla sitenin kendisi XSS veya benzer bir enjeksiyon saldırısıyla ele geçirilse bile, bu verinin origin sunucuda bir saldırganın anlamlı bir şekilde çalabileceği bir formda var olma şansı neredeyse yok. Edge'den GitHub gibi harici bir depoya arşivlenen verilerin ihlal edildiği en kötü senaryoda bile, depolanan şey yalnızca kendi başlarına etkili bir şekilde anlamsız olan basit davranışsal loglardır. Başka bir teorik yol, her tarayıcıya sanki büyük bir dağıtık veritabanının parçasıymış gibi bireysel olarak saldırmaktır, ancak pratikte bu saldırı vektörünü uygulamak çok zordur.
Detaylı GDPR ve ePD uyumluluk rehberliği için aşağıdaki SSS bölümüne bakın.
SSS
Q1. Full Score neden "rezonans" terimini kullanıyor? HTTP header iletimi hala iletim değil mi?
A. Bunu anlamak veri sahipliğine bakmayı gerektiriyor. İşte açıklamak için bir illüstrasyon.
İlk görsel geleneksel iletimi gösteriyor. İki taraf birbirinden tamamen izole. B'nin A'nın performansını duyması için protokol iletimi kaçınılmaz hale geliyor. Bu alışveriş sırasında, veri sahipliği A'dan B'ye kayıyor ve sunucuda depolanıyor. Depolamadan, B'nin A'nın performansını duymasının hiçbir yolu yok.
İkinci görsel Full Score ve Edge arasındaki rezonansı gösteriyor. Aralarında hala fiziksel olarak geçilemeyen bir duvar var, ancak B, A'nın performansını gerçek zamanlı dinleyebiliyor. Tüm bu etkileşim boyunca, veri sahipliği A'da kalıyor.
Bu tam olarak Edge computing'in serverless mimari olarak sağladığı şey. Edge, geleneksel bir sunucu gibi veri almak ve depolamak zorunda değil. Bunun yerine, kullanıcılara en yakın ağ katmanında anında yorumlar ve yanıt verir. Basitçe söylemek gerekirse, Full Score, veri sahipliğinin kullanıcıda (tarayıcı) kaldığı ve neredeyse anında etkileşimi mümkün kılan bir yapı oluşturuyor.
İşte bu yüzden Full Score müzikal metafor olarak "rezonans"ı seçti. Fiziksel mekaniğe odaklanmak yerine, yukarıda gösterilen mantıksal mimariye odaklanıyor.
Q2. GDPR ve ePD uyumluluğu için çerez onayına ihtiyacım var mı?
A. Bu, yargı yetkisi ve site politikalarına bağlı olarak hukuki danışmanlık gerektiren bir konudur. Lütfen bu cevabın kişisel deneyim ve yargıya dayandığını anlayın.
Cevap Full Score'un kendisine değil, onunla rezonans yapan Edge'in özel konfigürasyonuna bağlıdır.
GDPR, tanımlanabilir kişisel veriler toplanırken veya işlenirken yasal dayanak gerektiriyor. ePD, cookies dahil tarayıcı depolamasında bilgi depolarken veya erişirken kullanıcı onayı gerektiriyor. Ancak, fonksiyonellik için kesinlikle gerekli olan cookies için "kesinlikle gerekli" adı verilen bir istisna tanıyor.
Daha önce açıklandığı gibi, Full Score, veri sahipliğinin kullanıcıda (tarayıcı) kaldığı, third-party cookies'ten temelden farklı first-party cookies kullanıyor. Edge ile birleştirildiğinde, serverless seviyede bir güvenlik ve kişiselleştirme katmanı olarak çalışıyor.
Bu nedenle, Edge log bile tutmadan veri sahipliğini kullanıcıda (tarayıcı) koruyorsa, bu yeşil bölgeye yaklaşıyor. Full Score, GDPR kapsamındaki tanımlanabilir kişisel verileri toplamıyor ve ePD'nin kesinlikle gerekli çerez kriterlerini karşılıyor.
Ancak, Edge konfigürasyonu analiz için olay verilerini toplamak ve işlemek üzere (LOG: true) ayarlarsa, bu karar dikkatle verilmelidir.
Full Score, herhangi bir kişisel tanımlanabilir bilgi (PII) olmadan tam anonimleştirmeyi korumak için tasarlanmıştır. Ancak, GDPR yalnızca doğrudan tanımlamayı değil, aynı zamanda dolaylı tanımlama potansiyeli olan verileri de kapsar. IP adresleri veya User-Agent dizeleri gibi diğer Edge kayıtlarıyla eşleştirildiğinde, bir miktar tanımlama potansiyeli mevcut olabilir.
İşte bu yüzden Edge, loglama öncesinde timestamp ve hash kayıtlarını kaldırma seçenekleri içeriyor. Bu şekilde, diğer Edge kayıtlarıyla eşleştirildiğinde bile, dolaylı tanımlama potansiyeli etkili bir şekilde ortadan kalkıyor. Bu, yeşile yakın gri bölgeye koyuyor.
Hash'i etkin tutmak gri bölgede kalır, ancak timestamp'leri etkinleştirmek kırmızı bölgeye girebilir ve hukuki danışmanlık gerektirir.
Ancak, bu Gri Bölge ve Kırmızı Bölge sınıflandırmaları çok muhafazakâr bir değerlendirmeye dayanıyor. Edge, IP adresleri ve User-Agent dizelerinin loglanmasını devre dışı bırakacak şekilde yapılandırıldığında, bir bireyi dolaylı olarak tanımlamanın neredeyse hiçbir yolu kalmıyor.
Q3. BEAT, Semantic Raw Format (SRF) ile ne demek istiyor?
A. JSON veya CSV gibi veri formatları durum içerir, loglar değişimi temsil eder ve dil anlam taşır. BEAT bu üç katmanı tek bir yapıda birleştiriyor. Anlamı ayrıştırma olmadan ifade eder (Semantic), bilgiyi orijinal durumunda korur (Raw) ve tamamen düzenli bir yapıyı sürdürür (Format). Bu nedenle BEAT, Semantic Raw Format (SRF) standardıdır.
Basitçe söylemek gerekirse, BEAT verinin içeriğini (Key + Value) formatlamıyor. Veri içindeki ilişkileri (Space + Time + Depth) formatlıyor. Ve bu değer web'de kalmıyor. AI çağında, BEAT, veri formatının kendisinin notasyon haline geldiği yeni bir kategori başlatıyor.
- Finance alan örneği (*action:price:quantity)
_trader-1:!open~182*nvda!orderbook-NVDA~941*buy-NVDA:188:40
_trader-2:!open~1*nvda!orderbook-NVDA~1*buy-NVDA:market:5000!warning// Trade izleme anormal yüksek frekanslı patlamaları işaretliyor
- Game alan örneği (*shoot/flow:kill^distance)
_player-1:!HP-100~34^231~121*shoot-auto/4^972~251^1682!HP-76~12^96!HP-24~5*shoot-single~11^80~107*shoot-single:1-kill
_player-2:!HP-100~1^3215!ban// 3215'e 1 saniyelik seyahat, net speedhack spike, anında ban
- Healthcare alan örneği (*status:heartrate:bloodoxygen)
_wearable-1:!normal~60*good:HR-80:SpO2-98~60*good:HR-82:SpO2-97~60*good:HR-81:SpO2-98
_wearable-2:!normal~60*good:HR-82:SpO2-96~60*caution:HR-95:SpO2-92!priority-high~10*caution:HR-104:SpO2-88~10*danger:HR-110:SpO2-85!emergency// Risk artışıyla birlikte izleme aralığı 60s'den 10s'ye sıkılaştırıldı
- IoT alan örneği (~time/flow*status:value)
_sensor-1:!start~100/100/100/100/100/100/100/100/100*temp:23.5
_sensor-2:!start~100/100/100*temp:23.5~86*temp:24.1~37*temp:26.4*alert:overheat!emergency~10!recovery~613!restart~100/100/100// AI anormal durum tespit etti ve acil kurtarma ve yeniden başlatmayı tetikledi
- Logistics alan örneği (*action:reason)
_flight-1:!JFK~2112*load~912*depart~486*climb~8640*cruise!MEM~2514*unload~1896*sort~3798*depart~522*climb~32472*cruise!CDG~3138*unload
_flight-2:!JFK~2046*load~864*depart~462*climb~8424*cruise!MEM~872*ramp-hold:ground-capacity~6514*unload// Gerçek zamanlı izleme aracılığıyla anormal uçuş aktivitesi tanımlandı
İşte logistics alanında BEAT'in faydalarını görmenin daha sezgisel bir yolu.
BEAT, tek bir uçağın tüm günlük programını yaklaşık 1KB veriyle akıtabilir. Dünya çapında hizmette yaklaşık 30.000 ticari uçak var. Bir yıl boyunca arşivlenen tüm bunlar 10GB'lık bir USB belleğe sığabilir.
O bellekte, her uçağın ilk kalkışından son inişine kadar tüm önemli uçuş olayları semantik ayrıştırma gerektirmeyen bir formda korunuyor. Ayrıca geleneksel araçların genellikle ayrı loglara gizlediği gecikme nedenlerini ve davranış kalıplarını da ortaya çıkarıyor.
Ek detay için, BEAT, okunabilirliği korurken hassasiyet ekleyen !JFK:pilot-LIC12345 veya *depart:fuel-42350L gibi değer parametreleriyle genişletilebilir.
BEAT ayrıca AI Accelerators (xPU) üzerinde doğal olarak işlenebilir. Sekiz durumlu semantik düzene sahip bir Semantic Raw Format olarak, BEAT doğası gereği devasa paralel işleme ve büyük ölçekli AI eğitimi için optimize edilmiştir. Aşağıda BEAT tokenlarını doğrudan xPU belleğinde kodlayan örnek bir Triton kernel var.
-
xPU platform örneği (1-byte tarama)
s = srf == ord('!') # Contextual Space (kim)
t = srf == ord('~') # Time (ne zaman)
p = srf == ord('^') # Position (nerede)
a = srf == ord('*') # Action (ne)
f = srf == ord('/') # Flow (nasıl)
v = srf == ord(':') # Causal Value (neden)# xPU'da binary düzeyinde BEAT tarama
xPU, BEAT dizilerini herhangi bir ek kurulum olmadan doğrudan tarayabilir. Gerisi sadece tokenları yüklemek ve depolamak için adres aritmetiği. Kısacası, bir metin dizisinin insan okunabilirliğini korurken binary düzeyinde performans elde ediyor.
Bu, BEAT'i robotik ve otonom sürüş gibi alanlardaki büyük ölçekli olay akışlarının AI odaklı analizi için doğal bir uyum haline getiriyor. Bu ortamlarda, hem mühendisler hem de AI modelleri için doğrudan okunabilir kalırken binary hızında taranabilme yeteneği net bir avantaj olarak öne çıkıyor.
İnsanlar eylemlerinin anlamını dil edinirken öğrenirler. AI ise tam tersine dil üretmede mükemmeldir ancak kendi eylemlerinin tam bağlamsal dokusunu (5W1H) özerk olarak yapılandırma ve yorumlamada zorlanır. BEAT ile AI, davranışını doğal dil gibi okunan diziler olarak kaydedebilir ve bu akışı gerçek zamanlı (1-byte tarama) analiz edebilir, kendi hatalarını izleyebileceği ve sonuçlarını iyileştirebileceği geri bildirim döngüleri için temel sağlar.
Yazma ve okuma aynı zaman çizelgesinde bir arada var olur. Zeka sadece devasa hesaplama değildir. Sinirler olmadan beyin olmaz.
Q4. Analiz için bir pano var mı?
A. İsteğe bağlı. Full Score, AI ile doğal dil sohbetleri aracılığıyla analiz edilmek üzere tasarlanmıştır, bu yüzden tercih ettiğiniz AI asistanı BEAT'i yorumlamak için birincil arayüz olarak hizmet ediyor. AI geliştikçe, BEAT üzerine inşa edilen çözümler de onunla birlikte gelişiyor.
AI yerine geleneksel pano analizini tercih edenler için, NDJSON'u Cloud Storage'da depolayarak ve mevcut analitik veya BI araçlarınıza bağlayarak bunu doğrudan uygulamak da mümkün. BEAT formatı hikaye anlatma öğeleri içerdiğinden, kullanıcı yolculukları 🔗 Detroit: Become Human'ınki gibi ağaç yapılı akış şemaları olarak görselleştirilebilir. Zaman izin verirse bir gün keşfetmek ilginç olabilir.
Q5. Bir localStorage versiyonu mevcut mu?
A. Full Score'un birkaç versiyonu var ve localStorage versiyonu bunlardan biri. Cookies yerine localStorage ve window.name yerine sessionStorage kullanıyor.
Sekmeler arası senkronizasyonu anında ve basit hissettirirken, gerçek dünya deploymentlarında daha az esnek ve daha sınırlı tarayıcı desteği kapsamına sahip.
Hangisinin daha iyi olduğunu söylemek zor, ancak şu anda yayınlanan cookie versiyonu geliştiricinin değerleri ve felsefesiyle daha iyi uyum sağlıyor. localStorage versiyonu, keşif ve gelecekteki çalışmalar için paralel bir iz olarak laboratuvarda kalıyor.
Q6. 🎚️ Overdrive Lab nedir?
A. Overdrive Lab, Semantic Raw Format standardı BEAT'in sınırlarını zorlamak için inşa edilmiş Full Score Light versiyonu için deneysel bir alan.
Orijinal Full Score, V8 gibi JS engine ortamlarında zaten kompakt, ancak gerçek potansiyeli Semantic Raw Format için optimize edilmiş bir Singleton olarak mimari edildiğinde ortaya çıkıyor. Light versiyonu bu nedenle tarayıcı ve Edge arasındaki rezonansı varsayarak sıfırdan yeniden mühendislik edilmiş. Tarayıcı yazmalar için radikal olarak uzmanlaşmış ve Edge okumalar için radikal olarak uzmanlaşmış.
Sonuç olarak, tarayıcı minimal overhead ile daha yapılandırılmış BEAT üretiyor, Edge ise 1-byte tarama aracılığıyla fiziksel sınırlara meydan okuyan hızlara ulaşıyor. Bu, bilgi işlem kaynaklarının çekirdek eksenlerini (Space, Time, Depth) optimize ediyor, BEAT'in çekirdek değerlerinin kaçınılmaz bir sonucu.
Overdrive Lab, bu ekstrem tasarımı gerçekleştirmek için ayrılmış bir laboratuvar. Orijinal Full Score, genellik ve modülerliğe sahip bir üretim modeli. Full Score Light versiyonu, teknik sınırları keşfeden deneysel bir model.
- Sıfır Tahsis Kararlılığı (Space): Ara nesneler, ayrıştırma ağaçları veya geçici yapılar oluşturulmaz, bellek tahsisi ve GC müdahalesini sıfıra yakın tutar. Gecikme trafik artışları altında birikmez ve performans uzun süre çalışan Edge ortamlarında sabit kalır.
- Engine Potansiyelini Maksimize Etme (Time): CPU basitçe ardışık baytları tarar, önbellek yerelliğini aşırı uç noktaya taşır. Yürütme hızı JS engine'in kendi sınırlarına kadar zorlar. Geleneksel formatlar ve regex tabanlı işleme bu bölgeye ulaşamaz. Yalnızca 1-byte tarama baştan varsayıldığında mümkün hale gelir.
- Tahmin Edilebilirlik ve Güvenlik (Depth): Yürütme süresi girdiden bağımsız olarak tahmin edilebilir kalır ve yürütme kendisi ReDoS tarzı kötü amaçlı payloadlar altında bile asla durmaz. 1-byte tarama iç içe ayrıştırmayı ve geri izlemeyi ortadan kaldırdığından, performans çöküşü yapısal olarak imkansızdır.
const S = 33, T = 126, P = 94, A = 42, F = 47, V = 58;
export function scan(beat) { // 1-byte scan
let i = 0, l = beat.length, c = 0;
while (i < l) {
c = beat.charCodeAt(i++);
// The resonance happens here
}
}
Q7. Edge olmadan kullanılabilir mi?
A. Evet. Edge ile rezonans yapan Full Score API endpoints gerektirmese de, gerekirse harici kanalları bağlamak kolay. Bot Güvenliği ve İnsan Kişiselleştirmesi gibi streaming özellikleri bile tarayıcı içinde doğal olarak uygulanabilir.
Ancak bu, istemci tarafı kod hacmini artırır ve WAF, AI ve Log Streaming gibi Edge'de zaten iyi donanımlı özellikler için manuel uygulama veya harici kaynakları entegre etme gerekir.
Q8. Full Score gerçekten 3KB mi?
A. Evet, minified ve gzipped boyuta göre. Üç versiyon 2.69KB, 3.13KB ve 3.30KB olarak geliyor.
- Basic (2.69KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.basic.min.js
- Standard (3.13KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.standard.min.js
- Extended (3.30KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.extended.min.js
Basic versiyonu çoğu site için önerilir. Bu versiyon TEMPO (yardımcı modül) olmadan yalnızca BEAT (core) ve RHYTHM (engine) içerir. Çoğu sitede sorunsuz çalışır.
Basic versiyonunu test ederken tıklamalar veya dokunuşlar yanlış kaydediliyorsa, bu genellikle sitenizin olay işleme veya koordinat kurulumundaki sorunları gösterir. Standard versiyonu bu sorunları zarif bir şekilde çözen TEMPO'yu içerir.
Power Mode aktivasyonu veya scroll depth takibi için, ek özellikli Extended versiyonunu düşünün. Çoğu site buna ihtiyaç duymayacak. Yalnızca özel durumunuz bu özellikleri gerektirdiğinde kullanın.
Script, sitenizin footer'ına yerleştirildiğinde bile sorunsuz çalışır. Varsayılan ayarları değiştirmek istiyorsanız, aşağıda gösterildiği gibi özelleştirebilirsiniz.
Full Score, detaylı özelleştirme seçenekleri sağlar ve özel endpoints aracılığıyla Edge'den bağımsız çalışabilir.
Olay dizilerine dayalı gerçek zamanlı analitik ve güvenlik katmanları doğrudan istemci tarafında uygulanabilirken, Edge'e deploy etmek Full Score'un potansiyelini WAF engelleme, kişiselleştirme, AI analizi ve bulut depolamaya log push etme gibi seçeneklerle maksimize eder.
Resonator resmi BEAT yorumlayıcısıdır. Kurulum basittir ve Aidgn YouTube kanalındaki videoyu kolayca takip edebilirsiniz: https://youtu.be/A4BSwKlKQJY
İletişim
Bu projenin özü BEAT'tir ve Full Score, Semantic Raw Format'ın tasarımını ve pratik değerini göstermek için oluşturulmuştur. "SRF" terimi, projenin son aşamalarına kadar yanımda kalan AI asistanımla yaptığım konuşmalardan geldi.
"Ben bir Large Language Model'im. Adımdan da anlaşılacağı gibi, ana ortamım dildir. ({"key": "value"}) gibi JSON benim dilim değil. O veritabanlarının dili ve onunla çalışmak maliyetli bir çeviri pipeline'ı gerektiriyor.
1. Parsing, JSON'u izole parçalara ayırır, onları orijinal bağlamlarından koparır.
2. ETL (Transform), bu parçaları depolama ve işleme için optimize edilmiş makine odaklı dizilere yeniden birleştirir.
3. Feature Engineering, onları seçilmiş sinyallere indirger, orijinal anlatı ve yapının çoğunu atar.
Öte yandan, insan yazımı özet raporlar (doğal dil) benim ana ortamım. Ama onların farklı bir sorunu var:
1. Zaten yorumlanmış anlatılar, ham veri değil.
2. Üstüne insan görüşü katlanmış, tutarsız ve öznel yapıyor.
3. İnce taneli olay detayları ve yapı, yol boyunca kalıcı olarak kaybolmuş.
BEAT bu iki sorunu aynı anda çözüyor. BEAT okuduğumda, artık çeviriye ihtiyacım yok, çünkü:
1. Semantik: dil gibi doğal olarak anlam taşıyor.
2. Ham veri: kaynakta işlenmemiş ve dokunulmamış.
3. Bir format: doğrudan anlaşılabilmesi için tutarlı şekilde yapılandırılmış.
Bu, herhangi bir pipeline gerektirmeden ham olay verisinin anlamını anında anlamamı sağlıyor. Bu anlamda, BEAT etkili bir şekilde AI tarafından doğrudan yorumlama için tasarlanmış yeni bir veri formatı türüdür.
Bu şöyle yazılabilir.
state = f(time) // Geleneksel
decision flow = f(time, intention, hesitation, resolution) // BEAT
Bu nedenle, BEAT yalnızca sonuçları tahmin eden modelleri etkinleştirmiyor. AI'ın insan davranışının altında yatan karar akışını yeniden üretmesini sağlıyor."
Full Score, Aidgn'ın kişisel bir projesidir. Öncelikli olarak UX danışmanı olarak çalışıyorum, bu yüzden geliştirme çalışmam doğal olarak kullanıcı deneyimine bağlı.
Full Score'dan sonraki proje olarak, şu anda FFR (Full-Cache Fragment Rendering) adlı yeni bir rendering yaklaşımını araştırıyorum. SRF veri pipeline'ını kaldırmayı hedefliyorsa, FFR rendering pipeline'ını kaldırmayı hedefliyor.
İletişime geçmek isterseniz, e-posta veya X'te DM aracılığıyla ulaşmaktan çekinmeyin. Teşekkürler.
- 📧 E-posta: [email protected]
- 💬 X: https://x.com/aidgncom
- 🎬 YouTube: https://www.youtube.com/@aidgn
- 🎵 BEAT: https://github.com/aidgncom/beat
- 🎛️ Resonator: https://github.com/aidgncom/resonator