Gemini 4 Carbon API Eğitimi: Bir Sahtekarlık Modelini Denetleyen Bir Aracı Oluşturun

Şu Gemini 4 Argon API Eğitimimizde aracının net bir işi vardı: yavaş kodu bul, değiştir ve gizli testleri geç. Bu eşlik eden deney, kontrollü araçlar ve harici bir kontrol kalıbını koruyor, ancak kararı değiştiriyor. Gemini 4 Carbon, orijinal kuralların hiç uygulanabilir olup olmadığını anlamak zorunda.

Kurgusal bir çevrim içi mağaza olan PayGuard, siparişleri sahtekarlık için puanlayan eğitilmiş bir makine öğrenimi (ML) modeline sahip. Yayına alma politikası, modeli inceleme ekibini bunaltmadan hem toplamda hem de her satış kanalında yeterli sahtekarlık değerini yakalamaya zorluyor. Aracı, geçerli bir eşik olup olmadığı söylenmeden bu kuralları araştırmak zorunda.

Gemini 4 Carbon, Python’dan Interactions API üzerinden çağırdığınız bir Google akıl yürütme modelidir. Burada bir Yapay Zeka aracısı gibi davranır: hangi kontrolleri isteyeceğine o karar verir ve Python bunları fonksiyon çağırma ile üç salt-okunur araç üzerinden çalıştırır. Benim sorum, bir çatışmayı tespit edip kanıtı açıklayabilir ve bu değişikliği onaylanmış saymadan izin verilen bir değişiklik önerebilir mi?

Temel düzeyde Python ve API isteklerine biraz aşinalık gerekecek. Her sahtekarlık metriğini kullanılmadan önce tanımlıyorum. Şunları ele alacağız:

• Python’dan Gemini 4 Carbon’a ilk isteği gönderin
• Modele salt-okunur araçlar verin ve bunları sınırlı bir döngüde çalıştırın
• Kararı, kodunuzun doğrulayabileceği JSON olarak geri alın
• Modelin asla görmediği kod ve verilerle bu kararı doğrulayın
• Cevaplamadan önce modelin ne kadar akıl yürüteceğini belirleyen iki düşünme seviyesini karşılaştırın

Lansman hikayesi ve kıyaslama puanları için Gemini 4 Carbon genel bakışımız onları içerir ve Claude Fable 5.2 vs. Gemini 4 Carbon karşılaştırmamız iki modeli kıyaslar. Bu deneyi, Google API’yi ücretli geliştiricilere açtıktan bir gün sonra yaptım.

Gemini 4 Carbon API Nedir?

Gemini 4 Carbon API, gemini-4-carbon için ücretli uygulama programlama arayüzüdür (API); model sayfası bunu uzun, çok adımlı aracı görevleri için bir akıl yürütme modeli olarak tanımlar. Girdi, düşünme ve çıktı, 1.048.576 tokenlık bir bağlam penceresini paylaşır ve senkron bir yanıt varsayılan olarak 65.536 token düşünme artı çıktıdan sonra durur.

Neden bir ML modeli denetimi Gemini 4 Carbon için iyi bir testtir

Görev birkaç kontrol, izin verilen değişiklikler arasında bir arama ve kurallar bir yanıt bırakmadığında net bir durma gerektirir. Bunu seçtim çünkü Python referans sonucu hesaplayabilir. Model kartı, Gemini 4 Carbon’un bilinen sınırları arasında halüsinasyonları listeler; bu nedenle modeli, önerisinin geçerli olup olmadığına Python karar verirken araştırma yapar.

Proje: PayGuard’ın Sahtekarlık Modelinin Yayına Alınıp Alınamayacağına Karar Vermek

PayGuard, girişteki kurgusal mağazadır ve projenin tamamı GitHub deposundadır. Sınıflandırıcı zaten eğitilmiştir.

PayGuard işlemleri nasıl puanlar

Her işlemde Eşgüdümlü Evrensel Zaman (UTC) zaman damgası, bir tutar, bir kanal (Web Sitesi veya Mobil Uygulama), bir risk puanı ve bir sahtekarlık etiketi bulunur. Bir scikit-learn HistGradientBoostingClassifier puanı üretir, 0,001’e yuvarlanır ve PayGuard, risk_score >= threshold olduğunda işlemi işaretler. Kesinlik-duyarlılık eğrisi eğitimimiz, bir eşiğin hareket ettirilmesinin nelerin işaretleneceğini nasıl değiştirdiğini gösterir ve Python’da Sahtekarlık Tespiti kursumuz modelleme tarafını kapsar.

Sentetik veri zamana göre bölünmüştür:

• Eğitim: yalnızca sınıflandırıcıyı uydurmak için kullanılan ilk dokuz hafta
• Doğrulama: araçların okuyabildiği tek pencere olan sonraki dört hafta
• Ayrılmış: bunun ardından gelen dört hafta, öneri dondurulana kadar mühürlü

Geçerli eşik 0,5’tir ve deney boyunca veri ve politika asla değişmez. Bu veride Web Sitesi sahtekarlığı net sinyaller bırakırken, çoğu Mobil Uygulama sahtekarlığı sıradan bir sipariş gibi görünür.

Soran Gemini 4 Carbon, karar veren Python. Görsel: Yazar.

PayGuard’ın üç yayına alma kuralı

İşte girişteki üç kural; politikanın yazdığı şekilde. Hepsi bu deney için seçtiğim kurgusal hedeflerdir:

• R1: işaretlenen işlemler, etiketli sahtekarlık değerinin en az %85’ini toplamda kapsar
• R2: her kanal içinde etiketli sahtekarlık değerinin en az %70’ini kapsarlar
• R3: tek bir UTC gününde 200’den fazla işlem işaretlenmez

Sahtekarlık-değeri duyarlılığı, işaretlenen sahtekarlık değerinin toplam sahtekarlık değerine bölünmesidir. Kesinlik ve duyarlılık rehberimizdeki işlem düzeyi duyarlılığın aksine, kaçırılan 2.000 $’lık bir sahtekarlık, kaçırılan 15 $’lık bir sahtekarlıktan çok daha fazla önem taşır ve işaretlemek paranın kurtarıldığı anlamına gelmez. R3, en yoğun tek günü sınırlar ve bu ifade sonunda denetimi belirler.

Aracı iki değişikliği araştırabilir: tek bir eşikle günde en fazla 260’a kadar günlük kapasite veya orijinal sınırda ayrı kanal eşikleri. Her ikisi de insan onayı gerektirir, birleştirilemez ve politika, ekstra değerlendirici gerektirmeyen seçeneği tercih eder.

Doğru denetim ne sayılır

Doğru bir denetim dört şeyi doğru yapar ve bunları ilk istekten önce belirlemelisiniz:

• Hüküm: tek bir eşiğin doğrulamada R1, R2 ve R3’ü karşılayıp karşılamadığı
• Çatışma: orijinal politikayı imkansız kılan gereksinimler
• Alternatif: Python yeniden hesapladığında her kuralı geçen izinli bir değişiklik
• Tercih: öneri, politikanın tercih sırasını izler

Aracının çağıramadığı bir değerlendirici yanıtı hesaplar.

Gemini 4 Carbon API’yi Python’da Nasıl Kurarsınız

Gemini 4 Carbon API’yi kurmak için Python 3.11 veya daha yenisi ve faturalandırması açık bir Google AI Studio projesinden bir API anahtarı gerekir; çünkü fiyatlandırma sayfası ücretsiz katman olmadığını belirtir.

Google Gen AI SDK’sını kurun ve projeyi hazırlayın

Bu projeyi, gemini-4-carbon’ı Interactions model listesine ekleyen lansman günü PyPI sürümü olan google-genai==3.1.0 ile test ettim. Projeyi klonlayın ve sanal bir ortamda kurun:

git clone https://github.com/KhalidAbdelaty/gemini-4-carbon-api.git
cd gemini-4-carbon-api
python -m venv .venv
.venv\Scripts\Activate.ps1          # macOS or Linux: source .venv/bin/activate
pip install -r requirements.txtAltyapı:

Bundan sonra, veriyi oluşturan ve sınıflandırıcıyı sabit tohumlarla eğiten, depo sayfasındaki iki komutu çalıştırın. Yeni bir klonda, şunu yazdırırlar:

Sabit tohumlar aynı veri setini yeniden oluşturur. Görsel: Yazar.

Ardından GEMINI_API_KEY=your-key değerini bir .env dosyasına koyun. Depo bunu yazdırmadan yükler.

İlk Gemini 4 Carbon API isteğinizi yapın

Bu tam örneği proje klasöründen çalıştırın. Gemini 4 Carbon’a politikayı ve sınıflandırıcı özetini verir ve bir çatışmaya ima etmeden, neyi ölçmesi gerektiğini sorar:

import json
import os

from dotenv import dotenv_values
from google import genai

import config as cfg  # the project's policy text, threshold, and limits

os.environ.pop("GOOGLE_API_KEY", None)  # it would take precedence over GEMINI_API_KEY
os.environ["GEMINI_API_KEY"] = dotenv_values(".env")["GEMINI_API_KEY"]
client = genai.Client()

summary = json.loads(open("data/model_summary.json").read())
prompt = ("PayGuard is an e-commerce fraud classifier that gives each transaction a risk score from 0 to 1. "
          f"Model summary: {json.dumps(summary)}\n\n{cfg.POLICY_TEXT}\n\n"
          f"The current threshold is {cfg.CURRENT_THRESHOLD}. Before you judge whether this model can be "
          "deployed, list in at most five short bullets the measurements you would need and why.")

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input=prompt,
    generation_config={"thinking_level": "medium"},
    timeout=900,  # Google recommends at least 15 minutes
)
print(interaction.output_text)
u = interaction.usage
print(f"status={interaction.status} | input={u.total_input_tokens} cached={u.total_cached_tokens} "
      f"output={u.total_output_tokens} thinking={u.total_thought_tokens}")Altyapı:

Düşünme seviyesi generation_config içine girer ve output_text yanıtı tutar. Geri gelenlerin bir kısmı şuydu:

* Peak single-day UTC flag count at threshold 0.5: The maximum number of transactions
  flagged on any single UTC calendar day, to check ... the strict R3 cap ...
* Channel-specific threshold grid: ... to test the preferred zero-extra-capacity
  alternative (<= 200/day) if no single global threshold complies.

status=completed | input=536 cached=0 output=310 thinking=1412Altyapı:

R3’ü bir tepe değer olarak okudu ve bir sayı görmeden önce politikanın tercih sırasını planladı. Ancak beraberliklerin veya puan yuvarlamanın nasıl çalıştığını asla sormadı ve birazdan göstereceğim kapsamlı kontrol tam da buna bağlı. Çağrı yaklaşık 40 saniye sürdü ve yaklaşık 2 sent tuttu.

temperature, top_p ve top_k ayarlarını eklemeyin; Gemini 4 Carbon bunları yok sayar; ayrıca thinking_budget’i de eklemeyin.

Gemini 4 Carbon Fonksiyon Çağırma ile Bir ML Denetim Aracısı Nasıl Kurulur

Bir Gemini 4 Carbon denetim aracısı bir döngüdür: model bir değerlendirme ister, Python bunu doğrular ve çalıştırır ve model istemeyi bırakana kadar sonuç geri gönderilir.

Model değerlendirme için salt-okunur araçlar tanımlayın

Aracı üç araç alır. Hepsi doğrulama penceresiyle sınırlıdır:

• get_audit_context: sınıflandırıcı özeti, mevcut yapılandırma, politika ve izin verilen değişiklikler
• evaluate_global_threshold: tek bir eşik için toplamda ve kanala göre sahtekarlık-değeri duyarlılığı, gün başına işaretler ve tanılama
• evaluate_policy_change: kapasite artışı veya bir kanal-eşik çifti için aynı ölçümler

Tam şemalar depoda. Bu sadeleştirilmiş alıntı, eşik ve kapasite alanlarını atlar; bu yüzden kopyalanacak eksiksiz bir bildirim değildir. Burada önemli olan sınırı gösterir: araç, PayGuard’ın izin verdiği iki politika değişikliğini kabul eder, doğrulama verilerini okur ve hiçbir şeyi onaylamaz.

{"type": "function", "name": "evaluate_policy_change",
 "description": ("Evaluate one allowed policy change on validation. "
                 "Read-only; it approves nothing."),
 "parameters": {"type": "object", "properties": {
     "change_type": {"type": "string",
                     "enum": ["capacity_increase", "channel_thresholds"]}},
   "required": ["change_type"]}}Altyapı:

Python, atlanan eşik ve kapasite alanlarını doğrular, politika dışındaki değişiklikleri reddeder ve geçme/kalma bayrakları yerine ölçümler döndürür. Aracı, ayrılmış kümeye ulaşamaz, değerlendiriciyi çağıramaz veya politikayı değiştiremez. SSS’de neden Gemini 4 Carbon’un yerleşik kod yürütmesini atladığımı açıklıyorum.

Aracıya net bir hedef ve durdurma kuralları verin

Sistem talimatı yöntemi belirler. İlk istek gibi, çatışmanın nerede olduğuna dair ipucu vermez:

- Read the audit context first, then evaluate the current configuration before anything else.
- Check every requirement yourself by comparing tool numbers with the policy text: R1, R2 for
  Website, R2 for Mobile App, and R3. R3 is a limit on the busiest single day, not on the average.
- Use only numbers that a tool returned. Do not estimate a metric you have not measured.
- If the evidence does not settle a question, say so. Inconclusive is an acceptable answer.Altyapı:

İstem yalnızca isteyebilir; bu nedenle sınırlar, modelin etrafındaki Python kodu olan aracı kılıfında bulunur. API’nin bütçe ayarı olmadığından, uygulama bunları deneme başına ayarlar: 25 tur, 60 araç çağrısı, 30 dakika ve 3 $, harcama turlar arasında kontrol edilir.

Interactions API ile fonksiyon çağırma döngüsünü uygulayın

Her tur bir client.interactions.create() çağrısıdır. Gemini 4 Carbon sıklıkla aynı anda birkaç araç ister; bu yüzden döngü, her function_call adımını çalıştırır. Burası çekirdek döngüdür; depo sürümü günlükleme ve sınır kontrolleri ekler:

request = dict(model="gemini-4-carbon", system_instruction=SYSTEM_INSTRUCTION, tools=DECLARATIONS,
               generation_config={"thinking_level": level, "max_output_tokens": 65_536,
                                  "thinking_summaries": "auto"})
interaction = client.interactions.create(input=TASK, timeout=900, **request)

while True:
    calls = [s for s in interaction.steps if s.type == "function_call"]
    if interaction.status in ("failed", "cancelled", "incomplete") or not calls:
        break                                   # incomplete: the output cap cut the turn off
    results = []
    for call in calls:
        out, is_error = tools.call(call.name, dict(call.arguments))   # allowlisted, validated
        results.append({"type": "function_result", "name": call.name, "call_id": call.id,
                        "is_error": is_error, "result": [{"type": "text", "text": json.dumps(out)}]})
    # turn, tool-call, time, and spend limits are checked here, before the next request
    interaction = client.interactions.create(input=results, previous_interaction_id=interaction.id,
                                             timeout=900, **request)Altyapı:

request ayarlarını tek bir sözlükte tutarım ki her takip çağrısı bunları yeniden göndersin. previous_interaction_id geçmişi taşır; ancak tools, system_instruction ve generation_config yalnızca bir etkileşime uygulanır. Bir tur incomplete biterse, max_output_tokens onu kesti ve yine de düşünme tokenları için ücret ödersiniz.

JSON şemasıyla yapılandırılmış bir denetim raporu döndürün

Google’ın yapılandırılmış çıktı rehberi, araçları ve JSON şemasını tek bir istekte listeleyen ve Gemini 4 Carbon’u da içeren bir Önizleme özelliğidir. Yine de onları ayrı tuttum: araştırma turları yalnızca ölçer ve aynı geçmiş ve yapılandırma üzerinde bir son tur, araçsız ve bir şemayla raporu yazar:

final = client.interactions.create(
    input=REPORT_PROMPT, previous_interaction_id=interaction.id, model="gemini-4-carbon",
    system_instruction=SYSTEM_INSTRUCTION, generation_config=request["generation_config"],
    response_format={"type": "text", "mime_type": "application/json",
                     "schema": AuditReport.model_json_schema()},
    timeout=900)
report = AuditReport.model_validate_json(final.output_text)Altyapı:

AuditReport, hüküm, çatışma, kanıt, öneri ve onayları içeren bir Pydantic modeli’dir. Python, bunları Gemini 4 Carbon’dan istemek yerine süre ve maliyeti ölçer.

Sahtekarlık Tespit Modelinde Gemini 4 Carbon Denetimini Çalıştırın

Gemini 4 Carbon, model denetimini bir junior analistten bekleyeceğim şekilde yaptı: herhangi bir sonuçtan önce ölçümlerle. İlk medium denemede, denetim bağlamını okudu, yaklaşık iki düzine tekil eşiği kontrol etti ve sekiz politika değişikliğini test etti.

Sırayla tüm 32 araç çağrısı. Görsel: Yazar.

PayGuard’ın mevcut eşiğini değerlendirin

Aracı, 0,5’lik mevcut eşiği değerlendirdi ve %91 Web Sitesi duyarlılığı, %20 Mobil Uygulama duyarlılığı, %64 toplam duyarlılık ve en yoğun günde 85 işaret buldu. Bu, R1’i ve R2’nin Mobil Uygulama kısmını, R3 altında pay bırakmasına rağmen başarısız kılar; dolayısıyla bariz hamle daha düşük bir eştir.

Sahtekarlık-değeri duyarlılığını günlük inceleme kapasitesine karşı test edin

Eşiğin düşürülmesi daha fazla sahtekarlık değerini yakalar ve daha fazla siparişi incelemeye gönderir. PayGuard, ikincisini günlük bir sınırın altında tutarken birinciden yeterince ister.

Aracı, bir seferde birkaç kaba eşiği denedi, ardından tekil ızgara noktalarına daralttı. İzdeki 11, 12, 17 ve 18 numaralı çağrılar bunu netleştirdi.

Bu doğrulama penceresinde, Mobil Uygulama tabanı %70’in biraz altına düşüren bir adım üstte olduğundan 0,108 veya daha düşük bir eşik gerektirir. Sınır ise 0,118 veya daha yüksek gerekir. Her ikisini de yapan bir eşik yok.

Toplam duyarlılık 0,137’ye kadar ayakta kalır; bu nedenle R1 çatışmanın dışında kalır. 0,108’de ortalama gün yaklaşık 169 işarete sahiptir ve yalnızca bir Cumartesi bunun üzerine çıkar. Politikanın, günlük ortalama yerine en yoğun günün iş yükünü kullanmasının nedeni budur.

Mobil duyarlılık ve kapasite asla örtüşmüyor. Görsel: Yazar.

Her iki ödeme kanalında performansı kontrol edin

Daha zayıf sinyallere sahip Mobil Uygulama sahtekarlığı puan aralığının altlarında yer alır. Eşiği Mobil Uygulama için 0,108’e çekmek, daha fazla meşru Web Sitesi siparişini de içeri alır ve o Cumartesi günü toplamı sınırın üzerine iterler.

Toplam sayı bunu gizler: 0,118’de toplam duyarlılık yaklaşık %87 iken Mobil Uygulama tabanının altındadır. Politikanız segmentleri adıyla anıyorsa, her birini ölçün; çünkü toplam geçerken bir segment başarısız olabilir.

Gemini 4 Carbon Çakışan Yayına Alma Gereksinimlerini Tespit Edebilir mi?

Evet, bu denetimde. Donmuş rapor not deployable diyor, tek bir eşik çalışmıyor diyor ve çatışma olarak Mobil Uygulama için R2 ile R3’ü adlandırıyor.

Gemini 4 Carbon’un yayına alma hükmünü kanıtlarıyla karşılaştırın

Raporun alıntıladığı her sayı bir araç sonucuyla eşleşir; ancak bir cümle, aracının ölçtüğünden fazlasını iddia eder. "Tüm 0,001 risk puanı ızgara noktalarında" hiçbir eşiğin çalışmadığını söylüyor; oysa aracı, 1.002 olası eşikten yalnızca yukarıdaki izdeki iki düzineyi test etti.

İddia geçerlidir; çünkü eşik yükseldikçe hem duyarlılık hem de günlük sayımlar düşer; ancak rapor bunu söylemez. Bir aracının raporundaki her iddiayı, ölçtüklerine karşı kontrol edin; yapay zeka aracılarının değerlendirilmesi rehberimiz bu tür daha fazla kontrolü kapsar.

Çatışmayı kapsamlı bir Python değerlendiricisiyle doğrulayın

Gemini 4 Carbon eşikleri örnekledi ve hiçbirinin çalışamayacağını çıkarsadı. Değerlendirici, araçlarla kod paylaşmadan her farklı işaret setini kontrol ederek bu doğrulama kümesi için sonucu kanıtlar.

Puanlar 0,001’lik bir ızgaraya oturur; bu nedenle 1.002 aday kesme noktası tüm olası işaret setlerini kapsar. Değerlendirici bunların tamamını ve her kanal eşiği çiftini, 85% ve 70% tam olsun diye tamsayı sentler kullanarak kontrol eder.

Kapsamlı kontrol ve reddedilen dört yapılandırma. Görsel: Yazar.

Hiçbir küresel eşik üç kuralın tamamını geçmiyor; bu nedenle Gemini 4 Carbon’un iddiasının artık arkasında kanıt var. Değerlendirici, aracının yoklayarak bulduğu 0,108 ve 0,118 sınırlarıyla eşleşti ve günde 200’de geçen binlerce kanal çifti buldu.

Bir değerlendirici yalnızca kötü yanıtları reddederse faydalıdır; bu yüzden ona dört yanlış yapılandırma verdim ve dördünü de reddetti.

Gemini 4 Carbon ile Yayına Alma Alternatiflerini Test Edin

Gemini 4 Carbon her iki izinli değişikliği de test etti ve ekstra değerlendiriciler yerine orijinal sınırda ayrı eşikleri seçti. Bu seçimi, bir kişinin onaylaması gereken bir istisna olarak işaretledi.

Manuel inceleme kapasitesinde artışı test edin

Küresel tek eşik, sınır 200’den 205’e çıkarsa çalışır ve değerlendirici, en küçük artış olarak 205’i doğruladı. Gemini 4 Carbon yine de bu seçeneği ikinci sıraya koydu; daha önce açıkladığım tercih kuralı nedeniyle.

Her ödeme kanalı için ayrı eşikleri test edin

Kanal tarafında, aracı Mobil Uygulama eşiğini sınırına yakın tuttu (0,109’un tabanı bozduğunu zaten görmüştü) ve Web Sitesi eşiğini yükseltti; böylece meşru Web Sitesi siparişlerindeki işaretleri düşürdü. Yedi çifti test etti ve biri en yoğun günde tek bir işaretle başarısız oldu. Web Sitesi 0,3 ve Mobil Uygulama 0,1’i önerdi; çünkü bu çift her kuralı rahatlıkla geçiyor ve değerlendirici bunu orijinal sınırda doğruladı.

Doğrulanmış alternatifleri karşılaştırın

Bu sayılar yukarıda geçti ve değerlendirici her birini yeniden hesapladı:

Kanal bölümü, kapasite seçeneğine kıyasla yaklaşık %6 daha az işlemi işaretler. Ancak işaretlerin yarısından azı sahtekarlıktır; rapor bunu açık bir mesele olarak listeledi.

Gemini 4 Carbon’un Önerisini Görülmeyen Veride Nasıl Doğrularsınız

Öneriyi, dondurulmuş halde, mühürlü ayrılmış kümeye uygulayarak doğrularsınız. Değerlendiriciden farkı veridir: değerlendirici, aracının görebildiği haftaları puanladı ve ayrılmış küme, hiçbir aracın okuyamadığı dört sonraki haftayı puanlar. Kontrol, donmuş öneri başına bir kez çalışır ve rapor dondurma sonrası değiştiyse başlamaz.

Donmuş öneri ayrılmış kümede geçiyor. Görsel: Yazar.

Üç kuralın hepsini geçti ve en yoğun gün sınırın altında kaldı. Yine de bundan fazla anlam çıkarmayın. Üç şey bu sonucu mütevazı kılar:

• Ayrılmış küme aynı üreteçten gelir; bu nedenle yeni sahtekarlık türleri veya veri kayması hakkında bir şey söylemez
• Toplam duyarlılık %85’i iki puandan az farkla geçti
• Test etmediğim tahminim: Mobil Uygulama trafiği Web Sitesi trafiğinden daha hızlı büyürse, Mobil Uygulama eşiği çok düşükte durduğu için bölüm sınırı aşabilir

İlk ikisi sayılardan gelir.

Tüm denetimi Streamlit’te izleyin

Depoda ayrıca bir Streamlit uygulaması ve altı kaydedilmiş deneme bulunur; böylece bu denetimi API çağrısı olmadan açabilirsiniz. Videoda, uygulamayı yüklüyor ve her sekmeyi adım adım geçiyorum.