Raspberry Pi 5 ve Yapay Zeka ile Notlarınızı Akıllı Bir Asistana Dönüştürün

Dijital Not Defterlerinin Evrimi ve Obsidian Tercihi

Günümüzde bilgi yüklemesiyle başa çıkmak, modern profesyoneller ve teknoloji meraklıları için en büyük zorluklardan biri haline geldi. Yıllar boyunca Ulysses, Google Docs, Notion ve Asana gibi farklı platformlar arasında mekik dokuduktan sonra, yazma alışkanlıklarımı tamamen Obsidian ekosistemine taşıdım. Obsidian'ı bu kadar vazgeçilmez kılan temel özellik, dosyaları bilgisayarımda yerel olarak ve tamamen düz metin (plain text) formatında saklamasıdır. Bu sayede verilerim üzerinde tam kontrol sahibi olurken, herhangi bir bulut sağlayıcısına veya üçüncü taraf abonelik servisine bağımlı kalmıyorum.

Notlarımı herhangi bir ücret ödemeden ve dış servislerin mahremiyet ihlallerine maruz kalmadan senkronize etmek için açık kaynaklı Obsidian LiveSync eklentisini kullanıyorum. Bu mimari, notlarımı kendi seçtiğim bir bulut altyapısına veya yerel donanımıma güvenli bir şekilde aktarmama olanak tanıyor. Ancak bu sistemin en büyük gücü, düz metin dosyalarının yapay zeka modelleri tarafından doğrudan okunabilir ve taranabilir olmasıdır. Klasik bulut depolama servislerinin aksine, kendi donanımım üzerinde kurduğum bu yapı sayesinde verilerimin nerede barındığını tam olarak biliyorum.

Raspberry Pi 5 Üzerinde LiveSync ve CouchDB Kurulumu

Bu projenin omurgasını oluşturan merkezi senkronizasyon noktası için bir adet Raspberry Pi 5 cihazını görevlendirdim. Sürecin ilk adımı, Raspberry Pi üzerinde Docker ortamında CouchDB çalıştırmaktan geçiyor. CouchDB, Obsidian LiveSync sunucusunun ana kaynağı olarak görev yapar. Ancak bu aşamada veriler şifrelenmiş bloglar (encrypted blobs) halinde tutulduğu için doğrudan yapay zeka tarafından okunamazlar.

Bu engeli aşmak için Raspberry Pi üzerinde headless (arayüzsüz) moda sahip bir Obsidian LiveSync istemcisi çalıştırıyorum. Bu istemci, arka planda senkronize edilen verileri insan tarafından okunabilir Markdown dosyalarına dönüştürür. Böylece yerel yapay zeka modellerim, bu dosya havuzunu sorunsuz bir şekilde tarayabilir. Verilerimin güvenliğini en üst düzeye çıkarmak için Duplicati kullanarak şifrelenmiş yedekleri Google Drive üzerine offsite yedekleme olarak da yapılandırdım; ancak tüm aktif çalışma ortamım yerel donanımımda barınıyor.

Raspberry Pi 5 ve AI HAT+ 2 ile Yerel Yapay Zeka Gücü

Birçok kişi Raspberry Pi gibi tek kartlı bilgisayarların (SBC) yapay zeka iş yüklerini kaldıramayacağını düşünür. Ancak Raspberry Pi 5, önceki nesillere kıyasla ciddi bir donanım sıçraması yaşadı. Özellikle cihaza entegre edilen Raspberry Pi AI HAT+ 2 modülü ile birlikte, donanım hızlandırmalı yerel yapay zeka modellerini çalıştırmak artık hayal değil. 13 TOPS ve 26 TOPS olmak üzere iki farklı versiyonla sunulan bu yapay zeka hızlandırıcı kartları, Raspberry Pi 5 ekosisteminin kapasitesini tamamen değiştiriyor.

Bu donanım altyapısı üzerinde, özellikle Qwen3 4B Instruct 2507 gibi düşük parametreli ancak metin işleme konusunda oldukça yetenekli açık kaynaklı modelleri çalıştırabiliyorum. Claude 3.7 Sonnet veya devasa bulut modelleriyle rekabet edemese de, Qwen3 4B Instruct 2507 metinleri analiz etmek ve aradığınız bilgiyi yüzlerce sayfalık not arasından çekip çıkarmak için fazlasıyla yeterli performans sunuyor. Ollama, llama.cpp veya hailo-ollama altyapısını kullanarak bu modeli Pi 5 üzerinde ayağa kaldırmak ve Open WebUI ile tam teşekküllü bir sohbet arayüzüne bağlamak son derece akıcı bir deneyim sağlıyor.

Open WebUI ve Kişisel İkinci Beyin Deneyimi

Sistemin tüm parçaları bir araya geldiğinde ortaya çıkan sonuç adeta bir bilim kurgu filmini andırıyor. iPad, Chromebook, dizüstü bilgisayar, masaüstü iş istasyonum veya akıllı telefonum üzerinden hangi cihazda yazarsam yazayım, metinler otomatik olarak Raspberry Pi üzerindeki LiveSync sunucusuna iletiliyor. Pi 5 üzerinde çalışan Qwen3 4B Instruct 2507 modeli, Open WebUI arayüzü aracılığıyla bu Obsidian kasasını sürekli olarak tarayabiliyor.

Eski bir notu ararken nerede kaybolduğunu hatırlamak zorunda kalmıyorum. Doğrudan Open WebUI sohbet penceresine giderek aradığım konuyu sorduğumda, yerel model saniyeler içinde ilgili Markdown dosyasını bulup bana sunuyor. Bu süreç, harici hiçbir bulut yapay zeka servisine veri sızdırmadan, tamamen kendi ev ağınızda ve kendi donanımınız üzerinde çalışan kusursuz bir "ikinci beyin" (second brain) mekanizması yaratıyor.

Entegrasyon Süreci ve Karşılaşılan Zorluklar

Her DIY (Kendin Yap) projesinde olduğu gibi, bu sistemi kurmak da başlangıçta bazı zorlukları beraberinde getirdi. Open WebUI uygulamasının Obsidian kasasını kusursuz bir şekilde tarayabilmesi ve doğru araç çağrılarını (tool calls) yapabilmesi için birkaç saatlik bir optimizasyon süreci gerekirdi. Düşük parametreli modellerin başlangıçta halüsinasyon görmeye eğilimli olması, doğru prompt mühendisliği ve sistem yönergelerinin yazılmasını zorunlu kıldı.

Bu süreçte yaşadığım tüm deneme yanılma adımlarını ve yapılandırma dosyalarını, diğer meraklıların benzer zorluklarla karşılaşmaması için GitHub repository'mde paylaştım. Gerekli Docker komutları ve Open WebUI entegrasyon betikleri sayesinde, uygun donanıma sahip kullanıcılar bu sistemi çok daha kısa sürede kurabilir. Küçük modellerin sınırlarını bilerek doğru prompt stratejileri uygulandığında, Raspberry Pi 5 tabanlı bu sistem kusursuz bir kişisel bilgi asistanına dönüşüyor.

Sonuç ve Geleceğe Bakış

Teknoloji dünyasında bulut tabanlı yapay zeka servislerinin hegemonyası her geçen gün artarken, yerel donanımlar üzerinde çalışan mahremiyet odaklı projeler giderek daha fazla önem kazanıyor. Raspberry Pi 5 ve AI HAT+ 2 gibi donanımların sunduğu esneklik, ev kullanıcılarının kendi yapay zeka altyapılarını kurmalarına kapı aralıyor. Notlarınızı güvende tutmak, harici maliyetlerden kaçınmak ve her cihazdan erişilebilir akıllı bir arşive sahip olmak istiyorsanız, bu proje günümüz maker kültürünün sunduğu en tatmin edici çözümlerden biri olarak öne çıkıyor.