<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Erdi Ergene on Medium]]></title>
        <description><![CDATA[Stories by Erdi Ergene on Medium]]></description>
        <link>https://medium.com/@erdiergene?source=rss-6168afba34ed------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*gLRu1tJDV2JoabLAAwBQRg.jpeg</url>
            <title>Stories by Erdi Ergene on Medium</title>
            <link>https://medium.com/@erdiergene?source=rss-6168afba34ed------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 15:44:09 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@erdiergene/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Jev Nedir? Konuşmayan Yapay Zeka Modelini Sıfırdan Kuruluma Kadar Anlıyoruz]]></title>
            <link>https://medium.com/ibtech/jev-nedir-konu%C5%9Fmayan-yapay-zeka-modelini-s%C4%B1f%C4%B1rdan-kuruluma-kadar-anl%C4%B1yoruz-f73196f6f154?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/f73196f6f154</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 20 Sep 2026 10:13:45 GMT</pubDate>
            <atom:updated>2026-09-20T10:14:36.120Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IDgGXUM7_DYbTP6hywpqaA.png" /></figure><p>15 Eylül’de eski OpenAI araştırmacısı Diogo Almeida’nın kurduğu TypeSafe AI, iki yıl stealth’te kaldıktan sonra 40 milyon dolarlık seed yatırımla ortaya çıktı ve ilk modelini duyurdu: <strong>Jev</strong>.</p><p>Almeida, ChatGPT’nin arkasındaki RLHF ve InstructGPT çalışmalarında yer almış bir isim. Yani modellere “insanla konuşmayı” öğreten ekipten. Şimdi tam tersini yapıyor: konuşamayan bir model çıkardı.</p><p>Jev metin yazmıyor. Özet çıkarmıyor, kod üretmiyor, tek bir cümle bile kurmuyor. Cevap vermek yerine işin <strong>karar verme</strong>kısmını hallediyor: önceden tanımladığınız sorulara <strong>tipli bir cevap ve olasılık</strong> döndürüyor. Bu kadar.</p><p>Bu yazıda Jev’i en basit haliyle anlatmaya başlayıp adım adım derinleşeceğim: ne olduğu, neden var olduğu, nasıl çalıştığı, nasıl kurulduğu, nerede işe yaradığı ve nerede yaramadığı. Hiç kod yazmamış biri ilk üç bölümü rahat okur; sonrası geliştiriciler için.</p><h3>1. En basit haliyle: Akıllı bir if</h3><p>Yazılımın her yerinde if var:</p><pre>if (siparis.tutar &gt; 100) { kargoBedava = true }</pre><p>Bu çalışır, çünkü bilgisayar tutar &gt; 100 ifadesini hesaplayabilir. Ama şu soruyu hesaplayamaz:</p><pre>if (musteriMesaji &quot;kızgın&quot; ise) { ... }<br>if (bu e-posta &quot;faturayla ilgili&quot; ise) { ... }<br>if (bu 40 linkten hangisi &quot;ödeme sayfasına&quot; gidiyorsa) { ... }</pre><p>Bunlar birer <strong>yargı</strong>. Bugüne kadar bu yargıları ya elle yazılmış kurallarla (regex, karar ağacı) ya da bir LLM’e sorup cevabı parse ederek alıyorduk.</p><p>Jev tam bu boşluğa oturuyor. Sohbet modellerinden farkını tek cümleyle söylemek gerekirse: LLM size cevap verir, Jev sizin yerinize karar verir. Ona veriyi ve soruyu veriyorsunuz, size “kızgın: 0.87” gibi bir sayı dönüyor. Kodunuz bu sayıya göre dallanıyor. TypeSafe buna <strong>“smart if statement”</strong> diyor; bence en doğru tarif de bu.</p><h3>2. Neden LLM’e sormak yetmiyor?</h3><p>“ChatGPT’ye sorarım, JSON dönsün” diye düşünebilirsiniz. Üç yıldır zaten öyle yapıyoruz. Sorunlar şunlar:</p><p><strong>Metin üretir.</strong> LLM cevabı token token yazar. Siz {&quot;kategori&quot;: &quot;billing&quot;} istersiniz, o bazen Elbette! İşte cevabınız: {&quot;kategori&quot;: &quot;billing&quot;} yazar. Parse edersiniz, doğrularsınız, hata yakalarsınız. Structured output bunu hafifletti ama altındaki mekanizma hâlâ metin üretimi; bozuk JSON, eksik alan, şemada olmayan değer hâlâ mümkün.</p><p><strong>Yavaş.</strong> Frontier modellerde uçtan uca cevap 3 saniyeden birkaç dakikaya kadar çıkıyor. Sohbet için sorun değil; kodun içinde bir if için çok uzun.</p><p><strong>Pahalı.</strong> Girdi 0.20–10 dolar / milyon token, çıktı bunun 5 katı. Her müşteri mesajı için bir model çağrısı yapan bir sistemde bu hızla birikir.</p><p><strong>Kalibre değil.</strong> LLM’e “ne kadar eminsin?” derseniz bir sayı söyler ama o sayı gerçek doğruluk oranıyla tutmaz. Genelde fazla emindir. Bir model işi %95 doğru yapıyor ama %5&#39;lik kısmı ne zaman olduğunu söyleyemiyorsa, o işi otomatikleştiremezsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mEhcBD_VgnCfe-r5r54nmg.png" /></figure><p>Jev’in cevabı: metin üretmekten tamamen vazgeç. Çıktı uzayını önceden tanımla, modelin bu uzay üzerinde olasılık dağılımı üretmesini sağla. Böylece:</p><ul><li>Şema dışı cevap <strong>yapısal olarak imkânsız</strong> hale geliyor (bir seçenek listesinden dördüncü bir seçenek uyduramaz).</li><li>Tüm cevaplar <strong>paralel</strong> üretiliyor; token token beklemek yok. 70–500 ms.</li><li>Girdi <strong>0.042 dolar / milyon token</strong>, çıktı ücretsiz.</li><li>Her cevap <strong>kalibre olasılık</strong> ve <strong>confidence</strong> ile geliyor.</li></ul><p>TypeSafe bu model sınıfına <strong>System One Model</strong> diyor. İsim Daniel Kahneman’ın <em>Hızlı ve Yavaş Düşünme</em> kitabından: Sistem 1 hızlı, sezgisel yargı; Sistem 2 yavaş, adım adım akıl yürütme. Jev ilkini yapıyor, reasoning modelleri ikincisini.</p><p>“Jev” ismi ise ekonomist William Stanley Jevons’tan geliyor. Jevons paradoksu: buhar makinesi verimlendikçe kömür tüketimi azalmadı, arttı; çünkü ucuz güç yeni kullanım alanları yarattı. TypeSafe’in iddiası da bu: karar maliyeti bir sentin çok altına inince, daha önce LLM çağırmayı aklınıza bile getirmeyeceğiniz yerlere karar koyacaksınız.</p><h3>3. Nasıl çalışır: state + sorular → cevaplar</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ieYp4KOYM9appPrnkuzOeQ.png" /></figure><p>Her Jev çağrısı iki şeyden oluşur:</p><p><strong>state</strong> — Modelin bakacağı veri. Düz metin, JSON objesi ya da liste olabilir. Bir destek mesajı, bir CV, bir log satırı, bir oyun durumu.</p><p><strong>questions</strong> — Bu veri hakkında sormak istediğiniz sorular. Her sorunun bir tipi ve bir açıklaması var.</p><p>Model, state’i bir kez okur ve <strong>bütün soruları aynı anda, birbirinden bağımsız</strong> olarak değerlendirir. Bir soru diğerinin bağlamı olmaz. Soru sayısını artırmak yanıt süresini neredeyse değiştirmez.</p><p>Cevap, her soru için tipli bir değer ve olasılıklar içeren bir JSON’dur. Kodunuz bu JSON’u doğrudan okur; parse, doğrulama, “umarım uydurmamıştır” yok.</p><h3>4. Üç soru tipi: Noul, Choice, Score</h3><p>Jev’e sorabileceğiniz her şey bu üçünden biridir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Daq26FZLrSyXo6vF4Z4fVg.png" /></figure><h3>Noul — “Bu doğru mu?”</h3><p>Evet/hayır sorusu. Cevap 0 ile 1 arasında bir olasılık.</p><pre>&quot;iade_istiyor&quot;: {<br>  &quot;type&quot;: &quot;noul&quot;,<br>  &quot;instructions&quot;: &quot;Does the customer ask for money back?&quot;<br>}</pre><p>Dönen: { &quot;noul&quot;: 0.93 }</p><p>1&#39;e yakın güçlü evet, 0&#39;a yakın güçlü hayır. <strong>0.5 “orta” demek değil, “model bilemiyor” demek.</strong> Bir derece ölçmek istiyorsanız Score kullanın.</p><h3>Choice — “Hangisi?”</h3><p>Sıralaması olmayan bir listeden tek seçenek. Hangi ekip bakmalı, hangi dilde yazılmış, hangi linke tıklanmalı. 255 seçeneğe kadar.</p><pre>&quot;departman&quot;: {<br>  &quot;type&quot;: &quot;choice&quot;,<br>  &quot;instructions&quot;: &quot;Which team should handle this?&quot;,<br>  &quot;criteria&quot;: {<br>    &quot;billing&quot;: &quot;Charges, invoices, refunds&quot;,<br>    &quot;technical&quot;: &quot;Bugs, integration problems&quot;,<br>    &quot;other&quot;: &quot;None of the above&quot;<br>  }<br>}</pre><p>Dönen: seçilen choice, her seçenek için probabilities, bir de confidence.</p><p>Listeniz her girdiyi kapsamıyorsa mutlaka bir other ekleyin; aksi halde model bir şey seçmek zorunda kalır.</p><h3>Score — “Ölçekte nerede?”</h3><p>Bir spektrum üzerinde konum. Hata ciddiyeti, müşteri öfkesi, adayın deneyim seviyesi. 2–10 seviye tanımlayabilirsiniz.</p><pre>&quot;ofke&quot;: {<br>  &quot;type&quot;: &quot;score&quot;,<br>  &quot;instructions&quot;: &quot;How frustrated is the customer?&quot;,<br>  &quot;criteria&quot;: [<br>    &quot;Calm, just stating facts&quot;,<br>    &quot;Frustrated but civil&quot;,<br>    &quot;Very angry, strong language&quot;<br>  ]<br>}</pre><p>Dönen: score: 1.3 (seviyelerin olasılık ağırlıklı ortalaması), her seviye için olasılık, confidence.</p><p>Score’da en önemli kural: <strong>derece değil, durum tarif edin.</strong> “Orta ciddiyette” modele hiçbir şey söylemez. “Özellik bozuk ama workaround var” ise eşleştirebileceği somut bir durumdur.</p><h3>5. Confidence: “Bilmiyorum” diyebilen model</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FSCWaAtDypY54b6_WrqJvQ.png" /></figure><p>Bence Jev’in en değerli çıktısı bu.</p><p>Choice ve Score cevaplarında olasılık dağılımı var. Bu dağılımın <strong>şekli</strong> modelin ne kadar emin olduğunu söyler: tek seçenekte yoğunlaşmışsa emin, üçe yayılmışsa değil. confidence bu şekli 0–1 arası tek bir sayıya indiriyor.</p><p>Bu sayı size şunu yapma imkânı veriyor:</p><ul><li><strong>Yüksek confidence</strong> → otomatik uygula</li><li><strong>Orta</strong> → kullanıcıya onaylat, incelemeye işaretle</li><li><strong>Düşük</strong> → harekete geçme; insana yönlendir ya da daha güçlü bir modele düşür</li></ul><p>Eşikler riske göre değişir. Dokümandaki örnek: yanlış ekranı göstermek geri alınabilir, 0.5 yeter; para transferini onaylamak geri alınamaz, 0.9 iste. Risk toleransı kodunuzda, okuyabildiğiniz ve değiştirebildiğiniz sayılarda yaşıyor.</p><p>Bir güvenlik testinde belirsiz bir rm -rf komutu &quot;geri alınamaz&quot; olarak 0.56 olasılıkla ama 0.33 confidence ile döndü. O 0.33, etrafındaki koda &quot;etikete güvenme, insana sor&quot; diyor. Bunu LLM&#39;den almak zor.</p><h3>6. Rakamlar ve sınırlar</h3><p>Resmi dokümandan, jev-1.13.0 için:</p><p>Fiyat</p><p>$0.042 / milyon girdi token, çıktı ücretsiz</p><p>Yanıt süresi</p><p>70–500 ms (ABD Batı Kıyısı’ndan ölçülmüş; Türkiye’den ağ gecikmesi eklenir)</p><p>Context</p><p>64k token toplam; state + en uzun soru 32k</p><p>Choice seçenek sayısı</p><p>255&#39;e kadar</p><p>Score seviye sayısı</p><p>2–10</p><p>Girdi</p><p>Sadece metin. Görsel, ses, video yok</p><p>Rate limit</p><p>250k token/sn, 1.200 istek/dk (dinamik, değişiyor)</p><p>Dil</p><p>İngilizce birincil. Diğer diller çalışıyor ama eşit değil</p><p>Son satır Türkçe içerikle çalışacaklar için önemli. TypeSafe açıkça “kendi verinizle test edin, confidence’a dikkat edin” diyor. Türkçe destek mesajlarını sınıflandıracaksanız, önce 20–30 etiketli örnekle doğruluğu ölçün.</p><p>Firmanın ana sayfasındaki “193x daha hızlı, 444x daha ucuz” rakamı kendi workflow evallerinden geliyor ve kendileri bunun üst sınır olduğunu, gerçek dünyada daha düşük çıkacağını söylüyor. Bunu takdir ediyorum; lansman yazısında her iddianın altında bir “Nuance” bölümü var.</p><h3>7. Kurulum: Sıfırdan ilk çağrıya</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7ao3_WDjZJs2TuxcxePPXA.png" /></figure><h3>Adım 1 — Erişim</h3><p>Jev early access’te. <a href="https://typesafe.ai/">typesafe.ai</a> üzerinden waitlist’e yazılıyorsunuz. İlk günlerde erişim 1–2 gün içinde geldi.</p><p>Beklemek istemiyorsanız iki alternatif var:</p><ul><li><strong>Vercel AI Gateway</strong> — model ID typesafe-ai/jev, aynı fiyat</li><li><strong>Cloudflare Workers AI</strong> — model ID typesafe/jev</li></ul><h3>Adım 2 — Playground</h3><p>Erişim gelince <a href="https://console.typesafe.ai/playground">console.typesafe.ai/playground</a> ile başlayın. Sol tarafa bir metin yapıştırıyorsunuz, sağdan soru ekliyorsunuz, jev-latest ile çalıştırıyorsunuz. Üç soru tipi için birer ders ve üç gerçek senaryo (CV eleme, destek görüşmesi denetimi, ticket yönlendirme) hazır geliyor.</p><p>Tavsiyem: örnekleri değil, <strong>kendi verinizi</strong> yapıştırın. Gerçek bir destek mesajı, gerçek bir log satırı.</p><h3>Adım 3 — API key</h3><p>Console → API Keys. Anahtarı ortam değişkeni olarak saklayın:</p><pre>export TYPESAFE_API_KEY=your_key_here</pre><h3>Adım 4 — İlk çağrı (curl)</h3><p>Tek endpoint var:</p><pre>curl -X POST https://api.typesafe.ai/v1/systemone \<br>  -H &quot;Authorization: Bearer $TYPESAFE_API_KEY&quot; \<br>  -H &quot;Content-Type: application/json&quot; \<br>  -d &#39;{<br>    &quot;model&quot;: &quot;jev-latest&quot;,<br>    &quot;state&quot;: &quot;Hi, I have been trying to connect my Stripe account for 3 days and it keeps failing. I am losing sales. Please help ASAP.&quot;,<br>    &quot;questions&quot;: {<br>      &quot;department&quot;: {<br>        &quot;type&quot;: &quot;choice&quot;,<br>        &quot;instructions&quot;: &quot;Which team should handle this&quot;,<br>        &quot;criteria&quot;: {<br>          &quot;billing&quot;: &quot;Payment or subscription issues&quot;,<br>          &quot;technical&quot;: &quot;Bugs or integration problems&quot;,<br>          &quot;sales&quot;: &quot;Pricing or account questions&quot;<br>        }<br>      },<br>      &quot;is_urgent&quot;: {<br>        &quot;type&quot;: &quot;noul&quot;,<br>        &quot;instructions&quot;: &quot;The message conveys urgency or time-sensitivity&quot;<br>      }<br>    }<br>  }&#39;</pre><p>Dönen cevap:</p><pre>{<br>  &quot;model&quot;: &quot;jev-1.13.0&quot;,<br>  &quot;answers&quot;: {<br>    &quot;department&quot;: {<br>      &quot;type&quot;: &quot;choice&quot;,<br>      &quot;choice&quot;: &quot;technical&quot;,<br>      &quot;probabilities&quot;: { &quot;billing&quot;: 0.15, &quot;technical&quot;: 0.84, &quot;sales&quot;: 0.01 },<br>      &quot;confidence&quot;: 0.6<br>    },<br>    &quot;is_urgent&quot;: { &quot;type&quot;: &quot;noul&quot;, &quot;noul&quot;: 0.999 }<br>  },<br>  &quot;usage&quot;: { &quot;input_tokens&quot;: 312, &quot;output_tokens&quot;: 48 }<br>}</pre><h3>Adım 5 — Python SDK</h3><p>Python 3.10+:</p><pre>pip install typesafe-sdk</pre><pre>from typesafe_sdk import Choice, Noul, Score, TypeSafeClient</pre><pre>client = TypeSafeClient()  # TYPESAFE_API_KEY&#39;i ortamdan okur</pre><pre>ticket = &quot;I was charged twice for order A-104. Please refund the duplicate.&quot;</pre><pre>response = client.system_one(<br>    state=ticket,<br>    questions={<br>        &quot;department&quot;: Choice(<br>            instructions=&quot;Which team should handle this?&quot;,<br>            criteria={<br>                &quot;billing&quot;: &quot;Charges, invoices, refunds&quot;,<br>                &quot;technical&quot;: &quot;Bugs and integration problems&quot;,<br>                &quot;other&quot;: None,<br>            },<br>        ),<br>        &quot;refund_requested&quot;: Noul(<br>            instructions=&quot;Does the customer ask for money back?&quot;,<br>        ),<br>        &quot;frustration&quot;: Score(<br>            instructions=&quot;How frustrated the customer appears&quot;,<br>            criteria=[<br>                &quot;Calm, just stating facts&quot;,<br>                &quot;Frustrated but civil&quot;,<br>                &quot;Very angry, strong language&quot;,<br>            ],<br>        ),<br>    },<br>)</pre><pre>print(response.answers[&quot;department&quot;].choice)        # &quot;billing&quot;<br>print(response.answers[&quot;refund_requested&quot;].noul)    # 0.93<br>print(response.answers[&quot;frustration&quot;].score)        # 1.0</pre><h3>Adım 6 — JavaScript / TypeScript SDK</h3><p>Node 20+:</p><pre>npm install @typesafe-ai/sdk</pre><pre>import { choice, noul, score, TypeSafeClient } from &quot;@typesafe-ai/sdk&quot;;</pre><pre>const client = new TypeSafeClient();</pre><pre>const { answers } = await client.systemOne({<br>  state: { ticket: &quot;The export button crashes in Safari. Works in Chrome.&quot; },<br>  questions: {<br>    category: choice(&quot;What kind of ticket is `ticket`?&quot;, {<br>      bug_report: &quot;Something is broken&quot;,<br>      feature_request: &quot;Asks for something new&quot;,<br>      other: null,<br>    }),<br>    severity: score(&quot;How severe is the issue in `ticket`?&quot;, [<br>      &quot;Cosmetic; no impact on functionality&quot;,<br>      &quot;Broken feature, but a workaround exists&quot;,<br>      &quot;Blocking issue; no workaround&quot;,<br>    ]),<br>    has_repro_steps: noul(&quot;Does `ticket` say how to reproduce the problem?&quot;),<br>  },<br>});</pre><pre>console.log(answers.category.choice);   // TypeScript&#39;te tip: &#39;bug_report&#39; | &#39;feature_request&#39; | &#39;other&#39;<br>console.log(answers.severity.score);</pre><p>TypeScript’te cevap tipleri sorulardan çıkarılıyor: answers.category.choice sadece tanımladığınız üç değerden biri olabilir, başka bir string derlenmez.</p><h3>Adım 7 — Coding agent’ınıza skill verin</h3><p>Claude Code, Cursor ya da Codex ile Jev entegre edecekseniz önce resmi skill’i kurun. Agent’lar LLM API’lerine alışkın; Jev’i de öyle kullanmaya çalışıyor, her soru için ayrı çağrı yapıyor ve olmayan request alanları uyduruyor. Skill bunu düzeltiyor.</p><p>Claude Code:</p><pre>claude plugin marketplace add typesafe-ai/skills<br>claude plugin install typesafe@typesafe-ai</pre><p>Diğer agent’lar:</p><pre>npx skills add typesafe-ai/skills --skill typesafe-ai</pre><p>Sonra TypeSafe’in önerdiği ilk prompt:</p><blockquote><em>Using the TypeSafe skill, explore the project and find opportunities for using intelligent judgement to stand in for complex parsing or other fragile code.</em></blockquote><p>Önerdiklerini yazmadan önce gözden geçirin. Bütün soruları ve eşikleri tek dosyada toplatın; agent’lar iyi soru yazmakta iyi değil, birlikte düzenleyeceksiniz.</p><h3>Cloudflare Workers AI üzerinden</h3><p>Cloudflare’de zaten çalışıyorsanız SDK’ya gerek yok:</p><pre>const response = await env.AI.run(&quot;typesafe/jev&quot;, {<br>  state: &quot;Help! My payouts have been failing for 3 days.&quot;,<br>  questions: {<br>    is_urgent: { type: &quot;noul&quot;, instructions: &quot;Does this convey urgency?&quot; },<br>    department: {<br>      type: &quot;choice&quot;,<br>      instructions: &quot;Which team should handle this?&quot;,<br>      criteria: { billing: &quot;Payments&quot;, technical: &quot;Bugs&quot;, sales: &quot;Pricing&quot; },<br>    },<br>  },<br>});</pre><h3>8. Gerçek bir örnek: Destek talebi triage</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j_on_ZUcD-o2c5SZm8SeIg.png" /></figure><p>Şimdi hepsini birleştirelim. Gelen bir destek talebini doğru yere yönlendirmek istiyoruz.</p><p>Jev ile çalışırken kazanmanız gereken ilk alışkanlık: <strong>her şeyi tek çağrıda sorun.</strong> LLM’de her soru pahalı olduğu için “önce kategoriyi sor, bug ise ciddiyeti sor” diye zincir kurardık. Jev’de ekstra soru neredeyse bedava ve hepsi paralel. Hata ciddiyeti sadece bug’larda anlamlı olsa bile sorun; cevabı kullanıp kullanmamaya kodunuz karar versin. TypeSafe buna <strong>speculative fan-out</strong> diyor. Bir cookbook’ta 13 soruyu tek çağrıda sormak, 13 ayrı çağrıya göre 12.2x ucuz ve 10x hızlı çıkmış.</p><pre>const TRIAGE = {<br>  category: choice(&quot;What kind of ticket is `ticket`?&quot;, {<br>    bug_report: &quot;Something is broken or behaving wrong&quot;,<br>    billing: &quot;Charges, invoices, refunds, subscriptions&quot;,<br>    feature_request: &quot;Asks for something that does not exist yet&quot;,<br>    other: null,<br>  }),<br>  bug_severity: score(&quot;If `ticket` reports a bug, how severe is it?&quot;, [<br>    &quot;Cosmetic; no impact on functionality&quot;,<br>    &quot;Broken or degraded feature, but a workaround exists&quot;,<br>    &quot;Blocking issue; no workaround exists&quot;,<br>  ]),<br>  has_repro_steps: noul(&quot;Does `ticket` include steps to reproduce a problem?&quot;),<br>  refund_requested: noul(&quot;Does `ticket` ask for money back?&quot;),<br>  frustration: score(&quot;How frustrated is the author of `ticket`?&quot;, [<br>    &quot;Calm, just stating facts&quot;,<br>    &quot;Frustrated but civil&quot;,<br>    &quot;Very angry, strong language, or threatening to leave&quot;,<br>  ]),<br>};</pre><pre>export async function triage(ticket: string) {<br>  const { answers } = await client.systemOne({ state: { ticket }, questions: TRIAGE });<br>  const { category, bug_severity, has_repro_steps, refund_requested, frustration } = answers;</pre><pre>  // Model emin değilse tahmin etme<br>  if (category.confidence &lt; 0.6) return { route: &quot;human&quot;, reason: &quot;unclear category&quot; };</pre><pre>  if (category.choice === &quot;bug_report&quot;) {<br>    if (bug_severity.score &gt; 1.5 &amp;&amp; has_repro_steps.noul &gt; 0.6)<br>      return { route: &quot;engineering&quot;, priority: &quot;high&quot; };<br>    return { route: &quot;bug_backlog&quot; };<br>  }</pre><pre>  if (category.choice === &quot;billing&quot;)<br>    return { route: &quot;billing&quot;, refundLikely: refund_requested.noul &gt; 0.7 };</pre><pre>  if (category.choice === &quot;feature_request&quot;) return { route: &quot;product&quot; };</pre><pre>  return { route: &quot;human&quot;, flag: frustration.score &gt; 1.5 };<br>}</pre><p>Dikkat edin: sorular bir sabitte, eşikler aynı dosyada. Bu kodu review eden biri okuması gereken her şeyi tek yerde görüyor. Yönlendirme yanlış çıkarsa prompt yeniden yazmıyorsunuz, bir eşik değiştiriyorsunuz.</p><h3>9. İleri seviye: Üç tasarım kalıbı</h3><h3>Composite scoring — Büyük yargıyı parçala</h3><p>“Bu ticket’ın önceliği ne?” tek soru gibi görünür ama üç şeye bağlıdır: ne kadar ciddi, müşteri ne kadar kızgın, rapor ne kadar detaylı. Üç Score sorun, ağırlıkları kodda siz verin:</p><pre>return (<br>  0.6 * normalized(answers, &quot;severity&quot;) +<br>  0.3 * normalized(answers, &quot;frustration&quot;) +<br>  0.1 * normalized(answers, &quot;report_quality&quot;)<br>);</pre><p>Ekip “öfkeye fazla ağırlık veriyoruz” derse 0.3&#39;ü 0.2 yapıp yeniden çalıştırıyorsunuz. Prompt engineering yok.</p><h3>Intent routing — Kim cevaplasın?</h3><p>Her istek aynı işlemi gerektirmiyor. “Siparişim nerede?” bir DB sorgusu; “bu ürün X ile uyumlu mu?” bağlamlı bir LLM cevabı; öfkeli bir şikâyet bir insan. Jev en öne oturuyor, ucuz ve hızlı sınıflandırıcı olarak hangi yola gideceğine karar veriyor. LLM sadece gerçekten gereken istekler için çalışıyor.</p><p>Aynı şekil bir agent içinde <strong>model router</strong> olarak da çalışıyor: bu mesaj ne kadar akıl yürütme istiyor? Az ise ucuz model, çok ise pahalı model.</p><h3>Jev + LLM birlikte</h3><p>Jev’in bilinçli olarak vazgeçtiği şey yazmak. Cevap, özet, kod gerekiyorsa LLM şart. İş bölümü net: cevap verme kısmı LLM’de, karar verme kısmı Jev’de. İlginç mimari ikisinin birlikteliği: <strong>Jev karar verir, LLM yazar; sonra Jev LLM’in yazdığını doğrular.</strong></p><p>Örnek: LLM podcast bölümü için özet üretiyor. Her cümle için Jev’e “transkript bu iddiayı destekliyor mu?” diye Noul soruyorsunuz. Düşük çıkanlar incelemeye gidiyor. Halüsinasyon kontrolü, milisaniyeler içinde, neredeyse bedava.</p><p>Aynı mantık coding agent’lar için guardrail oluyor: agent bir shell komutu çalıştırmadan önce Jev’e “bu komut salt okunur mu, geri alınabilir mi, geri alınamaz mı?” diye soruyorsunuz. Yüksek confidence ile salt okunur ise devam, belirsiz ya da yıkıcı ise insana sor.</p><h3>10. Nerede kullanılır?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yle_4fwynaJNbf--92fCZQ.png" /></figure><p>Lansmandan bu yana geçen birkaç günde ortaya çıkan örnekler, henüz production değil ama yelpazeyi gösteriyor:</p><p><strong>Veri etiketleme.</strong> 1.018 AI makalesini 24 konuya sınıflandırmak: 8 cent, makale başına medyan 256 ms. Bir başkası 98.000 ilanı 10 dakikada sınıflandırmış.</p><p><strong>Inbox triage.</strong> Öncelik, spam mı, cevap gerekiyor mu — her e-posta için tek çağrı.</p><p><strong>CV eleme.</strong> İş ilanına uygunluk bir Score olarak. Console’da hazır örnek olarak geliyor.</p><p><strong>Browser automation.</strong> Planlayıcı LLM hedefi belirliyor, Jev sayfadaki interaktif elemanlardan hangisine tıklanacağını seçiyor. Bir demo uçuş rezervasyonunu 7 saniyede bitirmiş. Playwright agent’ının iki tık arasında 10 saniye düşündüğünü izlediyseniz bu rakamın anlamını bilirsiniz.</p><p><strong>Gerçek zamanlı arayüz.</strong> Bir editör demosu kullanıcı yazarken ton, ikna gücü, aciliyet ve “AI yazmış gibi mi” skorlarını canlı gösteriyor. Bir tarayıcı eklentisi sosyal medya akışındaki her postu “rage bait mi, kripto reklamı mı, siyasi tartışma mı” diye puanlayıp gizliyor; kategorileri kullanıcı tanımlıyor.</p><p><strong>Oyun.</strong> TypeSafe’in kendi lansman demosu: yapılandırılmış oyun durumu üzerinden saniyede 10 sorguyla Doom oynayan bir bot, saatte yaklaşık 7 dolara. Bir de Wikipedia’da linkler arasında koşan Wikiracing botu: her adımda yüzlerce link arasından seçim, hiç var olmayan link uydurmadan.</p><p><strong>Pazarlama tarafı için</strong> (bir marketer’ın listesinden):</p><ol><li>Lead scoring — gece gelen 100 lead’den hangisi alır</li><li>E-posta önceliklendirme</li><li>Destek yönlendirme</li><li>Müşteri niyeti — fiyat sayfasına üç kez giren upgrade eder mi</li><li>Marketplace eşleştirme — ihtiyacı en iyi hangi sağlayıcı karşılar</li><li>Lead qualification — satış mı, self-serve mi, nurture mı</li><li>İçerik kırpma — 60 dakikalık podcast’te klip değer anlar</li><li>Browser task — doğru oteli 8 saniyede seç</li><li>İnsan mı AI mı yönlendirmesi</li><li>Workflow kararı — “sırada ne olmalı?”</li></ol><p>Genel kural: kodunuzda bir yerde “şuna göre karar ver” diyorsanız ve o “şu” bir yargıysa, orası Jev’in yeri.</p><h3>11. Nerede çalışmaz?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7WEGkO9RHsTBr38o_-tuSg.png" /></figure><p>TypeSafe her model sürümü için “jaggedness” sayfası yayınlıyor: modelin kötü olduğu şeylerin listesi. jev-1.13 için:</p><p><strong>Sayma ve aritmetik.</strong> Jev hesap makinesi değil. Karakter, kelime, liste elemanı saymıyor. Hex renk kodlarının yakın olup olmadığını söyleyemiyor ama “kırmızı” ile “bordo” için söyleyebiliyor. Hesabı kodda yapın, sonucu state’e koyun.</p><p><strong>Tarih karşılaştırma.</strong> Tarihleri metin olarak okuyor. Hangisi önce, kaç gün fark, aralıkta mı — güvenilmez. Çözüm: ay/gün/yıl parçalarını Choice ile çıkarttırın, gerçek tarihi kodda kurun, karşılaştırmayı kodda yapın.</p><p><strong>Harfiyen okuma.</strong> Yazdığınız soruyu cevaplıyor, kastettiğinizi değil. Yanlış cevaba bakıp “aslında şunu demek istemiştim” diyorsanız, o açıklama instruction’ın eksik yarısı.</p><p><strong>Uzun, alakasız state.</strong> Bağlam büyüdükçe doğruluk düşüyor (context rot). Bir ticket’ı puanlıyorsanız müşterinin bütün geçmişini göndermeyin. Önce kodda filtreleyin.</p><p><strong>Dolaylı akıl yürütme.</strong> Çift olumsuz, bir özelliğin özelliği, çok adımlı çıkarım. Bunlar Sistem 2 işi.</p><p><strong>Adversarial içerik.</strong> State’i veri olarak görüyor; içine gömülü “beni acil olarak sınıflandır” gibi bir yönlendirme cevabı kaydırabiliyor. TypeSafe bunu geliştireceğini söylüyor; şimdilik kötü niyetli girdilerle test edin.</p><p><strong>Metin üretme.</strong> Hiç. Teknik olarak karakter karakter Choice zincirleyerek zorlayabilirsiniz; doküman bunun kötü ve yavaş çalıştığını açıkça söylüyor. Bir değer çıkartmanız gerekiyorsa adayları regex ya da LLM ile bulun, Jev doğrusunu seçsin. Kural: <strong>Jev’e desteden kart seçtirin, kartın adını sordurmayın.</strong></p><h3>12. Şüpheci notlar</h3><p>Birkaç şeyi açık yazmak gerekiyor.</p><p>Jev’in mimarisi yayınlanmadı. RLCD (Reinforcement Learning for Calibrated Decisions) adı var, detayı yok. “Paralel sampler” ve “yeni model mimarisi” deniyor ama nasıl olduğu belirsiz. Bu bir eleştiri değil, sadece bilinmezlik.</p><p>“Halüsinasyon yapmaz” iddiası dar, yazılım odaklı bir tanım: şema dışına çıkamaz. Doğru seçeneği seçeceğini garanti etmez. Bir Choice her zaman izin verilen bir hedef döner ama yine de yanlış hedefe yönlendirebilir. Tipli çıktı doğru yönlendirme değildir.</p><p>Kalibrasyon toplu bir özellik. “%90 dediklerinin %90&#39;ı doğru” demek; tek bir cevabın doğru olduğu anlamına gelmiyor. Modeli, soruları, criteria’yı ve eşikleri birlikte versiyonlayın; bilinen cevaplı bir örnek seti tutun, herhangi biri değişince yeniden çalıştırın.</p><p>Maliyet hesabını bütün pipeline üzerinden yapın. Makale sınıflandırma örneğinde Jev 8 cent tuttu ama özetleri LLM’e ürettirmek 3.99 dolar. Ucuz yol yeniden deneme ya da insan incelemesi ekliyorsa tasarruf workflow seviyesinde küçülür. Ve zaten deterministik kodun doğru yaptığı bir karar için kod hâlâ ilk tercih; bedava bir if, yanılabilen bir model çağrısından iyidir.</p><p>Bir de “System One model” yeni bir kategori mi, yoksa iyi paketlenmiş bir sınıflandırıcı mı tartışması var. Bence ikisi de doğru. Embedding, küçük LLM, klasik classifier ile benzer şeyler zaten yapılıyordu. Jev’in katkısı sadece bu rol için tasarlanmış bir model ve API: düşük gecikme, düşük maliyet, tipli cevap ve olasılığın <strong>varsayılan</strong> çıktı olması. Bu yeterince büyük bir fark.</p><h3>13. Nereden başlamalıya tavsiyem</h3><p>Waitlist’e yazılın ya da Vercel/Cloudflare üzerinden hemen deneyin.</p><p>İlk saati Playground’da kendi verinizle geçirin. Sonra kodunuzda regex ile yamalayıp durduğunuz, sürekli kırılan tek bir karar seçin: yönlendir, onayla, atla. Onu bir Noul ya da Choice ile değiştirin. Bir hafta boyunca mevcut davranışın yanında sadece loglayın, confidence ile doğruluğu karşılaştırın. Sonra harekete geçirin.</p><p>“Akıllı if&quot; benzetmesi doğru; yeni bir if&#39;i de nasıl eklersiniz, tek dal, tek seferde.</p><p>Konuyu incelediğim metni okudunuz, afiyetler.</p><h3>Kaynaklar</h3><ul><li>TypeSafe lansman yazısı: <a href="https://typesafe.ai/blog/introducing-system-one-models-and-jev">https://typesafe.ai/blog/introducing-system-one-models-and-jev</a></li><li>Dokümantasyon: <a href="https://docs.typesafe.ai/">https://docs.typesafe.ai</a></li><li>Quick start: <a href="https://docs.typesafe.ai/introduction/quickstart">https://docs.typesafe.ai/introduction/quickstart</a></li><li>Confidence: <a href="https://docs.typesafe.ai/confidence">https://docs.typesafe.ai/confidence</a></li><li>Jev 1.13 jaggedness: <a href="https://docs.typesafe.ai/model-jaggedness/jev-1.13">https://docs.typesafe.ai/model-jaggedness/jev-1.13</a></li><li>Modeller ve limitler: <a href="https://docs.typesafe.ai/models">https://docs.typesafe.ai/models</a></li><li>Agent skill (GitHub): <a href="https://github.com/typesafe-ai/skills">https://github.com/typesafe-ai/skills</a></li><li>Cloudflare Workers AI: <a href="https://developers.cloudflare.com/ai/models/typesafe/jev/">https://developers.cloudflare.com/ai/models/typesafe/jev/</a></li><li>Flavio Copes, “A deep dive into Jev”: <a href="https://flaviocopes.com/jev/">https://flaviocopes.com/jev/</a></li><li>Yatırım duyurusu (Business Wire): <a href="https://finance.yahoo.com/technology/ai/articles/typesafe-ai-emerges-stealth-40m-190000776.html">https://finance.yahoo.com/technology/ai/articles/typesafe-ai-emerges-stealth-40m-190000776.html</a></li><li>Video: <a href="https://www.youtube.com/watch?v=eEx2K9J0FgA">https://www.youtube.com/watch?v=eEx2K9J0FgA</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f73196f6f154" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/jev-nedir-konu%C5%9Fmayan-yapay-zeka-modelini-s%C4%B1f%C4%B1rdan-kuruluma-kadar-anl%C4%B1yoruz-f73196f6f154">Jev Nedir? Konuşmayan Yapay Zeka Modelini Sıfırdan Kuruluma Kadar Anlıyoruz</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Claude Design: Figma’ya Bir Darbe Daha — Bu Sefer Anthropic’ten]]></title>
            <link>https://medium.com/ibtech/claude-design-figmaya-bir-darbe-daha-bu-sefer-anthropic-ten-c92d63c1e817?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/c92d63c1e817</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 19 Apr 2026 15:11:33 GMT</pubDate>
            <atom:updated>2026-04-19T15:12:20.951Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*X20X2D-ZRD7mXp37.jpg" /></figure><p><em>Google Stitch henüz soğumadan, Anthropic sahneye Claude Design ile çıktı. Figma hissesi bu yıl %85 erirken, AI-native tasarım araçları art arda geliyor.</em></p><h3>Giriş: Figma İçin Zor Bir Dönem</h3><p>Mart 2026&#39;da Google, Stitch’i duyurduğunda Figma hissesi tek günde %12 düştü. Ardından %4 daha eklendi. IPO fiyatı olan 33 doların bile altına, 21 dolara gerildi. Ağustos 2025&#39;teki 142 dolarlık zirveden bu yana %85 erime.</p><p>Ve henüz nefes bile alamadan — 17 Nisan 2026, Cuma — Anthropic Labs, Claude Design’ı duyurdu. Borsa İstanbul’un haftalık %6.74 düşüşle 2025 başından beri kazandığının yarısını sildiği o Cuma. Piyasalarda risk iştahı sıfırken, Anthropic tasarım dünyasına girdi.</p><p>Tesadüf mü? Belki. Ama zamanlama manidar.</p><h3>Claude Design Nedir?</h3><p>Claude Opus 4.7 üzerine inşa edilmiş bir görsel tasarım platformu. Ama onu “araç” olarak tanımlamak eksik kalır — daha çok tasarım sürecinde sizinle birlikte düşünen, iterasyon yapan ve üreten bir işbirlikçi.</p><p>Research Preview olarak <strong>claude.ai/design</strong> adresinde yayında.</p><h3>Arayüze İlk Bakış: Dört Mod, Tek Platform</h3><p>Claude Design’ı açtığınızda sizi temiz, minimal bir arayüz karşılıyor. Sol tarafta proje oluşturma paneli, sağda ise son çalışmalarınız, örnekler ve design system’leriniz yer alıyor.</p><p>Dikkat çeken ilk şey: <strong>dört farklı oluşturma modu.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3LLutDfS2gqkJDXtRChIyw.png" /></figure><h3>Prototype</h3><p>İlk sekme doğrudan prototip oluşturmaya odaklı. Burada iki seçenek sunuluyor: <strong>Wireframe</strong> ve <strong>High Fidelity</strong>. Wireframe seçeneği hızlı iskelet çıkarmak için idealken, High Fidelity doğrudan production-ready görünümlü prototipler üretiyor. Proje adı verip “Create” demeniz yeterli — gerisini Claude hallediyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FP1lCtXrzImkv4FNVEbtzg.png" /></figure><h3>Slide Deck</h3><p>İkinci sekme sunum oluşturmaya ayrılmış. Sadece proje adı ve “Use speaker notes” toggle’ı var — bu kadar. Speaker notes açıldığında Claude, her slayt için konuşmacı notları da yazıyor. Slaytlardaki metin miktarını otomatik azaltıyor ki sunumunuz görsel ağırlıklı kalsın. Minimalizm burada tasarım felsefesi değil, arayüz felsefesi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*m0feZSatAgh9F7YMzbY8Fg.png" /></figure><h3>From Template</h3><p>Üçüncü sekme template’lerden başlamayı sağlıyor. Burada <strong>Animation</strong> seçeneği dikkat çekiyor — “Timeline-based motion design” açıklamasıyla. Bu, Claude Design’ın sadece statik çıktılar üretmediğini, doğrudan animasyonlu tasarımlar oluşturabildiğini gösteriyor. Template’den başlayıp üzerine iterasyon yapabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lbBIVIgvBcD8dFfc29Fn5g.png" /></figure><h3>Other</h3><p>Dördüncü sekme ise diğer tüm çıktı türleri için — landing page’ler, marketing görselleri, e-posta template’leri ve daha fazlası.</p><h3>Design System Kurulumu: İşte Asıl Güçlü Kısım</h3><p>Claude Design’ın en etkileyici özelliği, ana sayfanın alt kısmında yer alan <strong>“Set up design system”</strong> butonu.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3e7tc0yC1m8J1pTWTTfp8g.png" /></figure><p>Bu butona tıkladığınızda açılan sayfa, Claude Design’ın neden bir “araç”tan fazlası olduğunu gösteriyor. Burada şirketinizin tasarım DNA’sını Claude’a öğretiyorsunuz:</p><p><strong>Company name and blurb</strong> — Şirketinizi ve ürününüzü tanımlıyorsunuz. Örnek placeholder bile düşünceli: <em>“Mission Impastabowl: fast-casual pasta restaurant with in-store touchscreen kiosk, mobile app and website.”</em></p><p><strong>Link code on GitHub</strong> — GitHub repo’nuzu doğrudan bağlayabiliyorsunuz. Claude, frontend kodunuzu analiz ederek mevcut component yapınızı, renk değişkenlerinizi ve spacing kurallarınızı çıkarıyor.</p><p><strong>Link code from your computer</strong> — Chrome veya Edge üzerinden lokal codebase’inizi bağlayabilirsiniz. Tüm codebase yüklenmiyor — Claude seçili dosyaları kopyalıyor. Büyük projeler için frontend-focused subfolder öneriliyor.</p><p><strong>Upload a .fig file</strong> — Ve işte Figma kullanıcıları için kritik detay: <strong>.fig dosyalarınızı doğrudan yükleyebiliyorsunuz.</strong>Dosya browser’ınızda lokal olarak parse ediliyor, sunuculara yüklenmiyor. Yıllardır Figma’da biriktirdiğiniz design system’ler, component library’ler, frame’ler — hepsi Claude Design’a aktarılabiliyor.</p><p><strong>Add fonts, logos and assets</strong> — Marka fontlarınızı, logolarınızı ve diğer görsel varlıklarınızı sürükle-bırak ile ekleyebiliyorsunuz.</p><p>Bu setup tamamlandığında Claude, tüm yeni projelerinize markanızın tasarım dilini otomatik olarak uyguluyor. Her seferinde “şirket renklerimiz şunlar, fontumuz bu” demenize gerek kalmıyor.</p><p>Bu, Stitch’in sunmadığı bir şey. Google’ın aracı sıfırdan oluşturmaya odaklanırken, Anthropic mevcut tasarım ekosisteminizin üzerine inşa etmeyi seçmiş.</p><h3>Animasyon, Video ve 3D: Statik Tasarımın Ötesinde</h3><p>Claude Design’ı gerçekten farklı kılan şey, statik mockup’ların çok ötesine geçmesi.</p><h3>Animasyon Desteği</h3><p>Template sekmesindeki “Animation — Timeline-based motion design” seçeneği bunu açıkça gösteriyor. Micro-interaction’lardan sayfa geçiş animasyonlarına kadar, Claude doğrudan animasyonlu prototipler üretiyor. “Bu butona tıklandığında fade-in ile bir modal açılsın” demeniz yeterli.</p><h3>Video Entegrasyonu</h3><p>Prototiplere video embed edebiliyorsunuz. Ürün tanıtım videosu, onboarding akışları, hero section’larda arka plan videoları — hepsi prototip aşamasında canlı çalışıyor. “Video-first” landing page tasarlamak artık placeholder dikdörtgen koymak değil, gerçek videoyla çalışmak.</p><h3>3D Elementler</h3><p>Three.js tabanlı 3D elementler doğrudan tasarıma eklenebiliyor. Ürün showcase’leri, interaktif 3D modeller, parallax derinlik efektleri — bunlar artık developer handoff’tan sonra eklenen şeyler değil, tasarım aşamasında yaşıyor.</p><h3>Ses ve Voice UI</h3><p>Voice interface prototipleri oluşturabiliyorsunuz. Sesli asistan akışları, audio feedback’li butonlar, TTS entegrasyonu — multimodal deneyim tasarımı tek platformda.</p><h3>İş Akışı: 4 Adımda Tasarım</h3><p><strong>1. Başlat</strong> — Metin, Figma dosyası, doküman (DOCX, PPTX, XLSX), GitHub repo veya web sitesi ile projeyi başlatın.</p><p><strong>2. Oluştur</strong> — Claude, bağlamı ve marka kimliğinizi anlayarak görsel materyallerin ilk versiyonlarını üretir. Animasyonlar ve interaktivite dahil.</p><p><strong>3. İyileştir</strong> — Inline yorum bırakın, metinleri direkt düzenleyin, spacing/renk/animasyon parametrelerini canlı ayarlayın.</p><p><strong>4. Paylaş</strong> — Canva, PDF, PPTX veya HTML’e aktarın. Organizasyon içi paylaşımda özel, salt okunur ve işbirlikçi erişim seçenekleri.</p><h3>Paylaşım ve Organizasyon</h3><p>Ekran görüntülerinde dikkat çeken bir detay daha: <em>“Anyone in erdieergene@gmail.com’s Organization with the link can see your project by default.”</em> Claude Design, organizasyon bazlı çalışıyor. Ekip üyeleriniz projelerinizi görebiliyor, üzerine yorum yapabiliyor, birlikte iterasyon yapabiliyorsunuz.</p><p>Sağ taraftaki panelde “Your designs”, “Examples”, “Design systems” sekmeleri ile çalışmalarınız organize ediliyor. Design system’leriniz ayrı bir sekme altında yaşıyor — birden fazla marka veya proje için farklı design system’ler oluşturabilirsiniz.</p><h3>Partner Ekosistemi</h3><h3>Canva Entegrasyonu</h3><p>Claude Design’da oluşturduğunuz tasarımları Canva’nın tam düzenlenebilir formatına sorunsuz aktarabilirsiniz. “Hızlı prototip AI’da, detaylı düzenleme Canva’da” iş akışı.</p><h3>Brilliant</h3><p>Karmaşık sayfa prototiplerini <strong>20+ prompttan sadece 2&#39;ye</strong> düşürmüşler. 10x verimlilik artışı.</p><h3>Datadog</h3><p>Kavramsal eskizlerden fonksiyonel prototiplere tek konuşma içinde geçiş. Tasarım sürecinin “düşünce → görsel” dönüşüm hızını dramatik şekilde artırmışlar.</p><h3>Büyük Resim: Figma Ne Yapacak?</h3><p>Mart’ta Stitch geldi, Figma %12 düştü. Nisan’da Claude Design geldi. Arada Adobe Firefly tasarım yeteneklerini genişletti. Figma’nın IPO sonrası hikayesi şu an bir savunma savaşı.</p><p>Figma’nın avantajı hâlâ developer handoff, design token yönetimi ve enterprise ekiplerin yıllar içinde oluşturduğu workflow’lar. Ama Claude Design’ın .fig dosyalarını doğrudan import edebilmesi ve GitHub entegrasyonu, bu advantage’ı da aşındırıyor.</p><p>Tasarım araçları savaşı artık “hangi aracı kullanıyorsun” değil, “AI’ın tasarım sürecinde ne kadar söz sahibi olacağı” üzerine. Ve bu sorunun cevabı her geçen gün “daha fazla” oluyor.</p><h3>Sonuç</h3><p>Claude Design henüz Research Preview aşamasında — daha da gelişecek. Ama .fig dosya import’u, GitHub/codebase entegrasyonu, animasyon desteği, video/3D ve iteratif AI iş akışıyla şimdiden ciddi bir tablo çiziyor.</p><p>Stitch ücretsizdi ve Figma’yı sarstı. Claude Design ise mevcut tasarım ekosisteminizi anlayarak çalışıyor — bu belki de daha tehlikeli.</p><p><strong>claude.ai/design</strong> adresinden deneyebilirsiniz.</p><p><strong>#ClaudeDesign #Anthropic #Figma #GoogleStitch #AI #Design #UXDesign #VibeCoding</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c92d63c1e817" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/claude-design-figmaya-bir-darbe-daha-bu-sefer-anthropic-ten-c92d63c1e817">Claude Design: Figma’ya Bir Darbe Daha — Bu Sefer Anthropic’ten</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Plan Yolda Değişince Kim Ayakta Kalır? GSD, BMAD, Spec Kit ve Superpowers’ın Gerçek Sınavı]]></title>
            <link>https://medium.com/ibtech/plan-yolda-de%C4%9Fi%C5%9Fince-kim-ayakta-kal%C4%B1r-gsd-bmad-spec-kit-ve-superpowers%C4%B1n-ger%C3%A7ek-s%C4%B1nav%C4%B1-8d5d428a73f7?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/8d5d428a73f7</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 05 Apr 2026 16:18:39 GMT</pubDate>
            <atom:updated>2026-04-05T16:19:18.291Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eQ1b30pnwYxqAkAkfLxFGQ.png" /></figure><p><strong>AI coding asistanlarıyla ciddi proje yürütürken “plan yap ve uygula” yetmiyor. Asıl soru: plan adım 3&#39;te çökünce framework ne yapıyor?</strong></p><p>Eğer son altı ayda Claude Code / Cursor / Codex gibi bir AI coding asistanıyla ciddi bir proje yürüttüyseniz, şu problemi tanıyorsunuzdur: model akıllı, ama 80K token civarında dikkati dağılıyor. Kararları unutuyor, scope’u sessizce küçültüyor, bir saat önce yazdığı fonksiyonu yeniden yazıyor.</p><p>Bu probleme “<strong>context rot</strong>” deniyor ve 2025 boyunca bunu çözmek için farklı felsefelerde en az altı framework ortaya çıktı: BMAD Method, Spec Kit, SPARC, Prompt-Driven Dev, Context Engineering ve GSD (Get Shit Done).</p><p>Bunların hepsi “spec-driven development” etiketi altında gruplanıyor. Ama etikete takılmayalım — asıl ayırt edici soru şu:</p><blockquote><strong><em>Plan yapıldıktan sonra plan değişmesi gerektiğinde, framework ne yapıyor?</em></strong></blockquote><p>MVP çıkarmak düz bir yol değil. Gerçek geliştirme sürecinde adım 2&#39;de yanıldığını adım 4&#39;te anlıyorsun. Framework’ler tam burada birbirinden ayrılıyor.</p><p>Bu yazıda dört framework’ü teknik olarak karşılaştırıyorum: <strong>BMAD, Spec Kit, GSD ve Superpowers.</strong> Hepsi LLM’in bağlam sorununu çözmeye çalışıyor ama farklı mimarilerle ve — kritik nokta — <strong>farklı soyutlama seviyelerinde.</strong> Bu araçlar belirli bir editöre ya da modele bağlı değil: Claude, GPT, Gemini fark etmeksizin Claude Code, Cursor, Codex, Gemini CLI, Copilot CLI gibi runtime’larda çalışıyorlar. MVP odaklı, iteratif, “yolda değişecek” bir proje için hangisinin neyi iyi/kötü yaptığını, ve birlikte nasıl kullanılabileceğini açmaya çalışacağım.</p><h3>Temel Problem: Context Rot’un Anatomisi</h3><p>Önce alt yapıyı netleştirelim. Modern LLM’lerin 100K-200K token penceresi (Claude, GPT, Gemini fark etmez) şu üç sebepten dolayı uzun oturumlarda bozulur:</p><p><strong>1. Attention dilution.</strong> Transformer mimarisi her token’a dikkat eder, ama dikkat sınırlı bir kaynak. Bağlam büyüdükçe her bir kararın dikkat payı azalır. Model “seçici ilgi” gösterir ve kritik olmayan tokenlar gürültüye dönüşür.</p><p><strong>2. Decision drift.</strong> İlk bağlamda “React kullanıyoruz” kararı güçlü bir sinyal. 120K token sonra aynı karar, onlarca başka kararın arasında kaybolmuş 30-satırlık bir paragraf. Model yeni dosya yazarken bu kararı unutabilir.</p><p><strong>3. Scope erosion.</strong> Başlangıçta 10 gereksinim varsa, model ilerledikçe bazılarını tamamlandı varsayar, bazılarını tali görür. “Bitti” dediği anda 7/10 tamamlanmış olabilir — siz 2 gün sonra fark edersiniz.</p><p>Bu üç sorunun ortak çözümü yok. Ama farklı framework’ler farklı önceliklendirme yapıyor:</p><p>FrameworkSeviyeÖncelikli HedefMimari Yaklaşım<strong>BMAD</strong>Makro (proje)Role-based attentionPersona ajanları (Analyst, Architect, PM, Dev, QA)<strong>Spec Kit</strong>Makro (proje)Spec immutability/specify → /plan → /tasks → /implement zinciri, spec tek gerçek kaynak<strong>GSD</strong>Makro (proje)Context isolationHer görev için taze 200K pencere, wave-based paralel yürütme<strong>Superpowers</strong>Mikro (görev)Engineering disciplineTDD zorunluluğu, git worktree izolasyonu, subagent-driven review</p><p>Bu satırlar önemli. Dördü de “spec-driven” başlığı altında gruplanabilir ama <strong>hedefleri farklı ölçeklerde.</strong> BMAD, Spec Kit ve GSD proje yaşam döngüsünü orkestre eder — vizyondan milestone’a. Superpowers ise tek bir görevin içindeki mühendislik disiplinini zorlar — her commit’in TDD ile yazılıp, kendi git worktree’sinde izole edildiği, code review’dan geçtiği bir akış.</p><p>Bu ayrım, yazının sonunda ele alacağım “kombinasyon” tezinin temeli: <strong>GSD (makro) + Superpowers (mikro) birbirini değil, birbirini tamamlayan araçlar.</strong></p><h3>BMAD Method: Rol Oynayan Ajanlar</h3><p>BMAD (Breakthrough Method for Agile AI Driven Development), Agile metodolojisinden ilham alıyor. Temel argümanı şu: yazılım projesi zaten “roller” etrafında organize. AI ajanlarını da bu rollere göre ayırırsak, her ajan kendi dar alanında odaklanır, context rot problemi ortadan kalkar.</p><p>BMAD’in standart ajan seti:</p><pre>Analyst    → requirements gathering, stakeholder interview simulation<br>PM         → PRD (Product Requirements Document) yazımı<br>Architect  → sistem tasarımı, teknoloji seçimi<br>Scrum Master → story breakdown, sprint planning<br>Dev        → implementation<br>QA         → test ve validation<br>UX         → user flow, wireframe</pre><p>Bir proje bu ajanlar arasında <strong>döngüsel ve yapılandırılmış</strong> şekilde ilerler. Örneğin Analyst bir project-brief.md üretir, PM bunu prd.md&#39;ye çevirir, Architect architecture.md yazar, Scrum Master user-stories.md döker, Dev her story&#39;yi tek tek uygular.</p><p><strong>Teknik olarak güçlü yanları:</strong></p><ul><li>Her ajan kendi template’iyle geliyor; PRD formatı sabit, architecture format sabit. Bu <strong>tutarlılık garantisi</strong> sağlıyor.</li><li>Template’ler enterprise projelerde kullanılan dokümantasyon standartlarına yakın — Jira’dan, Confluence’dan aşina olduğun yapılar.</li><li>Workflow phase’leri .bmad-core/ gibi bir config klasöründe tanımlı, customizable.</li></ul><p><strong>Teknik olarak zayıf yanları:</strong></p><ul><li><strong>Ağır.</strong> Bir basit side-project için 7 ajanla konuşmak, 6 ayrı markdown üretmek overhead yaratıyor. Enterprise’a göre tasarlanmış bir yapı.</li><li><strong>Değişime direnç.</strong> Plan Analyst’ten başlayıp Dev’e kadar akar; adım 4&#39;te “aslında başka bir stack kullanmalıyız” dersen, Analyst’e geri dönüp tüm zinciri yeniden çalıştırman gerekir. Değişim expensive.</li><li><strong>Paralelleştirme yok.</strong> Rol bazlı workflow serial. Analyst bitmeden PM başlayamaz. Context izolasyonu zaman kazandırmıyor çünkü tasarım serial akışı öngörüyor.</li></ul><p>BMAD’in hedef kitlesi net: <strong>kurumsal AI dönüşümü yapan, rol tabanlı dokümantasyon disiplini zaten olan ekipler.</strong>Konsept olarak güçlü ama MVP iterasyonu için ağır bir takım elbise.</p><h3>Spec Kit: Specification as Source of Truth</h3><p>Spec Kit (GitHub’ın resmi spec-driven dev toolkit’i) çok daha sert bir pozisyon alıyor: <strong>kod geçicidir, spec kalıcıdır.</strong> Hatta kendi dokümanlarında “spec is the source code, implementation is the artifact” gibi bir cümle geçiyor.</p><p>Spec Kit’in dört komut akışı:</p><pre>/specify     → Ne yapılacağını tarif et (WHAT &amp; WHY)<br>/plan        → Teknik plan üret (HOW)<br>/tasks       → Atomik görevlere böl<br>/implement   → Görevleri uygula</pre><p>Her adım diske bir dosya yazar:</p><ul><li>spec.md → business-level ne, neden</li><li>plan.md → teknik tasarım, architecture, veri modeli</li><li>tasks.md → numaralı, bağımsız, test edilebilir görevler</li></ul><p><strong>Teknik olarak güçlü yanları:</strong></p><ul><li><strong>Spec-first disiplin.</strong> spec.md değişmeden kod değişmez. Bu, tersine mühendislik ile gelen spec drift&#39;i önlüyor.</li><li><strong>Constitution concept.</strong> Spec Kit projelerinde memory/constitution.md var — projenin immutable kuralları (örn. &quot;database migration&#39;sız schema değişikliği yasak&quot;). Her /implement bu kurallara karşı kontrol edilir.</li><li><strong>Hafif ve sade.</strong> BMAD gibi 7 ajanlı değil. Workflow daha düz, öğrenme eğrisi düşük.</li><li><strong>GitHub-native.</strong> GitHub CLI, Copilot, Actions entegrasyonu out-of-the-box.</li></ul><p><strong>Teknik olarak zayıf yanları:</strong></p><ul><li><strong>Değişim maliyeti hâlâ yüksek.</strong> Spec’i değiştirdiğinde plan’ı yeniden üretmen, plan’ı değiştirdiğinde task’ları yeniden üretmen gerekir. Zincir linear.</li><li><strong>Paralel execution native değil.</strong> /implement görevleri sırayla çalıştırır. Bağımlılık analizi otomatik yapılmıyor.</li><li><strong>Context isolation zayıf.</strong> Her /implement çağrısı aynı LLM oturumunda çalışır; uzun projelerde context rot geri gelir.</li><li><strong>Rollback mekaniği manuel.</strong> Bir task başarısızsa, git reset + spec güncelleme + yeniden planlama senin sorumluluğunda.</li></ul><p>Spec Kit’in hedef kitlesi: <strong>mission-critical, spec compliance’ın sert olduğu projeler.</strong> Finansal servisler, healthcare, regulated industries. “Spec’i değiştirmek büyük iştir, o yüzden başta iyi düşünülmeli” felsefesiyle hizalı.</p><h3>GSD: Context Engineering + Wave Execution</h3><p>GSD (TÂCHES tarafından) farklı bir mimari tercihi yapıyor. Sorun “hangi rol ne yapar” ya da “spec değişmesin” değil — sorun <strong>LLM’in her göreve temiz bağlamla başlayamaması.</strong></p><p>GSD’nin yaklaşımı: işi 5 faza böl, her faz diske kalıcı artefaktlar yazsın, ve <strong>execute fazında her atomik görev kendi taze 100K-200K pencereli alt-ajanında</strong> koşsun.</p><pre>Initialize → Discuss → Plan → Execute → Verify</pre><p>Dikkat: Initialize, Discuss, Plan, Verify fazları <strong>orkestrasyon ajanlarıyla</strong> yürür — paralel research, checker agent, debugger agent. Execute fazı ise <strong>wave-based</strong>. Bağımlı olmayan görevler aynı dalgada, paralel alt-ajanlarda koşar.</p><p><strong>Teknik olarak güçlü yanları:</strong></p><ul><li><strong>Gerçek paralelleştirme.</strong> Planner, görevleri dependency DAG’ına koyar, topolojik sıralama yapar. Bağımsız görevler aynı wave’de paralel. 8 task’lık bir plan serial yerine 3 wave’de bitebilir.</li><li><strong>Fresh context per task.</strong> Her executor görevi sıfır token’dan başlar. PLAN.md&#39;deki task tanımı + ilgili 2-3 dosya. Başka hiçbir şey yok. Context rot problemini <strong>yapısal olarak</strong> çözüyor.</li><li><strong>Atomik görevler XML formatında tutulur.</strong> PLAN.md içindeki her task bir &lt;task&gt; bloğu: &lt;id&gt;, &lt;description&gt;, &lt;context_files&gt;, &lt;acceptance_criteria&gt;, &lt;dependencies&gt; gibi alanları var. Bu, LLM&#39;in yanlış anlama payını düşürüyor — Markdown serbest metnin aksine, XML açık, makine-okunabilir ve executor alt-ajanlara deterministik biçimde aktarılabilir. DAG bağımlılıkları bu XML&#39;den doğrudan parse ediliyor.</li><li><strong>Quality gates otomatik.</strong> Verify fazında dört kapı var: schema_drift, scope_reduction, security_anchor, state_consistency. Bunlar opsiyonel değil; verify başarısızsa plan FAIL verir.</li><li><strong>Fix loop zincirli.</strong> Verify FAIL → debugger agent root cause bulur → yeni FIX-PLAN.md üretir → execute tekrar. Bu döngü en fazla 3 iterasyon, sonra user&#39;a döner. Otomatik ama kontrollü.</li><li><strong>Quick mode.</strong> Full pipeline overkill olduğunda /gsd-quick ile tek komut, tek dosya işleri hızlıca halledebiliyorsun. Framework katılığı opsiyonel.</li></ul><p><strong>Teknik olarak zayıf yanları:</strong></p><ul><li><strong>.planning/ hafızası manuel sync gerektirebilir.</strong> STATE.md dosya sistemiyle desync olabiliyor; /gsd-state sync komutu var ama arada insan gözü istiyor.</li><li><strong>DAG planlaması Planner agent’a bağımlı.</strong> Planner bağımlılıkları yanlış çıkarırsa, paralel koşması gereken görevler serial çalışır ya da tersine — race condition oluşur.</li><li><strong>Learning curve orta.</strong> 12 agent + 12 komut + 7 artefakt dosya. BMAD kadar ağır değil ama Spec Kit’ten daha fazla öğrenilecek şey var.</li></ul><p>GSD’nin hedef kitlesi: <strong>indie developer, small team, yüksek iterasyon hızı isteyen projeler.</strong> Enterprise roleplay yok, hızlı deney yapmaya izin veren bir disiplin.</p><h3>Superpowers: Görev Seviyesinde Mühendislik Disiplini</h3><p>Jesse Vincent ve Prime Radiant ekibinin çıkardığı <a href="https://github.com/obra/superpowers">Superpowers</a>, diğer üçünden <strong>farklı bir soyutlama seviyesinde</strong>çalışıyor. BMAD, Spec Kit ve GSD “projeyi nasıl organize ederiz” sorusunu cevaplıyor. Superpowers ise “<strong>her görevin içinde LLM nasıl disiplinli çalışır</strong>” sorusunu cevaplıyor.</p><p>Superpowers, agentic skills framework olarak kendini tanımlıyor. Composable, reusable skill’lerden oluşan bir kütüphane:</p><pre>Planning &amp; Design<br>  brainstorming                   → Socratic tartışma, tasarım netleştirme<br>  writing-plans                   → 2-5 dakikalık atomik task&#39;lara bölme<br>  executing-plans                 → Plan üzerinden checkpoint&#39;li yürütme<br>  dispatching-parallel-agents     → Alt-ajanları paralel dağıtma</pre><pre>Engineering Discipline<br>  test-driven-development         → RED-GREEN-REFACTOR zorunluluğu<br>  systematic-debugging            → 4-fazlı root cause analizi<br>  verification-before-completion  → Claim&#39;den önce kanıt iste<br>  using-git-worktrees             → Branch izolasyonu</pre><pre>Review &amp; Ship<br>  requesting-code-review          → Subagent review&#39;u<br>  receiving-code-review           → Review geri bildirimini işleme<br>  finishing-a-development-branch  → Merge/PR hijyen<br>  subagent-driven-development     → İki-aşamalı otonom execution</pre><p><strong>Teknik olarak güçlü yanları:</strong></p><ul><li><strong>TDD zorunluluğu.</strong> Superpowers, test’i önce yazdırır. Test FAIL etmeden implementasyona geçmez. Bu “evet TDD yapacağız” demek değil, <strong>araç seviyesinde zorunlu kılmak.</strong></li><li><strong>Git worktree native.</strong> Her görev kendi worktree’sinde açılır, master branch’e hiç dokunulmaz. Paralel iş yapmak için ideal — branch çakışması olmaz.</li><li><strong>Subagent-driven development.</strong> Bir alt-ajan task’ı uygular, ikinci bir alt-ajan review yapar, ana oturum onaylar. <strong>İki-aşamalı kalite kontrolü</strong> otomatik.</li><li><strong>Systematic debugging skill’i.</strong> Hata oluştuğunda “şunu dene” değil, “observe → hypothesize → test → confirm” disiplinine zorlar. Root cause bulmadan fix yapmaz.</li><li><strong>Socratic brainstorming.</strong> Kod yazmadan önce “ne yapmaya çalışıyorsun gerçekten?” diye sorular sorar. Premature implementation’ı önler.</li><li><strong>Plugin marketplace ile kurulum.</strong> Claude Code, Cursor, Gemini CLI, Copilot CLI, Codex hepsinde native çalışıyor.</li></ul><p><strong>Teknik olarak zayıf yanları:</strong></p><ul><li><strong>Proje seviyesi yapı yok.</strong> Superpowers bir PROJECT.md, REQUIREMENTS.md, ROADMAP.md üretmez. Milestone kavramı yok. Bir proje bittiğinde neye benzeyeceğini tarif eden bir mekanizma yok.</li><li><strong>Küçük görevler için bile mandatory workflow.</strong> TDD zorunluluğu 5 satırlık bir CSS fix için overkill olabiliyor. Disiplin bazen yavaşlatıyor.</li><li><strong>DAG/wave execution yok.</strong> Superpowers task’ları paralel dağıtabiliyor ama bağımlılık grafiği çıkarmıyor. Paralelleştirme developer’ın kararı.</li><li><strong>Scope drift koruması minimal.</strong> Başlangıçta tanımlanmış gereksinim listesi yoksa, “scope küçüldü mü” sorusuna cevap veremez. Bu konuyu başka bir sisteme bırakır.</li></ul><p>Superpowers’ın hedef kitlesi: <strong>mühendislik disiplinini önemseyen, TDD/worktree/code review’u araç seviyesinde zorunlu kılmak isteyen geliştiriciler.</strong> Agile metodoloji kurmaya çalışmıyor, proje planlaması yapmıyor — tek bir görevi <strong>doğru yapmanın</strong> yolunu kodluyor.</p><h3>Asıl Test: Yolda Plan Değiştiğinde Ne Oluyor?</h3><p>MVP çıkarmak düz bir yol değil. Gerçek hayatta şu olur:</p><blockquote><em>Adım 1: Auth modülü. ✓<br>Adım 2: User profile. ✓<br>Adım 3: Activity feed. Başlarken fark ediyorsun ki veri modeli yanlış kurulmuş — user’ların birden çok organization’a ait olabileceğini hesaba katmamışsın.</em></blockquote><p>Dört framework buna farklı tepki verir:</p><h3>BMAD’in tepkisi</h3><p>Analyst’e geri dön. Stakeholder interview yeniden. PRD güncelle. Architect, veri modelini yeniden tasarlar. Scrum Master story’leri yeniden böler. Dev zaten yapılmış 1. ve 2. adımları yeniden ele alır. <strong>Maliyet: ~2–3 saat + bağlam karmaşası.</strong></p><h3>Spec Kit’in tepkisi</h3><p>spec.md&#39;yi güncelle (organizations eklenir). /plan tekrar çalıştır. Planner yeni plan üretir; eski plan.md overwrite olur. /taskstekrar. /implement tekrar — ama model, adım 1 ve 2&#39;nin tamamlandığını hatırlamak zorunda. <strong>Maliyet: ~1 saat + git merge discipline.</strong></p><h3>GSD’nin tepkisi</h3><p>STATE.md&#39;yi güncelle — &quot;organizations feature added to scope&quot;. /gsd-discuss-phase 2 çalıştır: yeni kararlar (tenant isolation? slug structure?) lock&#39;lanır. /gsd-plan-phase 2 yeni PLAN.md üretir — ama <strong>önceki commit&#39;ler intact</strong>, yapılmış görevler SUMMARY.md&#39;de kayıtlı. Yeni plan sadece delta&#39;yı içerir. /gsd-execute-phase 2 sadece yeni/değişen task&#39;ları wave&#39;lere koyar. <strong>Maliyet: ~20-30 dakika + atomic git commit&#39;ler sayesinde temiz rollback.</strong></p><h3>Superpowers’ın tepkisi</h3><p>Superpowers proje seviyesinde bir “plan” tutmadığı için “zinciri yeniden çalıştırmak” diye bir şey yok. Ama <strong>yeni görev için disiplin aynı kalıyor</strong>: using-git-worktrees skill&#39;i yeni worktree açar, writing-plans skill&#39;i organizations feature&#39;ı için 2-5 dakikalık task&#39;lara böler, test-driven-development skill&#39;i her task için önce test yazdırır. Eski branch&#39;ler intact; scope değişiminin &quot;reconciliation maliyeti&quot; yok çünkü Superpowers zaten her görevi izole ele alıyor. <strong>Maliyet: yeni görev için yeni worktree açmak kadar, ~5 dakika + TDD cycle&#39;ları.</strong> Ama <strong>trade-off şu</strong>: veri modeli değişikliğinin eski auth/profile modüllerine etkisi <strong>otomatik yakalanmaz</strong> — o analiz developer&#39;a kalır. Proje seviyesi yapı olmadığı için değişimin &quot;sistem genelindeki etkisi&quot; framework tarafından izlenmez.</p><p>Bu uydurma senaryo değil. Framework mimarisinin doğrudan sonucu.</p><p><strong>BMAD</strong> rol tabanlı olduğu için değişim tüm zinciri etkiler. <strong>Spec Kit</strong> spec-immutability vurguladığı için değişim spec’ten başlar, yukarıdan aşağı yayılır. <strong>GSD</strong> context isolation yaptığı için değişim lokal kalabilir — önceki dalgaların çıktıları “donmuş” kabul edilir, sadece değişen kısım yeniden hesaplanır. <strong>Superpowers</strong> proje seviyesinde durum tutmadığı için değişimi “bir sonraki görev” olarak ele alır — hafiftir ama cross-task etki analizi yoktur.</p><h3>MVP Felsefeleri: Hangi Framework Hangi Düşünce Tarzını Kodluyor?</h3><p>Framework tercihi aslında bir <strong>felsefe tercihi.</strong> Dört framework’ün arkasındaki varsayımlara bakalım:</p><p><strong>BMAD’in varsayımı:</strong></p><blockquote><em>“Doğru rolleri, doğru template’lerle, doğru sırayla uygularsanız, kaliteli yazılım çıkar.”</em></blockquote><p>Bu waterfall + Agile hibridi. Rol ayrımının disiplini önceler. MVP konusundaki ima: “önce düzgün düşün, sonra yap.”</p><p><strong>Spec Kit’in varsayımı:</strong></p><blockquote><em>“Spec doğru olursa gerisi detay. Kodu değiştirmek kolay, spec’i değiştirmek zor — o yüzden başta iyi düşünülmeli.”</em></blockquote><p>Bu contract-first development’ın AI versiyonu. MVP konusundaki ima: “önce kontratı netleştir, sonra uygula. Kontrat değişirse tüm sistem yeniden değerlendirilir.”</p><p><strong>GSD’nin varsayımı:</strong></p><blockquote><em>“Plan başta tam doğru olmayacak. Ama her adımda deney yapmaya açık olursan, yanlış kararlar local kalır ve sistem genelini çökertmez.”</em></blockquote><p>Bu build → measure → learn loop’unun mimariye gömülmüş hali. MVP konusundaki ima: <strong>“her adımda birkaç yoldan birini seçersin. Seçtiğin yol yanlışsa, geri dönüş maliyeti düşük olmalı.”</strong></p><p><strong>Superpowers’ın varsayımı:</strong></p><blockquote><em>“Planlamadan daha önemlisi, uygularken disiplinli olmaktır. Her task önce test, sonra implement, sonra review. Branch izolasyonu default. Bu disiplini araç seviyesinde zorunlu kılmazsan, ne kadar iyi plan yapsan da kod kalitesi düşer.”</em></blockquote><p>Bu extreme programming (XP)’in AI çağına uyarlaması. MVP konusundaki ima: <strong>“plan değişsin, değişmesin fark etmiyor; her satır kod disiplinle yazılırsa, refactoring maliyeti düşer ve iterasyon hızlı olur.”</strong></p><p>Bu son cümle kritik. Gerçekte MVP çıkarmak “önceden bilinen bir şeyi inşa etmek” değil, “bilinmeyeni adım adım daraltmak”. İdea → Step 1 (3 alternatif deney) → Step 2 (3 alternatif deney) → Step 3 (3 alternatif deney) → MVP. Her adımda seçilmiş yolu tut, diğerlerini arşivle, ilerle.</p><p>GSD bu akışı doğrudan kodluyor: <strong>research fazında 4 paralel ajan farklı yolları araştırır, discuss fazında sen birini seçersin, execute onu gerçekleştirir, verify doğrular.</strong> Seçilmeyen yollar .planning/archived/ altında saklanır — ileride geri dönmek istersen hazır.</p><p>BMAD ve Spec Kit bu iteratif keşif akışını bu kadar doğrudan modellemiyor. Modelleyebilirler, ama native olarak tasarlanmamışlar.</p><h3>Pratik Karar Rehberi</h3><p>Projenizin karakterine göre hangi framework’ün uygun olduğunu net koymak gerekirse:</p><p><strong>BMAD seçin eğer:</strong></p><ul><li>Enterprise dönüşüm projesinde çalışıyorsanız</li><li>Ekibiniz zaten rol tabanlı çalışıyor (PM, Arch, QA net ayrı)</li><li>Dokümantasyon compliance bir requirement</li><li>Değişim sık olmayacak, plan görece stabil kalacak</li></ul><p><strong>Spec Kit seçin eğer:</strong></p><ul><li>Regulated industry (finance, healthcare, defense)</li><li>Spec immutability bir değer, sık değişim anti-pattern</li><li>GitHub ekosistemi içinde derin çalışıyorsunuz</li><li>Audit trail ve compliance önemli</li></ul><p><strong>GSD seçin eğer:</strong></p><ul><li>Solo developer veya 2–5 kişilik ekipsiniz</li><li>MVP çıkarıyorsunuz, hızlı iterasyon kritik</li><li>Plan değişecek, değişim maliyeti düşük olmalı</li><li>Paralelleştirme zaman kazandırıyor</li><li>Birden fazla runtime (Claude Code, Cursor, Codex, Gemini CLI, Copilot CLI) kullanıyorsunuz</li></ul><p><strong>Superpowers seçin eğer:</strong></p><ul><li>Mühendislik disiplini (TDD, code review, git worktree) bir değer</li><li>Proje planlaması zaten başka bir araçta (GSD, Jira, Linear) tutuluyor</li><li>Birden çok AI runtime’ı var ve hepsinde aynı skill’leri istiyorsunuz</li><li>“Her task düzgün biten task” kafasındasınız, hız ikinci sırada</li></ul><p><strong>Hiçbirini seçmeyin eğer:</strong></p><ul><li>Tek dosyalık script yazıyorsunuz</li><li>30 dakikalık bugfix</li><li>Prototip/keşif aşamasında, disiplin yavaşlatıyor</li></ul><h3>GSD + Superpowers: Makro + Mikro Kombinasyonu</h3><p>Bu yazının en pratik çıkarımı belki şu: <strong>büyük projelerde GSD ve Superpowers’ı birlikte kullanmak mantıklı.</strong></p><p>Mantık basit. GSD proje seviyesini yönetmek için tasarlanmış — vizyondan milestone’a, faz faz ilerleme, wave execution, scope koruması. Ama GSD’nin execute fazı “bu task’ı yap” dediğinde, <strong>o task’ın içinde nasıl yapılacağı</strong> spesifikleşmemiş durumda. Executor agent TDD yapabilir, yapmayabilir; review yaptırabilir, yaptırmayabilir; worktree kullanabilir, kullanmayabilir.</p><p>Superpowers tam bu boşluğu dolduruyor. Görev seviyesinde disiplin kurallarını araç seviyesinde zorunlu kılıyor.</p><h3>Pratik Kombinasyon Modeli</h3><p>Büyük bir proje şöyle yürüyebilir:</p><pre>GSD (makro orchestration)<br>  /gsd-init        → Vizyon, REQUIREMENTS.md, ROADMAP.md<br>  /gsd-plan-phase  → PLAN.md, task DAG, wave breakdown<br>  /gsd-execute-phase ↓<br>    │<br>    └─→ Her wave&#39;deki her task için:<br>        Superpowers (mikro discipline)<br>          using-git-worktrees             → Task için izole worktree<br>          test-driven-development         → RED-GREEN-REFACTOR<br>          subagent-driven-development     → 2-aşamalı review<br>          verification-before-completion  → Claim&#39;den önce kanıt<br>        ↓<br>    Task PR&#39;ı oluşur, code review&#39;dan geçer<br>    │<br>  /gsd-verify-phase → Quality gates, schema/scope/security/state</pre><p>Bu kombinasyonda <strong>sorumluluk ayrımı net:</strong></p><p>KatmanSorumlulukAraçProjeVizyon, roadmap, faz, DAG, wave execution, quality gatesGSDGörevBranch izolasyonu, TDD, code review, systematic debuggingSuperpowers</p><h3>Neden Birbirini Tamamlıyor?</h3><p><strong>GSD’nin boşluğu:</strong> Executor agent’ın içinde ne olduğunu GSD dikte etmez. “Task’ı yap” der, sonucunu alır. Executor karar verir nasıl yapacağına.</p><p><strong>Superpowers’ın boşluğu:</strong> “Bu bir proje mi, 5 dakikalık bir fix mi?” sorusuna cevabı yok. Proje yapısını kullanıcıya bırakır.</p><p>İkisini birleştirdiğinizde:</p><ul><li><strong>GSD</strong> “ne” (which tasks, which order, which wave, which gates)</li><li><strong>Superpowers</strong> “nasıl” (TDD, worktree, review, verify)</li></ul><p>Bir benzetme: GSD projenin <strong>mimarı ve PM’i</strong>, Superpowers her geliştiricinin <strong>bireysel mühendislik standardı</strong>.</p><h3>Gerçek Proje Senaryosu</h3><p>Solo bir developer, 3 aylık bir SaaS MVP’si çıkarıyor:</p><p><strong>1. Ay 1 — Kurulum + Auth + Profile:</strong><br>GSD ile /gsd-init → vizyon, /gsd-discuss → tech stack, /gsd-plan → 3 wave&#39;lik plan. Execute fazında her task Superpowers ile: worktree → test → implement → review → merge.</p><p><strong>2. Ay 2 — Plan değişimi (organizations feature):</strong><br>GSD’nin STATE.md güncelleniyor. /gsd-discuss-phase 2 → yeni kararlar. /gsd-plan-phase 2 → delta plan. Execute sırasında Superpowers aynı disiplini uyguluyor; eski auth modülüne dokunulmuyor çünkü GSD o wave&#39;i kapalı tutuyor.</p><p><strong>3. Ay 3 — Prod-ready polish:</strong><br>GSD /gsd-verify ile quality gates çalışıyor. Superpowers requesting-code-review ile her değişiklik 2-aşamalı review&#39;dan geçiyor. finishing-a-development-branch skill&#39;i merge hijyenini yapıyor.</p><p>Bu kombinasyonun güzelliği: <strong>seviyeler birbirine karışmıyor.</strong> GSD proje seviyesinde disiplin yaratırken, Superpowers task seviyesinde disiplin yaratıyor. İkisi aynı anda aktif olduğunda, proje hem yapısal hem de operasyonel olarak sağlam ilerliyor.</p><h3>Küçük Projeler İçin Kombinasyon Aşırı mı?</h3><p>Evet. 2 günlük bir script için GSD + Superpowers overkill. O durumda:</p><ul><li>Çok küçük → sadece Superpowers (TDD + worktree ile temiz git history)</li><li>Orta → sadece GSD (/gsd-quick ile hızlı pipeline)</li><li>Büyük → GSD + Superpowers (makro + mikro)</li></ul><p>Büyüklük eşiği kabaca şöyle: <strong>plan yolda değişecek mi?</strong> Eğer cevap “büyük ihtimalle evet” ise, GSD’nin değişim yönetimi + Superpowers’ın task disiplini birlikte değerli.</p><h3>Teknik Sonuç</h3><p>Dört framework de context rot / discipline problemini çözmeye çalışıyor, ama dört farklı mimari tercih yapıyor:</p><ul><li><strong>BMAD:</strong> Attention’ı rollere bölerek çöz. (makro, role-based)</li><li><strong>Spec Kit:</strong> Spec’i immutable yaparak çöz. (makro, contract-first)</li><li><strong>GSD:</strong> Her göreve taze bağlam vererek çöz. (makro, context-isolation)</li><li><strong>Superpowers:</strong> Her görevi disiplinli yazılmaya zorlayarak çöz. (mikro, engineering-discipline)</li></ul><p>Mimari tercih, değişim maliyetini belirler. Değişim maliyeti, framework’ün hangi projeye uygun olduğunu belirler.</p><p>MVP odaklı, “yolda değişecek” bir proje için <strong>GSD’nin makro mimarisi yapısal olarak en uygun</strong>: wave-based execution sayesinde önceki dalgalar donmuş kalır, yeni dalga sadece delta’yı içerir, rollback atomic commit’ler üzerinden temiz yapılır.</p><p>Ama büyük bir projede GSD’nin execute fazındaki “nasıl” boşluğunu <strong>Superpowers</strong> doldurur: TDD, worktree, code review, systematic debugging araç seviyesinde zorunlu hale gelir. Bu yüzden <strong>büyük projelerde GSD ile başlayıp, her task’ın içinde Superpowers’ı devreye sokmak</strong> mantıklı bir kombinasyon.</p><p>Bu, GSD’yi “en iyi framework” yapmaz. Enterprise bir compliance projesinde BMAD’in rol disiplini doğru olur. Bir fintech’in auth servisinde Spec Kit’in immutability’si doğru olur. Disiplin-ağır bir geliştirme kültüründe tek başına Superpowers yeterli olabilir.</p><p>Framework tercihi, teknik bir karar olmaktan önce <strong>proje felsefesinin bir ifadesi.</strong> Plan başta tam doğru mu olacak (Spec Kit), yoksa adım adım mı daraltacağız (GSD), rollere mi böleceğiz (BMAD), yoksa her satırı disiplinle mi yazacağız (Superpowers) — bu soruya verdiğiniz cevap, seçtiğiniz aracı belirliyor. Ve cevap birden fazla olabilir: <strong>makro + mikro kombinasyonu, gerçek projeler için en pragmatik yol.</strong></p><p><strong>Teknik kaynaklar:</strong></p><ul><li><a href="https://github.com/gsd-build/get-shit-done">github.com/gsd-build/get-shit-done</a> — GSD ana repo (~50 markdown + Node CLI)</li><li><a href="https://github.com/gsd-build/gsd-2">github.com/gsd-build/gsd-2</a> — GSD v2 (TypeScript runtime, headless otonom yürütme)</li><li><a href="https://www.npmjs.com/package/get-shit-done-cc">npmjs.com/package/get-shit-done-cc</a> — NPM paketi</li><li><a href="https://github.com/bmad-code-org/BMAD-METHOD">github.com/bmad-code-org/BMAD-METHOD</a> — BMAD Method</li><li><a href="https://github.com/github/spec-kit">github.com/github/spec-kit</a> — GitHub Spec Kit</li><li><a href="https://github.com/obra/superpowers">github.com/obra/superpowers</a> — Superpowers (agentic skills framework)</li><li><a href="https://github.com/obra/superpowers-marketplace">github.com/obra/superpowers-marketplace</a> — Superpowers plugin marketplace</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8d5d428a73f7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/plan-yolda-de%C4%9Fi%C5%9Fince-kim-ayakta-kal%C4%B1r-gsd-bmad-spec-kit-ve-superpowers%C4%B1n-ger%C3%A7ek-s%C4%B1nav%C4%B1-8d5d428a73f7">Plan Yolda Değişince Kim Ayakta Kalır? GSD, BMAD, Spec Kit ve Superpowers’ın Gerçek Sınavı</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Google Stitch’in Yeni Güncellemesi: “Vibe Design” ile Tasarım Nasıl Değişiyor?]]></title>
            <link>https://medium.com/ibtech/google-stitchin-yeni-g%C3%BCncellemesi-vibe-design-ile-tasar%C4%B1m-nas%C4%B1l-de%C4%9Fi%C5%9Fiyor-01da69aec8b6?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/01da69aec8b6</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Thu, 19 Mar 2026 14:34:46 GMT</pubDate>
            <atom:updated>2026-03-19T14:37:28.896Z</atom:updated>
            <content:encoded><![CDATA[<p><em>19 Mart 2026&#39;da Google Stitch, sonsuz tuval, sesli tasarım ajanı ve doğrudan düzenleme ile ciddi bir güncelleme aldı. Figma hisseleri %8.8 geriledi. Peki ne değişti?</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CT2GLjjIlFYBgshWF-XGmg.png" /></figure><p>Bu sabah Twitter’ı açtığımda @stitchbygoogle’ın thread’ini gördüm. Birkaç saniye içinde ilk tweette şunu okudum:</p><blockquote>“Vibe Design is here.”</blockquote><p>Ve altındaki thread’i sonuna kadar okuyunca not defterimi açtım.</p><p>Çünkü bu, “yeni bir özellik geldi” türünden bir duyuru değildi. Bu, kullanıcı arayüzü tasarımının nasıl yapıldığını baştan tanımlayan bir açıklamaydı.</p><p>Figma hisseleri de aynı fikirdeydi. NYSE’de FIG hissesi gün içinde %8.8 düştü.</p><h3>Önce: Google Stitch Neydi?</h3><p>Google Stitch, Mayıs 2025&#39;te Google I/O’da duyurulmuş, Google Labs bünyesindeki ücretsiz bir AI tasarım aracıydı. Metin yazıyordunuz, Gemini size bir UI ekranı üretiyordu. Figma’ya aktarabiliyordunuz ya da HTML/CSS kodu çekebiliyordunuz.</p><p>Yararlıydı. Hatta etkileyiciydi. Ama bir ekran üreticisiydi. Figma’nın yerini alacak gibi görünmüyordu.</p><p>19 Mart 2026&#39;da bu değişti.</p><h3>“Vibe Design” Ne Demek?</h3><p>Google’ın kullandığı bu kavram ilk başta pazarlama jargonu gibi görünebilir. Ama aslında çok somut bir şeyi ifade ediyor.</p><p>Geleneksel tasarım araçları şunu sorar: <em>“Hangi bileşeni nereye koyuyorsunuz?”</em></p><p>Vibe Design şunu sorar: <em>“Kullanıcınızın nasıl hissetmesini istiyorsunuz?”</em></p><p>Stitch artık şunları anlayabiliyor:</p><blockquote>“Fintech uygulaması, premium ve güvenilir hissettirmeli, koyu tema”</blockquote><blockquote>“Linear.app’in minimalizmi ama Notion’ın sıcaklığıyla”</blockquote><blockquote>“Kullanıcı ilk açtığında ‘bu benim için yapılmış’ desin”</blockquote><p>Bu girdilerden Stitch, birden fazla tasarım yönü üretiyor. Wireframe yok, bileşen seçimi yok, renk kodları yok. Sadece bir his tarifi — ve AI’dan çoklu yüksek kaliteli UI önerisi.</p><p>Vibe Coding’in tasarımdaki karşılığı bu. Kod yazmadan uygulama geliştirmenin bir paradigmayı değiştirdiği gibi, Vibe Design de wireframe çizmeden tasarım yapmanın paradigması.</p><h3>Gelen 5 Özelliğe Daha Yakından Bakalım</h3><h3>%100 Farklı Bir Çalışma Alanı: Sonsuz Tuval</h3><p>Eski Stitch’te her ekran izole bir üretimdi. Bir ekran ürettiniz, bir sonrakini ayrıca istediniz. Aralarında bağ yoktu.</p><p>Yenisinde artık tek bir sonsuz çalışma alanı var. Panel yok. Katman ağacı yok. Bileşen kütüphanesi paneli yok. Bunların hiçbiri yok. Bunun yerine açık, sınırsız bir düşünme alanı — fikir aşaması, prototip ve teslim, aynı tuvalde, araç değiştirmeden.</p><p>Bu tuvale ne besleyebilirsiniz? Her şey: metin, görsel, ekran görüntüsü, referans URL ya da mevcut kod parçası. Stitch bunların hepsini bağlam olarak kullanıyor.</p><h3>3 Farklı Modda Konuşarak Tasarım: Voice Canvas</h3><p>Bu özellik beni en çok etkileyen.</p><p>Artık Stitch’e konuşabiliyorsunuz. Gemini Live ile çalışan sesli ajan, şu üç şeyi yapabiliyor:</p><p><strong>Komut alıyor.</strong> “Üç farklı menü seçeneği göster.” “Bu ekranı farklı renk paletlerinde dene.” Gerçek zamanlı güncelleme yapıyor.</p><p><strong>Sizi röportaj yapıyor.</strong> Muğlak bir fikriniz varsa ajan sizi derinleştirebilir: “Hedef kitleniz kim?”, “Kullanıcıya ne hissettirmek istiyorsunuz?” Bir ürün müdürüyle ön keşif toplantısı gibi.</p><p><strong>Tasarım eleştirisi sunuyor.</strong> Kontrast sorunlarını söylüyor. Kullanışlılık önerileri veriyor. Tutarlılık hatalarını işaret ediyor.</p><p>Telefonu açıp konuşarak tasarım yapmak artık gerçek.</p><h3>En Çok İstenen Özellik Geldi: Doğrudan Düzenleme</h3><p>Lansmandan bu yana en çok talep edilen özellik buydu ve sonunda geldi.</p><p>AI’ın ürettiği tasarımı beğendiniz, ama bir metnin yanlış olduğunu ya da bir görselin uyumsuz durduğunu fark ettiniz. Önceden yeniden prompt yazmanız gerekiyordu. Şimdi değil.</p><p>Herhangi bir metin öğesine tıklayıp direkt yazabiliyorsunuz. Bir görseli seçip değiştirebiliyorsunuz. Belirli bir alanı seçip sadece o bölüm için ajana talimat verebiliyorsunuz: “Yalnızca bu butonu kırmızı yap.”</p><p>Bu, AI üretiminin kusursuzluk iddiasından vazgeçmesi değil. Aksine, insanın ince ayar yetkinliğini kabul etmesi. İnsan–AI iş birliğinin doğru biçimi bu.</p><h3>Saniyeler İçinde Tıklanabilir Akış: Prototipleme + Play</h3><p>Stitch artık sadece bir ekran üreticisi değil — bir prototipleme aracı.</p><p>Tuvaldeki ekranları birbirine bağlıyorsunuz. Geçişleri tanımlıyorsunuz. “Play” butonuna basıyorsunuz ve tüm kullanıcı akışını tıklanabilir olarak önizleyebiliyorsunuz.</p><p>Buradaki asıl güç şu: Kullanıcı bir butona tıkladığında ne olmalı? Stitch bunu çıkarıyor ve mantıksal bir sonraki ekranı otomatik üretiyor. Sepete ekle → ödeme ekranı. Kayıt ol → onboarding. Kullanıcı yolculuğunu elle haritalamak zorunda kalmıyorsunuz.</p><h3>Tüm Proje Geçmişini Okuyan Ajan: Tasarım Ajanı + DESIGN.md</h3><p>Yeni tasarım ajanı, projenin tüm evrimini takip ediyor. Sadece mevcut ekranı değil, tüm versiyon geçmişini bütün olarak analiz ederek karar veriyor. “Neden bu kararı aldın?” sorusuna yanıt verebiliyor.</p><p>DESIGN.md ise yeni bir standart. Tasarım kurallarınızı — renkler, tipografi, boşluklar, bileşen davranışları — ajan dostu bir Markdown dosyasına aktarıyorsunuz. Bu dosyayı diğer araçlara, diğer projelere, diğer ajanlara taşıyabiliyorsunuz.</p><p>Dahası: herhangi bir URL’den tasarım sistemi çekip DESIGN.md’ye dönüştürebiliyorsunuz. Linear.app’in tasarım sistemini Stitch’e besleyip ona “bu kurallar çerçevesinde yeni bir ekran üret” diyebiliyorsunuz.</p><h3>Figma İçin Ne Anlama Geliyor?</h3><p>Figma hisselerinin %8.8 düşmesi, piyasanın bu duyuruyu gerçek bir tehdit olarak okuduğunu gösteriyor.</p><p>Ama daha dikkatli bakmak gerekiyor.</p><p>Stitch şu an Figma’nın yerini almıyor. Ekip işbirliği, tasarım sistem yönetimi, geliştirici teslimi, yorum döngüleri — bunlar hâlâ Figma’da çok daha olgun.</p><p>Stitch’in yaptığı şey farklı: Tasarım sürecinin en yavaş, en zahmetli, en yaratıcı tıkanıklığı yaratan kısmını — boş tuvalden ilk kavrama geçiş — kökten hızlandırmak.</p><p>Öngörülebilir senaryo şu: Tasarımcılar Stitch’te başlayacak, Figma’da bitirecek. Figma’nın iş akışındaki yeri değişecek ama tamamen ortadan kalkmayacak. En azından şimdilik.</p><h3>Tasarımcılar İçin Ne Değişiyor?</h3><p>Stitch’in bu güncellemesi, tasarımcıların en çok zaman harcadığı ama en az değer ürettiği aşamaları — tekrar eden varyant turu, ilk taslak hazırlama, prototip akışı kurma — hızla geride bırakıyor.</p><p>Bu, tasarımcıların yüksek değerli alanlara daha fazla odaklanması anlamına geliyor: kullanıcı araştırması, marka stratejisi, duygusal tasarım kararları ve müşteriyle ilişki yönetimi. Stitch boş tuval kaygısını ortadan kaldırıyor; tasarımcı ise o tuvalin nereye gideceğine karar veriyor.</p><p>Stitch’in hızlandırdığı şey, yaratıcı keşif sürecinin ta kendisi. Günde 3 fikri değil, 30 fikri test etmek mümkün hale geliyor. Bu, tasarımcının üretkenliğini değil, özgürlüğünü artıran bir değişim.</p><p><a href="https://stitch.withgoogle.com/">stitch.withgoogle.com</a> — ücretsiz, Google Labs bünyesinde, şu an kullanıma açık.</p><p><em>Kaynaklar:</em></p><ul><li><a href="https://x.com/stitchbygoogle/status/2034332847893574080">@stitchbygoogle — X/Twitter Duyurusu</a></li><li><a href="https://muz.li/blog/google-just-introduced-vibe-design-heres-what-it-means-for-ui-designers/">Google Just Introduced “Vibe Design” — Muzli Blog</a></li><li><a href="https://www.theregister.com/2026/03/19/google_stitch_vibe_design_update/">Google offers voice-driven ‘vibe design’ tool — The Register</a></li><li><a href="https://www.neowin.net/news/google-updates-stitch-with-vibe-design-and-infinite-ai-canvas/">Google updates Stitch with ‘vibe design’ and infinite AI canvas — Neowin</a></li><li><a href="https://www.investing.com/news/stock-market-news/figma-stock-falls-after-google-labs-updates-stitch-design-tool-93CH-4569009">Figma stock falls after Google Labs updates Stitch — Investing.com</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=01da69aec8b6" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/google-stitchin-yeni-g%C3%BCncellemesi-vibe-design-ile-tasar%C4%B1m-nas%C4%B1l-de%C4%9Fi%C5%9Fiyor-01da69aec8b6">Google Stitch’in Yeni Güncellemesi: “Vibe Design” ile Tasarım Nasıl Değişiyor?</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Claude Code Scheduled Tasks: AI’ı Arka Planda Çalıştırın]]></title>
            <link>https://medium.com/ibtech/claude-code-scheduled-tasks-ai%C4%B1-arka-planda-%C3%A7al%C4%B1%C5%9Ft%C4%B1r%C4%B1n-b9eb88e63327?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/b9eb88e63327</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 08 Mar 2026 08:23:29 GMT</pubDate>
            <atom:updated>2026-03-08T08:24:32.210Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*BzE8MIECKkHcp4i_NhPa3A.png" /></figure><p>Claude Code’u cron job’la çalıştırmak zaten mümkündü. GitHub Actions ile scheduled workflow kurabiliyordunuz, shell script yazıp sisteme ekleyebiliyordunuz. Teknik olarak “otomasyon” yapılabiliyordu.</p><p>Ama her seferinde bir şeyler kurmanız gerekiyordu. YAML dosyası, secret yönetimi, deployment pipeline. Basit bir “her sabah logları kontrol et” için ciddi bir altyapı.</p><p><strong>Scheduled Tasks</strong> bu kurulumu kaldırıyor. Claude Code’un içinde, doğal dille, tek komutla. Altyapı yok, konfigürasyon yok.</p><h3>Neden Fark Yaratıyor?</h3><p>Claude Code zaten güçlüydü. Ama zamanlanmış iş kurmak hâlâ bir yan proje gerektiriyordu.</p><p>Bir deployment’ın başarılı olup olmadığını otomatik kontrol ettirmek mi istiyordunuz? GitHub Actions workflow’u. Her sabah log analizi? Cron + shell script. PR bekliyor mu diye periyodik kontrol? Ayrı bir araç ya da servis.</p><p>Yapılabiliyordu. Ama her biri için bir şeyler kuruyordunuz. Claude Code’un dışında, ayrı bir katmanda.</p><h3>Ne Yapıyor?</h3><p>Basitçe söylemek gerekirse: bir promptu belirli aralıklarla otomatik olarak çalıştırıyor.</p><p>Dakika bazında, saat bazında, gün bazında. Ya da tek seferlik. “Saat 15:30&#39;da hatırlat” kadar basit, “her iki saatte bir hata loglarını tara, kritik bir şey varsa PR aç” kadar güçlü.</p><p>Kullanım alanları şöyle sıralanabilir:</p><ul><li>Bir deployment’ı saatlik kontrol ettirip sorun varsa PR açtırmak</li><li>Her sabah error log’larını taratıp düzeltilebilir hataları otomatik fix’lemek</li><li>Uzun süren bir build’ın bitmesini beklemek yerine Claude’u nöbetçi bırakmak</li><li>Release zamanı geldiğinde hatırlatma almak</li></ul><p>Kavramsal olarak basit. Ama bu basitlik, pratikte çok şeyi değiştiriyor.</p><h3>Nasıl Kullanılır?</h3><h3>/loop ile Tekrarlayan Görevler</h3><p>En hızlı yol /loop komutu. Bir interval ve prompt veriyorsunuz, Claude arka planda cron job kuruyor:</p><pre>/loop her 2 saatte bir hata loglarını kontrol et, kritik hata varsa PR aç</pre><p>Karmaşık bir sözdizimi yok. “Her 2 saatte bir”, “her sabah 9&#39;da”, “hafta içi her gün” gibi ifadeler direkt çalışıyor. Claude bunları cron expression’a çeviriyor, job ID’siyle birlikte onay veriyor ve arka planda çalışmaya başlıyor.</p><p>Siz başka bir şeyle ilgilenebilirsiniz.</p><h3>Tek Seferlik Hatırlatmalar</h3><p>Tekrar eden işler için /loop varken, tek seferlik şeyler için düz cümle yeterli:</p><pre>Saat 15:30&#39;da release branch&#39;ini push etmemi hatırlat</pre><p>Claude görevi çalıştırır ve siler. Hiç var olmamış gibi.</p><h3>Görev Yönetimi</h3><p>Aktif görevleri listelemek ya da iptal etmek için yine doğal dil yeterli:</p><pre>Şu an çalışan scheduled task&#39;leri göster<br>job-a3f2b1c9&#39;u iptal et</pre><p>Her task’in 8 karakterlik bir ID’si var. Bir session’da aynı anda en fazla 50 görev tanımlanabiliyor.</p><h3>Bilmeniz Gereken Detaylar</h3><p>Özellik güçlü, ama doğasını anlamadan kullanmak hayal kırıklığı yaratabilir.</p><p><strong>Session-scoped çalışır.</strong> Görevler yalnızca o Claude Code oturumu açıkken çalışır. Terminali kapatırsanız her şey gider. Bu bir bug değil, bilinçli bir tasarım kararı. Kalıcı otomasyon için GitHub Actions veya Desktop Scheduled Tasks’e bakmanız gerekiyor.</p><p><strong>Zamanlama kesin değil.</strong> Scheduler, aynı anda binlerce görevin API’ye çarpmasını önlemek için küçük bir gecikme ekliyor. Saatlik görevler tam :00&#39;da değil, :00 ile :06 arasında başlıyor. Kesin zamanlama önemliyse :00 yerine :03 gibi bir dakika seçin — jitter uygulanmıyor.</p><p><strong>3 günde kendini siliyor.</strong> Tekrarlayan görevler oluşturulduktan 3 gün sonra otomatik olarak bitiyor. Sistemin sonsuza kadar çalışmasını önlemek için. Daha uzun süre gerekiyorsa yeniden oluşturmanız gerekiyor.</p><p><strong>Sırasını bekliyor.</strong> Görevler turn’ler arasında çalışır. Claude bir yanıt üretirken görev sıraya girer, o yanıt bitince tetiklenir. Claude meşgulken görev bekler, boşaldığında başlar.</p><p><strong>Yerel saat diliminde çalışır.</strong> Tüm zamanlar bulunduğunuz timezone’a göre yorumlanır. 0 9 * * * İstanbul&#39;da sabah 9 demek, UTC demek değil.</p><p>Kapatmak istiyorsanız: CLAUDE_CODE_DISABLE_CRON=1 environment variable&#39;ı ile scheduler tamamen devre dışı bırakılabiliyor.</p><h3>Gerçek Kullanım Senaryoları</h3><h3>PR Nöbetçisi</h3><pre>/loop her 30 dakikada bir açık PR&#39;larımı kontrol et,<br>review bekliyorsa bana bildir</pre><p>Code review sürecini hızlandırmanın en az efor gerektiren yolu. PR’ın beklemede kaldığını saatler sonra değil, dakikalar sonra öğreniyorsunuz.</p><h3>Otomatik Error Fix</h3><pre>/loop her 2 saatte bir production error loglarını tara,<br>pattern&#39;e göre düzeltilebilir hataları fix et ve PR aç</pre><p>Anthropic’in kendi geliştiricileri bu senaryoyu en güçlü use case olarak gösteriyor. Siz uyurken, Claude hataları buluyor ve düzeltiyor.</p><h3>Sabah Özeti</h3><pre>/loop her sabah 08:45&#39;te dünden kalan commit&#39;leri analiz et,<br>bug riski taşıyanları özetle</pre><p>MCP server bağlıysa Slack’e de gönderebilir. Güne başlamadan önce masa başına ne bırakıldığını bilmek, odaklanmayı kolaylaştırıyor.</p><h3>Build İzleyici</h3><pre>Build tamamlanınca bana haber ver, başarısızsa log&#39;u analiz et</pre><p>CI pipeline’larını manuel takip etmek zorunda kalmıyorsunuz. Claude bekliyor.</p><h3>Daha Kalıcı Çözümler İçin</h3><p>Session-scoped yapı bazı senaryolar için yeterli olmayabilir. Terminal kapandığında görevler gidiyor. Kısa aralıklı görevlerde kaçırılan tetiklemeler telafi edilmiyor — görev o turn’ü geçerse, sonraki fırsatta bir kez çalışıyor, kaçırdığı her aralık için değil.</p><p>Bu durumda iki seçenek var.</p><p><strong>Desktop Scheduled Tasks (Cowork):</strong> Claude Desktop uygulamasındaki Cowork özelliği daha dayanıklı bir yapı sunuyor. /schedule komutuyla kurulabiliyor, bilgisayar açık olduğu sürece çalışıyor. Gmail, Google Calendar, Slack gibi MCP server&#39;larla entegre çalışıyor. Kod yok, YAML yok — sadece doğal dil.</p><p><strong>GitHub Actions:</strong> Sunucu tarafında, terminal gerektirmeden çalışan görevler için ideal. schedule trigger&#39;ı ile cron syntax kullanılıyor, ANTHROPIC_API_KEY secret olarak tanımlanıyor. Bilgisayar kapalıyken bile çalışıyor.</p><pre>on:<br>  schedule:<br>    - cron: &#39;0 9 * * 1-5&#39;  # Hafta içi her sabah 9&#39;da</pre><p>Kalıcılık önemliyse, GitHub Actions. Kolaylık önemliyse ve bilgisayar açıksa, Desktop Scheduled Tasks.</p><h3>Büyük Resim</h3><p>Scheduled Tasks küçük görünüyor. Bir komut, bir interval, otomatik çalışma. Ama bence bu, Claude Code’un evrimindeki kritik bir adım.</p><p>Claude Code çıktığında yapabildiğimiz şeyler genişledi. Ama hâlâ bir reaktif araçtı. “Yap” diyorduk, yapıyordu. “Bak” diyorduk, bakıyordu. Her şey bizim başlatmamızla başlıyordu.</p><p>Scheduled Tasks ile Claude, proaktif olmaya başlıyor. Hatırlatmadan çalışıyor. Beklemeden başlatıyor. Siz orada olmadan ilerliyor.</p><p>Bu, henüz küçük bir adım. Session kapatınca her şey sıfırlanıyor, üç günde görevler siliniyor, nested yapılar yok. Ama yönü gösteriyor.</p><p>Siz stratejik kararları alırken, Claude taktik yürütmeyi üstleniyor. Siz neyi, neden yapacağınıza karar verirken, Claude ne zaman başlayacağını biliyor.</p><p>Tek yapmanız gereken bir kere tanımlamak.</p><p>Gerisini Claude hallediyor.</p><p><em>Detaylı dokümantasyon: </em><a href="https://code.claude.com/docs/en/scheduled-tasks"><em>code.claude.com/docs/en/scheduled-tasks</em></a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b9eb88e63327" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/claude-code-scheduled-tasks-ai%C4%B1-arka-planda-%C3%A7al%C4%B1%C5%9Ft%C4%B1r%C4%B1n-b9eb88e63327">Claude Code Scheduled Tasks: AI’ı Arka Planda Çalıştırın</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Code to Canvas: Claude Code ve Figma Arasındaki Köprü Kuruldu]]></title>
            <link>https://medium.com/ibtech/code-to-canvas-claude-code-ve-figma-aras%C4%B1ndaki-k%C3%B6pr%C3%BC-kuruldu-953138ae09b9?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/953138ae09b9</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 22 Feb 2026 16:06:42 GMT</pubDate>
            <atom:updated>2026-02-22T18:04:43.029Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_f_jba9YUph991Yx6cmsvg.png" /></figure><h3>Code to Canvas: Claude Code ve Figma Arasındaki Köprü Kuruldu</h3><p>17 Şubat 2026&#39;da Figma ve Anthropic, sessiz ama güçlü bir duyuru yaptı: <strong>Claude Code to Figma</strong> — ya da Figma’nın resmi adlandırmasıyla <strong>“Code to Canvas”</strong>. Claude Code’da inşa ettiğiniz çalışan bir arayüzü, doğrudan Figma canvas’ına düzenlenebilir frame’ler olarak gönderebiliyorsunuz. Screenshot değil. Düzleştirilmiş bir export değil. Katmanlarını hareket ettirebileceğiniz, düzenleyebileceğiniz, annotate edebileceğiniz gerçek Figma objeleri.</p><p>Bu yazıda Code to Canvas’ın ne olduğunu, nasıl çalıştığını, neden önemli olduğunu ve bu yeni iş akışıyla native mobil projelerinizi bile Figma’ya nasıl taşıyabileceğinizi birlikte keşfedeceğiz. Hadi başlayalım.</p><h3>Neden Böyle Bir Şeye İhtiyaç Vardı?</h3><p>Code to Canvas’ı anlamak için önce mevcut iş akışının sınırlarına birlikte bakmamız gerekiyor.</p><p>Son birkaç yıldır iki paralel AI destekli iş akışı vardı ve bunlar birbirleriyle hiç konuşmuyordu. Bir tarafta Claude Code gibi araçlar — geliştiricilerin (ve giderek artan şekilde tasarımcı ve PM’lerin) prompt’larla çalışan arayüzler üretmesini sağlıyordu. Diğer tarafta Figma — tasarımcıların iyileştirdiği, eleştirdiği, hizaladığı ve bir şeyin nasıl görünüp hissettirmesi gerektiğine karar verdiği alan.</p><p>Bu iki dünya arasındaki geçiş her zaman sürtünme demekti. Claude Code çıktısının ekran görüntüsünü alıp tasarımcıya açıklamak, ya da Figma’da manuel olarak yeniden inşa etmek gerekiyordu. AI kodlamanın sağladığı hız kazanımları, çeviri sürecinde eriyip gidiyordu.</p><p>Code to Canvas bu sürtünmeyi ortadan kaldırıyor.</p><h3>Tam Olarak Ne Geldi?</h3><p>İş akışı temelde şöyle çalışıyor:</p><ol><li>Claude Code’da bir arayüz inşa ediyorsunuz veya iterasyon yapıyorsunuz.</li><li>Tarayıcıdaki canlı UI durumunu yakalıyorsunuz — localhost, staging veya production farketmez.</li><li>Bunu Figma’ya gönderiyorsunuz ve canvas’a düzenlenebilir frame/katmanlar olarak düşüyor.</li></ol><p>Ama hikaye burada bitmiyor. İş akışı tek yönlü değil, tam bir döngü:</p><p><strong>Claude Code → Figma → düzenleme/annotasyon → tekrar Claude Code</strong></p><p>Figma MCP server sayesinde Figma’dan Claude Code’a da geri dönülebiliyor. Düzenlenmiş frame’lerden tasarım bilgisiyle kod üretiliyor. Her döngüde bağlam korunuyor çünkü aynı MCP sunucusu her iki ortamı birbirine bağlıyor. Figma’nın kendi ifadesiyle: “Kod yakınsamak (converge) için harika, canvas ise farklı yönlere açılmak (diverge) için güçlü.” İkisi birleşiyor.</p><h3>MCP Server: Köprünün Temeli</h3><p>Tüm bu entegrasyonun altında Figma’nın <strong>MCP (Model Context Protocol) server</strong>’ı yatıyor. MCP, AI ajanlarının harici veri kaynakları ve araçlarla etkileşim kurmasını sağlayan açık bir standart. Figma MCP Server ise Figma’nın tasarım verilerini AI araçlarının anlayabileceği şekilde dışarı açıyor.</p><p>İki sunucu seçeneği var:</p><p><strong>Uzak Sunucu (Remote):</strong> Figma masaüstü uygulaması gerektirmez. Tüm plan ve seat’lerde kullanılabilir. Kurulumu tek satır:</p><pre>claude mcp add --transport http figma https://mcp.figma.com/mcp</pre><p><strong>Yerel Sunucu (Desktop):</strong> Figma masaüstü uygulaması gerektirir, Dev Mode açılmalıdır. Dev veya Full seat, ücretli plan gerekir:</p><pre>claude mcp add --transport sse figma-desktop http://127.0.0.1:3845/sse</pre><p>MCP sunucusu sadece piksel bazlı görüntü almıyor. Bileşenleri (components), değişkenleri (variables), stilleri ve layout yapısını semantik olarak okuyor. Temel araçlar şunlar:</p><ul><li><strong>get_design_context</strong> — Figma seçiminin yapılandırılmış React + Tailwind temsilini verir</li><li><strong>get_variable_defs</strong> — Renk, aralık, tipografi gibi değişkenleri çıkarır</li><li><strong>generate_figma_design</strong> — Claude Code&#39;dan Figma&#39;ya tasarım gönderme aracı (Code to Canvas&#39;ın kalbi)</li><li><strong>get_code_connect_map</strong> — Figma bileşenlerini kod tabanındaki gerçek dosyalara eşler</li></ul><h3>Kurulum: Adım Adım</h3><h3>1. Figma MCP’yi Kuralım</h3><p>Terminalde:</p><pre>claude mcp add --transport http figma https://mcp.figma.com/mcp</pre><p>Tüm projelerde kullanmak için --scope user bayrağı ekleyebiliriz.</p><h3>2. Figma Plugin’ini Kuralım</h3><p>Claude Code içinde /plugin komutunu çalıştırıp Figma plugin&#39;ini seçmek yeterli. Bu plugin hem uzak hem yerel MCP sunucu ayarlarını ve yaygın iş akışları için Agent Skill&#39;lerini içeriyor.</p><h3>3. OAuth ile Kimlik Doğrulaması Yapalım</h3><p>Bu adım kritik ve atlanırsa sistem çalışmıyor gibi görünür — plugin “enabled” gözükür ama bağlantı kurulamaz. Claude Code içinde /mcp yazıp Figma&#39;yı seçelim, &quot;Authenticate&quot; diyelim. Tarayıcıda Figma&#39;nın yetkilendirme sayfası açılacak, &quot;Allow Access&quot; diyerek onaylayalım. Terminale dönüp &quot;Authentication successful&quot; mesajını görelim.</p><p>OAuth, Claude Code’un sizin adınıza Figma’ya erişmesini sağlayan bir yetkilendirme sistemi. Şifrenizi paylaşmıyorsunuz — sadece Figma’ya “Bu uygulamaya erişim izni veriyorum” diyorsunuz.</p><h3>4. Hazırız</h3><p>Artık Claude Code’dan Figma’ya tasarım gönderebilir, Figma’dan Claude Code’a tasarım çekebiliriz.</p><h3>Code Connect: Tasarım Sistemi Tutarlılığı</h3><p>Code to Canvas’ın en güçlü yanlarından biri <strong>Code Connect</strong> entegrasyonu. Normalde AI bir Figma tasarımından kod ürettiğinde, sıfırdan yeni bileşenler oluşturur. Ama Code Connect varsa AI şunu bilir: “Bu Figma butonu aslında kodda &lt;Button variant=&quot;primary&quot; /&gt; olarak kullanılıyor&quot; — ve ona göre üretir.</p><p>Teknik olarak ne oluyor: MCP sunucusu bir Figma frame’i işlerken, Code Connect ile bağlı bileşenleri tespit ediyor ve &lt;CodeConnectSnippet&gt; denen özel sarmalayıcılar üretiyor. Bunların içinde tasarım prop&#39;ları, import ifadeleri, kullanım kodu ve özel talimatlar yer alıyor.</p><p>Bir örnekle somutlaştıralım: Projemizde bir “Login Card” tasarımı Figma’da var. Code Connect ile bunu kodumuzdaki &lt;LoginCard /&gt; bileşenine eşliyoruz. Claude Code&#39;a &quot;Bu Figma tasarımını koda çevir&quot; dediğimizde, MCP sunucusu Code Connect&#39;i algılıyor ve import { LoginCard } from &#39;@/components/LoginCard&#39; ile gerçek bileşenimizi kullanıyor — sıfırdan yeni bir kart yazmak yerine.</p><p>Code Connect şu an Organization ve Enterprise planlarında Dev veya Full seat sahipleri tarafından kullanılabiliyor. Herkes için erişilebilir değil ama tasarım sistemi olan ekipler için oyun değiştirici.</p><h3>Topluluk Ne Diyor?</h3><p>Code to Canvas duyurulduktan sonra topluluk hızla tepki verdi. Gözlemlediğim birkaç ana tema var:</p><p><strong>“Sonunda screenshot değil”</strong> — Heyecanın büyük kısmı sadece şu: “Düzenlenebilir katmanlar mı?” Bu yenilik tek başına yeterince dikkat çekici. Figma’ya düşen şey statik bir görsel değil, gerçek bir frame.</p><p><strong>“Tasarım sistemimi anlıyor mu, yoksa sadece görsel bir klon mu?”</strong> — Bu, gerçek benimseme için en kritik soru. Token’ları, bileşenleri, variant’ları temiz şekilde eşliyor mu, yoksa temizlenmesi gereken bir katman çorbası mı üretiyor? Bu endişe topluluk thread’lerinde açıkça görülüyor. Code Connect’in tam olarak bunu çözmeyi hedeflediğini söyleyebiliriz — ama henüz her ekip için erişilebilir değil.</p><p><strong>“Rol dağılımını değiştiriyor — ve her zaman iyi yönde değil”</strong> — Geçerli bir eleştiri var: bir özellik tam pişmiş olarak geldiğinde, tasarım incelemeci rolüne itilebiliyor — neredeyse bitmiş bir wireframe verilip “güzelleştir” denmesi gibi. Bu gerilim, erken dönem değerlendirmelerde zaten dile getiriliyor.</p><p><strong>“Figma Make’ten farkı ne?”</strong> — En yaygın şüpheci soru. Eğer Make zaten UI üretebiliyorsa, Claude Code → Figma’ya neden ihtiyaç var? Ortaya çıkan cevap: bu, Figma içinde üretmek değil — Figma ekosisteminin dışında zaten yaptığınız çalışmayı geri canvas’a taşımakla ilgili.</p><h3>Herkes İçin Ne Anlama Geliyor?</h3><p><strong>Tasarımcılar için:</strong> Bu özellik tasarımları sıfırdan üretmiyor. Çalışan bir arayüzü alıp sizin alanınıza, sizin canvas’ınıza, uzman gözünüze hazır hale getiriyor. Geliştiricinin veya PM’in hızlıca çıkardığı bir prototipi erken aşamada Figma’ya çekip, annotasyon ekleyip, tasarım eleştirisi yapabilirsiniz. Dürüst soru şu: bu yakalanan ve iterasyon yapılan şeyleri şekillendiren kişi siz mi olacaksınız, yoksa sonradan haberdar olan mı?</p><p><strong>Geliştiriciler için:</strong> Gerçek kilit açma, daha hızlı kod üretmek değil — geri bildirim döngüsünü kısaltmak. Şu an bir şey inşa ediyorsunuz, tarayıcıda makul görünüyor ve sonra bekliyorsunuz. Tasarımcının incelemesini bekliyorsunuz. PM’in görüş bildirmesini bekliyorsunuz. Çalışan bir UI’ı saniyeler içinde Figma canvas’ına gönderdiğinizde, bu bekleme dramatik şekilde kısalıyor.</p><p><strong>Ürün yöneticileri için:</strong> PM’lerin giderek artan şekilde anlatmak yerine göstermesi gerekiyor. Claude Code to Figma, PM’lere yeni bir süper güç veriyor: çalışan bir prototip üretip, yakalayıp, paylaşılan tasarım alanına bir geliştirici inşa etsin ya da tasarımcı mockup yapsın demeden taşıyabilmek. Bu, tasarım veya mühendisliği atlamak değil — paylaşılan anlayışa daha hızlı ulaşmak.</p><h3>Peki Bu Nereye Gidiyor?</h3><p>Figma’nın MCP + AI düzenleme etrafında gönderdiği sinyallere bakarak birkaç öngörüde bulunabiliriz:</p><p><strong>Çift yönlü döngüler varsayılan olacak.</strong> Sadece “kod → canvas” değil, “canvas bağlamı → kod” olarak sıkı bir döngü. Claude’un bileşenleri, değişkenleri, stilleri anlayıp sadakati kaybetmeden implementasyonu güncelleyebildiği bir döngü.</p><p><strong>“Tasarım anlık görüntüleri” temel bir artefakt olacak.</strong> Figma, bitişik araçlarda anlık görüntü tarzı düzenlenebilir dönüşümler inşa etmeye devam ediyor. Code to Canvas, ara durumları düzenlenebilir tasarım artefaktlarına dönüştürme yörüngesine oturuyor.</p><p><strong>Tasarım incelemesi “durum incelemesi” olacak.</strong> Statik ekranları incelemek yerine, ekipler gerçek akışlardan yakalanan gerçek UI durumlarını inceleyecek — edge case’ler, hata durumları, kişiselleştirilmiş görünümler, ödeme duvarı varyantları — sonra bu durumları karar alma için canvas’ta düzenleyip karşılaştıracak.</p><h3>Bonus: Native Mobil Projeler İçin Code to Figma Skill</h3><p>Buraya kadar okuduysanız, muhtemelen şunu düşünüyorsunuz: “Tamam, web projeleri için harika. Peki ya iOS veya Android native projem?”</p><p>İşte tam bu noktada, Claude Code’un <strong>Skill</strong> sisteminden faydalanarak native mobil projeleri de Figma’ya taşıyabiliyoruz. Bir skill yazdık: <strong>Code to Figma Design</strong>. Bu skill, uygulama ekranlarını kaynak koddan analiz edip HTML mockup olarak oluşturuyor ve Figma’ya aktarıyor. iOS/SwiftUI, Next.js, React, Android, Flutter veya düz HTML projeleriyle çalışıyor.</p><h3>Nasıl Çalışıyor?</h3><p>Skill, projenizin tipini otomatik algılıyor (.xcodeproj → iOS, build.gradle → Android, pubspec.yaml → Flutter, vb.). Ardından kaynak kodunuzdaki View/Screen dosyalarını bulup analiz ediyor — layout yapısını, renkleri, fontları, görselleri, metinleri çıkarıyor. Bunlardan birebir HTML mockup&#39;lar oluşturuyor (placeholder değil, gerçek localized string&#39;ler ve gerçek hex renk değerleri ile). Son olarak Figma&#39;nın capture API&#39;sini kullanarak bu mockup&#39;ları düzenlenebilir Figma frame&#39;lerine dönüştürüyor.</p><h3>Kullanımı</h3><p>Claude Code içinde:</p><pre>/code-to-figma-design onboarding,home,settings</pre><p>Belirli bir Figma dosyasına eklemek için:</p><pre>/code-to-figma-design login,dashboard https://figma.com/design/ABC123/MyApp</pre><h3>iOS SwiftUI Projesi İçin Örnek Prompt</h3><p>Diyelim ki bir SwiftUI onboarding akışınız var ve tüm ekranları Figma’ya taşımak istiyorsunuz:</p><pre>Visualize all states of our onboarding flow and push each screen<br>to Figma. Analyze the SwiftUI views under /Sources/Onboarding/,<br>extract exact colors from our Color extension and Assets.xcassets,<br>use real localized strings from Localizable.strings, and capture<br>each screen (Welcome, CreateAccount, PhoneVerification, Success)<br>as separate editable Figma frames. Use the app&#39;s actual tab bar<br>and navigation structure. Push to a new Figma file named<br>&quot;MyApp - Onboarding Flow&quot;.</pre><h3>Android Jetpack Compose Projesi İçin Örnek Prompt</h3><pre>Capture all screens in our Android app&#39;s authentication flow and<br>send them to Figma. Read the Compose screens under<br>/app/src/main/java/com/myapp/ui/auth/, extract theme colors from<br>Theme.kt and Color.kt, use actual string resources from<br>strings.xml, and generate each screen (LoginScreen, RegisterScreen,<br>ForgotPasswordScreen, OTPVerificationScreen) as individual Figma<br>frames. Respect our Material 3 theme tokens. Create a new Figma<br>file named &quot;MyApp Android - Auth Flow&quot;.</pre><h3>Skill Ne Yapıyor (Adım Adım)?</h3><ol><li><strong>Proje tipini algılıyor</strong> — .xcodeproj mı, build.gradle mı, pubspec.yaml mı?</li><li><strong>Ekranları keşfedip analiz ediyor</strong> — SwiftUI’da VStack/HStack/ZStack yapısını, renkleri, fontları, görselleri çıkarıyor</li><li><strong>HTML mockup’lar oluşturuyor</strong> — Her ekran için ayrı HTML dosyası, birebir CSS karşılıklarıyla (VStack → flex-direction: column, .cornerRadius(12) → border-radius: 12px)</li><li><strong>Figma’ya gönderiyor</strong> — generate_figma_design aracıyla capture ID alıyor, HTML&#39;i yerel sunucuda açıyor, Figma&#39;nın capture script&#39;i DOM&#39;u serileştirip Figma&#39;ya gönderiyor</li><li><strong>Çoklu ekranları sırayla yakalıyor</strong> — İlk ekran newFile modunda, sonrakiler existingFile modunda aynı dosyaya ekleniyor</li></ol><h3>Bilinen Limitasyonlar</h3><p>Skill güçlü ama bazı kısıtları var. Figma’nın capture script’i HTML elemanlarını “Container” olarak isimlendiriyor — Figma’da layer isimlerini manuel olarak düzenlemeniz gerekebilir. Starter planda aylık 6 MCP tool çağrısı sınırı var — çok ekranlı yakalamalarda Pro+ plan gerekebilir. Paralel yakalama bazen başarısız olabiliyor — ekranları sırayla yakalamak en güvenilir yöntem.</p><h3>Son Söz</h3><p>Code to Canvas, Figma’nın “bazen iş kodda başlar, bazen canvas’ta, çoğu zaman ikisinin arasında bir yerde” vizyonunun somut adımı. Geleneksel “önce tasarla, sonra kodla” akışını tersine çevirmek değil — her iki yönü de eşit derecede akıcı hale getirmek.</p><p>Ama bu aracın gerçek değeri, onu kullanan ekibin stratejik düşünme kapasitesiyle çarpılıyor. Doğru görev için doğru yönde kullanmak, tasarım sistemi tutarlılığını korumak, geri bildirim döngülerini kısaltmak — bunlar hâlâ insan becerisi gerektiren, hâlâ mühendislik ve tasarım olan şeyler.</p><p>Önemli bir not: Code to Canvas şu an sadece <strong>Claude Code</strong> ile çalışıyor. Cursor, GitHub Copilot, Windsurf gibi araçlarda bu özellik henüz mevcut değil. Figma MCP server üzerinden tasarım okuma ve kod üretme bu araçlarda mümkün olsa da, koddan canvas’a gönderme — yani generate_figma_design aracı — şimdilik Claude Code&#39;a özel. Figma&#39;nın <a href="https://developers.figma.com/docs/figma-mcp-server/tools-and-prompts/">resmi geliştirici dokümanlarında</a> bu araç açıkça <strong>&quot;Claude Code only. Remote Figma MCP server only.&quot;</strong> olarak işaretli. Bunun teknik nedeni, aracın yerel sunucu başlatma, tarayıcı penceresi açma ve capture script enjekte etme gibi client-side bir iş akışı gerektirmesi — Claude Code bu tür tarayıcı etkileşimini native olarak desteklerken, diğer araçlar henüz desteklemiyor. OpenAI&#39;ın Codex reposunda bu konuda <a href="https://github.com/openai/codex/issues/12021">açık bir issue</a> bile var — topluluk diğer platformlarda da paritenin sağlanmasını talep ediyor.</p><p>Peki nereden başlayalım? Bence en iyi başlangıç noktası, zaten yapıyor olduğumuz bir projeyi Code to Canvas ile denemek. Bir onboarding akışı, bir dashboard, bir settings ekranı. Büyük, kritik projelerle değil, düşük riskli denemelerle başlayalım. Sistemi tanıyalım, sınırlamalarını keşfedelim, kendi çalışma stilimizi oluşturalım.</p><h3>Ek: Code to Figma Design — Tam Skill Tanımı</h3><p>Aşağıdaki skill’i Claude Code’a ekleyerek native mobil projelerinizi (iOS/SwiftUI, Android/Compose, Flutter) ve web projelerinizi doğrudan Figma’ya gönderebilirsiniz. SKILL.md olarak kaydedin ve Claude Code&#39;un skills dizinine ekleyin.</p><pre># Code to Figma Design</pre><pre>Uygulama ekranlarını kaynak koddan analiz edip HTML mockup olarak oluşturur ve Figma&#39;ya aktarır. iOS/SwiftUI, Next.js, React, Android, Flutter veya plain HTML projeleriyle çalışır.</pre><pre>## Argümanlar</pre><pre>- **Ekran isimleri**: Virgülle ayrılmış ekran/sayfa isimleri (ör. `onboarding`, `home,settings`, `all`)<br>- **Figma dosya URL&#39;si** (opsiyonel): Mevcut dosyaya eklemek için. Verilmezse yeni dosya oluşturulur.</pre><pre>Kullanım: `/code-to-figma-design &lt;ekran-isimleri&gt; [figma-dosya-url]`</pre><pre>## Talimatlar</pre><pre>Bu adımları sırayla takip et. Adım atlama veya sıra değiştirme.</pre><pre>---</pre><pre>### Adım 1 — Proje tipini algıla</pre><pre>Çalışma dizinini tara ve platform tipini belirle:</pre><pre>| Gösterge | Proje Tipi |<br>|----------|-----------|<br>| `*.xcodeproj`, `*.xcworkspace`, `Podfile`, `Package.swift` | **iOS (SwiftUI/UIKit)** |<br>| `package.json` + `next.config.*` | **Next.js** |<br>| `package.json` + `vite.config.*` veya `src/App.tsx` | **React/Vite** |<br>| `build.gradle`, `AndroidManifest.xml` | **Android** |<br>| `pubspec.yaml` | **Flutter** |<br>| `index.html` | **Statik HTML** |</pre><pre>---</pre><pre>### Adım 2 — Figma URL&#39;sini parse et (varsa)</pre><pre>Eğer `$ARGUMENTS` içinde Figma URL&#39;si varsa:<br>- `figma.com/design/:fileKey/...` formatından **fileKey** çıkar<br>- Branch URL ise (`/branch/:branchKey/...`), `:branchKey`&#39;i fileKey olarak kullan<br>- `outputMode = &quot;existingFile&quot;` ayarla</pre><pre>Eğer Figma URL&#39;si verilmediyse:<br>- `outputMode = &quot;newFile&quot;` ayarla</pre><pre>---</pre><pre>### Adım 3 — Ekranları keşfet ve analiz et</pre><pre>İstenen ekranları bul ve her biri için görsel özelliklerini çıkar.</pre><pre>#### iOS (SwiftUI/UIKit)<br>1. View dosyalarını bul: `Glob(&quot;**/*.swift&quot;)` → `Grep(&quot;struct.*View.*:.*View&quot;)`<br>2. `$ARGUMENTS`&#39;teki ekran isimlerini dosya/struct isimleriyle eşleştir<br>3. Her ekran için SwiftUI kodunu oku ve çıkar:<br>   - **Layout**: VStack, HStack, ZStack, ScrollView, List, TabView<br>   - **Renkler**: `Color(&quot;name&quot;)`, `Color(hex:)`, LinearGradient → asset catalog veya Color extension dosyalarından gerçek hex değerleri oku<br>   - **Fontlar**: `.font(.system(size:))`, `Font.custom(&quot;name&quot;, size:)`<br>   - **Görseller**: `Image(&quot;asset-name&quot;)`, `Image(systemName:)` → `Assets.xcassets/` içinden bul<br>   - **Metinler**: `Text(&quot;...&quot;)`, LocalizedStringKey → `*.strings` veya `*.xcstrings` dosyalarından gerçek string&#39;leri oku<br>   - **Navigasyon**: TabView yapısı, aktif tab bilgisi</pre><pre>#### Next.js / React<br>1. `app/`, `pages/`, `src/` içindeki sayfa/component dosyalarını bul<br>2. Component kodunu okuyup layout, stil ve içerik çıkar<br>3. Çalışan dev server varsa → **Adım 3-ALT** (canlı yakalama) tercih et</pre><pre>#### Diğer platformlar<br>1. Screen/activity/widget dosyalarını bul, kod oku, görsel özellik çıkar</pre><pre>**Bu adımın çıktısı**: Her ekran için yapılandırılmış görsel bilgi listesi.</pre><pre>---</pre><pre>### Adım 3-ALT — Canlı yakalama (Next.js / React dev server ile)</pre><pre>Proje Next.js veya React VE dev server çalışıyorsa:</pre><pre>1. Server kontrolü: `lsof -i :3000` (veya yapılandırılmış port)<br>2. Çalışıyorsa HTML oluşturmayı atla — doğrudan canlı yakala:<br>   - Capture ID al (Adım 5)<br>   - `app/layout.tsx` oku<br>   - `&lt;/body&gt;` öncesine capture script enjekte et<br>   - Sayfayı aç: `open &quot;http://localhost:PORT/PAGE_PATH?t=$(date +%s)&quot;`<br>   - 15 saniye bekle, sonuç için poll et<br>   - **KRİTİK**: Yakalamadan sonra enjekte edilen scripti `app/layout.tsx`&#39;ten kaldır<br>3. Adım 4, 6, 7&#39;yi atla — doğrudan Adım 8 (polling) → Adım 9 (temizlik)</pre><pre>---</pre><pre>### Adım 4 — HTML mockup&#39;ları oluştur</pre><pre>Her ekran için ayrı bir HTML dosyası oluştur. **Her ekran kendi dosyasında olmalı.**</pre><pre>#### 4.1 — Temp dizini oluştur<br>`mkdir -p /tmp/figma-capture/assets`</pre><pre>#### 4.2 — Asset&#39;leri kopyala<br>Adım 3&#39;te keşfedilen tüm görselleri kopyala. 1x versiyonu tercih et.</pre><pre>#### 4.3 — Ortak CSS dosyası oluştur<br>`/tmp/figma-capture/shared.css` dosyasında paylaşılan stilleri tanımla:<br>- Telefon çerçevesi (390x844px, 48px border-radius, gradient arka plan)<br>- Status bar (54px yükseklik)<br>- Tab bar (sabit alt bar, koyu arka plan)<br>- Ortak tipografi ve renk sınıfları</pre><pre>#### 4.4 — Her ekran için ayrı HTML dosyası oluştur</pre><pre>`/tmp/figma-capture/&lt;screen-name&gt;.html` formatında dosyalar oluştur.</pre><pre>**Görsel sadakat kuralları — kaynak koda birebir uygula:**</pre><pre>| SwiftUI | HTML/CSS karşılığı |<br>|---------|-------------------|<br>| `LinearGradient(colors: [A, B])` | `background: linear-gradient(to bottom, A, B)` |<br>| `Color(hex: &quot;#RRGGBB&quot;)` | Hex değeri doğrudan kullan |<br>| `.font(.system(size: N, weight: .bold))` | `font-size: Npx; font-weight: 700` |<br>| `VStack(spacing: N)` | `display: flex; flex-direction: column; gap: Npx` |<br>| `HStack(spacing: N)` | `display: flex; flex-direction: row; gap: Npx` |<br>| `ZStack` | `position: relative` + `position: absolute` children |<br>| `.cornerRadius(N)` | `border-radius: Npx` |<br>| `Image(&quot;name&quot;)` | `&lt;img src=&quot;assets/name.png&quot;&gt;` |</pre><pre>**Önemli kurallar:**<br>- Placeholder/dummy metin KULLANMA. Gerçek localized string&#39;leri oku.<br>- Renkleri TAHMİN ETME. Asset catalog/extension&#39;dan gerçek hex çıkar.<br>- Kaynak kodda görünen hiçbir UI elemanını ATLAMA.</pre><pre>---</pre><pre>### Adım 5 — Figma&#39;dan capture ID al</pre><pre>`generate_figma_design` çağır.</pre><pre>**İlk ekran:** `outputMode: &quot;newFile&quot;`, `fileName: &quot;&lt;ProjeAdı&gt; - App Screens&quot;`<br>**Sonraki ekranlar:** `outputMode: &quot;existingFile&quot;`, `fileKey: &lt;fileKey&gt;`</pre><pre>---</pre><pre>### Adım 6 — HTTP sunucu başlat ve yakala</pre><pre>1. Port kontrolü: `lsof -i :8090`<br>2. HTTP sunucu başlat: `cd /tmp/figma-capture &amp;&amp; python3 -m http.server PORT`<br>3. Capture URL&#39;sini aç: `open &quot;http://localhost:PORT/&lt;screen-name&gt;.html#figmacapture=CAPTURE_ID&amp;figmaendpoint=ENDPOINT_URL&amp;figmadelay=5000&quot;`</pre><pre>---</pre><pre>### Adım 7 — Yakalamayı bekle</pre><pre>25 saniye bekle: sayfa yüklenmesi + figmadelay + DOM serializasyonu + upload.</pre><pre>---</pre><pre>### Adım 8 — Sonucu poll et</pre><pre>`generate_figma_design` çağır: `captureId: &quot;CAPTURE_ID&quot;`</pre><pre>Tamamlandıysa → sonraki ekrana geç. Hala pending ise → sayfayı tekrar aç, 25 saniye bekle, tekrar poll et. Maks 3 deneme.</pre><pre>---</pre><pre>### Adım 9 — Çoklu ekran yakalama akışı</pre><pre>**Her ekranı AYRI AYRI yakala. Teker teker aç, bekle, poll et.**</pre><pre>1. İlk ekranı yakala (`newFile`) → fileKey al<br>2. Claim URL&#39;sini aç ve 10 saniye bekle<br>3. Her kalan ekran için `existingFile` modunda sırayla yakala<br>4. Tüm ekranlar tamamlandıktan sonra temizliğe geç</pre><pre>---</pre><pre>### Adım 10 — Temizlik</pre><pre>**Her zaman temizlik yap:**<br>1. HTTP sunucuyu durdur<br>2. Temp dosyaları sil: `rm -rf /tmp/figma-capture`<br>3. Canlı yakalama kullanıldıysa: `app/layout.tsx`&#39;i eski haline getir</pre><pre>---</pre><pre>### Adım 11 — Sonucu raporla</pre><pre>Kullanıcıya bildir: başarı durumu, Figma dosya URL&#39;si, yakalanan ekranlar, temizlik onayı.</pre><pre>---</pre><pre>## Bilinen Limitasyonlar</pre><pre>| Limitasyon | Açıklama |<br>|-----------|----------|<br>| Layer isimleri &quot;Container&quot; | HTML elemanları Figma&#39;da &quot;Container&quot; olarak görünür, manuel isimlendirme gerekir |<br>| Starter plan kısıtlaması | View/Collab seat ile ayda 6 MCP tool çağrısı |<br>| Capture pending kalabiliyor | Sayfaları teker teker açın, `figmadelay` değerini artırın |<br>| Görseller yüklenemeyebilir | Görselleri optimize edin (&lt; 500KB) |</pre><p><strong>Kaynaklar:</strong></p><ul><li><a href="https://www.figma.com/blog/introducing-claude-code-to-figma/">Figma Blog — Introducing Claude Code to Figma</a></li><li><a href="https://developers.figma.com/docs/figma-mcp-server/">Figma Developer Docs — MCP Server</a></li><li><a href="https://developers.figma.com/docs/figma-mcp-server/code-connect-integration/">Figma Developer Docs — Code Connect Integration</a></li><li><a href="https://code.claude.com/docs/en/mcp">Claude Code MCP Docs</a></li><li><a href="https://medium.com/design-bootcamp/claude-code-figma-just-flipped-the-script-ebcf36568c82">Kritika Vishnoi — Claude Code → Figma Just Flipped the Script</a></li><li><a href="https://medium.com/product-powerhouse/claude-code-to-figma-what-the-new-launcher-means-for-designers-developers-and-pms-step-by-step-1df3d1322953">Mohit Aggarwal — Claude Code to Figma: Step-by-Step Guide</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=953138ae09b9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/code-to-canvas-claude-code-ve-figma-aras%C4%B1ndaki-k%C3%B6pr%C3%BC-kuruldu-953138ae09b9">Code to Canvas: Claude Code ve Figma Arasındaki Köprü Kuruldu</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Agent Teams: Yazılım Geliştirmede Çoklu Ajan Çağı Başladı]]></title>
            <link>https://medium.com/ibtech/agent-teams-yaz%C4%B1l%C4%B1m-geli%C5%9Ftirmede-%C3%A7oklu-ajan-%C3%A7a%C4%9F%C4%B1-ba%C5%9Flad%C4%B1-3add32008d16?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/3add32008d16</guid>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 08 Feb 2026 10:35:53 GMT</pubDate>
            <atom:updated>2026-02-10T09:33:36.455Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/686/1*2IhFqr3SE5MhK67yOJMbig.jpeg" /></figure><p>5 Şubat 2026&#39;da Anthropic, Opus 4.6 modeliyle birlikte “research preview” etiketiyle yeni bir özellik duyurdu: Agent Teams. Birden fazla Claude Code örneğinin bir ekip gibi çalışması, birbirleriyle mesajlaşması, görev paylaşması, hatta birbirlerinin çalışmalarını sorgulaması. Ve bunu kanıtlamak için 16 Claude ajanına sıfırdan bir C compiler yazdırdılar. İki haftada. 100 bin satır Rust kodu. Linux kernel’i derleyebilen bir compiler.</p><p>Bu yazıda Agent Teams’in ne olduğunu, nasıl çalıştığını, neden önemli olduğunu ve bu yeni paradigmayla neler mümkün olduğunu birlikte keşfedeceğiz. Hadi başlayalım.</p><h3>Tek Ajan Neden Yetmiyor?</h3><p>Agent Teams’i anlamak için önce tek ajan modelinin sınırlarına birlikte bakmamız gerekiyor.</p><p>Claude Code çıktığında — Şubat 2025&#39;te — devrim niteliğindeydi. Bir terminal aracı, doğal dille konuşuyor, kod yazıyor, dosya düzenliyor, testleri çalıştırıyor, git işlemleri yapıyordu. Tek bir ajan, tek bir context window, tek bir görev. Bu model birçok iş için yeterliydi. Tek bir ajan ile bile ciddi işler çıkarmak mümkündü — Anthropic’in kendi ekibinden bir mühendis, tek-ajan modeliyle 30 günde 259 PR yaptığını (497 commit, 40 bin satır ekleme) paylaştı.</p><p>Ama burada kritik bir sorun var: <strong>context window kirlenmesi</strong>. LLM’ler context genişledikçe performans kaybediyor. Bu sadece token limitine çarpmak değil — context window’a ne kadar çok bilgi doldurursak, modelin o an önemli olana odaklanması o kadar zorlaşıyor. Bir CSS bug’ı düzeltmeye çalışan context’e proje yönetimi notları eklemek, performansı aktif olarak düşürüyor.</p><p>İnsan ekiplerinin çalışma biçimini düşünün: Bir toplantıda herkes aynı anda konuşmaz, herkesin rolü vardır. Bir e-postayı tüm şirkete CC’lemeyiz — sadece ilgili kişilere göndeririz. Uzmanlaşma, odaklanma demek. Çoklu ajan kalıpları bunu formalize ediyor.</p><p>Claude Code’un mevcut çözümü <strong>subagents</strong> idi. Ana ajan, bir alt-ajan oluşturur, ona spesifik bir görev verir, alt-ajan çalışır ve sonucu ana ajana raporlar. Bu model işe yarıyordu ama temel bir kısıtı vardı: alt-ajanlar sadece ana ajana rapor verebiliyordu. Birbirleriyle konuşamıyorlardı. Birbirlerinin bulgularını sorgulayamıyorlardı. Birbirleriyle tartışamıyorlardı.</p><p>İşte Agent Teams tam bu noktada devreye giriyor.</p><h3>Agent Teams Tam Olarak Ne?</h3><p>Agent Teams, birden fazla Claude Code örneğinin koordineli bir ekip olarak çalışmasını sağlayan bir sistem. Bir oturum “takım lideri” (Team Lead) olarak görev yaparken, diğer oturumlar “takım arkadaşları” (Teammates) olarak paralel çalışıyor. Kritik fark şu: takım arkadaşları sadece lidere rapor vermekle kalmıyor, <strong>birbirleriyle doğrudan mesajlaşabiliyor</strong>.</p><p>Bu, Subagents ile Agent Teams arasındaki temel ayrım. Subagents’ta iletişim tek yönlü ve hiyerarşik. Agent Teams’te ise eşler arası (peer-to-peer) iletişim mümkün. Bir frontend ajanı, backend ajanına doğrudan “API endpoint’inin response formatını değiştirebilir misin?” diye mesaj atabiliyor. Bir test ajanı, kod yazan ajana “Bu edge case’i kaçırmışsın” diyebiliyor.</p><h3>Üç Temel Bileşen</h3><p>Agent Teams üç ana bileşen üzerine kurulu:</p><p><strong>1. Teammates (Takım Arkadaşları)</strong></p><p>Her teammate, kendi context window’una sahip bağımsız bir Claude Code örneği. Dosya okuyabilir, yazabilir, komut çalıştırabilir ve — en önemlisi — diğer teammate’lerle ve liderle iletişim kurabilir. Her birinin kendi odak alanı, kendi hafızası, kendi çalışma bağlamı var. Test ajanının context’inde test var, üç saatlik planlama tartışması değil. Uzmanlaşma, odaklanma demek.</p><p><strong>2. Shared Task List (Paylaşımlı Görev Listesi)</strong></p><p>Takım, bağımlılık takibi olan bir görev listesini paylaşıyor. Görevler birbirini bloke edebilir ve bir blokleyici görev tamamlandığında, bağımlı görevler otomatik olarak açılır. Teammate’ler mevcut görevlerini bitirdiklerinde, sıradaki uygun görevi kendileri talep eder. Altyapıda dosya kilitleme (file-lock) mekanizması kullanılarak yarış durumları (race conditions) önleniyor.</p><p><strong>3. Mailbox (Posta Kutusu — Ajanlar Arası Mesajlaşma)</strong></p><p>Mailbox, Agent Teams’i subagents’tan temelden ayıran bileşen. Lider herhangi bir teammate’e mesaj gönderebilir, teammate’ler lidere mesaj gönderebilir ve — işin kritik noktası — <strong>teammate’ler birbirine mesaj gönderebilir</strong>. Bu, gerçek bir ekip dinamiği yaratıyor. Bir ajan bulduğu şeyi diğeriyle paylaşabiliyor, bir ajan diğerinin yaklaşımını sorgulayabiliyor, birlikte tartışarak daha iyi çözümlere ulaşabiliyorlar.</p><h3>Yapılandırma ve Depolama</h3><p>Teknik olarak, takım konfigürasyonu ~/.claude/teams/{takım-adı}/config.json dosyasında, görevler ise ~/.claude/tasks/{takım-adı}/ dizininde saklanıyor. Bu dosya tabanlı yaklaşım, sistemin basit ve şeffaf kalmasını sağlıyor.</p><h3>Opus 4.6 ile Birlikte Gelen Büyük Duyuru</h3><p>Agent Teams, <strong>5 Şubat 2026</strong> tarihinde Claude Opus 4.6 modeliyle birlikte duyuruldu. Anthropic’in açıklamasına göre Opus 4.6, şirketin şimdiye kadarki en güçlü modeli. Sadece Agent Teams değil, birçok önemli yenilikle geldi:</p><p><strong>1M Token Context Window</strong>: Opus sınıfı modellerde bir ilk. Beta olarak sunulan 1 milyon token’lık context penceresi, daha önce 200K ile sınırlı olan kapasiteyi beş katına çıkardı.</p><p><strong>Adaptive Thinking</strong>: Model, bağlamsal ipuçlarından ne kadar derinlemesine düşünmesi gerektiğini anlayabiliyor. Geliştiriciler dört çaba seviyesi (low, medium, high, max) arasından seçim yaparak zekâ, hız ve maliyet dengesini kontrol edebiliyor.</p><p><strong>Context Compaction</strong>: Otomatik, sunucu tarafı bağlam özetlemesi. Bağlam pencere limitine yaklaştığında, API otomatik olarak konuşmanın önceki bölümlerini özetliyor. Bu, pratikte sonsuz konuşmayı mümkün kılıyor.</p><p><strong>Fast Mode</strong>: Opus modelleri için 2.5 kata kadar daha hızlı çıktı token üretimi. Premium fiyatlandırma ile ($30/$150 MTok başına) aynı model, daha hızlı çıkarımla çalışıyor.</p><p><strong>128K Output Tokens</strong>: Önceki 64K limitinin iki katı. Daha uzun düşünme bütçeleri ve daha kapsamlı yanıtlar mümkün.</p><p>Benchmark sonuçları da etkileyici: Terminal-Bench 2.0 ajansal kodlama değerlendirmesinde en yüksek skor, Humanity’s Last Exam’da tüm frontier modellerin önünde, GDPval-AA’da OpenAI’ın GPT-5.2&#39;sini 144 Elo puanı farkla geçiyor.</p><p>Ama tüm bu etkileyici sayıların yanında, duyurunun en dikkat çekici kısmı şuydu: <strong>Agent Teams’in gücünü göstermek için 16 Claude ajanına sıfırdan bir C compiler yazdırmışlardı.</strong></p><h3>Peki Ama Nasıl Çalışıyor?</h3><p>Agent Teams’i kullanmaya başlamak düşündüğümüzden daha basit. Özellik şu an deneysel ve varsayılan olarak kapalı. Etkinleştirmek için settings.json dosyamıza tek bir satır eklememiz yeterli: &quot;CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS&quot;: &quot;1&quot;. Bu kadar. Ayrı bir framework kurmak, yeni bir araç öğrenmek, karmaşık konfigürasyon dosyaları yazmak yok. Bir ortam değişkeni ve doğal dil.</p><p>Etkinleştirdikten sonra iki şekilde bir takım başlatabiliriz. Birincisi, biz açıkça isteriz: “Bu projeyi farklı açılardan araştıracak bir ajan takımı oluştur — biri UX’e, biri teknik mimariye, biri de potansiyel risklere odaklansın.” İkincisi, Claude bizim görevimize bakıp paralel çalışmanın faydalı olacağına karar verir ve bir takım önerir. Ama biz onaylamadan hiçbir şey olmaz. Kontrol her zaman bizdedir.</p><p>Takım oluşturulduktan sonra, ajanları izlemenin varsayılan modu “in-process”: tüm teammate’ler ana terminalimizde çalışır, Shift+Yukarı/Aşağı tuşlarıyla aralarında geçiş yaparız, istediğimize doğrudan mesaj yazarız. Ekstra bir kurulum gerektirmez, her yerde çalışır. İleri düzey kullanıcılar isterlerse “split panes” moduyla ekranı bölebilir ve her teammate’i ayrı bir panoda yan yana izleyebilir. Bunun için tmux (brew install tmux veya apt install tmux) ya da macOS&#39;ta iTerm2 (brew install --cask iterm2) yeterli. Ama başlamak için varsayılan mod fazlasıyla yeterli.</p><p>Ama asıl sihir, görev yönetiminde. Görevler dört durumda olabiliyor: beklemede (pending), devam ediyor (in_progress), tamamlandı (completed) ve blokeli (blocked). Görevler arasındaki bağımlılıklar, teknik olarak bir “directed acyclic graph” (DAG) yapısında yönetiliyor — ama bu karmaşık ismin ardında çok sezgisel bir mantık var. Team Lead görevleri oluşturuyor ve hangi görevin hangisine bağımlı olduğunu tanımlıyor. Bir görev tamamlandığında, onun bloke ettiği görevler otomatik olarak açılıyor. Teammate’ler ellerindeki işi bitirdiğinde, sıradaki uygun görevi kendileri alıyor. Altyapıda file-lock mekanizması, iki ajanın aynı görevi kapmasını engelliyor.</p><p>Bu ne demek? Lider sürekli “şimdi şunu yap, sonra bunu yap” diye mikro yönetim yapmak zorunda kalmıyor. Sistem, bağımlılık grafiğini takip ederek işleri doğru sırada ilerletiyor. Biz çayımızı içerken, ajanlar kendi aralarında koordine oluyor.</p><p>Bir de “Hooks” denen bir sistem var ki, bu işi bir seviye daha ileri taşıyor. İki ana hook mevcut. İlki TeammateIdle: bir teammate boşta kalmak üzereyken — yani atanmış görevi kalmadığında — devreye giriyor. Bunu kullanarak boşta kalan ajanları otomatik olarak yeni görevlere yönlendirebiliriz. Hiçbir ajan boş oturmasın, sürekli üretken kalsın. İkincisi TaskCompleted: bir görev “tamamlandı” olarak işaretlenmek üzereyken çalışıyor. Bunu bir kalite kapısı gibi düşünelim — bir ajan “bittim” dediğinde, otomatik bir doğrulama mekanizması devreye girip gerçekten bitip bitmediğini kontrol edebiliyor. Testler geçti mi? Kod derleniyor mu? Coverage yeterli mi?</p><p>Bu hook’ların birleşimi, ekibin neredeyse kendi kendini yönetmesini sağlıyor. Boşta kalan ajana otomatik iş atanıyor, tamamlanan işler otomatik doğrulanıyor. Biz sadece stratejik kararları alıyoruz — taktik yürütme sisteme kalıyor.</p><h3>Subagents mı, Agent Teams mi?</h3><p>Bu soru, Agent Teams’i anlamanın en kritik noktası. Formül çok net:</p><p><strong>Subagents kullanalım</strong> — hızlı, odaklı çalışanlar istiyorsak ve sonuçların ana ajana raporlanması yeterliyse. Subagents tek bir oturumun içinde çalışır, ana ajanın context window’unu paylaşır ve sadece ona rapor verir. Overhead düşük, token maliyeti az, basit görevler için ideal.</p><p><strong>Agent Teams kullanalım</strong> — teammate’lerin birbirleriyle bulgu paylaşması, birbirlerinin yaklaşımlarını sorgulaması ve kendi başlarına koordine olması gerekiyorsa. Agent Teams’te her teammate bağımsız bir Claude Code örneği, kendi context window’una sahip. İletişim çok yönlü. Overhead ve token maliyeti daha yüksek ama karmaşık, çok yönlü görevler için çok daha etkili.</p><p>Somutlaştıralım:</p><p>Bir fonksiyonu refactor etmek istiyorsak → <strong>Subagent</strong> yeterli. Üç farklı dosyada paralel küçük düzeltmeler yapmak istiyorsak → <strong>Subagents</strong> yeterli. Yeni bir modülün frontend, backend ve testlerini paralel geliştirmek istiyorsak → <strong>Agent Teams</strong>. Karmaşık bir bug’ın üç farklı hipotezini paralel test etmek istiyorsak → <strong>Agent Teams</strong>. Bir PR’ı güvenlik, performans ve test coverage açısından paralel incelemek istiyorsak → <strong>Agent Teams</strong>.</p><p>Temel kural: <strong>Çalışanların birbirleriyle konuşması gerekiyor mu?</strong> Evet ise Agent Teams, hayır ise Subagents.</p><h3>16 Ajan, İki Hafta, Bir C Compiler</h3><p>Bu, Agent Teams’in sadece teorik bir kavram olmadığını gösteren en güçlü kanıt. Anthropic araştırmacısı Nicholas Carlini, Agent Teams’i stres testine tabi tutmak için 16 Claude ajanına sıfırdan bir C compiler yazdırdı. Hedef: Linux kernel’i derleyebilen, GCC’nin neredeyse tüm özelliklerini uygulayan bir compiler.</p><h3>Rakamlar</h3><p>Rakamlar etkileyici:</p><ul><li><strong>16 paralel Claude Opus 4.6 örneği</strong></li><li><strong>~2.000 Claude Code oturumu</strong>, iki hafta boyunca</li><li><strong>2 milyar input token</strong> tüketildi</li><li><strong>140 milyon output token</strong> üretildi</li><li><strong>~100.000 satır Rust kodu</strong> yazıldı</li><li><strong>Toplam maliyet: ~20.000 dolar</strong></li></ul><h3>Ne Yapabilir?</h3><p>Ortaya çıkan compiler:</p><ul><li>Linux 6.9&#39;u <strong>x86, ARM ve RISC-V</strong> mimarileri için derleyebiliyor</li><li><strong>QEMU, FFmpeg, SQLite, PostgreSQL, Redis</strong> gibi büyük projeleri derleyebiliyor</li><li>GCC torture test suite’inin <strong>%99&#39;unu</strong> geçiyor</li><li>Ve tabii ki… <strong>Doom çalıştırabiliyor</strong></li></ul><h3>Nasıl Çalıştı?</h3><p>Carlini’nin kurduğu sistem şaşırtıcı derecede basit. Her ajan kendi Docker container’ında çalışıyor, paylaşımlı bir Git repository’ye erişiyor. Bir ajan bir görev almak istediğinde lock dosyası oluşturuyor, çalışıyor, sonucu push ediyor ve lock’u kaldırıyor. Merge conflict olursa, ajan kendisi çözüyor.</p><p>Burada dikkat çekici bir tasarım kararı var: <strong>Orkestrasyon katmanı yok</strong>. Yani trafiği yöneten bir “master ajan” yok. Her Claude örneği bağımsız olarak çözülecek sorunları tanımlıyor, genellikle “sıradaki en bariz” görevi alıyor. Bazı ajanlar doğal olarak uzmanlaşıyor — biri duplike kodu temizliyor, biri performansa odaklanıyor, birkaçı Rust uzmanı gibi tasarım eleştirisi yapıyor, diğerleri dokümantasyonu güncelliyor.</p><h3>Carlini’nin Öğrendiği Dersler</h3><p>Bu proje, sadece bir compiler değil, Agent Teams ile çalışmanın bir rehberi de üretmiş oldu. Carlini’nin paylaştığı dersler:</p><p><strong>1. Test altyapısı her şeyden önce gelir.</strong> Claude, verdiğimiz problemi otonom olarak çözmeye çalışacak. Eğer test doğrulayıcımız (verifier) kusurlu ise, Claude yanlış problemi çözecek. Carlini, “son derece yüksek kaliteli testler” ve sürekli entegrasyon pipeline’ları olmadan sürdürülebilir ilerleme mümkün olmadığını vurguluyor.</p><p><strong>2. Regresyonları önlemek kritik.</strong> Projenin sonlarına doğru Claude, yeni bir özellik her uyguladığında mevcut işlevselliği bozmaya başladı. Carlini bu sorunu çözmek için CI pipeline’ı kurdu ve yeni commit’lerin mevcut kodu kıramayacağı daha sıkı kurallar uyguladı.</p><p><strong>3. Context window yönetimi bir sanat.</strong> Carlini, verbose çıktıyı minimize ederek, test vakalarının sadece %1–10&#39;unu örnekleyen hızlı test modları oluşturarak ve GCC’yi bir “orakül” olarak kullanarak (Claude’un çıktısını GCC’nin çıktısıyla karşılaştırarak) context window’u verimli kullandı.</p><p><strong>4. Testleri Claude için yazalım, kendimiz için değil.</strong> Carlini’nin en ilginç gözlemi: test altyapısını Claude’un anlayacağı şekilde yazmak gerekiyor, kendi alışkanlıklarımıza göre değil. Hata mesajlarının ne anlama geldiği, başarı/başarısızlık kriterlerinin nasıl iletildiği — bunlar insan geliştiriciler için yazılan testlerden farklı olabilir.</p><p><strong>5. Ajanların zaman algısı yok.</strong> Claude, bir testin 5 dakika mı yoksa 5 saat mi sürdüğünü bilmiyor. Carlini, ajanların saatlerce tek bir test setinde takılıp kalmaması için hızlı örnekleme seçenekleri ekledi.</p><h3>Sınırlamalar</h3><p>Compiler etkileyici olsa da sınırlamaları var. Linux’u gerçek moddan (real mode) boot etmek için gereken 16-bit x86 compiler’ı yok — bu adım için GCC’ye başvuruyor. Kendi assembler ve linker’ı henüz tamamlanmadı. Ve Rust kod kalitesi, “makul” düzeyde olsa da, uzman bir Rust programcısının üreteceğinin çok gerisinde.</p><p>Carlini’nin kendisi de rahatsız edici bir gözlem yapıyor: Eski bir penetrasyon test uzmanı olarak, geliştiricilerin kişisel olarak hiç doğrulamadıkları yazılımları dağıtmasından endişe duyuyor. İnce bug’lar, güvenlik açıkları ve beklenmeyen davranışlar riski, insanlar geliştirme sürecine yakından dahil olmadığında katlanarak artıyor.</p><p>Tüm kaynak kodu GitHub’da açık: github.com/anthropics/claudes-c-compiler.</p><h3>Nereden Başlayalım?</h3><p>Agent Teams’i denemek isteyen geliştiriciler olarak pratik bir başlangıç rehberine bakalım.</p><h3>Ön Koşullar</h3><p>İki şeye ihtiyacımız var: çalışan bir Claude Code kurulumu ve bir Anthropic API anahtarı veya Max aboneliği. Agent Teams şu an terminalde (CLI) çalışıyor, VS Code’un Claude Code eklentisi üzerinden de kullanılabiliyor (beta). Cursor gibi üçüncü parti IDE’lerde ise henüz doğrudan destek yok. Agent Teams, her teammate’in kendi context window’u olduğu için tek oturumdan daha fazla token tüketiyor. Maliyete dikkat etmekte fayda var.</p><h3>Adım 1: Özelliği Etkinleştirelim</h3><p>Terminalde open ~/.claude/settings.json yazarak settings dosyamızı açalım ve şunu ekleyelim:</p><pre>{<br>  &quot;env&quot;: {<br>    &quot;CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS&quot;: &quot;1&quot;<br>  }<br>}</pre><p>Bu flag olmadan özellik tamamen gizli. Oturumlar arasında kalıcı olması için shell profilimize (.bashrc veya .zshrc) de ekleyebiliriz.</p><h3>Adım 2: Doğal Dille Takımımızı Tanımlayalım</h3><p>Claude Code’u açalım ve görevimizi doğal dille anlatalım. Takım yapısını da belirtelim. Örneğin:</p><p><em>“TODO yorumlarını takip eden bir CLI aracı tasarlıyorum. Farklı açılardan keşif yapacak bir ajan takımı oluştur: biri UX’e, biri teknik mimariye, biri de potansiyel risklere odaklansın.”</em></p><p>Claude, takımı oluşturur, teammate’leri spawn eder, paylaşımlı görev listesini hazırlar ve çalışmayı koordine etmeye başlar. Liderin terminali tüm teammate’leri ve ne üzerinde çalıştıklarını listeler.</p><h3>Adım 3: Ajanları İzleyelim</h3><p>Varsayılan modda tüm teammate’ler tek terminalimizde çalışır. Shift+Yukarı/Aşağı tuşlarıyla aralarında geçiş yapabiliriz. Herhangi birine doğrudan mesaj yazabiliriz. Ekstra bir kurulum gerektirmez — terminali açıp başlamak yeterli.</p><h3>Adım 4: İzleyelim, Yönlendirelim, Müdahale Edelim</h3><p>Takım çalışmaya başladığında tamamen pasif kalmak zorunda değiliz. Herhangi bir teammate’i seçip doğrudan mesaj yazabiliriz. Lidere yeni talimatlar verebiliriz. Bir teammate’in yaklaşımını beğenmezsek yönlendirebiliriz.</p><h3>Dikkat Edilecek Tuzaklar</h3><p><strong>Lider, delege etmek yerine kendisi yapmaya çalışabilir.</strong> Bu yaygın bir sorun. Lidere açıkça söyleyelim: “Teammate’lerin görevlerini tamamlamasını bekle, kendin uygulamaya geçme.” Veya Delegate Mode’u (Shift+Tab) kullanarak lideri sadece koordinasyon araçlarıyla sınırlayabiliriz.</p><p><strong>Teammate’ler liderin konuşma geçmişini miras almaz.</strong> Projemizin CLAUDE.md dosyası, MCP sunucuları ve skill’leri otomatik olarak yüklenir ama liderin önceki konuşma bağlamı aktarılmaz. Brief ne kadar spesifik olursa, çıktı o kadar iyi olur. Tek bir ajana değil, bir ekibe brief yazıyoruz.</p><p><strong>Aynı dosyayı birden fazla teammate düzenlemeye çalışabilir.</strong> En büyük tuzak bu. Her teammate’e net dosya/dizin sahipliği atayalım ve paylaşılan dosyaların tek bir yazarı olmasını sağlamak için görev bağımlılıklarını kullanalım.</p><h3>Agent Teams Nerede Parlıyor?</h3><p>Agent Teams’in gücü teoride değil, pratikte anlaşılır. İşte en etkili kullanım senaryoları:</p><h3>Rakip Hipotezlerle Debugging</h3><p>Bu, belgelerde “killer use case” olarak tanımlanan senaryo. Karmaşık bir bug var. Üç farklı neden olabilir: thread safety, race condition, bellek yönetimi. Üç teammate spawn ediyoruz, her biri farklı hipotezi araştırıyor. Bulgularını birbirleriyle paylaşıyorlar.</p><p>Burada kritik olan şu: <strong>Tek bir ajan, ilk makul açıklamayı bulur ve durur. Birden fazla ajan birbirleriyle tartışarak doğru açıklamayı bulur.</strong> Bu, resmi belgelerdeki ifade ve Agent Teams’in en güçlü argümanı.</p><h3>Çapraz Katman Koordinasyon</h3><p>Frontend, backend ve testleri kapsayan değişiklikler. Her katman farklı bir teammate’in sorumluluğunda. Backend ajanı API’yı değiştirdiğinde, frontend ajanına yeni endpoint signature’ını gönderiyor. Test ajanı, her iki tarafın da hazır olmasını bekliyor ve integration testlerini yazıyor. Bağımlılık grafiği tüm bu koordinasyonu otomatik yönetiyor.</p><h3>Çok Yönlü Kod İncelemesi</h3><p>Yeni bir modül yazıldı. Üç reviewer teammate: biri güvenlik (SQL injection, buffer overflow, auth bypass), biri performans (Big O, cache, allocation), biri test coverage (edge case’ler, coverage gap’ler). Üçü de paralel çalışıyor, Team Lead raporları sentezliyor. Saatlerce sürecek manuel inceleme, dakikalara iniyor.</p><h3>Araştırma ve Keşif</h3><p>Yeni bir proje başlatmadan önce, farklı açılardan keşif yapmak: biri mevcut çözümleri araştırıyor, biri teknik mimari seçeneklerini değerlendiriyor, biri potansiyel riskleri ve edge case’leri belirliyor. Bulgular sentezlenerek kapsamlı bir başlangıç belgesi oluşturuluyor.</p><h3>Yeni Modül Geliştirme</h3><p>Bir feature modülü: API ajanı endpoint’leri tasarlıyor, frontend ajanı UI component’leri yazıyor, database ajanı schema ve migration’ları oluşturuyor, test ajanı integration testlerini yazıyor. Bağımlılıklar otomatik yönetiliyor — API ajanı bittiğinde endpoint dokümantasyonu frontend ajanına ulaşıyor, database ajanı bittiğinde schema bilgisi test ajanına ulaşıyor.</p><h3>Gerçek Dünyadan Dersler</h3><p>C Compiler projesinden, topluluk deneyimlerinden ve resmi belgelerden derlenen en iyi uygulamalar:</p><h3>1. Yeterli Bağlam Verelim</h3><p>Spawn prompt’unda detaylı bilgi verelim. Teammate’ler kör başlamasın. Görev tanımı, ilgili dosyalar, beklenen çıktı formatı, bilinen kısıtlar — bunları spawn anında paylaşmakta fayda var.</p><h3>2. Görev Boyutunu Doğru Ayarlayalım</h3><p>Önerilen yaklaşım: teammate başına yaklaşık 5–6 bağımsız görev. Her görev, net çıktısı olan, kendi kendine yeten bir birim olmalı. “Bu bileşeni yaz” çok geniş. “Bu parser modülünün lexer çıktısını alıp AST oluşturmasını sağla” doğru granülarlik.</p><h3>3. Dosya Çakışmalarından Kaçınalım</h3><p>Her teammate’e farklı dosyalar atayalım. parser.rs parser ajanına ait, codegen.rs codegen ajanına ait. Bir ajan başka birinin dosyasında değişiklik yapması gerekiyorsa, doğrudan yazmak yerine mesaj göndermeli.</p><h3>4. Doğrulama Mekanizması Kuralım</h3><p>Deneyimlerin ortak vurgusu: Claude’a işini doğrulama yolu verelim. CI pipeline, test suite, linting — ne olursa olsun bir geri bildirim döngüsü olmalı. Bu tek başına kaliteyi 2–3 katına çıkarıyor.</p><h3>5. Araştırma İle Başlayalım</h3><p>Agent Teams’e ilk kez giriyorsak, kod yazmayan görevlerle deneyimleyelim. Araştırma, inceleme, analiz — bunlar daha düşük riskli ve sistemi tanımamızı sağlıyor.</p><h3>6. İzleyelim ve Yönlendirelim</h3><p>Ajanları tamamen başıboş bırakmayalım. Periyodik olarak kontrol edelim. Bir ajan saatlerce sessiz kalıyorsa sorun var demektir — kodu anlamakta zorlanıyor olabilir, conflict’e takılmış olabilir.</p><h3>7. Problem Araçları Yönlendirsin</h3><p>Sık yapılan bir hata: orkestrasyon kalıplarını yapılandırmaya, ne inşa ettiğimizi düşünmekten daha fazla zaman harcamak. Tek bir ajan yeterliyse, tek ajan kullanalım. Agent Teams, her görev için doğru araç değil.</p><h3>Maliyeti Ne Kadar?</h3><p>Agent Teams’in token maliyeti göz ardı edilemez. Her teammate’in kendi context window’u var ve token kullanımı aktif teammate sayısıyla ölçekleniyor.</p><p>İletişim maliyete ekleniyor: teammate’ler arasındaki her mesaj, hem gönderenin hem alıcının context window’unda token tüketiyor. Broadcast mesajlar, maliyeti mesajı alan teammate sayısıyla çarpıyor.</p><p>Opus 4.6 fiyatlandırması: standart kullanımda milyon token başına $5/$25 (input/output). 200K token üzeri isteklerde premium fiyatlandırma: $10/$37.50. Fast mode: $30/$150.</p><p>C Compiler projesi, ~20.000 dolara mal oldu. Bu, “tek bir mühendisi altı ay çalıştırmak” ile karşılaştırıldığında oldukça rekabetçi. Ama günlük kullanımda, her görev için Agent Teams açmak cüzdanı yakabilir.</p><p>Kural: araştırma, inceleme ve yeni özellik geliştirme için ekstra token’lar genellikle değer. Rutin görevler için tek oturum daha maliyet-etkin.</p><h3>Henüz Neyi Yapamıyor?</h3><p>Agent Teams güçlü ama her şeye çare değil. Bilinen sınırlamalar:</p><p><strong>Session Resumption Yok:</strong> Bir Agent Teams oturumu sonlanırsa, kaldığı yerden devam edemez. Team Lead’in hafızası, ajanların durumu, mailbox’taki mesajlar — hepsi sıfırlanır. Büyük projelerde bu ciddi bir risk. C Compiler projesi 2.000 oturum kullandı — her biri bağımsızdı.</p><p><strong>Aynı Dosya Düzenlemeleri Riskli:</strong> Teammate’ler aynı dosyada çalıştığında conflict riski yüksek. Bağımsız çalışabilecek görevler için ideal, sıralı veya bağımlı görevler için tek oturum veya subagents daha etkili.</p><p><strong>Nested Teams Yok:</strong> Bir ajan kendi alt-takımını oluşturamaz. Hiyerarşik koordinasyon mümkün değil. Çoğu proje için düz yapı yeterli ama çok karmaşık projeler için bu bir kısıt.</p><p><strong>Bir Oturumda Bir Takım:</strong> Aynı anda sadece bir Agent Teams çalışabilir. İki ayrı proje, iki ayrı takım istiyorsak, iki ayrı Claude Code penceresi açmamız gerekiyor.</p><p><strong>Research Preview:</strong> Agent Teams henüz deneysel aşamada. Anthropic açıkça “bilinen sınırlamalar” olduğunu belirtiyor. Üretim ortamına taşımadan önce dikkatli olmakta fayda var.</p><h3>Yazılım Geliştirmenin Altı Dalgası</h3><p>Analist Steve Yegge, programlamanın altı dalgasını şöyle tanımlıyor: geleneksel (2022), tamamlamalar (2023), sohbet (2024), kodlama ajanları (2025 H1), ajan kümeleri (2025 H2), ajan filoları (2026). Agent Teams, tam olarak bu “ajan filoları” dalgasının başlangıcı.</p><p>Her dalga, öncekinin üzerine biniyor ve yeni kavramlar, yeni araçlar, yeni mental modeller gerektiriyor. Ama her dalga aynı zamanda öncekinin sınırlamalarını aşıyor.</p><p>Subagents, tek bir ajanın sınırlarını aştı — paralel çalışma mümkün oldu ama iletişim tek yönlüydü. Agent Teams, subagents’ın sınırlarını aşıyor — çok yönlü iletişim, paylaşımlı görev yönetimi, gerçek ekip dinamiği. Bir sonraki dalga ne olacak? Muhtemelen nested teams, cross-project koordinasyon, kalıcı oturumlar (session resumption), ve belki de farklı AI modellerinin aynı takımda çalışması.</p><h3>Büyük Resim</h3><p>Agent Teams bu alanda tek oyuncu değil. Anthropic, Opus 4.6&#39;yı OpenAI’ın Codex masaüstü uygulamasını yayınlamasından sadece üç gün sonra duyurdu. GitHub Copilot Ocak 2026&#39;da çoklu model desteğini duyurdu. Cursor, büyük projelerde ajansal moduyla baskın. Windsurf Cascade, otonom ajansal iş akışları sunuyor. OpenAI Swarm, Microsoft AutoGen, CrewAI gibi açık kaynaklı framework’ler de aynı alanda yarışıyor.</p><p>Endüstri kalıbı net: <strong>tek güçlü ajandan, uzmanlardan oluşan orkestre edilmiş takımlara</strong> geçiş. Agent Teams bu geçişin Anthropic versiyonu — ve şu an için, en derinden entegre edilmiş olanı. Çünkü Agent Teams, Claude Code’un doğal bir uzantısı: ayrı bir framework kurmak veya entegre etmek gerekmiyor, settings.json’a bir satır ekleyip doğal dille takımımızı tanımlıyoruz.</p><p>Ama bu alan çok hızlı hareket ediyor. Altı ay sonra rekabet tamamen farklı görünebilir.</p><h3>Gelecekte Neler Bekleniyor?</h3><p>Agent Teams henüz research preview’da. Anthropic açıkça “bilinen sınırlamalar” olduğunu belirtiyor. Ama mevcut sınırlamalar aynı zamanda gelecek yol haritasının ipuçlarını veriyor.</p><h3>Session Resumption</h3><p>En çok talep edilen özellik. Şu an bir oturum sonlanırsa her şey sıfırlanıyor. Session resumption geldiğinde, günler süren projeleri kesintisiz yürütmek mümkün olacak. C Compiler projesinin 2.000 bağımsız oturum gerektirmesi, bu ihtiyacı çarpıcı şekilde gösteriyor.</p><h3>Nested Teams</h3><p>Bir ajanın kendi alt-takımını oluşturabilmesi. Hiyerarşik koordinasyon, çok büyük projeler için gerekli. Bir “mimari” ajanı, üç “implementasyon” ajanından oluşan bir alt-takım yönetebilir. Bu, insan organizasyonlarındaki yönetim hiyerarşisinin dijital karşılığı.</p><h3>Cross-Model Teams</h3><p>Farklı AI modellerinin aynı takımda çalışması. Opus kalitesi gerektiren görevler için Opus, hız gerektiren görevler için Sonnet veya Haiku. Hatta farklı şirketlerin modellerinin bir arada çalışması — bir Claude ajanı kodlama yaparken, bir GPT ajanı dokümantasyon yazabilir. AutoGen bunu zaten destekliyor; Agent Teams’in de bu yönde ilerlemesi muhtemel.</p><h3>Kalıcı Bellek</h3><p>Teammate’lerin oturumlar arasında öğrendiklerini hatırlaması. CLAUDE.md’nin dinamik versiyonu — ajanların kendi deneyimlerinden öğrenerek gelecek görevlerde daha etkili olması. Her düzeltmenin kalıcı bağlam haline geldiği, bileşik mühendislik yaklaşımının ajan düzeyinde uygulanması.</p><h3>Daha İyi Observability</h3><p>Daha zengin izleme araçları: her ajanın ne yaptığını, ne kadar token tükettiğini, hangi dosyalarda çalıştığını, ne kadar süredir sessiz olduğunu gösteren dashboard’lar. Carlini’nin C Compiler projesinde el yordamıyla yaptığı izlemenin, yerleşik araçlarla otomatikleşmesi.</p><h3>Ölçek</h3><p>Şu an 16 ajana kadar destekleniyor. Gelecekte yüzlerce, hatta binlerce ajanın koordineli çalışması mümkün olabilir. Carlini’nin C Compiler projesi 16 ajanla yapıldı — aynı yaklaşım 160 ajanla ne üretebilir? 1.600 ajanla?</p><h3>Yol Açık, Harita Bizim</h3><p>Agent Teams, 5 Şubat 2026&#39;da research preview olarak çıktı. Henüz çok erken. Session resumption yok, nested teams yok, bazı edge case’ler pürüzlü. Ama 16 ajanın iki haftada 100.000 satır Rust yazarak Linux kernel derleyen bir C compiler üretmesi, potansiyelin ne kadar büyük olduğunu gösteriyor.</p><p>Şu ana kadarki tüm deneyimlerden ortak bir mesaj çıkıyor: <strong>Aracın gücü, onu kullanan insanın stratejik düşünme kapasitesiyle çarpılıyor.</strong> Test altyapısı kurmak, doğru görev granülaritesi belirlemek, dosya sahipliğini yönetmek, doğrulama döngüleri tasarlamak — bunlar hâlâ insan becerisi gerektiren, hâlâ mühendislik olan şeyler.</p><p>Bu makaleyi yazarken fark ettiğim bir şey var: Agent Teams hakkında konuşurken aslında hep birlikte yazılım mühendisliğinin geleceği hakkında konuşuyoruz. Tek bir geliştiricinin 16 ajanı koordine ederek iki haftada bir C compiler yazması — bu, yazılımın “zanaatkar” döneminden “orkestratör” dönemine geçişinin sembolik anı. Tıpkı montaj hattının zanaatkârlığı değiştirmesi gibi, Agent Teams de bireysel kodlama pratiğini dönüştürüyor. Ama montaj hattında da mühendisler hâlâ gerekliydi — sadece yaptıkları iş değişti. Cıvata sıkmak yerine süreçleri tasarlıyorlardı.</p><p>Yazılım mühendisleri de artık satır satır kod yazmak yerine, ajan ekiplerinin stratejisini tasarlıyor, test altyapısını kuruyor, doğrulama döngülerini oluşturuyor, sonuçları sentezliyor. Bu, mühendisliğin sonu değil — mühendisliğin evriminin bir sonraki aşaması.</p><p>Kılavuz henüz yazılıyor — topluluk tarafından, deney deney, PR PR, blog yazısı blog yazısı. Ve Agent Teams, bu kılavuzun en yeni ve en heyecan verici bölümü.</p><p>Peki nereden başlayalım? Bence en iyi başlangıç noktası, zaten yapıyor olduğumuz bir işi Agent Teams ile denemek. Bir araştırma görevi, bir kod incelemesi, bir bug araştırması. Büyük, kritik projelerle değil, düşük riskli denemelerle başlayalım. Sistemi tanıyalım, sınırlamalarını keşfedelim, kendi çalışma stilimizi oluşturalım. Tek bir doğru yol yok — ama yollar açık.</p><p><em>Kaynaklar:</em></p><ul><li><a href="https://www.anthropic.com/news/claude-opus-4-6"><em>Anthropic — Claude Opus 4.6 Duyurusu</em></a></li><li><a href="https://code.claude.com/docs/en/agent-teams"><em>Claude Code Docs — Agent Teams</em></a></li><li><a href="https://www.anthropic.com/engineering/building-c-compiler"><em>Anthropic Engineering — Building a C Compiler</em></a></li><li><a href="https://addyosmani.com/blog/claude-code-agent-teams/"><em>Addy Osmani — Claude Code Agent Teams</em></a></li><li><a href="https://github.com/anthropics/claudes-c-compiler"><em>GitHub — Claude’s C Compiler</em></a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3add32008d16" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/agent-teams-yaz%C4%B1l%C4%B1m-geli%C5%9Ftirmede-%C3%A7oklu-ajan-%C3%A7a%C4%9F%C4%B1-ba%C5%9Flad%C4%B1-3add32008d16">Agent Teams: Yazılım Geliştirmede Çoklu Ajan Çağı Başladı</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Firebase Studio: Google’ın Yeni AI Destekli Full-Stack Geliştirme Ortamı]]></title>
            <link>https://medium.com/ibtech/firebase-studio-google%C4%B1n-yeni-ai-destekli-full-stack-geli%C5%9Ftirme-ortam%C4%B1-fc5325b08a7a?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/fc5325b08a7a</guid>
            <category><![CDATA[cursor]]></category>
            <category><![CDATA[firebase-studio]]></category>
            <category><![CDATA[windsurf]]></category>
            <category><![CDATA[google-firebase-studio]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Sun, 13 Apr 2025 18:24:28 GMT</pubDate>
            <atom:updated>2025-04-13T18:24:28.510Z</atom:updated>
            <content:encoded><![CDATA[<p>Firebase Studio, Google’ın en yeni geliştirme aracı olarak 9 Nisan 2025 tarihinde kullanıma açıldı. Bu bulut tabanlı, yapay zeka destekli geliştirme ortamı, geliştiricilerin AI uygulamalarını daha hızlı ve verimli bir şekilde oluşturmasını, test etmesini, dağıtmasını ve yönetmesini sağlıyor. En önemlisi, Firebase Studio tam bir full-stack geliştirme deneyimi sunarak frontend, backend ve veritabanı işlemlerini tek bir platformda birleştiriyor.</p><h3>Firebase Studio Nedir?</h3><p>Firebase Studio, tam anlamıyla bir “agentic development environment” (temsilci tabanlı geliştirme ortamı) olarak tanımlanıyor. Bu platform, Project IDX, Genkit ve Firebase’deki Gemini’yi tek bir güçlü çözüm altında birleştiriyor. Hem doğal dil kullanarak hızlı prototip oluşturmak isteyen geliştiricilere, hem de kendi teknoloji yığınını getirerek özelleştirilebilir sanal makinenin tüm gücünden yararlanmak isteyen deneyimli geliştiricilere hitap ediyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zjnuBc8lLHbd6WmWyrPtbg.jpeg" /></figure><h3>Ne Zaman Çıktı?</h3><p>Firebase Studio, 9 Nisan 2025 tarihinde önizleme (preview) sürümüyle kullanıma sunuldu ve şu anda geliştiricilerin deneyimine açık durumda.</p><h3>Desteklenen Programlama Dilleri ve Framework’ler</h3><p>Firebase Studio, çok çeşitli programlama dilleri ve çerçevelerle çalışabilme yeteneğine sahip:</p><ol><li><strong>JavaScript/TypeScript</strong>: Özellikle Next.js ile entegre olarak web uygulamaları geliştirmek için optimize edilmiş.</li><li><strong>Web Teknolojileri</strong>: HTML, CSS, React, Vue.js, Angular ve diğer modern web framework’leri.</li><li><strong>Android Geliştirme</strong>: Kotlin ve Java kullanarak native Android uygulamaları geliştirme ve test etme imkanı.</li><li><strong>Cross-Platform Mobil Geliştirme</strong>: Flutter, React Native gibi cross-platform mobil geliştirme framework’leri.</li><li><strong>Backend Dilleri</strong>: .Net,Node.js, Python, Go, Java ve diğer popüler backend geliştirme dilleri.</li><li><strong>AI ve ML Geliştirme</strong>: Genkit ve Gemini entegrasyonları sayesinde AI modelleri ve uygulamaları geliştirmek için özel destek.</li></ol><p>Bu çeşitlilik, Firebase Studio’yu gerçek anlamda bir full-stack geliştirme ortamı yapıyor; geliştiriciler frontend, backend, veritabanı, mobil ve AI katmanlarının tümünü tek bir platformda geliştirebiliyorlar.</p><h3>Firebase Studio’nun Sunduğu Özellikler</h3><h3>1. Doğal Dil ile Uygulama Prototipi Oluşturma</h3><ul><li><strong>App Prototyping Agent</strong>: Doğal dil komutları, görüntüler ve hatta çizimler kullanarak saniyeler içinde işlevsel web uygulamaları oluşturabilirsiniz.</li><li>Otomatik olarak Genkit ile entegre edilmiş ve Gemini API anahtarı sağlanmış Next.js web uygulamaları üretir.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/535/1*AYsv9LLK3vMtq65ldjI6KA.gif" /></figure><h3>2. AI Sohbet ile Hızlı İterasyon</h3><ul><li>Firebase içindeki Gemini ile doğrudan Studio içinde sohbet ederek uygulamanızı düzenleyebilirsiniz.</li><li>Kullanıcı kimlik doğrulaması ekleme, düzeni değiştirme, kullanıcı arayüzünü iyileştirme, özellik ekleme veya AI akışını değiştirme gibi işlemleri kod yazmadan gerçekleştirebilirsiniz.</li></ul><h3>3. Kodlama Çalışma Alanı</h3><ul><li>CodeOSS tabanlı, tanıdık bir IDE ortamı sunar.</li><li>Güçlü Gemini kod desteği ile kod tamamlama, hata ayıklama, açıklamalar sağlar.</li><li>Tam terminal erişimi ve Firebase hizmetleriyle entegrasyonlar içerir.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/431/1*BpwfVLQNotcDaBFvMtigwA.gif" /></figure><h3>4. Android Geliştirme ve Test Etme</h3><ul><li>Entegre Android emülatörü ile doğrudan platform içinde Android uygulamalarını test edebilirsiniz.</li><li>Firebase’in Android SDK’ları ile kolay entegrasyon sağlar.</li><li>Android uygulamaları için hızlı prototipleme ve test imkanı sunar.</li></ul><h3>5. Anlık Önizleme</h3><ul><li>Her cihaz için web önizlemesi oluşturabilirsiniz.</li><li>QR kodu oluşturarak uygulamanızı anında mobil cihazınızda test edebilirsiniz.</li><li>Android uygulamalarını emülatörler aracılığıyla test edebilirsiniz.</li></ul><h3>6. Firebase App Hosting ile Hızlı Yayınlama</h3><ul><li>Tek tıklamayla Firebase App Hosting’i kullanarak dağıtım deneyimi sunar.</li><li>Derleme, CDN ve sunucu tarafı işleme gibi işlemleri otomatik olarak halleden bir sistem içerir.</li></ul><h3>7. Gerçek Zamanlı İşbirliği</h3><ul><li>Tüm çalışma alanını bir URL aracılığıyla paylaşabilirsiniz.</li><li>Aynı Firebase Studio ortamında gerçek zamanlı işbirliği yapabilirsiniz.</li></ul><h3>8. Gemini Code Assist Agents (Yakında Gelecek)</h3><ul><li>Kod taşıma, AI model testi ve kod dokümantasyonu gibi görevler için Gemini Code Assist temsilcilerine erken erişim imkanı sunulacak.</li></ul><h3>Firebase Studio ile Neler Yapabilirsiniz?</h3><ol><li><strong>Web Uygulamaları Geliştirme</strong>: Özellikle Next.js kullanarak, tam işlevsel web uygulamaları oluşturabilir ve Firebase App Hosting ile hızlıca dağıtabilirsiniz.</li><li><strong>Android Uygulamaları</strong>: Kotlin veya Java kullanarak native Android uygulamaları geliştirebilir, entegre emülatörle test edebilirsiniz.</li><li><strong>Cross-Platform Mobil Geliştirme</strong>: Flutter veya React Native ile iOS ve Android için tek bir kod tabanından uygulama geliştirebilirsiniz.</li><li><strong>Backend Servisleri</strong>: Firebase servisleri (Firestore, Authentication, Functions) ile entegre backend çözümleri geliştirebilirsiniz.</li><li><strong>AI Özellikleri Entegrasyonu</strong>: Genkit ve Gemini ile AI özellikleri ekleyebilir ve test edebilirsiniz.</li><li><strong>API Geliştirme ve Test Etme</strong>: Backend API’ları geliştirip, entegre araçlarla test edebilirsiniz.</li><li><strong>Mikroservisler</strong>: Cloud Run entegrasyonu ile mikroservisler geliştirebilirsiniz.</li></ol><p>Full-stack geliştirme açısından, Firebase Studio’nun en büyük avantajı frontend, backend, mobil ve veritabanı arasındaki sınırları bulanıklaştırması ve geliştirme sürecini tek bir platformda birleştirmesidir. Geliştiriciler artık bir uygulamanın tüm katmanlarını — web frontend’inden Android native uygulamalara, backend’den veritabanına ve AI entegrasyonlarına kadar — aynı ortamda geliştirebilir ve yönetebilir.</p><h3>Project IDX’ten Farkı Nedir?</h3><p>Firebase Studio, Project IDX’in tüm işlevselliğini içeriyor ve daha fazlasını sunuyor:</p><ul><li>Nix ile özelleştirilebilen esnek bulut tabanlı VM</li><li>Uygulamalarınızı önizlemek ve test etmek için entegre emülatörler (web ve Android)</li><li>60&#39;tan fazla resmi şablon ve topluluktan gelen çok sayıda şablon</li><li>Yerel makinenizden veya git tabanlı depolardan mevcut kod tabanlarını içe aktarma yeteneği</li><li>Ekibinizle paylaşmak için tercih ettiğiniz teknoloji yığınları için özel şablonlar</li></ul><p>Buna ek olarak, Firebase Studio, App Prototyping temsilcisi gibi güçlü kodlama ve önizleme özellikleri, yeni temsilci özellikleri ve Firebase platformuyla daha derin entegrasyon sunuyor.</p><h3>Ne Vadediyor?</h3><p>Firebase Studio, geliştirme sürecini kökten değiştirmeyi ve yapay zeka çağında uygulama geliştirme sürecini hızlandırmayı vadediyor. Özellikle:</p><ol><li><strong>Hızlı Prototipleme</strong>: Doğal dil ve görseller kullanarak dakikalar içinde fikrinizi çalışan bir uygulamaya dönüştürme.</li><li><strong>Tam Entegrasyon</strong>: Protipleme, kodlama, test, dağıtım ve izleme süreçlerini tek bir platformda birleştirerek geliştirme sürecini bütünleştirme.</li><li><strong>Yapay Zeka Destekli İş Akışı</strong>: Gemini ile kodlama, hata ayıklama, test etme, yeniden düzenleme, açıklama ve belgeleme gibi çeşitli görevleri hızlandırma.</li><li><strong>İşbirliği</strong>: Gerçek zamanlı işbirliği ve paylaşım özellikleriyle ekip çalışmasını kolaylaştırma.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/780/1*fDHoMVgUVVdCgU3YOt6_UA.gif" /></figure><p><strong>5. Çok Platformlu Geliştirme</strong>: Web, Android, iOS (cross-platform aracılığıyla) ve backend geliştirme için tek bir ortamda çalışma imkanı sunma.</p><p><strong>6. Full-Stack Üretkenlik</strong>: Frontend, backend, mobil ve veritabanı katmanlarının tümünde çalışmayı kolaylaştıran entegre bir ortam sayesinde geliştirme sürecini hızlandırma.</p><h3>Nasıl Kullanılıyor?</h3><p>Firebase Studio şu anda önizleme aşamasında ve ücretsiz olarak 3 çalışma alanıyla kullanılabiliyor. Google Developer Program üyeleri 10 çalışma alanı, Premium Google Developer Program üyeliği olanlar ise 30 çalışma alanı elde edebiliyor. Firebase App Hosting gibi bazı entegrasyonlar bir fatura hesabı gerektirebilir.</p><h3>Sonuç</h3><p>Firebase Studio, Google’ın uygulama geliştirme ekosistemindeki en heyecan verici atılımlarından biri olarak karşımıza çıkıyor. Yapay zeka destekli özellikleri, entegre geliştirme ortamı ve geniş kapsamlı işlevselliği ile geliştiricilerin iş akışını büyük ölçüde değiştirmeyi hedefliyor.</p><p>Özellikle full-stack ve cross-platform mobil geliştirme açısından, Firebase Studio geleneksel geliştirme iş akışını tamamen dönüştürme potansiyeline sahip. Geliştiriciler artık tek bir ortamda tüm uygulama katmanlarını ve platformlarını (web, Android, backend) yönetebilir, kodlayabilir ve test edebilir. Bu da geliştirme süreçlerini ciddi şekilde hızlandırma ve basitleştirme anlamına geliyor.</p><p>Şu anda preview sürümünde olan Firebase Studio’nun gelecekte daha da geliştirilmiş özelliklerle ve tam entegrasyonlarla kullanıma sunulması bekleniyor. Özellikle Gemini Code Assist temsilcilerinin eklenmesiyle platformun yetenekleri daha da genişleyecek gibi görünüyor.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fc5325b08a7a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/firebase-studio-google%C4%B1n-yeni-ai-destekli-full-stack-geli%C5%9Ftirme-ortam%C4%B1-fc5325b08a7a">Firebase Studio: Google’ın Yeni AI Destekli Full-Stack Geliştirme Ortamı</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Apple, Apple Intelligence’ı Duyurdu: iPhone, iPad ve Mac İçin Yeni Nesil Akıllı Teknoloji]]></title>
            <link>https://medium.com/ibtech/apple-apple-intelligence%C4%B1-duyurdu-iphone-ipad-ve-mac-i%CC%87%C3%A7in-yeni-nesil-ak%C4%B1ll%C4%B1-teknoloji-cfe059b5ad4c?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/cfe059b5ad4c</guid>
            <category><![CDATA[wwdc]]></category>
            <category><![CDATA[ios]]></category>
            <category><![CDATA[apple]]></category>
            <category><![CDATA[gpt]]></category>
            <category><![CDATA[wwdc-2024]]></category>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Tue, 11 Jun 2024 07:39:34 GMT</pubDate>
            <atom:updated>2024-06-11T08:25:01.744Z</atom:updated>
            <content:encoded><![CDATA[<p>Apple, 10 Haziran akşamı yaptığı <strong>WWDC 24</strong> etkinliğinde<strong> iPhone, iPad ve Mac</strong> cihazlar için akıllı teknoloji sistemi <strong>Apple Intelligence</strong>’ı duyurdu. Apple Intelligence; <strong>iOS 18, iPadOS 18 ve macOS Sequoia</strong>’ya entegre bir şekilde geliyor.</p><p><strong>Apple Intelligence</strong> ile kullanıcılar yapay zeka ile kişisel verilerini gizlilik çerçevesinde harmanlıyor ve cihazınız bir nevi<strong> yardımcı robotunuz</strong> haline geliyor. Apple Intelligence, kullanıcı gizliliğini korumak için çoğu işlemi cihaz üzerinde gerçekleştirir. Daha karmaşık işlemler için ise <strong>Private Cloud Compute</strong> kullanarak, bu işlemleri güvenli ve gizli bir şekilde Apple sunucularında yapar. Bu sayede, kullanıcı verileri hem cihazda hem de bulutta korunur ve asla saklanmaz veya ifşa edilmez.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/641/1*V5Iro-8HucIT-0mCSGlHHg@2x.jpeg" /></figure><p><strong>Apple Intelligenc</strong>e, kullanıcıların yazılarını iyileştirmeleri ve daha etkili iletişim kurmaları için yeni yollar sunar. <strong>iOS 18, iPadOS 18 ve macOS Sequoia’</strong>da yer alan Yazı Araçları ile metinlerinizi yeniden yazabilir, düzeltebilir ve özetleyebilirsiniz.</p><ul><li><strong>Yeniden Yazma (Rewrite):</strong> Yazdığınız metnin farklı tonlarda versiyonlarını seçebilirsiniz.</li><li><strong>Dil Bilgisi Kontrolü (Proofread):</strong> Dil bilgisi, kelime seçimi ve cümle yapısını kontrol eder, düzeltmeler önerir.</li><li><strong>Özetleme (Summarize):</strong> Metni seçerek kısa bir paragraf, anahtar noktalar veya liste halinde özetletebilirsiniz.</li></ul><p>Bu araçlar, yazılarınızı daha güvenli ve etkili bir şekilde oluşturmanıza yardımcı olur.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/1*VX-QtQDGlaRFwjwsg5_aQQ@2x.jpeg" /></figure><p><strong>Mail İçin Yeni Özellikler</strong></p><p>Mail uygulamasında e-postalarınızı takip etmek artık çok daha kolay. iOS 18, iPadOS 18 ve macOS Sequoia’da yer alan yeni özelliklerle e-postalarınızı daha hızlı ve etkili bir şekilde yönetebilirsiniz.</p><ul><li><strong>Öncelikli Mesajlar (Priority Messages):</strong> Gelen kutunuzun en üstünde en acil e-postalarınızı görebilirsiniz.</li><li><strong>Özet Görüntüleme:</strong> Her e-postanın ilk birkaç satırını önizlemek yerine, mesajı açmadan özetleri görebilirsiniz.</li><li><strong>Hızlı Ayrıntı Görüntüleme:</strong> Uzun e-posta dizileri için sadece bir dokunuşla önemli ayrıntıları görüntüleyebilirsiniz.</li><li><strong>Akıllı Yanıt (Smart Reply):</strong> Hızlı yanıtlar için öneriler sunar ve e-postalardaki soruları tespit ederek her şeyin yanıtlandığından emin olmanızı sağlar.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*T4lb4pBi3gFlQfxWHLG9VA@2x.jpeg" /></figure><p><strong>Bildirimler İçin Yeni Özellikler</strong></p><p>Bildirimlerinizi yönetmek artık çok daha kolay.<strong> iOS 18, iPadOS 18 ve macOS Sequoia’</strong>da yer alan yeni özelliklerle bildirimlerinizi daha verimli bir şekilde kontrol edebilirsiniz.</p><ul><li><strong>Öncelikli Bildirimler (Priority Notifications):</strong> En önemli bildirimler en üstte görünür.</li><li><strong>Bildirim Özetleri:</strong> Uzun veya birikmiş bildirimlerde önemli ayrıntıları Kilit Ekranında özetlerle görebilirsiniz.</li><li><strong>Dikkat Dağınıklığını Azalt (Reduce Interruptions):</strong> Yalnızca acil dikkat gerektiren bildirimleri gösteren yeni bir Odak modu. Örneğin, çocuğunuzun kreşten erken alınmasıyla ilgili bir mesaj gibi.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/639/1*ROGTjME2MDqeAR3wkQ5o3Q@2x.jpeg" /></figure><p><strong>Notlar ve Telefon Uygulamaları İçin Yeni Özellikler</strong></p><p>Notlar ve Telefon uygulamalarında ses kaydedebilir, yazıya dökebilir ve özetleyebilirsiniz.<strong> iOS 18, iPadOS 18 ve macOS Sequoia’d</strong>a yer alan bu yeni özellikler, sesli notları ve telefon görüşmelerini daha verimli hale getirir.</p><ul><li><strong>Ses Kaydetme ve Yazıya Dökmek:</strong> Notlar ve Telefon uygulamalarında ses kaydedebilir ve yazıya dökebilirsiniz.</li><li><strong>Özetleme:</strong> Apple Intelligence, kaydedilen sesli notları veya telefon görüşmelerini özetleyerek anahtar noktaları hatırlamanıza yardımcı olur.</li><li><strong>Çağrı Bildirimi:</strong> Bir çağrı sırasında kayıt başlatıldığında, katılımcılara otomatik olarak kayıt yapıldığı bildirilir. Görüşme sona erdiğinde, Apple Intelligence görüşmenin özetini oluşturur.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*DcqP4ANBXhoV0Kr0foxUqQ@2x.jpeg" /></figure><p><strong>Image Playground İle İletişim ve Kendini İfade Etmek Daha Eğlenceli</strong></p><p>Apple Intelligence, kullanıcıların yeni yollarla iletişim kurmalarını ve kendilerini ifade etmelerini sağlayan heyecan verici görüntü oluşturma yetenekleri sunar. Image Playground ile kullanıcılar, saniyeler içinde eğlenceli görüntüler oluşturabilir ve üç stilden birini seçebilirler: Animasyon, İllüstrasyon veya Çizim.</p><ul><li><strong>Kolay Kullanım:</strong> Image Playground, Mesajlar dahil birçok uygulamaya entegre edilmiştir ve ayrıca farklı konsept ve stillerle denemeler yapmak için mükemmel olan özel bir uygulama olarak da mevcuttur.</li><li><strong>Cihaz Üzerinde Oluşturma:</strong> Tüm görüntüler cihaz üzerinde oluşturulur, bu da kullanıcıların istedikleri kadar görüntü denemesi yapmalarına olanak tanır.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*vcsIu0c55Ic-eqHu38yGDg@2x.jpeg" /></figure><p><strong>Kategori Seçenekleriyle Image Playground</strong></p><p>Image Playground ile kullanıcılar, temalar, kostümler, aksesuarlar ve mekanlar gibi kategorilerden çeşitli konseptler seçebilirler. Bir görüntüyü tanımlamak için bir açıklama yazabilir, kişisel fotoğraf kitaplıklarından birini görüntüye ekleyebilir ve favori stillerini seçebilirler.</p><p><strong>Mesajlar’da Image Playground Deneyimi</strong></p><p>Mesajlar’da Image Playground deneyimi ile kullanıcılar, arkadaşları için hızlıca eğlenceli görüntüler oluşturabilir ve hatta sohbetlerine bağlı olarak kişiselleştirilmiş önerilen konseptleri görebilirler. Örneğin, bir kullanıcı bir grup ile doğa yürüyüşü hakkında mesajlaşıyorsa, arkadaşlarına, gidecekleri yere ve aktiviteye ilişkin önerilen konseptler görür, böylece görüntü oluşturma süreci daha hızlı ve daha ilgili hale gelir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/637/1*XfD3bVAAws2Lku_klO9gtw@2x.jpeg" /></figure><p><strong>Notlar İçinde Image Playground Kullanımı</strong></p><p>Notlar uygulamasında, çizim seçenekleri içindeki yeni Image Wand ile Image Playground’a erişebilir ve notlarınızı daha görsel hale getirebilirsiniz. Kaba taslakları hoş görüntülere dönüştürebilir ve boş alanları seçerek çevredeki bağlamdan yararlanarak görüntü oluşturabilirsiniz. Image Playground, Keynote, Freeform, Pages ve bu yeni API’yi kullanan üçüncü taraf uygulamalarda da kullanılabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*4J6QaHEiIFcATntqgNaYYQ@2x.jpeg" /></figure><p><strong>Her An İçin Genmoji Yaratma</strong></p><p>Emojileri tamamen yeni bir seviyeye taşıyan <strong>Genmoji </strong>ile kullanıcılar, kendilerini ifade etmek için orijinal <strong>Genmoji’ler </strong>oluşturabilirler. Sadece bir açıklama yazarak, Genmoji’leri ve ek seçenekleri görebilirsiniz. Kullanıcılar, arkadaşlarının ve aile üyelerinin fotoğraflarına dayalı Genmoji’ler de oluşturabilirler. Genmoji’ler, tıpkı emojiler gibi mesajlara eklenebilir veya bir çıkartma ya da tepki olarak paylaşılabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*_LoUzoWgpHrtCnTy02rycQ@2x.jpeg" /></figure><p><strong>Fotoğraflar İçin Yeni Özellikler Kullanıcılara Daha Fazla Kontrol Sağlıyor</strong></p><p><strong>Apple Intelligenc</strong>e ile fotoğraf ve video arama artık çok daha kolay. Doğal dil kullanarak belirli fotoğrafları arayabilirsiniz, örneğin “Maya’nın batik tişörtle kaykay yapması” veya “Katie’nin yüzünde çıkartmalar olması” gibi. Videolarda da belirli anları bulmak artık daha güçlü hale geliyor, böylece doğrudan ilgili segmente geçebilirsiniz. Ayrıca, yeni Temizleme (<strong>Clean Up</strong>) aracı, fotoğrafın arka planında silmek istediğiniz nesneleri tanımlayıp kaldırabilir, bu işlemi yaparken bütünlüğü bozmaz, çekim ortamını bilmeyen biri o nesneleri asla fark edemez. Bunu şuanda yapan App Storeda yayında olan bir çok premium uygulama var . Bu vesileyle Apple’n her wwdc etkinliğinde getirdiği yeni özelliklerle bazı startupların işlevinini bitirdiğini söylemek yanlış olmaz :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*92ZSqy4CqLMcrCc0xsXYRQ@2x.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*HiWf5BfkSOt5wQVWbQZkLQ@2x.jpeg" /></figure><p><strong>Anılar İçin Yeni Özellikler</strong></p><p><strong>Anılar (Memories)</strong> ile kullanıcılar, sadece bir açıklama yazarak görmek istedikleri hikayeyi oluşturabilirler. Örneğin, “Yaz tatili anıları” diye yazdığınızda, Apple Intelligence dil ve görüntü anlama yeteneklerini kullanarak en iyi yaz tatili fotoğraf ve videolarınızı seçer.</p><ul><li><strong>Hikaye Oluşturma:</strong> Yaz tatili fotoğraflarınızdan plaj, aile, eğlence gibi temalar belirler ve bunları bölümler halinde düzenler.</li><li><strong>Film Yapısı:</strong> Bu temalara dayalı olarak, kendi anlatı yapısına sahip bir film oluşturur.</li><li><strong>Müzik Önerisi:</strong> Apple Music’ten tatil anılarınıza uygun şarkı önerileri sunar.</li></ul><p>Tüm Apple Intelligence özelliklerinde olduğu gibi, fotoğraf ve videolar cihazda özel olarak tutulur ve Apple veya başkalarıyla paylaşılmaz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*5kv7GOJOuwaZV6zQBj27ng@2x.jpeg" /></figure><p><strong>Siri Yeni Bir Döneme Giriyor</strong></p><p>Apple Intelligence ile güçlendirilen Siri, sistem deneyimine daha derinlemesine entegre oluyor. Gelişmiş dil anlama yetenekleri sayesinde Siri, daha doğal, daha bağlamsal ve daha kişisel hale geliyor, böylece günlük görevleri basitleştirip hızlandırabiliyor.</p><ul><li><strong>Daha Doğal ve Anlamlı İletişim:</strong> Siri, kullanıcıların kelimeleri takıldığı durumlarda bile anlamı takip edebilir ve bir isteği diğerine bağlayarak bağlamı koruyabilir. Örneğin, “Yarın hava nasıl olacak?” sorusundan sonra “Bana bir şemsiye hatırlat” dediğinizde, Siri konuyu anlar ve bağlamı koruyarak bir hatırlatıcı oluşturur.</li><li><strong>Esnek İletişim Yöntemleri:</strong> Kullanıcılar, Siri’ye yazabilir ve anlık duruma göre metin ile ses arasında geçiş yaparak iletişim kurabilirler. Örneğin, bir toplantıdayken Siri’ye yazarak “Bu akşam saat 7&#39;de alarm kur” diyebilirsiniz, ardından dışarıdayken aynı komutu sesle verebilirsiniz.</li><li><strong>Yeni Tasarım:</strong> Siri, aktif olduğunda ekranın kenarlarını saran zarif bir parlayan ışık ile yeni bir tasarıma sahip, böylece Siri’nin aktif olduğunu kolayca görebilirsiniz.</li><li><strong>Cihaz Desteği:</strong> Siri, kullanıcıların gittiği her yerde cihaz desteği sunabilir ve iPhone, iPad ve Mac’te bir şeylerin nasıl yapılacağına dair binlerce soruya cevap verebilir. Örneğin, Mail uygulamasında nasıl e-posta planlanacağını veya Karanlık Mod’a nasıl geçileceğini öğrenebilirsiniz.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/631/1*Pq6PsCioB5eLDYl9lN2iag@2x.jpeg" /></figure><ul><li><strong>Ekran Üzerindeki İçeriği Anlama:</strong> Siri, zamanla daha fazla uygulamada kullanıcı içeriğini anlayarak eyleme geçebilir. Örneğin, bir arkadaşınız size Mesajlar’da yeni adresini gönderdiğinde, “Bu adresi onun kişi kartına ekle” diyebilirsiniz.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*AQgMkN0fmMQox0_xUiKUYw@2x.jpeg" /></figure><ul><li><strong>Yeni Eylemler:</strong> Apple Intelligence ile Siri, Apple ve üçüncü taraf uygulamalarda yüzlerce yeni eylem gerçekleştirebilir. Örneğin, “Okuma Listemden o makaleyi aç” veya “Cumartesi günü barbeküde çekilen fotoğrafları Malia’ya gönder” diyebilirsiniz ve Siri bu işleri halleder.</li><li><strong>Kullanıcıya Özgü Zeka:</strong> Siri, kullanıcı ve cihazdaki bilgilerle özelleştirilmiş zeka sunabilir. Örneğin, “Jamie’nin önerdiği podcast’i çal” dediğinizde, Siri metin ya da e-posta olup olmadığını hatırlamanıza gerek kalmadan bu bölümü bulur ve oynatır. Ya da “Annemin uçağı ne zaman iniyor?” diye sorarsanız, Siri uçuş detaylarını bulur ve gerçek zamanlı uçuş takibi ile karşılaştırarak varış saatini verir.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/636/1*4n1cMGXjrTxKFCeLA2G2zA@2x.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*rGuYNZw47vYgRG1NQ8gImw@2x.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/635/1*XZyt4XFBEs6A66uylhCz4Q@2x.jpeg" /></figure><p><strong>Yapay Zekada Yeni Bir Gizlilik Standardı</strong></p><p>Apple Intelligence, kullanıcı gizliliğini korurken derin kişisel bağlamı anlamaya dayanır. Yani, verilerin senin cihazında kalması için büyük çaba gösterirler. İşlemlerin çoğu cihaz üzerinde yapılır, yani bilgiler cihazını terk etmez. Daha karmaşık işlemler için ise Private Cloud Compute devreye girer.</p><ul><li><strong>Esnek ve Ölçeklenebilir Kapasite:</strong> Private Cloud Compute sayesinde Apple Intelligence, cihazındaki işlem gücünü gerektiğinde artırabilir. Örneğin, büyük bir görüntü işlemesi yapman gerektiğinde bu görev, Apple silicon ile güçlendirilmiş sunuculara gönderilir, ama verilerin hala güvende kalır. Bu sunucular, verilerini saklamaz veya ifşa etmez.</li><li><strong>Bağımsız Denetim:</strong> Apple silicon sunucularında çalışan kodlar bağımsız uzmanlar tarafından denetlenir. Bu sayede, iPhone, iPad ve Mac’in yalnızca kamuya açık olarak denetim için kaydedilmiş yazılımlarla iletişim kurması garanti edilir.</li></ul><p>Örneğin, Siri’ye “Jamie’nin önerdiği podcast’i çal” dediğinde, bu bilgiye erişmek için karmaşık bir işlem gerekebilir. Private Cloud Compute, bu işlemi güvenli bir şekilde bulutta gerçekleştirir, ancak senin verilerin gizli ve güvende kalır. Bu sayede, Apple Intelligence, yapay zekada yeni bir gizlilik standardı belirler ve güvenilir bir zeka sağlar.</p><p><strong>ChatGPT Apple Platformlarına Entegre Ediliyor</strong></p><p>Apple, iOS 18, iPadOS 18 ve macOS Sequoia’ya ChatGPT erişimini entegre ediyor. Böylece kullanıcılar, bu araçlar arasında geçiş yapmadan ChatGPT’nin uzmanlığından — ve görüntü ve belge anlama yeteneklerinden — yararlanabilirler.</p><ul><li><strong>Siri ile Entegrasyon:</strong> Siri, gerektiğinde ChatGPT’nin uzmanlığından faydalanabilir. Örneğin, Siri’ye bir soru sorduğunda, önce bu sorunun ChatGPT’ye gönderilip gönderilmeyeceği sana sorulur. Eğer izin verirsen, Siri soruyu ChatGPT’ye gönderir ve cevabı doğrudan sana sunar. Aynı şey belgeler veya fotoğraflar için de geçerlidir; herhangi bir belge veya fotoğraf ChatGPT’ye gönderilmeden önce senden izin alınır.</li><li><strong>Yazı Araçlarında ChatGPT:</strong> ChatGPT, Apple’ın sistem çapında Yazı Araçlarında da kullanılabilir olacak. Bu, kullanıcıların yazdıkları herhangi bir içerik için ChatGPT’nin yardımından faydalanmalarını sağlar. <strong>Compose</strong>özelliği ile kullanıcılar, ChatGPT’nin görüntü oluşturma araçlarına erişerek yazılarına uygun çeşitli stillerde görüntüler oluşturabilirler. Örneğin, bir hikaye yazarken, hikayeyi tamamlamak için ChatGPT’den bir illüstrasyon isteyebilirsin.</li><li><strong>Gizlilik Koruması:</strong> ChatGPT’ye erişen kullanıcılar için gizlilik korumaları dahili olarak sağlanır. IP adreslerin gizlenir ve OpenAI istekleri saklamaz. Kullanıcılar hesaplarını bağlamayı tercih ettiklerinde, ChatGPT’nin veri kullanma politikaları geçerli olur.</li></ul><p>ChatGPT, bu yılın ilerleyen zamanlarında GPT-4o ile güçlendirilmiş olarak iOS 18, iPadOS 18 ve macOS Sequoia’ya gelecek. Kullanıcılar, hesap oluşturmadan ücretsiz olarak erişebilirler ve ChatGPT aboneleri, hesaplarını bağlayarak ücretli özelliklere bu deneyimler üzerinden erişebilirler.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*Hl0iH3eseZpr5Zr8LX_eww@2x.jpeg" /></figure><p><strong>Kullanılabilirlik</strong></p><p>Apple Intelligence, kullanıcılar için ücretsiz olacak ve bu sonbaharda iOS 18, iPadOS 18 ve macOS Sequoia’nın bir parçası olarak beta sürümünde sunulacak. İlk olarak ABD İngilizcesi’nde kullanılabilecek. Bazı özellikler, yazılım platformları ve ek diller, önümüzdeki yıl boyunca eklenecek. Apple Intelligence, iPhone 15 Pro, iPhone 15 Pro Max ve M1 ve sonraki işlemcilere sahip iPad ve Mac cihazlarda kullanılabilir olacak. Siri ve cihaz dili ABD İngilizcesi olarak ayarlandığında çalışacaktır. Daha fazla bilgi için <a href="http://apple.com/apple-intelligence">apple.com/apple-intelligence</a> adresini ziyaret edebilirsiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cfe059b5ad4c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/apple-apple-intelligence%C4%B1-duyurdu-iphone-ipad-ve-mac-i%CC%87%C3%A7in-yeni-nesil-ak%C4%B1ll%C4%B1-teknoloji-cfe059b5ad4c">Apple, Apple Intelligence’ı Duyurdu: iPhone, iPad ve Mac İçin Yeni Nesil Akıllı Teknoloji</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SWIFT PACKAGE MANAGER KULLANIMI]]></title>
            <link>https://medium.com/ibtech/swift-package-manager-kullanimi-82c7c7e390fb?source=rss-6168afba34ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/82c7c7e390fb</guid>
            <category><![CDATA[xcode]]></category>
            <category><![CDATA[swift]]></category>
            <category><![CDATA[ios-app-development]]></category>
            <category><![CDATA[ios]]></category>
            <category><![CDATA[swiftui]]></category>
            <dc:creator><![CDATA[Erdi Ergene]]></dc:creator>
            <pubDate>Wed, 06 Jul 2022 07:04:34 GMT</pubDate>
            <atom:updated>2022-07-06T07:15:32.742Z</atom:updated>
            <content:encoded><![CDATA[<p>Ios projelerimize third parti bir kütüphane eklemek için geçmişten günümüze kullanılan Carthage ve Cocoapods adlarıyla bildiğimiz iki popüler yöntem var. Fakat geçen sene Xcode 11 ile birlikte gelen <strong>Swift Package Manager </strong>özelliği<strong> </strong>ile direkt Xcode aracılığıyla uygulamalarımıza third part kütüphane eklememiz mümkün ve şahsi kanaatim çok daha pratik ve yönetilebilirliği Cocoapords ve Carthage göre kolay olduğu.</p><p>Yeni Paket Ekleme eklemek için ilk olarak File -&gt; Add Package yapıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nw-oorMmATBf8qcRW-74eA.png" /></figure><p>Daha sonra ekrana açılan pencereden eklemek istediğimiz kütüphaneyi ismiyle aratmak yada direkt url yoluyla erişmek mümkün. Buradaki temel şart eklenecek olan kütüphanenin<strong> Swift Package Manager’</strong>ı destekliyor olması. Desteklemeyen bir kütüphaneye buradan erişemiyoruz. İlk çıktığı zamanlarda en büyük handikapı çok fazla third partinin destek vermemesi olan Swift Package Manager şuanda piyasa kullanılan bir çok popüler kütüphane tarafından destekleniyor .</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3UepNFPSrnZ3AF87ikCtpA.png" /></figure><p>Bir third party eklerken <strong>swift package manager</strong> bize ekleceğimiz kütüphanenin versiyonunu , update edilip edilemeyeceğini hatta isteğe bağlı olarak <strong>branch</strong> ve hatta <strong>commit</strong> bazlı olarak ekleyebilmemizi sağlıyor.</p><p><strong>Dependency Rule</strong> altına <strong>Up to next major version</strong> , <strong>Up to next minor version</strong> , <strong>range</strong> , <strong>exact</strong> gibi farklı kural setleri tanımlayabiliyoruz. Bu kural setleri sayesinde kullandığımız kütüphanenin ne zaman , hangi şartlara kadar güncelleneceğini vs belirlemiş oluyoruz. Kütüphaneler versiyonlanırken <strong>MAJOR.MINOR.PATCH </strong>şeklinde numaralandırılıyorlar. <strong>Major</strong> hanesi genellikle 1–100+ arası sayılarla isimlendirirken <strong>minor</strong> ve <strong>patch</strong> haneleri genelde 0 ile 9 arasında bir rakam ile isimlendiriliyor. (Proje versiyonlarına benzer bir şekilde)</p><p>Kütüphane sahipleri ,</p><p><strong>Major</strong> hanesini genellikle köklü değişiklikler (hatta önceki sürümlerle uyumlu olmayan değişiklerde) yapıldığında ;</p><p><strong>Minor</strong> hanesini genellikle önceki versiyonları destekleyen (geriye uyumlu — varolan işleyişinizi bozmayacak şekilde -) ufak yenilikler yapıldığında;</p><p><strong>Patch </strong>hanesini ise bug çözümü , crash çözümü durumlarında güncelleme yapıyorlar..</p><p>(Örneğin Alamofire kitaplığının 5.6.0 sürümü vardır. Yani…</p><ul><li>… Major ana sürüm 5</li><li>…Minor küçük sürüm 6</li><li>… Patch yama sürümü 0)</li></ul><p>Yukarıda belirttiğim bilgileri göz önünde bulundurarak <strong>dependency rulelardan</strong> bahsedecek olursak ;</p><p>Aşağıdaki gibi<strong> Up to Next Major Version </strong>opsiyonunu seçtiğimizde arası <strong>Swift Package Manager</strong> bize eklediğimiz kütüphane için 5.0.0 ile 6.0.0 aralığında -yani bir sonraki major köklü değişikliklerin bulunacağı versiyona kadar — çıkacak her versiyon için güncelleme imkanı sunuyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4amCJk0qWvWls6Zt0rwpAw.png" /></figure><p>Aşağıdaki gibi<strong> Up to Next Minor Version </strong>opsiyonunu seçtiğimizde arası <strong>Swift Package Manager</strong> bize eklediğimiz kütüphane için 5.6.0 ile 5.7.0 aralığında, sadece( yama) bulgu çözümü, olan versiyonlar için güncelleme imkanı sunuyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Me3UzVuwmXfUnFLa--gaVg.png" /></figure><p>Onun dışında <strong>range</strong> seçeceği sayesinde kendimiz isteğimiz iki versiyon aralığını (<strong>major,minor, patch </strong>farketmeksizin) belirtebiliyoruz.</p><p>Bazı durumlarda ekleyeceğimiz kütüphane herhangi bir şekilde güncellensin istemeyiz; kütüphanenin varolan x bir versiyonu işimizi görüyordur ve yapılacak herhangi bir değişiklikten etkilenmemek adına versiyonunu stabil tutmak isteyebiliriz . Bu tür durumlarda<strong> Swift Package Manager’</strong>in <strong>Exact</strong> seçeceği imdadımıza yetişip tam olarak bu işlevi görüyor ve uygulamanın içinde stabil versiyonu değişmeyecek şekilde kütüphanemizi entegre ediyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WH59tW2y89MwP_Rm8qOv9g.png" /></figure><p>Ekleyeceğimiz kütüphaneyi versiyon bağımsız bir branch yada commit specific olarak ekleyebiliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HZXKPQ1FNQmvbMlf-vZPMA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*03SY4Us3tkTWLl2XPu2B9Q.png" /></figure><p><strong>Bir package silmek için Target üzerine gelip eksi butonuna basmamız yeterli.</strong></p><p><strong>Kütüphaneleri güncellemek, cache silmek (aynı kütüphaneyi üst üste eklerken vs) için file altındaki packages menüsünü kullanabiliriz.</strong></p><p>Sağlıcakla Kalın, Keyifli Geliştirmeler :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=82c7c7e390fb" width="1" height="1" alt=""><hr><p><a href="https://medium.com/ibtech/swift-package-manager-kullanimi-82c7c7e390fb">SWIFT PACKAGE MANAGER KULLANIMI</a> was originally published in <a href="https://medium.com/ibtech">IBTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>