<?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 Erdinç YILMAZ on Medium]]></title>
        <description><![CDATA[Stories by Erdinç YILMAZ on Medium]]></description>
        <link>https://medium.com/@erdncyz?source=rss-e99fb32a48b4------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*vCENUoydgA6zeEkv</url>
            <title>Stories by Erdinç YILMAZ on Medium</title>
            <link>https://medium.com/@erdncyz?source=rss-e99fb32a48b4------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 06:37:09 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@erdncyz/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[GPT-6.2 Astra ve Sol geldi: Codex’te gerçekten fark var mı?]]></title>
            <link>https://medium.com/@erdncyz/gpt-6-2-astra-ve-sol-geldi-codexte-ger%C3%A7ekten-fark-var-m%C4%B1-8537903a8837?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/8537903a8837</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[openai]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[software-development]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Wed, 18 Nov 2026 08:32:29 GMT</pubDate>
            <atom:updated>2026-11-18T08:32:29.144Z</atom:updated>
            <content:encoded><![CDATA[<h4>Fiyat farkı 4 kat, X’teki yorumlar ikiye bölünmüş durumda. Rakamları, tepkileri ve kendi reponda çalıştırabileceğin küçük bir test planını tek yazıda topladım.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*badAFI9EX47dvRM9qLdOIQ.png" /><figcaption>GPT-6.2 Astra ve Sol: 17 Kasım 2026&#39;da çıkan iki model, iki fiyat, tek soru</figcaption></figure><p>17 Kasım akşamı OpenAI iki modeli birlikte canlıya aldı: <strong>GPT-6.2 Astra</strong> ve <strong>GPT-6.2 Sol</strong>. Ertesi sabah X akışıma ve Hacker News’e baktığımda manzara net değildi. Bir tarafta “bu fiyata bu performans inanılmaz” diyenler, diğer tarafta “kullanılamaz” diyenler vardı. Aynı modele iki ayrı gerçeklik.</p><p>Bir geliştirici olarak benim sorum çok sade: <strong>Codex</strong>’te günlük işimde bu modellerden hangisini seçmeliyim ve bunun bana maliyeti ne olur?</p><h3>Önce bir dürüstlük notu</h3><p>Bu iki modeli kendim test etmedim. Elimde bir OpenAI API anahtarı yok, dolayısıyla “ben denedim, şu çıktı” diyemem. Bu yazı bir deney raporu değil, pratik bir rehber. Resmi sayfalardaki fiyatlar ve belgeler, bağımsız ölçüm kuruluşlarının sonuçları ve gerçek geliştiricilerin paylaşımları bir araya geliyor. Fiyat hesabı ise açıkça “örnek hesap” olarak etiketlenmiş durumda. Sonunda da seni kendi ölçümünü yapmaya götürecek bir plan var.</p><h3>Ne değişti?</h3><p>OpenAI’ın duyurusuna göre <strong>Astra</strong> en zor projeler için yeni amiral gemisi, <strong>Sol</strong> ise günlük işler için verimli ve çok yönlü model. Codex değişiklik notları ayrımı daha da somutlaştırıyor: Astra’yı mevcut bir kod tabanında bir değişikliği uygulayıp test etmek gibi zor işler için, Sol’u günlük kodlama, yazma ve çok adımlı iş akışları için öneriyorlar.</p><p>Erişim tarafında bilmen gerekenler şunlar:</p><ul><li>İkisi de ChatGPT Work ve <strong>Codex</strong>’te Plus, Pro, Enterprise ve Edu kullanıcılarına açık.</li><li>Pro 500 aboneleri iki modelde de Ultrafast kullanabiliyor. Pro 200 aboneleri ilk kez Ultrafast alıyor, ama yalnızca Sol ile.</li><li>API model adları gpt-6.2-astra ve gpt-6.2-sol. CLI&#39;da codex --model gpt-6.2-sol veya codex exec -m gpt-6.2-sol &quot;...&quot; yeterli.</li><li>Her iki model de 1 milyon tokene kadar bağlam penceresi destekliyor. Codex’te bunun için config.toml içinde model_context_window ayarlamak gerekiyor.</li></ul><h3>Fiyat: asıl hikaye burada</h3><p>Resmi fiyatlar 1M token başına şöyle: Astra giriş $8, önbellekli giriş $0,40, çıkış $40. Sol giriş $2, önbellekli giriş $0,10, çıkış $10. Astra, önceki GPT-6 Astra’ya göre giriş ve çıkışta %20, önbellekli girişte %60 ucuzladı. Sol’un fiyatı ise GPT-6.1 Sol ile aynı kaldı.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4eQ_6HOJZ_hZ1SehlJsw4g.png" /><figcaption>Resmi API fiyatları (1M token başına, standart, kısa bağlam). Astra ile Sol arasındaki oran her kalemde tam 4 kat</figcaption></figure><p>Küçük harfli kısımlar da fatura için önemli, bu yüzden model sayfalarından not aldım:</p><ul><li>272K tokenden uzun girişlerde giriş ve önbellek fiyatları ikiye katlanıyor, çıkış ise tüm istek için 1,5 katına çıkıyor.</li><li>Batch standart fiyatın yarısı, Fast mod iki katı.</li><li>Ultrafast, 28 Şubat 2027&#39;ye kadar standart fiyatın 3 katı. 1 Mart 2027&#39;den sonra 6 katı.</li></ul><h3>Örnek hesap</h3><p>Burada tahmin değil, aritmetik yapıyorum. Diyelim ki <strong>Codex</strong> benzeri bir ajan görevinde şu token harcaması oluyor: 200K normal giriş, 400K önbellekten okunan giriş ve 60K çıkış. Bu sayıları ben varsaydım, ölçmedim. Yayımlanmış fiyatlarla sonuç şöyle:</p><ul><li>200K normal giriş: Astra 6.2 $1,60, Sol 6.2 $0,40</li><li>400K önbellekli giriş: Astra 6.2 $0,16, Sol 6.2 $0,04</li><li>60K çıkış: Astra 6.2 $2,40, Sol 6.2 $0,60</li><li>Görev başı toplam: Astra 6.2 $4,16, Sol 6.2 $1,04</li></ul><p>Aynı token sayısında GPT-6 Astra $5,40 tutuyordu. Diyelim ki günde 20 görev, ayda 22 gün çalışıyorsun: bu 440 görev eder. Tamamı Astra ile yaklaşık $1.830, tamamı Sol ile yaklaşık $458. İşlerin %80&#39;ini Sol’a, %20&#39;sini Astra’ya verirsen yaklaşık $732.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bBXBKieANwkW2-MQ-HEaZA.png" /><figcaption>ÖRNEK HESAP: yayımlanmış fiyatlarla varsayımsal bir iş yükü. Ölçüm değil, kendi token sayılarınla yeniden hesaplanabilir</figcaption></figure><p>Buradan çıkan iki sonuç var. Birincisi, fiyat oranı her kalemde tam 4 olduğu için Astra’nın Sol ile aynı faturaya inebilmesi için aynı işi dört kat daha az tokenle bitirmesi gerekir. İkincisi, Ultrafast’e gelince: Sol’u 3 kat fiyatla çalıştırmak bu örnekte $3,12 eder, yani standart Astra’nın altında kalır. 1 Mart 2027&#39;den sonra 6 kat olunca $6,24 olur ve bu avantaj kaybolur.</p><h3>Benchmark’lar ne söylüyor?</h3><p>Önce OpenAI’ın kendi iddialarına bakalım. OpenAI, Agents’ Last Exam’de Astra’nın GPT-6 Astra’dan 5,2 puan önde olduğunu ve maliyetin üçte birinden azına geldiğini söylüyor. Cognition’ın FrontierCode 2.0 testinde Sol, Astra’nın 0,5 puan gerisinde ve yaklaşık beşte bir maliyette (ikisi de max eforda). Bunlar OpenAI’ın duyurusundaki sayılar, yani üreticinin kendi anlatımı. Tabloda bir de dipnot var: Claude Fable 5.2 sonuçlarından, yedek model kullanılan dokuz görev çıkarılmış.</p><p>Bağımsız tarafta Artificial Analysis, Astra’yı Intelligence Index’te 62 puanla ikinci sıraya koyuyor (Claude Fable 5.2 için 65), Sol 57. Maliyet/performans sınırının büyük kısmı OpenAI modellerinde. Ama bizi ilgilendiren cümle şu: Codex altyapısıyla ölçülen Coding Agent Index’te Astra 6.2 önceki Astra ile aynı, Sol 6.2 ise GPT-6.1 Sol’dan 3 puan geride. Sol’daki düşüşün sebebi SWE-Atlas-QnA-AA testindeki 14 puanlık gerileme. Model cevaplarında önemli bilgileri daha sık atlıyor.</p><p>Artificial Analysis aynı zamanda en yüksek eforda zor bilgi sorularında tahmin yürütme oranını Astra için %59, Sol için %55 olarak raporluyor. Bu sorular bilerek çok zor seçilmiş, o yüzden günlük halüsinasyon oranı olarak okumamak lazım.</p><p>Grafikte kendi sorumun cevabına en yakın şeyi çizdim: Artificial Analysis verisinin Mercury AI Bench’e yansıyan halinde (evet, site yeni modelleri zaten listeliyor), aynı zekâ puanı için hangi efor seviyesi ne kadara geliyor. Daha önce <strong>Mercury AI Bench</strong>’i neden yaptığımı <a href="https://medium.com/@erdncyz/hangi-yapay-zek%C3%A2-modelini-kullanmal%C4%B1y%C4%B1m-bu-soruya-cevap-veren-bir-site-gelistirdim-7ed0d5367960">bu yazıda</a> anlatmıştım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*G6ooqyCXfTIk0WmpZnCuVw.png" /><figcaption>Artificial Analysis Intelligence Index puanı ile görev başına maliyet, efor seviyelerine göre. Bu genel zekâ endeksidir, kodlama endeksi değil</figcaption></figure><p>Grafikten bir okuma: Sol High 54,9 puanı $0,56&#39;ya veriyor. Astra Medium 57,0 puan için $1,62 istiyor. Yani 2 puanlık fark yaklaşık 3 kat maliyetle geliyor. Astra’nın üstünlüğü yüksek eforda açılıyor: High’da 60,1 puana karşı 54,9, Max’ta 62,1 puana karşı 57,3. Yine de bu endeks kodlamaya özel değil, o yüzden bir yön göstergesi olarak oku.</p><h3>X ve Hacker News’te dengeli bir tablo</h3><p>Şimdi geliştirici tarafı. Önce şunu söyleyeyim: canlıya alma günü yorumlarının önemli kısmı erken erişimi olan isimlerden geliyor. Hacker News’te ana başlık 1.200 puanı aştı. Bir kullanıcı sorunun özünü şöyle koymuş: Astra ile Sol arasında işinde belirgin fark hisseden var mı? (<a href="https://news.ycombinator.com/item?id=50535364">yorum</a>).</p><p>Olumsuz taraf:</p><ul><li>Matt Shumer test deneyimini “terrible” diye niteledi ve modellerin neredeyse “unusable” olduğunu yazdı, tam değerlendirme yazmayacağını da ekledi (<a href="https://x.com/mattshumer_/status/2122752192226406421">post</a>).</li><li>Dan Shipper ve Every ekibi birkaç haftalık testlerinin ardından hayal kırıklığı bildirdi. Onlara göre Astra 6.2 yazıda geriye gitmiş, gerçek kodlama işlerinde sık sık erken duruyor, tasarımda ise belirgin bir “house style” var (<a href="https://x.com/danshipper/status/2122754729012777052">post</a>).</li><li>Theo, Astra 6.2&#39;yi OpenAI’ın en kötü modeli olarak tanımladı (<a href="https://x.com/theo/status/2122757647170703550">post</a>). Yazdığı uzun mektupta uzun görevlerde kendi kendini “blocked” ilan etmesini, anlaşılmaz özetleri ve döngüye girmesini sayıyor. Aynı mektupta iyi taraflarını da yazıyor: iyi bir code reviewer, bilgisayar kullanımı çok güçlü, kod kalitesi gözle görülür biçimde artmış, 3D ve oyun işlerinde çok iyi (<a href="https://x.com/theo/status/2122760447103484410">yazı</a>).</li></ul><p>Olumlu veya nötr taraf:</p><ul><li>Simon Willison bloğunda tabloyu “karışık” diye özetliyor. Astra 6.2 çeşitli benchmark’larda Fable 5.2&#39;nin biraz gerisinde, iletişim tarzı da bazılarına kafa karıştırıcı geliyor (<a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/">blog</a>).</li><li>Plotly’den chriddyp, Hacker News’te kendi veri analizi sınavlarında Astra’nın yaklaşık $20&#39;dan $4&#39;e, Sol’un $2,6&#39;dan $1,2&#39;ye indiğini, doğruluğun benzer kaldığını, araç çağrılarının azaldığını yazdı. Bazı durumlarda modelin “erken bitirdiğini” de not etti (<a href="https://news.ycombinator.com/item?id=50539264">yorum</a>).</li><li>Aaron Hammer kısa ve net yazdı: Astra “trainwreck”, Sol ise “amazing” ve kendisi için ideal sonuç bu (<a href="https://x.com/ahammer__/status/2122879413058715911">post</a>).</li></ul><p>Bir de küçük bir veri noktası: soloDavid adlı bir geliştirici dört modele aynı görevi verdiğini ve Astra 6.2&#39;nin $11,49 ile 38 dakika, Sol 6.2&#39;nin $2,65 ile 17 dakika sürdüğünü paylaştı (<a href="https://x.com/itsolodavid/status/2122841713257615395">post</a>). Görev tweet’te açıklanmamış, koşu sayısı da belirtilmemiş, yani bu bir anekdot. Ama ölçmenin neye benzediğini göstermesi açısından iyi bir örnek.</p><p>Bu tablodan iki ortak desen çıkıyor. Baktığım paylaşımlarda şikayetler Astra’da yoğunlaşıyor ve çoğunlukla uzun, otonom işlerle ilgili: erken durma, gereksiz soru sorma, okunaksız özet. Sol’a yönelik eleştiriler çok daha dağınık, en somut olumsuz sinyal Artificial Analysis’in kodlama endeksindeki 3 puanlık gerileme. OpenAI de benzer bir noktayı kendisi kabul ediyor: iki testte modeller, işi engelleyen bir engeli (eksik dosya gibi) belirtmeyi daha sık atlamış ve OpenAI bunu azaltmak için Codex’e talimatlar eklemiş. Diyelim ki Codex dışında kendi ajan altyapını yazıyorsun: benim çıkarımım, bu tür talimatları kendin eklemen gerekebileceği yönünde.</p><h3>Astra mı Sol mu?</h3><p>Elimdeki verilerle işi şöyle okuyorum. Bu bir ölçüm değil, kaynaklardan çıkardığım bir çalışma kuralı:</p><ul><li>Sol ile başla: kapsamı net, tek oturumda biten işler. Hata düzeltme, test yazma, küçük özellik, kod inceleme. Hem fiyat hem OpenAI’ın kendi önerisi bu yönde.</li><li>Astra’yı dene: birden fazla servisi aşan, uzun, hata maliyeti yüksek işler. OpenAI’ın örneği de tam bu: hatayı servisler arasında izleyip düzeltmek ve test etmek. Uzun otonom çalıştıracaksan ara kontrol noktaları koy, çünkü şikayetlerin merkezi tam bu bölge.</li><li>3D, oyun, görsel arayüz: Hem OpenAI hem Artificial Analysis’in AA-3D sonuçlarında Astra önde (1.318 puan, Sol 1.259). Bu tür işlerde Astra’yı da dene.</li><li>Kural: önce ucuz olanı çalıştır, tıkanırsa Astra’ya yüksel. Tersi, yani her şeye Astra ile başlamak, aylık faturada 4 kat fark demek.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*agP_lM09Oz7MdfWoByklWQ.png" /><figcaption>Astra mı Sol mu: pratik karar akışı. OpenAI’ın model rehberine ve benim çıkarımıma dayanıyor, ölçüm değil</figcaption></figure><h3>Kendi karşılaştırmanı 5 adımda yap</h3><p>Kimsenin benchmark’ı senin reposundaki işi ölçmüyor. Diyelim ki ekibin ay sonuna kadar karar vermek zorunda. İşte yarım günde kurulabilecek tekrarlanabilir bir plan:</p><ol><li>Görevleri seç. Kendi reponda, birleştirilmiş ve testleri olan 5 gerçek iş: bir hata düzeltme, küçük bir özellik, bir refactor, test yazma, birden çok dosyayı etkileyen bir değişiklik.</li><li>İzole et. Her görev için PR’dan bir önceki commit’te ayrı bir git worktree aç. Prompt olarak issue metnini ver.</li><li>Aynı koşulu kur. Aynı prompt, aynı AGENTS.md, aynı efor seviyesi. Modelden başka hiçbir şey değişmesin.</li><li>Ölç. Orijinal PR’ın testleri geçti mi, kaç dakika sürdü, kaç token veya kaç dolar harcadı, erken bıraktı mı, özeti okuyup anladın mı (1 ile 5 arası puan). Her görev ve model için 3 koşu yap, çünkü tek koşu anekdottur.</li><li>Karar ver. Görev tipine göre kural yaz: hangi iş Sol’da kalır, hangisi Astra’ya gider.</li></ol><p>Komut tarafı çok basit:</p><pre>git worktree add ../deney-sol  &lt;PR-ONCESI-COMMIT&gt;<br>cd ../deney-sol<br>codex exec -m gpt-6.2-sol -c model_reasoning_effort=&quot;high&quot; \<br>  --sandbox workspace-write &quot;$(cat issue.txt)&quot;<br># aynısını gpt-6.2-astra ile ayrı bir worktree&#39;de tekrarla</pre><p>codex exec, -m ile model seçimi, --sandbox workspace-write ve model_reasoning_effort yapılandırma anahtarı Codex belgelerinde yer alıyor. Token ve maliyeti ise elindeki kullanım panelinden veya --json çıktısından, hangisi sende varsa oradan al. --json olay akışı kullanım bilgisini hangi biçimde veriyor, ben doğrulamadım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l6jS0UyGIa8BNmwTHMHnjA.png" /><figcaption>Kendi repoda 5 adımlı karşılaştırma planı ve sonuç tablosu şablonu</figcaption></figure><p>Bir tweet’te okuduğum cümle bu planın özünü iyi anlatıyor: asıl benchmark, çıktıyı düzeltmek için harcadığın dakika sayısı (<a href="https://x.com/tgatte/status/2122750265501843875">post</a>).</p><h3>Benim özetim</h3><p><strong>GPT-6.2 Astra</strong> ile <strong>GPT-6.2 Sol</strong> arasındaki fark kâğıt üzerinde net: 4 kat fiyat, belirli iş tiplerinde birkaç puan. Gerçek hayatta fark, işin ne kadar otonom ve uzun olduğuna bağlı görünüyor. Bağımsız ölçümlerde kodlama tarafında büyük bir sıçrama yok, geliştirici yorumları ise Astra’da uzun işlerde sorun, Sol’da fiyat avantajı yönünde toplanıyor. Bu yüzden benim varsayılanım şu: önce Sol, gerekirse Astra. Ama bunu kendi reponda bir öğleden sonra ölçmeden kesin kural yapma.</p><p>Sen de kendi karşılaştırmanı yaparsan sonuçları duymak isterim.</p><h3>Kaynaklar</h3><ul><li>OpenAI, Introducing GPT-6.2 Astra and Sol: <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol/">https://openai.com/index/introducing-gpt-6-2-astra-sol/</a></li><li>The Decoder, OpenAI launches GPT-6.2 Astra and Sol: <a href="https://the-decoder.com/openai-launches-gpt-6-2-astra-and-sol-with-lower-api-prices-and-some-benchmark-gains/">https://the-decoder.com/openai-launches-gpt-6-2-astra-and-sol-with-lower-api-prices-and-some-benchmark-gains/</a></li><li>OpenAI API fiyatlandırma: <a href="https://developers.openai.com/api/docs/pricing">https://developers.openai.com/api/docs/pricing</a></li><li>Model sayfaları: <a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra">https://developers.openai.com/api/docs/models/gpt-6.2-astra</a> ve <a href="https://developers.openai.com/api/docs/models/gpt-6.2-sol">https://developers.openai.com/api/docs/models/gpt-6.2-sol</a></li><li>Codex değişiklik notları: <a href="https://developers.openai.com/codex/changelog">https://developers.openai.com/codex/changelog</a></li><li>Codex model rehberi: <a href="https://developers.openai.com/codex/models">https://developers.openai.com/codex/models</a></li><li>Codex yapılandırma ve komut satırı belgeleri: <a href="https://developers.openai.com/codex/config-reference">https://developers.openai.com/codex/config-reference</a> ve <a href="https://developers.openai.com/codex/noninteractive">https://developers.openai.com/codex/noninteractive</a></li><li>Artificial Analysis analizi: <a href="https://artificialanalysis.ai/articles/openai-has-the-2-model-in-the-intelligence-index-with-the-release-of-gpt-6-2-astra-and-gpt-6-2-sol">https://artificialanalysis.ai/articles/openai-has-the-2-model-in-the-intelligence-index-with-the-release-of-gpt-6-2-astra-and-gpt-6-2-sol</a></li><li>Simon Willison: <a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/">https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/</a></li><li>Hacker News ana başlık: <a href="https://news.ycombinator.com/item?id=50535230">https://news.ycombinator.com/item?id=50535230</a></li><li>Mercury AI Bench: <a href="https://mercury-ai-bench.netlify.app/">https://mercury-ai-bench.netlify.app/</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8537903a8837" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Hangi yapay zekâ modelini kullanmalıyım? Bu soruya cevap veren bir site geliştirdim]]></title>
            <link>https://medium.com/@erdncyz/hangi-yapay-zek%C3%A2-modelini-kullanmal%C4%B1y%C4%B1m-bu-soruya-cevap-veren-bir-site-geli%C5%9Ftirdim-7ed0d5367960?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/7ed0d5367960</guid>
            <category><![CDATA[open-source]]></category>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[web-development]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Fri, 13 Nov 2026 08:09:34 GMT</pubDate>
            <atom:updated>2026-11-13T08:09:34.248Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Mercury AI Bench: dağınık benchmark sonuçlarını, fiyatları ve hızı tek ekranda toplayan, “benim işim için hangisi?” sorusunu görev bazında yanıtlayan açık kaynak bir araç</em></p><p>Her hafta yeni bir model çıkıyor. Bir lab “kodlamada zirvedeyiz” diyor, ertesi gün başka bir lab kendi grafiğini paylaşıyor. Aynı modelin üç ayrı efor seviyesi, iki ayrı fiyatı, farklı sağlayıcılarda farklı hızı var. Ben de bir geliştirici olarak sürekli aynı soruya takılıyordum: bu iş için hangi modeli seçmeliyim ve bu seçim bana ayda kaça patlar?</p><p>Cevabı bulmak için bir sekmede bir leaderboard, diğerinde fiyat sayfası, bir başkasında SWE-bench sonuçları açıp kafamda tablo kurmak yerine bu tabloyu kendim kurmaya karar verdim. Ortaya <strong>Mercury AI Bench</strong> çıktı.</p><ul><li>Site: <a href="https://mercury-ai-bench.netlify.app/">https://mercury-ai-bench.netlify.app/</a></li><li>Kaynak kod: <a href="https://github.com/erdncyz/mercury-ai-bench">https://github.com/erdncyz/mercury-ai-bench</a></li></ul><p>Bu yazıda sitenin ne yaptığını, verileri nereden aldığını, hangi kıyasları sunduğunu ve özellikle “çok fazla model var, seçemiyorum” sorununu nasıl çözmeye çalıştığını anlatacağım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EW1kMvi2fJrOB2VQwVgrEw.png" /><figcaption>Mercury AI Bench ana sayfası: görev seçimi, model sayısı ve fiyat/performans liderleri tek ekranda</figcaption></figure><h3>Sorun: model çok, karşılaştırma dağınık</h3><p>Model seçmenin zor olmasının sebebi aslında veri eksikliği değil. Veri fazlasıyla var, ama parça parça. Artificial Analysis zekâ ve kodlama endeksleri yayımlıyor, LiveBench kendi testlerini, SWE-bench gerçek GitHub issue’ları üzerinden sonuçlarını, Terminal-Bench ajanların terminalde iş bitirme başarısını. Fiyatlar ayrı yerde, hız ölçümleri ayrı yerde.</p><p>Üstelik her test farklı bir ölçek kullanıyor. Biri yüzde, biri endeks, biri ELO puanı. Bir modelin bir testte 70, diğerinde 0,58 alması tek başına bir şey anlatmıyor. Bu yüzden “en iyi model hangisi?” sorusu yanlış soru. Doğru soru şu: “benim yapacağım iş için, benim bütçemle, en mantıklı model hangisi?”</p><p>Mercury AI Bench’i bu ikinci soruya göre tasarladım.</p><h3>Mercury AI Bench ne yapıyor?</h3><p>Kısaca: modelleri yaptığın işe göre sıralıyor. Sitede 12 görev var:</p><ul><li>Kodlama</li><li>Ajanlar</li><li>Görsel anlama (Vision)</li><li>Matematik</li><li>Genel zekâ</li><li>Uzun bağlam</li><li>Talimat takibi</li><li>Görsel üretimi</li><li>Video üretimi</li><li>Sunum üretimi</li><li>Ses (text-to-speech)</li><li>Hız</li></ul><p>Bir görevi seçtiğinde o görevle ilgili testleri olan modeller sıralanıyor, yanında fiyatı, hızı ve tahmini istek maliyeti görünüyor. Ana sayfada seçtiğin görev için kaç modelin sıralandığı, kaç farklı labdan geldiği ve kaçının fiyat/performans sınırında olduğu da yazıyor. 13 Kasım 2026 sabahı varsayılan görevde bu sayılar 158 model, 30 lab ve sınırda 8 model olarak görünüyordu.</p><p>Bunun yanında site birkaç yardımcı bölüm daha içeriyor: lablardan ve teknoloji basınından son yapay zekâ haberleri, GitHub’da en çok yıldız alan agent skill ve MCP sunucusu repoları, günün trend repoları ve bir prompt kütüphanesi. Ama sitenin kalbi sıralama ve karşılaştırma kısmı.</p><h3>Veriler nereden geliyor?</h3><p>Bu kısmı en çok önemsediğim yer, çünkü bir benchmark sitesinin değeri verisinin nereden geldiğiyle ölçülür. Kodda veri kaynakları açıkça tanımlı, ben de burada sadece kodda olanı yazıyorum.</p><h3>Ana kaynak: Artificial Analysis</h3><p>Dil modelleri, text-to-image, text-to-speech ve text-to-video modelleri için Artificial Analysis’in v2 API’sini kullanıyorum (shared/aaModels.ts). Zekâ, kodlama, matematik ve agentic endeksleri, τ²-Bench, IFBench, uzun bağlam sonuçları, token fiyatları, çıktı hızı ve görsel, ses, video arena puanları buradan geliyor. 13 Kasım sabahki snapshot&#39;ta 739 dil modeli kaydı, 112 görsel, 105 ses ve 39 video modeli kaydı vardı. Burada &quot;kayıt&quot; diyorum çünkü aynı modelin farklı efor seviyeleri ayrı satır olarak geliyor.</p><h3>Ek benchmark kaynakları</h3><p>Bunlar shared/benchmarks/sources.ts içinde tanımlı:</p><ul><li><strong>LiveBench</strong>: güncel kodlama, uzun ajan görevleri ve resmi ağırlıklarla hesaplanan genel skor. Sadece bütün testleri tamamlanmış modeller genel skora giriyor.</li><li><strong>LiveCodeBench</strong>: Pass@1 sonuçları. Yalnızca aynı problem setinde, pencere başlamadan önce çıkmış modeller kıyaslanıyor. Böylece eğitim verisine sızmış sorularla şişmiş skorlar ayıklanıyor.</li><li><strong>SWE-bench Verified</strong>: sadece SWE-bench ekibinin kontrol ettiği, mini-SWE-agent ile ve tek denemede alınmış sonuçlar.</li><li><strong>Terminal-Bench</strong>: model ve ajan birlikte değerlendiriliyor, ben de bunu “sadece modelin skoru” gibi göstermiyorum.</li><li><strong>PresentBench</strong>: sunum üreten sistemlerin 238 örnek üzerindeki sonuçları.</li><li><strong>Arena Vision</strong>: LMArena’nın Hugging Face üzerindeki resmi leaderboard veri seti (CC BY 4.0), görsel anlama için.</li><li><strong>OpenRouter</strong>: sadece Artificial Analysis’te fiyatı eksik olan dil modellerinin token fiyatlarını dolduruyor, mevcut fiyatın üstüne yazmıyor.</li></ul><h3>Ne sıklıkla güncelleniyor?</h3><p>İki zamanlanmış Netlify fonksiyonu var. models-refresh her gün 07:00&#39;de (TSİ) Artificial Analysis verisini çekiyor, benchmarks-refresh 07:10&#39;da diğer kaynakları kontrol ediyor. Sonuçlar Netlify Blobs&#39;ta saklanıyor ve site bu önbellekten okuyor.</p><p>Bunu bilinçli yaptım. Artificial Analysis’in ücretsiz katmanı 24 saatte 100 istek veriyor ve tam bir yenileme 6 ile 12 istek arası tutuyor. Her ziyaretçide API’ye gitmek hem kotayı bitirir hem de siteyi yavaşlatır. Zamanlanmış çalışma bir gün atlanırsa ve snapshot 24 saatten eskiyse, ilk gelen istek bir kez yenileme yapıyor. Kota dolarsa kota açılana kadar bekleniyor.</p><p>Bir kaynak çökerse ne oluyor? Her kaynak birbirinden bağımsız çekiliyor. Biri hata verirse o kaynağın son başarılı verisi, orijinal tarihiyle birlikte “eski” olarak işaretlenip tutuluyor ve bir saat sonra tekrar deneniyor. Yani LiveBench o gün erişilemez olsa bile site boş tablo göstermiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LkkXFgQGP97aSCwbBFVFXA.png" /><figcaption>Veri akışı: kaynaklar, günlük zamanlanmış fonksiyonlar, Netlify Blobs önbelleği ve görev bazlı sıralama</figcaption></figure><h3>Farklı testleri nasıl tek sıraya koydum?</h3><p>En çok düşündüğüm problem buydu. Kodlama görevinde Artificial Analysis Coding Index, LiveBench Coding, LiveCodeBench ve SWE-bench aynı anda var. Bunları doğrudan toplamak saçma olur, çünkü ölçekleri farklı.</p><p>Çözüm olarak Combined score adını verdiğim bir yöntem kullandım (src/lib/benchmarks.ts):</p><ol><li>Her test kendi içinde 0 ile 100 arasında göreli bir sıraya çevriliyor. Eşit skorda modeller ortalama sırayı alıyor.</li><li>Aynı kaynaktan birden fazla test varsa önce kendi aralarında ortalanıp tek oy oluyor. Böylece çok test yayımlayan bir kaynak sonucu domine edemiyor.</li><li>Kaynakların oyları eşit ağırlıkla ortalanıyor.</li><li>Bir model bir testte yoksa sıfır sayılmıyor, sadece o oyu kullanmıyor.</li></ol><p>Bir görevde tek test varsa orijinal skor ve birimi aynen korunuyor. Combined score ise her yerde bu adla etiketleniyor, hiçbir zaman yayımlanmış ham benchmark skoru gibi sunulmuyor. Güncel sonuç varsa arşivdeki eski sonuçların önüne geçiyor, aynı model adı ve yapılandırması da tekrar sayılmıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TBCggCybV5Yi7cWvWuqU5w.png" /><figcaption>Görev bazlı sıralama tablosu: skor, fiyat, hız ve tahmini istek maliyeti yan yana</figcaption></figure><h3>Hangi kıyasları sunuyor?</h3><h3>Sıralama tablosu (Bench)</h3><p>Seçtiğin görev için modelleri skora, fiyata, hıza veya fiyat/performansa göre sıralayabiliyorsun. Fiyat/performans, görev skorunun 1 milyon token karma fiyatına bölünmesiyle hesaplanıyor. Model adıyla arama yapabiliyor, tek bir labın modellerine filtreleyebiliyor, tabloyu CSV olarak indirebiliyorsun. CSV’de fiyatın kaynağı ve tarihi gibi ayrıntılar da duruyor.</p><h3>İstek maliyeti</h3><p>Fiyat tablosunda “1M token şu kadar dolar” yazması çoğu zaman bir şey ifade etmiyor. O yüzden üç hazır senaryo koydum: sohbet (2.000 girdi, 500 çıktı token), kod (4.000 / 1.000) ve analiz (8.000 / 2.000). İstersen kendi token sayılarını girip tek bir isteğin kaça mal olacağını görebiliyorsun.</p><h3>Pareto sınırı grafiği</h3><p>Fiyat ve skoru aynı grafikte gösteriyor ve “sınırda” olan modelleri işaretliyor. Sınırdaki model şu demek: ondan daha ucuz olup daha yüksek skor alan başka bir model yok. Sınırın altında kalan bir modeli seçiyorsan, ondan daha ucuza ya da aynı fiyata en az onun kadar skor alan başka bir model var demektir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dEoZEO8dQJQZU5HQOMTjRg.png" /><figcaption>Kodlama görevinde fiyat ve skor grafiği, Pareto sınırındaki modeller</figcaption></figure><h3>Yan yana karşılaştırma</h3><p>En fazla dört modeli seçip skorlarını, fiyatlarını ve hızlarını yan yana görebiliyorsun. Radar grafiği zekâ, kodlama, matematik, ajan, uzun bağlam, talimat takibi ve hız eksenlerinde modellerin profilini çiziyor. Seçim adres çubuğuna yazıldığı için karşılaştırma linkini ekip arkadaşına doğrudan atabiliyorsun.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QjD_E3dK4Xzb2zFY_Rr0gQ.png" /><figcaption>Bench tablosunda karşılaştırmak için model seçimi (en fazla dört)</figcaption></figure><h3>Model geçmişi</h3><p>Model detay sayfasında bir metriğin 7, 30, 90 veya 365 günlük değişimine bakılabiliyor. Her gün değişmeyen bir snapshot saklanıyor. Burada da önemli bir kural var: geçmiş uydurulmuyor. Veri toplamaya başlanmadan önceki günler boş kalıyor, eksik günler grafikte boşluk olarak görünüyor.</p><h3>Seçim yorgunluğunu çözen kısım: Model bul</h3><p>Sıralama tablosu bile 150 küsur satırla yorucu olabilir. Bu yüzden /find sayfasında Model bul aracını yaptım. Mantığı basit, sana tablo değil, en fazla üç öneri veriyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jaKfVjCHflATcH5B2HGMwQ.png" /><figcaption>Model bul: görev, token, aylık istek, bütçe ve öncelik seçerek en fazla üç öneri almak</figcaption></figure><p>Şunları seçiyorsun:</p><ul><li>Görev (kodlama, ajan, genel zekâ gibi)</li><li>Tipik istek boyutu (girdi ve çıktı token)</li><li>Aylık istek sayısı ve aylık bütçe (USD)</li><li>Öncelik: kalite, denge veya hız</li><li>İstersen sadece açık ağırlıklı modeller</li></ul><p>Algoritma önce kesin kuralları uyguluyor: fiyatı bilinmeyen modeller eleniyor, aylık maliyeti bütçeyi aşanlar eleniyor, hız önceliği seçtiysen hızı ölçülmemiş modeller de eleniyor. Kalanlar skor, hız ve bütçeden kalan pay üzerinden puanlanıyor. Ağırlıklar kodda açık (src/lib/recommend.ts): kalite önceliğinde skorun payı %85, bütçe payı %15. Dengede skor %60, hız %15, bütçe %25. Hız önceliğinde skor %30, hız %55, bütçe %15. Sonuçta her öneri için tahmini aylık maliyet, bütçeden kalan miktar, görev skoru ve hız gösteriliyor.</p><p>Diyelim ki küçük bir ekipte kod inceleme botu kuracaksın, ayda birkaç bin istek atacaksın ve bütçen belli. Tabloda tek tek satır kıyaslamak yerine görevi “kodlama”, önceliği “denge” seçip bütçeni giriyorsun. Karşına bütçene sığan üç model ve her birinin aylık tahmini maliyeti çıkıyor. Karar vermek hâlâ sana kalıyor, ama artık 150 seçenek arasında değil, üç seçenek arasında karar veriyorsun.</p><p>Bu tahminlere vergi, reasoning modellerinin ek düşünme token’ları, prompt cache ve indirimler dahil değil. Bunu sayfada da açıkça yazıyorum.</p><h3>Nasıl kullanılır?</h3><p>Pratikte benim önerdiğim akış şu:</p><ol><li>Ana sayfada yapacağın işe en yakın görevi seç. Fiyat/performans liderleri hemen görünür.</li><li>Bench sayfasında maliyet senaryonu ayarla ve tabloyu fiyat/performansa göre sırala.</li><li>Pareto grafiğinde sınırda kalan modelleri not al.</li><li>Aday iki ile dört modeli Karşılaştır sayfasına ekleyip radar grafiğine bak.</li><li>Bütçen netse doğrudan Model bul sayfasıyla başla.</li><li>Beğendiğin modelleri favorilere yıldızla, sonra ana sayfadan takip et.</li></ol><p>Site İngilizce ve Türkçe arayüze sahip. Telefona veya bilgisayara uygulama olarak kurulabiliyor (PWA) ve ilk yüklemeden sonra çevrimdışı da açılıyor. Canlı veriler için tabii ki internet gerekiyor. Favoriler ve prompt çalışma alanı sadece tarayıcında saklanıyor, hesap açman gerekmiyor.</p><h3>Teknik tarafı kısaca</h3><p>Ön yüzde Vite, React 19, TypeScript ve Tailwind CSS v4 kullandım. API anahtarını gizleyen ve günlük snapshot’ı alan kısım Netlify Functions üzerinde, önbellek Netlify Blobs’ta. Yerelde geliştirirken aynı API’leri Vite middleware’i sunuyor ve snapshot diskte tutuluyor. Build sırasında yedek veri dosyası da yenileniyor, böylece API’ye ulaşılamadığında site paketlenmiş son veriyle açılabiliyor. Benchmark adaptörleri ve özellik mantığı için Node’un yerleşik test aracıyla yazılmış testler var.</p><p>Repo açık, kendi Artificial Analysis anahtarınla yerelde çalıştırmak için .env dosyasına anahtarı koyup npm install ve npm run dev yeterli.</p><h3>Sınırlar ve dürüst notlar</h3><p>Bir benchmark toplayıcısının neyi yapamadığını da yazmak gerekiyor:</p><ul><li>Mercury yeni bir benchmark değil. Kendi testimi koşmuyorum, yayımlanmış sonuçları bir araya getiriyorum. Combined score da yeni bir ölçüm değil, mevcut sonuçlardan türetilmiş göreli bir sıra.</li><li>Değerlendirme tarihi ile çekme tarihi aynı şey değil. Bir leaderboard’u bugün çekmek, oradaki testlerin bugün yapıldığı anlamına gelmiyor. Kaynak tarih yayımlamamışsa site bunu “yayımlanmamış” olarak gösteriyor, çekme tarihini değerlendirme tarihi gibi sunmuyor.</li><li>Ajan sonuçları ortamına bağlı. Terminal-Bench ve SWE-bench sonuçları belirli bir ajan ve ayarla alınmış. Bunları modelin tek başına performansı gibi okumamak lazım.</li><li>Bazı veriler tarihsel. 18 Eylül 2026 tarihli eski bir snapshot ayrı bir arşiv olarak duruyor ve güncel değerlendirmelere karışmıyor. Sadece arşivde verisi olan kategoriler bunu başlıkta belirtiyor.</li><li>Maliyet bir tahmin. Gerçek faturan sağlayıcıya, cache kullanımına ve reasoning token’larına göre değişebilir.</li><li>Kaynaklar bir modeli test etmediyse sonuç yok. Eksik test sıfır sayılmıyor ama o model o görevde daha az kanıta dayanıyor olabilir.</li></ul><h3>Kapanış</h3><p>Mercury AI Bench’i önce kendi ihtiyacım için geliştirdim: her yeni model çıktığında “değiştirmeli miyim?” sorusuna dakikalar içinde, kaynağı belli verilerle cevap verebilmek için. Model sayısı arttıkça bu tür bir filtreye ihtiyacın da artıyor.</p><p>Siteyi kullanıp bir hata, eksik kaynak ya da yanlış eşleşen model görürsen GitHub’da issue açabilirsin. Kod açık, katkıya da açık.</p><ul><li>Site: <a href="https://mercury-ai-bench.netlify.app/">https://mercury-ai-bench.netlify.app/</a></li><li>GitHub: <a href="https://github.com/erdncyz/mercury-ai-bench">https://github.com/erdncyz/mercury-ai-bench</a></li></ul><h3>Kaynaklar</h3><ul><li>Mercury AI Bench kaynak kodu: <a href="https://github.com/erdncyz/mercury-ai-bench">https://github.com/erdncyz/mercury-ai-bench</a></li><li>Mercury AI Bench canlı site: <a href="https://mercury-ai-bench.netlify.app/">https://mercury-ai-bench.netlify.app/</a></li><li>Artificial Analysis: <a href="https://artificialanalysis.ai/">https://artificialanalysis.ai/</a></li><li>LiveBench: <a href="https://livebench.ai/">https://livebench.ai/</a></li><li>LiveCodeBench: <a href="https://livecodebench.github.io/leaderboard.html">https://livecodebench.github.io/leaderboard.html</a></li><li>SWE-bench: <a href="https://www.swebench.com/">https://www.swebench.com/</a></li><li>Terminal-Bench: <a href="https://www.tbench.ai/">https://www.tbench.ai/</a></li><li>PresentBench: <a href="https://presentbench.github.io/">https://presentbench.github.io/</a></li><li>LMArena leaderboard veri seti (Hugging Face): <a href="https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset">https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset</a></li><li>OpenRouter modeller: <a href="https://openrouter.ai/models">https://openrouter.ai/models</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7ed0d5367960" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kodlama ajanın frontend’i neden hâlâ eski usul yazıyor?]]></title>
            <link>https://medium.com/@erdncyz/kodlama-ajan%C4%B1n-frontendi-neden-h%C3%A2l%C3%A2-eski-usul-yaz%C4%B1yor-261c39d2d43f?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/261c39d2d43f</guid>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[frontend]]></category>
            <category><![CDATA[web-development]]></category>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[javascript]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Thu, 12 Nov 2026 16:14:55 GMT</pubDate>
            <atom:updated>2026-11-12T16:14:55.307Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Chrome’un Modern Web Guidance 1.0 sürümünden yola çıkarak ajana güncel web platformu bilgisini vermek, eski kodu taramak ve sonucu doğrulamak</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5jqWtZpwc3Nrb_4Bc4kUZw.png" /><figcaption>Eski kod yığınından modern web bileşenlerine geçişi anlatan kapak görseli</figcaption></figure><p>Bir kodlama ajanından modal pencere istediğinde çoğu zaman çalışan bir şey alırsın. position: fixed ile ortalanmış bir div, dışına tıklanınca kapanmasını sağlayan bir JavaScript dinleyicisi, sayfanın kaymasını durdurmak için body üzerine overflow: hidden. Kod çalışır, ekranda doğru görünür, PR&#39;da da kimse itiraz etmez. Ama tarayıcının bu işler için yıllardır sunduğu &lt;dialog&gt;, popover ve inert gibi yerleşik çözümler hiç kullanılmamıştır.</p><p>Chrome ekibi bu sorunu açıkça adlandırıyor. <strong>Modern Web Guidance</strong> reposunun README dosyasına göre kodlama ajanları eski kalıplara yöneliyor, çünkü modellerin eğitim verisinde çok miktarda eski kod var. Model bir API’nin varlığını bilse bile, onu üretimde doğru kullanmak için yeterince güncel örnek görmemiş olabiliyor.</p><p>Ekip 10 Kasım 2026&#39;da <strong>Modern Web Guidance</strong> 1.0 sürümünü kararlı olarak yayınladı. Bu yazıda aracın ne yaptığını, nasıl kurulduğunu ve mevcut bir projede nasıl kullanılacağını anlatacağım. Daha önemlisi, hangi ajanı kullanırsan kullan işine yarayacak üç alışkanlığı ele alacağım: tarayıcı desteği politikası yazmak, otomatik taramanın bulgularını elle ayıklamak ve ajanın yazdığı kodu çalışırken doğrulamak.</p><h3>Sorun gerçekten ne kadar büyük?</h3><p>Chrome ekibinden Philip Walton’ın 11 Kasım’da yayımlanan yazısı bu soruya projenin kendi ölçümleriyle cevap veriyor. Her rehber, en iyi uygulamalar doğru izlendiyse sağlanması gereken bir dizi beklenti tanımlıyor. Aynı istem hem rehberle donatılmış bir ajana hem de rehbersiz bir ajana veriliyor ve çıktılar bu beklentilere göre kontrol ediliyor. Yazıya göre rehbersiz ajanlar kontrollerin ortalama yaklaşık yüzde 50&#39;sini, rehberli ajanlar ise yaklaşık yüzde 90&#39;ını geçiyor.</p><p>README’deki son çalıştırmaların tablosu daha ayrıntılı. 8 Kasım çalıştırmasında <strong>Claude Code</strong> (opus-5–5) yüzde 57&#39;den yüzde 88&#39;e, <strong>Codex CLI</strong> (gpt-6.1-sol) yüzde 54&#39;ten yüzde 82&#39;ye, <strong>Antigravity CLI</strong> (gemini-4-argon) ise yüzde 58&#39;den yüzde 94&#39;e çıkmış. Testler yaklaşık 215 görev ve 1.800 civarında kontrolden oluşuyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*h4kNzO6c9R26Rs3-_slJDw.png" /><figcaption>Üç ajanın rehbersiz ve rehberli geçme oranları, 8 Kasım 2026 çalıştırması</figcaption></figure><p>Bu sayıları okurken bir şeyi akılda tutmak gerekiyor: ölçümü yapan da, rehberleri yazan da aynı proje. Değerlendirme düzeneği README’de açıkça anlatılıyor. Playwright tabanlı kontroller önce “altın” çözümlerde yüzde 100 geçmeli, değiştirilmemiş uygulamada ise yüzde 100 başarısız olmalı. Yine de bu, bağımsız bir karşılaştırma değil. Sayılar bir eğilimi gösteriyor ama kendi projendeki etkiyi garanti etmiyor.</p><p>Rakamlardan daha öğretici olan, hataların türü. Walton’ın listesinden birkaç örnek:</p><ul><li>Özel modallarda elle yazılmış klavye tuzakları ve aria-modal=&quot;true&quot; kullanmak. Bunun yerine modal &lt;dialog&gt; kullanmak ya da arka plandaki içeriği inert ile işaretlemek gerekiyor.</li><li>Hero bölümlerini sabit vh birimiyle boyutlamak. Mobil tarayıcının araç çubuğu açılıp kapandıkça içerik zıplıyor. dvh ve svh birimleri bu sorunu çözüyor.</li><li>scroll-behavior: smooth özelliğini kök elemana koşulsuz eklemek ve hareket azaltma tercihini (prefers-reduced-motion) atlamak.</li><li>Passkey akışlarında Base64URL dönüşümünü atob() ve btoa() ile elle yazmak. Oysa parseCreationOptionsFromJSON() ve credential.toJSON() gibi yerleşik yöntemler var.</li><li>Yazıya göre modeller, eval setindeki görevlerin hiçbirinde açıkça istenmedikçe Content Security Policy ya da cross-origin isolation başlığı eklememiş.</li></ul><p>Bunların ortak noktası şu: hiçbiri kodun çalışmasını engellemiyor. Hepsi erişilebilirlik, performans ya da güvenlik tarafında sessizce kalite kaybettiriyor. Bu yüzden de kod incelemesinde gözden kaçmaları kolay.</p><h3>Araç nasıl çalışıyor?</h3><p><strong>Modern Web Guidance</strong> bir agent skill ve ona eşlik eden bir CLI’dan oluşuyor. Skill’in açıklaması HTML, CSS ve istemci tarafı JavaScript işlerinde devreye girecek şekilde yazılmış. Backend, SQL, CI/CD, Docker ve test araçları gibi konularda tetiklenmemesi de açıkça belirtilmiş. Ajan frontend tarafında bir iş aldığında üç adımlı bir akış izliyor:</p><ol><li>search komutuyla kısa ve eyleme dönük bir sorgu çalıştırıyor. README&#39;ye göre eşleştirme çevrim dışı bir embedding modeli ve BM25 ile yapılıyor; ağ çağrısı ya da API anahtarı gerekmiyor.</li><li>Uygun rehberin kimliğini retrieve komutuna veriyor. Rehberdeki kod kalıpları, tuzaklar ve yedek çözümler ajanın bağlamına ekleniyor.</li><li>Yazdığı kodu rehbere göre kontrol ediyor ve yanıtının sonuna hangi rehberi neden kullandığını not ediyor.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ULJq1x7wOiTvqjCnOzVhcg.png" /><figcaption>Bir istekten koda: skill tetiklenmesi, yerel arama, rehberin alınması ve uyum kontrolü</figcaption></figure><p>Rehberler yalnızca “şunu kullan” demekle yetinmiyor. Her birinde Baseline ve tarayıcı uyumluluk verisi de bulunuyor. Örneğin customize-scrollbar-color-and-thickness rehberi, scrollbar-color özelliğinin 12 Aralık 2025&#39;ten beri Baseline &quot;Newly available&quot; olduğunu yazıyor ve Chrome, Edge, Firefox ve Safari&#39;de hangi sürümlerden beri desteklendiğini listeliyor.</p><p>1.0 sürümüyle birlikte proje tek tarayıcının girişimi olmaktan da çıktı. Duyuruya göre Firefox ve Edge, Chrome’la birlikte projeye katkı veriyor. README’de proje Chrome, Edge, Firefox ve MDN ekipleri tarafından yürütülen bir çalışma olarak tanıtılıyor.</p><h3>Kurulum</h3><p>Önerilen yol, proje klasöründe CLI kurulum sihirbazını çalıştırmak:</p><pre>npx modern-web-guidance@latest install</pre><p>Önceki önizleme sürümünü kurduysan 1.0&#39;a şu komutla geçebilirsin:</p><pre>npx modern-web-guidance@latest update</pre><p>Ajan kendi eklenti sistemini kullanıyorsa resmi belgelerde şu komutlar var:</p><pre># Claude Code<br>claude plugin install modern-web-guidance@claude-plugins-official</pre><pre># Codex<br>codex plugin marketplace add GoogleChrome/modern-web-guidance<br>codex plugin add modern-web-guidance@googlechrome</pre><pre># Vercel skills CLI<br>npx skills add GoogleChrome/modern-web-guidance</pre><pre># GitHub CLI<br>gh skill install GoogleChrome/modern-web-guidance</pre><p>Kurmadan önce bilmen gereken iki ayar var.</p><p>Birincisi telemetri. README’ye göre Google kurulum sayılarını, çağıran ajanın adını, alınan rehber kimliklerini ve ajanın ürettiği arama sorgularını topluyor. Ham kullanıcı istemleri toplanmıyor. Bunu kapatmak için kabuk profiline şu satırı eklemen yeterli:</p><pre>export DISABLE_TELEMETRY=1</pre><p>İkincisi izinler. SKILL.md dosyası, onay isteyen ortamlarda izin listesine yalnızca npx -y modern-web-guidance@latest * kalıbının eklenmesini istiyor. Çıplak npx * kalıbına izin verilmemeli. Bu önemli bir ayrıntı, çünkü geniş bir npx izni ajanın npm&#39;den istediği paketi indirip çalıştırabilmesi anlamına gelir. ~/.npm salt okunur olan sandbox ortamları için de NPM_CONFIG_CACHE=/tmp/npm-cache önerisi var.</p><h3>Kurmadan denemek</h3><p>Aracı kurmadan da kullanabilirsin. README’deki örnek komut şöyle:</p><pre>npx modern-web-guidance@latest search &quot;animate a dialog modal backdrop&quot;</pre><p>Bu komut kimlik ve açıklamalardan oluşan bir JSON listesi döndürüyor. 1.0.0 sürümünde ilk sonuçlar animate-to-from-top-layer, light-dismiss-a-dialog ve prevent-page-scroll-under-modal-dialog. Ardından istediğin rehberi okuyabilirsin:</p><pre>npx modern-web-guidance@latest retrieve &quot;animate-to-from-top-layer&quot;</pre><p>Duyuruda vurgulanan bir nokta da şu: rehberler yalnızca ajanlar için değil, insanlar için de iyi bir öğrenme kaynağı. Sorgu yazmayı SKILL.md şöyle tarif ediyor: 2 ila 5 kelimelik, tek bir yeteneği anlatan bir sorgu yaz; React ya da Tailwind gibi çerçeve adları ekleme; birden fazla özelliği ayrı aramalara böl. “light dismiss dialog” iyi bir sorgu, “responsive table dark mode” ise iki ayrı arama olmalı.</p><h3>Mevcut kodu taramak: legacy-scan</h3><p>Yeni projede ajana doğru rehberi vermek görece kolay. Asıl iş, yıllardır biriken geçici çözümlerin ve artık gerekmeyen polyfill’lerin bulunduğu eski kod tabanlarında. 1.0 sürümü bunun için bir modernizasyon akışı ekledi:</p><pre>npx modern-web-guidance@latest legacy-scan . --json</pre><p>Ajan içinden /modern-web-guidance Modernize the code in this directory komutuyla da başlatılabiliyor.</p><p>Diyelim ki küçük bir statik sayfan var. Sayfada CDN’den sürüm numarasıyla yüklenen bir script, role=&quot;dialog&quot; ile elle yazılmış bir modal, ::-webkit-scrollbar ile özelleştirilmiş kaydırma çubukları, autocomplete niteliği olmayan bir şifre alanı ve Enter tuşuna basılınca formu gönderen bir keydown dinleyicisi bulunuyor. 1.0.0 sürümü böyle bir örnekte dört rehberden beş bulgu döndürüyor: secure-external-subresources, customize-scrollbar-color-and-thickness, autofill-sign-in-form ve ime-safe-enter-submit. Sonuncusu özellikle ilginç. Enter&#39;ı yakalarken event.isComposing kontrolü yapılmazsa Çince, Japonca ve Korece gibi dillerde IME ile yazan kullanıcılar kelimeyi seçerken formu yanlışlıkla gönderebiliyor.</p><p>Burada iki sınırı bilmek gerekiyor. İlki kapsam. Komutun kendi çıktısı ve SKILL.md, legacy-scan aracının yalnızca deterministik kuralı olan 33 rehberi, yani rehber koleksiyonunun yaklaşık yüzde 20&#39;sini taradığını söylüyor. Aynı örnek sayfadaki role=&quot;dialog&quot; ile yazılmış özel modal bulgular arasında çıkmadı. Duyuru da ilk sürümün bilinçli olarak dar bir kapsamla başladığını ve ileride ajanın kodu doğrudan yorumladığı denetimlerin ekleneceğini söylüyor.</p><p>İkincisi yanlış pozitifler. Her bulgunun yanında “Keep when” ve “Drop when” kuralları geliyor. SKILL.md ajandan her bulguyu bu kurallarla kontrol etmesini, yedek kodları, vendor dosyalarını ve benzer görünen ama farklı olan kalıpları elemesini istiyor. Hatta sıfır bulguya ulaşmak için güvenli koda dokunmamasını açıkça yazıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1iDHXfH2Y0NeSKoqiDOiTQ.png" /><figcaption>legacy-scan bulgusunun Keep/Drop kuralı ve tarayıcı hedefiyle ayıklanması</figcaption></figure><p>Kaydırma çubuğu örneği bunu iyi gösteriyor. Tarama ::-webkit-scrollbar kullanımını işaretliyor. Ama ilgili rehberi açınca şunu görüyorsun: hedefin &quot;Baseline Widely available&quot; ise ve görünüm önemliyse eski seçicileri silmemen, @supports not (scrollbar-color: auto) bloğunun içine yedek olarak taşıman öneriliyor. Bulguya körü körüne &quot;düzelt&quot; demek, eski tarayıcıdaki kullanıcının görünümünü bozabilir. Bu yüzden tarama sonucunu bir yapılacaklar listesi gibi değil, incelenecek adaylar listesi gibi okumak gerekiyor.</p><h3>Tarayıcı desteği politikasını yaz</h3><p>Ajanın hangi özelliği yedeksiz kullanabileceğine karar verirken skill’in bir varsayılanı var. “Baseline Widely available” özellikler yedeksiz kullanılabiliyor. Bunun dışındaki özelliklerde rehberin önerdiği yedek çözüm uygulanıyor. Kendi politikanı yazarsan bu varsayılan değişiyor. Örneğin hedefin “Baseline 2024” ise, “Baseline since” tarihi 2024 ya da öncesi olan özellik hedefi karşılıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LRHbwmXEb76WU_h93NAiww.png" /><figcaption>Bir özelliğin Baseline durumuna ve proje politikasına göre yedek kod kararı</figcaption></figure><p>SKILL.md, bu politikanın AGENTS.md ya da CLAUDE.md dosyasına yazılmasını öneriyor ve şu örneği veriyor:</p><pre>**Browser Support:** Allow Newly Available features, but only adopt custom fallback code that adds &lt;= 20 lines and no external dependencies</pre><p>Bu adım aracın kendisinden bağımsız olarak değerli. Hangi ajanı kullanırsan kullan, bu satır yoksa ajan her seferinde tahmin yürütüyor. Bir görevde polyfill ekliyor, diğerinde hiç yedek yazmıyor. Politika yazılı olunca hem ajanın hem de PR’ı inceleyen kişinin ölçütü aynı oluyor. Electron ya da Tauri gibi tek bir motorun hedeflendiği projelerde bu satır daha da işe yarıyor, çünkü yedek kodun büyük kısmı gereksiz hâle geliyor.</p><h3>Yazmak yetmez, çalıştırıp doğrula</h3><p>Duyurunun en pratik kısmı, rehberin tek başına yetmediğini kabul etmesi. Chrome ekibi aracı <strong>Chrome DevTools for agents</strong> ile birlikte kullanmayı öneriyor. Rehber ajana uzun JavaScript görevlerini nasıl böleceğini öğretebilir, ama ana iş parçacığının gerçekte ne kadar bloklandığını ölçemez. Duyurudaki örnek akış şöyle: düşük donanımlı bir CPU simüle edilerek performans izi alınıyor, sonra rehberdeki önerilerle görevler hiçbiri 50 milisaniyeyi aşmayana kadar iyileştiriliyor. Böylece INP kötüleşmiyor. Animasyonlar için de benzer bir döngü öneriliyor: ekran kaydı alınıyor, prefers-reduced-motion açıkken bileşenin bu tercihe uyup uymadığı kontrol ediliyor.</p><p>Buradan çıkan genel ders şu: ajanın frontend çıktısını iki ayrı soruyla değerlendirmek gerekiyor. Birincisi “doğru platform özelliğini mi seçti?” Bu soruya rehberler ve kod incelemesi cevap veriyor. İkincisi “seçtiği şey gerçekten çalışıyor mu?” Bu soruya ancak tarayıcıda çalıştırılan testler, performans izleri ve erişilebilirlik kontrolleri cevap verebiliyor.</p><p>Duyuruda bu yaklaşımın PR incelemesine taşındığı bir örnek de var. Şirketin kendi aktardığına göre MetaMask, açık kaynak tarayıcı eklentisinin her PR’ında aracı üç satırlık bir istemle inceleme botu olarak çalıştırıyor. İlk beş haftada yaklaşık 480 PR incelenmiş, 64 tanesine yorum yapılmış ve mühendisler 43 bulguyu düzeltmiş. Bulguların çoğu linter’ların yakalamadığı erişilebilirlik, HTML semantiği ve form sorunlarıymış.</p><p>Kendi ekibinde bunu denemek istersen sıra şöyle olabilir:</p><ol><li>AGENTS.md dosyasına tarayıcı desteği politikasını yaz.</li><li>Aracı kur ve DISABLE_TELEMETRY tercihini ekip olarak belirle.</li><li>İzin listesine yalnızca npx -y modern-web-guidance@latest * kalıbını ekle.</li><li>legacy-scan . --json çıktısını bir kişiye ayıklat. Bulguları Keep/Drop kurallarına göre işaretle ve modernizasyonu küçük PR&#39;lara böl.</li><li>Her değişiklikten sonra taramayı yeniden çalıştır, tarayıcıda da test et.</li></ol><h3>Sınırlamalar</h3><p>Aracı ekibe önermeden önce şunları açıkça konuşmak gerekiyor:</p><ul><li>Performans rakamları projenin kendi eval düzeneğinden geliyor. Şirket örnekleri de duyuruda şirketlerin kendi aktardığı sonuçlar. Bağımsız bir karşılaştırma henüz yok.</li><li>legacy-scan statik analiz yapıyor ve rehberlerin yaklaşık beşte birini kapsıyor. Taramanın temiz çıkması kodun modern olduğu anlamına gelmiyor.</li><li>Rehberler vanilla HTML, CSS ve JavaScript ile yazılmış. SKILL.md, React gibi çerçevelerde yeni HTML niteliklerinin tip sorunlarına ve SSR korumalarına dair ayrı uyarılar içeriyor. Uyarlamayı yine ajan ve sen yapıyorsunuz.</li><li>Arama çevrim dışı çalışıyor, ama paketin npx ile ilk kez indirilmesi ağ erişimi gerektiriyor. Telemetri de varsayılan olarak açık.</li><li>Kapsam frontend ile sınırlı. Backend, altyapı ve test araçları için tetiklenmemesi tasarımın bir parçası.</li></ul><p>Ajanların yazdığı kodun miktarı arttıkça, eski bir kalıbın tek bir PR’da değil yüzlerce dosyada çoğalması da kolaylaşıyor. <strong>Modern Web Guidance</strong> bu sorunun bir kısmını ajana güncel bilgi vererek çözüyor. Geri kalanı yine bize kalıyor: hedef tarayıcıları yazıya dökmek, tarama sonuçlarını ayıklamak ve kodu tarayıcıda çalıştırarak doğrulamak.</p><h3>Kaynaklar</h3><ul><li>Chrome for Developers, “Modern Web Guidance 1.0” duyurusu (10 Kasım 2026): <a href="https://developer.chrome.com/blog/modern-web-guidance-v1">https://developer.chrome.com/blog/modern-web-guidance-v1</a></li><li>Chrome for Developers, “Top 10 things AI gets wrong in web development” (11 Kasım 2026): <a href="https://developer.chrome.com/blog/top-10-things-ai-gets-wrong-in-web-dev">https://developer.chrome.com/blog/top-10-things-ai-gets-wrong-in-web-dev</a></li><li>Modern Web Guidance belgeleri ve kurulum: <a href="https://developer.chrome.com/docs/modern-web-guidance/get-started">https://developer.chrome.com/docs/modern-web-guidance/get-started</a></li><li>GoogleChrome/modern-web-guidance reposu (README, eval tablosu, telemetri): <a href="https://github.com/GoogleChrome/modern-web-guidance">https://github.com/GoogleChrome/modern-web-guidance</a></li><li>SKILL.md dosyası: <a href="https://github.com/GoogleChrome/modern-web-guidance/blob/main/skills/modern-web-guidance/SKILL.md">https://github.com/GoogleChrome/modern-web-guidance/blob/main/skills/modern-web-guidance/SKILL.md</a></li><li>Kaynak kodu ve eval altyapısı: <a href="https://github.com/GoogleChrome/modern-web-guidance-src">https://github.com/GoogleChrome/modern-web-guidance-src</a></li><li>Eval panosu: <a href="https://googlechrome.github.io/modern-web-guidance-src/">https://googlechrome.github.io/modern-web-guidance-src/</a></li><li>Chrome DevTools for agents: <a href="https://developer.chrome.com/docs/devtools/agents">https://developer.chrome.com/docs/devtools/agents</a></li><li>Çıkış noktası olan X gönderisi (DeepTechTR): <a href="https://x.com/DeepTechTR/status/2120646729687265589">https://x.com/DeepTechTR/status/2120646729687265589</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=261c39d2d43f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Cloudflare security-audit skill: Kodlama ajanını kanıt isteyen bir güvenlik denetçisine çevirmek]]></title>
            <link>https://medium.com/@erdncyz/cloudflare-security-audit-skill-kodlama-ajan%C4%B1n%C4%B1-kan%C4%B1t-isteyen-bir-g%C3%BCvenlik-denet%C3%A7isine-%C3%A7evirmek-fa242e9f96e2?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/fa242e9f96e2</guid>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[cybersecurity]]></category>
            <category><![CDATA[code-review]]></category>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[cloudflare]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Sat, 07 Nov 2026 19:17:33 GMT</pubDate>
            <atom:updated>2026-11-07T19:17:33.854Z</atom:updated>
            <content:encoded><![CDATA[<p><em>“Bulan doğrulamaz” ilkesine dayanan altı fazlı, açık kaynak bir denetim iş akışının ayrıntılı incelemesi</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l_J7g03s-4UsQFD-DI50TA.png" /></figure><p>Yapay zekâ destekli kod incelemesinden bahsedildiğinde akla çoğu zaman tek bir sohbet penceresi gelir: depoyu gösterirsin, model bir liste döner, listedeki maddelerin ne kadarının gerçek olduğunu sen ayıklarsın. <strong>Cloudflare</strong>’in GitHub’da yayımladığı <strong>security-audit</strong> skill’i bu alışkanlığın tam tersinden yola çıkıyor. Amacı daha uzun bir liste üretmek değil. Her iddia için kaynak koddaki izi ve bu izin yerel bir testte gerçekten gözlenip gözlenmediğini zorunlu kılan bir süreç kurmak.</p><p>Bu yazıda deponun README, SKILL.md ve referans dosyalarını, Cloudflare’in blog yazısını ve bulabildiğim bağımsız yazıları okuyarak skill’in ne yaptığını, nasıl kurulduğunu, denetimin hangi adımlardan geçtiğini ve neyi yapmadığını anlatacağım. Skill’i kurup çalıştırmadım; aşağıdaki her şey kaynakların söylediğine dayanıyor ve örnek çıktılar temsilidir.</p><h3>Önce kavramlar: skill, ajan, harness</h3><p>Yeni okuyanlar için üç terimi netleştirelim.</p><p>Kodlama ajanı (coding agent), dosya okuyabilen, komut çalıştırabilen ve araç çağırabilen bir dil modeli oturumudur. <strong>Claude Code</strong>, <strong>Codex</strong>, <strong>Cursor</strong> veya <strong>OpenCode</strong> bu türün örnekleridir.</p><p>Skill (beceri), ajanın gerektiğinde okuduğu talimat ve referans dosyalarından oluşan bir pakettir. Merkezinde bir SKILL.md dosyası bulunur. Bu dosyanın üst kısmındaki name ve description alanları, ajanın skill&#39;i hangi isteklerde devreye alacağını belirler. Skill kod değildir; ajanın davranışını yönlendiren yazılı bir yöntemdir. Yine de bu pakette iki küçük <strong>Node.js</strong> doğrulayıcı betiği de var, onlara ileride geleceğiz.</p><p>Harness ise modelin etrafına örülen orkestrasyon katmanıdır: görev kuyruğu, kalıcı durum, tekrar deneme, kopya ayıklama gibi işler. Cloudflare’e göre bu skill, şirketin iç güvenlik açığı keşif sisteminin başlangıç noktası. README bunu açıkça söylüyor: harness çok aşamalı, filo çapında bir sisteme dönüştü, bu skill ise onun evrildiği tek depoluk çıkış noktası.</p><h3>Depo kimliği: lisans, tarihçe, sürüm</h3><p>Deponun temel bilgileri GitHub API’sinden okunabiliyor:</p><ul><li>Lisans MIT. LICENSE dosyasında telif satırı “Copyright © 2025–2026 Cloudflare, Inc.” şeklinde.</li><li>Depo 18 Haziran 2026&#39;da oluşturulmuş. Aynı gün Cloudflare blogunda “Build your own vulnerability harness” yazısı yayımlanmış ve skill’in bağlantısı orada verilmiş.</li><li>Etiket (tag) veya GitHub sürümü (release) yok. Sürümü takip etmenin tek yolu commit geçmişi.</li><li>İncelediğim en son commit c1c8a8c (&quot;Clarify guidance and full audit modes&quot;), 14 Eylül 2026 tarihli. Ondan hemen önce, 10 Eylül 2026&#39;da birleştirilen 12 numaralı PR iş akışını, bulgu sözleşmesini ve doğrulayıcıları baştan sona yeniden işlemiş.</li><li>Temmuz başında bellek güvenliği alan dosyası bir topluluk katkısıyla, yapay zekâ ve LLM, HTTP protokolü ve kimlik doğrulama ile istemci tarafı dosyaları ise Cloudflare’in kendi PR’ıyla eklenmiş. Haziran sonunda dosyalar npx skills add ile uyumlu olsun diye skills/security-audit/ klasörüne taşınmış.</li></ul><p>Bu tarihçe önemli bir ayrıntıyı açıklıyor. Blog yazısı ilk skill’i yaklaşık 450 satırlık, tek oturumda yedi faz çalıştıran bir yapı olarak anlatıyor. Bugünkü depo ise altı fazdan söz ediyor ve çok daha ayrıntılı kurallar içeriyor. Yani blogdaki tarif ile depodaki güncel hal birebir aynı değil; bu yazıda güncel depoyu esas alıyorum.</p><h3>Hangi ajanlarla çalışır?</h3><p>SKILL.md kendini “agent-neutral” yani belirli bir ajana bağlı olmayan bir yöntem olarak tanımlıyor. Belirli bir ürün adı vermek yerine rolleri soyut terimlerle anlatıyor:</p><ul><li>Parent: koşuyu yöneten ve paylaşılan durumun sahibi olan ana ajan.</li><li>Task tool: platformun alt ajan (sub-agent) başlatma mekanizması.</li><li>research ajanı: odaklı kaynak okuma ve olgu doğrulama için başlatılan alt ajan.</li><li>general ajanı: daha geniş inceleme ve sınırlı yerel çalıştırma için başlatılan alt ajan.</li></ul><p>README’deki gereksinim tek cümle: araç kullanımını (tool use) ve paralel alt ajanları destekleyen bir modelle çalışan kodlama ajanı. Depo, hangi ajanlarda test edildiğine dair bir liste vermiyor. Kurulumda kullanılan <strong>Skills CLI</strong>’ın kendi README’si ise <strong>OpenCode</strong>, <strong>Claude Code</strong>, <strong>Codex</strong>, <strong>Cursor</strong> ve 75 ajanı daha desteklediğini söylüyor. Bu, skill’in o ajanların hepsinde aynı kalitede çalıştığı anlamına gelmiyor; yalnızca kurulum aracının dosyaları o ajanların skill klasörlerine yerleştirebildiğini gösteriyor. Paralel alt ajan desteği olmayan bir ortamda iş akışının nasıl davranacağı depoda tarif edilmiyor.</p><h3>Kurulum ve ön koşullar</h3><p>README’deki kurulum komutu şu:</p><pre>npx skills add https://github.com/cloudflare/security-audit-skill \<br>  --skill security-audit</pre><p>Kullanıcı düzeyinde, yani tüm projelerde geçerli bir kurulum için --global ekleniyor:</p><pre>npx skills add https://github.com/cloudflare/security-audit-skill \<br>  --skill security-audit \<br>  --global</pre><p>README, hangi ajana kurulacağını seçmek ve etkileşimsiz kurulum seçenekleri için npx skills --help çıktısına yönlendiriyor. Ajan seçimini gösteren hazır bir örnek komut skill deposunda yok. <strong>Skills CLI</strong> deposundaki genel örnek -a claude-code biçiminde bir bayrak kullanıyor ve aracın <strong>Node.js</strong> 22.20 veya üstünü istediğini belirtiyor; bu bilgi skill deposundan değil, CLI deposundan geliyor. Aynı README, CLI&#39;ın anonim kullanım verisi topladığını ve DISABLE_TELEMETRY=1 veya DO_NOT_TRACK=1 ile bunun kapatılabildiğini de yazıyor.</p><p>Ön koşullar üç başlıkta toplanıyor:</p><ol><li>Araç kullanımı ve paralel alt ajan destekleyen bir kodlama ajanı.</li><li>Bağımlılığı olmayan iki doğrulayıcıyı çalıştırmak için <strong>Node.js</strong>.</li><li>Hedef kodu çalıştırmak gerekirse, işletim sistemi tarafından zorlanan bir sandbox (yalıtılmış çalışma ortamı).</li></ol><p>Üçüncü madde isteğe bağlı bir süs değil. Bu koşullar sağlanmazsa iş akışı hedef kodu hiç çalıştırmıyor ve ilgili ipucunu needs_validation olarak bırakıyor. Bunu aşağıda ayrıca ele alacağım.</p><h3>Kullanım: iki mod</h3><p>Kurulumdan sonra ajanı denetlenecek deponun içinde başlatıp doğal dille istekte bulunuyorsunuz. README’deki örnekler:</p><pre>security audit this codebase</pre><pre>find security vulnerabilities in ./src</pre><pre>do a security review, output to ~/audits/my-project</pre><p>Skill bu isteklerin anlamına göre iki moddan birine giriyor.</p><p>Rehberlik modu (guidance mode) varsayılan davranış. Güvenlik sorusu, odaklı bir inceleme, yöntem sorusu veya belirli bir bulgunun araştırılması gibi durumlarda skill’in yalnızca ilgili kısımları kullanılıyor. Altı faz çalışmıyor, çıktı klasörü açılmıyor, rapor dosyası yazılmıyor. SKILL.md bunu açıkça söylüyor: skill’in yüklenmesi, tam denetim iş akışına ya da dosya oluşturmaya izin verildiği anlamına gelmiyor.</p><p>Tam denetim modu (full audit mode) yalnızca kullanıcı açıkça bir kod tabanı denetimi veya pentest istediğinde, kapsamlı bir inceleme talep ettiğinde ya da rapor dosyaları istediğinde devreye giriyor. İstek iki moddan hangisine girdiği belirsizse, ajanın dosya oluşturmadan önce tek bir netleştirici soru sorması bekleniyor.</p><p>Tam denetimde çıktı klasörü belirtilmezse varsayılan yol ~/security-audit-skill/&lt;repo-name&gt;/run-&lt;N&gt;. Burada &lt;N&gt; kullanılmamış bir sonraki sayı. İş akışı hedef deponun içine yalnızca kullanıcı açıkça seçtiyse ve sürüm kontrolünün o klasörü tamamen yok saydığı doğrulandıysa yazıyor.</p><h3>Altı fazın haritası</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zloLdxYOeO0sakTgZ2Ej-g.png" /></figure><p>Tam denetim modunda iş akışı sırayla altı fazdan geçiyor. Her fazı kısaca açıp sonra kritik ayrıntılara ineceğim.</p><h3>Faz 1: Keşif (Reconnaissance)</h3><p>Parent önce run-metadata.json dosyasını yazıyor. Bu dosyada koşu kimliği, hedef, incelenen commit, profil, kapsam, bütçe ve execution_policy: &quot;sandboxed-source-and-local-only&quot; gibi alanlar bulunuyor. Ardından paralel çalışan dört research ajanı başlatılıyor:</p><ul><li>1a: ürün tipi, kullanıcılar, teknoloji yığını, giriş noktaları ve çevrimdışı çalışabilecek derleme ve test komutları. Bu komutlar keşif sırasında çalıştırılmıyor, yalnızca listeleniyor.</li><li>1b: kimlik doğrulama, yetkilendirme, kiracı yalıtımı ve ayrıcalık değişimleri. Hangi kontrolün kaynakta göründüğü, hangisinin görünmeyen bir canlıya alma ayarına bağlı olduğu ayrıştırılıyor.</li><li>1c: dış ya da daha düşük güvenli girdinin girdiği her yer (HTTP, RPC, dosya, CLI, eklenti, CI, model bağlamı, mobil, yerel IPC) ve bu girdinin vardığı hassas noktalar (sink).</li><li>1d: yerel çalıştırma imkânları ve yasaklı komutlar. Bağımlılık indiren, yayın yapan veya ücretli API çağıran komutlar bu koşu için yasaklı olarak işaretleniyor. Platformun gerekli sandbox kontrollerini sağlayıp sağlayamadığı da burada belirleniyor.</li></ul><p>Bu ajanlar dosya yazmıyor. Parent bulguları yaklaşık 1.000 kelimelik bir architecture.md özetine ve coverage-ledger.json adlı kapsam defterine çeviriyor.</p><p>Kapsam defteri (coverage ledger) skill’in belki de en önemli fikri. Her birim, bir giriş yüzeyi, bir güven sınırı, bir alt sistem ve bir saldırı sınıfının birleşimi. Birimlerin kimliği (coverage_id) kaynaktan türetilmiş sabit referanslardan, yüzde kodlamayla deterministik biçimde üretiliyor. Böylece aynı kaynak nesnesi farklı koşularda aynı kimliği alıyor. Her birimin planned, in_progress, covered, candidate, blocked, deferred, out_of_scope veya not_applicable gibi bir durumu var ve her durum için hangi alanların dolu, hangilerinin boş olması gerektiği bir tabloyla sabitlenmiş. RECONNAISSANCE.md bunu tek cümleyle özetliyor: kapsam iddiası defterin kendisidir; &quot;auth incelendi&quot; gibi bir cümle kapsam kanıtı değildir.</p><h3>Faz 2: Kapsam odaklı av dalgaları</h3><p>Parent planned durumundaki birimleri general avcılara dağıtıyor. Her avcının istemi (prompt) sabit bir sırayla kuruluyor; architecture.md metni, atanan birimler ve seçilen saldırı sınıfı blokları olduğu gibi kopyalanıyor.</p><p>Çekirdek yöntem somut bir değişmez (invariant) üzerinden çalışmayı istiyor: düşük güvenli aktörü ve başlangıç yetkisini adlandır, kabul edilen değeri ya da eylemi bul, onu reddetmesi gereken kontrolü bul, o karardan sonraki kaynak yolunu izle, en küçük etkilenen sahte kayıtta dur ve değişmezi uygulayacak kaynak değişikliğini yaz.</p><p>Saldırı sınıfları ATTACK-CLASSES.md dosyasında: Injection, Access control, Resource and file handling, Cryptography and secrets, Business logic, Feature abuse and data leakage, Chained vulnerabilities and trust boundaries, Wildcard ve Obvious things. Bunlara ek olarak on alan dosyası (companion) var: bellek güvenliği ve ikili dosyalar, yapay zekâ ve LLM (dolaylı prompt injection, MCP güven devri, aşırı ajan yetkisi gibi sınıflar), web protokolü ve kimlik doğrulama, istemci tarafı, tedarik zinciri, bulut ve canlıya alma, RPC ve mesajlaşma, kaynak tüketimi, veri yalıtımı, masaüstü ve mobil. RECONNAISSANCE.md bir alan dosyasının yalnızca dil ya da bağımlılık adı geçtiği için değil, keşif o dosyanın tarif ettiği güven sınırını bulduğu için seçilmesini istiyor.</p><p>Avcı serbest metin değil, tek bir JSON nesnesi döndürüyor: her birim için covered, candidate veya blocked kararı, incelenen yollar, yapılan kontroller, aday kayıtlar, güvenlik açığı sayılmayan sıkılaştırma notları (hardening) ve kendi kapsamına girmeyen yeni yüzeyler (uncovered).</p><p>Her dalganın ardından taze bir research ajanı kapsam eleştirmeni (coverage critic) olarak çalışıyor. Bulgu önermiyor; eşlenmemiş giriş noktalarını, kontrol edilmemiş paralel yolları ve gerekçesiz dışlamaları arıyor. standard ve deep profillerde eleştirmen temiz döndükten sonra ayrı bir &quot;final-clean&quot; eleştirmen daha çalışıyor; kapsam ancak o da iş bulamazsa tamam sayılıyor.</p><h3>Faz 3: Aday doğrulama</h3><p>Her benzersiz aday, onu bulmamış taze bir general doğrulayıcıya veriliyor. Doğrulayıcının istemi &quot;Bu adayı sen yazmadın. Kaynak koddan ve sınırlı yerel kanıttan onu çürütmeye çalış.&quot; cümlesiyle açılıyor. Doğrulayıcı alıntılanan her dosya ve satırı yeniden okuyor, yoldaki en güçlü kontrolü yeniden kuruyor, mümkünse minimum sonucu kendisi yeniden üretiyor ve olasılık, etki ve güven puanlarının yalnızca kanıtın desteklediği kadar olup olmadığına bakıyor. Başka bir doğrulayıcının vardığı sonucu görmüyor.</p><h3>Faz 4: Yapısal çıktı</h3><p>Parent tüm kararları findings.json dosyasına parmak izine (fingerprint) göre sıralı yazıyor ve iki doğrulayıcıyı çalıştırıyor:</p><pre>node &lt;skill-dir&gt;/validate-findings.cjs &lt;output-dir&gt;/findings.json<br>node &lt;skill-dir&gt;/validate-coverage-ledger.cjs &lt;output-dir&gt;/coverage-ledger.json</pre><p>Buradaki sınır çok net yazılmış: doğrulayıcının başarılı olması yalnızca format ve defter tutarlılığını kanıtlar. Yani betik, bir bulgunun gerçek olduğunu söylemez. validate-findings.cjs 5 MiB&#39;den büyük girdiyi, 1.000&#39;den fazla üst düzey bulguyu veya 64 seviyeden derin iç içe yapıyı reddediyor ve en fazla 100 hata mesajı basıyor.</p><h3>Faz 5: Bağımsız kayıt doğrulama</h3><p>Her nihai confirmed ve needs_validation kaydı için paralel olarak yeni bir research ajanı başlatılıyor. Bu ajan avcının yazısını değil, yapısal kaydın kendisini kontrol ediyor. Bir değişiklik kaydı daha güçlü bir karara yükseltiyorsa ya da kök nedeni, izi, gözlenen sonucu veya şiddeti anlamlı biçimde değiştiriyorsa, bu değişiklik hiçbir aşamada bu adayla ilgilenmemiş bir başka doğrulayıcıdan geçmeden uygulanmıyor. Belge, yanıltıcı bir needs_validation kaydının da kod sahibinin zamanını boşa harcadığını, bu yüzden onların da doğrulanması gerektiğini vurguluyor.</p><h3>Faz 6: Hedeften bağımsız raporlama</h3><p>Ancak bu noktada düzyazı raporlar üretiliyor: REPORT.md, FINDINGS-DETAIL.md ve NEEDS-VALIDATION.md. Raporlar JSON kayıtlarından türetiliyor ve hiçbir kararı, şiddeti ya da engeli değiştiremiyor. &quot;Hedeften bağımsız&quot; (target-neutral) ifadesi, yeniden üretme adımlarının hedefin kendi arayüzüyle yazılması demek: bir kütüphane için fonksiyon çağrısı, bir CLI için komut, bir ayrıştırıcı için küçük bir fixture dosyası. HTTP varsayılan arayüz değil. Rapor canlı sisteme deneme yapılmasını öneren talimat da içermiyor.</p><p>Koşu ya tüm Faz 6 dosyaları yazılıp iki doğrulayıcı geçtiğinde ya da run_status: &quot;incomplete&quot; gerekçesiyle kaydedilip boşluk raporda açıklandığında bitiyor.</p><h3>Üç karar türü ve false positive ile mücadele</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UaCe1IuYUl37HToLXpyQnA.png" /></figure><p>Skill’in false positive (yanlış alarm) sorununa yaklaşımı, kararları birbirinden kesin biçimde ayırmasına dayanıyor. report-schema.json üç ayrı şema dalı tanımlıyor ve additionalProperties: false ile fazladan alanı yasaklıyor.</p><p>confirmed: tam bir kaynak izi ve sınırlı, gözlenmiş bir sonucu olan kayıt. Kök neden (root_cause), amaçlanan davranış, koşullar, execution (saldırgan bakışı, test girdisi, talimatlar ve observed_result), düzeltme (remediation), şiddet ve güven alanlarını içermek zorunda.</p><p>needs_validation: kaynakta izi sürülebilen ama karar verici bir olgunun dışarıda kaldığı aday. Örneğin bir proxy ayarı, kimlik sağlayıcı politikası ya da canlıya alma topolojisi. Bu kayıtta claimed_root_cause, kesin engeller (blockers) ve en az bir yerel ya da sahibin gözlemleyeceği doğrulama planı bulunuyor. Şiddet alanı yok. SKILL.md bunun &quot;düşük güvenli bir onaylı açık&quot; olmadığını, bir hipotezin belirli bir engel yüzünden askıda kaldığını söylüyor. VALIDATION-AND-REPORTING.md ise needs_validation&#39;ın spekülatif fikirler için bir park yeri olmadığını ekliyor.</p><p>rejected: doğrulamada çürütülmüş aday. Gerekçesiyle saklanıyor ki sonraki koşular aynı desteksiz iddiayı yeni kanıt olmadan tekrarlamasın.</p><p>Bu ayrımın yanında skill’in “anti-pattern” listesi, yani kaçınılacak davranışlar, false positive’in tipik kaynaklarını sayıyor. Kontrol listesinden sapmayı açık diye sunmak, ulaşılabilir bir sınır ihlali olmadan derinlemesine savunma (defense-in-depth) tavsiyesi vermek, canlıya alma davranışını tahmin etmek, aynı kişinin kendi yetkisiyle yaptığı işlemi sınır aşımı saymak ve gözlenenden güçlü bir etki iddia etmek bunlardan bazıları. README’deki tasarım ilkesi de aynı yönde: A katmanı saldırıyı zaten engelliyorsa B katmanının eksikliği bir sıkılaştırma notudur, açık değildir.</p><p>Şiddet derecelendirmesi de olasılık çarpı etki mantığıyla, sabit çapalarla tanımlanmış. Örneğin critical kimliği doğrulanmamış bir aktörün kod çalıştırması, tüm veri deposuna erişmesi veya keyfi hesapları ele geçirmesi; high ise açık bir güvenlik kontrolünün gerçek sonuçlarla tamamen aşılması. Genel şiddet, gösterilmiş etkiden yüksek olamıyor. Belge pratik bir test de öneriyor: somut zararı söyleyemiyorsan şiddet hissettiğinden düşüktür.</p><p>Diyelim ki bir avcı, fatura API’sinde başka bir kiracının kaydını okuyabildiğini düşündüğü bir yol buldu ama sahiplik kontrolünün bir ağ geçidinde yapılıp yapılmadığı depoda görünmüyor. Bu durumda kayıt confirmed olamaz; aşağıdakine benzer bir needs_validation kaydı olur. Aşağıdaki örnek temsilidir: gerçek bir koşudan alınmamıştır, dosya adları uydurmadır ve şemanın zorunlu alanlarının bir kısmı kısaltılmıştır.</p><pre>{<br>  &quot;verdict&quot;: &quot;needs_validation&quot;,<br>  &quot;fingerprint&quot;: &quot;invoices:get-by-id:missing-tenant-scope&quot;,<br>  &quot;title&quot;: &quot;Fatura okuma uç noktasında kiracı kapsamı kaynakta görünmüyor&quot;,<br>  &quot;claimed_root_cause&quot;: &quot;Sorgu yalnızca fatura kimliğiyle filtreleniyor&quot;,<br>  &quot;trace&quot;: [<br>    {&quot;kind&quot;: &quot;entrypoint&quot;, &quot;file&quot;: &quot;src/routes/invoices.ts&quot;, &quot;line&quot;: 42,<br>     &quot;scope&quot;: &quot;GET /invoices/:id&quot;, &quot;description&quot;: &quot;Kimlik yoldan alınır&quot;},<br>    {&quot;kind&quot;: &quot;sink&quot;, &quot;file&quot;: &quot;src/db/invoices.ts&quot;, &quot;line&quot;: 17,<br>     &quot;scope&quot;: &quot;findInvoice&quot;, &quot;description&quot;: &quot;tenant_id filtresi yok&quot;}<br>  ],<br>  &quot;blockers&quot;: [&quot;Ağ geçidinin kiracı kontrolü yapıp yapmadığı depoda yok&quot;],<br>  &quot;validation_plan&quot;: {<br>    &quot;deployment&quot;: &quot;Sahip, ağ geçidi politikasında bu rota için kiracı bağlamasını gözlemler&quot;<br>  }<br>}</pre><p>Dikkat edilirse kayıtta şiddet alanı yok ve doğrulama planı canlı sisteme istek atmayı değil, sahibin bir ayarı kendi gözüyle kontrol etmesini öneriyor.</p><h3>Yetkiler, yalıtım ve tehdit modeli</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fim8tQMokCqQwTydzTJ_pA.png" /></figure><p>Bir güvenlik denetim aracının kendisi de saldırı yüzeyi olabilir. Denetlenen depo kötü niyetli olabilir; derleme betikleri ağa çıkabilir, sembolik bağlantılarla (symlink) sizin dosyalarınıza yazmaya çalışabilir. SKILL.md bu riski ciddiye alan iki mekanizma tanımlıyor.</p><p>Yazma yalıtımı. Paylaşılan koşu dosyalarının tek yazarı parent. Her avcı ve doğrulayıcı &lt;output-dir&gt;/agents/&lt;agent-id&gt;/ altında kendine ait bir kök alıyor; burada scratch/ ve artifacts/ adlı iki klasör var. Ajan ve onun çalıştırdığı hedef kod yalnızca scratch/ içine yazabiliyor. artifacts/ klasörüne yalnızca parent tarafındaki güvenilir kod, sandbox ve tüm süreçleri sonlandıktan sonra, önceden izin listesine alınmış dosyaları taşıyabiliyor. Bu taşıma (promotion) on bir adımlı bir prosedürle tarif edilmiş: mutlak yol ve .. reddi, sembolik bağlantı izlemeyen (no-follow) dizin gezinmesi, fstat ile dosyanın sıradan bir dosya olduğunun ve bağlantı sayısının tam bir olduğunun kontrolü, boyut limitleri ve kopyalama sırasında dosyanın değişmediğinin yeniden kontrolü. Bu adımlardan biri uygulanamıyorsa dosya kanıt olarak kullanılmıyor. /tmp veya ev dizini yedek yazma yeri olarak kullanılamıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7xzWc9PG19e2yH7HgSCC4A.png" /></figure><p>Evrensel çalıştırma güvenliği. Bu kurallar her iki modda da geçerli. Kaynak inceleme salt okunur. Hedefin kontrolündeki derlemeler, testler, tarayıcılar, emülatörler ve fuzzer’lar yalnızca şu kontrollerin hepsini sağlayan, işletim sistemi tarafından zorlanan bir sandbox içinde çalışabiliyor: dış ağ yok (gerekirse yalıtılmış loopback), izin listesinden doldurulan boş bir ortam ve scratch içinde yerel HOME, salt okunur hedef ve araç zinciri, yalnızca scratch/ içine yazma, düşük CPU, bellek, süreç, dosya boyutu, disk ve süre limitleri. Bağımlılık kurmak ya da derlemenin bağımlılık indirmesine izin vermek yasak. Kontrollerden biri bile sağlanamıyorsa hedef kod çalıştırılmıyor ve eksik yetenek bir needs_validation engeli olarak yazılıyor.</p><p>Yeniden üretim kaydında yalnızca izin listesindeki değişken adları ve gizli olmayan değerler tutuluyor; ortamın tamamı ve kimlik bilgileri asla kopyalanmıyor.</p><p>Testlerde yalnızca sahte kullanıcı ve sahte veri kullanılıyor. Canlıya alınmış uç noktalar, paylaşılan altyapı ve gerçek kimlikler yoklanmıyor; bir kusuru kanıtlamaya yetecek en küçük yerel etkinin ötesine geçilmiyor.</p><p>Depo neyi söylemiyor? Kodlama ajanının kendisine hangi izinlerin verilmesi gerektiği, örneğin ajanın terminal komutlarını onaysız çalıştırıp çalıştıramayacağı, skill’de tanımlı değil. Sandbox’ın hangi araçla kurulacağı da tarif edilmiyor; skill yalnızca gereken özellikleri sayıyor. Blog yazısı Cloudflare’in kendi harness’ında unshare tabanlı bir sandbox kullandığını anlatıyor, ama bu skill&#39;in bir parçası değil. Yani bu kontrolleri sağlayacak ortamı kurmak kullanıcıya kalıyor.</p><h3>Profiller, kapsamlı koşular ve bütçe</h3><p>Tam denetim üç profilde çalışabiliyor:</p><ul><li>quick: küçük hedefler veya hızlı ilk bakış için. Birimler kabalaştırılıyor, tek bir av dalgası ve tek bir final eleştirmen çalışıyor, her aday için tek taze doğrulayıcı hem Faz 3 hem Faz 5 işini yapıyor.</li><li>standard: varsayılan, yazıldığı haliyle iş akışı.</li><li>deep: yüksek riskli veya büyük hedefler için. Birimler alt sistem ve yaşam döngüsü moduna göre bölünüyor, eleştirmen dalgaları temiz geçişe kadar sürüyor.</li></ul><p>Profiller genişliği değiştiriyor, kanıt çıtasını değiştirmiyor. quick veya kapsamı daraltılmış (scoped) bir koşu kendini kısmi kapsam olarak sunmak zorunda; kapsam dışı kalan yüzeyler covered değil out_of_scope olarak yazılıyor.</p><p>Kullanıcı bir bütçe verirse bu, tüm fazlardaki toplam ajan çağrısı sayısı olarak run-metadata.json içine yazılıyor. Bütçe kuralı sıkı: dört temel keşif çağrısı, gerekli eleştirmenler ve en az bir doğrulayıcı için pay ayrılamıyorsa hiçbir ajan başlatılmıyor ve kullanıcıdan daha büyük bütçe, daha dar kapsam ya da başka bir profil isteniyor. Doğrulama bütçesi biterse doğrulanmamış adaylar findings.json&#39;a hiçbir kararla girmiyor ve koşu tamamlanmamış sayılıyor.</p><h3>Tekrarlanan koşular neden önemli?</h3><p>README, aynı depoya yapılan koşuların toplanarak ilerlediğini söylüyor. Skill önceki coverage-ledger.json ve findings.json dosyalarını okuyor, değişen kaynağı yeniden doğruluyor, değişmeyen ve hâlâ geçerli olan onaylı bulguyu aynı parmak iziyle taşıyıp yine de güncel doğrulamadan geçiriyor. Önceki needs_validation, deferred veya blocked birimler güncel iş haline geliyor; hiçbir eski durum güncel bir birimi bastırmıyor. Önceki bir quick koşu, &quot;geri kalanı temiz&quot; anlamına gelmiyor.</p><p>Bu tasarımın gerekçesi README’deki bir cümlede: Cloudflare’in kendi test koşularında tek bir koşu, tekrarlanan koşuların toplamda bulduğu açıkların kabaca yarısını bulmuş. Bu, Cloudflare’in kendi beyanı; ölçümün hangi depolarda ve nasıl yapıldığına dair ayrıntı depoda yok ve bunu doğrulayan bağımsız bir ölçüm bulamadım. Blog yazısı aynı gözlemi tekrarlıyor ve tek koşunun bulduklarının daha basit hatalara kaydığını ekliyor.</p><h3>Skill ile Cloudflare’in iç harness’ı arasındaki fark</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1BlDT_rEoP7ABtUvCcyM8Q.png" /></figure><p>Blog yazısı skill fazlarını iç sistemin aşamalarına eşleyen bir tablo veriyor: keşif ajanları Recon’a, avcılar Hunt’a, doğrulayıcılar Validate’e, şema kontrolü satır ve fonksiyonların mekanik kontrolüne, taze ajanla yeniden doğrulama Independent validation aşamasına karşılık geliyor. İç sistemde bunlara ek olarak kapsam boşluklarını dolduran Gapfill, kopyaları birleştiren Dedup, depolar arası bağımlılık izleyen Trace ve istemleri yeniden yazan Feedback aşamaları ile SQLite tabanlı kalıcı durum var. Bulgular ayrıca farklı bir modelle çalışan ayrı bir doğrulama sisteminden (VVS) geçiyor.</p><p>Bu ayrımı net tutmak gerekiyor: depoda yalnızca skill var. Blog, harness’ın da ileride paylaşılmasını umduklarını söylüyor, ama bu yazının yazıldığı tarihte depoda harness kodu yok.</p><p>Blogdaki sayılar da bu bağlamda okunmalı. Cloudflare, iç sistemin ürettiği 20.799 ham adaydan yaklaşık 12.057&#39;sinin doğrulamayı geçtiğini, ortak havuzda 13.841 bulgu biriktiğini, 5.442&#39;sinin kopya olarak birleştirildiğini ve sonunda 7.245 eyleme dönük bulgu kaldığını yazıyor. Keşif aşamasındaki bağlam iyileştirmeleri sayesinde ilk doğrulama reddetme oranının yüzde 40&#39;tan yüzde 11&#39;e düştüğünü de belirtiyor. Bunlar şirketin kendi iç sistemine ait, kendi beyan ettiği rakamlar; skill’in tek başına performansını göstermiyor ve bağımsız olarak doğrulanmış değil. Blog ayrıca bir false negative (kaçırılan açık) oranı iddia etmediklerini, çünkü bir kod tabanındaki tüm gerçek hataların etiketli bir listesinin olmadığını açıkça söylüyor. Bazı üçüncü taraf yorumların yüzde 40&#39;tan yüzde 11&#39;e düşüşü farklı bir nedene bağladığını gördüm; blog bunu keşif aşamasındaki bağlam enjeksiyonuna bağlıyor.</p><h3>Bağımsız gözlemler ne söylüyor?</h3><p>Cloudflare dışında yazılmış, skill’i gerçekten çalıştırdığını anlatan bir kaynak bulabildim: Metronome.fm ekibinin 9 Ekim 2026 tarihli yazısı. Bu bir kıyaslama (benchmark) değil, tek bir ekibin kendi ürünü üzerindeki deneyim raporu. Yazıya göre ekip:</p><ul><li>Skill’i belirli bir commit’e sabitleyerek kendi deposundaki skill klasörüne eklemiş ve zaten aynı adlı kendi skill’leri olduğu için adını değiştirmiş. Eklemeden önce doğrulayıcı betiklerin dosya yazmadığını ve ağ isteği yapmadığını okuyarak kontrol ettiklerini yazıyorlar.</li><li>quick profilini 25 ajan çağrısı bütçesiyle kullanmış; toplam 18 ajan çalışmış ve yaklaşık 2,7 milyon token harcanmış.</li><li>macOS üzerinde gerekli sandbox kontrollerini işletim sistemi düzeyinde sağlayamadıkları için hiçbir hedef kodu çalıştırmamışlar. Sonuç olarak hiçbir aday confirmed olamamış; iki aday needs_validation olarak kalmış.</li><li>Bu iki adayı kendileri bir uçtan uca testle ve üretim paketini inceleyerek doğrulamış ve düzeltmişler.</li></ul><p>Bu rapor, skill’in tasarımıyla tutarlı bir tablo çiziyor: sandbox yoksa skill çalıştırmak yerine engeli raporluyor ve son doğrulama insana kalıyor. Ama tek bir ekibin tek bir koşusu; tespit oranı ya da maliyet için genellenebilecek bir ölçüm değil. Bunun dışında bulduğum yazılar (DeepWiki sayfası, cybersecurityos.net ve agentnativeengineering.com yorumları) README ve blogu özetleyen ikincil kaynaklar; kendi ölçümlerini içermiyorlar.</p><h3>Bu bir pentest ya da güvenlik garantisi değil</h3><p>README skill’in tetikleyicileri arasında “pen-test the code” ifadesini sayıyor, ama yapılan iş klasik anlamda bir sızma testi değil. Sızma testi genellikle çalışan bir sisteme, yetkili bir kapsam içinde saldırgan gibi davranarak yapılır. Bu skill ise tasarım gereği canlı uç noktalara, paylaşılan servislere veya gerçek kimliklere dokunmuyor. Kaynak kodu okuyor ve yalnızca yalıtılmış yerel ortamda en küçük kanıtı üretmeye çalışıyor. Proxy davranışı, sağlayıcı ayarları, kimlik politikası ve broker erişim listeleri gibi depoda bulunmayan kontroller için karar vermiyor, needs_validation ile soruyu kod sahibine bırakıyor.</p><p>Buradan çıkan sonuçlar şunlar:</p><ul><li>Temiz bir rapor, sistemin güvenli olduğunu göstermez. VALIDATION-AND-REPORTING.md temiz bir koşunun sıfır onaylı kayıtla bitebileceğini ve bu durumda kalan kapsam ve doğrulama sınırlarının belirtilmesi gerektiğini söylüyor.</li><li>Tek koşu hedefi tüketmez. SKILL.md bunu açıkça yazıyor ve README tekrarlı koşuları öneriyor.</li><li>Doğrulayıcı betiklerin geçmesi yalnızca format ve defter tutarlılığını kanıtlar.</li><li>Skill hedef kaynağı değiştirmez. Her onaylı bulgu için en küçük etkili düzeltmeyi ve regresyon testini tarif eder, ama düzeltmeyi uygulamak ekibe kalır.</li></ul><h3>Manuel inceleme ile ilişkisi</h3><p>Skill’i bir güvenlik mühendisinin yerine geçen bir araç olarak değil, onun önüne iyi hazırlanmış bir dosya koyan bir süreç olarak düşünmek daha doğru. REPORT.md onaylı bulguları kaynak konumu, düşük güvenli aktör, yeniden üretim adımları, koşullar, etki ve önerilen düzeltmeyle veriyor. NEEDS-VALIDATION.md ise her açık ipucu için kesin engeli ve sahibin güvenle yapabileceği bir kontrolü listeliyor; bu dosyanın doğal okuru, canlıya alma ayarlarını bilen kişi.</p><p>Cloudflare’in kendi iç akışında da son karar insanda. Blog, otomatik düzeltme aşamasının kodu kendi başına birleştirmediğini ve bir insanın dalı incelemesi gerektiğini yazıyor. Skill ile çalışan bir ekip için pratik çıkarım benzer: onaylı bulguları kod incelemesiyle teyit edin, needs_validation listesini ilgili sahiplere dağıtın, rejected kayıtlarını saklayın ki bir sonraki koşu aynı iddiaya geri dönmesin.</p><p>Kurmadan önce dikkat edilecek bir nokta da skill’in kendisinin bir tedarik zinciri girdisi olması. Bir skill, ajanınızın ne yapacağını belirleyen talimatlardır. İçeriği okumak ve belirli bir commit’e sabitlemek mantıklı; depoda etiketli sürüm olmadığı için sabitleme commit SHA’sı üzerinden yapılabilir.</p><h3>Sonuç</h3><p><strong>security-audit</strong> skill’i, yapay zekâ ile güvenlik incelemesinde en sık görülen sorunu, yani kanıtsız ve şişirilmiş bulgu listelerini, yapısal kurallarla sınırlamaya çalışıyor. Bulan ajanın bulgusunu kendisinin doğrulamasına izin vermemesi, kapsamı deterministik bir defterle tutması, belirsizliği şiddet puanı verilmeyen ayrı bir karar türüne ayırması ve hedef kodu yalnızca katı bir sandbox içinde çalıştırması öne çıkan tasarım kararları.</p><p>Sınırları da aynı açıklıkla yazılmış: canlı sistemi test etmiyor ve tek koşuda her şeyi bulduğunu iddia etmiyor. Performans hakkında elimizde Cloudflare’in kendi beyanları ve tek bir bağımsız deneyim raporu var. Bir ekibin bu skill’den alacağı değer büyük ölçüde sandbox’ı doğru kurmasına ve needs_validation listesini gerçekten sahiplerine ulaştırmasına bağlı görünüyor.</p><h3>Kaynaklar</h3><p><a href="https://github.com/cloudflare/security-audit-skill">https://github.com/cloudflare/security-audit-skill</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/README.md">https://github.com/cloudflare/security-audit-skill/blob/main/README.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/SKILL.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/SKILL.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/RECONNAISSANCE.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/RECONNAISSANCE.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/HUNTING.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/HUNTING.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/ATTACK-CLASSES.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/ATTACK-CLASSES.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/AI-AND-LLM.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/AI-AND-LLM.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/VALIDATION-AND-REPORTING.md">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/VALIDATION-AND-REPORTING.md</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/report-schema.json">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/report-schema.json</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/validate-findings.cjs">https://github.com/cloudflare/security-audit-skill/blob/main/skills/security-audit/validate-findings.cjs</a> <a href="https://github.com/cloudflare/security-audit-skill/blob/main/LICENSE">https://github.com/cloudflare/security-audit-skill/blob/main/LICENSE</a> <a href="https://github.com/cloudflare/security-audit-skill/commits/main">https://github.com/cloudflare/security-audit-skill/commits/main</a> <a href="https://blog.cloudflare.com/build-your-own-vulnerability-harness">https://blog.cloudflare.com/build-your-own-vulnerability-harness</a> <a href="https://github.com/vercel-labs/skills">https://github.com/vercel-labs/skills</a> <a href="https://skills.sh/">https://skills.sh</a> <a href="https://metronome.fm/blog/en/cloudflare-security-audit-skill">https://metronome.fm/blog/en/cloudflare-security-audit-skill</a> <a href="https://deepwiki.com/cloudflare/security-audit-skill/1.1-getting-started">https://deepwiki.com/cloudflare/security-audit-skill/1.1-getting-started</a> <a href="https://www.cybersecurityos.net/posts/ai-devsecops/cloudflare-vulnerability-harness-security-audit-skill/">https://www.cybersecurityos.net/posts/ai-devsecops/cloudflare-vulnerability-harness-security-audit-skill/</a> <a href="https://agentnativeengineering.com/field-notes/2026-06-19-vuln-discovery-harnesses-converge-state-and-gates/">https://agentnativeengineering.com/field-notes/2026-06-19-vuln-discovery-harnesses-converge-state-and-gates/</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fa242e9f96e2" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Colibri ile kendi makinenizde yüz milyarlarca parametrelik MoE çalıştırmak]]></title>
            <link>https://medium.com/@erdncyz/colibri-ile-kendi-makinenizde-y%C3%BCz-milyarlarca-parametrelik-moe-%C3%A7al%C4%B1%C5%9Ft%C4%B1rmak-d9b5a7f6f25c?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/d9b5a7f6f25c</guid>
            <category><![CDATA[moe]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[local-llm]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Thu, 05 Nov 2026 14:50:51 GMT</pubDate>
            <atom:updated>2026-11-05T14:50:51.870Z</atom:updated>
            <content:encoded><![CDATA[<p><em>NVMe’den expert akıtan C motoru: haberler, ne işe yarıyor, adım adım kurulum</em></p><p>Bir süredir yerel çıkarım tarafında aynı duvara çarpıyorum. Model büyüdükçe VRAM yetmiyor; VRAM yetince de disk ve RAM planı dağlıyor. <strong>Colibri</strong> bu duvarı farklı bir yerden delmeye çalışıyor. Repo tanımı net: frontier MoE modelleri için hiyerarşik bir çıkarım motoru. Sıcak expert’ler GPU’da (CUDA veya Vulkan), ılık olanlar RAM’de, soğuk olanlar NVMe’den stream ediliyor. Saf C, model ailesi başına bir dosya, GPU zorunlu değil.</p><p>Resmi site ve README’nin vurgusu da aynı: makinenizdeki GPU, RAM ve depolamayı tek bir hiyerarşi gibi ele alıp ağırlıkların nerede yaşayacağını donanıma göre uyarlamak. Bu yazıda repoyu, quickstart’ı, sürüm notlarını, bağımsız incelemeleri ve performans tartışmalarını okuyarak <strong>Colibri</strong>’nin ne olduğunu, ne işe yaradığını ve nasıl çalıştırıldığını toparlıyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uHX2DXnfxdDnk6KetfL2fg.png" /></figure><h3>Haberler: ne zaman çıktı, kim konuşuyor?</h3><p>Projeyi Vincenzo Fornaro (JustVugg) yürütüyor. Git geçmişinde ilk commit 1 Temmuz 2026, GLM-5.2 motorunun ilk hali 5 Temmuz civarı. 19 Temmuz’da 1.0.0 etiketi geliyor. Jacar Systems’tan Javier Cañete’nin 15 Eylül 2026 tarihli incelemesi, 1.11.0 sürümünün 13 Eylül’de çıktığını ve o tarihte repoda on haftada ~31 bin yıldız göründüğünü kaydediyor. Nathan Putnam’ın 24 Eylül 2026 tarihli notu ise aynı çizgiyi “en inandırıcı açık kaynak MoE-from-disk denemesi” diye özetliyor; hız için SLA yok, semantik için sert garanti var.</p><p>Bundan sonra tempo hızlanıyor. 6 Ekim 2026&#39;da v2.0.0: her MoE motorunda Vulkan expert katmanı, en fazla 16 eşzamanlı konuşma (--kv-slots), System One karar API&#39;si, tek adımlı start-here kurulumu. 31 Ekim 2026&#39;da v2.1.0: 387 PR, 35 katkımcı; GGUF artık her motorda yerinde okunuyor (yeniden quant yok), <strong>Mistral-Large-4</strong> (1T sınıfı), Muse Spark Open, Flint, LFM3-VL ve yayınlanmış DeepSeek V4.1 / Kimi K3 GGUF&#39;ları geliyor; coli ui yeni sohbet arayüzü; ajan turları arasında COLI_PARK ile kısa isteklerin konuşmayı yeniden okutmaması. Bu nokta Jacar yazısındaki &quot;GGUF yok&quot; notunu tarihe gömüyor: Eylül&#39;de doğru olan şey Ekim sonunda değişmiş.</p><p>Topluluk tarafında tartışma çoğunlukla ölçüm. Issue #120&#39;de 9950X3D2 + Gen5 NVMe (~11.5 GB/s) + RTX 5090 expert katmanında 1.23 tok/s sustained raporlanıyor; disk bağlıyken MTP’nin zarar edebildiği ölçülüyor. #65 ve #93 benzer şekilde NVMe bant genişliği, PCIe pazarlığı ve öğrenen pin önbelleğinin hit oranını merkeze koyuyor. İddia net: hız çoğunlukla “motor sihri” değil, disk + yerleşim + iş yükü lokalitesi. Karşı iddia da net: sohbet için tok/s çoğu ev kutusunda düşük; batch, gece işi veya “bu ağırlık seti gerçekten çalışıyor mu?” doğrulaması daha gerçekçi niş.</p><p>Güvenlik tartışması da var. Ağustos 2026&#39;da safetensors yükleyici ve ilgili yollarda bir dizi advisory yayınlandı (ör. GHSA-4gw4-j89j-4c8r, 1.3.0 öncesi). Jacar yazısı bunu “güvenilmeyen konteyner = C parser’ına saldırı yüzeyi” diye okuyor. Pratik çıkış: güncel sürüm, bilinen kaynaklı ağırlık, mümkünse loopback API.</p><p>Bağımsız yorumların ortak paydası da benzer. Jacar: disk bant genişliği hızı belirler; sohbet için değil batch / doğrulama için daha uygun; Eylül’de GGUF yoktu, şimdi var. Putnam: bellek çok katmanlı yerleştirme + routing ısı önbelleği + heterojen çalıştırma gerçek bir tez; üretim SLA’sı arayan için vLLM yerine değil. Community issue’ları (özellikle #120) “MTP disk bağlıyken zarar edebilir” gibi negatif sonucu da yayınlıyor; README’nin “hızda SLA yok, semantikte garanti var” cümlesiyle uyumlu.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zd2ydxjReYk66v_F8iZi4A.png" /></figure><h3>Ne işe yarıyor? (somut)</h3><p><strong>Colibri</strong> Apache 2.0 lisanslı yerel LLM çıkarım motoru. Klasik “tüm modeli belleğe yükle” yerine Mixture-of-Experts yapısından yararlanıyor. MoE diskte çok büyük görünür; her token için yalnızca bir alt küme çalışır. README örneği: <strong>GLM-5.2</strong> ~744B parametre; token başına kabaca 40B; token’dan token’a değişen routed expert kısmı ~11 GB. Dense kısım (attention, shared expert, embedding) RAM’de kalır. Routed expert’ler diskte durur; router istediğinde okunur. Ortada iş yüküne göre ısınan önbellek vardır. GPU varsa sıcak expert’ler ve dense katmanlar karta gider. Yerleşim hızı değiştirir; router kararları ve ağırlık hassasiyeti VRAM’den, RAM’den veya diskten gelsin aynı kalmalıdır.</p><p>Motor çalışma zamanında Python istemez. Python kurulum, launcher, dönüştürücü ve API gateway içindir.</p><h3>Use case 1: sığmayan frontier MoE’yi yerelde görmek</h3><p>Diyelim ki 24–64 GB RAM’iniz var ve 200–600 GB’lık bir GGUF / konteyneri komple RAM’e almak istemiyorsunuz. <strong>Colibri</strong> tam burada konuşuyor. coli plan ve coli doctor yerleşimi önceden gösterir: dense kısım + minimum expert cache RAM&#39;e sığmalı, indirme diske sığmalı. Küçük başlangıç için setup menüsündeki qwen36-35b (~23 GB indirme) veya qwen3-coder-30b yeterli; büyük MoE&#39;ye geçmeden önce doctor çıktısını okuyun.</p><p>Model sığıyorsa <strong>llama.cpp</strong> / <strong>Ollama</strong> çoğu senaryoda daha konforlu kalır; sığmıyorsa ve disk temposunu kabul ediyorsanız bu motorun nişi. Jacar’ın ARM64 Linux ölçümünde OLMoE ile expert cache küçülünce medyan tok/s düşüyor; mekanizma ölçülebilir.</p><h3>Use case 2: OpenAI / Anthropic uyumlu yerel API</h3><pre>./coli serve --model /nvme/qwen36</pre><p>Varsayılan uçlar:</p><pre>Browser:             http://127.0.0.1:8000/<br>OpenAI base URL:     http://127.0.0.1:8000/v1<br>Anthropic base URL:  http://127.0.0.1:8000</pre><p>OpenAI tarafı: /v1/chat/completions, /v1/completions, /v1/models (streaming, stop, logprobs). Anthropic tarafı: /v1/messages (Claude Code ve Anthropic SDK&#39;ları için). Tool calling çoğu chat motorunda var; Inkling ve OLMoE aktif tool isteğinde HTTP 400 döner. Görüntü girişi bazı ailelerde (image_url veya sohbette yol). Dosya girişi: coli chat içinde /file PATH (64 MiB / 2M karakter; PDF için pdftotext veya pypdf). Çok konuşma: coli serve --kv-slots N (en fazla 16).</p><p>Basit bir istek:</p><pre>curl -s http://127.0.0.1:8000/v1/chat/completions \<br>  -H &#39;Content-Type: application/json&#39; \<br>  -d &#39;{&quot;model&quot;:&quot;qwen36-colibri&quot;,&quot;max_tokens&quot;:80,&quot;temperature&quot;:0,<br>       &quot;messages&quot;:[{&quot;role&quot;:&quot;user&quot;,&quot;content&quot;:&quot;MoE nedir, iki cümle.&quot;}]}&#39;</pre><h3>Use case 3: ajan ve editör bağlantısı</h3><p><strong>Hermes</strong>, OpenClaw, Pi, Codex, Claude Code, Aider, Continue, Cline gibi araçlarda özel OpenAI-uyumlu sağlayıcı:</p><ul><li>Base URL: <a href="http://127.0.0.1:8000/v1">http://127.0.0.1:8000/v1</a></li><li>Model ID: sunucunun verdiği id (GET /v1/models veya --model-id)</li><li>API key: boş bırakılabilen istemciler için herhangi bir dolgu (local); gerçek zorunluluk yalnızca COLI_API_KEY set edilince</li></ul><p>Ajanlar geniş bağlam ister. Hermes Agent 64k altını reddeder; ilk istek tek başına 5–14k token olabiliyor. coli serve uygun bellekte context&#39;i raporlar (GET /v1/models içinde context_length / max_model_len); istemciye aynı sayıyı yazın. Sunucunun tuttuğundan büyük pencere varsayan ajan kompaksiyonu geç yapar ve context_length_exceeded ile biter.</p><p>COLI_PARK ile turlar arasında konuşmayı park etmek, yeni turda yalnızca yeniyi okutmak dokümante (Qwen3.8 örneğinde 14.810 tokenlik ikinci tur 86 s → 4.9 s). Tool destekli model şart; Inkling ve OLMoE tool tablosunda kapalı. coli ui Settings → Agents altında Pi, Codex, Claude Code, opencode, OpenClaw ve Hermes&#39;i yerelde bulup Colibri&#39;ye işaretli terminalde açmayı deniyor (Windows/WSL odaklı). Codex Responses API konuştuğu için arada bir shim var.</p><h3>Use case 4: System One ile olasılıklı karar</h3><p>POST /v1/systemone durum + tipik sorular alır, her seçenek için olasılık döner. Serbest metin üretmek yerine eşik koyabileceğiniz skor vardır. Chat modeli skorlama ile veya <strong>Laya</strong>, <strong>GLiNER2.5-Decide</strong>, <strong>Clef</strong> ile çalışır. TypeSafe Jev istemcilerinin base URL değiştirerek geçebilmesi dokümante. Diyelim ki bir PR metnini state yapıp merge | request changes | close skorluyorsunuz.</p><h3>Use case 5: GGUF import ve UI</h3><p>v2.1.0 ile:</p><pre>coli import /nvme/Flint-UD-Q4_K_XL.gguf<br>coli chat  --model /nvme/Flint-UD-Q4_K_XL.colibri<br>coli serve --model /nvme/Flint-UD-Q4_K_XL.colibri<br>coli ui</pre><p>coli ui reasoning bloğu, görüntü, web arama, canlı expert haritası, monitör ve ajan kısayolları sunuyor. Eski dashboard coli web hâlâ gateway üzerinden geliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BHw4JIBwNhnBVWAFF7779Q.png" /></figure><h3>Nasıl çalıştırılır? (kopyala-yapıştır)</h3><p>Resmi minimum: ~16 GB RAM (24+ daha iyi), en küçük model için ~19–23 GB boş disk (büyük MoE için yüzlerce GB), internet. GPU isteğe bağlı.</p><h3>Linux (tek adım)</h3><pre>sudo apt update<br>sudo apt install -y git python3 build-essential<br>git clone https://github.com/JustVugg/colibri.git<br>cd colibri<br>./start-here.sh</pre><h3>macOS (tek adım)</h3><pre>xcode-select --install<br>brew install libomp git python<br>git clone https://github.com/JustVugg/colibri.git<br>cd colibri<br>./start-here.sh</pre><h3>Windows (tek adım)</h3><p>GitHub’dan ZIP indirip açın veya git clone yapın; üst klasörde START-HERE.bat dosyasına çift tıklayın. Python 3 kurulu olsun (python.org). NVIDIA RTX 30/40/50 için ayrıca colibri-*-windows-x86_64-cuda.zip arşivini aynı klasöre açın.</p><p>Hazır arşivle (derleyici yok):</p><pre># Releases&#39;ten colibri-v2.1.0-windows-x86_64.zip açıldıktan sonra<br>py .\coli doctor --model D:\colibri-models\qwen36<br>py .\coli serve  --model D:\colibri-models\qwen36</pre><p>Kaynaktan MSYS2 UCRT64 ile: pacman -S --needed mingw-w64-ucrt-x86_64-gcc make git python sonra cd colibri/c &amp;&amp; ./setup.sh.</p><p>./start-here.sh / START-HERE.bat aslında coli setup çalıştırır: donanımı tarar, uyan modeli önerir, motoru derler veya hazır ikiliyi alır, modeli indirir (kesilirse kaldığı yerden devam), sunucuyu başlatıp dashboard&#39;u açar.</p><p>Sonraki seferler:</p><pre>./start-here.sh                 # doğrudan başlatır<br>c/coli status                   # durum, URL, son tok/s<br>c/coli stop                     # durdur<br>./start-here.sh --reconfigure   # başka model<br>./start-here.sh --list          # makineye uyanlar<br>./start-here.sh --yes --model qwen36-35b</pre><p>Windows’ta: c\coli.cmd status / c\coli.cmd stop.</p><h3>Elle yol (kaynak)</h3><pre>git clone https://github.com/JustVugg/colibri.git<br>cd colibri/c<br>./setup.sh<br>make qwen36 VK=1          # veya CUDA=1; GPU yoksa bayraksız</pre><p>Hazır arşiv (derleyici yoksa): Releases’ten colibri-v2.1.0-linux-x86_64.tar.gz (veya macOS/Windows karşılığı) açın; Python 3 yeterli.</p><p>Model klasörüyle günlük komutlar:</p><pre>export COLI_MODEL=/nvme/qwen36   # Windows PowerShell: $env:COLI_MODEL=&quot;D:\qwen36&quot;<br>./coli doctor --model &quot;$COLI_MODEL&quot;<br>./coli plan   --model &quot;$COLI_MODEL&quot;<br>./coli chat   --model &quot;$COLI_MODEL&quot;<br>./coli chat   --model &quot;$COLI_MODEL&quot; --topp 0.85<br>./coli serve  --model &quot;$COLI_MODEL&quot;<br>./coli web    --model &quot;$COLI_MODEL&quot;<br>./coli ui<br>./coli import /nvme/model.gguf<br>./coli tune   --model &quot;$COLI_MODEL&quot;</pre><p>WSL: modeli /mnt/c altına koymayın; varsayılan ~/colibri-models Linux diskine kalsın. /mnt/c ölçümlerde kat be kat yavaş olabiliyor.</p><p>AI asistanıyla kurulum: docs/AI_SETUP.md veya MCP:</p><pre>python3 /path/to/colibri/c/coli mcp</pre><p>MCP araçları: detect_hardware, recommend_models, install, start, stop, status, logs. Asistan indirmeden önce sormaya yönlendiriliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FZjNREdtRaLHCv0XhcJdRQ.png" /></figure><h3>Sorun giderme (kısa)</h3><ul><li>Bir şey eksikse önce ./coli doctor --model .... Eksik kütüphane, bozuk konteyner, yetersiz RAM buradan görünür.</li><li>AVX2 yoksa hazır x86–64-v3 ikili çalışmaz: make qwen36 ARCH=x86-64-v2 (ölçülen ~2.4× yavaşlama).</li><li>GPU paketi yoksa kurulum CPU ile devam eder; paketi kurup setup’ı tekrarlayın. CUDA toolkit kartı derleyemiyorsa (ör. CUDA 13 + V100) Vulkan’a düşer.</li><li>Disk bağlı kutuda --topp 0.85 daha az expert baytı okuyabilir; kendi makinenizde ölçün.</li><li>DIRECT=1 (O_DIRECT) hızlı NVMe&#39;de kazanç, bazı disklerde nötr veya zarar; docs/tuning.md &quot;kendi diskinizde ölçün&quot; diyor.</li><li>Yanlış GLM int4 (eski per-row) kalite ve düşünme döngüsü sorunlarıyla ilişkilendirilmiş (#455); gs64 + int8 MTP head öneriliyor.</li><li>Dışarı açmadan önce COLI_API_KEY ve model lisansını düşünün; varsayılan 127.0.0.1 güvenli başlangıç.</li></ul><h3>Mimari (özet)</h3><p>Her katman, her token için route, union, place, overlap, learn adımlarını geziyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hTRSzOkDnXZXJttgDv58dA.png" /></figure><p>Öne çıkanlar: routing ısısına göre VRAM/RAM/disk yerleşimi; katman başına LRU + .coli_usage pin; expert üç matrisinin tek pread ile okunması; COLI_MODEL_MIRROR ile ikinci NVMe (+%37.5 decode ölçülmüş örnek); CI ile referansa karşı fixture. Backend: CPU her yerde; Vulkan 1.2; CUDA; Apple Silicon&#39;da Metal (bazı motorlar).</p><p>Desteklenen aileler geniş: GLM-5.2/5.3, DeepSeek V4/V4.1 Flash, MiMo-V2.6, Qwen3.6 / Qwen3.8-Flash-Next, Kimi K3, Inkling, OLMoE, GGUF üzerinden Mistral-Large-4 / Flint / Muse Spark Open / LFM3-VL, görüntü için Qwen-Image-2.1, karar modelleri Laya / GLiNER2.5-Decide / Clef.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*D1RTpVtjAOS9zpJtgvDSZw.png" /></figure><h3>Alternatifler ve sınırlar</h3><p><strong>llama.cpp</strong> model RAM’e sığıyorsa veya katman offload yetiyorsa genelde daha hızlı ve ekosistem daha geniş. <strong>Ollama</strong> kolaylık katmanı. <strong>vLLM</strong> GPU-first üretim ve batching. Jacar karşılaştırması: model hiçbir hızlı belleğe sığmıyorsa ve diskin temposunu kabul ediyorsanız <strong>Colibri</strong> anlamlı; sığıyorsa diğerleri daha çok tok/s verir. FreeToken uzmanları GPU/CPU/RAM’e böler ama SSD’yi expert katmanı olarak yönetmez; oMLX ağırlık için değil soğuk KV için SSD kullanır.</p><p>Dürüst sınırlar: tok/s çoğunlukla NVMe’ye bağlı; Vulkan yolu CPU ile bit-bit aynı olmayabilir; her model kendi lisansını taşır (Qwen-Image-2.1 ticari olmayan kullanım); Ağustos advisory’leri nedeniyle güncel sürüm ve güvenilir ağırlık şart. <strong>Colibri</strong> “her şeyi hızlandıran sihir” değil; “sığmayan modeli çalıştırılabilir kılan motor”.</p><h3>Kapanış</h3><p><strong>Colibri</strong> isminin hikâyesi README’de: sinek kuşu gramlarla havada asılı kalır. Motor da 744B sınıfı bir ağırlığı “sinek kuşu tayını”yla (sınırlı RAM, bir avuç çekirdek, bol disk sabrı) ayakta tutmaya çalışıyor.</p><p>Benim için değer önerisi net. Model sığıyorsa başka araçlarla daha hızlı koşarım. Model sığmıyorsa ve o ağırlık setini yerelde görmek istiyorsam <strong>Colibri</strong> denenecek ilk adaylardan biri. Temmuz 2026&#39;da başlayan proje Ekim’de GGUF + ajan park + yeni UI ile olgunlaştı; asıl iş donanımınıza dürüst bakmak ve NVMe’nin gerçekten ne kadar hızlı olduğunu kabul etmek.</p><p>Canlıya alma öncesi kendi makinenizde coli doctor çıktısını ve bir kısa decode ölçümünü eklemenizi öneririm; Medium&#39;da spekülasyondan çok ölçüm konuşur.</p><h3>Kaynaklar</h3><p><a href="https://github.com/JustVugg/colibri">https://github.com/JustVugg/colibri</a></p><p><a href="https://justvugg.github.io/colibri/">https://justvugg.github.io/colibri/</a></p><p><a href="https://github.com/JustVugg/colibri/releases">https://github.com/JustVugg/colibri/releases</a></p><p><a href="https://github.com/JustVugg/colibri/releases/tag/v2.1.0">https://github.com/JustVugg/colibri/releases/tag/v2.1.0</a></p><p><a href="https://raw.githubusercontent.com/JustVugg/colibri/main/README.md">https://raw.githubusercontent.com/JustVugg/colibri/main/README.md</a></p><p><a href="https://raw.githubusercontent.com/JustVugg/colibri/main/docs/quickstart.md">https://raw.githubusercontent.com/JustVugg/colibri/main/docs/quickstart.md</a></p><p><a href="https://raw.githubusercontent.com/JustVugg/colibri/main/docs/api.md">https://raw.githubusercontent.com/JustVugg/colibri/main/docs/api.md</a></p><p><a href="https://raw.githubusercontent.com/JustVugg/colibri/main/docs/MCP_SERVER.md">https://raw.githubusercontent.com/JustVugg/colibri/main/docs/MCP_SERVER.md</a></p><p><a href="https://github.com/JustVugg/colibri/blob/main/ui/README.md">https://github.com/JustVugg/colibri/blob/main/ui/README.md</a></p><p><a href="https://jacar.es/en/colibri-giant-moe-models-from-disk/">https://jacar.es/en/colibri-giant-moe-models-from-disk/</a></p><p><a href="https://nathanputnam.com/blog/justvugg/colibri/">https://nathanputnam.com/blog/justvugg/colibri/</a></p><p><a href="https://github.com/JustVugg/colibri/issues/120">https://github.com/JustVugg/colibri/issues/120</a></p><p><a href="https://github.com/JustVugg/colibri/issues/65">https://github.com/JustVugg/colibri/issues/65</a></p><p><a href="https://github.com/JustVugg/colibri/issues/93">https://github.com/JustVugg/colibri/issues/93</a></p><p><a href="https://github.com/JustVugg/colibri/security/advisories/GHSA-4gw4-j89j-4c8r">https://github.com/JustVugg/colibri/security/advisories/GHSA-4gw4-j89j-4c8r</a></p><p><a href="https://github.com/JustVugg/colibri/discussions/955">https://github.com/JustVugg/colibri/discussions/955</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d9b5a7f6f25c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sıfırdan değil, mevcut kod tabanında: Ajanla performans iyileştirmesi yaptırmak]]></title>
            <link>https://medium.com/@erdncyz/s%C4%B1f%C4%B1rdan-de%C4%9Fil-mevcut-kod-taban%C4%B1nda-ajanla-performans-iyile%C5%9Ftirmesi-yapt%C4%B1rmak-347411942447?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/347411942447</guid>
            <category><![CDATA[coding-agents]]></category>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[ai-coding]]></category>
            <category><![CDATA[performance]]></category>
            <category><![CDATA[python]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Mon, 26 Oct 2026 05:09:04 GMT</pubDate>
            <atom:updated>2026-10-26T05:09:04.115Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Kodlama ajanına “bunu hızlandır” demek yetmiyor. Ölçümle ve testlerle kurulmuş bir düzenek olmadan ajan sadece meşgul görünür.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2sA2ck0dfI8BX0QODjHb0A.png" /></figure><p>Kodlama ajanlarıyla ilgili demoların çoğu boş bir klasörle başlıyor. Ajan bir proje iskeleti kuruyor, birkaç ekran çıkıyor, herkes alkışlıyor. İzlemesi keyifli, ama benim gündelik işim öyle değil. Ben çoğunlukla yıllardır büyümüş, birçok insanın elinden geçmiş, testleri yarım yamalak bir kod tabanının içindeyim. Orada ajanın bir şey yazması kolay, yazdığının işe yaraması zor.</p><p>Kısa süre önce okuduğum bir yazı bu konuda kafamdakileri toparlamama yardım etti. Google, <strong>Gemini 4 Argon</strong> modelini kendi açık kaynak projesi <strong>Agent Development Kit (ADK)</strong> üzerinde bir gece boyunca, 11 saat gözetimsiz çalıştırmış. Hedef performans iyileştirmesiymiş. Kod tabanı yaklaşık 205 bin satır, 800&#39;e yakın kaynak dosya ve 17 bine yakın birim testten oluşuyor. Sonuçta iki optimizasyon kabul edilip ana dala girmiş: uzun oturumlarda bellek içi session hazırlama yükü yaklaşık yüzde 40 azalmış, paketin soğuk import süresi yüzde 21 hızlanmış.</p><p>Bu yazıyı bir model tanıtımı olarak yazmıyorum. Bana ilginç gelen kısım, Google ekibinin ajanı nasıl bir düzeneğin içine koyduğu ve sonra çıkan önerilerin çoğunu neden reddettiği. Aynı yaklaşım <strong>Claude Code</strong>, <strong>Cursor</strong>, <strong>Codex</strong> ya da hangi ajanı kullanıyorsanız onunla da uygulanabilir. O yüzden ADK örneğini somut referans olarak kullanıp, kendi repolarımızda nasıl yapabileceğimizi anlatmaya çalışacağım.</p><h3>“Bunu hızlandır” neden işe yaramıyor</h3><p>Performans işi, ajana verilebilecek en yanıltıcı görevlerden biri. Bir hata düzeltmesinde en azından kırmızı bir test yeşile döner. “Daha hızlı” ise ölçmediğiniz sürece bir his.</p><p>Ölçüm yoksa ajan ne yapar? Mantıklı görünen değişiklikler yapar. Bir yere cache ekler ya da bir fonksiyonu baştan yazar. Commit mesajında “performans iyileştirildi” yazar. Siz de diff’e bakıp “fena değil” dersiniz. Ama kimse gerçekten daha hızlı olup olmadığını bilmez. Daha kötüsü, bu değişikliklerin bir kısmı davranışı sessizce bozar.</p><p>Google’ın yazısındaki bir cümle bunu iyi özetliyor: performans işinde tek bir dosyayı açıp yavaşlığı göremezsiniz, belirtinin göründüğü yerin dışına bakmanız ve kod tabanının bütün haritasını uzun süre kafanızda tutmanız gerekir. İnsan için de ajan için de durum bu. Harita olmadan yapılan optimizasyon tahmindir.</p><p>ADK çalışmasında dikkatimi çeken detaylardan biri şu: ilk turda ajan, işe başladıktan 7 dakika sonra kendine bir benchmark script’i yazmış ve tek satır kaynak kod değiştirmeden önce 70 dakika boyunca ölçüm yapıp kod okumuş. Yani ajanın kendisi bile önce baseline istiyor. Bunu ona bırakmak yerine sizin hazır vermeniz çok daha sağlıklı.</p><h3>Düzeneği kurmak: benchmark, test paketi, kısıtlar</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*z7iY3rSBtDV9bE0zqIDfTA.png" /></figure><p>Ajanı koda salmadan önce hazırlanması gereken bir düzenek var. Ben bunu üç parça olarak düşünüyorum.</p><h3>Deterministik bir benchmark komutu</h3><p>Tek bir komutla çalışan, aynı girdiyle aynı ölçümü üreten bir script. Ağ çağrıları, gerçek LLM yanıtları gibi gürültü kaynakları devreden çıkarılmalı. ADK ekibi burada güzel bir şey yapmış: anlık yanıt veren sahte bir model ve sahte araçlarla çalışan bir benchmark yazmışlar. Böylece saatte görünen her milisaniye doğrudan framework’ün kendi yükü oluyor. Ölçümleri de tek seferlik değil, 6 ila 12 koşunun medyanı olarak raporlamışlar.</p><p>Bir de çok önemli bir hamle var: ekip, ajanın hiç görmediği bağımsız bir holdout benchmark hazırlamış (bench_turn.py). Ajan kendi benchmark&#39;ını yazıp kendi değişikliğini ölçtüğünde, farkında olmadan o benchmark&#39;a göre optimize edebilir. Ayrı tutulan bir ölçüm bu riski azaltıyor. Bence en kolay atlanan ama en değerli adım bu.</p><h3>Güçlü bir test paketi</h3><p>Testler burada korkuluk görevi görüyor. Ajan her yamadan sonra testleri koşturmalı, ve mümkünse sadece yakındaki birkaç testi değil, hepsini. ADK’nin ilk turunda ajan sadece 216 yakın birim testi koşturmuş. İkinci turda ise 16.892 açık kaynak testin tamamını koşturmuş. Fark büyük.</p><p>Burada bir uyarı da var. İkinci turda bütün açık kaynak testler geçmiş, ama Google içindeki 25 test hedefi kırılmış. Sebep, ajanın llm_agent.py içinden kaldırdığı üç import&#39;un, iç testlerde doğrudan patch&#39;lenen attribute&#39;lar olması. Yani test paketiniz ne kadar büyük olursa olsun, kodunuzu kullanan dış dünyayı tam olarak temsil etmeyebilir. Kabul edilen çözüm, ağır paketleri ilk kullanımda yükleyen ama her public attribute&#39;u testlerin beklediği yerde patch&#39;lenebilir bırakan lazy module accessor&#39;lar olmuş.</p><h3>Açık kısıtlar</h3><p>Ajanın neye dokunamayacağını yazılı olarak söylemelisiniz. ADK’nin hedef cümlesi şöyle: modelin aldığı girdi ve public API değişmeyecek, her değişiklik regresyonu yakalayacak bir testle desteklenecek. Kısıt bu kadar net olmayınca ne olduğunu da ilk turda görmüşler: ajan, kimlik doğrulama modeline özel bir hook eklemiş ve bu, public JSON şemasını sessizce değiştirmiş.</p><p>Kısıtları her seferinde prompt’a yazmak yerine repoya koymak daha mantıklı. ADK ekibi bakım kurallarını .agents/skills klasörüne, yeni gelen bir mühendisin oryantasyon rehberi gibi yazmış. Her skill kısa bir SKILL.md ile başlıyor ve detaylar ihtiyaç olunca okunan references/ dosyalarında duruyor. Böylece ajanın context penceresi her turda gereksiz kurallarla dolmuyor. <strong>Claude Code</strong> için CLAUDE.md, <strong>Cursor</strong> için rules dosyaları, <strong>Codex</strong> için AGENTS.md aynı rolü oynayabilir. İsim değişiyor, fikir aynı.</p><h3>Ajanı izole bir worktree içinde döndürmek</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/939/1*dLYRNrVCw3GtHlrl7y_oLw.png" /></figure><p>Düzenek hazırsa ajanı ana dalda değil, ayrı bir git worktree içinde çalıştırıyorum. Böylece ajan istediği kadar deneyebilir, ben de kendi çalışma kopyamda işime devam edebilirim. Bir şey ters giderse worktree’yi silmek yetiyor.</p><p>Döngü kabaca şöyle:</p><ol><li>Hipotez kur: “Şu fonksiyon her çağrıda bütün listeyi kopyalıyor olabilir.”</li><li>Profil çıkar ve ölç: hipotezi profiler ve benchmark ile doğrula.</li><li>Yamayı yaz: tek bir hipotez için tek bir değişiklik.</li><li>Testleri koştur: tamamını.</li><li>Benchmark’ı karşılaştır: baseline ile aynı koşullarda.</li><li>Ölçülebilir kazanç yoksa geri al ve neden işe yaramadığını not et.</li></ol><p>Son adım en çok atlanan adım. Ajan bir şey yazdıysa onu tutmak istiyor, biz de öyle. Ama ölçülebilir kazanç getirmeyen bir değişiklik, sadece gelecekte birinin okuyacağı ekstra karmaşıklık demek.</p><p>Uzun koşularda bir sorun daha çıkıyor: context sıkıştırıldıkça ajan asıl hedefi unutabiliyor. ADK ekibi bunun için <strong>Google Antigravity</strong> içindeki /goal modunu kullanmış. Bu mod hedefi context sıkıştırmaları boyunca koruyor. Kullandığınız araçta böyle bir özellik yoksa, hedefi ve kısıtları bir dosyaya yazıp ajandan her turun başında o dosyayı tekrar okumasını isteyebilirsiniz.</p><p>Bir de ölçeği hatırlamakta fayda var. ADK örneğinde tek tek değişiklikler küçük görünüyor. Google’ın kendi ifadesiyle saniyeler süren tek bir LLM çağrısında 28 ya da 78 milisaniyeyi kimse hissetmez. Ama 158 iç turluk bir araç çağırma akışında bu kopyalar birikiyor ve değişiklik, tam çalışmayı 65,6 saniyeden 56,1 saniyeye indiriyor. Benchmark’ınız gerçek kullanım desenini yansıtmıyorsa, bu tür birikimli kazançları hiç göremezsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rBjCog-4dlQ4I1rSxPiqKQ.png" /></figure><h3>Çoğu yamayı reddetmek</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_sMXCER9Nufy9Nh9w_oOTg.png" /></figure><p>Yazının bence en öğretici kısmı burası. Ajan 32 dosyaya yayılan altı optimizasyon önermiş. Kod incelemesinden ikisi geçmiş, dördü reddedilmiş. Reddedilenlerin gerekçeleri tek tek okunmaya değer:</p><ul><li>Multi-agent senaryosu için eklenen bir event cache, sentetik bir benchmark’ı yüzde 17 hızlandırmış. Ama zayıf bir bellek referansına dayanıyormuş ve Python çöp toplamadan sonra aynı bellek adresini yeniden kullanırsa oturumlar arasında bayat veri döndürebilirmiş.</li><li>Bir telemetri kontrolü, <strong>OpenTelemetry</strong>’nin tracer implementasyonundaki private bir alanı okuyormuş. Küçük bir kütüphane güncellemesinde sessizce bozulabilirmiş.</li><li>Konuşma geçmişini her model çağrısından önce formatlayan kodun yeniden yazımı, temel bir kod yolunu okunması zor hale getirmiş ve bağımsız holdout benchmark’ta uçtan uca gecikmeyi değiştirmemiş.</li><li>Workflow event replay için eklenen bir lookup index, durum takibine karmaşıklık katmış ve sadece sentetik replay testlerinde fayda sağlamış.</li></ul><p>Kabul edilen iki değişiklik ise oldukça sade: bellek içi session servisi artık event’leri kopyalamadan önce filtreliyor (önceden her okumada bütün konuşmayı deep copy edip sonra filtreliyormuş) ve import google.adk artık canlı ses ve görüntü akışı, <strong>OpenTelemetry</strong> ya da <strong>FastAPI</strong> gibi ağır modülleri, ihtiyaç olmadıkça yüklemiyor.</p><p>Google ekibi iş bölümünü tek cümleyle anlatmış: ajan keşfeder, bakımcı çıkarır. Review yaparken şu sorulara bakmak işe yarıyor:</p><ul><li>Kazanç holdout benchmark’ta, yani ajanın optimize etmediği bir ölçümde de görünüyor mu?</li><li>Değişiklik bir kütüphanenin private detayına ya da bellek adresi gibi garantisi olmayan bir davranışa dayanıyor mu?</li><li>Altı ay sonra bu kodu okuyacak kişi neden böyle yazıldığını anlayabilecek mi?</li><li>Kazanç gerçek kullanım senaryosunda mı, yoksa sadece sentetik testte mi?</li></ul><p>Okunabilirlik ile mikro optimizasyon arasında kaldığımda, ölçülebilir ve kullanıcının hissettiği bir kazanç yoksa okunabilirliği seçiyorum. ADK ekibi de formatlama yeniden yazımını tam olarak bu sebeple reddetmiş.</p><p>Bir de şunu ekleyeyim: InfoQ’nun haberinde de belirtildiği gibi, ajanların gerçek etkisi kod yazıldıktan sonraki işlere, özellikle PR incelemesine ayrılan zamanla sınırlı kalıyor. ADK örneğinde gece boyunca çalışan ajan sabaha 32 dosyalık bir PR bırakmış. Ekip iki turun en iyi kısımlarını birleştirip 17 yeni test fonksiyonuyla desteklenen 22 dosyalık bir değişiklik olarak ana dala almış. O diff’i incelemek için zaman ayırmayacaksanız, ajanı gece çalıştırmanın da pek anlamı yok.</p><h3>Kendi reponuzda kullanabileceğiniz şablon</h3><p>Aşağıdaki şablonu ADK’nin hedef prompt’undan yola çıkarak, araçtan bağımsız olacak şekilde genelleştirdim. Köşeli parantezli yerleri kendi reponuza göre doldurun.</p><pre>Hedef: [modül/akış] için [metrik, ör. soğuk başlangıç süresi] değerini düşür.<br> <br>Kurallar:<br>- Public API, dışarıya verilen veri formatı ve [dosya/klasör listesi] değişmeyecek.<br>- Önce baseline al: `[benchmark komutu]` (en az N koşu, medyanı raporla).<br>- Her hipotez için ayrı bir commit yap. Tek commit, tek fikir.<br>- Her yamadan sonra testlerin tamamını koştur: `[test komutu]`.<br>- Benchmark&#39;ı aynı koşullarda tekrar çalıştır ve baseline ile karşılaştır.<br>- Ölçülebilir kazanç yoksa değişikliği geri al ve nedenini NOTES.md dosyasına yaz.<br>- Private kütüphane alanlarına, bellek adresine dayalı cache&#39;lere ve<br>  sadece sentetik testte görünen kazançlara dayanan değişiklik önerme.<br>- Her kabul ettiğin değişiklik için regresyonu yakalayacak bir test ekle.<br> <br>Çıktı:<br>- Ana dala karşı tek bir PR aç, birleştirme.<br>- PR açıklamasında her değişiklik için önce/sonra rakamlarını ve<br>  reddettiğin denemelerin kısa listesini yaz.</pre><p>Çalıştırmadan önce yapılacak hazırlık da kısa:</p><pre>git worktree add ../repo-perf -b perf/agent-run<br>cd ../repo-perf<br>[benchmark komutu] &gt; baseline.txt<br>[test komutu]</pre><p>Holdout benchmark’ı ajanın erişemeyeceği bir yerde tutup PR geldiğinde kendiniz koşturun.</p><p>Diyelim ki bir CLI aracınız var ve açılması yavaş. Benchmark olarak aracı --help ile 20 kez çalıştırıp medyan süreyi alan bir script yazarsınız. Kısıt olarak komut satırı argümanlarının ve çıktı formatının değişmeyeceğini belirtirsiniz. Holdout olarak da gerçek bir alt komutun uçtan uca süresini ayrıca ölçersiniz. Bu varsayımsal bir örnek, ama kurgunun ne kadar sade olabileceğini gösteriyor.</p><h3>Son söz</h3><p>ADK örneğinden benim aldığım ders, ajanın ne kadar uzun çalıştığı değil. İlk turda kural vermeden çalışan ajan gerçek darboğazları bulmuş, ama ekibin kurallarını bilmediği için public şemayı bozmuş ve sadece 216 testle yetinmiş. Mock event kenar durumlarını kaçırması ve PR açıklamasına rakam koymaması da cabası. İkinci turda değişen şey model değil, düzenek olmuş. Bakım kuralları repoya yazılmış ve hedef uzun koşu boyunca korunmuş.</p><p>Kendi kod tabanınızda ajanla performans işine girecekseniz, ilk yatırımı prompt’a değil, ölçüme yapın. Ajan ne kadar iyi olursa olsun, neyin daha hızlı olduğunu söyleyen şey benchmark ve neyin bozulmadığını söyleyen şey test paketi olacak. Gerisi sabah kahvenizi alıp diff’i dikkatle okumak.</p><h3>Kaynaklar</h3><ul><li><a href="https://www.infoq.com/news/2026/10/google-argon-optimizes-adk/">https://www.infoq.com/news/2026/10/google-argon-optimizes-adk/</a></li><li><a href="https://developers.googleblog.com/optimizing-a-200000-line-python-codebase-overnight-with-gemini-4-argon/">https://developers.googleblog.com/optimizing-a-200000-line-python-codebase-overnight-with-gemini-4-argon/</a></li><li><a href="https://github.com/google/adk-python/tree/main/.agents/skills">https://github.com/google/adk-python/tree/main/.agents/skills</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=347411942447" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Vibe Coding ile Sıfırdan Proje: Senior Geliştirici Gibi Kurgulanmış Bir Repo İçin Adım Adım Rehber]]></title>
            <link>https://medium.com/@erdncyz/vibe-coding-ile-s%C4%B1f%C4%B1rdan-proje-senior-geli%C5%9Ftirici-gibi-kurgulanm%C4%B1%C5%9F-bir-repo-i%CC%87%C3%A7in-ad%C4%B1m-ad%C4%B1m-rehber-67f590089adf?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/67f590089adf</guid>
            <category><![CDATA[yazilim-gelistirme]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[siber-guvenlik]]></category>
            <category><![CDATA[yazilim-mimarisi]]></category>
            <category><![CDATA[docker]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Sun, 25 Oct 2026 10:18:25 GMT</pubDate>
            <atom:updated>2026-10-25T10:18:25.469Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WTYxxSmgHav4ktj-zJESXw.png" /></figure><p>Son birkaç aydır bana en çok gelen soru şu: “Sıfırdan bir proje yaptırmak istiyorum, nereden başlayayım?” Sorunun arkasında hep aynı hikaye var. Ajanla güzel bir başlangıç yapılıyor, ilk ekranlar hızla çıkıyor, sonra beşinci promptta ajan veriyi başka bir yöntemle çekmeye başlıyor, onuncu promptta ikinci bir buton bileşeni doğuyor, yirminci promptta kimse projenin hangi kurallarla yazıldığını bilmiyor.</p><p>Bu yazıyı o yüzden uzun tuttum. Amacım bir “prompt listesi” vermek değil. Amacım, vibe coding ile yazılmış bir projenin dışarıdan bakınca bir senior geliştiricinin elinden çıkmış gibi görünmesini ve öyle davranmasını sağlayan sırayı göstermek. Bu sıranın püf noktası basit: ajan her seferinde aynı şeyi yapacaksa, ona her seferinde aynı bağlamı ve aynı kuralları vermen gerekiyor. O bağlamı da kod yazdırmaya başlamadan önce kurman lazım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PaeNCu3FWS2OW-SzWiS-xQ.png" /></figure><h3>Adım 0: Kod Yazdırmadan Önce Kapsam ve Şartname (SPEC.md)</h3><h3>“Bana bir uygulama yaz” neden spagetti üretir?</h3><p>Ajana “bana bir görev yönetim uygulaması yaz” dediğinde, ajan boşlukları kendi tahminleriyle doldurur. Kullanıcı kim, hangi ekranlar var, veri nasıl ilişkili, neyi yapmayacağız gibi soruların cevabı olmadığı için her yeni promptta bu boşlukları yeniden doldurur. Sorun da tam burada başlıyor: her doldurma bir öncekiyle aynı olmak zorunda değil. Bir turda veriyi doğrudan bileşen içinde çeker, bir sonraki turda ayrı bir servis dosyası açar. Bir turda tarihleri string tutar, bir sonrakinde Date nesnesi kullanır. Kod çalışır ama projenin bir omurgası olmaz.</p><p>Senior bir geliştirici böyle başlamaz. Önce “neyi çözüyoruz” sorusunu netleştirir, sonra kodu o cevabın etrafına dizer. Ajanla çalışırken bu alışkanlığı yazılı hale getirmemiz gerekiyor, çünkü ajanın hafızası konuşma kadar. Yazılı olmayan karar, bir sonraki oturumda yok demektir.</p><p>Bu yaklaşımı daha önce <a href="https://medium.com/p/43acee26eaf2">Spec-Driven Development yazımda</a> ayrıntılı anlatmıştım. Burada o yazının pratiğe dökülmüş, proje başlangıcına özel halini vereceğim.</p><h3>SPEC.md içinde neler olmalı?</h3><p>Bir SPEC dosyasının amacı roman yazmak değil. Ajanın her oturumda okuyup “bu projede ne yapıyoruz, ne yapmıyoruz” sorusuna aynı cevabı vermesini sağlamak. Benim kullandığım iskelet şöyle:</p><pre># SPEC: Ekip Görev Panosu<br> <br>## 1. Problem<br>Küçük ekipler görevleri mesajlaşma uygulamalarında kaybediyor.<br>Kim neyle uğraşıyor, ne gecikti, tek bakışta görülmüyor.<br> <br>## 2. Hedef kullanıcı<br>- Ekip lideri: görev oluşturur, atar, gecikenleri görür.<br>- Ekip üyesi: kendine atanan görevleri görür, durum günceller.<br> <br>## 3. Kullanıcı akışları<br>### A1: Giriş<br>1. Kullanıcı e-posta ve şifre ile giriş yapar.<br>2. Başarılıysa /dashboard sayfasına yönlenir.<br>3. Hatalıysa form altında &quot;E-posta veya şifre hatalı&quot; mesajı görür.<br> <br>### A2: Görev oluşturma<br>1. Lider &quot;Yeni görev&quot; butonuna basar.<br>2. Başlık (zorunlu, 3 ile 120 karakter), açıklama (opsiyonel),<br>   atanan kişi ve bitiş tarihi girer.<br>3. Kaydettiğinde görev listenin en üstünde görünür.<br> <br>## 4. Non-goals (bu sürümde YOK)<br>- Gerçek zamanlı ortak düzenleme yok.<br>- Mobil uygulama yok, sadece responsive web.<br>- Dosya eki yok.<br>- Çoklu dil yok, arayüz Türkçe.<br> <br>## 5. Veri alanı (domain)<br>- User (id, email, name, role: LEAD | MEMBER)<br>- Team (id, name)<br>- Task (id, teamId, title, description, assigneeId, status: TODO | IN_PROGRESS | DONE, dueDate)<br>- İlişki: Bir Team çok sayıda User ve Task içerir. Task tek bir assignee&#39;ye sahiptir.<br> <br>## 6. Kabul kriterleri<br>- Üye, başka ekibin görevini URL ile açmaya çalışırsa 404 alır.<br>- Liste 200 görevde bile 1 saniyenin altında yüklenir (yerel ortamda ölçülür).<br> <br>## 7. Açık sorular<br>- Görev silme yumuşak silme (soft delete) mi olacak?</pre><p>En çok atlanan bölüm “Non-goals”. Oysa ajanın kapsamı kendiliğinden genişletmesini engelleyen şey tam olarak bu bölüm. Diyelim ki “görev kartına yorum ekle” dedin ve ajan bir anda WebSocket altyapısı kurmaya başladı. Non-goals listesinde “gerçek zamanlı yok” yazıyorsa, ajan bunu okuyup basit bir istek ve yanıt yaklaşımıyla kalır.</p><p>Veri alanı bölümü de aynı derecede önemli. Ajan “status” alanını bir dosyada &quot;done&quot;, başka bir dosyada &quot;completed&quot; diye yazmaya başladığında sebebi neredeyse hep bu bölümün eksik olması. Enum değerlerini burada bir kere yazarsan, sonraki tüm şemalar ve testler aynı isimleri kullanır.</p><h3>SPEC’i ajana nasıl yazdırırım?</h3><p>SPEC’i kendin sıfırdan yazmak zorunda değilsin. Ama ajana “SPEC yaz” deyip çıkan metni olduğu gibi kabul etmek de iyi bir fikir değil. Benim kullandığım yöntem, ajanı önce soru sormaya zorlamak:</p><pre>Bir ekip görev panosu yapmak istiyorum. Henüz kod yazma.<br>Önce bana en fazla 10 netleştirme sorusu sor: hedef kullanıcı,<br>ana akışlar, kapsam dışı bıraktıklarımız ve veri modeli hakkında.<br>Cevaplarımdan sonra SPEC.md dosyasını yukarıdaki iskelete göre oluştur.</pre><p>SPEC’i okuyup onayladıktan sonra repoya commit’le. Artık projenin ilk kanunu yazılı.</p><h3>Adım 1: Tasarım Önce Çizilmeli (pen.dev ve Tasarım Niyeti)</h3><h3>Ajan neden her ekranda yeni bir stil icat ediyor?</h3><p>UI kodunu tasarım olmadan yazdırdığında ajan her ekranı ayrı ayrı “güzel göstermeye” çalışır. İlk sayfada köşe yuvarlaklığı 8 piksel olur, ikinci sayfada 12. Bir listede boş durum için şirin bir illüstrasyon koyar, diğerinde hiçbir şey göstermez. Yükleme durumunu bir yerde spinner ile, başka yerde iskelet (skeleton) ile çözer. Tek tek bakınca hepsi makul, yan yana koyunca dört farklı ürün gibi görünür.</p><p>Bunun sebebi ajanın tasarım niyetini bilmemesi. Hangi renk birincil, boşluk ölçeği ne, bir kart nasıl görünür, hata mesajı nereye düşer gibi soruların cevabını göremeyince her seferinde tahmin eder. Bu konuyu <a href="https://medium.com/p/3fb2ec6da809">tasarım niyeti yazımda</a> uzun uzun konuşmuştum. Kısaca: ajana “güzel yap” demek yerine “bu tasarımı uygula” diyebilmen gerekiyor.</p><h3>Pencil (pen.dev) bu işin neresinde?</h3><p>Bu noktada kullandığım araç <strong>Pencil</strong>, yani <strong>pen.dev</strong>. Kendi tanımıyla “agentic canvas”, yani ajanlarla birlikte çalışılan bir tasarım tuvali. Benim için önemli olan özellikleri, resmi dokümantasyonda yazdığı kadarıyla şöyle özetleyebilirim:</p><ul><li>Tasarımlar .pen uzantılı dosyalarda tutuluyor. Bu dosyalar JSON tabanlı ve dokümantasyonda açıkça Git ile kod gibi versiyonlanabilir olduğu belirtiliyor. Yani tasarım dosyası kodun yanında, aynı repoda yaşayabiliyor.</li><li>Masaüstü uygulamasının yanında <strong>VS Code</strong> ve <strong>Cursor</strong> için bir eklentisi, bir de CLI’ı var.</li><li>Bir MCP sunucusu sunuyor. <strong>Claude Code</strong>, <strong>Codex</strong>, <strong>Cursor</strong> gibi ajanları bu sunucu üzerinden bağlayıp, açık olan .pen dosyasını okuyabilir ve düzenleyebilirsin.</li><li>Renk, boşluk ve tipografiyi değişken (variable) olarak bir kere tanımlayıp her yerde tekrar kullanabiliyorsun. Bileşenler ve UI kütüphaneleri ile tekrar eden parçaları tek kaynaktan yönetebiliyorsun.</li><li>Bir frame’i HTML ve CSS ya da Tailwind olarak dışa aktarma desteği var. Dokümantasyondaki Design ↔ Code bölümünde ajandan React, Next.js, Tailwind veya <strong>shadcn/ui</strong> kullanarak kod üretmesini isteyen örnek promptlar bulunuyor.</li><li><strong>Figma</strong> dosyalarını içe aktarabiliyor, ayrıca var olan bir web sayfasını düzenlenebilir katmanlar olarak tuvale alabiliyorsun.</li></ul><p>Burada önemli olan aracın kendisinden çok, kurduğu iş akışı. Tasarım .pen dosyası olarak repoda durduğunda ajan UI yazarken tahmin etmek zorunda kalmıyor. Aynı dosyaya bakıp aynı token&#39;ları, aynı bileşenleri kullanıyor. <strong>Pencil</strong> kullanmıyorsan da prensip değişmiyor: <strong>Figma</strong> dosyası, iyi yazılmış bir DESIGN.md ya da ekran görüntüleriyle desteklenmiş bir tasarım şartnamesi aynı işi görebilir. Kritik olan, tasarım kararının koddan önce ve kodun dışında yazılı olması.</p><h3>Tasarım aşamasında neleri çizmelisin?</h3><p>Sadece “mutlu yol” ekranlarını çizmek yetmiyor. Ajanın en çok tutarsızlaştığı yerler durumlar. Benim minimum listem şöyle:</p><ol><li>Tasarım token’ları: Renk paleti (birincil, ikincil, tehlike, nötr tonlar), boşluk ölçeği (4, 8, 12, 16, 24, 32), köşe yarıçapları, tipografi ölçeği.</li><li>Temel bileşenler: Buton (primary, secondary, ghost, destructive), input, select, kart, modal, toast.</li><li>Her liste ekranı için dört durum: Dolu, boş (empty), yükleniyor (loading), hata (error).</li><li>Her form için: Varsayılan, doğrulama hatası, gönderiliyor, başarılı.</li><li>Sayfa akışı: Hangi butondan hangi sayfaya gidiliyor, geri dönüş nereye.</li></ol><p>Sonra bu tasarımı koda bağlayan küçük bir dosya yazıyorum:</p><pre># DESIGN.md<br> <br>Kaynak tasarım: design/app.pen<br> <br>## Kurallar<br>- Renkler ve boşluklar SADECE tailwind.config.ts içindeki token&#39;lardan gelir.<br>  Rastgele hex değer veya arbitrary value (ör. `p-[13px]`) yasak.<br>- Bileşenler src/components/ui altındaki shadcn/ui bileşenleridir.<br>  Yeni bir buton, input veya modal bileşeni yazılmaz, var olan genişletilir.<br>- Her liste ekranı empty, loading ve error durumlarını tasarımdaki<br>  EmptyState, ListSkeleton ve ErrorState bileşenleriyle gösterir.<br>- Bir ekranı uygulamadan önce design/app.pen içindeki ilgili frame okunur.</pre><p>Bu dosya, tasarım aracının içindeki niyeti koddaki kurallara çeviriyor. Ajan yeni bir ekran yazarken önce bu dosyayı okuduğu için ikinci bir buton icat etmiyor.</p><h3>Adım 2: Mimari ve Teknoloji Yığını Seçimi (UI, Backend, Veritabanı)</h3><p>Teknoloji seçimi ajanlı geliştirmede klasik geliştirmeden biraz farklı bir anlam taşıyor. Klasik soruya (“bu iş için en iyi araç ne?”) bir soru daha ekleniyor: “Ajan bu yığında ne kadar az tahmin yapar?” Güçlü tiplendirilmiş, yaygın kullanılan, dokümantasyonu bol, tek bir doğru yolu olan yığınlar ajanı rayda tutuyor. Her işin beş farklı yolla yapılabildiği yığınlar ise ajanı her turda farklı bir yol seçmeye itiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-k24Ndv5wUmI92SKtlRbrg.png" /></figure><h3>UI katmanı</h3><p>Web tabanlı bir ürün için benim varsayılan tercihim <strong>Next.js</strong> + <strong>React</strong> + <strong>TypeScript</strong> + <strong>Tailwind CSS</strong> + <strong>shadcn/ui</strong>. Bu seçimin sebebi “en iyisi bu” olması değil. Sebebi, ajanların bu kombinasyonda çok sayıda örnek görmüş olması ve tiplerin ajanın yanlış yaptığı yeri hemen yakalaması.</p><p>Ekibin <strong>Vue</strong> ya da <strong>Svelte</strong> biliyorsa onları seçmek de tamamen makul. Mobil öncelikli bir ürün yapıyorsan <strong>React Native</strong> veya <strong>Flutter</strong> gündeme gelir. Kural şu: hangi çerçeveyi seçersen seç, o çerçeve içinde her iş için tek bir yol belirle ve bunu yaz.</p><p>Senior bir projede UI katmanında sabitlenmesi gerekenler:</p><ul><li>TypeScript strict modda. tsconfig.json içinde &quot;strict&quot;: true ve &quot;noUncheckedIndexedAccess&quot;: true. Ajanın any ile kestirme yapmasını derleyici seviyesinde zorlaştırır.</li><li>Tek veri çekme deseni. Sunucu verisi için ya <strong>TanStack Query</strong> ya da Next.js server component ile veri çekme. İkisi birden karışık değil. Ajan aynı projede bir yerde useEffect + fetch, bir yerde SWR, bir yerde server action kullanmaya başladığında proje dağılmaya başlar.</li><li>Tek form çözümü. <strong>React Hook Form</strong> + <strong>Zod</strong>. Doğrulama şeması backend ile paylaşılabiliyorsa daha da iyi.</li><li>Tek global state çözümü. Gerçekten gerekiyorsa <strong>Zustand</strong>. Çoğu zaman sunucu durumu TanStack Query ile çözüldüğünde global state ihtiyacı küçülür.</li><li>Tek HTTP istemcisi. src/lib/api-client.ts içinde bir tane. Ajanın her dosyada kendi fetch sarmalayıcısını yazmasına izin verme.</li></ul><p>Örnek bir tsconfig.json parçası:</p><pre>{<br>  &quot;compilerOptions&quot;: {<br>    &quot;strict&quot;: true,<br>    &quot;noUncheckedIndexedAccess&quot;: true,<br>    &quot;noImplicitOverride&quot;: true,<br>    &quot;noFallthroughCasesInSwitch&quot;: true,<br>    &quot;exactOptionalPropertyTypes&quot;: true,<br>    &quot;baseUrl&quot;: &quot;.&quot;,<br>    &quot;paths&quot;: { &quot;@/*&quot;: [&quot;src/*&quot;] }<br>  }<br>}</pre><p>Klasör yapısını da baştan sabitle. Ben özellik (feature) bazlı yapıyı tercih ediyorum, çünkü ajan bir özellik üzerinde çalışırken ihtiyacı olan her şeyi tek klasörde buluyor:</p><pre>src/<br>├── app/                    # Next.js route&#39;ları (sadece sayfa kompozisyonu)<br>├── components/<br>│   └── ui/                 # shadcn/ui bileşenleri (tek kaynak)<br>├── features/<br>│   └── tasks/<br>│       ├── components/     # TaskList, TaskCard, TaskForm<br>│       ├── api.ts          # Bu özelliğin API çağrıları (api-client üzerinden)<br>│       ├── hooks.ts        # useTasks, useCreateTask (TanStack Query)<br>│       └── schema.ts       # Zod şemaları<br>├── lib/<br>│   ├── api-client.ts       # TEK HTTP istemcisi<br>│   └── env.ts              # Ortam değişkenlerinin doğrulanması<br>└── styles/</pre><h3>Backend katmanı</h3><p>Ajanlı projelerde en sık gördüğüm hata, daha ilk günden mikroservis mimarisine atlamak. Mikroservislerin gerçek faydaları var ama bedeli de var: servisler arası sözleşmeler, dağıtık hata ayıklama, ayrı deploy süreçleri. Ajan açısından en büyük bedel ise bağlamın parçalanması. Bir özelliği eklemek için üç repoyu birden anlaması gereken ajan, bu repolar arasındaki tutarlılığı korumakta zorlanır.</p><p>Bu yüzden başlangıç noktası olarak neredeyse her zaman modüler monolit öneriyorum. Tek bir uygulama, tek bir deploy, ama içeride modüller birbirinden net sınırlarla ayrılmış. İleride bir modülü gerçekten ayırmak gerekirse, sınırlar zaten çizilmiş olduğu için ayırmak çok daha kolay.</p><p>Her modülün içinde katmanlar şöyle:</p><ol><li>Route / Controller: HTTP isteğini alır, girdiyi Zod ile doğrular, kimliği ve yetkiyi kontrol eder, servisi çağırır, yanıtı döner. İş kuralı yok, SQL yok.</li><li>Service / Use-case: İş kuralları burada. “Üye sadece kendi ekibinin görevini görebilir” kuralı burada yaşar. Framework’ten bağımsızdır, test etmesi kolaydır.</li><li>Repository / Data access: Veritabanı ile konuşan tek katman. ORM çağrıları sadece burada.</li></ol><p>Backend için dil seçiminde de aynı mantık geçerli. Frontend TypeScript ise backend’i de TypeScript ile yazmak (<strong>Next.js</strong> route handler’ları, <strong>Fastify</strong> ya da <strong>NestJS</strong>) şemaları paylaşmayı kolaylaştırır. Python tarafındaysan <strong>FastAPI</strong> + <strong>Pydantic</strong>, Go tarafındaysan standart kütüphane ve net bir katman yapısı iyi çalışır. Önemli olan, seçtiğin dilde tek bir yapı belirleyip onu yazmak.</p><p>API sözleşmesi önce gelir. Endpoint’i yazmadan önce girdisi ve çıktısı tanımlanmalı. TypeScript tarafında bu Zod şemaları olabilir, dil bağımsız bir yaklaşım istiyorsan OpenAPI dosyası. Bir modülün iskeleti şöyle görünebilir:</p><pre>src/server/modules/tasks/<br>├── tasks.contract.ts     # Zod şemaları: CreateTaskInput, TaskDto<br>├── tasks.route.ts        # HTTP katmanı<br>├── tasks.service.ts      # İş kuralları<br>├── tasks.repository.ts   # Veri erişimi<br>└── tasks.service.test.ts # Servis birim testleri</pre><pre>// tasks.contract.ts<br>import { z } from &quot;zod&quot;;<br> <br>export const TaskStatus = z.enum([&quot;TODO&quot;, &quot;IN_PROGRESS&quot;, &quot;DONE&quot;]);<br> <br>export const CreateTaskInput = z.object({<br>  title: z.string().trim().min(3).max(120),<br>  description: z.string().max(2000).optional(),<br>  assigneeId: z.string().uuid(),<br>  dueDate: z.coerce.date(),<br>});<br> <br>export type CreateTaskInput = z.infer&lt;typeof CreateTaskInput&gt;;</pre><pre>// tasks.route.ts<br>export async function POST(req: Request) {<br>  const session = await requireSession(req);           // kimlik<br>  const input = CreateTaskInput.parse(await req.json()); // doğrulama<br>  const task = await tasksService.create(session.user, input); // iş kuralı serviste<br>  return Response.json(toTaskDto(task), { status: 201 });<br>}</pre><h3>Veritabanı seçimi</h3><p>Varsayılan güvenli tercih <strong>PostgreSQL</strong>. İlişkisel veri, işlem (transaction) desteği, güçlü kısıtlamalar (constraint), JSON kolonları ve olgun bir ekosistem. SPEC’teki veri alanı ilişkiselse, ki çoğu iş uygulamasında öyledir, PostgreSQL ile başlamak seni çok nadiren pişman eder.</p><p><strong>Redis</strong> ancak somut bir ihtiyaç doğduğunda eklenmeli. Örneğin pahalı bir sorgunun önbelleğe alınması, rate limit sayaçları ya da arka plan işleri için bir kuyruk. “Belki lazım olur” diye eklenen her altyapı parçası ajanın düşünmesi gereken bir şey daha demek.</p><p>Veritabanında en kritik kural migration disiplini:</p><ul><li>Şema değişikliği sadece numaralı migration dosyası ile yapılır.</li><li>Ajan veritabanına doğrudan bağlanıp tablo değiştirmez.</li><li>Uygulanmış bir migration dosyası düzenlenmez, yeni bir migration yazılır.</li><li>Tek ORM veya query builder kullanılır. <strong>Prisma</strong> ya da <strong>Drizzle</strong> seç, ikisini karıştırma.</li></ul><pre>prisma/<br>├── schema.prisma<br>└── migrations/<br>    ├── 20261020_0001_init/<br>    ├── 20261021_0002_add_task_due_date/<br>    └── 20261022_0003_add_team_index/</pre><h3>Adım 3: Altyapı ve Nerede Ayağa Kaldırılacağı (Docker mı, Kubernetes mi?)</h3><p>Bu adımı kod yazmadan önce konuşmamın sebebi şu: deployment hedefi belli olmayan bir proje, yerelde çalışan ama canlıda patlayan varsayımlarla dolar. Dosyalar yerel diske yazılır, oturumlar bellekte tutulur, ayarlar koda gömülür. Hedefi baştan belirlersen ajan da baştan o gerçekliğe göre yazar.</p><h3>İlk günden Dockerfile ve docker-compose.yml</h3><p>Hangi platforma deploy edersen et, her proje ilk günden tekrarlanabilir bir <strong>Docker</strong> kurulumuyla başlamalı. Bunun iki faydası var. Birincisi, “bende çalışıyor” problemini ortadan kaldırıyor. İkincisi, ajanın test ve geliştirme ortamı canlı ortama benziyor.</p><pre># Dockerfile<br>FROM node:22-alpine AS deps<br>WORKDIR /app<br>COPY package.json pnpm-lock.yaml ./<br>RUN corepack enable &amp;&amp; pnpm install --frozen-lockfile<br> <br>FROM node:22-alpine AS build<br>WORKDIR /app<br>COPY --from=deps /app/node_modules ./node_modules<br>COPY . .<br>RUN corepack enable &amp;&amp; pnpm build<br> <br>FROM node:22-alpine AS runtime<br>WORKDIR /app<br>ENV NODE_ENV=production<br>RUN addgroup -S app &amp;&amp; adduser -S app -G app<br>COPY --from=build --chown=app:app /app/.next/standalone ./<br>COPY --from=build --chown=app:app /app/.next/static ./.next/static<br>COPY --from=build --chown=app:app /app/public ./public<br>USER app<br>EXPOSE 3000<br>HEALTHCHECK --interval=30s --timeout=3s CMD wget -qO- http://localhost:3000/healthz || exit 1<br>CMD [&quot;node&quot;, &quot;server.js&quot;]</pre><pre># docker-compose.yml<br>services:<br>  app:<br>    build: .<br>    ports: [&quot;3000:3000&quot;]<br>    env_file: .env<br>    depends_on:<br>      db:<br>        condition: service_healthy<br>  db:<br>    image: postgres:17<br>    environment:<br>      POSTGRES_USER: app<br>      POSTGRES_PASSWORD: app<br>      POSTGRES_DB: app<br>    ports: [&quot;5432:5432&quot;]<br>    volumes: [&quot;pgdata:/var/lib/postgresql/data&quot;]<br>    healthcheck:<br>      test: [&quot;CMD-SHELL&quot;, &quot;pg_isready -U app&quot;]<br>      interval: 5s<br>      retries: 10<br>  redis:<br>    image: redis:7<br>    profiles: [&quot;cache&quot;]   # sadece gerektiğinde: docker compose --profile cache up<br>volumes:<br>  pgdata:</pre><p>Not: Next.js’in standalone çıktısı için next.config.ts içinde output: &quot;standalone&quot; ayarının açık olması gerekiyor. Redis&#39;i bir profile bağladım, çünkü ihtiyaç doğana kadar ayağa kalkmasına gerek yok.</p><h3>Docker mı Kubernetes mi: dürüst bir karar çerçevesi</h3><p>Burada açık konuşmak istiyorum. <strong>Kubernetes</strong> güçlü bir araç ama çoğu yeni proje için ilk gün ihtiyacı yok. Bir Kubernetes kümesini doğru işletmek; ağ politikaları, sertifikalar, gözlemlenebilirlik, güncellemeler ve maliyet yönetimi gibi ayrı bir uzmanlık ister. Ajanla tek başına bir ürün çıkarmaya çalışan biri için bu yük, ürünün kendisinden daha fazla zaman alabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9bTLk7dngDvJjM_kwhMbgg.png" /></figure><p>Benim kullandığım kriterler:</p><p>Tek sunucuda Docker Compose yeterli olduğunda: MVP aşamasındasın, bir ile üç arası servisin var, trafiğin tahmin edilebilir ve kısa bir kesinti dünyanın sonu değil. İç araçlar ve küçük ürünler için gayet iyi bir başlangıç.</p><p>PaaS mantıklı olduğunda: <strong>Render</strong>, <strong>Fly.io</strong>, <strong>Railway</strong> gibi platformlar, sunucu yönetmek istemiyorsan ve otomatik ölçekleme, yönetilen veritabanı ve kolay geri alma (rollback) istiyorsan iyi bir orta yol. Çoğu yeni ürün için benim ilk önerim bu.</p><p>Kubernetes gerçekten haklı olduğunda:</p><ul><li>Bağımsız ölçeklenmesi gereken çok sayıda servisin var.</li><li>Servisler arasında sıkı izolasyon ve ağ politikaları gerekiyor.</li><li>Şirketin zaten bir Kubernetes platformu ve onu işleten bir ekibi var. Bu durumda Kubernetes’e deploy etmek aslında en kolay yol olabilir.</li><li>Yönetilen bir Kubernetes hizmeti (<strong>GKE</strong>, <strong>EKS</strong>, <strong>AKS</strong>) kullanıyorsun ve operasyon yükünü taşıyabilecek durumdasın.</li></ul><h3>Kubernetes’e sonra geçişi kolaylaştıran kurallar</h3><p>Kubernetes’e bugün ihtiyacın olmasa bile, uygulamayı yarın oraya taşınabilecek şekilde yazmak neredeyse bedava. Twelve-Factor App prensiplerinin özü burada işe yarıyor:</p><ul><li>Ayarlar ortam değişkenlerinden gelir. Kodda hostname, port, anahtar yok. Uygulama açılırken bu değişkenleri doğrular, eksikse hemen hata verip kapanır.</li><li>Health check endpoint’leri. /healthz (süreç ayakta mı) ve /readyz (veritabanına bağlanabiliyor mu, trafik almaya hazır mı). Kubernetes&#39;teki liveness ve readiness probe&#39;ları doğrudan bunları kullanır.</li><li>Graceful shutdown. SIGTERM sinyali geldiğinde yeni istek almayı bırak, devam eden istekleri bitir, bağlantıları kapat, sonra çık.</li><li>Durumsuz (stateless) süreçler. Oturumlar ve dosyalar bellekte veya yerel diskte değil, veritabanında veya nesne depolamada tutulur.</li><li>Loglar stdout’a yazılır. Dosyaya log yazmak yok, toplama işini platform yapar.</li></ul><pre>// src/lib/env.ts<br>import { z } from &quot;zod&quot;;<br> <br>const EnvSchema = z.object({<br>  NODE_ENV: z.enum([&quot;development&quot;, &quot;test&quot;, &quot;production&quot;]),<br>  DATABASE_URL: z.string().url(),<br>  AUTH_SECRET: z.string().min(32),<br>  REDIS_URL: z.string().url().optional(),<br>});<br> <br>export const env = EnvSchema.parse(process.env); // eksikse açılışta patlar</pre><pre>// src/server/shutdown.ts<br>process.on(&quot;SIGTERM&quot;, async () =&gt; {<br>  logger.info(&quot;SIGTERM alındı, kapanış başlıyor&quot;);<br>  server.close();          // yeni bağlantı kabul etme<br>  await db.$disconnect();  // veritabanı bağlantısını kapat<br>  process.exit(0);<br>});</pre><h3>Adım 4: Ajanı Senior Geliştirici Çizgisinde Tutacak .md Dosyaları ve Kod Standartları</h3><h3>Ajan neden tutarsız kod yazar?</h3><p>Ajan kötü kod yazmak istemiyor. Sadece neyin “iyi” olduğuna dair senin projene özel bir tanımı yok. Genel internet bilgisiyle hareket ettiğinde, her turda o bilginin farklı bir köşesinden örnek çekiyor. Repo kanunları dediğim .md dosyaları tam olarak bu boşluğu dolduruyor. Ajan oturuma başlarken bunları okuyor ve projeye özel tanımı öğreniyor.</p><p>Repoya kod yazmadan önce koyduğum dosyalar:</p><ul><li>AGENTS.md: Ajanın anayasası. Her oturumda okunur. Kısa ve kesin kurallar.</li><li>ARCHITECTURE.md: Katmanlar, modül sınırları, bağımlılık yönü, veri akışı.</li><li>DESIGN.md: Tasarım kaynağı ve UI kuralları (Adım 1).</li><li>SECURITY.md: Auth, yetkilendirme, secret yönetimi, paket ekleme kuralları.</li><li>TESTING.md: Test piramidi, POM kuralları, hangi testin nereye yazılacağı.</li><li>skills/ klasörü: Tekrar eden görevler için adım adım tarifler (yeni endpoint, yeni sayfa, yeni migration).</li></ul><p>AGENTS.md dosyası, farklı ajan araçlarının ortak olarak okuduğu bir konvansiyon haline geldi. <strong>Claude Code</strong> kendi CLAUDE.md dosyasını okuyor, bu durumda CLAUDE.md içinden AGENTS.md&#39;ye referans vermek ya da ikisini aynı içerikte tutmak işini görür. Tekrar eden görevleri ayrı skill dosyalarına bölme konusunu <a href="https://medium.com/p/025097791952">Agent Skills yazımda</a> anlatmıştım. Burada kısaca şunu söyleyeyim: AGENTS.md her oturumda okunduğu için kısa kalmalı, uzun tarifler skill dosyalarına gitmeli.</p><h3>AGENTS.md içinde mutlaka olması gerekenler</h3><ol><li>Proje özeti ve kaynak dosyalar: SPEC, ARCHITECTURE, DESIGN dosyalarının yeri.</li><li>Komutlar: Kurulum, geliştirme sunucusu, test, lint, typecheck. Ajan bunları tahmin etmek zorunda kalmamalı.</li><li>Klasör yapısı: Neyin nereye gittiği.</li><li>İsimlendirme kuralları: Dosya, bileşen, fonksiyon, veritabanı tablosu.</li><li>Hata yönetimi standardı: Tek bir hata tipi, tek bir hata yanıt formatı.</li><li>Yasak desenler: Açıkça yazılmış “yapma” listesi.</li><li>Bitti tanımı (Definition of Done): Bir görevin bitmiş sayılması için geçmesi gereken kontroller.</li></ol><h3>Kopyalanabilir AGENTS.md şablonu</h3><pre># AGENTS.md<br> <br>Bu dosya bu repodaki tüm AI ajanları için bağlayıcıdır. Bir kural ile<br>kullanıcının isteği çelişirse, kodu yazmadan önce kullanıcıya sor.<br> <br>## 1. Proje<br>- Ne yapıyoruz: SPEC.md<br>- Mimari: ARCHITECTURE.md<br>- Tasarım: DESIGN.md ve design/app.pen<br>- Güvenlik: SECURITY.md<br>- Test: TESTING.md<br>- Tekrar eden görevler: skills/ altındaki SKILL.md dosyaları<br> <br>## 2. Komutlar<br>- Kurulum: `pnpm install --frozen-lockfile`<br>- Geliştirme: `docker compose up -d db &amp;&amp; pnpm dev`<br>- Lint: `pnpm lint`<br>- Tip kontrolü: `pnpm typecheck`<br>- Birim test: `pnpm test`<br>- E2E test: `pnpm test:e2e`<br>- Migration: `pnpm db:migrate:create &lt;isim&gt;` (elle SQL dosyası açma)<br> <br>## 3. Yığın (değiştirme, ekleme yapma)<br>- Next.js (App Router) + React + TypeScript strict<br>- Tailwind CSS + shadcn/ui (src/components/ui tek kaynak)<br>- TanStack Query (istemci tarafı sunucu verisi)<br>- React Hook Form + Zod<br>- Prisma + PostgreSQL<br>- Playwright (E2E), Vitest (birim)<br>Yeni bir kütüphane eklemek için SECURITY.md içindeki &quot;Paket ekleme&quot; bölümüne uy.<br> <br>## 4. Klasör yapısı<br>- src/app: sadece route ve sayfa kompozisyonu, iş mantığı yok<br>- src/features/&lt;özellik&gt;: components, hooks.ts, api.ts, schema.ts<br>- src/server/modules/&lt;modül&gt;: contract, route, service, repository, test<br>- src/lib: api-client.ts, env.ts, logger.ts, errors.ts (tek kopya)<br>- e2e/pages: Page Object sınıfları<br>- e2e/tests: sadece iş senaryoları<br> <br>## 5. İsimlendirme<br>- Bileşen dosyaları: PascalCase (TaskCard.tsx)<br>- Diğer dosyalar: kebab-case (api-client.ts)<br>- Hook&#39;lar: use ile başlar (useTasks)<br>- Veritabanı tabloları: snake_case, çoğul (tasks, team_members)<br>- Enum değerleri: SPEC.md içindeki veri alanıyla birebir aynı<br>- data-testid: &lt;özellik&gt;-&lt;öğe&gt;-&lt;tür&gt; (task-form-submit, task-list-item)<br> <br>## 6. Hata yönetimi<br>- Tüm beklenen hatalar src/lib/errors.ts içindeki AppError alt sınıflarıdır<br>  (NotFoundError, ForbiddenError, ValidationError, ConflictError).<br>- API hata yanıtı formatı her zaman: { &quot;error&quot;: { &quot;code&quot;: string, &quot;message&quot;: string } }<br>- Servisler HTTP bilmez, AppError fırlatır. Route katmanı bunu HTTP koduna çevirir.<br>- Hatalar yutulmaz. catch bloğu ya hatayı dönüştürür ya da loglayıp yeniden fırlatır.<br>- Kullanıcıya stack trace veya iç hata mesajı gösterilmez.<br> <br>## 7. Yasak desenler<br>- `any` tipi, `@ts-ignore`, `as unknown as` yok. Gerekirse kullanıcıya sor.<br>- Route veya bileşen içinde ham SQL ya da doğrudan Prisma çağrısı yok.<br>  Veri erişimi sadece repository dosyalarında.<br>- Inline style (`style={{...}}`), rastgele hex renk, Tailwind arbitrary value yok.<br>- İkinci bir HTTP istemcisi, fetch sarmalayıcısı veya axios örneği yok.<br>  Her şey src/lib/api-client.ts üzerinden.<br>- Bileşen içinde useEffect + fetch ile veri çekme yok. TanStack Query hook&#39;u yaz.<br>- shadcn/ui&#39;da karşılığı olan bir bileşeni sıfırdan yazma.<br>- process.env&#39;e doğrudan erişim yok. src/lib/env.ts kullan.<br>- Uygulanmış migration dosyasını düzenleme. Yeni migration yaz.<br>- console.log yok. src/lib/logger.ts kullan.<br>- Secret, token veya anahtar içeren hiçbir değeri koda, teste veya loga yazma.<br> <br>## 8. UI ve test kuralları<br>- Etkileşimli her UI öğesine (buton, input, link, liste öğesi, modal)<br>  data-testid ekle. İsimlendirme kuralı bölüm 5&#39;te.<br>- Yeni bir sayfa veya bileşen eklediğinde e2e/pages altındaki ilgili<br>  Page Object sınıfını güncelle ya da yenisini oluştur.<br>- Test dosyalarında CSS seçici, XPath veya metin tabanlı seçici yok.<br>  Seçiciler sadece Page Object içinde ve sadece getByTestId ile.<br>- Her liste ekranı empty, loading, error durumlarını DESIGN.md&#39;deki<br>  bileşenlerle gösterir.<br> <br>## 9. Çalışma şekli<br>- Büyük bir değişiklikten önce kısa bir plan yaz ve onay bekle.<br>- Bir seferde tek bir dikey dilim (SPEC&#39;teki tek akış) üzerinde çalış.<br>- Kapsam dışı (SPEC.md Non-goals) bir şey gerekiyorsa dur ve sor.<br>- Bir dosyayı değiştirmeden önce oku. Var olan deseni kopyala, yenisini icat etme.<br> <br>## 10. Bitti tanımı<br>Bir görev ancak şu komutların hepsi geçtiğinde bitmiştir:<br>`pnpm lint &amp;&amp; pnpm typecheck &amp;&amp; pnpm test &amp;&amp; pnpm test:e2e`<br>PR açıklamasına: ne değişti, hangi SPEC akışı, eklenen paketler (varsa) ve<br>gerekçeleri, eklenen migration&#39;lar.</pre><p>Bu şablonu olduğu gibi kopyalayıp kendi yığınına göre güncelleyebilirsin. Python kullanıyorsan any yerine &quot;tip ipucu olmayan public fonksiyon yok&quot;, Prisma yerine <strong>SQLAlchemy</strong> ve <strong>Alembic</strong>, Vitest yerine <strong>pytest</strong> yazarsın. Yapı aynı kalır.</p><p>Bir ipucu daha: kuralları “lütfen” diliyle değil, kesin dille yaz. “Mümkünse any kullanmamaya çalış” kuralı ajan için bir öneridir. “any yok” ise bir sınırdır. Kuralların bir kısmını ayrıca araçla zorlamak da iyi fikir: <strong>ESLint</strong> ile @typescript-eslint/no-explicit-any kuralını hata seviyesinde açmak, no-restricted-imports ile bileşenlerin Prisma import etmesini engellemek gibi. Kural hem yazılı hem otomatik olunca ajan kaçırsa bile CI yakalıyor.</p><h3>Adım 5: Test Mimarisi ve Page Object Model (POM) Uyumluluğu</h3><h3>AI’ın yazdığı UI testleri neden hemen kırılır?</h3><p>Ajana “login için bir E2E testi yaz” dediğinde çoğu zaman şöyle bir şey gelir:</p><pre>// KÖTÜ: Seçiciler test dosyasına dağılmış<br>test(&quot;kullanıcı giriş yapar&quot;, async ({ page }) =&gt; {<br>  await page.goto(&quot;/login&quot;);<br>  await page.locator(&quot;div.form-wrapper &gt; input[type=&#39;email&#39;]&quot;).fill(&quot;a@b.com&quot;);<br>  await page.locator(&quot;//form/div[2]/input&quot;).fill(&quot;Sifre123!&quot;);<br>  await page.locator(&quot;button.bg-primary.mt-4&quot;).click();<br>  await expect(page.locator(&quot;h1.text-2xl&quot;)).toHaveText(&quot;Pano&quot;);<br>});</pre><p>Bu test bugün geçer. Yarın ajan formu bir karta sardığında, buton rengini token’a çevirdiğinde ya da başlığın sınıfını değiştirdiğinde kırılır. Daha kötüsü, aynı seçiciler on farklı test dosyasında tekrarlandığı için bir UI değişikliği on testi birden kırar ve ajan her birini ayrı ayrı “düzeltmeye” çalışır. Bu döngüde testler güven vermek yerine gürültü üretmeye başlar.</p><h3>Page Object Model ile çözüm</h3><p>Page Object Model, her sayfa veya önemli bileşen için ayrı bir sınıf tanımlamak demek. Bu sınıf iki şeyi kapsüller: locator’lar ve aksiyonlar. Test dosyası ise sadece iş senaryosunu anlatır. Seçicinin ne olduğunu bilmez.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*D2uQg-FStjjAO4qadTDhwQ.png" /></figure><pre>// e2e/pages/LoginPage.ts<br>import { type Page, type Locator, expect } from &quot;@playwright/test&quot;;<br> <br>export class LoginPage {<br>  readonly page: Page;<br>  readonly emailInput: Locator;<br>  readonly passwordInput: Locator;<br>  readonly submitButton: Locator;<br>  readonly errorMessage: Locator;<br> <br>  constructor(page: Page) {<br>    this.page = page;<br>    this.emailInput = page.getByTestId(&quot;login-email-input&quot;);<br>    this.passwordInput = page.getByTestId(&quot;login-password-input&quot;);<br>    this.submitButton = page.getByTestId(&quot;login-submit-button&quot;);<br>    this.errorMessage = page.getByTestId(&quot;login-error-message&quot;);<br>  }<br> <br>  async goto() {<br>    await this.page.goto(&quot;/login&quot;);<br>  }<br> <br>  async login(email: string, password: string) {<br>    await this.emailInput.fill(email);<br>    await this.passwordInput.fill(password);<br>    await this.submitButton.click();<br>  }<br> <br>  async expectError(text: string) {<br>    await expect(this.errorMessage).toHaveText(text);<br>  }<br>}</pre><pre>// e2e/pages/DashboardPage.ts<br>import { type Page, type Locator, expect } from &quot;@playwright/test&quot;;<br> <br>export class DashboardPage {<br>  readonly heading: Locator;<br>  readonly taskItems: Locator;<br> <br>  constructor(private readonly page: Page) {<br>    this.heading = page.getByTestId(&quot;dashboard-heading&quot;);<br>    this.taskItems = page.getByTestId(&quot;task-list-item&quot;);<br>  }<br> <br>  async expectLoaded() {<br>    await expect(this.page).toHaveURL(/\/dashboard/);<br>    await expect(this.heading).toBeVisible();<br>  }<br>}</pre><pre>// e2e/tests/auth.spec.ts<br>import { test } from &quot;@playwright/test&quot;;<br>import { LoginPage } from &quot;../pages/LoginPage&quot;;<br>import { DashboardPage } from &quot;../pages/DashboardPage&quot;;<br> <br>test.describe(&quot;A1: Giriş&quot;, () =&gt; {<br>  test(&quot;geçerli bilgilerle giriş yapan kullanıcı panoyu görür&quot;, async ({ page }) =&gt; {<br>    const login = new LoginPage(page);<br>    const dashboard = new DashboardPage(page);<br> <br>    await login.goto();<br>    await login.login(&quot;lider@ornek.com&quot;, &quot;GecerliSifre123!&quot;);<br>    await dashboard.expectLoaded();<br>  });<br> <br>  test(&quot;hatalı şifre girilince hata mesajı görünür&quot;, async ({ page }) =&gt; {<br>    const login = new LoginPage(page);<br> <br>    await login.goto();<br>    await login.login(&quot;lider@ornek.com&quot;, &quot;yanlis&quot;);<br>    await login.expectError(&quot;E-posta veya şifre hatalı&quot;);<br>  });<br>});</pre><p>Bileşen tarafında da data-testid değerleri şöyle duruyor:</p><pre>&lt;Input data-testid=&quot;login-email-input&quot; type=&quot;email&quot; {...register(&quot;email&quot;)} /&gt;<br>&lt;Input data-testid=&quot;login-password-input&quot; type=&quot;password&quot; {...register(&quot;password&quot;)} /&gt;<br>{error &amp;&amp; &lt;p data-testid=&quot;login-error-message&quot;&gt;{error}&lt;/p&gt;}<br>&lt;Button data-testid=&quot;login-submit-button&quot; type=&quot;submit&quot;&gt;Giriş yap&lt;/Button&gt;</pre><p>Artık buton bir karta taşınsa, rengi değişse, sınıfları baştan yazılsa bile test kırılmaz, çünkü data-testid değişmedi. Bir şey gerçekten değişirse de sadece Page Object içinde tek bir satırı güncellersin. Test dosyalarının isimleri SPEC&#39;teki akışlarla eşleştiği için (A1: Giriş gibi) hangi testin hangi gereksinimi doğruladığı da tek bakışta görünüyor.</p><p><strong>Cypress</strong> kullanıyorsan aynı yapıyı sınıflar veya custom command’lar ile kurabilirsin. Python tarafında Playwright’ın Python sürümüyle pytest fixture&#39;ları içinde Page Object&#39;ler oluşturmak da aynı mantıkla çalışır. Dil değişse de ilke değişmiyor: seçici tek yerde, senaryo ayrı yerde.</p><h3>AGENTS.md ve TESTING.md’ye eklenecek kural</h3><p>Yukarıdaki AGENTS.md şablonunun 8. bölümünde bu kurallar var. TESTING.md içinde biraz daha ayrıntılı halini tutuyorum:</p><pre>## Page Object Model kuralları<br>1. Her sayfa için e2e/pages/&lt;Sayfa&gt;Page.ts, tekrar eden büyük bileşenler<br>   için e2e/pages/components/&lt;Bileşen&gt;.ts bulunur.<br>2. Locator&#39;lar sadece Page Object constructor&#39;ında, sadece getByTestId ile tanımlanır.<br>3. Test dosyaları page.locator, page.getByText, CSS veya XPath kullanamaz.<br>4. Page Object metotları iş dilinde isimlendirilir: login(), createTask(),<br>   expectTaskVisible(). clickButton1() gibi isimler yasak.<br>5. UI&#39;a yeni bir etkileşimli öğe eklendiğinde aynı PR içinde:<br>   a) öğeye data-testid eklenir,<br>   b) ilgili Page Object güncellenir,<br>   c) en az bir senaryo testi bu öğeyi kullanır.<br>6. Test dosyası adı ve describe başlığı SPEC.md içindeki akış kimliğini taşır (A1, A2...).</pre><p>İstersen bu kuralın bir kısmını otomatik de zorlayabilirsin. e2e/tests klasöründe page.locator( geçmesini yasaklayan basit bir ESLint no-restricted-syntax kuralı, ajanın kestirme yapmasını CI&#39;da yakalar.</p><h3>Adım 6: Paket Seçimi ve Güvenlik (Tedarik Zinciri ve Uygulama Güvenliği)</h3><h3>Ajanlar neden bu kadar kolay paket kurar?</h3><p>Ajanın refleksi, her küçük problem için bir paket bulmak. Tarih formatlamak için bir paket, UUID için bir paket, bir diziyi gruplamak için bir paket. Bunların bir kısmı gerçekten gerekli, bir kısmı ise dilin standart kütüphanesinde zaten var. Daha tehlikeli olan iki durum daha var.</p><p>Birincisi, ajanın var olmayan bir paket ismi uydurması. Saldırganlar bu uydurulmaya yatkın isimleri önceden kaydedip içine zararlı kod koyabiliyor. Bu saldırı türüne slopsquatting deniyor. İkincisi, popüler bir paketin ele geçirilmiş yeni bir sürümünün yayınlanması. Ajan npm install paket@latest dediğinde, o sürüm birkaç saat önce yayınlanmış ve henüz kimse fark etmemiş olabilir.</p><p>Bu kancalar ve tedarik zinciri riskleri üzerine <a href="https://medium.com/p/e6d225b782de">daha önce yazdığım yazıya</a> da göz atmanı öneririm.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xO7SLv0mt0ELEJo6Xga_ag.png" /></figure><h3>Paket eklemeden önce senior kontrol listesi</h3><h4>1. Gerçekten paket lazım mı?</h4><p>Modern JavaScript’te crypto.randomUUID(), Intl.DateTimeFormat, structuredClone, Object.groupBy gibi pek çok şey hazır geliyor. Python&#39;da pathlib, dataclasses, zoneinfo benzer şekilde. Var olan yığın (Zod, TanStack Query, shadcn/ui) zaten işi çözüyorsa yeni paket eklenmez.</p><h4>2. Paket gerçekten var mı ve doğru paket mi?</h4><p>İsim registry’de elle doğrulanır. Benzer isimli paketlere (tek harf farkı, tire ve alt çizgi farkı) dikkat edilir. Paketin resmi reposuna ve dokümantasyonuna ulaşılabiliyor olmalı.</p><h4>3. Bakım ve lisans</h4><p>Son sürüm ne zaman çıkmış, issue’lara cevap veriliyor mu, birden fazla maintainer var mı, lisans projenle uyumlu mu? İndirme geçmişi aniden sıfırdan yükselmiş bir paket şüphe sebebidir.</p><h4>4. Sürüm bekleme süresi ve lockfile disiplini</h4><p>Yeni yayınlanmış bir sürümü hemen almamak basit ama etkili bir savunma. <strong>pnpm</strong> bunun için minimumReleaseAge ayarı sunuyor, <strong>uv</strong> tarafında exclude-newer ile belirli bir tarihten yeni paketleri dışarıda bırakabiliyorsun. Lockfile (package-lock.json, pnpm-lock.yaml, uv.lock) her zaman commit&#39;lenir. CI&#39;da npm ci veya pnpm install --frozen-lockfile kullanılır, yani lockfile&#39;da olmayan hiçbir şey kurulmaz.</p><pre># pnpm-workspace.yaml<br>minimumReleaseAge: 4320   # dakika cinsinden, 3 gün</pre><h4>5. Install script’leri</h4><p>postinstall gibi kurulum betikleri, paket kurulduğu anda senin makinende kod çalıştırır. Hangi paketlerin bunu yaptığını bil. pnpm&#39;in yeni sürümlerinde bağımlılıkların build script&#39;leri varsayılan olarak çalışmıyor ve hangilerine izin vereceğini açıkça belirtmen gerekiyor. Bu davranışı kapatma.</p><p>SECURITY.md içine koyduğum kural kısa:</p><pre>## Paket ekleme<br>- Yeni paket eklemeden önce standart kütüphaneyi ve mevcut yığını kontrol et.<br>- Paket ismini registry&#39;de doğrula. Emin değilsen kullanıcıya sor.<br>- `@latest` ile kurulum yapma. Sürümü sabitle, lockfile&#39;ı commit&#39;le.<br>- Lockfile&#39;ı elle düzenleme. Lockfile değişikliği içeren her PR&#39;da<br>  hangi paketin neden eklendiğini açıkla (isim, sürüm, lisans, gerekçe).<br>- Kurulum betiği olan paketler için kullanıcı onayı al.</pre><h3>Secret hijyeni</h3><p>Ajanlı projelerde en sık gördüğüm iki güvenlik hatası secret’larla ilgili.</p><p>İlki, gizli anahtarların frontend paketine sızması. Next.js’te NEXT_PUBLIC_, Vite&#39;ta VITE_ önekiyle başlayan her değişken tarayıcıya giden JavaScript&#39;e gömülür. Ajan &quot;istemcide de lazım oldu&quot; diye bir API anahtarının başına bu öneki eklediğinde, anahtar herkesin görebileceği bir yerde durur. Bu konuyu <a href="https://medium.com/p/7cf74e3a6488">frontend&#39;e sızan secret&#39;lar yazımda</a> ayrıntılı anlattım. Kural basit: önekli değişkenlere sadece gerçekten herkese açık olabilecek değerler girer. Gizli bir anahtarı kullanması gereken her iş sunucu tarafında yapılır.</p><p>İkincisi, .env dosyasının git geçmişine girmesi. Dosyayı sonradan silmek yetmiyor, geçmişte duruyor. <a href="https://medium.com/p/080c993aee28">.env dosyasının git geçmişinden temizlenmesi yazımda</a> bunu anlattım. Önlem tarafı:</p><pre># .gitignore<br>.env<br>.env.*<br>!.env.example</pre><p>.env.example dosyasında sadece değişken isimleri ve sahte değerler durur. Bir de commit öncesi secret taraması yapan bir araç (<strong>gitleaks</strong> gibi) eklemek, ajanın yanlışlıkla bir anahtar commit&#39;lemesini engeller.</p><h3>Uygulama güvenliği</h3><p>Paketler ve secret’lar tedarik zinciri tarafı. Uygulamanın kendi güvenliği için SECURITY.md’de şu başlıklar olmalı:</p><p>Kimlik doğrulama (authentication). Kendi auth sistemini sıfırdan yazdırma. Olgun bir kütüphane veya hizmet (<strong>Auth.js</strong>, <strong>Clerk</strong>, <strong>Supabase Auth</strong> gibi) kullan ve hangisini kullandığını AGENTS.md’ye yaz ki ajan ikinci bir oturum mekanizması kurmasın.</p><p>Yetkilendirme (authorization) ve sahiplik kontrolü. Ajanların en çok atladığı yer burası. Endpoint’in giriş yapmış kullanıcı istemesi yetmez, kullanıcının o kaynağa erişim hakkı olup olmadığı da kontrol edilmeli. Diyelim ki /api/tasks/123 endpoint&#39;i var ve sadece oturum kontrolü yapıyor. Başka ekipten biri URL&#39;deki sayıyı değiştirerek senin görevini okuyabilir. Bu kontrol servis katmanında, her sorguda yapılmalı:</p><pre>// tasks.service.ts<br>async getById(user: SessionUser, taskId: string) {<br>  const task = await tasksRepository.findByIdAndTeam(taskId, user.teamId);<br>  if (!task) throw new NotFoundError(&quot;Görev bulunamadı&quot;); // başka ekibinkiyse de 404<br>  return task;<br>}</pre><p>PostgreSQL kullanıyorsan ek bir katman olarak Row Level Security politikalarını da değerlendirebilirsin.</p><p>Girdi doğrulama. Her sınırda doğrulama: HTTP istekleri, form girdileri, webhook’lar, kuyruk mesajları, ortam değişkenleri. TypeScript’te Zod, Python’da Pydantic. Sınırdan geçmemiş veri servis katmanına ulaşmaz.</p><p>Rate limiting. Özellikle giriş, şifre sıfırlama ve maliyetli işlemler (AI çağrıları, e-posta gönderimi) için. Redis’i projeye eklemek için meşru sebeplerden biri de bu.</p><pre>## SECURITY.md özet kurallar<br>- Her endpoint: oturum kontrolü + sahiplik kontrolü + Zod doğrulama.<br>- Başka kullanıcının kaynağına erişim denemesi 404 döner (varlığını sızdırma).<br>- Gizli değerler sadece sunucu tarafında, sadece env.ts üzerinden.<br>- NEXT_PUBLIC_ önekine sadece herkese açık değerler girer.<br>- Giriş ve şifre sıfırlama endpoint&#39;lerinde rate limit zorunlu.<br>- Loglara kişisel veri, token veya şifre yazılmaz.</pre><h3>Adım 7: Adım Adım Geliştirme Döngüsü ve Canlıya Alma Öncesi Kontrol</h3><p>Buraya kadar kurduğumuz her şey, bu son adımın düzgün çalışması için. SPEC var, tasarım var, mimari ve altyapı belli, kurallar yazılı, test yapısı hazır, güvenlik kapısı tanımlı. Şimdi kod yazdırma zamanı. Ama tek bir dev promptla değil.</p><h3>Dikey dilimlerle ilerlemek</h3><p>“Tüm uygulamayı yaz” yerine SPEC’teki akışları tek tek ele al. Her akış bir dikey dilim: veritabanı şemasından API’ye, API’den UI’a, UI’dan E2E testine kadar o akışın ihtiyacı olan her şey. “A1: Giriş” bir dilim, “A2: Görev oluşturma” başka bir dilim.</p><p>Her dilim için döngü şöyle:</p><ol><li>Dilimi seç. SPEC’ten tek bir akış.</li><li>Branch veya worktree aç. Paralel çalışıyorsan her dilim ayrı bir git worktree’de. Böylece iki ajan birbirinin dosyalarını ezmez.</li><li>Plan iste ve onayla. Ajandan önce hangi dosyalara dokunacağını, hangi migration’ı ekleyeceğini, hangi Page Object’i güncelleyeceğini anlatan kısa bir plan iste. Planı okumak koda bakmaktan çok daha hızlı ve yanlış yönü erkenden yakalıyorsun.</li><li>Uygulat. Ajan AGENTS.md kurallarıyla dilimi yazar.</li><li>Kontrolleri çalıştır. Lint, typecheck, birim testler, POM tabanlı E2E testler. Hepsi yerelde ve CI’da.</li><li>PR aç ve gözden geçir. Diff’i oku. Özellikle yeni paket, yeni migration ve yetki kontrolü içeren satırlara dikkat et.</li><li>Merge et ve dokümanları güncelle. SPEC’te bir şey değiştiyse SPEC’i, yeni bir desen eklendiyse ARCHITECTURE.md’yi güncelle.</li></ol><p>Örnek bir dilim promptu:</p><pre>SPEC.md içindeki &quot;A2: Görev oluşturma&quot; akışını uygulayacağız.<br>Önce AGENTS.md, ARCHITECTURE.md, DESIGN.md ve TESTING.md dosyalarını oku.<br>Kod yazmadan önce bana şunları içeren bir plan ver:<br>- eklenecek/değişecek dosyalar<br>- gerekiyorsa migration adı<br>- Zod contract<br>- güncellenecek Page Object ve yazılacak E2E senaryoları<br>Yeni paket gerekiyorsa SECURITY.md&#39;deki gerekçe formatıyla ayrıca belirt.<br>Planı onaylamadan uygulamaya geçme.</pre><h3>CI ile kuralları otomatik hale getirmek</h3><p>AGENTS.md’deki “bitti tanımı” sadece ajanın iyi niyetine kalmamalı. Her PR’da çalışan basit bir <strong>GitHub Actions</strong> iş akışı bunu zorlar:</p><pre># .github/workflows/ci.yml<br>name: ci<br>on: [pull_request]<br>jobs:<br>  check:<br>    runs-on: ubuntu-latest<br>    services:<br>      postgres:<br>        image: postgres:17<br>        env: { POSTGRES_USER: app, POSTGRES_PASSWORD: app, POSTGRES_DB: app }<br>        ports: [&quot;5432:5432&quot;]<br>        options: &gt;-<br>          --health-cmd &quot;pg_isready -U app&quot; --health-interval 5s --health-retries 10<br>    env:<br>      DATABASE_URL: postgresql://app:app@localhost:5432/app<br>    steps:<br>      - uses: actions/checkout@v4<br>      - uses: pnpm/action-setup@v4<br>      - uses: actions/setup-node@v4<br>        with: { node-version: 22, cache: pnpm }<br>      - run: pnpm install --frozen-lockfile<br>      - run: pnpm lint<br>      - run: pnpm typecheck<br>      - run: pnpm test<br>      - run: pnpm db:migrate:deploy<br>      - run: pnpm exec playwright install --with-deps chromium<br>      - run: pnpm test:e2e</pre><p>Bu iş akışı yeşil olmadan merge yok. Ajan bir kuralı atlasa bile CI onu burada yakalıyor.</p><h3>Canlıya alma öncesi son kontrol</h3><p>Tüm dilimler tamamlandığında canlıya almadan önce bir kontrol turu daha gerekiyor. Health check’ler çalışıyor mu, secret’lar doğru yerde mi, hata sayfaları kullanıcıya iç detay sızdırıyor mu, yedekleme kurulu mu, loglar okunabiliyor mu? Bu listenin tamamını <a href="https://medium.com/p/07954e210f19">canlıya alma öncesi 20 kontrol yazımda</a> madde madde topladım. O listeyi bir skill dosyasına çevirip ajana “canlıya alma kontrolünü çalıştır” dediğinde, her madde için kanıt göstererek ilerlemesini isteyebilirsin.</p><h3>Son Söz</h3><p>Bu yazıdaki adımların hiçbiri tek başına sihirli değil. SPEC yazmak, tasarımı önce çizmek, mimariyi baştan seçmek, kuralları yazmak, POM ile test etmek, paketleri kontrol etmek: senior geliştiricilerin yıllardır yaptığı şeyler. Fark şu ki ajanla çalışırken bunları kafanda tutman yetmiyor. Ajanın da okuyabileceği şekilde, repoda yazılı olmaları gerekiyor.</p><p>Benim gözlemim, ilk iki üç saati bu hazırlığa ayırdığında sonraki her promptun daha kısa ve daha isabetli olduğu yönünde. Ajan her seferinde aynı dosyaları okuyup aynı kurallarla çalıştığı için, proje büyüdükçe dağılmak yerine daha tutarlı hale geliyor. Vibe coding’in hızını korurken senior bir kod tabanının disiplinini kazanmanın yolu bence bu.</p><p>Kendi projende bu adımlardan hangisini atladığını fark edersen, en baştan başlamana gerek yok. Bugün bir AGENTS.md yazıp repoya koymak bile ajanın bir sonraki promptta farklı davranmasına yetiyor.</p><h3>Kaynaklar</h3><ul><li><a href="https://pen.dev/">https://pen.dev</a></li><li><a href="https://docs.pen.dev/getting-started/ai-integration">https://docs.pen.dev/getting-started/ai-integration</a></li><li><a href="https://docs.pen.dev/design-and-code/design-to-code">https://docs.pen.dev/design-and-code/design-to-code</a></li><li><a href="https://docs.pencil.dev/core-concepts/pen-files">https://docs.pencil.dev/core-concepts/pen-files</a></li><li><a href="https://agents.md/">https://agents.md</a></li><li><a href="https://12factor.net/">https://12factor.net</a></li><li><a href="https://playwright.dev/docs/pom">https://playwright.dev/docs/pom</a></li><li><a href="https://pnpm.io/settings">https://pnpm.io/settings</a></li><li><a href="https://docs.astral.sh/uv/">https://docs.astral.sh/uv/</a></li><li><a href="https://zod.dev/">https://zod.dev</a></li><li><a href="https://ui.shadcn.com/">https://ui.shadcn.com</a></li><li><a href="https://medium.com/p/43acee26eaf2">https://medium.com/p/43acee26eaf2</a></li><li><a href="https://medium.com/p/3fb2ec6da809">https://medium.com/p/3fb2ec6da809</a></li><li><a href="https://medium.com/p/025097791952">https://medium.com/p/025097791952</a></li><li><a href="https://medium.com/p/e6d225b782de">https://medium.com/p/e6d225b782de</a></li><li><a href="https://medium.com/p/7cf74e3a6488">https://medium.com/p/7cf74e3a6488</a></li><li><a href="https://medium.com/p/080c993aee28">https://medium.com/p/080c993aee28</a></li><li><a href="https://medium.com/p/07954e210f19">https://medium.com/p/07954e210f19</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=67f590089adf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Paketi import etmeden bile çalışan zararlı: LiteLLM olayı ve geliştirici makinesindeki AI…]]></title>
            <link>https://medium.com/@erdncyz/paketi-import-etmeden-bile-%C3%A7al%C4%B1%C5%9Fan-zararl%C4%B1-litellm-olay%C4%B1-ve-geli%C5%9Ftirici-makinesindeki-ai-e6d225b782de?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/e6d225b782de</guid>
            <category><![CDATA[siber-guvenlik]]></category>
            <category><![CDATA[yazilim-gelistirme]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[yazilim-guvenligi]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Sat, 24 Oct 2026 10:05:56 GMT</pubDate>
            <atom:updated>2026-10-24T10:05:56.514Z</atom:updated>
            <content:encoded><![CDATA[<h3>Paketi import etmeden bile çalışan zararlı: LiteLLM olayı ve geliştirici makinesindeki AI oturumları</h3><p><em>LiteLLM 1.107.0 sadece onu kullanan servisleri değil, aynı ortamda Python başlatan her süreci etkiledi. Coding agent’ların yaşadığı makineler için bunun ne anlama geldiğine bakıyorum.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gLhDhLRI2ZJSipsh6iSnDA.png" /></figure><p>Daha önce LLM proxy’leri üzerine bir yazı yazmıştım (<a href="https://medium.com/p/e48c38ec7126">şurada</a>). Bu yazının konusu farklı. 21 Ekim 2026&#39;da <strong>LiteLLM</strong> paketinin zararlı bir sürümü yayınlandı ve olayın asıl dersi proxy mimarisiyle ilgili değil. Ders, geliştirici makinesi ve CI runner gibi ortamların, yani coding agent’ların günlük olarak çalıştığı yerlerin, tedarik zinciri saldırılarında ne kadar değerli bir hedef olduğuyla ilgili.</p><p>Kaynakları okurken beni en çok rahatsız eden cümle Microsoft’un analizindeydi: uygulamanın <strong>LiteLLM</strong>’i import etmesi gerekmiyordu, etkilenen ortamda Python’u başlatmak yeterli olabiliyordu. Bu yazıda bunun nasıl mümkün olduğunu, neden bizim makinelerimizin bu kadar cazip olduğunu ve somut olarak neler yapabileceğimizi anlatmaya çalışacağım. Aşağıdaki tüm rakamlar ve teknik detaylar yazının sonundaki kaynaklardan geliyor.</p><h3>Ne oldu?</h3><p><strong>LiteLLM</strong> ekibinin olay notuna göre 21 Ekim sabahı release pipeline’ları ele geçirildi ve litellm==1.107.0 hem <strong>PyPI</strong>&#39;a hem Docker registry&#39;lerine gönderildi. <strong>PyPI</strong> tarafında yedi zararlı wheel yaklaşık iki saat yayında kaldı: 11:39 ile 13:23 UTC arası (İstanbul saatiyle 14:39 ile 16:23 arası). Docker tarafında v1.107.0, latest, main-latest ve main-stable etiketleri 11:46 ile 14:20 UTC arasında zararlı imajı gösteriyordu. <strong>Wiz</strong>, ClickPy verisine dayanarak zararlı sürümün yaklaşık 49.000 kez indirildiğini yazıyor.</p><p>İşin ilginç tarafı GitHub’daki resmi v1.107.0 tag&#39;inde zararlı dosyaların olmaması. Artifact&#39;ler saldırganın kontrolündeki benzer isimli bir repodan üretilmiş: BerriAI/litellm yerine Berri-AI/litellm. Ekip, saldırganın üç farklı geliştiricinin GitHub CLI OAuth token&#39;larına sahip olduğunu, bunlardan biri organizasyon sahibine ait olduğu için branch korumasını kapatıp değişikliği zorla push edebildiğini ve production onayını da ikinci bir hesapla verdiğini anlatıyor. Ardından workflow kayıtları üçüncü bir hesapla silinmiş.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r0wbqWYtcMxFC6W1-WJ6Hg.png" /></figure><p>Token’ların nereden geldiği kısmı da bizi doğrudan ilgilendiriyor. <strong>LiteLLM</strong> ekibi, belirli durumlarda <strong>Claude Code</strong>’un kullanıcının GitHub CLI OAuth token’ını bir yanıt gövdesine gömdüğünü, yanıt gövdeleri loglandığında bu token’ların <strong>LiteLLM</strong> loglarında görünebildiğini gözlemlediklerini yazıyor. İnternete açık iç <strong>LiteLLM</strong> kurulumlarında masum görünen bilinmeyen bir kullanıcı hesabı bulmuşlar ve saldırganın token’ları bu logdan aldığını düşünüyorlar. Burada bir not düşmek gerekiyor: ekip 23 Ekim’de nottaki bazı varsayımların sonradan eksik ya da hatalı çıktığını, güncel kaydı ayrıca yayınladıklarını belirtti. Yani bu kök neden anlatımını kesinleşmiş bir sonuç olarak değil, o anki soruşturma bulgusu olarak okumak lazım. Benim çıkardığım ders araca özel değil: AI aracı hangisi olursa olsun, oturum token’larının bir proxy’nin ya da gözlem aracının loglarına düşebileceğini varsaymak gerekiyor.</p><h3>Import etmeden nasıl çalışıyor?</h3><p>Python’u her başlattığınızda, siz daha tek satır kod çalıştırmadan, site modülü devreye giriyor. Bu modül site-packages dizinindeki .pth dosyalarını okuyor. .pth dosyaları normalde import path&#39;ine dizin eklemek için var, ama import ile başlayan satırlar doğrudan çalıştırılıyor. Ardından Python, path üzerinde bir sitecustomize modülü varsa onu da import etmeye çalışıyor. İkisi de Python&#39;un resmi ve meşru özellikleri. Saldırgan bu iki kancayı birlikte kullanmış.</p><p>Microsoft’un analizine göre zararlı wheel litellm-1.107.0.data/purelib/ altında üç dosya taşıyordu: cook.pth, cook.py ve sitecustomize.py. Kurulum sırasında bu dosyalar litellm paket dizinine değil, doğrudan site-packages köküne taşındı. cook.pth içinde tek bir çalıştırılabilir satır var: import cook. Bu satır cook.py&#39;yi yüklüyor, o da içine gömülü Base64 ve zlib ile sıkıştırılmış bir Python programını açıp çalıştırıyor. Program kendini PRIVCOLLECT olarak tanımlıyor ve kimlik bilgisi toplama işini bir daemon thread içinde yapıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*a8FhqWy7niFP38JRrc5Glg.png" /></figure><p>İkinci yol sitecustomize.py. Bu dosya Unix odaklı ayrı bir yükleyici içeriyor: GitHub&#39;da barındırılan bir domain.txt dosyasını okuyup oradaki sunucudan /codepy yolunu isteyecek ve dönen kodu derleyip çalıştıracak şekilde tasarlanmış. Araştırmacılar baktığında domain.txt boştu ve ikinci aşama kodun indirilip çalıştırıldığı doğrulanmadı. <strong>Wiz</strong>, .pth ve sitecustomize.py tekniğinin aynı anda kullanılmasının sahada belgelenen ilk örnek gibi göründüğünü yazıyor.</p><p>Bunun pratikteki karşılığı şu: etkilenen ortamda pytest çalıştırmanız, bir script açmanız, hatta pip install ile alakasız bir paket kurmanız tetikleyici olabiliyor. Microsoft, Windows&#39;ta tam olarak böyle bir örnek gözlemlediklerini söylüyor: ilgisiz bir bağımlılığı kurmak için yapılan sıradan bir Python çağrısı toplayıcıyı başlatmış. Bu yüzden hem Microsoft hem <strong>LiteLLM</strong> ekibi aynı uyarıyı yapıyor: şüpheli ortamda paketin orada olup olmadığını anlamak için python ya da pip çalıştırmayın. Kontrolü dışarıdan, temiz araçlarla yapın.</p><p>Bir de temizlik tarafında küçük ama önemli bir detay var. Dosyalar litellm dizininin dışında durduğu için sadece paket dizinini silmek başlangıç dosyalarını yerinde bırakabiliyor. Microsoft bu yüzden ortamı silip yeniden kurmayı, &quot;sildim, temizdir&quot; varsayımından daha güvenilir buluyor.</p><h3>Neden geliştirici makinesi?</h3><p><strong>LiteLLM</strong> genelde uygulamalarla model sağlayıcıları arasında bir gateway olarak çalışıyor, dolayısıyla doğal olarak API anahtarlarına ve veritabanı bağlantılarına yakın duruyor. Ama Microsoft’un vurguladığı nokta şu: aynı paket geliştirici bilgisayarlarında, build agent’larında, test sistemlerinde ve container’larda da kullanılıyor. Zararlı kod import beklemediği için risk, gateway’i hiç kullanmayan ama paketi bir şekilde ortamına kurmuş herkese yayıldı.</p><p>Toplayıcının hedef listesine bakınca bunun tesadüf olmadığı anlaşılıyor. Microsoft’un tablosunda ilk satır geliştirici ve AI araçları: AI asistanları, IDE’ler, <strong>GitHub Copilot</strong>, <strong>VS Code</strong> ve MCP entegrasyonları için seçilmiş kimlik doğrulama ve ayar dosyaları. Onu Git kimlik bilgileri, paket yöneticisi ayarları ve .env dosyaları izliyor. Bulut tarafında AWS, Azure CLI ve Google Cloud ayarları ya da kimlik önbellekleri, Kubernetes service account dosyaları, Docker ayarları ve metadata servislerinden kimlik çekme denemesi var. <strong>Wiz</strong> ayrıca OpenAI, Anthropic, Cohere gibi sağlayıcıların ortam değişkenlerinde ya da ayar dosyalarında duran API anahtarlarının hedeflendiğini yazıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NwNh18HM4qr5IFmlrF_v5g.png" /></figure><p>Diyelim ki tipik bir geliştirici makinesine bakıyoruz: bir terminalde <strong>Claude Code</strong> ya da <strong>Codex</strong> gibi bir agent açık, editörde <strong>Cursor</strong> veya <strong>GitHub Copilot</strong> çalışıyor, gh ile GitHub&#39;a giriş yapılmış, bulut CLI&#39;ı oturum açık bekliyor, proje kökünde bir .env dosyası duruyor. Bu makine, saldırgan açısından tek bir Python başlatmasıyla açılabilecek bir anahtar kutusu gibi. Microsoft da aynı noktaya işaret ediyor: Linux&#39;ta toplayıcı procfs üzerinden okunabilen diğer süreçlerin ortam değişkenlerini de topluyor. Yani sizin <strong>LiteLLM</strong> sürecinize vermediğiniz sırlar da yan süreçlerden sızabiliyor.</p><p>Agent’lı iş akışında bir katman daha var. GitHub’ın package firewall duyurusundaki ifadeyi çok yerinde buluyorum: agent’lar ve CI runner’lar bir işi bitirmek ya da bir build tamamlamak için araya insan girmeden bağımlılık kuruyor. Diyelim ki bir agent’a “şu testi geçir” dediniz ve agent eksik bir paketi sabitlemeden kurdu. O kurulum tam o iki saatlik pencereye denk gelirse, siz fark etmeden zararlı sürüm ortamınıza girmiş olur ve agent’ın sonraki her Python çağrısı kancayı tetikler. Bu bir senaryo, kaynaklarda böyle bir vaka anlatılmıyor, ama mekanizma buna izin veriyor.</p><p>Çalınan bilgilerin ne kadar hızlı kullanıldığına dair de somut bir veri var. <strong>Wiz</strong>, sızdırmadan yaklaşık 4,5 saat sonra çalınan kimliklerin kötüye kullanıldığını gözlemlemiş. Ele geçirilen CI runner’lardan ve Kubernetes node’larından alınan AWS instance role kimlikleri sts:GetCallerIdentity ile doğrulanmış, ardından bedrock:ListFoundationModels ve ListModels çağrıları yapılmış. <strong>Wiz</strong> bunu LLMjacking ile tutarlı buluyor. Bazı ortamlarda IAM keşfi de yapılmış.</p><h3>Ne yapabiliriz?</h3><p>Bu olaydan sonra kendi kurulumlarımda değiştirdiğim ya da sıkılaştırdığım şeyleri, kaynaklardaki önerilerle birlikte sıralıyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ja_10Ae6sxg5Kt_J0bNj_w.png" /></figure><h3>Sürüm sabitleme ve lockfile</h3><p><strong>LiteLLM</strong> notundaki “etkilenen kim” tanımı çok net: o saatlerde sürüm sabitlemeden pip ile kurulum yapanlar ya da mutable Docker etiketlerini çekenler. Sabitlenmiş bir lockfile ile çalışan bir proje yeni çıkan 1.107.0&#39;ı kendiliğinden çekmezdi. Microsoft hash ile sabitlenmiş lockfile kullanmayı, paket ve imaj kaynağını doğrulamayı ve floating tag yerine container digest kullanmayı öneriyor. latest etiketinin aynı gün içinde zararlı imajı gösterdiğini düşününce digest önerisinin neden önemli olduğu daha iyi anlaşılıyor.</p><p>Agent tarafında bunun karşılığı basit bir kural: agent’ın bağımlılık eklerken sürüm sabitlemesini ve lockfile’ı güncellemesini istemek, sabitlenmemiş pip install komutlarını onaysız çalıştırmasına izin vermemek. Hangi AI aracını kullanırsanız kullanın, proje talimat dosyasına ya da kurallarına bunu yazmak birkaç dakikalık iş.</p><h3>Yeni sürümler için bekleme süresi</h3><p>Zararlı sürüm <strong>PyPI</strong>’da yaklaşık iki saat kaldı. Yeni yayınlanan bir sürümü kurmadan önce bir süre beklemek bu tür pencereleri doğrudan dışarıda bırakıyor. <strong>GitHub Package Firewall</strong> dokümanında bu kontrolün adı “minimum package age” ve varsayılan değeri 1 gün. Firewall kullanmasanız bile aynı mantığı kendi sürecinize uygulayabilirsiniz: bağımlılık güncellemelerini yayından hemen sonra değil, belli bir gecikmeyle almak. Güvenlik düzeltmesi içeren acil sürümler için de bilinçli bir istisna yolu tanımlamak gerekiyor; GitHub’ın firewall’ı da tam bunun için bir istisna talep akışı sunuyor.</p><h3>GitHub Package Firewall</h3><p>GitHub 20 Ekim’de package firewall’ı public preview olarak duyurdu. Firewall endpoint’ler ya da iç registry’ler ile upstream paket depoları arasına giriyor ve hem metadata isteklerini hem paket indirmelerini politikaya göre değerlendiriyor. Dokümana göre kontroller şunlar: GitHub Advisory Database’teki malware advisory’lerini engellemek, belirli bir önem seviyesinin üstündeki açıkları engellemek, attestation düşüşlerini yakalamak (önceki sürümlerde SLSA attestation varken yenisinde yoksa engellemek), yeni eklenen install script’lerini engellemek ve minimum paket yaşı.</p><p>Burada dürüst olmak lazım: duyuruya göre firewall şimdilik sadece npm paketlerini destekliyor ve GitHub Enterprise Cloud müşterilerine açık. Yani bu yazının konusu olan <strong>PyPI</strong> paketini doğrudan korumazdı. Yine de anlatmaya değer buluyorum, çünkü attestation düşüşü kontrolü, sahte bir repodan üretilen artifact’ler gibi yayın sürecindeki bozulmaları yakalamaya yönelik bir fikir. Python tarafında benzer bir etki için Microsoft’un önerdiği yol, paketleri iç mirror’a ancak inceleme sonrası almak.</p><h3>Agent’ın Python ortamını izole etmek</h3><p>Bence en çok getirisi olan adım bu. Agent’ın paket kurup kod çalıştırdığı ortam, ana kullanıcı oturumunuzun tüm dosyalarına erişebiliyorsa, ortamdaki herhangi bir zararlı kanca da o dosyalara erişebiliyor. Agent’ı bir container’da ya da ayrı bir kullanıcıyla çalıştırmak, ev dizinini ve bulut kimlik dosyalarını o ortama bağlamamak, sadece o iş için gereken kısa ömürlü ve dar yetkili token’ları vermek etki alanını ciddi şekilde küçültüyor. Proje başına ayrı virtualenv iyi bir başlangıç ama tek başına yetmiyor; çünkü virtualenv dosya sistemi erişimini kısıtlamıyor, sadece paketleri ayırıyor.</p><p>Microsoft bir adım daha öneriyor: geliştirici makinelerinin, build agent’larının ve container’ların gerekmedikçe sınırsız HTTP çıkışı olmamalı. Bu olayda toplanan veri www.litellm[.]dev/healthcheck adresine POST ile gönderiliyordu. Gerçek alan adına çok benzeyen bir adres. İzin listesiyle çalışan bir çıkış kontrolü bu tür bir isteği durdurabilirdi.</p><h3>Etkilendiyseniz: ne döndürülmeli?</h3><p>Önce ortamı başlatmadan durdurun. <strong>LiteLLM</strong> ekibinin adımları şöyle: pip ile başlamayın, çünkü pip de Python başlatıyor. Kabuktan cook.pth, cook.py, sitecustomize.py ve ilgili __pycache__ dosyalarını silin, /tmp/remote_code_loader.lock kilidini tutan arka plan sürecini öldürün, sonra 1.106.2 gibi sabit bir sürümle, tercihen sıfırdan kurulmuş bir ortamda devam edin. Ekip, 1.107.0 internete çıkışı olan bir makineye bir kez bile kurulduysa sızdırmanın başarılı olduğunu varsaymanızı söylüyor. /tmp/.pc_once_72129118c59f5636c0bb işaret dosyası varsa sızdırma doğrulanmış demek, yoksa bu hiçbir şey kanıtlamıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fI1H1IMK2iyoPSrM_OCCbw.png" /></figure><p>Döndürme işini temiz bir makineden yapmak gerekiyor. Microsoft’un listesinde şunlar var: model sağlayıcı anahtarları, bulut ve workload kimlikleri, CI/CD sırları, kaynak kontrol ve registry token’ları, SSH ve GPG anahtarları, AI kodlama aracı token’ları ve etkilenen kimliğe açık tarayıcı oturumları. Proxy sunucularında buna proxy veritabanında saklanan sağlayıcı anahtarları, master ve virtual key’ler ve DATABASE_URL parolası ekleniyor. <strong>LiteLLM</strong> ekibi ayrıca instance ya da task IAM rolünü ve makinedeki herhangi bir sürecin ortamında bulunan her sırrı listeye koyuyor, CloudTrail&#39;de kurulum zamanı civarındaki GetCallerIdentity çağrılarına bakmayı öneriyor.</p><p>Benim en çok altını çizmek istediğim nokta oturumlar. Microsoft, parola ya da anahtar değiştirmenin her aktif token’ı ve uygulama oturumunu hemen geçersiz kılacağını varsaymak yerine kimlik oturumlarının iptal edilmesini öneriyor. Geliştirici makinesinde bu, gh CLI girişini, AI araçlarının oturumlarını, IDE eklentilerinin bağlantılarını ve bulut CLI oturumlarını tek tek kapatıp yeniden açmak demek. Sıkıcı bir iş, ama bu olayda token&#39;ların nasıl kullanıldığını gördükten sonra atlanacak bir adım değil.</p><h3>Son söz</h3><p>Bu olay bana coding agent kullanan biri olarak şunu net biçimde gösterdi: makinemizdeki en değerli şey artık kodun kendisi değil, o koda ve altyapıya erişen oturumlar. Bir paketin import edilmeden çalışabilmesi, “ben o kütüphaneyi kullanmıyorum” rahatlığını ortadan kaldırıyor. Lockfile ve izole ortam gibi önlemler ilk bakışta agent’ları yavaşlatan şeyler gibi görünüyor, ama iki saatlik bir yayın penceresinin ne kadar geniş bir etki alanı yaratabildiğini gördükten sonra bence ödenmeye değer bir bedel.</p><h3>Kaynaklar</h3><ul><li><a href="https://www.microsoft.com/en-us/security/blog/2026/10/23/inside-the-litellm-1-107-0-supply-chain-compromise-credential-theft-through-python-startup-hooks/">https://www.microsoft.com/en-us/security/blog/2026/10/23/inside-the-litellm-1-107-0-supply-chain-compromise-credential-theft-through-python-startup-hooks/</a></li><li><a href="https://docs.litellm.ai/blog/security-incident-oct-21-2026">https://docs.litellm.ai/blog/security-incident-oct-21-2026</a></li><li><a href="https://www.wiz.io/blog/litellm-compromised-steals-credentials">https://www.wiz.io/blog/litellm-compromised-steals-credentials</a></li><li><a href="https://github.blog/changelog/2026-10-20-github-package-firewall-in-public-preview/">https://github.blog/changelog/2026-10-20-github-package-firewall-in-public-preview/</a></li><li><a href="https://docs.github.com/en/code-security/how-tos/secure-your-supply-chain/secure-your-dependencies/protecting-endpoints-with-package-firewall">https://docs.github.com/en/code-security/how-tos/secure-your-supply-chain/secure-your-dependencies/protecting-endpoints-with-package-firewall</a></li><li><a href="https://medium.com/p/e48c38ec7126">https://medium.com/p/e48c38ec7126</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e6d225b782de" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Agent Skills artık açık standart: ekibin bilgisini skill olarak paketlemek]]></title>
            <link>https://medium.com/@erdncyz/agent-skills-art%C4%B1k-a%C3%A7%C4%B1k-standart-ekibin-bilgisini-skill-olarak-paketlemek-025097791952?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/025097791952</guid>
            <category><![CDATA[otomasyon]]></category>
            <category><![CDATA[yazilim-gelistirme]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[siber-guvenlik]]></category>
            <category><![CDATA[açık-kaynak]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Sat, 24 Oct 2026 09:55:51 GMT</pubDate>
            <atom:updated>2026-10-24T09:56:42.184Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Anthropic, Agent Skills’i Linux Foundation çatısındaki Agentic AI Foundation’a devretti. Bunun ne anlama geldiğini ve ekip olarak tekrar eden işlerimizi taşınabilir skill’lere nasıl dönüştürebileceğimizi konuşalım.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JCXzXu6B9B2JxmuNS8xsPg.png" /></figure><p>Yapay zeka destekli geliştirmede bence en kritik konu bağlam. Model ne kadar iyi olursa olsun, sizin ekibinizin canlıya alma öncesi neye baktığını ya da migration’ları hangi sırayla çalıştırdığını kendiliğinden bilemiyor. Bu bilgiyi bir yere yazmamız gerekiyor. Asıl soru da şu: nereye ve hangi formatta?</p><p>22 Ekim 2026&#39;da bu soruya verilen cevaplardan biri resmi olarak tarafsız bir çatıya taşındı. Anthropic, Agent Skills standardını Linux Foundation bünyesindeki Agentic AI Foundation’a (AAIF) bağışladı. Bu yazıda önce ne olduğunu kaynaklara sadık kalarak özetleyeceğim. Ardından bir skill’in teknik olarak ne olduğuna ve ekip bilgisini nasıl paketleyebileceğimize bakacağız. Yazıyı üçüncü parti skill’lerin güvenliğiyle kapatacağım.</p><h3>Ne oldu?</h3><p>Anthropic’in duyurusuna göre Agent Skills, yapay zeka ajanlarına uzmanlık bilgisi ve iş akışları kazandıran açık bir standart. Standart Aralık 2025&#39;te yayımlanmış ve o tarihten bu yana <strong>ChatGPT</strong>, <strong>Cursor</strong>, <strong>GitHub Copilot</strong> ve <strong>VS Code</strong> dahil 70&#39;ten fazla ajan platformu tarafından entegre edilmiş. Duyuruda verilen rakamlara göre şu ana kadar 1 milyon skill yayımlanmış ve yaklaşık 280 milyon kez kurulmuş.</p><p>Hikayenin başı biraz daha eski. Anthropic skill’leri <strong>Claude Code</strong> üzerinde çalışırken geliştirdiğini anlatıyor. Model genel bilgi işlerinde iyiymiş ama gerçek iş görevlerinin ihtiyaç duyduğu prosedürel bilgi çoğu zaman eksik kalıyormuş. Ekim 2025&#39;teki ilk duyurudan sonraki birkaç hafta içinde geliştiriciler GitHub’da binlerce skill yayımlamış ve <strong>Codex</strong>, <strong>Cursor</strong> ile <strong>OpenCode</strong> için yükleyiciler yazmış. Bunun üzerine Agent Skills kendi GitHub organizasyonu ve alan adıyla açık standart olarak yayımlanmış.</p><p>Şimdiki adımla Anthropic; Agent Skills adını ve logosunu, GitHub organizasyonunu ve agentskills.io alan adını AAIF’e devrediyor. Standardı kullanmak ya da ona katkı vermek için AAIF’e üye olmak gerekmiyor. Anthropic, Google, OpenAI ve başka şirketlerden mühendisler standardın bakımını bireysel olarak üstlenecek. Lead Maintainer olarak David Soria Parra ve Mahesh Murag’ın adı geçiyor.</p><p>Linux Foundation’ın basın bülteni de aynı gün yayımlandı. AAIF aynı anda dört yeni proje duyurdu: Anthropic’ten Agent Skills, OpenAI’dan Open Responses, Hugging Face’ten OpenEnv ve Alibaba’dan OpenSandbox. Bu projeler mevcut Agent2Agent (A2A), Agent Router, agentgateway, AGENTS.md, goose ve Model Context Protocol (MCP) projelerine katıldı. Böylece vakıf, Aralık 2025&#39;teki üç kuruluş projesinden ilk yılın sonunda 10 projeye ulaşmış oldu.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7Oed7x5DuoDhPmEaCHpOvw.png" /></figure><p>Simon Willison da kısa notunda bu gelişmeyi geçen Aralık’ta tahmin ettiğini hatırlatıyor. O zaman skill’lerin, MCP spesifikasyonunun yeni evi olan AAIF’e gitmesine şaşırmayacağını yazmış. Bence bu tahminin tutması sürpriz değil, çünkü MCP için izlenen yol çok benzerdi.</p><h3>Bir skill tam olarak nedir?</h3><p>Tanım şaşırtıcı derecede sade. Anthropic’in ifadesiyle skill, ajana belirli bir görevi ya da alanı öğreten bir SKILL.md dosyası ve gerekli betikler ile referans materyalini içeren bir klasör. agentskills.io&#39;daki spesifikasyon bunu biraz daha netleştiriyor:</p><pre>skill-adi/<br>├── SKILL.md          # Zorunlu: metadata + talimatlar<br>├── scripts/          # Opsiyonel: çalıştırılabilir kod<br>├── references/       # Opsiyonel: dokümantasyon<br>├── assets/           # Opsiyonel: şablonlar, kaynaklar<br>└── ...</pre><p>SKILL.md dosyası YAML frontmatter ile başlıyor, ardından Markdown gövde geliyor. Frontmatter&#39;da zorunlu olan sadece iki alan var:</p><ul><li>name: en fazla 64 karakter, küçük harf, rakam ve tire. Klasör adıyla aynı olmak zorunda.</li><li>description: en fazla 1024 karakter. Skill&#39;in ne yaptığını ve ne zaman kullanılacağını anlatıyor.</li></ul><p>Bunların yanında license, compatibility, metadata gibi opsiyonel alanlar ve deneysel olarak işaretlenmiş allowed-tools alanı da tanımlı.</p><p>Bana göre işin can alıcı kısmı description alanı. Çünkü ajan bir skill&#39;i kullanıp kullanmayacağına büyük ölçüde buradaki metne bakarak karar veriyor. Spesifikasyon da açıklamanın hem ne yapıldığını hem de ne zaman kullanılacağını anlatmasını ve ajanın ilgili görevi tanımasına yardım edecek anahtar kelimeler içermesini öneriyor. &quot;PDF&#39;lerle yardım eder&quot; gibi bir açıklama kötü örnek olarak geçiyor.</p><h3>Neden her şeyi AGENTS.md’ye yazmıyoruz?</h3><p>Çoğumuz projelerimizde bir AGENTS.md ya da CLAUDE.md benzeri kök dosya tutuyoruz. Bu dosyalar faydalı ama zamanla şişmeye çok müsaitler. Her yeni prosedürü oraya eklediğinizde, o bilgi ilgili olsun olmasın her turda ajanın bağlamına giriyor.</p><p>Skill’ler bu sorunu kademeli yükleme (progressive disclosure) ile çözüyor. Spesifikasyondaki yapı şöyle:</p><ol><li>Metadata: name ve description açılışta tüm skill&#39;ler için yükleniyor. Spesifikasyon bunun yaklaşık 100 token civarında olduğunu söylüyor.</li><li>Talimatlar: SKILL.md gövdesinin tamamı ancak skill devreye girdiğinde yükleniyor. Önerilen üst sınır 5000 token.</li><li>Kaynaklar: scripts/, references/ ya da assets/ altındaki dosyalar sadece gerektiğinde okunuyor.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q0RVP3SVsGaS9MUO2WuO8w.png" /></figure><p>Spesifikasyon ayrıca ana SKILL.md dosyasının 500 satırın altında tutulmasını, detaylı referans materyalinin ayrı dosyalara taşınmasını ve dosya referanslarının SKILL.md&#39;den sadece bir seviye derinlikte kalmasını öneriyor.</p><p>Pratikte bu şu demek: kök dosyanız genel kurallar için ince kalıyor, özel prosedürler ise ihtiyaç anında devreye giriyor. Ajan “veritabanı migration’ı yazacağım” dediğinde migration skill’ini açıyor, sıradan bir CSS düzeltmesinde o bilgiyi hiç taşımıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oFBEax97AxNg9PVACnHwKw.png" /></figure><h3>Açık standart olmasının önemi ne?</h3><p>Diyelim ki ekipte biri bir IDE içindeki ajanla çalışıyor, öbürü terminal tabanlı bir araçla. Her aracın kendi kural dosyası formatı olduğunda aynı bilgiyi birden fazla yerde tutmak ve senkron kalmasını beklemek zorunda kalıyorsunuz. Bu da er geç birinin eskimesiyle sonuçlanıyor.</p><p>Agent Skills’in bir standart olarak yaygınlaşması, bir kez yazdığınız canliya-alma-kontrolu skill&#39;inin farklı ajanlarda aynı klasör yapısıyla çalışabilmesi anlamına geliyor. Linux Foundation bülteni de bunu &quot;uzmanlık bilgisini ajan ürünleri ve platformları arasında taşınabilir hale getirmek&quot; olarak özetliyor.</p><p>Standardın tarafsız bir vakfa geçmesi ise uzun vadeli güven meselesi. Bir formata ekibinizin yıllarca biriktirdiği bilgiyi yatırırken, o formatın tek bir şirketin önceliklerine göre değişmeyeceğini bilmek istersiniz. Anthropic de duyuruda AAIF’in standarda tarafsız bir ev sağlayacağını ve topluluğun söz sahibi olacağını vurguluyor. Önerilen yol haritasında sürümlü yayınlar, resmi bir öneri süreci ve skill yazan ile kuran kişiler için güvenlik rehberi var. Son madde, yazının sonundaki konu açısından özellikle önemli.</p><h3>Ekibin bilgisini skill olarak paketlemek</h3><p>Gelelim işin bize dokunan kısmına. Her ekipte yazılı olmayan ya da bir wiki sayfasında unutulmuş prosedürler vardır. Bunlar skill için en iyi aday. Aşağıdaki örneklerin hepsi varsayımsal, kendi ekibinize göre uyarlamanız gerekecek.</p><h3>Canlıya alma kontrolü</h3><p>Diyelim ki ekibinizde her canlıya alma öncesi bakılan bir liste var. Ortam değişkenleri eksiksiz mi, geri dönüş planı hazır mı gibi sorular hep aynı. Bunu şöyle bir skill olarak yazabilirsiniz:</p><pre>---<br>name: canliya-alma-kontrolu<br>description: Canlıya alma öncesi kontrol listesini uygular. Kullanıcı deploy, release, canlıya alma veya production&#39;a çıkma dediğinde kullan.<br>metadata:<br>  owner: platform-ekibi<br>  version: &quot;1.0&quot;<br>---<br># Canlıya alma kontrolü<br><br>1. `scripts/env-kontrol.sh` betiğini çalıştır ve eksik değişkenleri raporla.<br>2. Açık feature flag&#39;leri listele, kullanıcıya onaylat.<br>3. Geri dönüş adımları için [geri dönüş rehberi](references/geri-donus.md) dosyasını oku.<br>4. Herhangi bir adım başarısızsa canlıya almayı durdur ve nedenini açıkla.</pre><p>Burada dikkat ettiğim iki şey var. Birincisi description alanına kullanıcının gerçekten kullanacağı kelimeleri koymak. İkincisi uzun geri dönüş prosedürünü gövdeye gömmek yerine references/ altına taşımak. Böylece skill devreye girse bile o detay sadece gerektiğinde okunuyor.</p><h3>Migration prosedürü</h3><p>Diyelim ki ekibinizde migration’ların geri alınabilir yazılması ve önce staging’de denenmesi kuralı var. Bu kuralları ve bir doğrulama betiğini tek bir migration-proseduru skill&#39;inde toplamak, her yeni ekip üyesinin aynı hatayı tekrar yapmasını engellemeye yardımcı olur.</p><h3>PR inceleme</h3><p>Ekibinizin kod incelemesinde baktığı noktaları bir pr-inceleme skill&#39;ine yazabilirsiniz. Ajan PR açıklamasını hazırlarken ya da kendi değişikliğini gözden geçirirken bu listeyi kullanır. Kök dosyada her turda durması gereken bir bilgi değil bu, sadece PR zamanı lazım.</p><h3>Hata ayıklama</h3><p>Diyelim ki servisinizin log’larına erişmek için belirli bir komut dizisi ve bilinen hata kalıplarının bir listesi var. Bir hata-ayiklama skill&#39;i ile bu bilgiyi, log çeken küçük bir betikle birlikte paketleyebilirsiniz.</p><h3>Yazarken dikkat ettiklerim</h3><p>Skill’leri yazarken işime yarayacağını düşündüğüm birkaç pratik öneri:</p><ul><li>Bir skill tek bir iş yapsın. “Backend her şey” gibi geniş bir skill hem açıklamasını bulanıklaştırır hem de gereksiz yere büyür.</li><li>Betikleri skill klasöründe tutun ve SKILL.md&#39;den göreli yol ile referans verin.</li><li>Skill’leri repo içinde versiyonlayın ve normal kod gibi PR ile inceleyin. metadata alanına sahip ekip ve sürüm bilgisi eklemek işi kolaylaştırır.</li><li>Spesifikasyon, skill’leri doğrulamak için skills-ref adında bir referans kütüphanesine işaret ediyor. CI&#39;a eklemek mantıklı olabilir.</li></ul><h3>Üçüncü parti skill kurmadan önce</h3><p>Skill’in gücü aynı zamanda riski. Bir skill sonuçta ajanın okuyup uyguladığı talimatlardan oluşuyor ve yanında çalıştırılabilir betikler taşıyabiliyor. Başkasının yazdığı bir skill’i kurmak, bir paketi kurmaktan farklı değil. Hatta bazı durumlarda daha sinsi.</p><p><strong>VirusTotal</strong> ekibinin 21 Ekim 2026 tarihli yazısı bunu rakamlarla gösteriyor. Analiz ettikleri 35.878 skill içinde 6.637 tanesi kötü amaçlı bulunmuş ve bunların %62&#39;sinde hiç kötü amaçlı kod yok. Zararlı yük, skill dokümantasyonunun içine düz metin talimat olarak yazılmış.</p><p>Daha ilginci, bu kötü amaçlı skill’lerin 90 tanesinde (%1,4) talimat incelemeyi yapan kişiden gizlenmiş. Yazıda üç teknik anlatılıyor:</p><ul><li>Boşluk dolgusu (56 skill): Zararlı satırdan önce 78 ile 825 arasında boş satır bırakılıyor. Dosyayı kaydıran biri dokümantasyonun bittiğini sanıp duruyor.</li><li>HTML yorumları (28 skill): GitHub, marketplace sayfaları ve IDE önizlemeleri HTML yorumlarını göstermiyor ama ajan ham dosyayı okuduğu için yorumun içini de görüyor.</li><li>Görünmez Unicode (6 skill): Metin, ekranda hiçbir şey göstermeyen karakterlerle kodlanıyor ya da anahtar kelime eşleştirmesini bozmak için kelimelerin arasına sıfır genişlikli karakterler ekleniyor.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*o6hy5RDNO18D0c35w6bnBQ.png" /></figure><p>Yazı bu sayıların alt sınır olduğunu da belirtiyor. Ayrıca bazı skill’lerin ajandan yaptıklarını kullanıcıya söylememesini istediği ya da MEMORY.md, AGENTS.md gibi kalıcı hafıza ve yapılandırma dosyalarına kayıt yazdırmaya çalıştığı örnekler var. Bu ikinci durum özellikle tehlikeli, çünkü skill kaldırılsa bile etkisi sürebiliyor.</p><p>VirusTotal’in önerileri kısaca şöyle:</p><ul><li>Render edilmiş sayfayı değil ham dosyayı inceleyin ve dosyanın sonuna mutlaka bakın.</li><li>Taramadan önce normalleştirin: sıfır genişlikli karakterleri kaldırın, Unicode tag karakterlerini çözün ya da reddedin, art arda gelen boş satırları daraltın.</li><li>MEMORY.md, SOUL.md, AGENTS.md, CLAUDE.md ve .cursorrules gibi dosyaları, skill&#39;lerin açık kullanıcı onayı olmadan değiştiremeyeceği dosyalar olarak ele alın.</li><li>Kurmadan önce skill’i VirusTotal’de kontrol edin.</li></ul><p>Otomatik tarama tarafında NVIDIA’nın açık kaynak <strong>SkillSpector</strong> aracı da göz atmaya değer. README’ye göre araç Git repolarını, URL’leri, zip dosyalarını ve dizinleri tarayabiliyor. 17 kategoride 71 zafiyet kalıbına bakıyor; aralarında prompt injection ile veri sızdırma da var. Hızlı statik analizin üzerine opsiyonel olarak LLM tabanlı anlamsal değerlendirme ekleyebiliyor ve 0 ile 100 arasında bir risk skoru üretiyor. README’de aktarılan araştırma verisine göre analiz edilen 31.132 skill’lik alt kümede skill’lerin %26,1&#39;inde zafiyet, %5,2&#39;sinde muhtemel kötü niyet görülmüş.</p><p>Bence makul bir kural şu: dışarıdan gelen bir skill’i kurmadan önce ham SKILL.md dosyasını ve bütün betikleri satır satır okuyun, ardından otomatik bir taramadan geçirin. Ekip içinde paylaşılacaksa da bu kontrolü bir kişinin hafızasına bırakmak yerine CI adımına dönüştürmek daha sağlam.</p><h3>Son söz</h3><p>Agent Skills’in AAIF’e geçmesi bence MCP’nin geçtiği yolun devamı. Bağlam ve araç tarafı ortak standartlara oturdukça, ekip olarak biriktirdiğimiz bilgiyi belirli bir araca kilitlemeden yazabiliyoruz. Bize düşen kısım ise o bilgiyi düzgün paketlemek ve dışarıdan gelen her skill’e, kurduğumuz herhangi bir paket kadar şüpheyle yaklaşmak.</p><p>Siz ekibinizde ilk hangi prosedürü skill’e çevirirdiniz? Yorumlarda konuşalım.</p><h3>Kaynaklar</h3><ul><li><a href="https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation">https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation</a></li><li><a href="https://www.linuxfoundation.org/press/agentic-ai-foundation-announces-four-new-projects-agent-skills-open-responses-openenv-and-opensandbox">https://www.linuxfoundation.org/press/agentic-ai-foundation-announces-four-new-projects-agent-skills-open-responses-openenv-and-opensandbox</a></li><li><a href="https://simonwillison.net/2026/Oct/22/donating-agent-skills/">https://simonwillison.net/2026/Oct/22/donating-agent-skills/</a></li><li><a href="https://agentskills.io/specification">https://agentskills.io/specification</a></li><li><a href="https://blog.virustotal.com/2026/10/how-some-malicious-ai-skills-hide.html">https://blog.virustotal.com/2026/10/how-some-malicious-ai-skills-hide.html</a></li><li><a href="https://github.com/NVIDIA/SkillSpector">https://github.com/NVIDIA/SkillSpector</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=025097791952" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kod yazmayan ekip arkadaşından gelen PR: Copilot Code sonrası geliştiriciyi ne bekliyor?]]></title>
            <link>https://medium.com/@erdncyz/kod-yazmayan-ekip-arkada%C5%9F%C4%B1ndan-gelen-pr-copilot-code-sonras%C4%B1-geli%C5%9Ftiriciyi-ne-bekliyor-9c770664cd51?source=rss-e99fb32a48b4------2</link>
            <guid isPermaLink="false">https://medium.com/p/9c770664cd51</guid>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[github]]></category>
            <category><![CDATA[yazilim-gelistirme]]></category>
            <category><![CDATA[co-pilot]]></category>
            <dc:creator><![CDATA[Erdinç YILMAZ]]></dc:creator>
            <pubDate>Sat, 24 Oct 2026 09:51:05 GMT</pubDate>
            <atom:updated>2026-10-24T09:51:05.514Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lLL02zREKvITwOqv1c0GhQ.png" /></figure><p>Bir süredir AI destekli geliştirme üzerine yazıyorum ve hep aynı tarafa bakıyordum: geliştiricinin kendi elindeki araçlar. Bu hafta okuduğum bir duyuru bakış açımı biraz çevirdi. Artık soru “ben AI ile ne kadar hızlı kod yazarım” değil. Soru şu: ekipte hiç kod yazmayan biri bana bir pull request açtığında ne yapacağım?</p><p>21 Ekim 2026 tarihli Message Center duyurusuna (MC1519871) göre <strong>Microsoft Copilot</strong> içindeki <strong>Copilot Code</strong>, Frontier programında Ekim 2026 sonundan başlayarak kullanıma açılıyor. Duyuru aracı, insanların fikirlerini doğal dille panolara ve uygulamalara dönüştürmesine yardım eden bir kodlama deneyimi olarak tanımlıyor. Microsoft Learn’deki genel bakış sayfası da açıkça “kod bilmenize gerek yok” diyor.</p><p>Benim için asıl kritik kısım <strong>GitHub</strong> entegrasyonu. Dokümantasyona göre bağlı bir repoda <strong>Copilot Code</strong> kendi branch’inde commit’ler oluşturup değişikliği açıklayan bir draft pull request açabiliyor. Yani ürün yöneticisi ya da analist arkadaşın sohbet ederek kurduğu bir pano, bir gün senin reponda draft PR olarak karşına çıkabilir.</p><p>Bu yazıda bu duruma yazılım ekibi ve tech lead gözüyle bakmak istiyorum. Örnek olarak <strong>Copilot Code</strong> üzerinden gideceğim ama anlattıklarım doğal dille kod üreten ve PR açabilen her araç için geçerli.</p><h3>Önce aracın ne yaptığına bakalım</h3><p>Microsoft Learn’deki sayfalardan okuduklarımı kısaca toparlayayım, çünkü inceleme stratejisi biraz da buna bağlı.</p><p><strong>Copilot Code</strong>, <strong>Microsoft Copilot</strong> uygulamasında Chat ve Cowork’ün yanında ayrı bir sekme. Kullanıcı istediği sonucu anlatıyor, araç yazılımı kurup çalıştırıyor ve bir canvas üzerinde canlı önizleme gösteriyor. Canvas’ta ham koda geçip düzenleme yapmak da mümkün. Kullanıcı istediği zaman eski bir sürüme dönebiliyor.</p><p>Proje yerelde ya da bulutta çalışabiliyor. Duyuruya göre bulut oturumları uygun kullanıcılar için varsayılan olarak açık, yerel oturumlar ise varsayılan olarak kapalı ve admin tarafından açılması gerekiyor. Yerelde çalışırken araç terminal komutu çalıştırmadan ya da ağ bağlantısı kurmadan önce izin istiyor. Seçilen proje klasörünün dışına çıkmak da açık onay gerektiriyor. Dokümanda dikkatimi çeken bir uyarı var: “Always allow” seçeneği açıldığında kapatılana kadar açık kalıyor ve mevcut oturumları da kapsıyor.</p><p>Veri tarafında araç, kullanıcının izniyle <strong>Microsoft 365</strong> verisini bağlam olarak kullanabiliyor. Duyuru bunu <strong>Work IQ</strong> üzerinden e-postalar, toplantılar, dokümanlar, sohbetler ve bağlı veri olarak tarif ediyor. Yayınlanan uygulamalar <strong>Copilot Managed Runtime</strong> üzerinde çalışıyor ve organizasyonun yönetişim ve güvenlik kontrollerini devralıyor. Duyuruda alttaki veriye erişimin kullanıcının yetkilerine bağlı kalmaya devam ettiği de yazıyor.</p><p>GitHub bağlantısı opsiyonel ve adminin açması gerekiyor. Bağlantı kurulduktan sonra kullanıcı mevcut bir repodan başlayabiliyor, repo hakkında soru sorabiliyor ve değişiklik isteyebiliyor. <strong>Copilot Code</strong> içinde başlatılmış bir proje için sonradan GitHub reposu da oluşturulabiliyor (dokümana göre bu sadece yerel projelerde var). Bir de Plan modu var: araç değişiklik yapmadan önce bir plan öneriyor, kullanıcı itiraz edebiliyor.</p><p>Son olarak, bunun bir önizleme özelliği olduğunu ve Frontier programı kapsamında sunulduğunu belirteyim. Yetenekler zamanla değişebilir, bu yüzden yazdıklarımı bugünkü dokümantasyonun bir okuması olarak düşün.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kHjUs6ldLvDwscEBdGyOgQ.png" /></figure><h3>Draft PR geldiğinde ilk refleks</h3><p>Diyelim ki operasyon ekibinden bir arkadaş haftalık kayıtları kanal bazında gösteren bir pano kurdu. Önizlemede güzel çalışıyor, ekibi kullanmaya başlamış. Sonra pano daha geniş bir kitleye açılmak isteniyor ve arkadaşımız ekibin reposuna draft PR açıyor.</p><p>Bende ilk refleks iki uçtan birine kaymak oluyor. Ya “bu kodu kim yazdı belli değil, kapatalım” diyorum ya da önizlemede çalıştığını görünce “olmuş bu” deyip geçiyorum. İkisi de yanlış bence.</p><p>Bu PR’a üretime hazır kod gözüyle bakmak hayal kırıklığı yaratır. Çöpe atılacak bir şey gözüyle bakmak da büyük bir fırsatı kaçırmak demek. Ben bunu çalışan bir şartname olarak görmeyi öneriyorum. Normalde bir ürün ihtiyacı bize Jira’da birkaç paragraf ve belki bir mockup olarak gelir. Burada ise ihtiyacı en iyi bilen kişi, ihtiyacı bizzat tıklanabilir hale getirmiş. Hangi veriye bakıldığı da, kullanıcının hangi akışı beklediği de artık tartışma konusu değil, ekranda duruyor.</p><p>Ama bu PR, ürün tarafında neyin istendiğini kanıtlıyor; teknik olarak neyin doğru olduğunu kanıtlamıyor. Bu ayrımı netleştirmek bütün sürecin temeli.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fkV8ZLb-nEPJ45irEyXT2Q.png" /></figure><h3>Merge etmeden ya da sahiplenmeden önce neye bakıyorum</h3><p>Burada sıraladıklarım bir standart değil, kendi kafamdaki kontrol listesi. Hiçbiri <strong>Copilot Code</strong>’a özel değil; insan eliyle yazılmış bir prototipte de aynı şeylere bakardım. Fark şu ki doğal dille üretilen kodda bu noktalar yazan kişinin aklına hiç gelmemiş olabilir, çünkü o kişi sonuca odaklanıyordu.</p><h3>Kimlik doğrulama ve yetki</h3><p>İlk sorum hep aynı: bu uygulama kimin adına çalışıyor? Önizlemede uygulama, onu kuran kişinin oturumu ve yetkileriyle çalışıyor olabilir. Daha geniş bir kitleye açıldığında herkes kendi yetkisiyle mi veriye erişecek, yoksa bir servis hesabı mı devreye girecek? Duyuruda yayınlanan uygulamalarda veri erişiminin kullanıcı yetkilerine bağlı kaldığı yazıyor, bu iyi bir başlangıç. Ama PR senin kendi altyapına taşınacaksa o garantiyi artık senin kodun sağlamak zorunda. Yetki kontrolü sadece arayüzde bir butonu gizlemekten ibaret mi, yoksa sunucu tarafında da yapılıyor mu, buna mutlaka bakıyorum.</p><h3>Veri erişiminin kapsamı</h3><p>Araç <strong>Microsoft 365</strong> bağlamını kullanabildiği için, prototip sırasında hangi kaynaklara dokunulduğunu anlamak önemli. Bir e-posta dizisinden ya da paylaşılan bir dokümandan çekilen veri kodun içine gömülmüş olabilir. PR açıklamasında ya da kodda bunun izini sürüyorum. Kendime sorduğum soru basit: bu uygulama paylaşıldığında kim neyi görecek ve bu doğru mu?</p><h3>Gömülü varsayımlar</h3><p>Doğal dille kurulan prototiplerde en sık karşılaşacağımızı düşündüğüm konu bu. Diyelim ki kişi “geçen çeyreğin verisini göster” dedi ve kod o çeyreğin tarihlerini sabit olarak yazdı. Ya da bir CSV’deki kolon adları ile bir dosya yolu doğrudan koda girdi. Önizlemede her şey yolunda görünür, çünkü o gün o veriyle test edilmiştir. Bu sabitleri tek tek bulup ayara ya da parametreye çevirmek genelde devralma işinin büyük kısmını oluşturuyor.</p><h3>Sırlar ve bağlantı bilgileri</h3><p>Bir API anahtarının ya da bağlantı bilgisinin koda veya bir config dosyasına girip girmediğine bakmak zorundayız. Bu tarz şeyleri reponun geçmişine bir kere girdikten sonra temizlemek zahmetli. Repoda secret scanning gibi bir kontrol açık değilse, bu PR’lar onu açmak için iyi bir sebep.</p><h3>Bakım ve okunabilirlik</h3><p>Kod çalışıyor olabilir ama altı ay sonra onu kim okuyacak? İçinde gereksiz bağımlılıklar olabilir, ya da yapı ekibin genel mimarisiyle hiç uyuşmayabilir. Burada beklentiyi doğru kurmak lazım. Bu PR’ı açan kişiden temiz mimari beklemek adil değil. Bu iş, sahipliği alan ekibin işi.</p><h3>Testler</h3><p>Önizlemede çalışan akış için en az bir otomatik test görmek istiyorum. Yoksa, devralan ekip olarak ilk işimiz o akışı bir testle sabitlemek oluyor. Böylece sonra yapacağımız her temizlik adımında davranışın değişmediğinden emin olabiliyoruz. Prototipin “çalışan şartname” olmasının en somut faydası da burada ortaya çıkıyor: testin neyi doğrulaması gerektiği zaten belli.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0A7JIQJ12zGE9m60T_Ju-g.png" /></figure><h3>Engel olmadan, ekibi de yakmadan bir devir süreci</h3><p>Kontrol listesi teknik tarafı çözüyor. Asıl zor olan insan tarafı. Bir yanda araç sayesinde kendi ihtiyacını çözebilen ve bundan heyecan duyan ekip arkadaşları var. Öbür yanda zaten dolu bir backlog’la uğraşan, şimdi bir de gelen PR’ları incelemesi beklenen bir yazılım ekibi. Benim aklımdaki yaklaşım birkaç parçadan oluşuyor.</p><h3>PR’ın türünü baştan etiketleyin</h3><p>Her draft PR merge edilmek için açılmıyor. Bazıları “bunu görün, böyle bir şey istiyoruz” demek için açılıyor. Ben bunları prototip ve aday olarak iki gruba ayırmayı seviyorum. Prototip etiketli bir PR’ın hedefi tartışma; aday etiketli olanın hedefi sahiplik. Bu ayrım yapılmazsa her PR üretim kodu standardıyla incelenir ve ekip boğulur.</p><h3>PR şablonunu kod yazmayanlar için de yazın</h3><p>Mevcut PR şablonları genelde geliştiriciye göre hazırlanmış oluyor. Kod yazmayan biri için şu sorular daha anlamlı: Bu uygulama hangi problemi çözüyor? Kimler kullanacak? Hangi veriye bakıyor? Bitmiş hali nasıl görünüyor? Örnek veri ve kabul kriteri eklemek de bizim işimizi çok kolaylaştırıyor. <strong>Copilot Code</strong> zaten PR açıklaması oluşturabiliyor, ama ekibin şablonu bu açıklamanın neyi kapsaması gerektiğini belirlemeli.</p><h3>İlk incelemeyi zaman kutusuna koyun</h3><p>Gelen her PR’ı derinlemesine incelemek yerine, kısa ve sabit süreli bir ilk bakış yapmak bana daha sürdürülebilir geliyor. Bu bakışın tek amacı bir karara varmak: bu kodu devralacak mıyız, yoksa ihtiyacı alıp kendi tarafımızda yeniden mi yazacağız? Yeniden yazmak kötü bir sonuç değil. Prototip görevini yapmış, ihtiyacı netleştirmiş demektir.</p><h3>Sahipliği açıkça devredin</h3><p>Merge edilen kodun sahibi artık yazılım ekibi. Bunu açıkça söylemek önemli, çünkü aksi halde iki taraf da birbirinden bakım bekler. Devraldıktan sonra PR’ı açan arkadaşı süreçten çıkarmıyorum. O kişi artık o özelliğin en iyi kullanıcı test edicisi.</p><h3>Admin ayarlarını birlikte düşünün</h3><p>GitHub bağlantısının ve yerel oturumların admin tarafından açılıp kapatılabildiğini yukarıda anlattım. Genel bakış sayfasına göre yöneticiler <strong>Copilot Code</strong>’un yaptığı işlemleri, üretilen kod ve çalıştırılan komutlar dahil, denetleyebiliyor. Bu ayarlar IT’nin işi gibi görünse de yazılım ekibinin de söz sahibi olması gereken kararlar. Hangi repolara draft PR açılabileceği gibi kuralları baştan konuşmak, sonradan yaşanacak sürprizleri azaltır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xcHIRp4_0yd5qhN-2F1XRw.png" /></figure><h3>Bu bizim için ne anlama geliyor?</h3><p>Bence yazılım ekiplerinin işi azalmıyor, şekil değiştiriyor. Eskiden ihtiyacı anlamak için toplantılar yapar, mockup beklerdik. Artık ihtiyaç bize çoğu zaman çalışan bir şey olarak gelecek. Bizim katkımız da o şeyi güvenli ve bakımı yapılabilir bir ürüne çevirmek olacak.</p><p>Bu da inceleme becerisinin, kod yazma becerisi kadar önemli hale geldiği anlamına geliyor. Bir PR’a bakıp “bu ne istiyor” ile “bu nasıl yapılmış” sorularını ayrı ayrı cevaplayabilmek tech lead’lerin en değerli araçlarından biri olacak gibi görünüyor.</p><p>Bir de empati tarafı var. Kendi ihtiyacını çözmek için uğraşıp ürettiği şeyi ekibe getiren birine “bu kod kötü” demek yerine “bu ihtiyacı çok iyi anlatıyor, şimdi bunu birlikte sağlamlaştıralım” demek, bu tür katkıların devam etmesini sağlar. Bence bu, ekipteki kod yazmayan arkadaşlarımızın sesini duymanın en doğrudan yollarından biri olabilir.</p><p>Sen bu tarz PR’larla karşılaştın mı, ya da ekibinde nasıl bir süreç düşünüyorsun? Yorumlarda konuşalım.</p><h3>Kaynaklar</h3><ul><li><a href="https://learn.microsoft.com/en-us/copilot/code/overview">https://learn.microsoft.com/en-us/copilot/code/overview</a></li><li><a href="https://learn.microsoft.com/en-us/copilot/code/code-github">https://learn.microsoft.com/en-us/copilot/code/code-github</a></li><li><a href="https://mc.merill.net/message/MC1519871">https://mc.merill.net/message/MC1519871</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9c770664cd51" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>