500 Saat AI ile Programlama: İyi Sonucu Kötüden Ayıran Alışkanlıklar

Baştan söyleyeyim, videonun iddiası kulağa basit geliyor: AI yardımıyla beş yüz saatten fazla kod yazan The Coding Sloth adlı geliştirici, sonuçların kullanıcıdan kullanıcıya neden bu kadar değiştiğini çözdüğünü öne sürüyor. Kimi programcı bu asistanlara çöp derken kimi harika buluyor; ona göre fark nadiren modelde, neredeyse her zaman kullanıcıda. Belirleyici olan, isteği ne kadar net ilettiğin ve mühendislik alışkanlıklarının ne kadar sağlam olduğu.

İlk tavsiye bilerek kışkırtıcı: makineye yaslanmadan önce programlamayı öğren. Bu bakışa göre yapay zeka, bilginin yerine geçen değil bilgiyi çarpan bir araç. Ürettiği kodu okuyamayan biri onu değerlendiremez, hatasını ayıklayamaz, özgüvenli saçmalıkla doğru çözümü ayırt edemez. Kabaca formül şu: düşünmeyi dışarıya vermek, ancak ortada verilecek bir düşünme varsa işe yarar.

İkinci tavsiye bunun doğal uzantısı: insanlık haliyle olabildiğince net ol. Hayal kırıklığı yaratan çıktıların çoğu, tanımsız isteklere dayanıyor; video, iletişim becerileriyle ünlü olmayan programcıların artık bu becerilere her zamankinden çok ihtiyacı olduğunu savunuyor. Cevabın kalitesi verilen bağlamın kalitesini izliyor, bu yüzden işi eksik tarif etmek neredeyse garantili şekilde sıradan ya da bozuk sonuç doğuruyor.

Tezini kanıtlamak için küçük ve kontrollü bir deney yapıyor: JetBrains kod asistanı Junie aracına, artan ayrıntıyla üç kez bir Google Docs klonu yazdırıyor. Birinci seviye üç kelimelik bir dayatma; yığın yok, tasarım yok, kısıt yok. İkinci seviye günlük dille ürün tarifi ekliyor ama teknik kalmıyor. Üçüncü seviye gerçek bir iş emri gibi okunuyor: kesin teknoloji yığını, uçbirim komutları, başvuru dokümanları, istenen görünümün ekran görüntüleri ve asistanın danışabileceği bağlantılar.

Sonuçlar keskin biçimde ayrışıyor. Çıplak istek kullanılabilir hiçbir şey üretmiyor, ama Junie burada övgü alıyor çünkü tahmin yürütmek yerine durup açıklama istiyor ve çöp üretmiyor. Orta seviye istek iskeleti kuruyor; istenen özelliklerin çoğu var ama ilk haliyle bozuk geliyor, hata ve stylesiz ekranla birlikte elle onarım gerektiriyor. Ayrıntılı istek ilk denemede çalışıyor; özellikler yerinde, kod gözle görülür şekilde temiz, çünkü mimari kararların neredeyse tamamını insan önceden vermiş.

Ana deneyin yanında iki destek taktiği var. Birincisi, arama ile yapay zekayı rakip görmeyi bırakmak: dokümantasyonu kendin bulup asistana vermek, çünkü güncel asistanlar internete çıkabiliyor ve birçok proje artık llms.txt biçiminde makineye uygun doküman yayınlıyor. İkincisi, tembeller için gerçek kaldıraçlı bir kestirme: teknik olarak eksiksiz ama dağınık isteği yazıp sonra modelin kendisinden bu isteği iyi istem yazım kurallarıyla yeniden yazmasını istemek.

Sonraki ilke videonun en eski öğüdü: büyük işleri küçüklere böl. Asistanlar dar kapsamlı işlerde parlıyor, yayılan işlerde tökezliyor; bu da dil modellerinden çok önceki klasik mühendislik öğüdünün aynısı. Çözümü planlamak, parçalara ayırmak ve yazmayı asistana bırakmak insanı düşünen koltukta tutuyor. Kural tek cümlelik: yazmayı ver, düşünmeyi asla.

Özslu çıktıyı azaltmak ayrı bir kalıp hak ediyor; üç bölümlü istek formu: işin olabildiğince somut tarifi, dosya ve doküman ve görsellerle birlikte arka plan malzemesi, bir de dokunulmayacakları listeleyen yapma bölümü. Tanıtım, Docs tarzı bir yorum özelliğini tam bu formla ekliyor ve dakikalar içinde sonuç alıyor. Demek ki asistanı sınırlamak, ona ne yapacağını söylemek kadar önemli.

Hafıza dosyaları ile araç bütünleşmesi birbirini tamamlıyor: depoda duran bir markdown belgesi projenin ne olduğunu, hangi yığını kullandığını ve hangi komutların önemli olduğunu kaydediyor; asistan her oturumda bunu okuyor, temelleri her seferinde yeniden keşfetmek zorunda kalmıyor. MCP adlı açık protokol de dış yetenekleri asistana takıyor; internet işleri için güncel belge çeken bir alıcı, derleme hatalarını gösteren bir çatı bütünleşmesi ve konsol verisini öne çıkaran bir tarayıcı köprüsü sayılıyor. Öğüt, bu listeyi kopyalamak değil kendi yığınına uyan birleşimi kurmak; popüler yığınlara hazır şablonlar başlangıcı ucuzlatıyor.

Son çalışma kuralı doğrulama: asistanın yalnızca kod yazmasına asla izin verme, ona kodun çalıştığını kanıtlayacak bir yol daima ver. Testler, uygulamayı tarayıcıda çalıştırmak, komut satırı denetimleri, bütünleşme hatları; yanlışlanabilir her şey sayılır, denetimleri asistanın kendisi taslaklayabilir ama gerçekten geçtiklerini insan onaylar. Tasarım işleri doğal şekilde az önce anılan tarayıcı araçlarıyla eşleşiyor.

Kapanış her ipliği birleştiriyor: asistanlar zaten sahip olduğun alışkanlıkları yükseltiyor. Dikkatli tarif yazan, problemi parçalayan, projesini belgeleyen ve kodunu test eden geliştirici bu erdemleri katlanmış şekilde geri alıyor. Test atlayan ve uç durumları umursamayan da kusurlarını katlanmış şekilde geri alıyor; bu yüzden video bir ürün tanıtımından çok hazırlıklı olma çağrısı gibi bitiyor.