Konuşarak Öğreten Bir Dil Koçu Kodlamak: 6 Adımda Canlı Sesli Uygulama

Tokyo'ya inen bir yolcu, otel resepsiyonunda tek cümle Japonca kuramadan donakalıyor; Peter bu sahneyi açılışta kuruyor ve sesin yakında bilgisayarlarla ana iletişim biçimi olacağını söylüyor. Bu iddiayı kanıtlamak için Tabi adında bir dil koçu kodluyor: Japonca seyahat ifadelerini canlı konuşmayla öğreten, 10 ders ve her derste 10 ifade barındıran bir web uygulaması. Koçun adı Yuki ; önce ifadeleri öğretiyor, sonra sokak kurgularında rol yaparak pratik yaptırıyor. Peter tüm süreci yaklaşık üç saatte tamamlıyor ve iki saatini yalnızca deneme-yanılmaya ayırıyor. Bu teknik çerçeve Google dokümanlarında doğrulanmıştır ve canlı ses api'leri için önerilen tasarım ilkelerini birebir yansıtır.

Tanıtım turunda Peter ders ekranını açıyor ve Yuki ile canlı bir görüşme başlatıyor. Koç önce günaydın gibi kalıp bir selamı öğretiyor, hece hece tekrarlatıyor, ardından Tokyo sokaklarında geçen bir kurguya dalıyor: otel görevlisi selam veriyor, kaldırımda biri yolu kapatıyor ve öğrenciden özür dilemesi bekleniyor. Her ders bu iki aşamalı yapıyı izliyor; önce 10 ifade tek tek öğretiliyor, sonra aynı 10 ifade doğaçlama bir sohbette yeniden kullanılıyor. Ders yolculuğu ekranında 10 ders kartı diziliyor ve her kartın üstünde sahneye özel sevimli bir diorama görseli duruyor. Peter aynı kurgunun İtalyanca, İspanyolca ya da Çince için de kurulabileceğini söylüyor; değişen yalnız ders dosyası, ana kod aynı kalıyor.

Önce fikir, sonra kod: problem turu

İlk adımda Peter kod editörünü hiç açmıyor; önce bir sohbet penceresinde prompt ile fikir turu yapıyor. prompt üç şeyi bir arada veriyor: Japonya gezisi için 100 işlek ifade, 10 derslik yapı ve daha önce kodladığı Tastemaker uygulamasının görünümü. Tarz referansı olarak eski projesini göstermesi, zevkini sıfırdan anlatmaktan kurtarıyor. prompt ayrıca kullanılacak sesli konuşma api'lerini ve görsel üretim aracını adlandırıyor. İyi prompt burada uzun değil, net olandır; ne istediğini, ne istemediğini ve sırada ne olduğunu söyler. En kritik cümle ise sonda: henüz kod yazma, önce araştırma yap ve bana üç soru sor. Bu fren, aracın körlemesine iskelet üretmesini engelliyor ve kararı Peter'da tutuyor.

Sohbet aracı araştırmasını bitirince üç netleştirme sorusu soruyor. İlk soru canlı görüşmenin hissine dair: Peter önce koçluk sonra rol yapma diye yanıtlıyor. İkinci soru ifade kutularının yazımına dair: Japonca, okunuş ve İngilizce üçlüsü seçiliyor. Üçüncü soru kimlerin kullanacağına dair: sesli konuşma api'leri ücretli olduğu için Peter uygulamayı herkese açmıyor, yalnızca kendisi ve birkaç arkadaşı için kodluyor. TokenMix ölçümlerine göre bu tercih bütçe açısından yerindedir, çünkü dakikada 0.018 $ gibi düşük birim bedel bile binlerce saatte ciddi tutara ulaşır. Fiyat gerçeği kişisel uygulama fikrini güçlendiriyor: küçük kitle, düşük fatura, tam denetim.

İkinci adımda Peter kendi spec skill dosyasını çalıştırıyor ve hem ürün gereksinim belgesini hem de iki üç temsilci ekran tasarımını üretiyor. Tasarımcı çalıştırmadığı için skill, yolculuk ekranı ve ders ekranı gibi kilit sahneleri doğrudan çiziyor, çağrılacak api'leri listeliyor ve telefon görünümünün yanına masaüstü düzenini de ekliyor. Çıktıyı inceledikten sonra human-review adlı açık kaynak skill ile belgeyi açıyor: metni yerinde düzenliyor, tasarım kutularına yorum bırakıyor ve aracın düzeltmesini istiyor. Bu belge içi döngü, karar defterini sohbet penceresinden çıkarıp düzenlenebilir bir dosyaya taşıyor. Spec skill ücretli bir portaldan, human-review ise açık kaynak bir depodan geliyor; Peter ikisinin de bağlantısını paylaşıyor.

İlk sürüm ve güvenlik: anahtar sohbete girmez

Üçüncü adımda Peter Google'ın etmenli kodlama ortamı Antigravity 'ye geçiyor, çünkü spec belgesine bakıp tüm uygulamayı tek seferde kurabiliyor. En öğretici sahne api anahtarı etrafında dönüyor: Peter anahtarı Google AI Studio'da üretip yerel bir not defterine kopyalıyor, sonra araçtan .env dosyasını açmasını isteyip anahtarı doğrudan oraya yapıştırıyor. Anahtar asla sohbet penceresine yapıştırılmıyor; sızma riskine karşı bu kural büyük değer taşıyor. Antigravity ortamı Google api'lerini en yakından tanıyan araç olarak bu kurulumu sorunsuz tamamlıyor ve ilk sürüm tek hamlede ayağa kalkıyor. Peter videoda görünen anahtarı hemen siliyor.

Dördüncü adım en uzun sürüyor; yaklaşık yarım saatlik deneme turunda Peter tarayıcıda test eden bir kodlama aracına geçiyor. İlk arıza mikrofon ayarında: uygulama dizüstü mikrofonu dinliyor, Peter'ın harici mikrofonunu görmüyor ve araç ayarı düzeltiyor. Sonra sıra ders akışına geliyor: ileti kutuları tek tek açılmak yerine hepsi birden görünüyor, api yanıt hızı düşük kalıyor; araç kodu yamayıp yeniden sınıyor. En keyifli düzeltme görsellerde: uygulama dandik hazır resimler kullanıyor, Peter Nano Banana ile diorama tarzı sahneler üretiyor ve 10 derse aynı üslubu uyguluyor. DeepMind sayfalarında anlatılan en yeni görsel üretim sürümü bu tarz sahnelerde tutarlı sonuç veriyor. Yuki'nin profil resmi bile pirinç topundan kız çocuğu portresine evriliyor.

Beşinci adımda Peter derslerin içeriğine dönüyor ve ayrı bir içerik başlığı açıyor. Araç önce günlük ifadelerden eczane ve acil durumlara uzanan bir ders iskeleti öneriyor; Peter 6. ve 7. dersleri birleştiriyor ve finalin tatsız bir kapanışla bitmesine itiraz edip sıralamayı karıştırıyor. Sonra prompt penceresine kritik soruyu yazıyor: konuşmak için okumak şart mı? Araç şart değil deyince müfredat okuma öğretmeden ilerliyor. Tüm dersler tek bir markdown ders dosyasında toplanıyor; her derste koç metni ve öğretilecek ifadeler yazıyor. Peter ayrımı net koyuyor: özensiz vibe kodlama çıktısıyla nitelikli ürün arasındaki fark, içeriğe gösterilen özen ve arkadaşlarla yapılan denemelerdir.

Yayın ve genel tablo: Vercel'de beş dakika

6. adımda Peter uygulamayı Vercel 'e yolluyor; Google AI Studio'nun barındırma seçeneğini anıp kendi projelerinin durduğu Vercel'i seçiyor. Bağlantı önceden kurulu olduğu için prompt tek cümle kuruyor: uygulamayı Vercel'e yayımla. Yayın yaklaşık beş dakika sürüyor; araç bu arada eskimiş bir kütüphane sürümünü kendi kendine onarıyor ve düşünce sürecini ekrana yazıyor. Canlı bağlantı açılınca sürpriz bir incelik görünüyor: uygulama girişe bir giriş kodu koymuş, çünkü her sesli api çağrısı küçük bir bedel yazıyor. Peter bu kodu istemediğini ama bedel mantığını doğru bulduğunu söylüyor; üye girişi, yeni dersler ya da farklı diller sonra eklenebilir.

Teknik arka plan bu kurguyu destekliyor: canlı ses api'leri 20-40 milisaniyelik parçalarla çalışıyor, saniyede yaklaşık 25 jeton üretiyor ve sıkıştırma açılmadan sesli oturumlar 15 dakikayla sınırlı kalıyor. CreativeGenius ölçümünde 90 günde 12.400 gerçek arama test edilmiş; p95 gecikmesi 800 milisaniyeyi aşmayan yığınlar insansı bulunuyor ve dakikada 0.09-0.22 $ bandı tipik bedel olarak ölçülüyor. TokenMix tarafı da tabloyu tamamlıyor: üç büyük sesli servis 300-500 milisaniye bandında buluşuyor. Speak pazarı ise hazır seçeneklerin olgunlaştığını gösteriyor; uzman müfredat ve yapay zekâ ile kişiselleştirme artık standart. Peter'ın altı adımı net: fikir turu, spec ve tasarım, ilk sürüm, uygulama denemeleri, içerik çalışması ve yayın. Ders basit: ilk sürüm hızlı kurulur, nitelik deneme turlarında kazanılır.