Codex kullanım örnekleri derlemesi

• OpenAI, agentic kodlama aracı Codex'in gerçek iş akışlarında doğrudan uygulanabileceği 12 kullanım örneğini resmi dokümantasyonunda derleyip yayımladı; her örnekte önerilen ekip/kategori, başlangıç prompt'u ve kullanılabilecek Skills bilgileri yer alıyor
• İçerik 6 kategoriye ayrılıyor: Engineering, Front-end, Data, Integrations, Mobile, Evaluation

1. Pull Request'leri hızlıca incelemek (Integration / Automation)

• GitHub organizasyonuna veya deposuna Codex code review eklendiğinde tüm PR'ler için otomatik inceleme ayarlanabiliyor
  • Ya da PR yorumuna @codex review yazarak manuel istek gönderilebiliyor
• Başlangıç prompt'u: @codex review for security regressions, missing tests, and risky behavior changes
• Sorun bulunduğunda @codex fix it yorumuyla anında düzeltme için bulut görevi oluşturulup PR güncellenebiliyor
• AGENTS.md içine bir inceleme yönergesi bölümü eklenerek özelleştirme yapılabiliyor
  • Örnek: yazım/dilbilgisi hataları → P0, dokümantasyon eksikliği/test eksikliği → P1 gibi önceliklendirme
  • Dosya bazında en yakın AGENTS.md talimatı uygulandığı için, belirli paketler için alt dizinlere ayrı talimatlar konabiliyor
• Uygun olduğu ekipler: birleştirme onayı öncesinde ek inceleme sinyaline ihtiyaç duyan ekipler, üretimde çalışan büyük kod tabanları
• Kullanılabilecek Skill: Security Best Practices — secret, kimlik doğrulama ve bağımlılık değişiklikleri gibi riskli alanlara odaklı inceleme

2. Duyarlı front-end tasarımları oluşturmak (Front-end / Design)

• Ekran görüntüsü, tasarım brief'i ve referans görseller verildiğinde Codex, mevcut tasarım sistemi bileşenlerini ve token'larını yeniden kullanarak bunları duyarlı UI koduna dönüştürüyor
• Prompt'taki temel gereksinimler:
  • Mevcut bileşenlerin ve tasarım sisteminin yeniden kullanılması (yeni bir sistemi paralel kurmak yasak)
  • Boşluklar, yerleşim, hiyerarşi ve responsive davranışın ekran görüntüsüyle mümkün olduğunca eşleşmesi
  • Depodaki routing, durum yönetimi ve veri çekme kalıplarına uyulması
  • Belirsiz noktalar için en basit uygulamanın seçilip varsayımların açıkça belirtilmesi
• Playwright skill ile gerçek tarayıcı açılarak sonuç ekran görüntüsüyle karşılaştırılıyor ve yinelemeli düzeltmeler yapılıyor
  • Tarayıcı pencere boyutu değiştirilerek farklı breakpoint'lerde yerleşim doğrulanabiliyor
• Uygun olduğu durumlar: yeni bir front-end projesine başlamak, mevcut kod tabanında tasarlanmış ekranları hayata geçirmek
• Daha iyi sonuç için masaüstü/mobil yerleşimler, hover/seçili durumlar, boş ekran ve yükleniyor ekranı gibi çeşitli durumlara ait referanslar verilmesi öneriliyor

Kalan kullanım örneklerinin detay sayfalarını getireceğim. Gezinti bölümü çok uzun olduğu için gövde metni kesiliyor. Bu yüzden yalnızca gövdeyi çıkarmak için view_range yaklaşımına geçeceğim. bash ile curl + grep yöntemiyle sadece ana içeriği almaya çalışıyorum. Sayfa JS ile render edildiği için curl ile ana içerik getirilemiyor. Her sayfa web_fetch aracıyla alınarak, gezintiden sonraki asıl içerik çıkarılıyor. Gövdenin bir kısmı görünüyor. Şimdi kalan sayfalar paralel olarak alınıyor. Ardından alınan api-integration-migrations sayfası da kontrol ediliyor. Tüm kullanım örneklerinin detayları toplandı. Şimdi kalan 10 kullanım örneği, öne çıkarılan 1 ve 2. örneklerle aynı formatta düzenleniyor.

3. Büyük bir kod tabanını anlamak (Engineering / Analysis)

Zorluk: Easy | Süre: 5 dakika

• Yabancı bir depoya girildiğinde başlangıç noktası olarak Codex'ten tüm kod tabanını açıklaması isteniyor
• Belirli bir sistem alanına katkı verilecekse kapsam daraltıldıkça daha somut açıklamalar elde ediliyor
• Başlangıç prompt'u: Explain how the request flows through <name of the system area> in the codebase. Include: which modules own what / where data is validated / the top gotchas to watch for before making changes. End with the files I should read next.
• Uygun olduğu ekipler: yeni bir depoya onboarding sürecindeki mühendisler, özellik değişikliği öncesi mevcut davranışı anlaması gereken geliştiriciler

4. Zor problemleri yinelemeli çözmek (Engineering / Analysis)

Zorluk: Advanced | Süre: Long-running

• Değerlendirme betiği (eval) sağlandığında Codex, puan temelli bir iyileştirme döngüsünü otomatik olarak çalıştırabiliyor
• Başlangıç prompt'unun temel yapısı:
  • AGENTS.md okunur → mevcut çıktıyı puanlayan betik/komut aranır
  • Her seferinde tek bir iyileştirme uygulanır → eval komutu yeniden çalıştırılır → puan ve değişiklikler kayda geçirilir
  • Görsel çıktı varsa view_image ile doğrudan incelenir
  • Toplam puan ve LLM ortalama puanı %90'ın üzerine çıkana kadar döngü sürdürülür
• Kısıtlar: ilk kabul edilebilir sonuçta durulmamalı / yeni sonuç açıkça daha kötü değilse önceki sürüme geri dönülmemeli
• Uygun olduğu durumlar: her turda puanlanabilen problemler, hem deterministik kontrol hem de LLM-as-a-judge puanı gerektiren görsel ya da öznel çıktılar, ilerleme takibi gereken uzun oturumlar

5. Tarayıcı tabanlı oyun yapmak (Engineering / Code)

Zorluk: Intermediate | Süre: Long-running

• Oyun brief'inden sonra önce PLAN.md içinde somut bir plan hazırlanıyor, ardından asıl oyun geliştiriliyor
• Kullanılabilecek Skills:
  • Playwright: canlı tarayıcıda oyunu oynama, mevcut durumu inceleme, kontrol/zamanlama/UI hissini tekrar tekrar düzeltme
  • ImageGen: konsept art, sprite, arka plan ve UI varlıkları üretme; daha sonra toplu üretim için prompt'ları yeniden kullanılabilir şekilde saklama
  • OpenAI Docs: oyuna OpenAI özellikleri eklemeden önce en güncel resmi rehberlere bakma
• Başlangıç prompt'u: Use $playwright-interactive, $imagegen, and $openai-docs to plan and build a browser game in this repo. Implement PLAN.md, and log your work under .logs/
• Uygun olduğu durumlar: sıfırdan tarayıcı oyunu geliştirmek, kontrol, görseller ve dağıtım öncesi testler üzerinde yinelemeli çalışma gereken oyun projeleri

6. Veri kümesi analizi ve rapor üretimi (Data / Analysis)

Zorluk: Intermediate | Süre: 1 saat

• Dağınık veri dosyaları temizlenip birleştiriliyor, keşifsel analiz ve modelleme yapılıyor, ardından sonuçlar yeniden kullanılabilir artifact'ler olarak paketleniyor
• Başlangıç prompt'undaki gereksinimler: AGENTS.md okunur → veri kümesi yüklenir → dosya içeriği, join anahtarları ve veri kalitesi sorunları açıklanır → import'tan görselleştirme, modelleme ve rapor çıktısına kadar yeniden üretilebilir bir iş akışı önerilir
• Kısıtlar: tek seferlik notebook durumu yerine script'ler ve kaydedilmiş artifact'ler tercih edilmeli / eksik değerler veya birleştirme anahtarları uydurulmamalı
• Kullanılabilecek Skills: Spreadsheet (CSV, TSV, Excel inceleme), Jupyter Notebook (keşifsel analiz), Doc (.docx rapor), Pdf (nihai artifact'i PDF olarak render etme)
• Uygun olduğu durumlar: dağınık dosyalardan başlayıp grafik, not, dashboard veya raporla biten analiz işleri; yeniden üretilebilir script'lere ihtiyaç duyan ekipler

7. Slayt destelerini otomatik üretmek (Data / Automation)

Zorluk: Easy | Süre: 30 dakika

• pptx dosyaları doğrudan kodla düzenleniyor ve görsel üretimiyle birleştirilerek slayt bazında tekrarlanabilir yerleşim kuralları uygulanıyor
• Kullanılabilecek Skills:
  • Slides: PptxGenJS ile .pptx deste üretme/düzenleme; taşma, çakışma ve font denetimi için render ve doğrulama betikleri içeriyor
  • ImageGen: illüstrasyon, kapak görseli, diyagram ve slayt görselleri üretme; yeniden kullanılabilir görsel yönünü koruma
• Başlangıç prompt'unun özü: her slaydın sağ altına logo.png ekle / belirli slaytlarda metni sola kaydır + sağa görsel üret / mevcut branding'i koru / teslimden önce taşma ve font değiştirme kontrollerini çalıştır
• Uygun olduğu ekipler: notları veya yapılandırılmış girdileri tekrarlanabilir slaytlara dönüştüren ekipler; ekran görüntüsü, PDF veya referans sunumlardan deste yeniden kuranlar

8. Slack'ten kodlama görevi başlatmak (Integrations / Automation)

Zorluk: Easy | Süre: 5 dakika

• Slack uygulamasını kurma → depo ve ortamı bağlama → kanala @Codex ekleme şeklinde 3 adımlı kurulum
• Thread içinde @Codex mention edildiğinde istek, kısıtlar ve istenen çıktı ile görev başlatılabiliyor
• Başlangıç prompt'u: @Codex analyze the issue mentioned in this thread and implement a fix in <name of your environment>
• Çalışma bağlantısı açılıp sonuç incelendikten sonra ek düzeltmeler gerekiyorsa Slack üzerinden takip yapılabiliyor
• İpucu: thread içinde yeterli bağlam veya düzeltme önerisi yoksa bunları doğrudan prompt'a eklemek gerekiyor
• Uygun olduğu durumlar: Slack thread'lerinden başlayan asenkron devirler, bağlam değiştirmeden issue triage, bug düzeltme ve kapsamı sınırlı geliştirme yapmak isteyen ekipler

9. ChatGPT uygulaması geliştirmek (Integrations / Code)

Zorluk: Advanced | Süre: 1 saat

• Tüm ChatGPT uygulamaları MCP sunucusu (tool tanımları) + isteğe bağlı React widget'ı + ChatGPT bağlantısı olmak üzere 3 parçadan oluşuyor
• Kullanılabilecek Skills:
  • ChatGPT Apps: tool planlama, MCP kaynaklarını bağlama, build akışını yönlendirme
  • OpenAI Docs: kod yazmadan önce en güncel Apps SDK rehberlerine bakma
  • Vercel: Vercel ekosistemi rehberleri ve resmi Vercel MCP sunucusundan yararlanma
• Başlangıç prompt'undaki gereksinimler: tek bir temel kullanıcı sonucunu seç → açık isim, açıklama ve giriş/çıkışlara sahip 3-5 araç öner → v1 için widget gerekip gerekmediğine karar ver → MCP sunucusunda TypeScript, widget'ta React tercih et → kimlik doğrulama, dağıtım ve test gereksinimlerini belirt
• Çıktı: tool planı / önerilen dosya ağacı / golden prompt seti / riskler ve açık sorular
• Uygun olduğu durumlar: ilk ChatGPT uygulaması planlama, MCP sunucusu iskeleti kurma, yerel HTTPS testinden ChatGPT geliştirici modu doğrulamasına kadar sıkı bir iterasyon döngüsü çalıştırma

10. iOS ve macOS uygulamaları geliştirmek (Mobile / Code)

Zorluk: Advanced | Süre: 1 saat

• SwiftUI proje iskeletinden build ve debug aşamasına kadar CLI öncelikli (xcodebuild veya Tuist) bir akış izleniyor
• Mevcut bir Xcode projesi varsa XcodeBuildMCP ile target listeleme, scheme seçme, build, çalıştırma ve ekran görüntüsü alma döngüsel şekilde yürütülebiliyor
• Kullanılabilecek Skill: Build iOS Apps — SwiftUI arayüzleri oluşturma ve refactor etme, Liquid Glass gibi en yeni iOS kalıplarını uygulama, simülatör çalışma zamanı performansını denetleme ve debug etme
• Başlangıç prompt'undaki kısıtlar: CLI önceliğini koru / mevcut model, navigation pattern ve paylaşılan yardımcıları yeniden kullan / kapsam açıkça daraltılmadıkça iOS ve macOS uyumluluğunu koru / her değişiklikte küçük bir doğrulama döngüsü çalıştır
• Çıktı: uygulama iskeleti veya istenen özellik dilimi / build ve çalıştırma script'leri / uygulanan minimum doğrulama adımları / kullanılan scheme, simülatör ve kontrol listesi
• Uygun olduğu durumlar: Codex'in sıfırdan iskelet kurduğu greenfield SwiftUI uygulamaları, scheme, simülatör çıktıları, ekran görüntüleri ve UI otomasyonu gereken mevcut Apple platformu projeleri

11. Figma tasarımlarını koda dönüştürmek (Front-end / Design)

Zorluk: Intermediate | Süre: 1 saat

• Figma MCP sunucusu üzerinden yapılandırılmış tasarım bağlamı, değişkenler, asset'ler ve doğru varyantlar alınarak bunlar depo içindeki tasarım sistemine uygun koda dönüştürülüyor
• Kullanılabilecek Skills:
  • Figma: uygulamaya başlamadan önce get_design_context → get_screenshot sırasıyla tasarım bağlamı ve ekran görüntüsü alma / Code Connect eşlemesiyle yayımlanmış bileşenleri kaynak dosyalarla bağlama / tekrar kullanılabilir Figma-to-code işleri için proje bazlı tasarım sistemi kuralları üretme
  • Playwright: gerçek tarayıcıda responsive davranışı kontrol etme ve sonucu doğrulama, Figma referansıyla karşılaştırıp yinelemeli düzeltmeler yapma
• Başlangıç prompt'unun temel akışı:
  1. get_design_context ile tam node/frame bağlamını al
  2. Yanıt kesilirse get_metadata ile dosya yapısını eşle ve yalnız gereken node'ları yeniden al
  3. get_screenshot ile uygulanacak varyantın tam ekran görüntüsünü al
  4. Asset'leri indirip uygulamaya başla — mevcut bileşenleri ve tasarım token'larını yeniden kullan, ayrı bir sistem oluşturma
  5. Figma localhost görselleri veya SVG kaynağı döndürüyorsa aynen kullan, placeholder ya da yeni ikon paketi ekleme
  6. Playwright ile tarayıcıda UI'ı doğrula ve görsel/etkileşim farklarını yinelemeli şekilde düzelt
• Figma dosyası için ön hazırlık önerileri:
  • Renk, tipografi ve spacing için variables veya tasarım token'ları kullan
  • Tekrarlanan UI öğelerini bileşenleştir, detached layer tekrarından kaçın
  • Manuel konumlandırma yerine mümkün olduğunca auto layout kullan
  • Frame ve layer adlarını ekran, durum ve varyantları net ayıracak şekilde düzenle
  • Gerçek ikon ve görselleri dosyanın içinde tut
• Figma MCP çıktısı (React + Tailwind biçiminde) yapısal referans olarak değerlendirilmeli; nihai kod stili ise projenin gerçek utility'leri, bileşen wrapper'ları, renk sistemi, tipografi ölçeği, spacing token'ları, routing, state management ve data fetching kalıplarına çevrilmeli
• Uygun olduğu durumlar: Figma'da tasarımı tamamlanmış ekran veya akışların mevcut kod tabanına uygulanması, ekiplerin Codex'in yapılandırılmış tasarım bağlamıyla çalışmasını istemesi

12. API entegrasyonu yükseltmeleri (Evaluation / Code)

Zorluk: Intermediate | Süre: 1 saat

• Mevcut OpenAI API entegrasyonu en güncel önerilen model ve API özelliklerine yükseltilirken, regresyon doğrulaması da birlikte yapılıyor
• Kullanılabilecek Skill: OpenAI Docs — kod değişikliklerinden önce en güncel model, migration ve API rehberlerine bakma
• Başlangıç prompt'undaki gereksinimler:
  • Depodaki mevcut model, endpoint ve tool varsayımlarının envanterini çıkar
  • En güncel desteklenen yola geçmek için en küçük migration planını oluştur
  • Yeni API veya modelin zorunlu kılmadığı sürece mevcut davranışı koru
  • Prompt'ları en güncel model prompt rehberine göre güncelle
  • Manuel inceleme gerektiren prompt, tool ve yanıt biçimi değişikliklerini belirt
• Uygun olduğu ekipler: eski model veya API arayüzlerinden yükseltme yapan ekipler, açık doğrulamayla davranış koruyan migration ihtiyacı olanlar

[j2sus91]

Resmî kullanım örnekleri diye umutlanmıştım
ama klişe içerikten başka bir şey yok.