LLM ile Nasıl Programlanır

• Son 1 yılda LLM'leri (büyük dil modelleri) kullanarak programlama deneyimini özetleyen bir yazı
• LLM'ler üretkenliği artırdı; bunları kullanmadan programlamaya geri dönmek zor
• Ağırlıklı olarak Go programlama ortamına odaklanarak sketch.dev adlı bir araç geliştiriliyor

Arka plan

• Yeni teknolojilere duyulan merakla başladı.
• LLM'lerin sorulara karmaşık yanıtlar üretebilmesi veya programlama kodu yazabilmesi büyüleyici bulundu
• İnternetin ilk ortaya çıktığı zamandaki heyecan ve olasılıklara benzer bir his verdi
• Aracın “çoğunlukla doğru” kod ürettiğinde sağladığı net fayda görüldü ve bunun pratikte kullanılmasına çalışıldı

Başlıca kullanım alanları

1. Otomatik tamamlama (Autocomplete)

   • Sık tekrar eden kodlama işleri otomatik tamamlama ile halledilerek üretkenlik artırılıyor
   • Özellikle FIM (Fill-In-the-Middle) modelleri günlük işlerde vazgeçilmez

2. Aramanın yerine geçme (Search)

   • Belirli programlama sorularına (ör. CSS'te düğme saydamlığı ayarlama) arama motorlarından daha doğru yanıt verebiliyor
   • LLM yanıtları hatalı olabilir, ancak bu sınırlamalar kabul edilerek kullanılıyor

3. Sohbet odaklı programlama (Chat-driven Programming)

   • En zor ama en değerli alan.
   • Yeni dosya oluşturma, kütüphane arama gibi ilk işleri üstleniyor.
   • Sohbet tabanlı programlamanın amacı mevcut rahatsızlıkları azaltmak ve LLM yeteneklerini daha kullanıcı dostu hale getirmek

Sohbet tabanlı programlamanın özü

• Neden sohbet kullanılır?

  • Gün ilerledikçe enerji düştüğünde ilk taslağı sunmak için yararlı
  • İlk taslağı görüp düzeltmek, sıfırdan yazmaktan daha verimli

• LLM ile çalışma biçimi

  1. Açık ve kısa bir görev hedefi belirleme
  2. Kodu okuyup doğrulama ve düzeltme
  3. Problemleri hızlı çözmek için derleyici hatalarını kullanma

• Etkili test yazımı

  • LLM'ler test yazma konusunda hevesli ve daha kapsamlı bir test ortamı kurabiliyor
  • Örnek tabanlı testlerin yanında fuzz test'e de genişletilebiliyor

Örnek: kesir örnekleyici

• Hedef: Go dilinde bir veri akışının çeyrekliklerini örnekleyen bir algoritma yazmak
• Süreç
  1. LLM ile ilk taslağı yazma
  2. Derleme hatalarını düzelterek kodu iyileştirme
  3. Test kodunu yeniden yazarak daha okunabilir bir yapı oluşturma

Yeni kod yapısının olasılıkları

• Daha küçük paketler, daha fazla test

  • Küçük paketler kod bağlamını daha net sunduğu için hem LLM'ler hem insanlar için daha yararlı
  • Bağımsız test ve derlenebilirlik olasılığını artırıyor

• Örnek: API wrapper'ı

  • Büyük resmi kütüphaneler yerine yalnızca gereken kısmı uygulayan ince bir wrapper kullanılması öneriliyor
  • Bakım ve öğrenme maliyetini azaltıyor

Gelecek yönü: sketch.dev

• LLM'ler için Go IDE'si
  • LLM merkezli bir programlama ortamı sunuyor
  • Otomatik test geri bildirimi, derleyici hatası düzeltme, Go modülü entegrasyonu gibi özellikleri destekliyor
  • İnsan ile LLM arasındaki iş birliğini güçlendirerek daha üretken bir ortam sunuyor

[GN⁺]

Hacker News görüşleri

• Yazar zaten dünya çapında bir yazılım mühendisi; Google'ın eski çalışanı ve Tailscale'in kurucu ortağı/CTO'su. LLM'lerin onu daha üretken hale getirmesi etkileyici.

  • LLM'ler yeni fikirlerin ilk taslağını hazırlarken faydalı.
  • Eskiden uygulamaları veritabanından alıyordu, şimdi ise LLM'ler bunları gerçek zamanlı üretiyor.

• LLM'ler bir işe başlamak için gereken enerjiyi azaltıyor.

  • Yeni bir şeyi denemenin önündeki engeli düşürüyor.
  • İnsan düzeyinde derinlikleri yok ama geniş bir bilgi yelpazesine sahipler.
  • Farklı türlerde programlama yapan kişiler için faydalı.

• LLM'leri kullanırken yalnızca iyi bildiğiniz alanlarda kullanmanız gerekir.

  • Ancak yanlış kısımları kolayca tespit edebildiğiniz durumlarda zaman kazandırabilir.
  • Aramaya yardımcı olur.

• LLM'lerin yazılım geliştirme aracı olarak potansiyeli var.

  • sketch.dev ilk denemede temiz örnekler sunuyor.
  • Dillerin resmî dokümantasyonuna göre eğitilmiş LLM'lere ihtiyaç var.
  • LLM'lerin insanlaştırılması rahatsız edici.

• Arama motoru kullanmaya benziyor.

  • Uygun anahtar kelimeleri kullanmak önemli.

• LLM kullanma konusunda bir istek duymadığını hissediyor.

  • Doğrudan kod yazma sürecinden keyif alıyor.
  • LLM'ler maliyeti artırabilir.

• Programcı olmayan kişiler için LLM'ler çok yardımcı.

  • Kod yazma süresini büyük ölçüde kısaltıyor.
  • Kişisel projelerde faydalı.

• Basit uygulamalar yazmada LLM'ler faydalı.

  • Minimum uygulanabilir ürünü tarif ederseniz kod üretebilir.
  • Teknik borç hızla birikebilir.

• Hobi olarak programlama yapan kişiler için LLM'ler yardımcı oluyor.

  • Proje yapısını kurmaya ve kod üretimine yardımcı oluyor.
  • Ancak belirsiz talimatlar nedeniyle sorunlar çıkabilir.

• LLM'ler çoğunlukla otomatik tamamlama ve arama için kullanılıyor.

  • ChatGPT mevcut kodu optimize etmede faydalı.