Thoughtworks Technology Radar, Cilt 32 yayımlandı

 (thoughtworks.com)
19 puan yazan xguru 2025-04-04 | 1 yorum | WhatsApp'ta paylaş
  • Teknikler/araçlar/platformlar/geliştirme dilleri ve framework’ler alanındaki en güncel eğilimleri Hold/Assess/Trial/Adopt olmak üzere 4 aşamada görselleştirir ve açıklar
  • İlgi çekici teknoloji öğelerini (blip) takip eder. Blip’ler zaman içinde bu 4 aşama arasında hareket eder
    • Adopt (benimsenmesi önerilir) : Sektör genelinde aktif olarak benimsenmesi gerektiği düşünülür. Uygun durumlarda projelerde gerçekten kullanılır
    • Trial (deneyerek uygulama) : Deneysel olarak kullanmaya değerdir. İlgili yetkinliğin nasıl oluşturulacağını anlamak önemlidir. Riski tolere edebilen projelerde kullanılabilir
    • Assess (değerlendirme gerekli) : Teknolojiyi keşfetmeye değerdir. Amaç, bu teknolojinin kurumu nasıl etkileyebileceğini anlamaktır
    • Hold (erteleme önerilir) : Temkinli yaklaşılmalıdır

Bu sayının 4 teması

  • Kodlama asistanlarında gözetimli ajan kullanımı

    • Üretken yapay zekadaki hızlı ilerlemelerin bir sonucu da IDE içindeki konuşmalı kodlama ajanlarının büyümesi oldu
    • “agentic”, “prompt-to-code”, “CHOP(chat-oriented programming)” olarak adlandırılan yaklaşımlar yaygınlaşıyor
      • Yapay zeka artık yalnızca kod parçacıkları üretmiyor; kodu keşfetme, düzenleme, testleri güncelleme, komut çalıştırma ve zaman zaman lint/derleme hatalarını otomatik çözme işleri de yapıyor
    • Tam otonom kod üretimi konusunda hâlâ şüpheler sürse de, geliştirici gözetiminde çalışan yaklaşımın olumlu sonuçlar ürettiği görülüyor
    • Başlıca IDE entegrasyonlu araçlar: Cursor, Cline, Windsurf, GitHub Copilot
    • Terminal tabanlı alternatifler: aider, goose, Claude Code
    • Yapay zekanın otomatik kod üretimine aşırı güvenme konusunda dikkatli olmak gerekiyor
      • Kod incelemesi sırasında sürekli yönlendirme ve gözden geçirme hâlâ önemli

  • Gelişen observability

    • Dağıtık mimarilerin karmaşıklığı arttıkça observability alanı da hızla evriliyor
    • Yeni odak alanlarından biri: LLM observability
      • LLM performansını izleyen ve değerlendiren araçlar artıyor
      • Örnekler: Weights & Biases Weave, Arize Phoenix, Helicone, HumanLoop
    • Yapay zeka destekli observability araçları içgörü analizini güçlendiriyor
    • OpenTelemetry benimsenmesinin artması sayesinde vendor bağımsızlığı ve araç esnekliği sağlanıyor
      • OpenTelemetry destekleyen öne çıkan araçlar: Alloy, Tempo, Loki
    • Observability, araçlar ve pratiklerin birbirini güçlendirerek sürekli geliştiği bir alan olmaya devam ediyor

  • RAG’de ‘R’nin evrimi

    • Üretken yapay zeka ekosisteminin çeşitli bileşenleri içinde özellikle RAG(Retrieval-Augmented Generation) içindeki R hızla evriliyor
    • Başlıca eğilimler:
      • Corrective RAG: Geri bildirim veya sezgisel kurallara dayalı olarak yanıtları düzeltme
      • Fusion-RAG: Farklı kaynakları ve arama stratejilerini birleştirerek yanıtın kapsamını ve sağlamlığını artırma
      • Self-RAG: Erişim adımını atlayıp gerektiğinde veriyi doğrudan edinme
      • FastGraphRAG: İnsanların gezinebileceği grafik biçimiyle anlaşılabilirliği artırma
    • Kullanıcı ihtiyaçlarına uygun doğru ve faydalı yanıtlar üretmek için erişimi optimize etmek kritik hale geliyor; buna bağlı teknikler ve araçlar da hızla gelişiyor

  • Karmaşık verilerle başa çıkmak

    • Artık verinin büyüklüğünden (Big Data) çok karmaşıklığını ve çeşitliliğini (Rich, Complex Data) yönetmek temel mesele haline geliyor
    • Yapılandırılmamış verinin artması nedeniyle, bunu yapay zeka ya da müşteri analizi için doğru şekilde kullanmak istiyorsanız sistematik veri yönetimi şart
    • İlgili araç eğilimleri:
      • Vektör veritabanları, Metabase gibi analiz araçları
    • Veri ürünü düşüncesinin (Data Product Thinking) yükselişi
      • Analiz araçlarına ve veri kullanım stratejilerine ürün düşüncesi (Product Thinking) uygulamak
      • Yapay zeka ortaya çıkmadan önce de tartışılan veri kullanım sorunlarını gerçek uygulamaya dönüştürme girişimi
    • Veri konusunda net bir strateji olmadan şirketler yenilikte geri kalabilir ve ticari rekabet gücünü kaybedebilir

Teknikler (Techniques)

Adopt (benimsenmesi önerilir)

  • Veri ürünü yaklaşımı (Data product thinking)

    • Veriyi bir ürün gibi ele alır; yaşam döngüsünü, kalite standartlarını ve kullanıcı merkezli tasarımı vurgular
    • DataHub, Collibra, Atlan, Informatica gibi modern veri katalogları kullanılarak iş ve teknik metadata birlikte yönetilir
    • Yapay zekaya hazır veri sağlamak ve yapay zeka projelerini ölçeklendirmek için veri ürünü yaklaşımı kullanılır
    • Yasal ve düzenleyici gerekliliklere uygun veri imha süreçlerini de kapsayan uçtan uca yaşam döngüsü yönetimine odaklanır

  • Fuzz testing

    • Eski bir teknik olsa da hâlâ yeterince yaygın bilinmeyen bir test yöntemidir
    • Sisteme çeşitli anormal girdiler vererek istisnai durumlarda nasıl davrandığını doğrular
    • Yapay zeka kaynaklı kod üretiminin artışıyla bağlantılı güvenlik açıklarına karşı daha da önemli hale geliyor
    • Araç desteği de yeterince güçlü; dayanıklı ve güvenli kodu korumak için benimsenmesi uygundur

  • Yazılım Malzeme Listesi (Software Bill of Materials, SBOM)

    • SBOM üretimi artık temel bir güvenlik pratiği olarak yerleşmiş durumda
    • Syft, Trivy, Snyk gibi araçlarla kaynak koddan container image’larına kadar SBOM üretmek ve zafiyet taraması yapmak mümkün
    • FOSSA, Chainloop gibi araçlar geliştirme iş akışına entegre olarak güvenlik politikalarını otomatik uygular
    • SPDX ve CycloneDX’e verilen geniş destek sayesinde standartlarla ilgili sorunlar da hafifliyor
    • Yapay zeka sistemlerinde de SBOM gereksinimi artıyor ve bu durum güvenli kod geliştirme kılavuzlarına da yansıyor

  • Tehdit modelleme (Threat modeling)

    • Yapay zeka merkezli yazılım geliştirme ortamlarında güvenliği korurken çevikliği de sürdürmek için kritik bir tekniktir
    • Üretken yapay zeka gibi kendine özgü güvenlik riskleri taşıyan sistemlere de uygulanabilir
    • Proje boyunca düzenli olarak yürütülmeli; otomatik güvenlik tarayıcıları ve güvenlik gereksinimlerinin tanımlanmasıyla birlikte kullanıldığında daha etkili olur

Trial (deneyerek uygulama)

  • API istek koleksiyonlarını API ürün çıktısı olarak ele almak

    • API’ye bir ürün gibi yaklaşıldığında yalnızca dokümantasyona değil, geliştirici deneyimine de öncelik verilmelidir
    • Swagger(OpenAPI) spesifikasyonu arayüz dokümantasyonu için yararlı olsa da, onboarding’in hâlâ zor olması gibi bir sorun vardır
    • Postman, Bruno, Insomnia gibi istemci araçlarının gelişmesiyle API istek koleksiyonlarını ürün çıktısı olarak kullanmak daha anlamlı hale geliyor
    • Önceden yapılandırılmış kimlik doğrulama ve gerçekçi test verileri içeren örneklerle hızlı ve verimli geliştirici onboarding’i mümkün olur
    • API istek koleksiyonları repoda saklanmalı ve güncel kalmaları için dağıtım pipeline’ına entegre edilmelidir

  • Mimari danışma süreci

    • Büyük ekiplerde mimari karar yetkisinin dağıtılması uzun süredir çözülemeyen bir konuydu
    • Geleneksel Architecture Review Board yaklaşımı ise çoğu zaman üretkenliği ve akışı engeller
    • Herkes mimari karar verebilir; ancak ilgili kişilerden veya uzmanlardan tavsiye alınan dağıtık karar alma yaklaşımı daha etkilidir
    • Architecture Decision Record, tavsiye forumları gibi araçlarla kalite ve tutarlılık korunabilir
    • Bu yaklaşım, yüksek düzeyde regülasyona tabi sektörlerde de yaygınlaşıyor

  • GraphRAG

    • Microsoft’un önerdiği iki aşamalı yaklaşım: belgeleri bölüp ardından LLM analiziyle bir bilgi grafiği oluşturmak, arama sırasında da bu grafik üzerinde ilerleyerek ilgili bilgiyi genişletip prompt’u güçlendirmek
    • Karmaşık legacy kod analizinde de faydalıdır; abstract syntax tree(AST) veya bağımlılık yapıları gibi unsurlara dayalı bilgi grafikleri oluşturulabilir
    • Neo4j’in GraphRAG Python paketi gibi araçlar ortaya çıktıkça daha yaygın kullanılıyor
    • Graphiti gibi araçlar da GraphRAG kalıbının genişletilmiş yorumuna dahil ediliyor

  • Tam zamanında ayrıcalıklı erişim yönetimi (Just-in-time privileged access management, JIT PAM)

    • En az ayrıcalık ilkesini hayata geçiren bir güvenlik tekniğidir; yönetici yetkileri yalnızca gerektiği anda verilir ve ardından hemen geri alınır
    • Yönetici yetkilerinin sürekli açık olduğu “standing privileges”, bir güvenlik zafiyeti hâline gelebilir
    • Otomatik onay iş akışları, geçici rol atamaları ve TTL (Time-To-Live) ayarlarıyla geçici yetkiler kontrol edilir
    • Regülasyon ve uyumluluk gereksinimlerini karşılamada son derece etkilidir

  • Model damıtma (Model distillation)

    • Büyük modellerden bilgiyi çıkarıp küçük modellere aktararak doğruluk kaybını en aza indiren ve çalıştırma verimliliğini artıran bir yöntemdir
    • Model küçültme yöntemleri olan pruning ve quantization'dan farklı olarak, alan bilgisini korumaya odaklanır
    • Qwen/Llama için DeepSeek R1 damıtılmış sürümleri gibi, yüksek performansı korurken küçültülmüş model örnekleri artıyor
    • OpenAI ve Amazon Bedrock gibi platformlar damıtma rehberleri sunuyor; bu yaklaşım şirketlerin LLM işletme maliyetlerini düşürme ve cihaz üstü çıkarımı optimize etme açısından avantaj sağlıyor

  • Prompt engineering

    • Üretken yapay zeka modellerinin çıktı kalitesini optimize etmek için açık ve somut prompt'lar tasarlama ve ayarlama sürecidir
    • Reasoning modellerinde zero-shot prompt'lar, few-shot'a göre daha iyi sonuçlar verebilir
    • CoT (chain-of-thought) prompt'ları ise reasoning modeli performansını aksine düşürebilir; bunun nedeni RL ile yapılan ön eğitim etkisidir
    • Daha gelişmiş modellerde prompt engineering ihtiyacı azalabilir, ancak halüsinasyonları azaltma ve kaliteyi artırma açısından hâlâ etkilidir
    • Yanıt hızı, token maliyeti ve performans arasındaki dengeyi korumak önemlidir; ajan tabanlı uygulamalar tasarlanırken model özelliklerine uygun stratejik seçimler gerekir

  • Küçük dil modelleri (Small Language Models, SLMs)

    • DeepSeek R1'in küçük damıtılmış sürümleri (Qwen, Llama), performanstan bir miktar ödün verse de genel amaçlı donanımlarda çalıştırılabilir
    • SLM alanı hızla yenilik üretiyor; Meta'nın Llama 3.2'si (1B, 3B), Microsoft'un Phi-4'ü (14B), Google'ın PaliGemma 2'si (3B~28B) gibi çeşitli modeller ortaya çıkıyor
    • Küçük modeller, çıkarım maliyeti ve çalıştırma ortamı kısıtları daha düşük olduğu için genel kullanım açısından yüksek potansiyele sahip
    • Performans ve verimlilik dengesi açısından SLM'ler önemli bir teknoloji eğilimi olarak öne çıkıyor

  • GenAI ile legacy codebase'leri anlama

    • GitHub Copilot, Sourcegraph Cody gibi başlıca araçlar, legacy codebase'leri anlama ve modernize etme çalışmalarını destekliyor
    • Yapıyı kavrama, keşif ve bağlama dayalı yardım sağlama gibi çeşitli yollarla karmaşık sistem çalışmalarını basitleştiriyor
    • S3LLM gibi framework'ler, Fortran ve Pascal gibi bilimsel-teknik alan kodlarını anlamayı da mümkün kılıyor
    • Dünya genelinde çok büyük miktarda legacy yazılım bulunduğu için, bu teknolojinin gelecekte daha da yaygınlaşması muhtemel

Assess (değerlendirme gerekli)

  • Yapay zeka dostu kod tasarımı (AI-friendly code design)

    • Yapay zeka tabanlı yazılım ajanları, giderek daha büyük kod değişikliklerini algılayıp uygulayabiliyor
    • Yapay zeka tarafından üretilen koda duyulan güven arttıkça, insan geliştiricilerin inceleme payının azaldığı durumlar da görülüyor
    • Ancak yapay zeka da iyi yapılandırılmış kodda daha iyi performans gösterdiği için, bakım kolaylığı açısından yapay zeka dostu tasarım önemlidir
    • Anlamlı isimler, modülerlik, soyutlama ve tekrarın azaltılması (DRY) gibi yerleşik iyi tasarım pratikleri, yapay zeka performansını da olumlu etkiler
    • Gelecekte yapay zekaya özel tasarım kalıplarının da ortaya çıkması bekleniyor

  • Yapay zeka destekli UI testleri (AI-powered UI testing)

    • LLM'lerin GUI'yi yorumlama yeteneğinden yararlanan yeni bir UI test yaklaşımı yükselişte
    • QA.tech ve KaneAI, snapshot tabanlı UI'leri doğal dille test etmeyi destekliyor
    • Browser Use, Playwright'ın yapısal bilgisine dayanarak test yürütüyor ve multimodal modellerden yararlanıyor
    • Deterministik olmayan sonuçlar üretebilse de, sunduğu esneklik legacy sistem testlerinde veya sık UI değişikliklerine uyum sağlamada avantajlıdır
    • Keşif amaçlı manuel testlerle tamamlayıcı şekilde kullanılabilir

  • Sistem arızalarını anlamak için Competence Envelope modeli

    • Sistemin normal çalışabileceği sınırları tanımlayan bir kavramdır; bu sınırların ötesine geçildiğinde sistem kolayca arızalanır
    • 2024 Canva kesintisi gibi karmaşık arıza vakalarını yorumlamada faydalıdır
    • Residuality Theory, geçmiş stres geçmişi ve mevcut tepkilere dayanarak sistemin uyum kabiliyetini analiz eder
    • Sistem dayanıklılığı, sağlamlık ve antifragility kavramlarıyla bağlantılıdır; pratik uygulama potansiyeli konusunda beklenti yaratmaktadır

  • LLM'lerden yapılandırılmış çıktı (Structured output from LLMs)

    • Dil modellerinin yanıtlarını JSON gibi tanımlı şema biçimleriyle sınırlayan bir tekniktir
    • OpenAI, JSON Schema, pydantic ve Zod nesneleri kullanılarak yapılandırılmış çıktıyı destekliyor
    • Function calling, API entegrasyonları gibi doğru biçimin zorunlu olduğu alanlarda çok kullanışlıdır
    • Grafik işaretleme üretimi gibi çeşitli kullanım senaryolarını destekler ve halüsinasyonları da azaltabilir

Hold (bekletilmesi önerilir)

  • Yapay zeka ile hızlanan shadow IT (AI-accelerated shadow IT)

    • Yapay zekadaki ilerleme sayesinde geliştirici olmayan çalışanlar da IT departmanından geçmeden doğrudan yazılım üretebilir hâle geliyor
    • OpenAI ve Anthropic gibi API'leri destekleyen no-code araçlarla karmaşık entegrasyonlar da kolayca kurulabiliyor
    • Ancak kontrolsüz uygulama yayılımı, güvenlik ve veri yönetimi sorunları doğurma potansiyelini artırıyor
    • Elektronik tabloların evrimleşmiş bir biçimi gibi görünse de kapsamı çok daha büyük
    • Sorun çözme hızı ile uzun vadeli istikrar arasındaki denge dikkatle değerlendirilmelidir

  • Yapay zeka tarafından üretilen koda aşırı güven (Complacency with AI-generated code)

    • Yapay zeka kullanımına bağlı olarak yinelenen kod artışı, code churn artışı ve refactoring azalması gibi kalite düşüşü eğilimleri görülüyor
    • Microsoft araştırması, yapay zekanın kullanıcılara yanlış bir güven duygusu verebildiğini ve eleştirel düşünmeyi zayıflatabildiğini bildiriyor
    • Gittikçe daha fazla kod üreten yapay zeka nedeniyle geliştiricilerin değişiklikleri gözden geçirmesinin zorlaşması riski bulunuyor
    • ‘vibe coding’ gibi, yapay zekanın kodu üretip yalnızca asgari düzeyde gözden geçirildiği yaklaşımlar production kodu için son derece risklidir

  • Yerel kodlama asistanları (Local coding assistants)

    • Dışarıya veri göndermeden yerelde çalışan yapay zeka kodlama asistanları, güvenlik açısından avantaj sağlar
    • Ancak performansları bulut tabanlı modellere kıyasla sınırlıdır ve karmaşık prompt'lar ya da entegrasyon işlevlerinde zorlanabilirler
    • IDE içine gömülü özellikler (Xcode, JetBrains) veya Qwen Coder, Continue + Ollama tabanlı entegrasyonlar basit görevlerde faydalı olabilir
    • Beklentileri düşük tutarak deneysel biçimde devreye almak önerilir

  • Pair programming'i tamamen yapay zekayla değiştirmek (Replacing pair programming with AI)

    • Copilot gibi araçlar kendilerini yapay zeka pair programmer olarak konumlandırsa da, insan eşli programlamasının ekip temelli faydalarının yerini tutamaz
    • Yapay zeka; öğrenme, onboarding ve stratejik tasarıma odaklanma gibi alanlarda yararlı olsa da, ekip iş birliği, kod sahipliğinin paylaşılması ve silo oluşumunun önlenmesi konularında yetersiz kalır
    • Geleneksel pair programming'in iş birliği etkileri göz önüne alındığında, tamamen ikame edilmesi önerilmez

  • Reverse ETL

    • Veri ambarından işlem sistemlerine veriyi geri taşıyan Reverse ETL kullanımı artıyor
    • Geçici migration veya entegrasyon amaçları için anlamlı olabilir, ancak aşırı kullanıldığında merkezi mimarinin sorunlarını daha da kötüleştirir
    • Bazı vendor'lar, iş mantığını kendi platformlarında yoğunlaştırmak için bunu kötüye kullanıyor
    • Uzun vadeli mimari kaliteye ve esnekliğe zarar verebileceğinden, benimsenirken son derece dikkatli olunmalıdır

  • SAFe™ (Scaled Agile Framework)

    • Hâlâ birçok şirket SAFe™’yi benimsiyor
    • Ancak aşırı standartlaştırılmış, adım adım süreçler; birimler arasında kopukluk, değer akışında israf ve yaratıcılığın bastırılmasına yol açıyor
    • Ekip özerkliği ve deney kültürü sınırlanıyor; karmaşık organizasyonel dönüşüm sorunlarını basit süreçlerle çözmeye çalışmanın sınırları bulunuyor
    • Thoughtworks, iç eğitim ve danışmanlıkla buna yanıt veriyor; ancak Lean temelli, değer odaklı yaklaşım ve değişim programlarının daha etkili olduğu kanaatinde

Platformlar (Platforms)

Adopt (Benimsenmesi önerilen)

  • GitLab CI/CD

    • GitLab içine tamamen entegre bir CI/CD sistemi olup, kod entegrasyonundan test, dağıtım ve izlemeye kadar tüm yazılım geliştirme yaşam döngüsünü destekler
    • Çok aşamalı pipeline’lar, caching, paralel yürütme ve autoscaler runner’lar gibi karmaşık iş akışları için uygundur
    • Yerleşik güvenlik ve uyumluluk araçlarıyla (SAST, DAST vb.) yoğun düzenlemeye tabi ortamlarda da güvenle kullanılabilir
    • Kubernetes entegrasyonu sayesinde cloud-native iş akışlarını eksiksiz destekler
    • Gerçek zamanlı loglar, test raporları ve izleme özellikleri sunarak gözlemlenebilirliği güçlendirir

  • Trino

    • Büyük ölçekli veriler üzerinde etkileşimli analitik sorgular çalıştırabilen açık kaynaklı, dağıtık bir SQL sorgu motorudur
    • Hem on-premises hem de bulut ortamlarında optimize edilmiş şekilde çalışır; çeşitli connector’lar aracılığıyla ilişkisel veritabanları ve kapalı depolara doğrudan sorgu gönderebilir
    • Parquet ve Apache Iceberg gibi dosya ve tablo formatlarını da destekler
    • Sorgu federasyonu özelliği sayesinde birden fazla veri kaynağı tek bir mantıksal tabloymuş gibi sorgulanabilir
    • AWS Athena, Starburst gibi çeşitli ticari veri platformlarında da çekirdek teknoloji olarak kullanılır ve farklı analitik iş yükleri için güvenilir bir seçenektir

Trial (Deneme uygulaması)

  • ABsmartly

    • Hızlı ve güvenilir A/B testleri ile deneyleri destekleyen bir platformdur
    • Group Sequential Testing (GST) motoru sayesinde geleneksel yaklaşımlara göre %80’e kadar daha hızlı test yapılabilir
    • Gerçek zamanlı raporlar, ayrıntılı veri segmentasyonu ve API merkezli kapsamlı entegrasyon özellikleri sunar
    • Web, mobil, mikroservisler ve ML modellerine kadar geniş bir deney uygulama alanı vardır
    • Tekrar döngülerini kısaltması ve sonuçları otomatik analiz etmesi sayesinde kullanıcı deneyimini optimize etmede etkilidir

  • Dapr

    • Dağıtık uygulama çalışma zamanı olarak, son dönemdeki işlev genişlemeleriyle iş zamanlama, sanal aktörler ve gelişmiş güvenlik gibi özellikleri desteklemektedir
    • mTLS, distroless image’lar gibi güvenlik odaklı ayarlar güçlendirilmiş olup, çeşitli building block’lar eklenmeye devam etmektedir
    • Ekiplerde istikrarlı biçimde kullanılmakta ve gelecekteki gelişimi de umut vermektedir

  • Grafana Alloy

    • Eski adı Grafana Agent olan, OpenTelemetry Collector işlevi gören açık kaynaklı bir araçtır
    • Log, metric ve trace verilerinin tamamını toplayabilen birleşik bir telemetri toplayıcısı olarak tasarlanmıştır
    • OpenTelemetry, Prometheus ve Datadog formatlarını destekler
    • Promtail’in kullanımdan kaldırılmasının ardından, özellikle log toplama tarafında güçlü bir seçenek olarak öne çıkmaktadır

  • Grafana Loki

    • Yatay ölçeklenebilirliğe sahip, yüksek erişilebilirlikli bir log toplama sistemidir; yalnızca metadata’yı indeksleyerek depolama maliyetini ve operasyonel karmaşıklığı azaltır
    • S3, GCS ve Azure Blob Storage gibi block storage tabanlı log depolamayı destekler
    • Grafana ve Grafana Alloy ile entegre olur; OpenTelemetry desteği ve multi-tenancy özellikleri eklenmiştir
    • Tenant’ların birbirini kontrolsüz biçimde etkilemesini önleyen shuffle-sharding özelliğini de içerir

  • Grafana Tempo

    • OpenTelemetry gibi açık standartları destekleyen yüksek performanslı bir dağıtık tracing backend’idir
    • Apache Parquet tabanlı sütunsal formatta depolandığı için sorgu performansı yüksektir
    • TraceQL ve CLI üzerinden tracing verileri incelenebilir
    • Ekibimiz, Tempo’yu GKE üzerinde MinIO ve OpenTelemetry ile birlikte self-hosted olarak kullanıyor

  • Railway

    • Heroku ve Vercel’e alternatif olarak, GitHub/Docker entegrasyonundan dağıtıma ve operasyonel görünürlüğe kadar destek sunan full-stack bir PaaS platformudur
    • Başlıca framework’lerin çoğunu, veritabanlarını ve container tabanlı dağıtımı destekler
    • Maliyet karşılaştırması yapmak gerekse de, dağıtım ve operasyonel istikrar açısından iyi bir deneyim sunar

  • Unblocked

    • Kod tabanı, dokümantasyon, proje yönetimi ve iletişim araçlarıyla entegre çalışan bir yapay zeka ekip asistanıdır
    • İş ve teknik kavramlar, mimari tasarım ve operasyon süreçleri hakkında sorulara yanıt verebilir
    • Karmaşık veya legacy sistemleri keşfetmede yararlıdır ve bağlam bilgisine hızlı erişimi önemseyen ekipler için uygundur
    • Kod üretimi ya da otomasyon için ise özel amaçlı yapay zeka ajanları daha uygun olabilir

  • Weights & Biases

    • LLM odaklı yetenekleri güçlendirilmiş, sistem değerlendirmesi, özel metrikler ve LLM’i değerlendirici olarak kullanan Weave platformu eklenmiştir
    • Ajan sistemlerinin performansını izleme ve hata ayıklama, geri bildirim toplama ve model ayarlama için etkilidir
    • Yerel ve küresel düzeyde performans optimizasyonu ile yinelemeli geliştirme iş akışları için uygundur

Assess (İncelenmesi gereken)

  • Arize Phoenix

    • LLM ve ajan tabanlı uygulamalar arttıkça, LLM gözlemlenebilirliğinin (Observability) önemi de büyüyor
    • Arize Phoenix; LLM tracing, değerlendirme ve prompt yönetimi gibi özellikler sunar ve başlıca LLM platformları ile framework’lerle sorunsuz biçimde entegre olur
    • Çıktı, gecikme süresi ve token kullanımı analizi, yalnızca basit bir kurulumla mümkün olur
    • Şu anda yalnızca açık kaynak sürümü kullanılıyor, ancak Arize platformunun tamamı daha fazla özellik sunuyor ve incelenmeye değer

  • Chainloop

    • Açık kaynak bir yazılım tedarik zinciri güvenliği platformu olup, güvenlik ekiplerinin politikalar tanımlamasını ve geliştirme ekiplerinin bunlara CI/CD pipeline’larında uymasını destekler
    • CLI aracılığıyla SBOM, zafiyet raporları gibi güvenlik artifact’lerini toplar ve doğrular; ayrıca politika uyumluluğunu otomatik olarak denetler
    • Politika dili olarak OPA’nın Rego’sunu kullanır ve CycloneDX formatı gibi standartların doğrulanmasını sağlar
    • Tutarlı güvenlik uyumluluğu ve denetlenebilir iş akışlarıyla SLSA seviye 3 düzeyinde bir metadata yönetim ortamı sunar

  • DeepSeek R1

    • DeepSeek’in ilk reasoning model serisi olup, MLA, MoE gating, FP8 eğitimi ve PTX optimizasyonu gibi tekniklerle donanım kullanımını en üst düzeye çıkarır
    • DeepSeek-R1-Zero, yalnızca basit reinforcement learning ile reasoning yeteneği kazanmış yenilikçi bir modeldir
    • Tüm modeller open weight biçiminde sunulmaktadır ve DeepSeek-R1-Distill-Qwen-32B, çeşitli benchmark’larda OpenAI o1-mini’den daha iyi performans göstermektedir
    • Eğitim kodu ve veriler kapalıdır, ancak önceden eğitilmiş çeşitli modeller depoda yer almaktadır

  • Deno

    • Node.js’in yaratıcısı Ryan Dahl tarafından geliştirilen bu platform, güvenlik sandbox’ı, bağımlılık yönetimi ve yerel TypeScript desteği gibi birçok açıdan Node.js’in zayıf yönlerini iyileştirir
    • Deno 2 ile birlikte Node.js ve npm kütüphaneleriyle uyumluluk sunulması, önceye kıyasla geçiş engelini azaltmıştır
    • Güçlenen standart kütüphane ve tooling sayesinde server-side TypeScript geliştirme için uygundur
    • Platform seçerken yalnızca çoklu dilden kaçınma gerekçesiyle Deno’yu tercih etmekten kaçınılmalıdır

  • Graphiti

    • Zaman farkındalıklı bilgi grafikleri oluşturarak sürekli değişen veriler arasındaki ilişkileri izler
    • Yapılandırılmış/yapılandırılmamış verileri zaman tabanlı epizodlar olarak işler ve zaman, metin, anlamsal yapı ile grafik algoritmalarını birleştiren sorguları destekler
    • GraphRAG tabanlı uygulamalarda bilgi erişiminin doğruluğunu artırmaya katkı sağlar
    • RAG ve ajan tabanlı LLM sistemlerinde uzun süreli bellek ve durum temelli akıl yürütmeyi mümkün kılar

  • Helicone

    • LLM maliyet yönetimi, ROI değerlendirmesi ve risk azaltımı için açık kaynak odaklı bir LLMOps platformudur
    • Prompt deneyi, izleme, hata ayıklama ve optimizasyon dâhil olmak üzere tüm LLM yaşam döngüsünü destekler
    • Çeşitli LLM sağlayıcıları için gerçek zamanlı maliyet, kullanım oranı, performans ve ajan yığını takibi ile analiz yapılabilir
    • Özellikleri güçlü olsa da erken aşamadaki bir platformdur; gelişmiş özelliklerden yararlanmak için belirli bir uzmanlık seviyesi gerekir
    • Şimdiye kadar olumlu bir kullanım deneyimi sunmuştur

  • Humanloop

    • Yapay zeka sistemlerini insan geri bildirimini entegre ederek daha güvenilir ve esnek hale getirmeye odaklanan bir platformdur
    • Etiketleme, aktif öğrenme, human-in-the-loop ince ayar ve iş gereksinimlerine dayalı değerlendirme araçları sunar
    • İş birliği için paylaşılan çalışma alanları, sürüm kontrollü prompt'lar ve CI/CD entegrasyonu içerir
    • Tracing, logging, uyarılar ve guardrail'ler gibi gözlemlenebilirlik özelliklerine de sahiptir
    • Sıkı şekilde regüle edilen ortamlarda sorumlu yapay zeka geliştirmek için uygundur

  • Model Context Protocol (MCP)

    • Anthropic tarafından önerilen açık bir standarttır; yapay zeka araçlarının mevcut sistemlerin bağlamından kolayca yararlanabilmesi için tasarlanmıştır
    • Wiki, issue tracker, veritabanı gibi bilgi kaynakları ile yapay zeka arasındaki entegrasyonu standartlaştırır
    • MCP sunucu/istemci yapısından oluşur ve genellikle yerelde Python veya Node süreci olarak çalıştırılır
    • Şu anda daha çok teknik kullanıcılara yöneliktir; geliştirici olmayanlar için erişilebilirlik, yönetişim ve güncelleme yönetimi gibi zorluklar vardır
    • Uzun vadede kullanıcı dostu bir ekosisteme dönüşme potansiyeli yüksektir

  • Open WebUI

    • Açık kaynaklı, self-hosted bir yapay zeka platformudur; çeşitli modeller ve API'lerle (OpenAI uyumlu, OpenRouter, GroqCloud vb.) entegre olabilir
    • Ollama aracılığıyla yerel veya kendi modellerinizi çalıştırabilir ve çevrimdışı ortamlarda da kullanılabilir
    • Yerleşik RAG özelliği sayesinde belge tabanlı bir sohbet arayüzü sunar
    • RBAC tabanlı olarak kullanıcı gruplarına göre model ve özellik erişim kontrolü yapılabilir
    • Python tabanlı Functions ile özellikler genişletilebilir ve LLM değerlendirme işlevleri de içerir
    • Bireysel kullanım, ekip içi iş birliği ve kurumsal düzeyde platform olarak esnek biçimde ölçeklenebilir

  • pg_mooncake

    • Sütun depolama ve vektörize çalıştırmayı destekleyen bir PostgreSQL eklentisidir
    • Veriler Iceberg ve Delta Lake formatlarında yerel ya da S3 uyumlu depolamaya kaydedilebilir
    • Parquet, CSV, Hugging Face veri kümeleri gibi çeşitli formatlardan veri yüklenebilir
    • Ayrı bir sütun tabanlı depo kullanıma almadan yüksek performanslı veri analizi gereken ortamlar için uygundur

  • Reasoning models

    • Matematik, kodlama ve benzeri alanlarda insan seviyesinde performans gösteren "akıl yürütme modelleri (Reasoning Models)", son dönemin en çok dikkat çeken yapay zeka gelişmelerinden biridir
    • CoT (adım adım düşünme), ToT (alternatif keşfi) ve self-correction gibi yetenekleri güçlendirilmiştir
    • OpenAI o1/o3, DeepSeek R1, Gemini 2.0 Flash Thinking gibi çeşitli modeller ortaya çıkmıştır
    • Daha yavaş yanıt süreleri ve daha yüksek token tüketimi nedeniyle "slow AI" olarak da adlandırılır
    • Basit görevlerden çok, karmaşık problem çözümünün veya açıklanabilirliğin önemli olduğu STEM alanları için uygundur

  • Restate

    • Temporal'a benzer, dayanıklı workflow yürütme platformudur ve Apache Flink'in kurucuları tarafından geliştirilmiştir
    • Rust ile yazılmıştır ve tek bir binary olarak dağıtılır
    • Esnek Paxos tabanlı sanal mutabakat algoritması sayesinde arıza durumlarında da veri dayanıklılığı sağlar
    • Java, Go, Rust ve TypeScript için SDK sunar
    • Dağıtık transaction'lardan kaçınmanın mümkün olmadığı durumlarda bu platform değerlendirilmeye değerdir

  • Supabase

    • Firebase'e açık kaynaklı bir alternatif olarak ölçeklenebilir ve güvenli backend geliştirmeyi destekler
    • PostgreSQL tabanlıdır; kimlik doğrulama, gerçek zamanlı abonelikler, API'ler, edge function'lar ve vektör embedding'leri gibi çeşitli özellikler sunar
    • Prototipleme veya MVP geliştirme sırasında, ileride SQL tabanlı çözümlere geçişi kolaylaştırır

  • Synthesized

    • Geliştirme ve test ortamları için gerçekçi test verileri üreten bir platformdur
    • Mevcut verileri maskeleyebilir veya istatistiksel olarak anlamlı synthetic data üretebilir
    • Build pipeline'ına entegre edilebilir ve özellik bazında geri döndürülemez anonimleştirmeyi (hashing, rastgeleleştirme vb.) destekler
    • Performans testi için büyük hacimli veri de üretebilir; gerçek sorunları çözmeye odaklanan işlevleriyle öne çıkar

  • Tonic.ai

    • Synthesized'a benzer şekilde, gerçekçi ve kimliksizleştirilmiş synthetic data üreten bir platformdur
    • Hem yapılandırılmış hem yapılandırılmamış verileri destekler ve differential privacy teknikleriyle gizliliği korur
    • Otomatik hassas bilgi tespiti ve kaldırma, Ephemeral DB ve RAG sistemleri için Tonic Textual özelliklerini sunar
    • Mühendislik hızını artırmak ve veri koruma gereksinimlerini aynı anda karşılamak isteyen ekipler için uygundur

  • turbopuffer

    • Nesne depolama tabanlı vektör + tam metin aramayı destekleyen serverless, çok kiracılı bir arama motorudur
    • Dayanıklılık, ölçeklenebilirlik ve maliyet verimliliğine odaklanan tasarımıyla öne çıkar; sorgu düğümleri stateless yapıdadır
    • NVMe SSD üzerinde cold query sonuçlarını önbelleğe alır; sık erişilen verileri bellekte tutarak düşük gecikme sağlar
    • RAG tabanlı yapay zeka ve büyük ölçekli belge arama için uygundur, ancak şu anda yalnızca davet usulüyle kullanılabilmektedir

  • VectorChord

    • pgvecto.rs'nin devamı olarak geliştirilen, PostgreSQL için bir vektör benzerliği arama eklentisidir
    • pgvector türüyle uyumludur ve IVF indeksleme ile RaBitQ niceleme sayesinde hızlı, düşük hesaplama maliyetli vektör araması sunar
    • PostgreSQL ekosistemiyle entegre çalışarak vektör araması ile transaction işlemlerini aynı anda gerçekleştirebilir
    • Henüz erken aşamada olsa da yüksek performanslı vektör araması için değerlendirilmeye değer bir alternatiftir

Hold (Bekletilmesi önerilir)

  • Tyk hybrid API management
    • Yönetilen control plane ile self-managed data plane'i birleştiren yapı, multi-cloud veya hybrid cloud ortamlarında esneklik sağlar
    • Ancak Tyk'in AWS tabanlı control plane'inde yaşanan bir incident'ın Tyk ekibinden önce içeride fark edilmesi gibi, gözlemlenebilirlik eksikliği sorunları yaşanmıştır
    • Ticket tabanlı destek, acil incident durumları için uygun değildir ve müdahale hızının yavaş olduğuna dair geri bildirimler vardır
    • Resmî dokümantasyonun olgunluğu düşüktür; bu da karmaşık ortamlarda sorun çözmeyi zorlaştırır
    • Kurumsal geliştirici portalında da önceki sürümlerle uyumluluk eksikliği ve özelleştirme kısıtları gibi sorunlar bulunmaktadır
    • Özellikle hybrid yapılarda dikkatli değerlendirme gerekir ve olgunluk düzeyi sürekli izlenmelidir

Araçlar (Tools)

Adopt (Benimsenmesi önerilir)

  • Renovate

    • Bağımlılık sürüm yönetimini otomatikleştiren bir araçtır ve birçok ekibin tercih ettiği bir seçenektir
    • GitHub'da varsayılan olarak Dependabot kullanılsa da Renovate daha kapsamlıdır ve daha fazla özelleştirme sunar
    • Araçlar, altyapı ve iç/özel depolardaki bağımlılıkları da izleyecek şekilde yapılandırıldığında etkili olur
    • Geliştirici yorgunluğunu azaltmak için bağımlılık PR'ları için otomatik birleştirme de düşünülebilir

  • uv

    • Rust ile yazılmış yeni nesil bir Python paket ve proje yönetim aracıdır; temel avantajı çok yüksek hızıdır
    • Mevcut Python araçlarını (Poetry, pyenv, pipx vb.) tek bir çatı altında toplar ve build ile test hızlarını büyük ölçüde artırır
    • Olgun bir topluluk ve uzun vadeli ekosistem desteği önemlidir, ancak şu anda geliştiricilerin en çok önerdiği araçlardan biridir
    • Özellikle Python'ın mevcut paket sisteminden uzaklaşmak isteyen veri ekipleri için uygundur

  • Vite

    • Yüksek performanslı bir frontend build aracıdır; hızlı hot reloading ve verimli bir geliştirme ortamı sunar
    • Vue, SvelteKit ve React gibi ekosistemlerde varsayılan araç olarak benimsenirken, Create React App de Vite merkezli yaklaşıma kaymaktadır
    • VoidZero adlı özel bir organizasyonun kurulmasıyla, projenin uzun vadeli sürdürülebilirliği ve gelişim potansiyeli güçlenmiştir

Trial (Deneme önerilir)

  • Claude Sonnet

    • Gelişmiş bir dil modelidir; kodlama, yazma, analiz ve görsel tabanlı işler gibi birçok alanda güçlü performans gösterir
    • Tarayıcı, terminal, başlıca IDE'ler ve GitHub Copilot ile entegre olabilir; ayrıca grafik yorumlama ve görsellerden metin çıkarma da destekler
    • Tarayıcı arayüzündeki "Artifacts" özelliği üzerinden kod ve HTML çıktılarıyla etkileşim kurulabilir
    • Özellikle 3.5 sürümü, mimari tasarım veya iş birliğine dayalı projelerde yüksek üretkenlik artışı göstermiştir
    • Claude 3.7 yayımlanmış olsa da, gerçek kullanım doğrulaması hâlâ sürmektedir

  • Cline

    • Denetimli yazılım ajanlarının uygulanması için güçlü bir araç olan, VSCode için açık kaynaklı bir eklenti
    • Plan & Act modu, MCP entegrasyonu, şeffaf token kullanım takibi gibi gelişmiş özellikler sunar
    • Claude 3.5 Sonnet ile birlikte büyük kod tabanlarında, tarayıcısız test otomasyonunda ve otomatik hata düzeltmede üstün performans gösterir
    • Verilerin yerel olarak saklanmasıyla gizliliği güçlendirir ve açık kaynak topluluğu sayesinde gelişme potansiyeline sahiptir
    • Token maliyetleri ve API istek hız sınırları (rate limit) konusunda dikkatli olunmalı; OpenRouter gibi alternatif API sağlayıcılarının kullanılması önerilir

  • Cursor

    • Gelişmiş bağlam düzenleme yetenekleri ve kullanıcı dostu bir deneyim sunan, yapay zeka odaklı bir kod editörü
    • Kullanıcının API anahtarıyla çeşitli modeller bağlanabilir; git diff, önceki konuşmalar, web araması, kütüphane dokümantasyonu, MCP ve benzerlerini bağlama dahil eder
    • Yapay zeka sohbet arayüzünden uygulama talimatları verilebilir; dosyaları otomatik olarak düzenler ve komutları çalıştırır
    • Lint ve derleme hatalarını tespit edip otomatik düzeltme özelliği de içerir

  • D2

    • Metin tabanlı betiklerle diyagram yazmayı sağlayan, açık kaynaklı bir diagram-as-code aracı
    • Mermaid benzeri yerleşim motorları kullanır ve basit, deklaratif bir D2 sözdizimi sunar
    • Okunabilirliği önceleyen sözdizimi yapısı sayesinde yazılım dokümantasyonu ve mimari diyagramlar için uygundur

  • Databricks Delta Live Tables (DLT)

    • Hem gerçek zamanlı akış hem de batch işlemeyi destekleyen deklaratif bir veri hattı yönetim aracı
    • Checkpoint otomasyonu gibi tekrarlayan veri mühendisliği işlerini basitleştirerek operasyon yükünü azaltır
    • Materialized view'lar üzerinden performans optimizasyonu yapılabilir
    • Ancak tablolar pipeline bazında yönetilir ve streaming tablolar append-only yapıda olduğundan tasarımda dikkat gerektirir
    • DLT pipeline'ı silindiğinde tabloların ve verilerin de birlikte silinmesi, operasyon açısından bir risk unsurudur

  • JSON Crack

    • JSON, YAML, TOML, XML gibi metin verilerini etkileşimli grafikler olarak görselleştiren bir VSCode eklentisi
    • Mermaid ve D2'den farklı olarak veri keşfi için kullanılan bir görselleştirme aracıdır; düğüm/dal gizleme özelliği sayesinde veri kümelerini incelemede kullanışlıdır
    • Web tabanlı bir aracı da vardır, ancak çevrimiçi bağımlılık konusunda dikkatli olunmalıdır
    • Düğüm sayısı sınırı bulunur; daha büyük veri setleri için ticari sürüme yönlendirir

  • MailSlurp

    • E-posta ve SMS tabanlı test otomasyonu için bir API hizmeti
    • Geçici inbox ve telefon numarası oluşturma, e-posta doğrulama, otomatik yanıt, yönlendirme gibi özellikler sunar
    • REST API ve no-code dashboard üzerinden manuel test hazırlıkları da kolayca yapılabilir
    • Müşteri onboarding ürünleri ve test workflow'ları geliştirmek için uygundur

  • Metabase

    • Çeşitli veri kaynaklarından görselleştirme, rapor ve dashboard oluşturmayı sağlayan açık kaynaklı bir analiz ve business intelligence aracı
    • SDK aracılığıyla web uygulamaları içine etkileşimli dashboard'lar gömülebilir
    • Hem ilişkisel hem de NoSQL veritabanlarını destekler; resmi ve topluluk konektörleri çeşitlidir
    • Hafif bir BI aracı olarak dashboard ve rapor yönetiminde faydalıdır

  • NeMo Guardrails

    • NVIDIA'nın, LLM tabanlı konuşma uygulamalarına güvenlik guardrail'leri uygulamayı sağlayan açık kaynaklı araç seti
    • Colang 2.0 desteği, AutoAlign, Patronus Lynx gibi çeşitli entegrasyon özellikleri eklenmiştir
    • İçerik güvenliği, konu kontrolü ve prompt güvenliği için NIM mikroservisleri içerir
    • Streaming LLM çıktısı desteği gibi performans iyileştirmeleri de yapılmıştır
    • Gerçek servislerde kullanım örnekleri arttıkça Trial seviyesine yükseltilmiştir

  • Nyx

    • Dil ve platform bağımsız, semantic release otomasyonu aracı
    • Özellikle trunk-based geliştirme için uygundur; Gitflow, OneFlow, GitHub Flow gibi çeşitli workflow'ları destekler
    • Conventional Commits tabanlı otomatik changelog oluşturma özelliği sunar
    • Uzun ömürlü branch stratejilerinde ise hâlâ dikkat gerektirir

  • OpenRewrite

    • Büyük ölçekli refactoring işlemlerini otomatikleştiren bir araç; API sürüm yükseltmeleri veya ortak şablonlara dayalı servis güncellemelerinde kullanışlıdır
    • Java dışında JavaScript gibi desteklenen dilleri de genişletmektedir
    • Yapılandırılmış değişikliklerde, yapay zeka kod yardımcılarına göre daha istikrarlı ve verimlidir
    • Çeşitli recipe'ler (dönüşüm kuralları) ve build tool eklentileriyle birlikte sunulur; bunların tamamı açık kaynak olarak dağıtılır

  • Plerion

    • Altyapı, sunucu ve uygulama genelinde risk tespiti ve önceliklendirme sunan, AWS odaklı bir bulut güvenliği platformu
    • Wiz'e benzer şekilde “önemli olan %1”e odaklanmayı destekler
    • Müşteri güvenlik görünürlüğünü artırır ve proaktif güvenlik izlemenin önemini güçlendirir

  • Yazılım mühendisliği ajanları (Software engineering agents)

    • Tam otonom kodlama ajanları hâlâ pratik değil, ancak IDE içindeki denetimli ajan modları hızla gelişiyor
    • Geliştirici, sohbet arayüzü üzerinden uygulamayı yönlendirirken; yapay zeka çoklu dosya düzenleme, test çalıştırma, linting ve derleme hatalarının ele alınması gibi işleri üstlenir
    • CHOP (Chat-Oriented Programming), Prompt-to-Code gibi adlarla anılır ve mevcut otomatik tamamlama odaklı yardımcı araçlara kıyasla daha büyük bir sorumluluk paylaşımı içerir
    • Cursor, Cline ve Windsurf bu alana öncülük ediyor; Claude Sonnet serisi modellerle birlikte güçlü sonuçlar veriyor
    • Problem kapsamı küçük tutulduğunda ve yapılandırılmış kod tabanlarında kullanıldığında üretkenlik artışı etkisi büyüktür
    • Production kodunda kullanılırken pair programming gibi inceleme süreçleriyle birlikte ilerlenmelidir

  • Tuple

    • Slack'in Screenhero'suna alternatif olarak ortaya çıkan bir uzaktan pair programming aracı
    • Artık Windows desteği içeriyor, gizlilik ayarlarını güçlendiriyor ve belirli uygulama pencerelerini gizleme özelliği sunuyor
    • UI iyileştirmeleri sayesinde IDE dışındaki içeriklerde de ortak çalışma mümkün hâle geldi
    • Uzak taraftaki kişinin tüm masaüstüne erişebilmesi güvenlik endişesi yaratır → kullanım öncesinde gizlilik ayarları ve ekip eğitimi önerilir
    • Sezgisel UX'i ve düşük gecikmesi sayesinde uzaktan eşli çalışma aracı olarak pratiktir

  • Turborepo

    • Büyük JavaScript/TypeScript monorepo'larında build optimizasyonu sağlayan bir araç; bağımlılık analizi, cache ve paralel çalıştırma ile build hızını artırır
    • Nx'ten farklı olarak proje bazında package.json kullanımına izin verir; bu da geçici olarak birden fazla bağımlılık sürümünü tolere eder
    • Bu özellik, çoklu depodan monorepo'ya geçişte faydalı olabilir
    • Kurulumu basittir ve büyük ölçekli projelerde de kararlı performans gösterir

Assess (değerlendirme gerekli)

  • AnythingLLM

    • Büyük belgeler veya içeriklerle etkileşim kurulmasını sağlayan açık kaynaklı bir masaüstü uygulaması; çeşitli LLM'ler ve vektör veritabanlarıyla entegre olur
    • Ollama tabanlı open-weight modellerle de uyumludur ve embedding modelleri eklenti mantığıyla yapılandırılabilir
    • Yalnızca RAG ile sınırlı değildir; çeşitli yetenekler ajanlar olarak yapılandırılarak özelleştirilmiş workflow'lar yürütülebilir
    • Workspace bazında belge ve konuşma geçmişini yönetir; yakın zamanda çok kullanıcılı bir web uygulaması olarak da dağıtılabilir hâle gelmiştir
    • Kişisel asistan amaçlı yerel bir araç olarak da faydalı şekilde kullanılmaktadır

  • Gemma Scope

    • LLM'lerin iç işleyişini anlamaya yönelik mekanistik yorumlanabilirlik (interpretability) aracı; açık model olan Gemma2 ailesini analiz edebilir
    • Halüsinasyon, önyargı ve anormal çıktılar gibi durumların nedenlerini anlamaya ve debug etmeye yardımcı olur
    • Yalnızca araştırmacılar için değil, model eğitiminin şirketler için giderek daha gerçekçi bir seçenek hâline gelmesiyle birlikte daha da önem kazanıyor

  • Hurl

    • Basit metin dosyalarıyla HTTP istek dizilerini tanımlayıp çalıştırmayı sağlayan, otomasyon ve test için kullanışlı bir araç
    • Durum kodu, yanıt başlığı/gövdesi kontrolü, veri çıkarma ve değişkenleştirme gibi özellikler sunar
    • HTML/JSON formatında rapor üretebilir ve test tanımlarının kod deposuna dahil edilmesini sağlar
    • GUI araçlarına (Postman, Bruno) göre daha hafif ve daha basit bir API test aracı gerektiğinde uygundur

  • Jujutsu

    • Arka uç olarak Git kullanırken kendine özgü bir iş akışı ve iyileştirilmiş kullanılabilirlik sunan dağıtık bir sürüm kontrol sistemi
    • Git sunucuları ve servisleriyle uyumludur; daha basit ve sezgisel dallanma ile çakışma çözümü özellikleri sunar
    • Hem yeni başlayanları hem de ileri düzey kullanıcıları hedefler; sezgisel ve güçlü UX’iyle öne çıkar
    • Özellikle üstün çakışma çözme yetenekleriyle yüksek takdir toplar

  • kubenetmon

    • ClickHouse’un açık kaynak olarak yayımladığı bir Kubernetes ağ trafiği izleme aracı
    • Çoklu bulut ortamlarında veri aktarım miktarı ve maliyetleri ayrıntılı biçimde ölçebilir
    • Kubernetes tabanlı altyapıda beklenmedik veri aktarım maliyetleri yaşıyorsanız değerlendirmeye değer

  • Mergiraf

    • Kodun sözdizimi ağacına (AST) dayanarak birleştirme çakışmalarını çözen bir Git merge driver’ıdır
    • Uzun değişiklik geçmişleri veya yapay zeka tarafından üretilmiş kod nedeniyle karmaşıklaşan merge çakışmalarını ele almada etkilidir
    • Git’in varsayılan satır tabanlı birleştirme yönteminden daha hassas çalışır; otomatik birleştirme ve cherry-pick için de uygulanabilir
    • Uzun feature branch’ler gibi karmaşık Git iş akışları kullanan ekipler için yararlı olabilir

  • ModernBERT

    • BERT’ün halefi olan, yalnızca encoder kullanan transformer tabanlı yeni nesil bir NLP model serisi
    • Alternating Attention ile bağlam uzunluğu sınırını aşarken, mevcut BERT’e kıyasla doğruluk ve performansı artırır
    • Genel amaçlı üretken modeller yerine NLP’ye özel bir model gerektiğinde öncelikli olarak değerlendirmeye değerdir

  • OpenRouter

    • Farklı LLM sağlayıcılarını tek bir API’de birleştirerek deney yapmayı ve maliyet optimizasyonunu kolaylaştıran bir platform
    • Claude, OpenAI, Mistral gibi çeşitli modellere yönlendirme yapabilir; ayrıca API istek hız sınırlarını aşmaya yardımcı olan özellikler de sunar
    • Ancak bu yapıda fiyat marjı bulunduğundan, yalnızca gerçekten çoklu model geçişine ihtiyaç duyulduğunda değerlendirilmesi uygundur

  • Redactive

    • Regülasyona tabi ortamlarda güvenli biçimde RAG tabanlı yapay zeka asistanları kurmayı destekleyen kurumsal bir platform
    • Confluence gibi araçlarla entegre olarak belge tabanlı indeksler oluşturur ve kullanıcı yetkilerini gerçek zamanlı yansıtır
    • Modele yalnızca izin verilen bilgilerin gösterilmesini garanti eder; güvenlik ile erişilebilirlik arasında dengeli bir yapı sunar

  • System Initiative

    • Mevcut infrastructure-as-code yaklaşımından farklı, deneysel bir DevOps aracı; yakın zamanda açık kaynak olarak yayımlandı (Apache 2.0)
    • Ticari ortamlarda kullanılıyor, ancak büyük kurumsal ölçeğe ulaşması için hâlâ zamana ihtiyaç var
    • Mevcut DevOps araçlarından farklı bir yaklaşımı deneyimlemek istiyorsanız denenmeye değer

  • TabPFN

    • Küçük ölçekli tablo veri kümeleri için optimize edilmiş transformer tabanlı bir sınıflandırma modeli
    • Önceden eğitilmiş model, milyonlarca sentetik veri kümesi üzerinde genelleştirilmiştir
    • Hiperparametre ayarı gerektirmeden hızlı ve doğru sonuçlar sunar; eksik değerlere ve aykırı değerlere karşı da dayanıklıdır
    • Büyük veri kümeleri veya regresyon problemleri için uygun değildir

  • v0 (by Vercel)

    • Ekran görüntüleri, Figma tasarımları ve prompt’ları temel alarak frontend kodu üreten bir yapay zeka aracı
    • React, Vue, Tailwind, shadcn gibi çeşitli framework’leri destekler ve üretilen kod doğrudan deploy edilebilir
    • Karmaşık uygulamaların tamamını gerçekleştirmede sınırlı kalsa da, ilk prototiplerin oluşturulması veya bir UI başlangıç noktası hazırlanması için kullanışlıdır

  • Windsurf

    • Codeium tarafından geliştirilen bir yapay zeka kodlama asistanı; Cursor ve Cline’a benzer, ajan tabanlı bir geliştirme deneyimi sunar
    • Tarayıcı DOM gezinmesi, konsol erişimi ve web araması gibi yeteneklerle çalıştırma kapasitesi genişletilmiştir
    • Çeşitli modelleri kullanabilir; MCP ve doküman referansları gibi bağlam sağlama özellikleri de güçlüdür

  • YOLO (You Only Look Once)

    • Gerçek zamanlı görüntü sınıflandırma, nesne algılama, poz tahmini, segmentasyon gibi çeşitli bilgisayarlı görü görevlerinde kullanılabilen yüksek performanslı ve hafif bir model
    • En yeni sürüm YOLO11, doğruluk ve işlem verimliliğini daha da artırarak edge cihazlarda da kullanılabilir hâle gelmiştir
    • Belirli görü görevlerinde geleneksel CV modellerinin LLM’lerden daha uygun olabileceğini hatırlatır

Diller ve Framework’ler (Languages and Frameworks)

Adopt (Benimsenmesi önerilir)

  • OpenTelemetry

    • Observability için sektör standardı olarak hızla yerleşiyor
    • OTLP(OpenTelemetry Protocol) spesifikasyonu sayesinde trace, metric ve log verileri standart bir biçimde işlenebiliyor
    • Vendor bağımlılığını azaltır ve Datadog, New Relic, Grafana gibi başlıca araçlarla entegre olur
    • gzip ve zstd sıkıştırma desteği sayesinde büyük ölçekli veri aktarımında yüksek verim sağlar ve mikroservis ortamları için uygundur
    • Log ve profiling desteğinin genişlemesiyle tüm yığının gözlemlenmesi daha da kolaylaşıyor

  • React Hook Form

    • Formik’e alternatif olarak, varsayılan biçimde uncontrolled component’ler kullanarak yüksek performans sunar
    • Yup, Zod gibi şema tabanlı doğrulama kütüphaneleriyle kolayca entegre olur
    • Mevcut kod tabanları ve shadcn, AntD gibi harici component kütüphaneleriyle de iyi çalışır
    • Büyük formlar veya form odaklı uygulamalar geliştirmek için istikrarlı ve esnek bir seçenektir

Trial (Deneysel kullanım)

  • Effect

    • TypeScript tabanlı bir fonksiyonel programlama kütüphanesi olup, asenkron ve senkron programların uygulanmasını basitleştirir
    • Durum yönetimi, hata işleme ve eşzamanlılık gibi karmaşık mantıkları tip güvenliğiyle birlikte ele alabilir
    • Mevcut Promise, async/await, try/catch yaklaşımına göre daha iyi bileşebilirlik ve test edilebilirlik sunar
    • Daha önce kullanılan fp-ts’ye kıyasla günlük geliştirme işleri için daha uygun soyutlamalar sağlar

  • Hasura GraphQL Engine

    • PostgreSQL, MongoDB, ClickHouse gibi çeşitli veri kaynakları için gerçek zamanlı GraphQL API sağlar
    • Veri ürünü projelerinde sunucu tarafı kaynaklarını birleştirme ve hızlı API kurma amacıyla etkili biçimde kullanılır
    • Federated Query ve birleşik şema yönetimi özellikleri güçlüdür, ancak dikkatli kullanılmalıdır
    • Yakın zamanda eklenen PromptQL özelliği, LLM destekli doğal dil tabanlı veri sorgulama imkânı sunar

  • LangGraph

    • LLM tabanlı, durum koruyan çok ajanlı uygulamalar için grafik tabanlı bir orkestrasyon framework’ü
    • LangChain’e kıyasla daha düşük seviyeli kontrol (node ve edge) sağlayarak iş akışlarının özelleştirilmesine imkân verir
    • Öngörülebilir durum yönetimi, debugging, bakım ve ölçeklenebilirlik açısından güçlüdür
    • Öğrenme eğrisi biraz olsa da, hafiflik ve modülerlik açısından oldukça güçlüdür

  • MarkItDown

    • PDF, HTML, Word, PowerPoint gibi belgeleri Markdown’a dönüştüren bir CLI aracı
    • Markdown’un yapısal özelliklerinden yararlanarak LLM belge işleme doğruluğunu ve bağlam anlayışını artırır
    • RAG sistemlerinde belge ön işleme amacıyla kullanıldığında, arama yanıtlarının netliğini büyük ölçüde iyileştirir
    • Geliştirici üretkenliğini artıran faydalı bir araç olup, dokümantasyonda da sık kullanılır

  • Module Federation

    • Mikro frontend’ler arasında modül paylaşımı ve bağımlılık tekrarını azaltma imkânı sunar
    • 2.0 sürümünden itibaren Webpack’ten bağımsız çalışır; Rspack, Vite, React, Angular gibi araçları destekler
    • Büyük web uygulamalarını bağımsız ekiplerin ayrı ayrı geliştirip dağıtabileceği ve ölçekleyebileceği şekilde yapılandırmayı mümkün kılar

  • Prisma ORM

    • Node.js ve TypeScript uygulamaları için açık kaynaklı bir veritabanı araç takımı
    • Decorator veya class kullanmadan, basit nesnelerle veri modeli tanımlamaya imkân verir; tip güvenliği ve taşınabilirliği yüksektir
    • Otomatik migration özellikleri ve sezgisel bir sorgu API’si sunar
    • Fonksiyonel programlama paradigmasıyla da iyi uyum sağlar ve TypeScript geliştirme ortamı için optimize edilmiştir

Assess (İncelenmesi gerekir)

  • .NET Aspire

    • Yerel geliştirme ortamında dağıtık uygulama orkestrasyonunu basitleştiren .NET tabanlı bir araç
    • Birden fazla .NET projesi, veritabanı ve Docker container’ını tek bir komutla çalıştırabilir
    • Logging, tracing ve metric dashboard’ları gibi yalnızca yerel ortama yönelik gözlemlenebilirlik araçları sunarak debugging ve geliştirici deneyimini iyileştirmede etkili olur

  • Android XR SDK

    • Google'ın Samsung ve Qualcomm ile iş birliği içinde geliştirdiği, XR başlıklarına özel Android işletim sistemi ve SDK
    • Android uygulamalarının çoğunu minimum değişiklikle destekler ve yeni geliştirilen uzamsal bilişim uygulamaları için uygundur
    • Şu anda geliştirici önizlemesi aşamasındadır ve uzamsallaştırılmış uygulama geliştirme için standart SDK olarak sunulmaktadır

  • Browser Use

    • LLM tabanlı yapay zeka ajanlarının web tarayıcısını kontrol edebilmesini sağlayan açık kaynaklı bir Python kütüphanesidir
    • Playwright tabanlıdır ve gezinme, giriş yapma, metin çıkarma gibi otomasyonları mümkün kılar
    • Çoklu sekme kontrolü ve web uygulamaları arasında koordinasyon sağlayabildiği için çok ajanlı iş akışlarında kullanışlıdır

  • CrewAI

    • Birden fazla ajanı bir araya getirerek karmaşık görevleri yürüten bir ajan yönetimi ve orkestrasyon platformudur
    • Python kütüphanesinin yanı sıra kurumsal sürümü üzerinden SharePoint, JIRA gibi harici sistemlerle entegrasyon sağlayabilir
    • Promosyon kodu doğrulama, işlem başarısızlıklarını araştırma, müşteri desteği otomasyonu gibi gerçek iş problemlerinde kullanılmaktadır
    • Ajan tabanlı sistemler kurmakla ilgileniyorsanız keşfetmeye değer bir seçenektir

  • ElysiaJS

    • Bun runtime için optimize edilmiş, tip güvenli bir TypeScript web çatısıdır; RESTful ve OpenAPI tarzı API tasarımı yapmayı mümkün kılar
    • tRPC'den farklı olarak API yapısını zorunlu kılmaz; yüksek performans ile tip güvenliğini aynı anda sunar
    • BFF (Backend-for-Frontend) geliştirmek için uygundur ve Java ya da Go düzeyinde performansı hedefler

  • FastGraphRAG

    • Personalized PageRank ile yalnızca ilgili düğümleri tarayarak doğruluk ve performansı artıran yüksek performanslı bir GraphRAG uygulamasıdır
    • Görselleştirme desteği ve artımlı güncelleme özellikleri sunarak büyük ve dinamik veri kümeleri için uygun hale gelir
    • LLM yanıt kalitesini iyileştirirken aynı anda kaynak tasarrufu da sağlayabilen bir GraphRAG çözümüdür

  • Gleam

    • Erlang/OTP tabanlı, statik tipli fonksiyonel bir dildir; çalışma zamanı hatalarını azaltır ve bakım kolaylığını artırır
    • Modern sözdizimi sunarken BEAM ekosistemiyle (Erlang, Elixir) uyumluluğunu korur
    • Yüksek eşzamanlılık, kararlılık ve ölçeklenebilirlik gerektiren sistemlerde, mevcut Erlang'a göre daha fazla tip güvenliği isteyen ekipler için uygundur

Assess (inceleme gerekli)

  • GoFr

    • Golang tabanlı bir mikroservis çatısıdır; loglama, tracing, metrikler, yapılandırma yönetimi ve Swagger dokümantasyonu gibi özellikleri varsayılan olarak destekler
    • Çeşitli veritabanlarının yanı sıra Kafka ve NATS tabanlı pub/sub entegrasyonu ile cron iş zamanlama özelliklerini içerir
    • Tekrarlayan işleri azaltıp iş mantığını geliştirmeye odaklanmayı sağlayan, üretkenlik odaklı bir araçtır

  • Java Post-Quantum Cryptography

    • Kuantum bilgisayarlar çağına hazırlık için geliştirilen bir şifreleme teknolojisidir; JDK 24'te JEP 496/497 ile ilk destek sağlanmıştır
    • Kafes tabanlı kriptografik algoritmalarını (KEM, dijital imza) uygular ve uzun vadeli güvenliğin önemli olduğu veri koruma senaryoları için uygundur
    • Open Quantum Safe'in liboqs kütüphanesi de mevcut olsa da, Java yerel uygulamasının önemli bir ilerleme olduğu değerlendirilmektedir

  • Presidio

    • Yapılandırılmış ve yapılandırılmamış metinlerdeki hassas bilgileri tespit edip anonimleştiren bir veri koruma SDK'sıdır
    • PII öğelerini (kredi kartı numarası, isim, konum vb.) kural tabanlı yöntemler, düzenli ifadeler ve NER ile belirler
    • Yüksek düzeyde özelleştirilebilir olsa da kusursuz tespit garanti edilmediği için sonuçları yorumlarken dikkatli olunmalıdır

  • PydanticAI

    • Pydantic ekibi tarafından geliştirilen, LLM ve ajan tabanlı uygulamalar oluşturmak için bir çatı
    • Karmaşıklığı en aza indirmeyi hedefler; yapılandırılmış çıktı işleme, başlıca model API'leriyle entegrasyon ve grafik tabanlı iş akışları sunar
    • Aşırı soyutlamadan kaçınan, pratik ve hafif bir yapı tercih eden geliştiriciler için uygundur

  • Swift for Resource-Constrained Applications

    • Swift 6.0'dan sonra çeşitli işletim sistemlerine verilen destek güçlendiği için, kaynakların sınırlı olduğu ortamlarda kullanım olasılığı artmaktadır
    • Güçlü tip güvenliği ve ARC tabanlı bellek yönetimiyle performans ve kararlılık arasında denge sunar
    • Rust'a göre daha erişilebilir olsa da, güvenlik sertifikasyonu standartlarını (MISRA vb.) karşılama konusunda hâlâ yetersizdir; bu nedenle yüksek güvenilirlik gerektiren ortamlarda kısıtları vardır

  • Tamagui

    • React Web ile React Native arasında stil paylaşımını optimize eden bir UI kütüphanesidir
    • Tasarım sistemi ve optimize edilmiş derleyici sunar; web tarafında atomic CSS, native tarafta ise hoisted stiller olarak render edilir
    • Çapraz platform UI geliştirmede tutarlı stil ve performans optimizasyonu istendiğinde faydalıdır

  • torchtune

    • LLM'ler için PyTorch tabanlı bir kütüphanedir; sonradan eğitim, ince ayar ve çıkarım deneylerini destekler
    • FSDP2 tabanlı dağıtık eğitimi destekler ve hem tekli hem çoklu GPU ortamlarında çalışabilir
    • YAML tabanlı recipe'lerle karmaşık yapılandırmalara gerek kalmadan sezgisel deneyler yapılmasını sağlar; CLI üzerinden model indirme ve deney çalıştırma işlemlerini de kolaylaştırır

Hold (bekletilmesi önerilir)

  • Node overload
    • Node.js'in gereğinden fazla tercih edilmesi hâlâ bir sorundur; alternatifler değerlendirilmeden kullanıldığı birçok durum vardır
    • IO ağırlıklı işler için hâlâ verimli olsa da, hesaplama yoğun veya veri ağırlıklı işler için uygun değildir
    • Son dönemde veri merkezli iş yükleri arttıkça Node.js'in sınırları daha belirgin hale gelmiştir
    • Tek dil yığınına duyulan tercih anlaşılabilir olsa da, biz hâlâ çok dilli (polyglot) yaklaşımı öneriyoruz
    • Daha iyi API'ler ve performans sunan alternatif çatılar çoğalmışken, Node.js kullanımı dikkatle değerlendirilmelidir

İlgili okumalar