- Cursor ve Claude Code birlikte kullanılarak büyük kod tabanlarında gerçek geliştirme işleri ve LLM değerlendirme danışmanlığı gibi çeşitli alanlarda deneyim kazanıldı
- Cursor, kullanışlı UI/UX’i ve sınırsız API erişimi sayesinde power user’lar arasında öne çıkıyordu; ancak yakın zamanda getirilen katı rate limitler kullanıcı deneyimini ciddi biçimde kısıtladı
- Claude Code içindeki Sonnet 4, kod anlama ve düzenleme ile büyük bağlamları işleme konusunda yüksek güvenilirlik ve verimlilik gösteriyor; Opus 4 ile birlikte kullanıldığında zor hatalar da çözülebiliyor
- Komut tabanlı CLI ortamı ve sub-agent kullanımı gibi power user’lara yönelik çeşitli gelişmiş özellikler barındırıyor; düzenli deneme yapmak ve özellikleri keşfetmek deneyimin önemli bir parçası
- Eksik kalan yönler arasında görsel UI yetersizliği, yavaş kopyala/yapıştır, farklı modelleri kullanma kısıtları ve checkpoint gibi ek iyileştirme talepleri yer alıyor
Cursor’dan Claude Code’a: Değişimin Arka Planı
- Yakın zamana kadar Cursor, sınırsız API kullanımı ve sezgisel Diff inceleme iş akışı sayesinde geliştiriciler tarafından çok seviliyordu
- Bu yüzden özellikle Gumroad bounties ve AI mühendisliği/LLM değerlendirmesiyle ilgili danışmanlık işlerinde kod üretmek ve kod tabanını hızlıca anlamak için kullanıldı
- Ancak haziran ortasından sonra aniden getirilen güçlü rate limitler, çalışma verimini keskin biçimde düşürdü ve Cursor’ın avantajlarını büyük ölçüde azalttı
- Sonnet 4, Opus 4, GPT-4.1 ve Gemini Pro 2.5 gibi farklı modeller arasından pratikte en çok Sonnet 4 ve Opus 4 kullanıldı
- API maliyeti ve hız düşüşü gibi sınırlamalar nedeniyle Claude Code Max aboneliği (aylık 200 dolar) bile değerlendirilerek ciddi bir geçiş denemesi yapıldı
Claude Code’u Gerçekte Kullanma Deneyimi
- Python, Ruby, TypeScript gibi orta ve büyük ölçekli açık kaynak kod tabanlarında (50M+ token) Claude Code kullanıldı; spesifikasyon ve testler üzerinden bir geri bildirim döngüsü deneyimlendi
- Başlarda yalnızca basit komut girişi kullanılırken, zamanla temel komutlar ve plan mode öğrenilerek daha derin kullanım yolları keşfedildi
- Basit komut girişi → komut/plan modunu öğrenme → net komut kombinasyonlarıyla otomasyon ve üretkenlik artışı
- Sorun çözme sürecini adeta bir danışma seansı gibi ele alarak, problem serbestçe Claude’a aktarılıyor ve tüm bağlam yükleniyor; gerektiğinde Opus’a geçilip plan yapılıyor (Plan mode), ana işler ise Sonnet 4 ile yürütülüyor; yani karma bir strateji kullanılıyor
- Claude’dan .claude klasörü içindeki dosyalara kayıt tutup düzenleme yapması istenerek bağlam yönetimi ve kopyala/yapıştır zorluğu azaltılıyor; Plan mode ile Auto-edit mode’un birlikte kullanılması öneriliyor
- Bağlam yönetimi: compaction yerine düzenli olarak yeni sohbet başlatmak, önemli değişiklikleri ayrı dosyalara not ettirmek
Bağlam Yönetimi ve Sub-agent Kullanımı
- Claude Code bağlam sıkıştırma destekliyor; ancak bunun yavaş ve verimsiz olduğu düşünülüyor, bu yüzden özet dosyaları doğrudan oluşturup yeni sohbet başlatmak tercih ediliyor
- Scratchpad benzeri yardımcı dosyalara değişiklikler, notlar ve geçmiş yazdırılarak sonraki branch çalışmaları veya oturum geri yükleme (
/resume) sırasında bunlardan yararlanılıyor
- Sub-agent’lar: kod tabanı içinde arama, analiz gibi birden fazla işi paralel işleyebiliyor; çok iş parçacıklı yapıyla görev dağıtımı mümkün oluyor
- İçeride ToDo listesi tabanlı çoklu ajan yapısı oluşturuluyor ve bu da bağlam yönetimine yardımcı oluyor
Arama ve Komutlardan Yararlanma
- Cursor tarafında normal/semantik arama ve agentic search gibi çeşitli araçlar kullanılabiliyor; ayrıca arama hızı da yüksek
- Buna karşın Claude Code içindeki arama yavaş olabiliyor. Ancak sub-agent kullanıldığında büyük kod tabanlarında paralel işlem mümkün
- sub-agent, task tool,
/think, /ultrathink gibi komutlarla büyük repository’lerde gezinmek ve işi bölüştürmek mümkün oluyor
Shift + ? kısayoluyla komut listesini açıp yeni özellikleri hızlıca görmek önemli- Terminal komutları (bash)
! ile, ayrıca headless modda da çalıştırılabiliyor
- Dosya etiketleri (
@dosya), memorize özelliği (kullanıcıya özel system prompt), CLAUDE.md kullanımı gibi pek çok gelişmiş özellik yerleşik geliyor
Sonnet 4 ve Opus 4 Karşılaştırması ile İş Akışı İpuçları
- Sonnet 4: Çoğu durumda daha hızlı; uzun bağlam ve ajan tabanlı işlerde güçlü. Python ve frontend çalışmalarında daha avantajlı
- Opus 4: Talimatlar birden fazla tur boyunca biriktikçe kafası karışma eğilimi gösterebiliyor; böyle durumlarda dosyaya not alıp yeni bir sohbet başlatmak öneriliyor. Sonnet 4 tıkandığında daha zor bug’ları çözmek için kullanışlı
- Karmaşık problemler için Opus’la başlamak, genel kodlama işlerini Sonnet ile yapmak şeklinde hibrit kullanım öneriliyor
Özel Komutlar ve Diğer İpuçları
/pr-comments, /review gibi özel komutlar destekleniyor; Github CLI gerekiyor- Branch değiştirirken konuşmayı yeniden başlatmak, main ile diff incelemek gibi esnek iş akışları kurulabiliyor
Esc tuşuna iki kez basarak konuşmanın herhangi bir noktasından fork alınabiliyor/permissions ile oturum öncesinde izinler ayarlanabiliyor- Cesaretiniz varsa claude
--dangerously-skip-permissions kullanmayı deneyebilirsiniz
- Cluade Code Pro TIPS videosu önerisi
Gelecekte Denemek İstenenler
- Özel komutları doğrudan tanımlayıp kullanma yöntemlerini denemek isteniyor
- Playwright server gibi MCP server’ları kullanarak frontend otomasyon geliştirmesi yapmak isteniyor
- Claude’un ekran görüntüsü alıp sonucu yorumladığı ve UI’ı yinelemeli biçimde iyileştirdiği bir geri bildirim döngüsü kurmaya odaklanılacak
- how-i-bring-the-best-out-of-claude-code-part-2 yazısında önerilen tüm ileri seviye kullanım yöntemlerinin uygulanması planlanıyor
- Prompt optimizasyonu denenmek isteniyor
- Değerlendirme ölçütlerini (
rubric.md) net biçimde tanımlayıp, bağlam içeren dosyalarla (pmd vb.) birlikte prompt değerlendirme/iyileştirme döngüsü tasarlanmak isteniyor
- Birden fazla Claude instance’ı kullanarak, bir instance’ın prompt ile çıktı üretip diğerinin bunu değerlendirerek geri bildirim vermesi ve iyileştirmesi şeklinde bir yapı (tekli ya da çoklu ajan sistemi) kurgulanıyor
- Bu yaklaşım için ilham kaynağı Nirant’ın paylaşımı oldu
- Birden fazla Claude Code instance’ının action log üzerinden birbirleriyle iletişim kurduğu bir çoklu ajan sistemi kurulmak isteniyor
Sonuç ve İyileştirme Talepleri
- Cursor, UI/UX açısından çok güçlü; ancak Claude Code, power user ve CLI dostu ortamda üretkenliği ve deneyselliği teşvik ediyor
- Keşfederek öğrenme ve deney yapma konusunda büyük ödül sunan bir araç olarak, nerd’lere/power user’lara güçlü biçimde tavsiye ediliyor
Gelişmesi İstenen Özellikler
- UI entegrasyonu (Claudia referans alınabilir)
- Cursor’daki gibi checkpoint desteği. Git var ama Cursor’ın yöntemi çok daha rahat
- Kopyala/yapıştır kalitesinin iyileştirilmesi
- Farklı modelleri kullanma desteği
1 yorum
Hacker News görüşleri
İnsanların Claude Code’u göklere çıkardığını her gördüğümde, sanki ya herkes influencer ya da terminal ve Emacs, Vim gibi geleneksel araçlara hayran fanlardan ibaretmiş gibi geliyor. Claude Code’un Cursor’dan çok daha iyi olduğunu söyleyen yorumları her gördüğümde gerçekten abone olup büyük bir TypeScript kod tabanında deniyorum; ama süreç uzun sürüyor ve öğrenme eğrisi de yüksek. Sonuç ise Cursor içindeki Claude ile aynı, ama daha yavaş ve daha belirsiz; bu yüzden kod incelemesi de zorlaşıyor. Artık yorumlardaki aşırı hevesli kişilerin ya sponsorlu olduğunu ya da 200 dolar ödedikleri için seçimlerini haklı çıkarmaya çalıştıklarını düşünüyorum. Dürüst olmak gerekirse Cursor çok daha üretken hissettirdi. 18 yıllık bir programcıyım, her gün yoğun biçimde kod yazıyorum, Gemini 2.5 Pro ile Claude 4.0’ı dönüşümlü kullanıyorum; ama yine de Cursor’la daha çok verim alıyorum. Şimdiye kadar beni ikna edebilen tek bir kişi bile çıkmadı. Somut bir avantaj göremiyorum. Belki sonra fikrim değişir ama şu an hiç öyle hissetmiyorum
Çoğu insanın yazılım geliştirmede gerçekten zor olan kısmın ne olduğunu ciddi biçimde yanlış anladığını düşünüyorum. Gerçek işin büyük bölümü karmaşık algoritmalar geliştirmek değil, mevcut fikirleri iyi biçimde birleştirip yerine oturtmak. Ama bunların hepsi de öncesinde gelen gereksinim tanımı, tasarım, mimari gibi işlerden sonra geliyor. AI ile böyle programları bir anda üretmek havalı görünüyor ve demoda hızlıca “bitmiş” gibi hissettiriyor, ama asıl mesele 30 yıl kullanılacak bir sistemi kalite standartlarına uygun biçimde kurmak. Prototip ya da tek seferlik işler için harika, ama uzun vadeli dayanıklılıkta sınırları var
Bu araçlarla verimliliği en üst düzeye çıkarmak için çok kısa ve hızlı geri bildirim döngüleri kritik. Cursor’un tab otomatik tamamlama modeli, editörde ne yapmaya çalıştığımı sezgisel olarak kavrıyor; sanki inanılmaz zeki bir şekilde frene dokunuyormuş gibi. Benim kafayı yiyip makro programlama yapmam gerekmiyor; gerekmezse Esc ile iptal ediyorum, gerekirse de kademeli olarak agentic moda geçiyorum. Tamamen ajan tabanlı editörler ise 15–30 dakika sürüyor ve iş akışını tamamen koparıyor. Ortaya çıkan sonucu incelemek başlı başına iş oluyor; kısa kabul/red döngüsüne kıyasla çok daha fazla dikkat istiyor. Ağ yetkisi vereyim mi, offline mı çalıştırayım gibi kaygılar da büyüyor; bu yüzden ancak bakım, güvenlik ve güvenilirliğin önemli olmadığı kodları hızlıca çıkarmak gerektiğinde denenebilir. Onun dışında verimliliği düşürüyor. İleride gelişir ama şu anda kesinlikle Cursor’da daha iyi sonuç alabiliyorum
Ben de eskiden böyle hissediyordum ama yakın zamanda Claude Code’u gerçekten kullanınca Cursor’dan çok daha iyi olduğunu düşündüm. Nedenini tam bilmiyorum ama Claude sanki genel yapıyı daha iyi kavrıyor ve gereksiz değişikliklerden daha iyi kaçınıyor. Tabii bazen yönü sizin vermeniz gerekiyor ama verimliliği çok daha yüksek. Özelliklerinden biri de genelde aynı anda sadece tek bir dosyayı göstermesi; bu yüzden inceleme çok daha kolay. Cursor birden fazla dosyayı aynı anda açıyor ve değişiklik hacmi fazla olduğu için hızlıca anlamak zorlaşıyor. Bu arada ben VSCode terminal penceresinde Claude Code eklentisini kullanıyorum. Claude, değiştireceği dosyanın sekmesini açıp değişiklik önerisini gösteriyor
İnsanların hâlâ fark etmediği şey, Cursor’un tek bir tamamlanmış ürün değil, tüm araçların yetişmeye çalışırken eklediği özelliklerin bir paketi olduğu. Asıl ders şu: derin arayüzler dışında, herkesin tercih ettiği editörle sınıfının en iyisi ajan çözümünü birleştirmeye dayanan başka bir strateji daha var. Bu deneyimler sonunda “best practice” hâline gelip yoğunlaşacak ve insanlar bunları kendi editörleri ya da IDE’lerinde doğal biçimde uygulayacak; bu tür vscode fork’larının hepsi de ortadan kalkacak
Bir aydan kısa sürede 17 dolarlık planla kullandım; yarısı hayranlık, yarısı da hayal kırıklığıydı. Rust’ta 8 bin satır, Markdown’da 12 bin satır yazdım; iş tanımını ve somut görevleri adeta bir test harness gibi ayırarak yapay zekayla etkileşime girdim. Bu sihrin VC sübvansiyonundan mı kaynaklandığını bilmiyorum ama Rust neredeyse script dili gibi hissettirdi. (Not: GitHub deposunun adı ‘knowseams’)
AI’da en sevdiğim şey, üşendiğimde “şunu yap” diyebilmek. Sonuç iyi de olabilir kötü de; fark etmez. En azından bir başlangıç noktası oluşturuyor
LLM sayesinde boş sayfa korkusu kalmadı. Karmaşık bağlamı yeniden zihnimde kurmak yerine “Biz ne yapıyorduk?”, “Bu kod neydi?” diye soruyorum, AI hemen açıklıyor ve anında yeniden odaklanabiliyorum. Rubber duck debugging ya da tekrar eden ufak angaryaları da inanılmaz hızlandırıyor, o yüzden gerçekten çok faydalı. Slack, Notion, Linear gibi araçlarla da entegre kullanıyorum; benim için aynı zamanda görev/proje yönetim aracı
Bir şeyi kendim yapmak istesem bile AI’dan plan çıkarmasını isteyip Markdown olarak saklıyorum. Bugün de bir refactor planı istedim; 40 dosyalık prototip kod bloğunu alttan başlayarak yeniden yapılandırmaya kalktı, yani yanlış bir yaklaşım önerdi. O yönde hata yapsaydım debug için korkunç zaman harcardım. Yine de bir saldırı noktası verdi ve planı bir saat içinde düzeltip uyguladım. Bunu tek başıma yapsaydım muhtemelen karmaşıklıktan bıkıp hiç başlayamaz ya da sürekli dokümantasyon yapıp sonunda bırakırdım
Günün sonunda artık odaklanamadığım, yazdığım kadar geri aldığım anlarda direksiyonu AI’a bırakıp nefes alabiliyorum. Küçük konularda diff’e hızlıca bakmak yetiyor; zor konularda ise sorunun ne olduğunu biliyorsam AI’ı yönlendirip ikna edebiliyorum. İşin %40–60’ı tamamlandığında genelde devralıp bitiriyorum. Normalde en keskin olduğum saatlerde bizzat düşünerek geliştiriyorum; artan mesai işleri ya da tekrarlı işleri ise ertesi güne hazırlık ya da daha üst seviye yazı/tasarım için AI’a bırakıyorum
Ben sadece yürüyüşe çıkıp kahve içiyorum. İnsani sorunları insani yöntemlerle çözmek biraz daha doğal geliyor
Claude Code’u tarif etmek zor. Kullandıktan sonra sanki işimi tamamen değiştirmişim gibi hissettim. Daha önce de Claude’u iş akışımın merkezine almıştım ama Claude Code gerçekten “steroidli” gibi. Henüz denemediyseniz kesinlikle tavsiye ederim. İlk kez gerçekten junior bir mühendisle çalışıyormuş gibi hissettim
Benim deneyimim tam tersi. Bir şey söylüyorsunuz, birkaç dakika sonra bir sonuç veriyor; ama aslında uygulamayı bozmuş oluyor ve debug etmeye başlayınca tamamen yanlış bir şey üzerinde çalıştığı anlaşılıyor, sonunda her şeyi çöpe atıyorsunuz. Yine de Claude’a tutunmamın sebebi, diğer insanlar gibi düzgün çalıştığında gerçekten çok iyi olması. Ama gerçek hayatta çoğu zaman ancak boilerplate üretiyor, sonra da ciddi miktarda debug işi size kalıyor; en kötü durumda bir saatiniz ve token’larınız boşa gidiyor
Bugün işte ilk kez kullandım ve Cursor’a kıyasla ezici derecede yenilikçi bir sıçrama gibi geldi. Aynı foundation model’i kullanmasına rağmen deneyim tamamen farklı. Bir ay önce AI yüzünden işlerim yavaşlıyordu; bugün ise Claude Code ile 20 dakikada işi bitirdim ve API kullanım ücreti de 10 doları bile bulmadı. Bağlam yönetimiyle çok az uğraştım; Claude Code gerekli bağlamı kendisi bulup eklediği için çok daha uzun süre üretken kalabiliyor. Cursor’un agent modu 3–5 dakikalık işler için ancak idare ederken, Claude Code 10 dakikayı aşan işlerde bile yolunu kaybetmeden sürekli ilerliyor. Araç kullanımı da müthiş ve döngüye takılıp kalmaması gerçekten şaşırtıcı
“Junior bir mühendisle çalışıyormuş gibi” dediniz ya, bende his tam tersiydi: sanki ben astım da Claude yönetici. “Bakın ne kadar harika bir şey yaptım!” diye seviniyorum, o da “Ama ben senden bunu istemedim...” der gibi davranıyor
Hangi işlerde, hangi dillerde, hangi alanlarda kullandığınızı biraz daha somut anlatabilir misiniz? Herkesin vakası o kadar farklı ki gerçekten merak ediyorum
Ben de aynı deneyimi yaşadım. Claude basit bir junior’dan fazlası. Seçenek önermede, kararlar için tavsiye vermede ve trade-off’ları görünür kılmada aşırı iyi
Gerçekten Claude Code ile uygulama ya da kütüphane geliştirilen fazla walkthrough örneği yok mu? Ben sadece “vay be” etkisi yaratan yazılar değil, bu araçla sahada gerçekten nasıl geliştirme yapıldığını görmek istiyorum. Böyle örneklerin bir derlemesi olsa çok iyi olurdu
Genel olarak bu durum biraz tuhaf hissettiriyor. Claude Code’un kendisi kesinlikle iyi ve dokümanları ya da Stack Overflow’u çok daha hızlı bulmak için kullanılabiliyor. Ama eğer abartılı söylentiler doğruysa, bu tür araçlarla yazılım inovasyonunun baş döndürücü bir hızla gerçekleşmesi gerekmez miydi? Stripe CEO’su AI araçlarının üretkenliği 100 kat artırdığını söyledi; o zaman 3–4 ay geçtiyse Stripe’ın şimdiye roket fırlatıyor olması gerekmez miydi? Microsoft da AI coding’e tam gaz girmiş durumda ama Teams neden hâlâ bu kadar kötü? Bir yılı aşkın süredir bu araçların devrim olduğu söyleniyor ama pratikte dünya 3–4 yıl öncesinden çok da farklı görünmüyor
Son dönemde dikkat çeken iki eğilim var: (1) deneyimsiz kişilerin küçük projelerde AI kullanması, (2) geliştiricilerin tüm uygulama yapısını, dosyaları, arayüzleri, tech stack’i, test framework’ünü baştan yoğun şekilde tanımlayıp LLM’i çok ince yönlendirerek ancak idare eder sonuçlar elde etmesi YouTube örneği. PR/YouTube gibi yerlerde duyduğumuz %80–99’luk hikâyeler aslında birinci gruptan geliyor. İnsanların üretkenlik artışı hissetmesinin nedeni de, LLM ile konuşma, dokümante etme, yönlendirme ve düzeltme sürecinin doğrudan geliştirme yapmaktan daha az yorucu gelmesi. Zaman ya da toplam emek aynı kalsa bile beklenti yükü azalıyor
YouTube’da gerçekten üretkenlik patlaması yaratan canlı yayınlar/örnekler arıyorum ama “vay canına, bu gerçekten çok hızlı” dedirten bir şeye rastlamadım
Lehte ve aleyhte çok uç yorumlar var ama çoğunluk sessizce kendi commit’lerini atıyor (bunu söylemek bile ironik). Benim durumumda işe göre 1,5 ila 10 kat arası hızlanmayı gerçekten hissediyorum. En büyük fayda, tamamen yaratıcı, tek seferlik, boilerplate ya da refactor türü işlerde bilişsel yükü ciddi biçimde azaltması; bu da daha tutarlı performans sağlıyor. Hâlâ epey “elle kod yazıyorum” ve neredeyse her satırı sonuna kadar inceliyorum. Saatlerce tek başına bir şeyler üretmesi ise tam bir kabus. Gerçekte 10 yıldan uzun süredir bakımını yaptığım production uygulamalarda da kullanıyorum ama bunu bloglarda anlatacak vaktim yok. Öte yandan çok küçük bir organizasyonda olduğum için tüm sistem bağlamı elimde ve bu da sorunları daha hızlı anlamamı sağlıyor. Kendi verimliliğinin kritik olduğu ortamlarda bunun temel kapasiteyi gerçekten büyüttüğünü düşünüyorum. Büyük organizasyonlarda aynı deneyimi yaşamak daha zor
Benim deneyimime göre her kod klasörünün köküne Claude.md adında bir Markdown dosyası koyup, pipeline gibi çalışan minimal kurallar eklemek iyi sonuç veriyor. Testlerin belirli klasör ve düzen içinde oluşturulmasını şart koşuyor, debug dosyası üretmesini engelliyorum. Yeni sınıf ve yapıların gereksiz yere çoğalmasını önlüyor, gerçekten gerekmedikçe yeniden kullanımı teşvik eden kurallar koyuyorum. Prompt’ları da uzun uzun yazmıyorum; çoğu zaman sadece belirsiz noktalar için plan belgesi hazırlatıyorum. LLM’in bilgi kapsamı dışındaki yeni konularda bile büyük girdileri mümkün olduğunca sınırlı tutuyorum. Bu yöntemle 1 input–1 output düzeyinde, derin ayrıntılar dahil, tutarlı sonuçlar alıyorum. Son dönemde Claude Code yerine CLI modunda Opus gibi başka büyük modelleri daha ucuza kullanmaya geçtim. Asıl güç CLI’da. Aynı anda 60–70 agent stream çalıştırıyorum ve 200 milyon token büyüklüğünde (react/typescript/golang) bir kod tabanını rahatça yönetebiliyorum. Sadece bir iki kez ek yönlendirme yapmam gerekti
Agent stream’lerle tam olarak neler yürüttüğünüzü listeleyebilir misiniz? Gerçekten çok merak ettim
Anthropic dışında hangi modelleri kullandığınızı bilmek isterim. Kimi K2’yi denedim ama benim kullanımım için pek iyi değildi
“Agent stream” ile neyi kastettiğinizi merak ediyorum. 60–70 tanesini nasıl yönetiyorsunuz, bilişsel yükünü hayal bile edemiyorum
Bazen Claude Code ile belirli görevlerde üretkenliğim dramatik biçimde artıyor. Slash command kullanarak önceki konuşmaları birer slash command’e dönüştürmeyi tavsiye ederim. Böylece zamanla giderek daha kullanışlı ilkel komutlardan oluşan bir set biriktirebiliyorsunuz. Kendi örneklerimi GitHub’da paylaştım: make-command.md, improve-command.md
PSA: Bu depo ile Claude Code’u herhangi bir modelle bağlayabiliyorsunuz. Son Kimi-K2’nin de epey iyi çalıştığı söyleniyor
Ben de Kimi-K2’yi denedim; Sonnet/Opus 4.0’dan zayıf, ama tool calling tarafında Gemini 2.5 Pro’dan daha iyi. Claude Max’in aylık 100–200 dolarlık fiyatı ağır geliyorsa kesinlikle öneririm. Modelin gereksiz süslerden arınmış, çok sade bir yapısı var; bu hoşuma gidiyor. Hatta Anthropic Claude Code’u open source yapsa, CLI coding agent dünyasının VSCode’u olabilir. Ayrıca opencode’u da öneririm. Tüm modellere native destek veriyor ve Claude Code’a benzer özellikler sunuyor
Birden fazla model kullanacaksanız ben doğrudan sst/opencode öneririm (ben de Claude Pro ile kullanıyorum)
Bu arada CC’yi henüz deneyemeyenler için – CC istemcisini npm ile indirip ücretsiz kullanabilirsiniz
Claude Code, local LLM, Continue ve VSCode ile basit bir Python uygulamasını “vibe coding” yaparak kurcalıyordum; sonra Claude’un ücretsiz katmanını fark edip elimdeki kodu ve LLM çıktısını içine attım. Hataları ve güncellemeleri tek seferde doğru biçimde toparlayıp düzeltince çok sevindim! Sonra bir adım ileri gidip pygame tabanlı 2d bir oyun (Manic Miner tarzı) için özellikleri ve prompt’ları ChatGPT ile hazırlayıp Claude’a verdim; ama Claude durmadan var olmayan metodlara referans veriyor ya da kod tabanının sürüm farklarından söz ederek saçmalıyor. Satır numarası ve çevresindeki kodu açıkça göstersem bile hâlâ gaslighting yapıyor. Bunu nasıl aşabilirim? Kusursuzluk beklemiyorum ama local LLM ile yaşadığım sınırlara benzer bir duvara çarpmış gibiyim. Sağlık durumum iyi olmadığı için bunu aralıklı yapabiliyorum; tavsiyeye açığım
Büyük ihtimalle “muğlak arayüzler ve gizli varsayımlarla dolu kod cehennemi”ne saplanmış durumdasınız. Böyle anlarda mevcut ChatGPT çıktılarının hepsini özetleyip oyunun şu anda tam olarak ne yaptığını ve tüm özelliklerini derinlemesine listeleyen bir belge hazırlamak, sonra o belgeyi Claude’a verip gereksinimleri en baştan yeniden break down etmek çok daha temiz sonuç verir. Claude zero-shot durumda bile çok iyi örnekler çıkarabiliyor; en kötü ihtimalle de kendi kendini iteratif olarak iyileştirebiliyor. Eğer buna rağmen Claude saçma özellikler uydurmaya devam ederse context7 MCP server kurup Claude’dan özellikle context7 kullanmasını istemenizi öneririm
Bu, LLM teknolojisinin temel sınırı. Olasılıksal olarak “en makul görünen” token dizisini üretiyor, ama “makul görünme” ile “doğru olma” örtüşmediğinde çözüm kalmıyor. Her LLM’de bu “makullük” ölçütü eğitim/fine-tuning sürecine göre farklılaşıyor
Temel kurulumdan sonra, bu aracın iyi çalışması için ek olarak neler yaptığınızı merak ediyorum. Yani bağlam/context ve kod tabanı yapısı tarafında, aracın doğru yönü kendi kendine bulmasını sağlamak için hangi pratik yöntemleri kullanıyorsunuz? Ben kendi düşüncelerimi şu yazıda toparladım. Daha iyi metodolojilerin çıkmaya devam edeceğini düşünüyorum
Claude Code ile bireysel olarak ciddi kazanımlar elde ediyorum ama bunu tüm ekibe yaymak konusunda zorlanıyorum. Ekip arkadaşlarımın ya da yönettiğim kişilerin Claude Code’u etkili kullanabilmesi için, pratik ipuçlarını ya da best practice’leri paylaşmanın iyi yolları var mı merak ediyorum