- Geliştiriciler artık yapay zekayla işbirliği yapma biçimini öğrenme aşamasında ve Claude’un değeri, basit bir sohbet botu değil bir çerçeve olarak kullanıldığında en üst düzeye çıkıyor
- Toplulukta Claude’un nasıl yapılandırılıp kullanılacağına dair çeşitli denemeler sürüyor; deneyler o kadar yoğun ki buna Claude Code Framework Wars deniyor
- Bunun sonucunda Claude’u proje yöneticisi, mimar, geliştirici, gözden geçiren gibi birden çok rolde kullanma yönünde bir akım oluşuyor
- Çerçeve tasarımında iş yönetimi, yönerge sağlama, ajan işbirliği, oturum yürütme, araç erişimi, kod geliştirme, teslimat, bağlamı koruma dahil 8 ana karar gerekiyor
- Temel ders, yapay zekanın geliştiricinin yerini alması değil; yapılandırılmış kurallar ve roller aracılığıyla üretkenliği katlayan bir ekip arkadaşı haline gelmesi
Giriş
- Temel fikir: Claude’u basit bir konuşma aracı değil bir çerçeve olarak görmek; açık kurallar ve iş akışlarıyla öngörülebilir ve değerli sonuçlar üretmek
- Geliştiriciler kod yazmaktan, yüksek katma değerli rollere (proje yönetimi, tasarım, mimari) kayıyor
- Claude Code çerçevesi, kod yazmadan yapılandırılmış prompt’larla çalışıyor
- Claude Code çerçeve savaşları: Geliştirici topluluğu, üretken yapay zeka kullanımını artırmak için farklı yaklaşımlar deniyor
- Onlarca açık kaynak proje, iş akışları ve rol yapılarını tanımlayarak yarışıyor
- Örnek: Agent OS, Claude-Flow
Çerçeve tasarlanırken dikkate alınması gereken başlıca seçenekler
1. İş yönetiminin yeri
- Claude’un başvurabileceği bir iş kaynağı tanımlamak gerekiyor
- Markdown backlog: İşleri Markdown biçiminde bir yapılacaklar listesi olarak yönetmek
- Yapılandırılmış metin: Ürün spesifikasyonlarını işlere dönüştürmek
- Issue/ticket: Spesifikasyonları GitHub Issues veya Jira ticket’larında saklayıp kod incelemesine bağlamak
- Öz: Görevler, Claude’un erişebildiği ve takip edebildiği bir yerde saklanmalı
2. Claude’a rehberlik nasıl verilir
- Belirsiz prompt’lar yerine Claude’a açık bir yapı ile yönerge vermek
- Komut kütüphanesi: /create-tasks, /review gibi önceden tanımlanmış slash komutları
- Kodlama standartları: Teknoloji yığını ve kodlama yönergelerini açıkça belirtmek
- Tamamlanma tanımı: Bir görevin tamamlandığını belirleyen ölçütleri kodlaştırmak
- Tetikleyici doğrulama hook’ları: Her değişiklikte linting ve testleri zorunlu kılmak
- Claude gözden geçireni: Claude’un hem geliştirme hem inceleme yapması
- Öz: Açık ve tekrarlanabilir kurallar, Claude’un iş kalitesini artırır
3. Ajan işbirliği yapısı
- Birden fazla Claude ajanı kullanıldığında bunları roller ve planlama ile koordine etmek
- Rol simülasyonu: Yapay zekanın PM, mimar, geliştirici, testçi rollerini üstlenmesi
- Swarm paralel işleme: Spesifikasyon → sözde kod → kod → test şeklindeki yapısal akışta çok sayıda ajanı aynı anda çalıştırmak
- Repository-native artifact’lar: Görevleri, log’ları ve mimari karar kayıtlarını (ADR) kod tabanında tutarak belleği sürdürmek
- Öz: Koordinasyon, çok sayıdaki yapay zeka çalışanının çakışmasını önler
4. Oturum yürütme biçimi
- Yapay zeka çıktısındaki karmaşayı önlemek için oturumları çalışma ortamı olarak tanımlamak
- Terminal orkestrasyonu: Claude’un komutları, pencereleri ve log’ları kontrol etmesi
- Paralel worktree’ler: Git Worktrees ile birden fazla branch’i paralel yürütmek
- Paralel container’lar: Claude’u bağımsız container’larda çalıştırarak çakışmaları önlemek
- Öz: Paralel çalışma, çakışma olmadan üretkenliği en üst düzeye çıkarır
4. Oturum çalıştırma biçimi
- Yapay zeka çıktısındaki karmaşayı önlemek için oturumları çalışma ortamı olarak tanımlamak
- Terminal orkestrasyonu: Claude’un komutları, pencereleri ve log’ları kontrol etmesi
- Paralel worktree’ler: Git Worktrees ile birden fazla branch’i paralel yürütmek
- Paralel container’lar: Claude’u bağımsız container’larda çalıştırarak çakışmaları önlemek
- Öz: Paralel çalışma, çakışma olmadan üretkenliği en üst düzeye çıkarır
5. Claude’un araç erişimi
- Claude’un tüm teknoloji yığınına dair bilgisini kullanabileceği şekilde ayarlamak
- MCP entegrasyonu: Tarayıcı, veritabanı, test runner ve UI otomasyon çerçevelerini bağlamak
- Özel araç kütüphanesi: Shell script’leri ve komutlarla oluşturmak
- Veritabanı erişicileri: Güçlü veritabanı erişim araçları
- Test ve doğrulama hook’ları: İş tamamlanmadan önce Vitest, Jest vb. ile test çalıştırmak
- Öz: Araç entegrasyonu, Claude’u basit bir otomatik tamamlamadan aktif bir ekip üyesine dönüştürür
6. Kod geliştirme biçimi
- Claude, gereksinime göre farklı roller üstlenebilir
- Proje yöneticisi (PM): Ürün spesifikasyonlarını görevlere ve backlog’a dönüştürmek
- Mimar: Genel yapıyı tasarlamak, arayüzleri tanımlamak, kodlamadan önce kuralları belirlemek
- Uygulayıcı: Testlere ve standartlara göre kod yazmak
- QA: Görevlerdeki sorunları incelemek
- Gözden geçiren: PR kalitesi, okunabilirlik ve risk denetimi yapmak
- Öz: Yazılım yaşam döngüsünün tamamında yapay zekadan yararlanmak
7. Kodun teslim edilme biçimi
- Kodun repository’ye nasıl ulaşacağını tanımlamak
- Küçük farklar: Yapay zekanın bir ticket’ı ele alıp küçük bir PR oluşturması; her zaman inceleme yapılması
- Deneyler: Değişiklikleri feature flag arkasında dağıtmak
- Tam uygulama scaffold’u: Yüksek seviyeli prompt’larla tüm uygulamayı kurup dağıtmak
- Öz: Üretim için güvenli iterasyonlar ya da prototip için scaffold yaklaşımı arasında seçim yapmak
8. Bağlamı koruma biçimi
- Claude’un unutkanlık sorununu çerçeve belleği ile çözmek
- Belgeler ve günlükler: CLAUDE.md, mimari notlar ve proje günlüklerini güncel tutmak
- Kalıcı bellek ve kontroller: Son çalışmaların özetini, proje sağlık kontrollerini ve kararları saklamak
- Öz: Bellek olmadan yapay zeka hataları tekrarlar; bellekle ilerleme birikir
Birleştirme yaklaşımı
- Bu seçenekleri bir menü gibi düşünmek; her şeyi bir anda kurmak gerekmez
- Başlangıç kurulumu: Markdown backlog + ticket farkları
- Yapılandırılmış ekip: Ürün spesifikasyonları + standartlar + rol simülasyonu
- Deney odaklı: Repository artifact’ları + paralel oturumlar
- Prototip modu: Uygulama oluşturucu + belge scaffold’u
Sonuç ve çıkarımlar
- Temel ders: Claude en iyi performansı yapılandırılmış ortamlarda gösteriyor
- Geliştiricinin rolünü değiştirmekten çok, boilerplate işleri azaltarak spesifikasyon tanımı, tasarım incelemesi ve mimari tanıma odaklanmayı sağlıyor
- İşler yanlış giderse hızla raydan çıkabilir; yapısal yönetim şart
- Şu an hâlâ erken aşamada olsa da çerçeveler, yapay zekayı bir sihirli kutu değil, yönetilebilir ekip üyeleri kümesi haline getiriyor
- Ne kadar çok yapı sağlanırsa o kadar fazla değer geri dönüyor
- Topluluk, açık kaynak projeler aracılığıyla farklı çerçeveler deniyor ve üretken yapay zekayı nasıl kullanacağını araştırıyor
- Geliştiriciler Claude’u sistemli biçimde kullanarak yüksek katma değerli işlere odaklanabilir ve yapay zekayı ekip üyesi olarak entegre edip üretkenliği en üst düzeye çıkarabilir
Henüz yorum yok.