Bu aralar vibe coding bir trend olsa da, vibe coding’in vardığı nokta çoğunlukla kodu anlayıp düzenleyebilme becerisinin gerekliliğine çıkıyor gibi görünüyor.
Ben de frontend’i hiç bilmediğim için vibe coding’e bel bağlamıştım, ama sınırlarını hissedince bu sıralar Gemini’yi kullanarak öğrenmeye çalışıyorum.
Öğrenmek istediğim alan için yönlendirme - o alanı öğrenmeye yönelik proje önerisi - istediğim süreye göre bir yol haritası oluşturma - her gün ortaya çıkarmam gereken çıktıları (ödevleri) düzenleme - o çıktıları kendi başıma üretebilmek için bilmem gereken bilgileri toparlama - bu taslağa dayanarak her gün bilgi + ödeve benzer örnekler + teslim etmem gereken ödevi düzenleyen bir doküman oluşturma - ödevi teslim ettikten sonra geri bildirim alma
şeklinde bir yapıyla kodlama öğreniyorum. Kişisel olarak bunun mevcut öğrenme yöntemlerinden daha eğlenceli olduğunu düşünüyorum; ayrıca uygulamaya zorlaması açısından da öğrenme verimliliğinin yüksek olduğunu hissediyorum. Acaba siz de yapay zekayı kullanarak kodlama çalıştınız mı diye merak edip bu soruyu bırakıyorum.
7 yorum
Müfredat oluşturarak denemedim ama kabaca bildiğim alanları biraz daha derinlemesine öğrenirken yardım aldım. Özellikle sık kullanılan kalıplar gibi şeyleri kendim araştırmaya kalkınca çok zaman alıyor, LLM ise o konuda uzman olduğu için daha faydalı oldu. Elbette çapraz doğrulamanın gerekli olduğu durumlar da sıkça vardı.
Sözde vibe coding denilen türden kullanımı çok olumlu bulmasam da, mesele sadece
"yap"deme alışkanlığı edinmek olmadığı sürece öğrenmeye fazlasıyla yardımcı olabileceğini düşünüyorum. Özellikle mecburen acele şekilde bir çözüm bulmanız gerektiğinde ve işe nasıl yaklaşmanız gerektiğine dair hiçbir fikriniz olmadığında, bundan daha faydalı bir şey olmuyor.Yazarın öğrenme sürecinde bilgiyi bizzat düzenleyip toparlama aşamasının yer almasının en önemli nokta olduğunu düşünüyorum. StackOverflow, tutorial, example ve resmi dokümantasyonu bizzat araştırarak, hem başkalarının durumunu kendi durumunuza uyarlama pratiği yaparsınız hem de arka plan bilginizi biriktirip bakış açınızı genişletme sürecine girersiniz. Bunlar, yapay zekaya bakıp
"sen benim için toparla"diyerek çalışarak kolayca elde edilebilecek şeyler değil.AI ile kodlama çalışmak değil ama..
mevcut Java’dan çok iyi bilmediğim başka bir dilde/node backend geliştirirken
AI kullanınca, kitap okuyarak yapmaktan daha hızlı geri bildirim alıp verebildiğim için
iş performansı daha hızlı artıyor.
Kodlama kodlamadır ama sayısal analiz problemlerini çözerken yardım aldığım oldu. CuPy ile sayısal analiz problemlerini çözerken fonksiyonun kendisini tamamen ben yazdım, ancak yine de yavaştı; bu yüzden fonksiyonu vektörleştirmede yardım aldım.
İş gereği TCP akış işleme gerektiği için Netty + RxJava öğreniyorum. Ondan önce backpressure ve hot/cold observable'ın neden gerekli olduğunu resmi dokümanları ya da blogları okuyarak anlayamıyordum.
Kendi başıma gerçekten çözmek istediğim bir problemi tanımlayıp soru sorunca, duruma tam uyan ve anlamlı açıklamalar çıkıyor; bu da anlamayı çok daha kolaylaştırıyor. Örnek kodlara da körü körüne güvenmeyip yalnızca çalışan kodu öğrenmede kullanmak yeterli olduğundan gerçekten çok faydalı. Aylık 30 bin wonun boşa gitmediğini düşündüğüm iki an olmuştu; bunlardan biri böyle bir durumdu, diğeri ise ekip liderliği ve iletişimle ilgili sorular ya da düşüncelerdi.
Copilot için ücretli ödeme yapıp, bağlamı anlama ile birlikte dil, veri yapıları, ağ, veritabanı ve işletim sistemini ihtiyaç oldukça öğrenmenin gerekli olduğunu düşünüyorum.
Ben olsam önce öğrenmek istediğim yerin GitHub reposunu seçer, repomix ya da cc/codex ile analiz ettirir, soru-cevap döngüsüyle öğrenir ve koşullar elverirse PR da gönderme sürecini birkaç kez denerdim.