Thoughtworks Technology Radar, Cilt 33 yayınlandı

 (thoughtworks.com)
15 puan yazan GN⁺ 2025-11-07 | Henüz yorum yok. | WhatsApp'ta paylaş
  • Teknikler/Araçlar/Platformlar/Geliştirme dilleri ve framework’ler alanlarındaki en güncel trendleri Adopt(benimsenmesi önerilen), Trial(deneme amaçlı kullanım), Assess(değerlendirme), Hold(dikkat) olmak üzere 4 aşamada görselleştirip açıklıyor
  • 4 ana tema: yapay zeka altyapı orkestrasyonu, MCP tabanlı ajanların yükselişi, yapay zeka kodlama iş akışları, yapay zeka antipattern’lerinin ortaya çıkışı

Yapay zekaya altyapı orkestrasyonu getiriliyor

  • Yapay zeka iş yükleri, kuruluşları eğitim ve çıkarım için büyük ölçekli GPU filo orkestrasyonu gerektiren bir yapıya zorluyor
    • Tek bir GPU’nun HBM kapasitesi (80GB) sınırını aşan büyük modellerin artmasıyla dağıtık eğitim ve çoklu GPU çıkarımı zorunlu hale geliyor
    • Platform ekipleri karmaşık çok aşamalı pipeline’lar kuruyor ve throughput ile latency’yi sürekli ayarlıyor
    • Nvidia DCGM Exporter ile filo telemetrisi yapılıyor, topoloji farkındalıklı zamanlama ile işler en yüksek ara bağlantı bant genişliğine sahip konumlara yerleştiriliyor
  • Kubernetes, yapay zeka iş yüklerini büyük ölçekte yönetmenin temel dayanağı olsa da microVM(Firecracker), Uncloud gibi alternatif platformlar da dikkat çekiyor
    • Kueue üzerinden kuyruk ve kota yönetimi, topology-aware scheduling, gang scheduling gibi GPU bağlantıları arasındaki hızlı iletişimi dikkate alan yerleştirme stratejileri gelişiyor
    • NVLink/NVSwitch gibi yüksek hızlı GPU-GPU bağlantıları ve RDMA’ya sahip, bitişik veri merkezi “adaları” (rack veya pod) içinde çoklu GPU işlerinin yerleştirilmesi
  • Kubernetes’in son dönemdeki çoklu GPU ve NUMA farkındalıklı API iyileştirmeleri bu yetenekleri güçlendiriyor; cihazlar arası bant genişliğini artırıyor, tail latency’yi düşürüyor ve etkin kullanım oranını yükseltiyor
    • Yapay zeka kodlama iş akışlarına olan talep arttıkça ve MCP ile güçlendirilmiş ajanlar yükseldikçe yapay zeka altyapısında hızlı yenilik bekleniyor
    • GPU farkındalıklı orkestrasyon temel gereksinim haline geliyor ve topoloji artık birinci sınıf bir zamanlama kriteri olarak öne çıkıyor

MCP tabanlı ajanların yükselişi

  • MCP ile ajanların eşzamanlı yükselişi ve bunun etrafında kurulan protokol ile araç ekosisteminin genişlemesi, bu Radar’ın ana temalarından biri
    • MCP, ajanları çalıştırmak ve verimli, yarı otonom biçimde işletmek için nihai birleşik protokol olarak konumlanıyor
  • Neredeyse tüm büyük üreticiler MCP desteği eklerken ajan merkezli iş akışları hızla büyüyor
  • Ajan iş akışlarında sürekli yenilik gözleniyor ve context engineering, model davranışını ve kaynak verimliliğini optimize etmenin temel unsuru olarak öne çıkıyor
    • A2A(Agent-to-Agent), AG-UI gibi yeni protokoller, çoklu ajan iş birliğine dayalı uygulamalar kurmanın karmaşıklığını azaltıyor
    • AGENTS.md, Anchoring coding agents, Context7 MCP server gibi teknikler gerçek geliştirme iş akışlarında benimseniyor
  • Yapay zeka ekosisteminin doğası gereği her Radar’da patlayıcı biçimde yeni yenilikler ortaya çıkıyor
    — geçen sefer RAG öne çıkmıştı, bu kez ise ajan iş akışları ile bunları destekleyen araç, teknik ve platformlardan oluşan büyüyen bir takımyıldız öne çıkıyor
    • Ayrıca dikkat çekici bazı yapay zeka antipattern’leri de ortaya çıkıyor

Yapay zeka kodlama iş akışları

  • Yapay zeka, yazılımın oluşturulma ve bakım biçimini değiştiriyor ve son tartışmalarda baskın tema haline gelmiş durumda
    • Legacy codebase’i anlamak için yapay zeka kullanımından forward engineering için GenAI kullanımına kadar yazılım değer zincirinin tamamına stratejik olarak yerleşiyor
    • Kodlama ajanlarına bilgiyi daha etkili biçimde nasıl sağlayacağını öğreniyor
  • Ekipler, AGENTS.md dosyalarıyla özelleştirilmiş yönergeler tanımlamak, Context7 gibi MCP sunucularıyla entegre olup güncel dependency dokümantasyonunu getirmek gibi yeni pratikleri deniyor
    • Yapay zekanın yalnızca bireysel katkı sunanları değil, tüm ekibi güçlendirmesi gerektiğine dair farkındalık artıyor
    • Bilginin adil biçimde yayılmasını sağlamak için küratörlü paylaşılan yönergeler ve özel komutlar ortaya çıkıyor
  • Araç ortamı canlı biçimde evriliyor:
    • Tasarımcılar UX Pilot ve AI Design Reviewer kullanırken, geliştiriciler v0 ve Bolt ile self-service UI prototipleme üzerinden hızlı prototipler üretiyor
    • Spec-based development yaklaşımının kapsamı, ayrıntı seviyesi ve artımlı teslimat için tek bir doğruluk kaynağı olup olamayacağı üzerine tartışmalar sürüyor
    • Tüm heyecana rağmen yapay zeka tarafından üretilen koda karşı rehavet hâlâ yaygın bir endişe; bu da yapay zekanın mühendisliği hızlandırabilse de insan muhakemesinin vazgeçilmez olduğunu hatırlatıyor

Yeni yapay zeka antipattern’lerinin ortaya çıkışı

  • Sektör genelinde yapay zeka benimsenmesinin hızlanması, etkili pratiklerle birlikte yeni ortaya çıkan antipattern’leri de görünür kılıyor
    • GenAI ile self-service, tek kullanımlık UI prototipleme gibi kavramların açık faydası kabul edilse de bunun kuruluşları yapay zeka hızlandırmalı Shadow IT antipattern’ine sürükleme potansiyeli olduğu görülüyor
    • MCP(Model Context Protocol) ilgi gördükçe birçok ekip naif API-to-MCP dönüşümü antipattern’ine düşüyor
  • Text-to-SQL çözümlerinin etkinliği ilk beklentilerin altında kalıyor, yapay zeka tarafından üretilen koda karşı rehavet de hâlâ ilgili bir endişe olmaya devam ediyor
    • Spec-based development gibi yeni pratiklerde bile geleneksel yazılım mühendisliği antipattern’lerine geri dönme riski bulunuyor
      — özellikle aşırı önceden spesifikasyon yapma ve big-bang release eğilimi
  • GenAI benzeri görülmemiş bir hız ve ölçekte geliştiği için yeni antipattern’lerin hızla ortaya çıkması bekleniyor
    • Ekiplerin, başlangıçta etkili görünse de zamanla performansı düşüren, geri bildirimi yavaşlatan, uyarlanabilirliği zedeleyen ya da hesap verebilirliği belirsizleştiren kalıplara karşı dikkatli olması gerekiyor

ThoughtWorks Technology Radar Volume 33

[Techniques]

Adopt

1. Continuous compliance

  • Yazılım geliştirme süreci ve teknolojilerin, otomasyon yoluyla düzenleyici ve güvenlik standartlarını sürekli karşılamasını sağlayan bir pratik
  • Open Policy Agent gibi policy-as-code araçlarının entegrasyonu ve CD pipeline içinde SBOM üretimi sayesinde, SLSA yönergelerine uygun olarak uyumluluk sorunları erken aşamada tespit edilip çözülebilir
  • Kurallar ve en iyi pratikler kodlandığında, darboğaz oluşturmadan standartlar tüm ekipte tutarlı biçimde uygulanabilir
  • Yapay zeka tarafından üretilen koda karşı rehavet riskinin artması nedeniyle, geliştirme sürecine uyumluluğu yerleştirmek her zamankinden daha önemli

2. Curated shared instructions for software teams

  • Yazılım teslimatında yapay zekayı aktif kullanan ekipler için kişisel prompting’in ötesine geçip küratörlü yönergelere yönelme
  • AGENTS.md gibi yönerge dosyalarını doğrudan proje reposuna commit etmek en sezgisel uygulama yöntemi
  • Cursor, Windsurf, Claude Code dahil çoğu yapay zeka kodlama aracı, özel slash komutları veya iş akışları aracılığıyla yönerge paylaşımını destekliyor
  • Prompt’lar iyileştirildiği anda tüm ekip bundan faydalanır ve en iyi yapay zeka yönergelerine tutarlı erişim sağlanır

3. Pre-commit hooks

  • Git hooks uzun zamandır var olsa da hâlâ yeterince kullanılmıyor
  • Yapay zeka destekli ve ajan tabanlı kodlamanın yükselişiyle birlikte, sırların veya sorunlu kodun yanlışlıkla commit edilme riski artıyor
  • continuous integration gibi pek çok kod doğrulama mekanizması olsa da pre-commit hook’lar, daha fazla ekibin benimsemesi gereken basit ve etkili bir güvenlik önlemidir
  • Secret scanning gibi bu iş akışı aşamasında en etkili şekilde yakalanabilen risklere odaklanarak kapsamı dar ve hedefli tutmak en iyisidir

4. GenAI kullanarak legacy kod tabanlarını anlama

  • GenAI kullanarak legacy kod tabanlarını anlamak, büyük ve karmaşık sistemlerin kavranmasını önemli ölçüde hızlandırıyor
  • Cursor, Claude Code, Copilot, Windsurf, Aider, Cody, Swimm, Unblocked, PocketFlow-Tutorial-Codebase-Knowledge gibi araçlar iş kurallarını görünür kılma, mantığı özetleme ve bağımlılıkları belirleme konularında destek sağlıyor
  • Açık framework'ler ve doğrudan LLM prompting ile birlikte kullanıldığında, legacy kod tabanlarını anlama süresini dramatik biçimde kısaltıyor
  • GraphRAG gibi gelişmiş yaklaşımların kurulum çabası, özellikle analiz edilen kod tabanının boyutu ve karmaşıklığına göre değişse de üretkenlik üzerindeki etkisi tutarlı ve kayda değer

Trial

5. AGENTS.md

  • Projede çalışan yapay zeka kodlama ajanlarına yönergeler sunan ortak bir format
  • Özünde ajanlar için bir README dosyasıdır ve Markdown dışında zorunlu alanlar ya da biçim yoktur
  • LLM tabanlı kodlama ajanlarının, insanlar tarafından yazılıp okunabilen yönergeleri yorumlama becerisine dayanır
  • Kodlama ortamındaki araç kullanım ipuçları, test talimatları ve commit yönetimi için tercih edilen pratikleri içermesi yaygındır

6. Kod migrasyonları için yapay zeka

  • Kod migrasyonları, dilin yeniden yazılmasından bağımlılık veya framework yükseltmelerine kadar çeşitli biçimlerde olabilir ve çoğu zaman aylar süren manuel çalışma gerektirir
  • .NET framework version yükseltme ekipleri, süreci kısaltmak için yapay zeka kullanımını deniyor
  • Geçmişte OpenRewrite gibi deterministik, kural tabanlı refactoring araçları kullanıldı; yalnızca yapay zeka ise maliyetli olabiliyor ve konuşma kolayca raydan çıkabiliyor
  • Tüm yükseltmeyi devretmek yerine, süreç derleme hatalarını analiz etme, migration diff üretme ve testleri yinelemeli olarak doğrulama gibi daha küçük ve doğrulanabilir adımlara bölünüyor
  • Google'ın büyük ölçekli int32-to-int64 migration örneği gibi sektör vakaları da benzer eğilimi yansıtıyor

7. Delta Lake liquid clustering

  • Delta Lake tabloları için bir teknik olup partitioning ve Z-ordering'e alternatif olarak kullanılıyor
  • Tarihsel olarak Delta tablolarında okuma performansını optimize etmek, beklenen sorgu desenlerine göre tablo oluşturulurken partition ve Z-order anahtarlarının tanımlanmasını gerektiriyordu
  • liquid clustering, belirlenen anahtarları temel alarak veriyi kümeleyen ağaç tabanlı bir algoritma kullanır
  • Tüm veriyi yeniden yazmadan kademeli değişiklik yapılabilmesi, çeşitli sorgu desenlerini desteklemek için daha fazla esneklik sağlar
  • Delta Lake için Databricks Runtime, geçmiş sorgu iş yüklerini analiz ederek, en uygun sütunları belirleyerek ve veriyi buna göre kümeleyerek otomatik liquid clustering desteği sunuyor

8. GenAI ile self-servis UI prototipleme

  • Claude Code, Figma Make, Miro AI, v0 gibi araçlar, ürün yöneticilerinin metin prompt'larından doğrudan etkileşimli ve kullanıcı testine uygun prototipler üretmesini sağlıyor
  • Elle wireframe hazırlamak yerine ekipler, dakikalar içinde işlevsel HTML, CSS ve JS artifact'leri oluşturabiliyor
  • Bu tür "tek kullanımlık" prototipler, cilayı hızlı öğrenmeyle takas ederek tasarım sprint'leri sırasında erken doğrulama için ideal hale geliyor
  • Daha yüksek fidelity, ayrıntılara yanlış odaklanmaya veya production eforuna dair gerçekçi olmayan beklentilere yol açabileceğinden, net çerçeveleme ve beklenti yönetimi kritik

9. LLM'lerden yapılandırılmış çıktı

  • LLM'lerin JSON ya da belirli programlama sınıfları gibi önceden tanımlanmış bir formatta yanıt üretmesini kısıtlayan bir pratik
  • LLM'lerin genelde öngörülemez metinlerini makine tarafından okunabilir ve deterministik veri sözleşmelerine dönüştürerek güvenilir, production seviyesinde uygulamalar kurmak için kritik öneme sahip
  • Yaklaşımlar, basit prompt tabanlı biçimlendirme ve model-native structured outputs ile Outlines ve Instructor gibi araçlarla kullanılan daha güçlü constrained decoding yöntemlerine kadar uzanıyor
  • Farklı belge türlerinden karmaşık ve yapılandırılmamış verileri çıkarıp, bunu aşağı akış iş mantığı için yapılandırılmış JSON'a dönüştürmede başarıyla kullanılıyor

10. TCR (Test && Commit || Revert)

  • Test güdümlü geliştirmeden türetilmiş, basit bir kuralla çok küçük ve sürekli adımları teşvik eden bir programlama iş akışı
  • Her değişiklikten sonra testler geçerse değişiklik commit edilir, başarısız olursa değişiklik geri alınır
  • Kod tabanı içinde bu döngüyü otomatikleştiren script'lerin tanımlanması yeterli olduğundan uygulanması basittir
  • İlk kez Kent Beck'in resmî article'ında tanıtılan TCR, YAGNI ve KISS gibi olumlu kodlama pratiklerini pekiştirir

Assess

11. Yapay zeka destekli UI testi

  • Önceki Radar'da yapay zeka tabanlı UI testi ağırlıklı olarak keşif amaçlı testlere odaklanmıştı ve LLM'lerin deterministik olmamasının kararsızlığa yol açabileceği belirtilmişti
  • MCP'nin yükselişiyle birlikte Playwright ve Selenium gibi başlıca UI test framework'leri kendi MCP sunucularını (playwright-mcp, mcp-selenium) kullanıma sundu
  • Yerel tekniklerle güvenilir tarayıcı otomasyonu sunulması, kodlama asistanlarının Playwright veya Selenium üzerinde güvenilir UI testleri oluşturabilmesini sağlıyor
  • En son Playwright sürümündeki Playwright Agents gibi gelişmeler heyecan verici bulunuyor ve daha pratik rehberlik ile sahadan deneyimlerin ortaya çıkması bekleniyor

12. Kodlama ajanlarını bir referans uygulamaya sabitlemek

  • Geçmişte tailored service templates örüntüsünü blip olarak ele aldılar; bu, mikroservis benimseyen kuruluşların yeni servisleri bootstrap etmesine ve mevcut altyapıyla sorunsuz biçimde entegre etmesine yardımcı oluyordu
  • Zamanla yeni bağımlılıklar, framework'ler ve mimari örüntüler ortaya çıktıkça, bu şablonlarla mevcut servisler arasındaki kod drift'inin artma eğilimi var
  • Kodlama ajanları çağında, iyi pratikleri ve mimari tutarlılığı korumak için anchoring coding agents to a reference application yaklaşımını deniyorlar
  • Model Context Protocol (MCP) sunucuları hem referans şablon kodunu hem de commit diff'lerini açığa çıkararak ajanların drift'i tespit etmesine ve düzeltme önermesine imkan tanıyor

13. Bağlam mühendisliği

  • Akıl yürütme sırasında LLM'ye sağlanan bilginin sistematik olarak tasarlanıp optimize edilmesiyle istenen çıktının güvenilir biçimde üretilmesi
  • Prompt'lar, getirilen veriler, bellek, talimatlar ve çevresel sinyaller gibi bağlam unsurlarının yapılandırılması, seçimi ve sıralanmasını kapsıyor
  • Yalnızca prompt ifadesine odaklanan prompt engineering'in aksine, context engineering tüm bağlam kurgusunu dikkate alıyor
  • Günümüzde mühendisler, üç alanda gruplanabilecek çeşitli ayrı teknikler kullanıyor: Context setup, uzun ufuklu görevler için context management, Dynamic information retrieval

14. İleri mühendislik için GenAI

  • Yapay zeka tarafından üretilen legacy kod tabanı açıklamaları aracılığıyla legacy sistemleri modernize etmeye yönelik yükselen bir teknik
  • Legacy kodun nasıl yapıldığından ziyade ne yaptığını (spesifikasyonu) merkeze alan açık bir adım getirirken mevcut uygulama biçimini kasıtlı olarak gizliyor
  • spec-driven development ile ilişkili, ancak özellikle legacy modernizasyonuna uygulanıyor
  • reverse-engineering → design/solutioning → forward-engineering döngüsü boyunca hem insanlar hem de yapay zeka ajanları, implementasyona commit etmeden önce daha yüksek seviyede akıl yürütebiliyor

15. LLM'ler için veri erişim örüntüsü olarak GraphQL

  • context engineering yaklaşımını geliştiren, tutarlı ve model dostu bir veri erişim katmanı oluşturmaya yönelik yükselen bir yaklaşım
  • Modele doğrudan veritabanı erişimi vermeden yapılandırılmış ve sorgulanabilir veriyi açığa çıkarmayı mümkün kılıyor
  • Her kullanım senaryosu için yeni endpoint veya filtre gerektiren REST API'lerin aksine, GraphQL modelin yalnızca ihtiyaç duyduğu veriyi getirmesine olanak tanıyor
  • İyi tanımlanmış bir GraphQL şeması, LLM'lerin mevcut varlıklar ve ilişkiler hakkında akıl yürütmek için kullanabileceği metadata sağlıyor

16. Bilgi stoklarından çok bilgi akışları

  • Sık sık “ekipler arasında bilgi paylaşımını nasıl iyileştirebiliriz?” sorusunu alıyorlar
  • Sistem düşüncesinden ödünç alınan bir bakış açısı olan knowledge flows and knowledge stocks kavramının değerli olduğunu düşünüyorlar
  • Kuruluşun bilgisini bir sistem olarak görmeyi teşvik ediyor: stoklar birikmiş bilgiyi, akışlar ise bilginin organizasyon içinde nasıl hareket ettiğini ve evrildiğini temsil ediyor
  • Dış bilginin organizasyona akışını artırmak inovasyonu teşvik etme eğiliminde; communities of practice kurmak, akışları iyileştirmenin kanıtlanmış bir yolu

17. Hakem olarak LLM

  • LLM'yi bir hakem olarak kullanıp diğer sistemlerin (genellikle LLM tabanlı üreticilerin) çıktılarını değerlendirmek, üretken yapay zekada ölçeklenebilir ve otomatik değerlendirme sağlama potansiyeli nedeniyle dikkat çekiyor
  • Yeni fark edilen karmaşıklık ve riskleri yansıtmak için bu blip'i Trial'dan Assess'e taşıdılar
  • Değerlendirmeler position bias, verbosity bias ve düşük sağlamlığa karşı savunmasız; daha ciddi sorun ise scaling contamination
  • Bu kusurlara karşı, LLMs as a jury (uzlaşma için birden fazla model kullanma) veya değerlendirme sırasında chain-of-thought akıl yürütmesi gibi geliştirilmiş teknikler araştırılıyor

18. Cihaz üzerinde bilgi erişimi

  • Arama, bağlam farkındalığı ve retrieval-augmented generation (RAG)'in tamamen kullanıcı cihazında (mobil, masaüstü veya edge cihaz) çalışmasını sağlayan teknik
  • Gizliliği ve hesaplama verimliliğini önceliklendirirken hafif yerel veritabanlarını, cihaz üzerinde çıkarım için optimize edilmiş modellerle birleştiriyor
  • Umut verici bir uygulama, sqlite-vec (gömülü veritabanı içinde vektör aramayı destekleyen bir SQLite eklentisi) ile EmbeddingGemma'yı (Gemma 3 mimarisi tabanlı, 300 milyon parametreli bir embedding modeli) birleştiriyor
  • Yerel öncelikli uygulamalar ile veri egemenliği, düşük gecikme ve gizliliğin kritik olduğu diğer kullanım senaryoları için değerlendirilmesi öneriliyor

19. SAIF

  • SAIF (Secure AI Framework), Google tarafından yapay zeka güvenlik risklerini yönetmek için pratik rehber sunmak amacıyla geliştirilen bir framework
  • Veri zehirleme ve prompt injection gibi yaygın tehditleri, net risk haritaları, bileşen analizi ve pratik azaltım stratejileri üzerinden sistematik biçimde ele alıyor
  • Ajanik sistemler kurmanın gelişen risklerine odaklanması özellikle zamanlı ve değerli
  • LLM kullanımı ve yapay zeka destekli uygulamalardaki güvenlik pratiklerini güçlendirmek için kullanılabilecek, kısa ve uygulanabilir bir playbook sunuyor

20. Sidecar olmadan service mesh

  • Sidecar tabanlı service mesh'lerin maliyeti ve operasyonel karmaşıklığı sürerken, Istio ambient mode gibi sidecar'sız service mesh seçeneklerinin ortaya çıkması heyecan verici bulunuyor
  • Ambient mode, sorumlulukları iki ana bileşen arasında ayıran katmanlı bir mimari sunuyor: düğüm başına L4 proxy (ztunnel) ve namespace başına L7 proxy (Waypoint proxy)
  • ztunnel, L3 ve L4 trafiğinin verimli ve güvenli biçimde taşınmasını sağlıyor; düğümdeki tüm kimlikler için sertifika alımını ve ambient destekli workload'lara trafik yönlendirmesini yönetiyor
  • Waypoint proxy, trafiğin yönetimi, güvenlik ve gözlemlenebilirlik gibi daha zengin Istio özelliklerini etkinleştiren isteğe bağlı bir ambient mode bileşeni

21. Small language models

  • Birden fazla Technology Radar cildi boyunca small language models (SLMs) alanındaki istikrarlı ilerleme gözlemlendi
  • Ajan çözümleri oluşturmaya yönelik ilginin artmasıyla, SLM'lerin ajan yapay zekayı verimli şekilde çalıştırabildiğine dair kanıtlar da artıyor
  • Mevcut ajan iş akışlarının çoğu, gelişmiş akıl yürütme gerektirmeyen dar kapsamlı ve tekrarlayan görevlere odaklanıyor; bu da onları SLM'ler için uygun hale getiriyor
  • Phi-3, SmolLM2 ve DeepSeek gibi SLM'lerdeki sürekli gelişim, bu görevler için yeterli yetenek sağlıyor

22. Spec-driven development

  • Yapay zeka destekli kodlama iş akışlarına yönelik yükselen bir yaklaşım, ancak terimin tanımı hâlâ evrilmeye devam ediyor
  • Genellikle yapılandırılmış bir özellik spesifikasyonuyla başlayıp, ardından bunu birden fazla aşamada daha küçük parçalara, çözümlere ve görevlere ayıran iş akışını ifade ediyor
  • Amazon'un Kiro aracı, kullanıcıyı gereksinimler, tasarım ve görev oluşturma olmak üzere üç iş akışı aşamasında yönlendiriyor
  • GitHub'ın spec-kit aracı da benzer bir 3 aşamalı süreci izliyor; ancak daha zengin orkestrasyon, yapılandırılabilir prompt'lar ve her zaman izlenmesi gereken değişmez ilkeleri tanımlayan bir "constitution" ekliyor

23. Team of coding agents

  • Geliştiricilerin birden fazla yapay zeka kodlama ajanını orkestre ettiği bir teknik; her biri architect, back-end specialist ve tester gibi kendine özgü rollere sahip
  • Claude Code, Roo Code ve Kilo Code gibi araçlar alt ajanları ve birden fazla çalışma modunu destekliyor
  • LLM'lere belirli roller ve personalar atamanın çıktı kalitesini artırdığı kanıtlanmış ilkesine dayanarak, tek bir genel amaçlı ajana bel bağlamak yerine rol bazlı birden fazla ajanı koordine etmekle daha iyi sonuçlar elde ediliyor
  • Orkestre edilen çok aşamalı, yapay zeka destekli geliştirme hatlarına doğru bir geçişe işaret ediyor

24. Topology-aware scheduling

  • GPU ve LPU'lar artık bağımsız cihazlar değil; performansları yerleşim ve topolojiye bağlı olan sıkı bağlı hızlandırıcı ağları
  • NVIDIA'nın NVL72 gibi rack ölçekli sistemlerinde 72 GPU, 13TB'tan fazla VRAM'i paylaşarak tek bir hızlandırıcı gibi çalışıyor; ancak iş yükü switch island'lar arasında geçtiğinde kolektif işlemler darboğaza dönüşüyor
  • Groq'un derleme zamanında, yazılım tarafından zamanlanan mimarisi deterministik veri hareketini varsayıyor; rastgele zamanlama ise bu varsayımları ve öngörülebilirliği bozuyor
  • Topolojiyi göz ardı eden naif zamanlayıcılar, çoklu GPU iş yüklerini çoğu zaman rastgele dağıtarak adım sürelerinin uzamasına ve verimliliğin düşmesine yol açıyor

25. Toxic flow analysis for AI

  • MCP'deki S harfinin "security" anlamına geldiğine dair bilindik şaka, aslında çok gerçek bir sorunu gizliyor
  • Ajanlar araç çağrıları veya API çağrıları üzerinden birbirleriyle iletişim kurduğunda, lethal trifecta olarak bilinen durumla hızla karşılaşabiliyorlar: kişisel verilere erişim, güvenilmeyen içeriğe maruz kalma ve dış iletişim kurabilme yeteneği
  • Bu üçünün tümüne sahip bir ajan son derece savunmasızdır; LLM'ler girdideki talimatları izleme eğiliminde olduğundan, güvenilmeyen kaynaklardan gelen ve veri sızdırma talimatı içeren içerik kolayca veri sızıntısına yol açabilir
  • toxic flow analysis, ek inceleme için potansiyel olarak güvensiz veri yollarını belirlemek üzere ajan sistemlerinin akış grafiğini inceler

Hold

26. AI-accelerated shadow IT

  • Yapay zeka, kod yazmayan kişilerin BT departmanını beklemek yerine doğrudan yazılım kurup entegre etmesinin önündeki engelleri azaltıyor
  • Bunun ortaya çıkardığı potansiyel heyecan verici olsa da, AI-accelerated shadow IT konusundaki ilk işaretler endişe veriyor
  • No-code iş akışı otomasyon platformları artık AI API entegrasyonlarını destekliyor (ör. OpenAI veya Anthropic); bu da yapay zekayı adeta koli bandı gibi kullanıp daha önce mümkün olmayan entegrasyonları birbirine bağlama cazibesi yaratıyor
  • Aynı zamanda AI kodlama asistanları daha ajanlaşmış hale geldikçe, temel eğitim almış kod yazmayan kullanıcılar iç kullanım için yardımcı uygulamalar geliştirebiliyor

27. Capacity-driven development

  • Modern yazılım geliştirme pratiklerinin başarısındaki temel unsur, iş akışına odaklanmayı sürdürmek
  • Stream-aligned ekipler, kullanıcı yolculuğu veya ürün gibi tek bir değerli akışa odaklanarak uçtan uca değeri verimli biçimde sunar
  • Ancak bu şekilde hizalanmış ekiplerin, boş kapasiteleri olduğunda başka ürünlerin veya akışların özelliklerini üstlendiği capacity-driven development yönünde endişe verici bir eğilim gözlemleniyor
  • Kısa vadede verimli görünebilir, ancak bu talep artışlarıyla başa çıkmaya en uygun yerel bir optimizasyondur; norm haline geldiğinde ise bilişsel yükü ve teknik borcu artırır

28. Complacency with AI-generated code

  • AI kodlama asistanları ve ajanları ilgi odağı oldukça, complacency with AI-generated code konusundaki kaygıları vurgulayan veri ve araştırmalar artıyor
  • Bu araçların geliştirmeyi hızlandırabildiğine dair yeterli kanıt var, ancak araştırmalar zaman içinde kod kalitesinin düşebileceğini gösteriyor
  • GitClear'ın 2024 research çalışmasında, yinelenen kod ve code churn beklenenden fazla artarken, commit geçmişindeki refactoring faaliyetleri azaldı
  • Microsoft'un bilgi çalışanlarına yönelik research çalışması, yapay zeka kaynaklı özgüvenin çoğu zaman eleştirel düşünme pahasına ortaya çıktığını gösteriyor

29. Naive API-to-MCP conversion

  • Kuruluşlar, yapay zeka ajanlarının mevcut sistemlerle etkileşime girebilmesi için dahili API'lerini sorunsuz ve doğrudan Model Context Protocol (MCP)'ye dönüştürmeyi istiyor
  • MCP link ve FastAPI-MCP gibi, bu dönüşümü desteklemeyi amaçlayan araçların sayısı artıyor
  • Bu tür naive API-to-MCP conversion yaklaşımlarına karşı çıkılıyor; çünkü API'ler genellikle insan geliştiriciler için tasarlanır ve yapay zekanın bunları zincirlemesi durumunda aşırı token kullanımı, bağlam kirlenmesi ve ajan performansında düşüşe yol açabilecek ince taneli atomik işlemlerden oluşur
  • Bu API'ler, özellikle dahili API'ler söz konusu olduğunda, çoğu zaman hassas verileri açığa çıkarır veya yıkıcı işlemlere izin verir

30. Bağımsız veri mühendisliği ekipleri

  • Hizmet verdikleri iş alanından ayrı biçimde veri hatları ve ürünleri geliştiren ve sahiplenen ayrı veri mühendisliği ekipleri kurmak, verimsizliklere ve zayıf iş sonuçlarına yol açan bir anti-pattern'dir
  • Bu yapı, DevOps, test veya dağıtım işlevlerini ayırmaya dair geçmişteki hataları tekrar ederek bilgi siloları, darboğazlar ve emek israfı yaratır
  • Yakın işbirliği olmadan veri mühendisleri, anlamlı veri ürünleri tasarlamak için gereken iş ve alan bağlamından çoğu zaman yoksun kaldığından hem benimsenme hem de değer sınırlı kalır
  • Bunun yerine veri platformu ekipleri ortak altyapının bakımına odaklanmalı, çapraz işlevli iş ekipleri ise data mesh ilkeleri doğrultusunda kendi data products'lerini oluşturup sahiplenmelidir

31. Text to SQL

  • Text to SQL, doğal dili çalıştırılabilir SQL'e çevirmek için LLM kullanır, ancak güvenilirliği çoğu zaman beklentileri karşılamaz
  • Bu blip, gözetimsiz iş akışlarında kullanımını önermemek için Hold aşamasına taşındı; örneğin çıktının gizlendiği veya kullanıcı tarafından oluşturulan sorguların otomatik olarak dinamik şekilde dönüştürüldüğü durumlarda
  • Bu gibi durumlarda LLM, sınırlı şema veya alan anlayışı nedeniyle sık sık halüsinasyon görerek yanlış veri sorgulama ya da istenmeyen veri değişiklikleri riski yaratır
  • Ajan tabanlı iş zekası için doğrudan veritabanı erişiminden kaçının; bunun yerine Cube veya dbt's semantic layer gibi yönetilen veri soyutlama semantik katmanları kullanın

[Platforms]

Adopt

32. Arm in the cloud

  • Buluttaki Arm compute instances, geleneksel x86 tabanlı instance'lara kıyasla maliyet ve enerji verimliliği sayesinde son yıllarda giderek daha popüler hale geldi
  • AWS, Azure ve GCP dahil başlıca bulut sağlayıcıları artık güçlü Arm seçenekleri sunuyor
  • Pek çok ekip, mikroservisler, açık kaynak veritabanları ve hatta yüksek başarımlı hesaplama gibi iş yüklerini, çok az kod değişikliği ve build script'lerinde küçük düzenlemelerle Arm'a başarıyla taşıdı
  • multi-arch Docker images gibi modern araçlar, hem Arm hem de x86 ortamlarında build ve dağıtımı basitleştiriyor

Trial

33. Apache Paimon

  • Apache Paimon, lakehouse architecture'ı mümkün kılmak üzere tasarlanmış açık kaynaklı bir veri gölü formatıdır
  • Flink ve Spark gibi işleme motorlarıyla sorunsuz entegre olarak hem streaming hem de batch işlerini destekler
  • Paimon mimarisinin başlıca avantajı, standart veri gölü formatları ile LSM (log-structured merge tree) yapısının birleşimidir
  • Bu kombinasyon, veri göllerinde yüksek performanslı güncellemeler ve düşük gecikmeli okuma gibi geleneksel zorlukları çözer

34. DataDog LLM Observability

  • Datadog LLM Observability, büyük dil modeli ve ajan uygulaması iş akışları için uçtan uca izleme, gözlemleme ve teşhis sağlar
  • Her prompt'u, araç çağrısını ve ara adımı span ve trace'lere eşler; gecikme, token kullanımı, hata ve kalite metriklerini izler ve Datadog'un geniş APM ve gözlemlenebilirlik ürünleriyle entegre olur
  • Zaten Datadog kullanan ve maliyet yapısına aşina olan kuruluşlar, ilgili iş yüklerini enstrümante edebildikleri varsayımıyla, LLM gözlemlenebilirlik özelliklerinin AI iş yükleri üzerinde görünürlük elde etmenin sezgisel bir yolu olduğunu görebilir
  • LLM enstrümantasyonunun yapılandırılması ve kullanımı dikkat ile iş yükü ve uygulamaya dair sağlam bir anlayış gerektirir; dağıtım sırasında veri mühendisleri ile operasyon ekiplerinin yakın işbirliği önerilir

35. Delta Sharing

  • Delta Sharing, Databricks ve Linux Foundation tarafından geliştirilen, güvenli ve platformlar arası veri paylaşımı için açık bir standart ve protokoldür
  • Buluttan bağımsızdır ve kuruluşların veriyi kopyalamadan veya çoğaltmadan bulut sağlayıcıları ile on-premises konumlar arasında canlı veri paylaşmasına olanak tanır
  • Basit bir REST API kullanarak alıcıların pandas, Spark veya Power BI gibi araçlarla büyük veri kümelerini sorgulayabilmesi için kısa ömürlü önceden imzalanmış URL'ler üretir
  • Veri tabloları, görünümler, AI modelleri ve notebook'ların paylaşımını destekler; güçlü merkezi yönetişim ve denetim sağlar

36. Dovetail

  • Dovetail platform, dağınık nitel araştırma verilerini yönetmenin süregelen zorluklarını ele alır
  • Kullanıcı görüşmeleri, dökümler ve içgörüler için merkezi bir depo sunarak ham veriyi yapılandırılmış ve analiz edilebilir varlıklara dönüştürür
  • Ürün keşfi iş akışlarında, özellikle müşteri alıntılarını ve sentezlenmiş temaları ürün hipotezleri ile beklenen ROI'ye doğrudan bağlayan kanıt izleri oluşturmada çok faydalıdır
  • Bunu yaparak Dovetail, ürün kararlarında nitel verinin rolünü güçlendirir

37. Langdock

  • Langdock, kuruluşların iç operasyonlar için üretken AI ajanları ve iş akışları geliştirmesi ve çalıştırması için bir platformdur
  • İç sohbet asistanı, birden çok LLM'e bağlanmak için API katmanı ve Slack, Confluence, Google Drive gibi sistemlerle entegre olan ajan iş akışları kurma araçlarını içeren birleşik bir ortam sunar
  • Platform, veri egemenliğini vurgulayarak kurumsal uyumluluk standartlarına sahip on-premises ve AB barındırma seçenekleri sunar
  • Langdock'u devreye alan kuruluşlar yine de veri yönetişimine büyük özen göstermeli ve toxic flow analysis gibi teknikleri kullanarak lethal trifecta riskini önlemelidir

38. LangSmith

  • LangSmith, LangChain ekibinin LLM uygulamaları için görünürlük, izleme ve değerlendirme sağlayan barındırılan platformudur
  • Zincirlerin, araçların ve prompt'ların ayrıntılı trace'lerini yakalayarak ekiplerin model davranışını debug etmesine ve ölçmesine, performans gerilemelerini izlemesine ve değerlendirme veri setlerini yönetmesine olanak tanır
  • LangSmith, LangChain dışı iş akışları için sınırlı desteğe sahip, tescilli bir SaaS platformudur; bu nedenle zaten bu ekosisteme yatırım yapmış ekipler için en çekici seçenektir
  • Prompt değerlendirmesi ve deneyler için sunduğu entegre destek, özellikle Langfuse gibi açık kaynak alternatiflerine kıyasla daha olgundur

39. Model Context Protocol (MCP)

  • Model Context Protocol (MCP), LLM uygulamaları ve ajanların harici veri kaynakları ile araçlarla nasıl entegre olacağını tanımlayan açık bir standarttır
  • MCP, bağlam ve araç erişimine odaklanmasıyla, ajanlar arası iletişimi yöneten Agent2Agent (A2A) protokolünden ayrılır
  • Son blip’ten bu yana MCP benimsenmesi hızla arttı; JetBrains (IntelliJ) ve Apple gibi büyük şirketler, FastMCP gibi yükselen framework’lerle birlikte ekosisteme katıldı
  • Önizleme aşamasındaki MCP Registry standardı artık açık ve kapalı kaynak araçların keşfini destekliyor

40. n8n

  • n8n, Zapier veya Make (eski adıyla Integromat) benzeri, fair-code lisanslı bir iş akışı otomasyon platformudur; ancak self-hosting, genişletilebilirlik ve kodla kontrol edilebilen seçenekler isteyen geliştiriciler için tasarlanmıştır
  • Apache Airflow’a göre iş akışı oluşturma için daha low-code, görsel bir yaklaşım sunarken, JavaScript veya Python ile özel kod yazımını da destekler
  • Temel kullanım alanı, birden fazla servisi otomatik iş akışlarında entegre etmektir; ancak LLM’leri yapılandırılabilir veri kaynakları, bellek ve araçlarla da bağlayabilir
  • Birçok ekip, n8n kullanarak sohbet uygulamaları veya webhook’larla tetiklenen ajan iş akışlarını hızla prototipliyor; çoğu zaman AI desteğiyle iş akışı oluşturmak için import ve export özelliklerinden yararlanıyor

41. OpenThread

  • OpenThread, Google tarafından geliştirilen Thread ağ protokolünün açık kaynaklı bir uygulamasıdır
  • IPv6, 6LoWPAN ve LR-WPAN gibi ağ katmanları dahil olmak üzere Thread spesifikasyonunun tüm temel özelliklerini ve cihazların düğüm ile border router olarak çalışabildiği mesh ağ yeteneklerini destekler
  • OpenThread, üreticilerin kendi radyo ve kriptografi özelliklerini entegre edebilmesini sağlayan esnek bir soyutlama katmanı ve entegrasyon kancaları kullanarak çok çeşitli donanım platformlarında çalışır
  • Bu olgun protokol, ticari ürünlerde yaygın olarak kullanılır ve deneyimlerimize göre pille çalışan düşük güçlü cihazlardan büyük ölçekli mesh sensör ağlarına kadar çeşitli IoT çözümleri geliştirmede güvenilirdir

Assess

42. AG-UI Protocol

  • AG-UI, zengin kullanıcı arayüzleri ile ajanlar arası iletişimi standartlaştırmak için tasarlanmış açık bir protokol ve kütüphanedir
  • Doğrudan kullanıcıya bakan ajanlara odaklanır ve middleware ile istemci entegrasyonları kullanarak her türlü frontend ve backend’e genellenebilir
  • Protokol, backend ajanlarının frontend uygulamalarla iletişim kurması için tutarlı bir yöntem tanımlar; böylece AI ile insan kullanıcılar arasında gerçek zamanlı, durum koruyan iş birliği mümkün olur
  • SSE ve WebSockets dahil olmak üzere birden fazla taşıma protokolünü destekler ve ajan yürütmesinin çeşitli durumlarını temsil eden standartlaştırılmış olay türleri sunar

43. Agent-to-Agent (A2A) Protocol

  • Agent2Agent (A2A), karmaşık çok ajanlı iş akışlarında ajanlar arası iletişim ve etkileşim için standartları tanımlayan bir protokoldür
  • Agent Cards kullanarak yetenek keşfi ve aktarımı ile güvenlik şemalarının spesifikasyonu dahil, ajanlar arası iletişimin temel unsurlarını açıklar
  • A2A, ajanların durumu, belleği veya iç yapısı gibi iç ayrıntıları açığa çıkarmadan ajanlar arası iletişime odaklanarak Model Context Protocol (MCP)'yi tamamlar
  • Protokol; uzun süren görevler için asenkron öncelikli yaklaşım, kademeli güncellemeler için streaming yanıtlar ve HTTPS, kimlik doğrulama ile yetkilendirme kullanan güvenli taşıma gibi iyi uygulamaları teşvik eder

44. Amazon S3 Vectors

  • Amazon S3 Vectors, S3 nesne depolamayı yerleşik vektör yetenekleriyle genişleterek gömülü vektör depolama ve benzerlik araması işlevleri sunar
  • Amazon Bedrock ve OpenSearch dahil AWS ekosistemiyle sorunsuz biçimde entegre olur; metadata filtreleme ve IAM üzerinden yönetişim gibi ek özellikler sunar
  • Hâlâ önizleme aşamasında ve bazı sınırlamaları olsa da değer önerisi güçlüdür; bu maliyet etkin ve erişilebilir vektör depolama yaklaşımı, büyük veri hacimleri içeren ve düşük gecikmenin temel öncelik olmadığı çeşitli uygulamalar için uygundur

45. Ardoq

  • Ardoq, kuruluşların geleceği daha etkili planlayabilmesi için mimari bilgi tabanı oluşturmasına, yönetmesine ve ölçeklemesine olanak tanıyan bir enterprise architecture (EA) platformudur
  • Drift ve silolaşma eğilimindeki geleneksel statik dokümantasyonun aksine, Ardoq’un veri odaklı yaklaşımı mevcut sistemlerden bilgi alır ve yapı geliştikçe güncel kalan dinamik bir bilgi grafiği oluşturur
  • Özellikle faydalı bir özellik olan Ardoq Scenarios, Git benzeri bir branch ve merge yaklaşımıyla olası gelecekteki durumların görsel olarak modellenmesini ve tanımlanmasını sağlar
  • Mimari dönüşüm hedefleyen kuruluşlar, bu süreci sadeleştirme ve hızlandırma potansiyeli nedeniyle Ardoq gibi özel EA platformlarını değerlendirmelidir

46. CloudNativePG

  • CloudNativePG, Kubernetes üzerinde yüksek erişilebilir PostgreSQL kümelerini barındırmayı ve yönetmeyi basitleştiren bir Kubernetes Operator’dür
  • PostgreSQL gibi stateful servisleri Kubernetes üzerinde çalıştırmak, hem Kubernetes hem de PostgreSQL replikasyonu hakkında derin bilgi gerektirdiği için karmaşık olabilir
  • CloudNativePG, tüm PostgreSQL kümesini tek bir yapılandırılabilir bildirimsel kaynak olarak ele alarak bu karmaşıklığın büyük bölümünü soyutlar
  • Yerel streaming replication kullanan sorunsuz bir primary/standby mimarisi sunar; self-healing, en güncel replikanın terfi ettirildiği otomatik failover ve başarısız replikaların otomatik yeniden oluşturulması gibi yüksek erişilebilirlik özelliklerini kutudan çıktığı gibi sağlar

47. Coder

  • Coder, daha önce açıklanan development environments in the cloud pratiğine uygun olarak standartlaştırılmış kodlama ortamlarını hızla provision etmeyi sağlayan bir platformdur
  • Gitpod (şimdi Ona olarak yeniden markalandı) ve GitHub Codespaces gibi benzer araçlarla karşılaştırıldığında Coder, Terraform üzerinden iş istasyonu özelleştirmesi üzerinde daha fazla kontrol sunar
  • İş istasyonlarını üreticinin sunucularında değil, kendi bulut veya veri merkezi altyapınızda barındırır
  • Bu yaklaşım, AI kodlama ajanlarını çalıştırma ve kurum içi organizasyon sistemlerine erişim dahil olmak üzere daha fazla esneklik sağlar

48. Graft

  • Graft, edge ve dağıtık ortamlarda güçlü tutarlılığa sahip, verimli veri senkronizasyonunu mümkün kılan bir transaction storage engine’dir
  • lazy replication kullanarak veriyi yalnızca gerektiğinde senkronize eder, partial replication ile bant genişliği tüketimini en aza indirir ve serializable snapshot isolation ile veri bütünlüğünü garanti eder
  • Benzer kullanım senaryoları için Radar’da Electric’ten bahsetmiştik; ancak Graft’ı benzersiz kılan, veri formatı dayatmadan tutarlı sayfa düzeyinde güncellemeleri destekleyen bir transaction system aracılığıyla nesne depolamayı dönüştürmesidir
  • Local-first mobil uygulamaları desteklemek, karmaşık çapraz platform senkronizasyonunu yönetmek ve serverless veya gömülü sistemlerde stateless replikalar için omurga görevi görmek açısından uygundur

49. groundcover

  • groundcover, logları, trace’leri, metrikleri ve Kubernetes event’lerini tek bir ekranda birleştiren cloud-native bir gözlemlenebilirlik platformudur
  • eBPF kullanarak, uygulama koduna agent veya SDK eklemeden, zero-code instrumentation ile ayrıntılı görünürlük verilerini yakalar
  • groundcover’ın eBPF sensörleri, izlenen her cluster’ın ayrılmış node’larında çalışır ve gözlemlediği uygulamalardan bağımsız olarak işler
  • Başlıca özellikleri arasında derin kernel seviyesi görünürlük, veri gizliliği için bring-your-own-cloud (BYOC) architecture ve maliyetleri öngörülebilir tutan veri hacminden bağımsız fiyatlandırma modeli yer alır

50. Karmada

  • Karmada ("Kubernetes Armada"), birden fazla Kubernetes cluster’ı, cloud ve veri merkezi genelinde iş yüklerini orkestre eden bir platformdur
  • Birçok ekip şu anda cluster’lar genelinde dağıtım yapmak için Flux veya ArgoCD gibi GitOps araçlarını özel script’lerle birleştiriyor; bu nedenle amaca yönelik bir çözüm memnuniyetle karşılanır
  • Karmada, Kubernetes native API’lerinden yararlandığı için cloud-native ortamlar için halihazırda geliştirilmiş uygulamalarda değişiklik gerektirmez
  • Multi-cloud yönetimi, yüksek erişilebilirlik, felaket kurtarma ve trafik planlaması için gelişmiş scheduling yetenekleri sunar

51. OpenFeature

  • İşletmeler ölçeklendikçe feature flag yönetimi çoğu zaman giderek daha karmaşık hale gelir ve ekipler, en basit feature toggle yapılarının ötesine geçen bir soyutlama katmanına ihtiyaç duyar
  • OpenFeature, feature flag’lerin nasıl tanımlandığını ve tüketildiğini standartlaştıran, vendor bağımsız ve topluluk odaklı bir API spesifikasyonu aracılığıyla bu katmanı sağlar
  • CLI, environment variable veya in-memory konfigürasyon kullanan temel kurulumlardan ConfigCat ya da LaunchDarkly gibi olgun platformlara kadar birden çok şema tanımı için geniş destek sunar
  • Ancak önemli bir uyarı geçerliliğini korur: ekipler, flag yayılımını, uygulama karmaşıklığını ve aşırı test yükünü önlemek için flag’lerin farklı categories of flags türlerini ayrı ve disiplinli şekilde yönetmelidir

52. Oxide

  • Private altyapı kurmak ve işletmek karmaşıktır; public cloud’un çoğu kuruluş için varsayılan seçenek olmasının başlıca nedenlerinden biri de budur
  • Ancak buna ihtiyaç duyanlar için Oxide, donanım ve yazılımı sıfırdan bir araya getirip entegre eden bir alternatif sunar
  • Tam entegre sistem yazılımı çalıştıran compute, networking ve storage içeren önceden kurulmuş rack’ler sağlar
  • Ekipler, Terraform ve diğer otomasyon araçlarını kullanarak Oxide’ın IaaS API’si üzerinden kaynakları yönetebilir; Oxide buna on-premise elastik altyapı diyor

53. Restate

  • Restate, stateful ve hata toleranslı uygulamalar geliştirirken karmaşık dağıtık sistem zorluklarını çözmek için tasarlanmış kalıcı yürütme platformudur
  • Yürütme günlüğü tutma sayesinde her adımı kaydederek hata toleransı, güvenilir kurtarma ve servisler arasında exactly-once iletişim sağlar
  • Platformun başlıca mimari avantajı, uygulama mantığını üç kalıcı servis türüne ayırmasıdır: stateless fonksiyonlar için Basic Services, eşzamanlı stateful varlıkları modelleyen Virtual Objects ve karmaşık çok aşamalı süreçleri orkestre eden Workflows
  • Restate’i büyük ölçekli bir sigorta sisteminde dikkatle değerlendiriyoruz ve şu ana kadar performansından son derece memnunuz

54. SkyPilot

  • SkyPilot, on-premise veya cloud üzerinde AI iş yüklerini çalıştırmak ve ölçeklendirmek için açık kaynaklı bir platformdur
  • UC Berkeley’nin Sky Computing Lab’i tarafından geliştirilen SkyPilot, akıllı bir broker gibi davranarak büyük cloud sağlayıcıları ve Kubernetes cluster’ları arasında en ucuz ve kullanılabilir GPU’ları otomatik olarak bulup provision eder; bu da çoğu zaman compute maliyetlerini düşürür
  • Altyapı ekipleri için, Slurm benzeri kullanım kolaylığı, cloud-native dayanıklılık, pod’lara doğrudan SSH erişimi, gang scheduling ve multi-cluster desteği gibi özellikler sunarak Kubernetes üzerinde AI çalıştırmayı basitleştirir
  • Eğitim veya çıkarım iş yükleri için sorunsuz ölçeklendirmeyi destekler

55. StarRocks

  • StarRocks, geleneksel OLAP sistemlerinin hızını modern data lakehouse’ların esnekliğiyle birleştirerek gerçek zamanlı iş zekasını yeniden tanımlayan analitik bir veritabanıdır
  • SIMD optimize yürütme motoru, sütunlu depolama ve gelişmiş cost-based optimizer sayesinde büyük ölçekte 1 saniyenin altında sorgu gecikmesi sağlar
  • Bu yüksek performanslı mimari sayesinde kullanıcılar, ön hesaplama veya veri kopyalama olmadan Apache Iceberg gibi açık veri formatları üzerinde doğrudan karmaşık analizler çalıştırabilir
  • Bu alanda çok sayıda platform var, ancak StarRocks’u hem aşırı eşzamanlılık hem de sürekli güncel veri tazeliği gerektiren, maliyet açısından verimli çözümler için güçlü bir aday olarak görüyoruz

56. Uncloud

  • Uncloud, geliştiricilerin Docker Compose uygulamalarını production ortama taşımasını sağlayan hafif bir container orchestration ve clustering aracıdır
  • Kubernetes’in operasyonel yükü olmadan basit, cloud benzeri bir deneyim sunar
  • İletişim için güvenli bir WireGuard mesh ağı otomatik olarak yapılandırıp, otomatik HTTPS ve load balancing sağlamak için Caddy reverse proxy’sini kullanarak makineler arası ölçeklendirme ve kesintisiz dağıtım sağlar
  • Uncloud’un başlıca mimari avantajı, merkezi bir control plane ihtiyacını ortadan kaldıran tamamen dağıtık tasarımı ve tek tek makineler offline olsa bile cluster operasyonlarının çalışmaya devam etmesini sağlamasıdır

[Tools]

Adopt

57. ClickHouse

  • ClickHouse, gerçek zamanlı analiz için açık kaynaklı, dağıtık, sütun tabanlı bir online analytical processing (OLAP) veritabanıdır
  • Büyük ölçekli veri analizini işleyebilen, son derece yüksek performanslı ve ölçeklenebilir bir motor olarak olgunlaşmıştır
  • Artımlı materialized view’lar, verimli sorgu motoru ve güçlü veri sıkıştırmasıyla etkileşimli sorgular için idealdir
  • Yaklaşık toplulaştırma fonksiyonlarına yerleşik destek sunarak doğruluk ile performans arasında ödünleşim yapılmasına imkan tanır; bu özellikle yüksek kardinaliteli analizlerde faydalıdır

58. NeMo Guardrails

  • NeMo Guardrails, NVIDIA’nın, LLM tabanlı konuşma uygulamalarına programlanabilir güvenlik ve kontrol mekanizmalarını kolayca eklemeyi sağlayan açık kaynaklı araç setidir
  • Davranış kurallarını tanımlayıp uygular; böylece çıktının güvenli, konuya uygun ve regülasyonlarla uyumlu olmasını sağlar
  • Geliştiriciler, esnek konuşma akışları oluşturmak, konuşmaları yönetmek ve önceden tanımlı yollar ile operasyonel prosedürleri uygulamak için amaca özel bir dil olan Colang’ı kullanır
  • NeMo Guardrails, performans için asynchronous-first bir API sunar ve içerik güvenliği, güvenlik, giriş ve çıkış yönlendirmesi için guardrail desteği sağlar

59. pnpm

  • Son Radar’dan bu yana ekiplerden pnpm hakkında olumlu geri bildirimler almaya devam ediyoruz
  • pnpm, hem hız hem de disk alanı verimliliği açısından alternatiflerine kıyasla önemli performans artışları sunan bir Node.js paket yöneticisidir
  • Birden fazla projenin node_modules klasörlerindeki yinelenen paketleri diskte tek bir konuma hard link’ler ve performansı daha da artıran artımlı dosya düzeyi optimizasyonları destekler
  • En az uyumluluk sorunuyla çok daha hızlı bir geri bildirim döngüsü sağladığı için pnpm, Node.js paket yönetiminde varsayılan tercih haline geldi

60. Pydantic

  • Pydantic, standart type hint’leri kullanarak veri modelleri tanımlayan ve çalışma zamanında veri şemasını zorunlu kılan bir Python kütüphanesidir
  • Type annotation’lar başlangıçta statik analiz için Python’a eklendi, ancak giderek çeşitlenmeleri çalışma zamanı doğrulaması dahil daha geniş kullanım alanlarına yol açtı
  • Hızlı bir Rust çekirdeği üzerine inşa edilmiştir ve verimli veri doğrulama, ayrıştırma ve serileştirme sağlar
  • LLM uygulamalarında vazgeçilmez hale geldi ve genellikle LLM’lerin öngörülemez doğasını yönetmek için LLM’lerden yapılandırılmış çıktı tekniğiyle birlikte kullanılır

Trial

61. AI Design Reviewer

  • AI Design Reviewer, tasarım denetimi veya sezgisel değerlendirme yapmak ve mevcut ya da yeni tasarımlar için uygulanabilir geri bildirim toplamak üzere kullanılan bir Figma eklentisidir
  • Denetimler UX eleştirileri, UI tutarsızlıkları, erişilebilirlik açıkları, içerik kalitesi ve uç durum senaryolarını kapsar
  • Sorunları tespit etmenin ötesinde, ekiplerin ortak bir tasarım dili ve tasarım kararlarının arkasındaki gerekçeyi oluşturmasına yardımcı olan alana duyarlı öneriler sunar
  • Ekipler, yeniden tasarım için UX hedeflerini şekillendirmek üzere korunacak olumlu deneyimleri ve çözülecek olumsuz deneyimleri belirleyerek eski tasarımları analiz etmek için AI Design Reviewer kullandı

62. Barman

  • Barman (Backup and Recovery Manager), PostgreSQL sunucularının yedekleme ve felaket kurtarma süreçlerini yöneten açık kaynaklı bir araçtır
  • Çeşitli yöntemlerle fiziksel yedeklerin oluşturulmasını kolaylaştırır, bunları kapsamlı bir katalogla düzenler ve canlı sunuculara point-in-time recovery özelliğiyle yedek geri yüklemeyi içeren tüm felaket kurtarma sürecini destekler
  • Barman’ın güçlü ve kullanımı kolay olduğunu gördük; özellikle geçiş faaliyetleri sırasında point-in-time recovery işlemlerinin hızından çok etkilendik
  • Zamanlanmış yedeklemelerde de yetkindir ve karmaşık, hibrit zamanlama ile saklama yapılandırmalarını yönetebilir

63. Claude Code

  • Anthropic’in Claude Code ürünü, karmaşık çok adımlı iş akışlarını planlamak ve uygulamak için doğal dil arayüzü ile ajan tabanlı yürütme modeli sunan bir ajan yapay zeka kodlama aracıdır
  • Piyasaya çıkalı bir yıldan az olmasına rağmen, Thoughtworks içinde ve dışında geliştiriciler tarafından şimdiden yaygın biçimde benimsendi ve Trial’a yerleştirildi
  • OpenAI’ın Codex CLI’ı, Google’ın Gemini CLI’ı ve açık kaynaklı OpenCode gibi konsol tabanlı kodlama ajanları yayımlandı; Cursor, Windsurf ve GitHub Copilot gibi IDE tabanlı asistanlar da artık ajan modu içeriyor
  • Ekiplerin bunu yalnızca kod yazmak ve düzenlemek için değil, aynı zamanda spesifikasyonları, hikâyeleri, yapılandırmaları, altyapıyı ve dokümantasyonu yönetmek için genel amaçlı bir yapay zeka ajanı olarak kullandığını görüyoruz

64. Cleanlab

  • Veri merkezli yapay zeka yaklaşımında, veri kümesi kalitesini iyileştirmek çoğu zaman modelin kendisini ayarlamaktan daha büyük performans kazanımları sağlar
  • Cleanlab, bu sorunu çözmek için tasarlanmış açık kaynaklı bir Python kütüphanesidir; metin, görsel, tablo biçimli ve ses veri kümelerinde yanlış etiketleme, aykırı değerler ve yinelenen kayıtlar gibi yaygın veri sorunlarını otomatik olarak belirler
  • confident learning ilkeleri üzerine kurulan Cleanlab, etiket gürültüsünü tahmin etmek ve veri kalitesini nicelleştirmek için model tahmin olasılıklarını kullanır
  • Bu modelden bağımsız yaklaşım sayesinde geliştiriciler veri kümesi hatalarını teşhis edip düzeltebilir, ardından daha iyi sağlamlık ve doğruluk için modeli yeniden eğitebilir

65. Context7

  • Context7, yapay zeka tarafından üretilen kodlardaki doğruluk sorunlarını ele alan bir MCP sunucusudur
  • LLM’ler eski eğitim verilerine dayanırken, Context7 projede kullanılan kütüphane ve framework’ler için doğru, güncel ve sürüme özel kod üretilmesini sağlar
  • Framework kaynak depolarından en güncel dokümantasyonu ve çalışan kod örneklerini doğrudan alır ve bunları prompt anında LLM’in bağlam penceresine enjekte eder
  • Deneyimimize göre Context7, kod halüsinasyonlarını ve eski eğitim verilerine bağımlılığı önemli ölçüde azaltıyor

66. Data Contract CLI

  • Data Contract CLI, Data Contract spesifikasyonlarıyla çalışmak için tasarlanmış açık kaynaklı bir komut satırı aracıdır
  • Veri sözleşmeleri oluşturmayı ve düzenlemeyi mümkün kılar; daha da önemlisi, veriyi sözleşmeye karşı doğrulayabildiği için veri ürünlerinin bütünlüğünü ve kalitesini sağlamada kritik rol oynar
  • CLI; Avro, SQL DDL, Open Data Contract Standard gibi birden çok şema tanımı için geniş destek sunar ve farklı sözleşme sürümlerini karşılaştırarak breaking change’leri anında tespit edebilir
  • Özellikle data mesh alanında, CI/CD entegrasyonu aracılığıyla veri ürünleri arasındaki sözleşme yönetişimini operasyonel hale getirmede faydalı bulduk

67. Databricks Assistant

  • Databricks Assistant, Databricks platformuna doğrudan entegre edilmiş, veri profesyonelleri için bağlamsal bir pair programmer gibi çalışan yapay zeka destekli konuşma tabanlı bir araçtır
  • Genel amaçlı kodlama asistanlarının aksine, Unity Catalog meta verileri dahil Databricks ortamı ve veri bağlamına dair yerleşik anlayış avantajına sahiptir
  • Assistant, kod parçacıkları üretmenin ötesine geçerek karmaşık çok adımlı SQL ve Python sorguları yazabilir, hataları teşhis edebilir ve çalışma alanına özgü ayrıntılı açıklamalar sunabilir
  • Halihazırda Databricks ekosistemine yatırım yapmış kuruluşlar için üretkenliği hızlandırabilir ve karmaşık veri görevlerine giriş bariyerini düşürebilir

68. Hoppscotch

  • Hoppscotch, API geliştirme, hata ayıklama, test etme ve paylaşım için hafif, açık kaynaklı bir araçtır
  • HTTP, GraphQL ve WebSocket dahil birden fazla protokolü destekler ve web, masaüstü ile CLI ortamları için çapraz platform istemcileri sunar
  • API araçları alanı Postman, Insomnia ve Bruno gibi alternatiflerle kalabalık olsa da Hoppscotch, hafif yapısı ve gizlilik dostu tasarımıyla öne çıkar
  • Analitiği hariç tutması, local-first depolama kullanması ve self-hosting’i desteklemesi sayesinde; güçlü veri gizliliğini korurken API script’lerini paylaşmak için sezgisel bir yol arayan kuruluşlar için güçlü bir seçenektir

69. NVIDIA DCGM Exporter

  • NVIDIA DCGM Exporter, ekiplerin dağıtık GPU eğitimini büyük ölçekte izlemesine yardımcı olan açık kaynaklı bir araçtır
  • NVIDIA Data Center GPU Manager (DCGM) içindeki özel telemetriyi, standart izleme sistemleriyle uyumlu açık bir formata dönüştürür
  • GPU kullanım oranı, sıcaklık, güç tüketimi ve ECC hata sayısı gibi kritik gerçek zamanlı metrikleri hem GPU’lardan hem de host sunuculardan dışa aktarır
  • Bu görünürlük, özel LLM’leri fine-tune eden veya uzun süre çalışan, GPU yoğun eğitim iş yükleri yürüten kuruluşlar için kritik önemdedir

70. RelationalAI

  • Büyük miktarda ve çeşitli veri Snowflake’e aktarıldığında, bu veriler içindeki özgün ilişkiler ve örtük kurallar belirsizleşebilir
  • Snowflake Native App olarak geliştirilen RelationalAI, ekiplerin anlamlı kavramları yakalayan, temel iş varlıklarını tanımlayan ve doğrudan Snowflake tabloları üzerinde karmaşık mantık barındıran gelişmiş modeller kurmasına olanak tanır
  • Güçlü Graph Reasoner sayesinde kullanıcılar bu modellere dayanarak ilişkisel bilgi grafikleri oluşturabilir, analiz edebilir ve görselleştirebilir
  • Büyük ölçekli ve hızla değişen veri kümelerini yöneten kuruluşlar için bilgi grafiği kurmak, proaktif izleme ve daha zengin, eyleme dönüştürülebilir içgörüler üretmek açısından kritik olabilir

71. UX Pilot

  • UX Pilot, wireframing’den yüksek doğruluklu görsel tasarım ve incelemeye kadar UX tasarım sürecinin çeşitli aşamalarını destekleyen bir yapay zeka aracı
  • Metin veya görsel girdileri kabul eder ve otomatik olarak ekranlar, akışlar ve düzenler oluşturabilir
  • Autoflow özelliği kullanıcı akışı geçişleri üretir, Deep Design ise daha zengin ve ayrıntılı çıktılar oluşturur
  • UX Pilot ayrıca, üretilen tasarımları standart tasarım araçları içinde iyileştirmek üzere dışa aktarmaya yarayan bir Figma eklentisi de içerir

72. v0

  • v0, Radar’da en son tanıtılmasından bu yana gelişti
  • Artık ürün yöneticilerinin self-service UI prototiplerini daha kolay oluşturup ayarlamasını sağlayan bir tasarım modu içeriyor
  • Son sürüm, geniş bağlam penceresi ve çok modlu yeteneklere sahip kendi modelini tanıtarak v0’ın hem metinsel hem de görsel girdilerden UI üretip iyileştirmesine olanak tanıyor
  • Dikkat çeken bir başka ekleme ise sistemin daha karmaşık görevleri parçalara ayırabildiği ve her biri için uygun modeli seçebildiği agent mode

Assess

73. Augment Code

  • Augment Code, büyük ölçekli kod tabanlarında derin bağlam farkındalığı desteği sunan bir yapay zeka kodlama asistanı
  • Kod sık sık değişse bile hızlı kod dizini güncellemeleri ve hızlı aramayı mümkün kılan gelişmiş context engineering sayesinde öne çıkıyor
  • Augment, Claude Sonnet 4 ve 4.5 ile GPT-5 gibi modelleri destekliyor; GitHub, Jira ve Confluence ile entegre oluyor; ayrıca harici araçlarla birlikte çalışabilirlik için Model Context Protocol (MCP) desteği sunuyor
  • Refactoring ve bağımlılık yükseltmelerinden şema güncellemelerine kadar karmaşık kod tabanı değişiklikleri için adım adım yönlendirme sağlıyor

74. Azure AI Document Intelligence

  • Azure AI Document Intelligence (eski adıyla Form Recognizer), yapılandırılmamış belgelerden metin, tablolar ve anahtar-değer çiftleri çıkararak bunları yapılandırılmış veriye dönüştürür
  • Önceden eğitilmiş derin öğrenme modelleri kullanarak düzeni ve anlamı yorumlar; özel biçimler için no-code arayüz üzerinden özel modeller eğitilebilir
  • Ekiplerden biri, ADI’nin manuel veri girişini ciddi ölçüde azalttığını, veri doğruluğunu iyileştirdiğini ve raporlamayı hızlandırarak daha hızlı veri odaklı karar almayı mümkün kıldığını bildirdi
  • Amazon Textract ve Google Document AI gibi, güçlü layout anlayışıyla kurumsal düzeyde belge işleme sunuyor

75. Docling

  • Docling, yapılandırılmamış veriler için gelişmiş belge işleme sağlayan açık kaynaklı bir Python ve TypeScript kütüphanesi
  • PDF ve PowerPoint gibi gerçek dünyadaki belgeleri temiz, makine tarafından okunabilir biçimlere dönüştürmenin çoğu zaman göz ardı edilen "son mil" sorununu çözüyor
  • Geleneksel çıkarıcılardan farklı olarak Docling, belge düzenini ve anlamsal yapıyı yorumlamak için bilgisayarlı görü tabanlı bir yaklaşım kullanıyor; bu da çıktıları retrieval-augmented generation (RAG) hatları için özellikle değerli hale getiriyor
  • Karmaşık belgeleri JSON veya Markdown gibi yapılandırılmış biçimlere dönüştürerek structured output from LLMs gibi teknikleri destekliyor

76. E2B

  • E2B, yapay zeka tarafından üretilen kodu buluttaki güvenli ve izole sandbox’larda çalıştırmak için açık kaynaklı bir araç
  • Agent’lar, Firecracker microVM üzerinde kurulu bu sandbox’ları kullanarak kodu güvenli biçimde çalıştırabilir, verileri analiz edebilir, araştırma yapabilir veya sanal makineleri işletebilir
  • Bu sayede, yürütme ortamı üzerinde tam kontrol ve güvenlikle kurumsal düzeyde yapay zeka agent’ları oluşturup dağıtmak mümkün olur

77. Helix editor

  • Komut satırının gözdesi Vim’in yerini almayı hedefleyen basit metin editörlerinde bir tür yeniden canlanma yaşandı
  • Helix, Neovim ve yakın dönemde Kakoune ile birlikte bu kalabalık alandaki rakiplerden biri
  • Kendini biraz oyunbaz bir şekilde post-modern bir metin editörü olarak tanımlayan Helix; çoklu imleç, Tree-sitter desteği ve entegre Language Server Protocol (LSP) desteği sunuyor ve ilk olarak dikkatimizi çeken de bunlar oldu
  • Hâlen geliştirilmekte olan eklenti sistemiyle aktif olarak geliştiriliyor; genel olarak Vim kullanıcılarına tanıdık geliyor, ancak buna birkaç modern kullanım kolaylığı ekleyen hafif bir modal editör

78. Kueue

  • Kueue, kota ve kaynak tüketimini yöneten iş kuyrukları için Kubernetes yerel bir denetleyici
  • Farklı önceliklere ve kaynak gereksinimlerine sahip Kubernetes iş yüklerini işlemek için API sağlar; işleri ne zaman kabul edip ne zaman kaldıracağına karar veren iş düzeyinde bir yönetici gibi çalışır
  • Verimli kaynak yönetimi, iş önceliklendirme ve gelişmiş zamanlama için tasarlanan Kueue, Kubernetes ortamlarında, özellikle Kubeflow gibi araçları kullanan ML iş yüklerinde, iş yükü çalıştırmasını optimize etmeye yardımcı olur
  • cluster-autoscaler ve kube-scheduler’ın yerini almaktan ziyade onlarla birlikte çalışır; sıralama, kota, öncelik ve topoloji farkındalığına dayalı iş kabulüne odaklanır

79. MCPScan.ai

  • MCPScan.ai, Model Context Protocol (MCP) sunucuları için scan ve proxy olmak üzere iki modda çalışan bir güvenlik tarayıcısı
  • Scan modunda, bilinen zafiyetleri tespit etmek için yapılandırmaları ve araç açıklamalarını analiz eder; buna prompt injection, tool poisoning ve toxic flows dahildir
  • Proxy modunda MCPScan.ai, agent sistemi ile MCP sunucusu arasında köprü görevi görür ve çalışma zamanı trafiğini sürekli izler
  • Bu mod ayrıca araç çağrısı doğrulaması, PII tespiti ve veri akışı kısıtlamaları içeren özel güvenlik kuralları ve guardrail’leri de uygular

80. oRPC

  • oRPC (OpenAPI Remote Procedure Call), TypeScript'te uçtan uca type-safe API sunarken OpenAPI spesifikasyonuna tamamen uyum sağlar
  • Tam OpenAPI spesifikasyonunu otomatik olarak üreterek entegrasyon ve dokümantasyonu basitleştirebilir
  • tRPC ve ElysiaJS gibi alternatifler type safety elde etmek için çoğu zaman yeni bir framework benimsemeyi gerektirirken, oRPC Express, Fastify, Hono, Next.js dahil mevcut Node.js framework'leriyle sorunsuz şekilde entegre olur
  • Bu esneklik, mevcut API'lerde yıkıcı refactoring yapmadan uçtan uca type safety benimsemek isteyen ekipler için onu mükemmel bir seçenek haline getiriyor

81. Power user for dbt

  • Power user for dbt, hem dbt hem de dbt Cloud ortamlarıyla doğrudan entegre olan bir Visual Studio Code eklentisidir
  • dbt sevdiğimiz araçlardan biri olmaya devam ettiği için, kullanılabilirliğini iyileştiren her şey ekosistem için memnuniyetle karşılanan bir katkıdır
  • Önceden geliştiriciler SQL kodunu IDE dışında doğrulamak veya model soy ağacını incelemek için birden fazla araca güveniyordu
  • Bu eklentiyle bu yetenekler artık VS Code içine yerleşik geliyor; kod otomatik tamamlama, gerçek zamanlı sorgu sonuçları, görsel model ve sütun soy ağacı sunuyor

82. Serena

  • Serena, Claude Code gibi kodlama ajanlarına semantik kod arama ve düzenleme için IDE benzeri yetenekler sağlayan güçlü bir kodlama araç setidir
  • Sembol düzeyinde çalışıp kodun ilişkisel yapısını anlayarak Serena, token verimliliğini önemli ölçüde artırır
  • Tüm dosyaları okumak veya kaba string değiştirmelere dayanmak yerine, kodlama ajanları kodu bulup düzenlemek için find_symbol, find_referencing_symbols, insert_after_symbol gibi hassas Serena araçlarını kullanabilir
  • Küçük projelerde etkisi sınırlı olsa da, kod tabanı büyüdükçe bu verimlilik çok değerli hale gelir

83. SweetPad

  • SweetPad eklentisi, geliştiricilerin Apple platformlarında Swift uygulama geliştirmenin tüm yaşam döngüsü boyunca VS Code veya Cursor kullanmasını sağlar
  • xcodebuild, xcode-build-server, swift-format gibi temel araçları entegre ederek sürekli Xcode'a geçme ihtiyacını ortadan kaldırır
  • Geliştiriciler simülatörleri yönetebilir ve cihazlara dağıtım yaparken, Xcode'u açmadan doğrudan IDE içinden iOS, macOS ve watchOS için Swift uygulamalarını derleyebilir, çalıştırabilir ve hata ayıklayabilir

84. Tape/Z (Tools for Assembly Program Exploration for Z/OS)

  • Tape/Z (Tools for Assembly Program Exploration for Z/OS), mainframe HLASM (High-Level Assembler) kodunu analiz etmek için gelişmekte olan bir araç setidir
  • Thoughtworker'lar tarafından geliştirildi; parsing, kontrol akışı grafiği oluşturma, bağımlılık takibi ve akış şeması görselleştirme gibi özellikler sunar
  • Mainframe alanında açık ve topluluk odaklı araçların kıtlığından uzun süredir söz ediyoruz; seçeneklerin çoğu proprietary ya da satıcı ekosistemlerine bağlı durumda
  • Tape/Z, erişilebilir ve script edilebilir analiz yetenekleri sağlayarak bu boşluğun kapanmasına yardımcı oluyor

[Languages and Frameworks]

Adopt

85. Fastify

  • Fastify ile ilgili olumlu deneyimlerimizi sürdürüyoruz; Node.js için hızlı, opinionated olmayan ve düşük ek yük sunan bir web framework'ü
  • Parsing, validation ve serialization dahil minimal bir web framework'ünün tüm temel işlevlerini, sağlam bir eklenti sistemi ve güçlü topluluk desteğiyle birlikte sunuyor
  • Ekipler, Express.js gibi alternatiflere kıyasla Fastify kullanırken önemli bir dezavantaj görmedi ve ölçülebilir performans kazanımları da elde etti; bu da onu Node.js üzerinde minimal web geliştirme için cazip bir seçenek yapıyor

86. LangGraph

  • LangGraph, LLM'leri kullanarak durum bilgisine sahip çok ajanlı uygulamalar geliştirmek için bir orkestrasyon framework'üdür
  • Düğüm ve kenar gibi düşük seviyeli primitiflerin yanı sıra geliştiricilere ajan iş akışları, bellek yönetimi ve durum kalıcılığı üzerinde ayrıntılı kontrol sağlayan yerleşik özellikler sunar
  • Bu, geliştiricilerin basit önceden oluşturulmuş grafiklerle başlayıp karmaşık ve evrilen ajan mimarilerine ölçeklenebileceği anlamına gelir
  • Streaming, gelişmiş bağlam yönetimi, model fallback ve araç hata işleme gibi dayanıklılık kalıplarını destekleyen LangGraph, güçlü production-grade ajan uygulamaları oluşturmayı mümkün kılar

87. vLLM

  • vLLM, bulutta veya on-premises çalışabilen, LLM'ler için yüksek throughput sunan ve bellek açısından verimli bir inference engine'dir
  • Birden fazla model mimarisini ve popüler açık kaynak modelleri destekler
  • Ekipler, geliştirici kodlama desteği, bilgi erişimi ve doğal dilde veritabanı etkileşimi için Llama 3.1 (8B ve 70B), Mistral 7B ve Llama-SQL dahil modelleri barındırmak üzere NVIDIA DGX ve Intel HPC gibi GPU platformlarına dockerized vLLM worker'ları dağıttı
  • vLLM, OpenAI SDK standardıyla uyumludur ve tutarlı model serving sağlar

Trial

88. Crossplane

  • Radar'da son görünümünden bu yana Crossplane benimsenmesi artmaya devam etti; özellikle Kubernetes cluster'larını genişletmek için kullanılıyor
  • Çalışmalarımızda Crossplane'in genel amaçlı bir altyapı kodu (IaC) aracı olmaktan ziyade belirli kullanım senaryolarında öne çıktığını gördük
  • Önceki gözlem hâlâ geçerli: Crossplane, Kubernetes içine dağıtılmış iş yüklerinin bir tamamlayıcısı olarak en iyi şekilde çalışır; Terraform gibi araçların tam bir yerine geçmez
  • Crossplane'i ana IaC çözümü olarak "tamamen" benimseyen ekipler sık sık zorlandı, ancak onu pragmatik biçimde kullanan ekipler - hedeflenmiş özel kullanım senaryoları için - güçlü sonuçlar gördü

89. DeepEval

  • DeepEval, LLM performansını değerlendirmek için açık kaynaklı, Python tabanlı bir değerlendirme framework'üdür
  • LlamaIndex veya LangChain ile oluşturulmuş retrieval-augmented generation (RAG) ve diğer uygulamaları değerlendirmek, ayrıca model baseline'ları ve benchmark'lar için kullanılabilir
  • DeepEval, kelime eşleştirme puanlarının ötesine geçerek doğruluk, alaka düzeyi ve tutarlılığı değerlendirir; böylece gerçek senaryolarda daha güvenilir değerlendirme sağlar
  • Halüsinasyon tespiti, yanıt alaka düzeyi ve hiperparametre optimizasyonu gibi metrikleri içerir; ayrıca kullanım senaryosuna özel custom metrikler oluşturmak için GEval desteği sunar

90. FastMCP

  • Model Context Protocol (MCP), LLM uygulamalarına bağlam ve araçlar sağlayan bir standart olarak hızla yerleşiyor
  • Ancak MCP sunucusu uygulamaları genellikle yapılandırma, protokol işleme ve hata yönetimi için kayda değer miktarda boilerplate içeriyor
  • FastMCP, protokol karmaşıklığını soyutlayan ve geliştiricilerin sezgisel Python decorator'ları aracılığıyla MCP kaynaklarını ve araçlarını tanımlamasını sağlayarak bu süreci basitleştiren bir Python framework'ü
  • Bu soyutlama, ekiplerin iş mantığına odaklanabilmesini sağlayarak daha temiz ve bakımı daha kolay MCP uygulamalarına yol açıyor

91. LiteLLM

  • LiteLLM, standartlaştırılmış OpenAI API formatı üzerinden birden fazla LLM sağlayıcısıyla sorunsuz entegrasyon sunan bir SDK
  • Geniş bir sağlayıcı ve model yelpazesini destekleyerek metin tamamlama, embedding ve görsel üretimi için birleşik bir arayüz sunuyor
  • Sağlayıcıya özgü API farklılıklarını soyutlayarak LiteLLM, entegrasyonu basitleştiriyor ve istekleri otomatik olarak doğru model endpoint'ine yönlendiriyor
  • Proxy framework'ü üzerinden guardrail, caching, logging, rate limiting ve load balancing gibi prodüksiyon seviyesinde özellikler de içeriyor

92. MLForecast

  • MLForecast, makine öğrenimi modellerini büyük ölçekli veri kümelerine uygulayan zaman serisi tahmini için bir Python framework'ü ve kütüphanesi
  • Lag, rolling istatistikler ve tarihe dayalı özellikler dahil, normalde karmaşık olan otomatik feature engineering sürecini basitleştiriyor
  • Spark ve Dask gibi dağıtık hesaplama framework'lerine yerel destek sunan az sayıdaki kütüphaneden biri olarak ölçeklenebilirliği garanti ediyor
  • Ayrıca conformal prediction gibi yöntemlerle olasılıksal tahmini destekleyerek tahmin belirsizliğinin nicel ölçümünü sağlıyor

93. Nuxt

  • Nuxt, Vue.js üzerine inşa edilmiş, tam yığın web uygulamaları oluşturmak için opinionated bir meta-framework olup sık sık “Vue.js için Next.js” olarak anılıyor
  • React karşılığına benzer şekilde Nuxt; pre-rendering, server-side rendering (SSR) ve metadata yönetimi gibi SEO dostu özellikler sunuyor
  • Nuxt, Next.js'in arkasındaki şirket olan Vercel tarafından destekleniyor ve güçlü bir topluluk ile resmi ve üçüncü taraf modül ekosisteminden faydalanıyor
  • Bu modüller, görsel işleme, sitemap ve Tailwind CSS gibi yeteneklerin entegrasyonunu basitleştiriyor

94. Phoenix

  • Phoenix ile ilgili olumlu deneyimler sürüyor; bu, Elixir ile yazılmış sunucu taraflı bir web MVC framework'ü
  • Phoenix, Ruby on Rails'in hızlı uygulama geliştirme ve geliştirici deneyimi yaklaşımını temel alırken fonksiyonel programlama paradigmasında da ilerliyor
  • Bu ciltte, Phoenix LiveView 1.0 sürümü öne çıkarılıyor
  • LiveView, HTMX veya Hotwire benzeri bir HTML-over-the-wire çözümü olarak geliştiricilerin tamamen sunucu tarafından render edilen HTML ile zengin ve gerçek zamanlı kullanıcı deneyimleri oluşturmasına olanak tanıyor

95. Presidio

  • Presidio, yapılandırılmış ve yapılandırılmamış metinlerdeki hassas verileri identifying ve anonymizing için bir veri koruma SDK'sı
  • Named entity recognition, düzenli ifadeler ve kural tabanlı mantık kullanarak kredi kartı numaraları, isimler ve konumlar gibi kişisel olarak tanımlanabilir bilgileri (PII) tespit ediyor
  • Presidio, custom varlık tanıyıcılarını ve anonimleştirme pipeline'larını destekleyerek kurumların bunu kendi gizlilik ve uyumluluk gereksinimlerine göre uyarlamasını sağlıyor
  • Ekipler, LLM'lerle entegrasyon yaparken sıkı veri paylaşım denetimlerinin olduğu kurumsal ortamlarda Presidio kullanıyor

96. Pydantic AI

  • Pydantic AI, prodüksiyonda GenAI ajanları oluşturmak için istikrarlı ve iyi desteklenen açık kaynaklı bir framework olduğunu kanıtlamayı sürdürüyor
  • Güvenilir Pydantic temeli üzerine kurulu olup güçlü tip güvenliği, OpenTelemetry aracılığıyla birinci sınıf gözlemlenebilirlik ve yerleşik değerlendirme araçları sunuyor
  • 4 Eylül 2025 tarihli 1.0 sürümü, olgunluk açısından önemli bir kilometre taşını işaret ediyor
  • O tarihten bu yana sadeliği ve bakım kolaylığı sayesinde güvenilirliği kanıtlandı ve yaygın biçimde benimsendi; LangChain ve LangGraph gibi diğer popüler ajan framework'lerinin arasına katıldı

97. Tauri

  • Tauri, tek bir web UI kod tabanı kullanarak yüksek performanslı masaüstü uygulamaları geliştirmek için bir framework
  • Electron gibi geleneksel web wrapper'larının aksine Tauri, Rust tabanlı olarak geliştirilmiştir ve işletim sisteminin yerel webview'ünü kullanarak daha küçük binary'ler ve daha güçlü güvenlik sunar
  • Tauri birkaç yıl önce ilk kez değerlendirildi ve o zamandan beri masaüstünün ötesine geçerek iOS ve Android desteğiyle genişledi
  • En son sürüm, daha esnek bir izin ve kapsam modeli getiriyor, önceki izin listesinin yerini alıyor ve ham veri aktarımını destekleyip performansı iyileştiren güçlendirilmiş bir süreçler arası iletişim (IPC) katmanına sahip

Assess

98. Agent Development Kit (ADK)

  • Agent Development Kit (ADK), sadece prompting'e dayanmak yerine modern yazılım mühendisliği disiplinlerini uygulayan yapay zeka ajanları geliştirme ve dağıtımı için bir framework
  • Sınıflar, metotlar, workflow kalıpları ve CLI desteği gibi tanıdık soyutlamalar sunuyor
  • LangGraph veya CrewAI gibi framework'lerle karşılaştırıldığında ADK'nin gücü, Google'ın yapay zeka altyapısıyla derin entegrasyonunda yatıyor; bu da kurumsal kullanıma hazır grounding, veri erişimi ve izleme sağlıyor
  • Birlikte çalışabilirlik için tasarlanmış olup araç wrapper'ları ve ajanlar arası iletişim için A2A protocol desteği sunuyor

99. Agno

  • Agno, çoklu ajan sistemlerini oluşturmak, çalıştırmak ve yönetmek için bir framework
  • Tam otonom ajanlar veya kontrollü, aşama tabanlı workflow'lar oluşturma esnekliği sunuyor; ayrıca human-in-the-loop, oturum yönetimi, bellek ve bilgi için yerleşik destek içeriyor
  • Etkileyici ajan başlatma süresi ve düşük bellek tüketimi sayesinde verimliliğe odaklanması takdir ediliyor
  • Agno, kendi runtime'ı olan AgentOS ile birlikte geliyor; bu da ajan sistemlerinin sadeleştirilmiş test, izleme ve yönetimi için birleşik bir kontrol düzlemine sahip bir FastAPI uygulaması

100. assistant-ui

  • assistant-ui, yapay zeka sohbet arayüzleri için açık kaynaklı bir TypeScript ve React kütüphanesi
  • Mesaj düzenleme ve dallar arasında geçiş için streaming, durum yönetimi ve yaygın UX özellikleri gibi sohbet arayüzü uygulamasının karmaşık kısımlarını ele alırken geliştiricilerin Radix primitive'lerini kullanarak kendi bileşen tasarımlarını yapmasına olanak tanıyor
  • Vercel AI SDK ve LangGraph dahil popüler runtime'larla entegrasyonu destekliyor ve karmaşık kullanım senaryoları için özelleştirilebilir runtime çözümleri sunuyor
  • assistant-ui ile basit bir sohbet arayüzü başarıyla oluşturuldu ve sonuçtan memnun kalındı

101. AutoRound

  • Intel’in AutoRound aracı, LLM ve vision language model (VLM) gibi büyük yapay zeka modellerini doğruluk kaybını en aza indirerek sıkıştırmak için gelişmiş bir nicemleme algoritmasıdır
  • sign-gradient descent optimizasyonu kullanarak model boyutunu ultra düşük bit genişliğine (2-4 bit) indirir ve en iyi verimlilik için katmanlar genelinde karma bit genişlikleri uygular
  • Bu nicemleme süreci aynı zamanda çok hızlıdır: tek bir GPU üzerinde 7 milyar parametreli bir modeli birkaç dakika içinde nicemleyebilir
  • AutoRound, model nicemleme için cazip bir seçenek olarak vLLM ve Transformers gibi popüler çıkarım motorlarıyla entegre olur

102. Browser Use

  • Browser Use, LLM tabanlı ajanların web tarayıcısını çalıştırmasını ve web uygulamalarıyla etkileşim kurmasını sağlayan açık kaynaklı bir Python kütüphanesidir
  • Gezinme, veri girişi ve metin çıkarma yapabilir; ayrıca uygulamalar arası görevleri koordine etmek için birden fazla sekmeyi yönetebilir
  • Kütüphane, özellikle yapay zeka ajanlarının web içeriğinden bilgiye erişmesi, bunu işlemesi veya bilgi toplaması gerektiğinde kullanışlıdır
  • Farklı LLM’leri destekler ve daha zengin web etkileşimleri için görsel anlayışı HTML yapı çıkarımıyla birleştirmek üzere Playwright kullanır

103. DeepSpeed

  • DeepSpeed, hem eğitim hem de çıkarım için dağıtık derin öğrenmeyi optimize eden bir Python kütüphanesidir
  • Eğitim tarafında Zero Redundancy Optimizer (ZeRO) ve 3D paralelleştirme gibi teknikleri bir araya getirerek modelleri binlerce GPU üzerinde verimli biçimde ölçeklendirir
  • Çıkarım tarafında ise gecikmeyi en aza indirmek için tensor, pipeline, expert ve ZeRO paralelliğini özel çekirdekler ve iletişim optimizasyonlarıyla birleştirir
  • DeepSpeed, Megatron-Turing NLG (530B) ve BLOOM (176B) dahil olmak üzere dünyanın en büyük dil modellerinden bazılarına güç veriyor

104. Drizzle

  • Drizzle, hafif bir TypeScript ORM’dir
  • Prisma ORM'den farklı olarak geliştiricilere hem basit SQL benzeri bir API hem de daha geleneksel bir ORM tarzı sorgu arayüzü sunar
  • Mevcut veritabanlarından şema çıkarmayı da destekleyerek hem veritabanı öncelikli hem de kod öncelikli yaklaşımları mümkün kılar
  • Drizzle, serverless ortamlar düşünülerek tasarlanmıştır, küçük bir bundle boyutuna sahiptir ve prepared statements desteği sunar

105. Java post-quantum cryptography

  • Kuantum bilgisayarlar hızla gelişmeye devam ediyor ve AWS Braket gibi SaaS hizmetleri artık çeşitli mimarilerde kuantum algoritmalarına erişim sunuyor
  • Mart ayından itibaren Java 24, Java post-quantum cryptography özelliğini sunarak ML-KEM ve ML-DSA gibi post-kuantum kriptografi algoritmalarına destek ekliyor
  • .Net 10 da desteği genişletiyor
  • Tavsiye basit: Bu dillerle yazılım geliştiriyorsanız, sistemlerinizi geleceğe hazırlamak için kuantum güvenli algoritmaları benimsemeye şimdiden başlayın

106. kagent

  • Kagent, Kubernetes kümeleri içinde ajan tabanlı yapay zeka çalıştırmak için açık kaynaklı bir çerçevedir
  • LLM tabanlı ajanların, Kubernetes yerel API’leri ve Model Context Protocol (MCP) entegrasyonu üzerinden sorun teşhisi, yapılandırma değiştirme ve gözlemlenebilirlik araçlarıyla etkileşim gibi operasyonel görevleri planlayıp yürütmesini sağlar
  • Amaç, deklaratif yönetim ile otonom muhakemeyi birleştirerek bulut yerel altyapıya “AgentOps” getirmektir
  • Bir CNCF Sandbox projesi olarak Kagent dikkatli benimsenmelidir; özellikle LLM’lere operasyon yönetimi yetkisi vermenin riskleri düşünüldüğünde, toxic flow analysis gibi teknikler bu riskleri değerlendirme ve azaltmada özellikle değerli olabilir

107. LangExtract

  • LangExtract, kullanıcı tanımlı yönergeler doğrultusunda yapılandırılmamış metinden yapılandırılmış bilgi çıkarmak için LLM kullanan bir Python kütüphanesidir
  • Klinik notlar ve raporlar gibi alana özgü materyalleri işleyerek, çıkarılan her veri noktasının kaynağa kadar izlenebilir kalmasını sağlarken temel ayrıntıları belirler ve düzenler
  • Çıkarılan varlıklar .jsonl dosyalarına (dil modeli verileri için standart bir format) aktarılabilir ve bağlam incelemesi için etkileşimli bir HTML arayüzü üzerinden görselleştirilebilir
  • Ekip, alan bilgi grafiğini doldurmak için varlık çıkarmada LangExtract’i değerlendirdi ve karmaşık belgeleri yapılandırılmış, makine tarafından okunabilir temsillere dönüştürmede etkili olduğunu gördü

108. Langflow

  • Langflow, LLM iş akışları oluşturmak ve görselleştirmek için açık kaynaklı, low-code bir platformdur
  • LangChain üzerine kuruludur; geliştiricilerin sürükle-bırak arayüzü üzerinden prompt, araçlar, vektör veritabanları ve bellek bileşenlerini zincirlemesine olanak tanırken, gelişmiş mantık için özel Python kodunu da destekler
  • Tam bir backend kodu yazmadan ajan uygulamalarının prototiplenmesi için özellikle kullanışlıdır
  • Ancak Langflow hâlâ nispeten yenidir ve üretim kullanımında bazı pürüzler barındırır; low-code platformlara yönelik genel temkin burada da geçerlidir

109. LMCache

  • LMCache, LLM serving altyapısını hızlandıran bir anahtar-değer (KV) önbellek çözümüdür
  • LLM çıkarım motoru havuzu genelinde özel bir önbellekleme katmanı gibi davranır ve sohbet geçmişi ya da belge koleksiyonları gibi birden çok kez işlenme olasılığı yüksek metinler için önceden hesaplanmış KV önbellek girdilerini saklar
  • Bu değerleri diskte tutarak prefill hesaplamasını GPU’dan uzaklaştırır, böylece time-to-first-token (TTFT) süresini azaltır ve RAG pipeline’ları, çok turlu sohbet uygulamaları ve ajan sistemleri gibi zorlu iş yüklerinde çıkarım maliyetlerini düşürür
  • LMCache, vLLM veya NVIDIA Dynamo gibi başlıca çıkarım sunucularıyla entegre edilebilir ve kurulumunuza etkisini değerlendirmeye değerdir

110. Mem0

  • Mem0, yapay zeka ajanları için tasarlanmış bir bellek katmanıdır
  • Naif yaklaşım çoğu zaman tüm sohbet geçmişini bir veritabanında saklayıp bunu gelecekteki konuşmalarda yeniden kullanır; bu da aşırı token kullanımına yol açar
  • Mem0 bunu, kısa vadeli hatırlama ile yalnızca dikkat çekici olguları ve ilişkileri çıkarıp saklayan akıllı bir uzun vadeli katmana ayıran daha gelişmiş bir mimariyle değiştirir
  • Bu mimari, anlamsal benzerlik için bir vektör deposunu, zamansal ve ilişkisel verileri anlamak için bir bilgi grafiğiyle birleştirir

111. Open Security Control Assessment Language (OSCAL)

  • Open Security Controls Assessment Language (OSCAL), uyumluluk ve risk yönetiminde otomasyonu artırmak ve ekiplerin metin tabanlı manuel yaklaşımlardan uzaklaşmasına yardımcı olmak için tasarlanmış, açık ve makine tarafından okunabilir bir bilgi değişim biçimidir
  • ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST) liderliğinde geliştirilen OSCAL, SOC 2 ve PCI gibi sektör çerçeveleri ile ABD'deki FedRAMP, Singapur'un Cybersecurity Control Catalogue'u ve Avustralya'nın Information Security Manual'ı gibi kamu çerçeveleriyle ilişkili güvenlik kontrollerini ifade etmek için XML, JSON ve YAML içinde standart gösterimler sunar
  • OSCAL henüz kamu sektörü dışında yaygın olarak benimsenmemiş ve ekosistemi hâlâ olgunlaşma aşamasında olsa da, güvenlik değerlendirmelerini sadeleştirme, elektronik tablolara ve kutucuk işaretleme egzersizlerine bağımlılığı azaltma ve compliance-as-code ile continuous compliance platformlarına entegre edildiğinde otomatik uyumluluğu mümkün kılma potansiyeli heyecan verici

112. OpenInference

  • OpenInference, yapay zeka uygulamalarını gözlemlemek için tasarlanmış bir dizi sözleşme ve eklentiden oluşur ve OpenTelemetry'yi tamamlar
  • Makine öğrenimi çerçeveleri ve kütüphaneleri için standartlaştırılmış enstrümantasyon sağlayarak geliştiricilerin, vektör deposu araması veya API'ler ile arama motorlarına yapılan harici araç çağrıları gibi çevresel bağlamla birlikte LLM çağrılarını izlemelerine yardımcı olur
  • Span'ler, tüm OTEL uyumlu toplayıcılara aktarılabilir; bu da mevcut telemetri hatlarıyla uyumu garanti eder
  • Daha önce yaygın olarak kullanılan bir LLM görünürlük platformu olan Langfuse'u blip olarak eklemiştik; OpenInference SDK, izleri Langfuse ve OpenTelemetry uyumlu diğer görünürlük platformlarına kaydedebilir

113. Valibot

  • Valibot, TypeScript için bir şema doğrulama kütüphanesidir
  • Zod ve Ajv gibi diğer popüler TypeScript doğrulama kütüphaneleri gibi tür çıkarımı sunar, ancak onu farklılaştıran şey modüler tasarımıdır
  • Bu mimari, bundler'ların etkili tree shaking ve code splitting yapmasına olanak tanır; böylece yalnızca gerçekten kullanılan doğrulama işlevleri pakete dahil edilir
  • Valibot, en iyi senaryoda Zod'a kıyasla paket boyutunu %95'e kadar azaltabilir; bu da onu istemci tarafı doğrulama veya serverless fonksiyonlar gibi paket boyutunun kritik olduğu ortamlarda şema doğrulama için cazip bir seçenek haline getirir

114. Vercel AI SDK

  • Vercel AI SDK, TypeScript ekosisteminde yapay zeka destekli uygulamalar ve ajanlar oluşturmak için açık kaynaklı, full-stack bir araç setidir
  • İki ana bileşenden oluşur: AI SDK Core, metin üretimi, yapılandırılmış nesne üretimi ve araç çağrısını destekleyerek modelden bağımsız LLM çağrılarını standartlaştırır
  • AI SDK UI ise assistant-ui benzeri şekilde React, Vue, Next.js ve Svelte'de streaming, durum yönetimi ve gerçek zamanlı arayüz güncellemeleriyle frontend geliştirmeyi basitleştirir
  • Hâlihazırda TypeScript ve Next.js ekosistemi içinde çalışan ekipler için Vercel AI SDK, zengin istemci tarafı deneyimlerle yapay zeka uygulamaları geliştirmenin hızlı ve sorunsuz bir yolunu sunar

İlgili okumalar

Henüz yorum yok.

Henüz yorum yok.