Opus 4.5 şimdiye kadar deneyimlediğim tüm AI ajanlarından tamamen farklı

 (burkeholland.github.io)
23 puan yazan GN⁺ 2026-01-07 | 3 yorum | WhatsApp'ta paylaş
  • Claude Opus 4.5, mevcut AI kodlama ajanlarından farklı olarak, geliştirici müdahalesi olmadan da yüksek tamamlanmışlıkta uygulamalar inşa edebilen otonom geliştirme yeteneği gösteriyor
  • Basit bir Windows görüntü dönüştürme yardımcı programından video kayıt ve düzenleme aracına, AI tabanlı gönderi otomasyon uygulamasından sipariş takibi ve rota hesaplama uygulamasına kadar çalışan gerçek projeleri kısa sürede tamamlıyor
  • Opus 4.5, Firebase backend yapılandırması, hata loglarını analiz etme ve otomatik düzeltme, GitHub Actions dağıtım ayarları gibi karmaşık geliştirme işlerini kendi başına yürütüyor
  • Yazar, kod yapısını tamamen anlamadığını ancak Opus 4.5'in hataları kendi başına çözdüğünü ve refaktör önerileri sunduğunu doğruluyor
  • Bu deneyim, AI'ın geliştiricilerin yerini tamamen alabilme ihtimalini somutlaştırıyor ve bunun AI merkezli geliştirme çağında bir dönüm noktası olduğunu vurguluyor

Opus 4.5'in gelişi ve mevcut AI ajanlarından farkı

  • Mevcut AI ajanları, sık sık verimsiz kod üretimi ve tekrarlayan hata düzeltmeleri nedeniyle düşük üretkenlik sergiliyordu
    • Defalarca kopyala-yapıştır ve hata düzeltme sonrasında kod tabanının bozulduğu durumlar yaygındı
  • Opus 4.5 bu sorunları aşıyor; kodun büyük bölümünü en baştan doğru yazıyor ve hata oluştuğunda CLI üzerinden doğrudan build alıp düzeltmeleri yineleyerek ilerliyor
  • Yazar bunu “AI kodlamasının vaadini gerçekten hayata geçiren model” olarak değerlendiriyor

Proje 1 – Windows görüntü dönüştürme yardımcı programı

  • Opus 4.5, Windows Gezgini sağ tık menüsünden görüntü formatı dönüştürme işlevine sahip bir yardımcı programı tek bir istekle tamamlıyor
    • dotnet CLI kullanarak build ve hata düzeltme sürecini otomatikleştiriyor
    • Yalnızca XAML hataları Visual Studio'da kontrol edilip kopyalanarak iletiliyor
  • Dağıtım için web sitesi, PowerShell kurulum betiği, GitHub Actions otomatik dağıtım hattı da kuruluyor
  • Logo üretiminde Figma AI kullanılmış; Opus da SVG dönüştürme ve ikon formatı betiklerini yazıyor

Proje 2 – Ekran kaydı ve düzenleme aracı

  • LICEcap benzeri bir GIF kayıt yardımcı programı ile başlayıp, bunu video ve görsel düzenleme işlevlerine kadar genişletiyor
    • Şekil ekleme, kırpma, blur uygulama gibi düzenleme özellikleri birkaç saat içinde hayata geçiriliyor
  • Kaynak kodu GitHub'da açık; yazar “birkaç saat içinde oldukça iyi bir seviyeye geliştirildiğini” belirtiyor
  • Bununla birlikte Opus 4.5'in yalnızca UI değil, backend entegrasyon işlerini de yapabildiği doğrulanıyor

Proje 3 – AI gönderi otomasyon uygulaması

  • Facebook sayfasına otomatik olarak gönderi paylaşan AI tabanlı mobil uygulama, Opus 4.5 ile geliştiriliyor
    • Fotoğraf yüklendikten sonra AI başlık/metin üretimi ve zamanlanmış paylaşımı gerçekleştiriyor
    • Firebase backend, kimlik doğrulama, depolama, cloud function'lar Opus tarafından CLI üzerinden doğrudan yapılandırılıyor
  • Yazar, jaluzileri taktırdığı sırada Opus'un uygulamayı tamamladığını anlatıyor
  • Opus hata loglarını otomatik analiz edip düzeltiyor ve hatta yönetim paneli de oluşturuyor
  • Eskiden aylar süren işler birkaç saat içinde tamamlanıyor

Proje 4 – Sipariş takibi ve rota hesaplama uygulaması

  • Gmail sipariş e-postalarını parse ederek takvim, rota, sürüş süresi ve vergi için kilometre kayıtlarını otomatik hesaplıyor
  • Opus 4.5, Google kimlik doğrulama entegrasyonu ve Firebase bağlantısını tek seferde kuruyor
  • Yazar, “elle yapıldığında çok zahmetli olacak işi Opus kusursuz şekilde yaptı” diye değerlendiriyor

Kodu anlama ve kalite sorunu

  • Yazar, Swift bilmemesine rağmen uygulamanın kusursuz çalıştığını belirtiyor
  • Opus 4.5 hataları kendi başına bulup düzeltiyor; yazar kodun iç yapısını bilmeden de geliştirmeyi sorunsuz sürdürüyor
  • Kod kalitesine yönelik sorulara karşı, “Kodu okuyup bakımını yapacak olan AI ise insan okunabilirliği o kadar önemli değil” görüşü dile getiriliyor
  • VS Code içinde AI'ya özel kod yazma prompt'u kullanılarak, LLM'lerin daha kolay anlayacağı yapıya odaklanan kod üretiliyor

AI merkezli kodlama ilkeleri

  • Prompt, “AI'ın yazıp bakımını yapacağı kod” varsayımıyla hazırlanıyor
    • Basit yapı, net giriş noktaları, minimum soyutlama, düşük bağlılık vurgulanıyor
    • Açık kontrol akışı, basit fonksiyonlar, yapısal loglama, kolay yeniden üretilebilirlik önceleniyor
  • Kod refaktörü sırasında Opus, öncelik sırasına göre iyileştirme maddelerini (yüksek-orta-düşük) belge halinde düzenliyor
  • Güvenlik denetiminde API anahtarları, giriş işlemleri, hassas veri saklanıp saklanmadığı gibi konuların incelenmesi isteniyor
    • Yazar, güvenlik bütünlüğü konusunda “yaklaşık %80 seviyesinde, hâlâ tedirgin edici” yorumunu yapıyor

AI geliştirme çağında dönüşüm

  • Yazar, “birkaç saat içinde bir şeyler yapılabilmesi hem heyecan verici hem de tuhaf bir boşluk hissi yaratıyor” diyor
  • Geçmişte “AI geliştiricilerin yerini alamaz” diye düşündüğünü, ancak artık bu ihtimali inkâr edemediğini kabul ediyor
  • Sonuç olarak, AI merkezli geliştirme ortamında tereddüt etmeden doğrudan bir şeyler inşa etmeyi öneriyor
  • Son olarak da “API anahtarlarını yönetme sorumluluğu yine sizde” uyarısında bulunuyor

Özet: Opus 4.5, basit bir kod yardımcısının ötesine geçerek tam uygulamaları otonom biçimde tasarlayıp uygulayabilen ve dağıtabilen, AI geliştirici düzeyinde bir model olarak değerlendiriliyor. Yazar, bu deneyim sayesinde AI'ın insan geliştiricilerin yerini almasına yönelik gerçekçi ihtimali bizzat deneyimlediğini söylüyor.

İlgili okumalar

3 yorum

 
wegaia 2026-01-08

Opus 4.5'ten tek satırlık bir kodu düzeltmesini istedim; o da o kodun üstündeki yaklaşık 10 satırlık ayar kodunu kafasına göre silmiş. Neden sildiğini sorunca da, gereksiz kod gibi göründüğü için sildiğini söyledi..
 
GN⁺ 2026-01-07
Hacker News görüşleri

  • Orta seviye bir mühendisin yaptığı iş, sadece yeni bir uygulama yapmak değil, ölçeklenebilirlik ve anlaşılabilirliği gözeten bir yapı tasarlamaktır
    Opus 4.5, “bana bir uygulama yap” seviyesindeki istekleri iyi karşılıyor; ancak gerçek işte olduğu gibi mevcut koda özellik eklemeye çalışınca garip soyutlamalar kullanıyor ya da istenen kalite için birkaç kez düzeltmek gerekiyor
    Teknik olmayan kişiler “çalışıyorsa tamamdır” diye düşünebilir, ama mühendisler bunun yeterli olmadığını bilir

    • “Doğru yol”un iki türü vardır — bağlama uygun olan yol ve mühendislerin genelleyerek düşündüğü yol
      Eskiden ekipte “doğru cevap” üzerine kavga ettiğimizi hatırlıyorum. Sonunda dışarıdan biri gelip iş açısından neyin önemli olduğunu hatırlatmak zorunda kalmıştı
      Bazen biraz dağınık olsa bile hızlıca yapıp yönün doğru olup olmadığını doğrulamak gerçekten “doğru” yöntem olabilir
      Sorun, en baştan aşırı tasarım yapmakta ya da tersine yöneticinin refactoring’i engellemesinde ortaya çıkar. Sonuçta anahtar şey dengedir
    • Böyle projelere bakınca, GitHub’daki bir görsel dönüştürücüyü ya da Mayın Tarlası klonunu doğrudan fork etmek mümkünken, bunu özellikle LLM’e yaptırmak bana sadece telif izlerini silmek için yapılıyor gibi görünüyor
    • Bazı insanlar artık “kod kalitesi önemli değil” diye savunuyor. Bugün sadece testleri geçmesi yeterli; yarın tümden refactoring gerekirse biraz daha kredi harcayıp birkaç saatte yeniden yaparsın yaklaşımı bu
    • Opus 4.5’in mevcut kod tabanındaki idiomatik kalıpları iyi takip ettiğini görünce şaşırdım
      Özellikle bitişik kodu okumasını açıkça söylersen çok daha iyi çalışıyor. Sadece bir iki cümle eklemek bile yetiyor
    • Mevcut koda özellik eklerken istediğin soyutlamayı doğrudan tarif edersen, adım adım iyi sonuç veriyor
      Yine de ben kişisel olarak GPT‑5.2’yi daha çok tercih ediyorum

  • Birçok mühendis, Claude Code gibi LLM ajanlarının mevcut performansını küçümsüyor
    Bizim ekip Claude Code ile kod inceleme, ESLint otomasyonu, PR checklist’i, doküman senkronizasyonu ve test coverage kontrolünü otomatikleştirdi
    Ticket sınıflandırmasını da otomatik yapıyoruz; böylece mühendis işe başladığında işin yarısı zaten bitmiş oluyor
    Örnek depo claude-code-showcase içinde yer alıyor
    2026 civarında bunun sektörün standart iş akışı olacağından eminim

    • Frontend (React, HTML, mobil) ile düşük seviye alanlar (OpenGL, io_uring, libev vb.) arasında LLM kullanım deneyimi farkı çok büyük
      Opus 4.5, JS uygulamalarını iyi yapıyor ama C++ ile 2003 tarihli bir makaledeki gölge algoritmasını uygula dersen tamamen dağılıyor
      Hatta Fabien Sanglard’ın Doom3 BFG threading incelemesini bile verince sadece işe yaramaz kod üretiyor
      Sonuçta mesele “LLM’leri küçümsüyor olmamız” değil, henüz pratik olmadığı için bekliyor olmamız
    • Birçok kişi ilk dönemde AI ile kod yazmayı deneyip hatalar ve hayal kırıklığı yüzünden vazgeçti
      Ama Opus 4.5 bir üst seviye. Hatalar çok daha az ve çoğu ufak tefek yanlışlar düzeyinde
    • Üniversitede öğrencilere ders verirken Cursor, Claude Code ve Codex’i denedim;
      AI sayesinde 2 hafta sürecek bir projeyi 5 saatte tamamladım.
      AI olmasa muhtemelen hiç denemeyecektim bile
    • AI’ın yazdığı README’ye dizin yapısını özellikle eklemek komik. tree komutuyla zaten hepsi görülebiliyor
    • Gelecekte “programcı” diye bir mesleğin kendisi küçülecek ve araçları kullanarak üretme becerisi daha önemli hale gelecek gibi görünüyor

  • Opus 4.5’i çok kullandım; karmaşık kod analizi konusunda olağanüstü ama hâlâ insan seviyesinde problem çözmüyor
    Örneğin bir grafik yerleşim algoritmasını doğru tanımlıyor ama hatasını kendi başına düzeltemiyor
    Kod analizi ve bilgi takviyesi için harika, ancak birleşik problem çözme için hâlâ yeterli değil

    • Copilot’un token tasarrufu için bağlamı kesen bir yapısı olduğu için sınırları var
      Gerçek performans istiyorsan API’yi doğrudan kullanman gerekiyor ve tek bir PR için üç haneli maliyetler çıkabiliyor
      Referans: models.dev
    • Copilot’un Opus 4.5 kullanırken token’ları 3 kat sayması yüzünden aylık kotamın yarısını bir haftada bitirmiş olmam şaşırtıcıydı
    • AI’ı sadece kod analiz aracı olarak kullansan bile ciddi değer sağlıyor
      Doküman üretiminde insandan daha iyi ve hata oranı da çoğu zaman insandan düşük
    • Üçüncü taraf araçlar üzerinden kullanınca davranışı farklı oluyor
      Claude Code aboneliğiyle bunu doğrudan VS Code veya Cursor içinde denemeni tavsiye ederim

  • Tatil boyunca GPT‑5.x ile çeşitli projeler yaptım —
    Swift otomasyon aracı, ARM JIT engine entegrasyonu, synthesizer prototipi gibi
    GPT‑5.2 ve Codex ailesi, Opus kadar güçlü; hatta CI iş akışının tamamını tek seferde kuracak düzeyde
    Benim gibi plan yapıp kod gözden geçirme alışkanlığı olan biri için bu, üretkenliği katlayan bir araç

    • GPT‑5.2’nin CLI utility’lerin varlığını ya da işlevini sık sık hallucination ile uydurduğu oldu
      Hatanın gerçekten var olduğunu doğrulamak için doğrudan kaynak kodu didiklemek zorunda kaldım
    • Gemini 3 Pro (High) ile Antigravity, Amp, Junie gibi araçlar da etkileyiciydi
      Ruby için Ratatui binding kütüphanesini 2 haftada tamamladım
      Antigravity, birden fazla ajanı paralel çalıştırarak bağlam sıkıştırma ve otomatik yönetim yapıyor
      Bu tür gelişmiş araçlar, ücretsiz sürümlerden tamamen farklı bir deneyim sunuyor
      Unix araçları ve git CLI ile birlikte kullanıldığında bağlam küçük tutulup verim en üst düzeye çıkıyor
    • LLM’ler backend ve CLI kodunda güçlü ama HTML/CSS ya da JS frontend gibi görsel geri bildirim gerektiren alanlarda hâlâ zayıf
      Yapılandırılmış girdi/çıktıda iyiler, “duyusal tamamlanmışlık” gerektiren yerlerde ise başarısız oluyorlar

  • Son zamanlarda HN’de LLM’lerle ilgili olumsuz yorumların ciddi biçimde azaldığını fark ettim
    Ama paylaşılan projelerin çoğu hâlâ teknoloji demosu seviyesinde kalıyor
    Bağlam oluşturma, yani kullanıcı gereksinimlerini anlama işi hâlâ insanın görevi
    Hafta sonunda birkaç uygulama yapılabilir ama onları sürdürecek insanı bulmak çok daha zor

    • Olumsuz yorumların azalması, insanların tekrar eden “yeni model 1000 kat daha iyi” tartışmalarından bıkmış olmasından da kaynaklanıyor olabilir
    • Gelir üretilebilecek ürünler yapanlar, belki de sessizce geliştiriyor ve paylaşmıyordur
    • Production’a çıkmak ve bakım yapmak muazzam emek gerektiriyor
      Karpathy de benzer bir deneyim paylaşmıştı — prototip kolay ama dağıtıma çıkmak zor
      Kişisel araçlarda ise mükemmellikten çok sorun çözmeye odaklı yaklaşmak yeterli olabilir
    • AI kullananlar en çok, son %20’de gereken bütünsel düşünme aşamasında tıkanıyor
      Düşünmeyi AI’a bırakırsan kendi başına düşünme gücün zayıflıyor
    • Oyun geliştirmede de 80/20 kuralı aynen geçerli
      Fikir testine kadar hızlı ilerleniyor ama cilalı bir ürüne ulaşmak için hâlâ insan sabrı gerekiyor

  • Opus 4.5, basit bilgi vermekten çok özerk problem çözme yeteneğinde büyük ilerleme gösteriyor
    Net tanımlanmış problemleri neredeyse tamamen çözdü; hatta reverse engineering bile yaptı
    Son zamanlarda doğrudan kod yazmaktansa şartname yazıp, Opus’un uygulamasını ve iyileştirmesini yönlendirdiğim bir şekilde çalışıyorum

    • Paylaştığı örnekler arasında coding-agent-benchmark ve
      C64 oyun reverse engineering projesi var
    • “Aşırı tasarım”ı nasıl engellediğini merak ediyorum
    • Ben Claude web uygulamasını rubber duck debugging için kullanmayı daha verimli buluyorum
      Claude Code, tüm kod tabanını görebildiği için çok güçlü ama kotasını fazla hızlı tüketiyor
      Bu yüzden yeniden web sürümüne döndüm
    • Ben de son zamanlarda yan projeleri neredeyse tamamen bu şekilde yürütüyorum

  • Opus 4.5 ile Python tabanlı bir JavaScript interpreter, WebAssembly runtime ve Rust string search rutininin C’ye portunu denedim
    Çoğunu akıllı telefonda test ettim ve sonuçlar şaşırtıcıydı

    • “Python ile yazılmış JS interpreter” Bellard’ın MQJS tabanlıysa, kaynağını belirtmek gerekir
      Referans: micro-javascript
    • Görsel akıl yürütme gerektiren problemlerden (ör. slime mold yol bulma algoritması) hâlâ zayıf
    • “Rust rutinini C’ye portlayıp daha hızlı hale getirdim” sonucunun ayrıntılarını merak ettim
    • “JavaScript ile bir Python 3 interpreter yaz” dedim, testleri bile geçirdi; buna şaşırdım
    • Ama son dönemde çok büyük bir fark hissetmedim. Modeller durağanlaştı, onun yerine ajan framework’leri gelişmiş gibi görünüyor
      Örnek video: Mastodon bağlantısı

  • Geliştiricilerin gerçekten işe alınma nedeni sorumluluk alabilmeleridir
    StackOverflow ya da GitHub’dan kod kopyalanan dönemlerde de araçlar vardı ama
    bir sorun çıktığında hesabını verecek olan yine insandı

    • Bugün en önemli kişi, sorumluluk üstlenebilen kişi
      Güvenilir bir ekip arkadaşı AI’ın ürettiği koda kendi adını koyabiliyorsa sorun yok
    • Ama sektör, sorumluluk alanlardan çok yeni şeyler üretenleri ödüllendiriyor
      Bakım işi ise ihmal ediliyor
    • Artık gerçek zamanlı kod inceleme varsayılan mod haline geldi
      Hafta sonunda bir SaaS’ın %80’ini AI ile yaptım, sadece çekirdek kısmını kendim yazdım
      22 yıl önce yazdığım dil spesifikasyonunu yapıştırınca Opus 3 dakika içinde parser’ı ve testleri tamamladı
      Sonuçta madencilik endüstrisi gibi değişime uyum sağlamak zorunda olduğumuz bir döneme girdik
    • Bu yüzden ben AI’ı yazardan çok editör ve reviewer olarak kullanmayı daha rahat buluyorum
      Kodu ben yazıyorum, AI ise problem keşfi ve test önerileriyle ilgileniyor

  • Opus 4.5 bana yeni bir programlama dili oluştururken yardımcı oluyor
    Düşük seviye implementasyona kadar konuşuyoruz; adeta pair programming yapıyormuşuz gibi çalışıyoruz
    Ama büyük kod tabanlarında hâlâ insanın sistem düzeyinde kontrol gücüne ihtiyaç var
    Aksi halde Opus spesifikasyonu değiştiriyor ya da geçici çözümlerle üzerini kapatıyor
    Bu her derde deva değil ama hayatımın en üretken yılı olabilir gibi görünüyor
    Aynı zamanda, bu teknoloji yaygınlaşırsa küçük web topluluklarının yeniden canlanmasını da umuyorum

    • Günün birinde AI kendi kodunu kendisi bakımını yapabilir belki ama
      O zamana kadar insanın kolay anlayabileceği dillerin daha önemli olduğunu düşünüyorum
    • “Böyle bir şeyi yapmak gerçekten anlamlı mı?” diye kuşkuyla bakanlar da var
    • “O romanı kim satın alacak?” diye şaka yollu cevap verenler de oldu

  • Opus 4.5’e “tüm projeyi iyileştir” dediğimde saçma bir mimari ve sayısız bug ortaya çıktı
    Test ve hata tespiti için mükemmel ama genel yapı tasarımını ona bırakırsan pişman oluyorsun

    • Bunun yerine “iyileştirme fikirleri öner” deyip, aralarından iyilerini seçip Claude’a anlattırdıktan sonra uygulatmak daha verimli
    • En iyi, “neyi iyileştireceğini” net bildiğinde çalışıyor
      “Ne bulursan iyileştir” en kötü prompt olabilir
    • Bu tür örnekler modelin zayıf yönlerini gösteren iyi vakalar
      Daha önce birinin ajanı gece boyunca iyileştirme yaptırıp sonunda 100 bin satır çöp kod elde ettiği bir örnek de vardı
      Bu yüzden plan temelli geliştirme önemli
      Referans: The Highest Quality Codebase
    • Opus dâhil çoğu model, mevcut kodu iyileştirmede zayıf, yeni kod yazmada ise iyi
    • AI’ın kod inceleme önerilerinin %90’ı işe yaramaz ama kalan %10 gerçekten sorun yakalıyor
      Hatta sonsuz döngü gibi sürekli yeni düzeltme önerileri üretmeye de başlayabilir
 
2026-01-07
[Bu yorum gizlendi.]