- Peter Steinberger’in, AI ajanlarını kullanarak ocak ayında tek başına 6.600’den fazla commit yaptığı iş akışını ele alan bir röportaj yazısı
- Moltbot (eski adıyla Clawdbot), şu anda GitHub tarihinin en hızlı yıldız büyümesini yaşıyor ve Google arama hacminde Claude Code ile Codex’i geride bırakmış durumda
- Peter, aynı anda 5~10 ajan çalıştırıyor ve kod incelemesi yerine mimari tartışmalara odaklanan bir yaklaşımla geliştiriyor
- AI ile etkili işbirliği yapmak için, ajanların derleme, lint ve testleri kendi başına çalıştırıp doğrulayabildiği döngülerin tasarlanması şart
- Ayrıntılı implementasyondan çok sonuçlara ve sistem tasarımına odaklanan mühendisler, AI-native geliştirmeye daha iyi uyum sağlıyor
Peter Steinberger kimdir
- PSPDFKit’i küresel bir geliştirici araçları işine dönüştüren kurucu
- 3 yıllık bir aranın ardından geri döndü ve bu kez iş akışının merkezine LLM’leri ve AI ajanlarını yerleştirdi
- 70’ten fazla geliştiriciden oluşan ekipleri yönetme deneyimi, ona mükemmeliyetçiliği bırakmayı öğretti; bu da bugün AI ajanlarıyla çalışırken verimliliğini artırıyor
- 2026 Ocak ayında 6.600’ün üzerinde commit yaparak bireysel bir geliştirici için sıra dışı bir üretkenlik sergiledi
- Tüm bu çalışmalar bir şirkette değil, kişisel projelerde yapıldı ve geliştirme sürecinden keyif alıyor
Moltbot ve patlayıcı büyüme
- GitHub’da tüm zamanların en hızlı yıldız artış oranını kaydetti; Tailwind CSS ile kıyaslandığında bile büyüme eğrisi benzeri görülmemiş düzeyde
- Geçen hafta Google arama hacminde Claude Code ve Codex’in toplamından daha fazla arama aldı
- Peter’ın ifadesiyle: "Sadece commit’lere bakarsanız bir şirket gibi görünebilir ama aslında evde eğlencesine kod yazan tek biriyim"
AI ajanı tabanlı iş akışından 10 temel ders
- Mükemmeliyetçiliği bırakın: Kodun her zaman kendi zevkinize uymayabileceğini kabul etmek, ajanlarla çalışırken daha verimli olmanızı sağlar
- Döngüyü kapatın: AI ajanlarının kendi başına derleyip lint çalıştırabildiği, uygulamayı çalıştırabildiği ve doğrulama yapabildiği sistemler tasarlamak gerekir
- Pull Request öldü, “Prompt Request” yükseliyor: Kodun kendisinden çok, o kodu üreten prompt’a bakmak daha önemli hale geliyor
- Kod incelemesi kayboluyor, yerini mimari tartışmalar alıyor: Discord’da da çekirdek ekiple kod yerine yalnızca mimari ve büyük kararlar konuşuluyor
- Aynı anda 5~10 ajan çalıştırarak "flow durumunu" koruyor
- Her ajan farklı özellikler üzerinde paralel çalışıyor
- Planlama için ciddi zaman harcıyor ve Codex’i tercih ediyor
- Ajanlarla tekrar tekrar konuşarak sağlam bir plan oluşturuyor
- Planı sorguluyor, düzeltiyor, itiraz ediyor; tatmin olunca çalıştırıp bir sonrakine geçiyor
- Codex, uzun süreli işleri bağımsız şekilde sürdürebilirken Claude Code açıklama istemek için sık sık geri dönüyor ve dikkat dağıtıyor
- Bilinçli olarak daha az spesifik prompt’lar kullanarak beklenmedik çözümler keşfedebiliyor
- Yerel CI, uzak CI’dan daha iyi: Uzak CI’da 10 dakika beklemek yerine ajanlar testleri yerelde çalıştırıyor
- Kodun büyük kısmı sıkıcı veri dönüşümünden ibaret: Buna takılmaya gerek yok; enerji sistem tasarımına yönlendirilmeli
- Implementasyon ayrıntılarından çok çıktıyla ilgilenen mühendisler AI ile daha iyi işbirliği yapıyor
- Algoritma bulmacalarını çözmeyi seven mühendisler, "AI-native" dönüşümünde zorlanıyor
- Ürün çıkarmayı sevenler daha iyi uyum sağlıyor
Yazılım mühendisliğinin geleceğine dair görüşler
- AI yüzünden yazılım mühendisliği ölmedi; aksine tam tersi geçerli
- Peter, projenin yüksek seviyeli yapısını zihninde tutan bir yazılım mimarı
- Mimari, teknik borç, ölçeklenebilirlik ve modülerlik konularına derin önem veriyor
- Moltbot’un başarılı olmasının nedenlerinden biri yüksek ölçeklenebilirliği
- Yeni özellik eklemeyi kolaylaştırmak için enerji harcıyor
- Projenin "iyi huylu diktatörü" olarak yön ve stil tutarlılığını koruyor
Bağlam ve sınırlamalar
- Moltbot, deneysel ve hızlı iterasyona dayalı bir proje; çalışma hâlâ sürüyor
- "Hızlı ilerle ve boz" yaklaşımı, bu tür projelerde başarıya giden tek yol
- Aynı yöntemi her takım veya ürüne doğrudan uygulamak zor
- Buna rağmen, büyük AI araştırma laboratuvarlarının bile öngöremediği bir talebi keşfetmiş bir örnek olarak değerlendiriliyor
26 yorum
Neden durmadan tahmin makinelerini düşünebilen makineler sanıyoruz, gerçekten anlamıyorum.
Hesap makineleri deterministik algoritmalara dayalı olarak çalıştığı için, söz konusu benzetmenin uygun olduğunu düşünmüyorum.
Ayrıca ben yapay zeka kullanımına karşı değilim; ancak bu yazıda tanıtılan yapay zeka kullanım biçiminde bir sorun olduğunu düşünüyorum.
Bunun nedeni, onu düşündüğümüz yapıya göre oluşturmuş olmamız.
Temel olarak nöronların birbirine bağlanma biçimini aynen aldık ve hangi süreçle düşündüğünü net biçimde göremiyoruz.
"Düşünce"nin de beyinde hangi süreçlerden geçerek ortaya çıktığını bilmediğimiz için, temel görünüm ve ortaya çıkan olgular aynıdır.
Bu yüzden insan beyninin bir öngörü makinesiyle aynı olduğunu düşünüyoruz.
Düşündüğümüz şeyin mekanik bir olgu olduğunu ve hatta brain hacking'in de mümkün olduğunu savunan alanlar da var.
İkisi de kara kutu ve temel yapıları aynı, ama bu yüzden benzer olduklarını kesin olarak söylememek gerekir.
Tamamen aynı değil ama aynı zamanda tamamen farklı da değil.
Benzer olması, ortak noktalar olduğu anlamına gelir;
sonuçta insanların birbirleriyle fikir ayrılığı yaşaması, muhtemelen ne kadar benzer olduğuna hangi açıdan baktıklarına bağlıdır.
Aynı olduğunu söyleyemem ama benzer olduğunu düşünüyorum
ve geek12356 adlı kullanıcının tahmin ve düşünceye bakış açısı üzerinden bunun böyle olduğunu düşünüyorum.
Aynı zamanda, zekasının insandan daha yüksek olduğu ve bu yüzden insandan farklı olduğu yönünde bir bakış açısına da sahibim.
Başkaları Excel fonksiyonlarıyla 1 saniyede yüzlerce satırlık hesabı yaparken, tek başına hesap makinesiyle tek tek hesaplayıp bir de "fonksiyon kullanmayın" diyen kıdemli olmayalım.
Excel fonksiyonları ve hesap makinesi benzetmesi pek doğru görünmüyor.
LLM %100 doğruluğa sahip olsaydı, o zaman kabul ederdim..
Hesap makinesi kullanmayacağım diye karşı çıkarken neden abaküs kullandığını anlamıyorum.
Açıkçası, eğer bu şekilde geliştirilmiş bir ürünse kullanmak istemem.
Böyle geliştirilen bir araç ya da özellikle uçuş yazılımıysa, sanırım hiç kullanmam.
Bu yüzden Japonlar hâlâ çoğunlukla faks kullanıyor.
Dışarıdan bakınca havalı görünse de sonradan sorun çıkarsa düzeltmenin ya da bir güvenlik açığı oluşursa bunun maliyetinin inanılmaz yüksek olacağını düşünüyorum..
Görünüşe göre şimdiden birden fazla güvenlik açığı rapor edilmiş.
Sonuçta insan yine önemli hale geliyor
Buna olumlu mu yoksa olumsuz mu bakmak gerekir..
Sanırım farkında olarak ya da olmayarak zaten kullanıyorsunuzdur.
Öylece savrulup ortaya atılan bu kod bir sorun çıkarırsa, bunun temizliğini acaba kim yapacak... Kodlar bu şekilde yazılmaya devam ederse... bir gün o cehennem mutlaka gelecektir.
Pull Request yerine “Prompt Request” demesi şaşırtıcı.
Çok eskiden MDA ile çok ilgilenmiştim ama gerçekçi olmadığı için vazgeçmiştim; demek ki bu şekilde hayata geçiyormuş.
GitHub gibi yerlerde bir özellik olarak sunulsa güzel olurdu.
"Hızlı hareket et ve bir şeyleri kır"
Cümleler bana da oldukça tanıdık geliyor
Yapay zeka ile yazılmış kodu okumaya çalışmak benim büyük hatamdı.
MoltBot’lar kendi kendini onaran PR’ları inanılmaz ölçüde yağdırıyor, ama görünüşe göre bunların hepsini bizzat incelemesi mümkün değil gibi haha. Issue sayısıyla PR sayısının benzer olmasının nedeni de, issue yazıp bekleyecek sürede MoltBot’a “bir PR oluşturup push’la” demekle işin bitmesi sanırım haha
Yapay zekanın köpeklerle kedileri ayırt ettiği durumun bize çok az daha yakın gelmesinden ibaret.. Bunun ötesinde bir değeri olup olmadığından emin değilim.
Görünüşe göre Codex'i tercih ediyor; ayarlarının nasıl olduğunu merak ediyorum.
Codex ile 140 gün içinde 115 proje yaptım ve sanırım 250 milyarı aşan token harcadım - link
Yaklaşık 75 milyon won ediyor. Tek kişilik, yapay zeka yerli geliştirici önce bir exit yapıp biraz paraya sahip olmalı..
250 milyar token... Bunu kavramak bile zor.