2026'ya Girerken Benim LLM Kodlama İş Akışım (Addy Osmani)

Google Chrome ekibinden gelen mühendis Addy Osmani'nin, 1 yıllık AI kodlama deneyimine dayanarak derlediği LLM kullanım iş akışı.

Temel ilkeler:

• Koddan önce spesifikasyon: LLM ile birlikte önce spec.md yazılıyor, gereksinimler·mimari·test stratejisi netleştirildikten sonra kodlamaya başlanıyor. Bunu "15 dakikalık waterfall" olarak tanımlıyor
• Küçük birimlerle yineleme: Tek seferde büyük çıktı istemek yerine, işi özellik/fonksiyon/hata düzeyinde bölerek ilerleyin. Büyük parçalar verildiğinde sonuç, "birbiriyle hiç konuşmamış 10 kişinin yapmış gibi" oluyor
• Yeterli bağlam sağlama: İlgili kod, API dokümantasyonu ve kısıtları aktif şekilde verin. gitingest, repo2txt gibi araçlarla kod tabanını LLM'e enjekte edin
• Model seçimi ve paralel kullanım: Bir model tıkanırsa diğerine geçin. Claude'un yazdığı kodu Gemini'ye inceletmek gibi çapraz doğrulama kullanın
• İnsan mutlaka döngünün içinde olmalı: LLM'i "özgüveni yüksek ama sık hata yapan" junior geliştirici gibi ele alın. Üretilen tüm kodu gözden geçirip test edin; açıklayamadığınız kodu commit etmeyin
• Aşırı ayrıntılı sürüm yönetimi: Her işte commit atarak "save point" oluşturun. git worktree ile birden fazla AI oturumunu paralel çalıştırın
• CLAUDE.md/GEMINI.md ile kural tanımlama: Proje stil rehberi, tercih edilen kalıplar, lint kuralları vb. unsurları dosyaya yazıp AI'a verin
• CI/CD ile entegrasyon: Otomatik testler ve linter'lar, AI kodu için kalite kapısı görevi görür. Hata loglarını yeniden AI'a geri besleyen döngüsel bir akış kurun

Dikkat çekici noktalar:

• Anthropic'te Claude Code kodunun yaklaşık %90'ı yine Claude Code'un kendisi tarafından yazılıyor
• AI, mevcut best practice'leri ödüllendiriyor. Kıdemli mühendisin yetkinlikleri (tasarım, karmaşıklık yönetimi, otomasyon kararı) AI ile birleştiğinde en büyük etki ortaya çıkıyor
• AI araçları yetenekleri güçlendirir, onların yerini almaz. Temel olmadan yalnızca AI kullanmak, "Dunning-Kruger etkisinin steroidli versiyonu" olabilir