Django’ya token değil, zaman ve para yatırın

 (better-simple.com)
5 puan yazan GN⁺ 2026-03-18 | 1 yorum | WhatsApp'ta paylaş
  • Django ticket’larını LLM kullanarak çözme yaklaşımı faydalı değildir; bu kaynağı doğrudan Django Software Foundation’a bağışlamak daha yararlıdır
  • Django, kalite çıtası çok yüksek ve uzun vadeli istikrarı önceleyen bir projedir; basit kod üretiminin ötesinde derin bir anlayış gerektirir
  • LLM yazarı yerine kod üretip PR açıklamasını ve inceleme yanıtlarını da hazırladığında, katkı sunanın gerçekten anlayıp anlamadığını değerlendirmek zorlaşır
  • Açık kaynak katkısında insani iletişim ve topluluk temelli işbirliği esastır; LLM bunu perdelediğinde inceleyenlerle kurulan güven zayıflar
  • Django’ya katkı vermek için doğrudan öğrenme ve deneme yoluyla anlayış biriktirme süreci şarttır; bu da geliştirici olarak büyümeye katkı sağlar

LLM ile Django’ya katkının sınırları

  • Django ticket’larını LLM kullanarak çözmek, topluluğa somut bir fayda sağlamaz
    • LLM’in ürettiği kodla PR gönderilip geri bildirimler de onunla ele alındığında, yazarın anlayış düzeyini kavramak zorlaşır
    • İnceleyen kişinin gözünde bu, bir insanla değil “sahte bir anlayış kabuğu” ile konuşuyormuş hissi yaratır
  • Django, geniş bir kullanıcı tabanına, yavaş bir değişim döngüsüne ve 20 yıldan uzun süre yaşayacak bir proje olarak yüksek kalite beklentilerine sahiptir
    • Bu özellikler nedeniyle, basit otomatik kod üretiminden çok derin anlayış ve sorumlu katkı önemlidir

LLM’i doğru kullanma biçimi

  • LLM, anlamayı destekleyen yardımcı bir araç olarak kullanılmalıdır
    • Önce açıklamayı kendi sözlerinizle yazıp, ardından LLM ile ifadeyi cilalamak daha uygun bir yaklaşımdır
    • İletişim kurmak zor olduğunda LLM’den aktif biçimde yararlanılabilir; ancak kullanıldığı açıkça belirtilmelidir
  • Django’ya katkı verirken katkı sunanın problemi, çözümü ve inceleme geri bildirimlerini bizzat anlaması gerekir
    • Anlaşılmadan üretilen kod, projenin genel kalitesine zarar verebilir

İnsan merkezli açık kaynak işbirliği

  • Django’ya katkı, topluluk temelli bir deneyimdir ve insani şeffaflık ile kırılganlığı da içerir
    • LLM bu insaniliği örttüğünde işbirliği zorlaşır
    • İnceleyenler, “insanın gerçek anlayışı” temelinde iletişim kurduklarında motive olurlar
  • LLM yalnızca yardımcı bir araç olarak kullanılmalıdır; katkı sunanın özsel rolünün yerini almamalıdır

Django’ya katkının özü ve değeri

  • Django, 20 yıllık geçmişe ve uzun vadeli bir vizyona sahip bir projedir; eklenen her kod parçası derinlemesine anlaşılmalıdır
    • Bu anlayış için zaman, deneme ve öğrenme vazgeçilmezdir
  • Django’ya katkı, yalnızca bir isim yazdırmaktan öte geliştirici olarak büyümeyi sağlayan bir deneyimdir
    • Katkı sürecinde edinilen öğrenim, bir listede adınızın yer almasından çok daha değerlidir

Topluluğa öneri

  • LLM’i aşırı kullanıp kendinizi ve anlayışınızı gizlememelisiniz
    • Django topluluğu gerçek insanlarla işbirliği yapmak istiyor
  • Django’yu desteklemek istiyorsanız, zaman ve para ayırmanız ya da Django Software Foundation’a bağış yapmanız en etkili yoldur

İlgili okumalar

1 yorum

 
GN⁺ 2026-03-18
Hacker News görüşleri

  • Bence LLM’ler, insan inceleyicilerin olduğu herhangi bir kod tabanında sorun çıkarabilir
    Ticket’ı, çözümü ya da PR geri bildirimini anlamadan LLM kullanmak, tüm projeye zarar verir
    Açık kaynak katkısı topluluk temelli bir eylemdir; LLM ise insanın şeffaflığını ve kırılganlığını gizler
    İnceleyici açısından bu, insanın ‘maskesiyle’ konuşuyormuş gibi hissettiren motivasyon kırıcı bir deneyim
    Bu yüzden LLM yardımcı bir araç olarak kullanılmalı, ikame aracı olmamalı
    Son zamanlarda ekiplerde de AI tarafından yazılmış PR’ların hızla arttığını, hatta Claude ya da Codex’in inceleme geri bildirimlerine bile cevap verdiğini görüyorum
    Bu kültür yerleşirse, sektör genelinde güvenin çökmesine ve moral bozukluğuna yol açacak gibi görünüyor

    • Jira’nın AI otomatik tamamlama özelliği, ticket sistemini bir spam cennetine çevirdi
      Verimlilik artışından çok sadece “daha hızlıymış gibi hissettiren” bir etki bırakıyor
      Gerçekte kurumlar verimliliği düzgün ölçmediği için, bu tür özelliklerin net etkisini kimse bilmiyor
    • Eskiden PR’ların iyi niyetle gönderildiğine inanırdım, ama artık çoğu AI yazmış gibi geliyor
      AI’ın yaygın kullanımı güveni aşındırıyor
    • LLM’nin açık kaynak katkısına etkisi, Photoshop’un Tinder üzerindeki etkisi gibi
      Dış görünüş daha iyi görünüyor ama sahicilik kayboluyor
    • Bu tür AI tabanlı PR’lar bazen gerçekten incelemeyi geçip kodun merge edilmesine kadar gidiyor
      Sonuçta kod geçtiğine göre, insanların gerçekten şikayetçi olup olmadığını da merak ediyorum

  • Birlikte çalıştığım en iyi ekip arkadaşları, her zaman inceleyicinin eleştirmesini kolaylaştırırdı
    Varsayımlarını, bilmedikleri noktaları ve deneme-yanılma süreçlerini açıkça yazar, inceleyicinin kolayca itiraz edebilmesini sağlayacak şekilde açıklama yaparlardı
    Böyle bir alçakgönüllülük ve öz değerlendirme görünen PR’da, LLM devreye girmiş olsa bile endişe etmem
    Sorun şu ki, eskiden de temel build’i bile çalışmayan kod yükleyen insanlar şimdi LLM ile daha fazla berbat PR üretiyor
    Bu yüzden “kod çalışıyorsa yeter, kimin yazdığı önemli değil” sözüne katılmıyorum

  • Şu anki durum kontrolden çıkmış seviyede
    Özellikle işe alım süreçlerinde GitHub etkinliği değerlendirme unsuru haline geldiği için, insanlar LLM ile katkı geçmişi manipülasyonu yapmaya çalışıyor
    Gerçekte projeyi anlamadan PR kabul edilirse iş bitmiş oluyor

    • Ama bence yazı bunun neden sorun olduğunu yeterince iyi açıklamıyor
      İyi bir geliştiricinin LLM kullanması sorun değil
      Sorun, zaten yeterince yetkin olmayan insanların LLM sayesinde daha fazla düşük kaliteli kod göndermesi
    • Aslında bu AI sorunu değil, insan sorunu
      Eskiden de StackOverflow’dan kopyala-yapıştır yapıp anlamadan kod gönderen insanlar vardı
      AI bunu sadece büyüttü
    • Ben işe alım sorumlusu olsam, PR’ların kabul-ret oranına bakardım
      Birden fazla depoya benzer PR’lar saçılmış ve çoğu reddedilmişse, bu açık bir işarettir
      Sonuçta tekrar nicelikten çok niteliğe dayalı katkı kültürüne dönmek gerekiyor
    • İnsanları suçlamak yerine sistemin teşvik yapısını değiştirmek gerekir
      Sorunu fark etmek kolay ama uzlaşı ve somut çözüm üretmek zor; mühendisler de bu konuda zayıf
    • Şaka gibi ama yakında AI inceleyici startup’larının ortalığı dolduracağını düşünüyorum

  • Para bağışlama fikri hoşuma gidiyor
    Django’nun çekirdek katkıcıları, token’lardan ziyade fonu daha iyi değerlendirebilir gibi geliyor
    Diğer projeler AI kullanımını açıklama, dış katkıları geçici olarak durdurma ya da issue açmayı kısıtlama gibi önlemler alıyor
    Düşük kaliteli PR’lar çok kolay üretildiği için topluluğun zamanı ve dikkati zarar görüyor
    Bu yüzden daha kapalı işbirliği modellerine geçmek gerekebilir
    Debian’ın bu meseleyi dikkatle ele alma kararı da etkileyiciydi

    • Bu konu hakkında bir deneme yazmıştım
      Token satın almak yerine, doğrudan çekirdek katkıcılara para bağışlayıp nasıl kullanacaklarına onların karar vermesinin daha iyi olduğunu düşünüyorum

  • “İnceleyicinin insanın maskesiyle konuşması zihinsel olarak yıpratıcı” sözüne çok katılıyorum
    Açık kaynağın ödüllerinden biri insanlarla etkileşim; bu kaybolunca iş sıradan bir angaryaya dönüyor
    Sonunda herkesin sabrı azalıyor ve birlikte çalışmanın keyfi yok oluyor

    • Eskiden Reddit’te de “let me google that for you” gibi tepkiler vardı ama insanlar hâlâ insani etkileşim istiyor
      Sanki mahalle kasabıyla sohbet eder gibi, ilişki kurmak istiyorlar
    • Akademide de benzer bir tartışma var
      Makale yazmak LLM ile kolaylaştı ama doğrulama ve inceleme hâlâ zor ve zaman alıyor
      Bu yüzden AI kullanılıp kullanılmadığını belirtmek ya da AI tespit algoritmalarıyla PR’ları işaretlemek gibi yöntemler gerekebilir
      Sonuçta bu, insanları LLM’nin cevaplarını kendi diline çevirmeye zorlayan bir etki yaratacaktır
    • Belki de artık çok geç ama GitHub’ın “AI PR’ye izin verilsin mi” gibi bir ayar sunması güzel olurdu
      Ama pratikte kuralları görmezden gelen insanlar her zaman olacaktır

  • Bugünlerde tüm inovasyon, insanları kısa vadeli ödüllerin peşine düşüren bir yönde ilerliyor
    Teşvik yapısı, uzun vadeli bakışa sahip insanları desteklemiyor
    Oyun teorisine biraz bakınca, dünyanın gerçekten böyle tasarlandığını inkâr etmek zor

    • Devletlerin para arzını şişirmesi, insanları hayatta kalmak için kısa vadeli kazanca saplantılı hale getirdi
    • Ama oyun teorisi, hayat gibi sürekli etkileşimleri tam olarak açıklayamıyor
      Bu yüzden uzun vadeli stratejileri değerlendirmede sınırları var

  • Mesaj iyi ama her şeyi LLM ile yapan insanlar muhtemelen bu tür yazıları da okumaz
    Açık kaynak bakımcısı olarak ben de AI tarafından yazılmış kodu ayırt etmekte zorlanıyorum

    • “Her şeyi LLM ile yapan insanlar” ifadesi abartılı
      Gerçekte böyle profesyonel geliştirici neredeyse yok
    • Yanlış bilgi ya da halüsinasyonları tespit etmek, tamamen LLM üretimi içerikleri ayırt etmenin ilk adımı olabilir

  • Hatta belki LLM’ye özel açık kaynak projeleri yapmak daha iyi olur diye düşünüyorum
    Sadece LLM’nin ürettiği kodları toplayıp, katkı protokolünü açıkça tanımlamak gibi
    Ama birçok LLM katkısının aslında sadece portföy amaçlı olma ihtimali yüksek

    • Nitekim OpenClaw böyle deneysel bir proje
      Binlerce katkıcı ve on binlerce commit’i var
    • Bu tür projeler düşük kaliteli LLM kodu için bir honeypot işlevi de görebilir
    • Şaka bir yana, “Moltbook meets GitHub” bir unicorn şirkete dönüşebilir

  • AI çoğu zaman verimliliği artırmıyor, sadece doğrulama yükünü başkasının omzuna bırakıyor
    Sonuçta bakımcılar daha fazla iş yükü alıyor, katkıyı yapan kişi ise sadece itibarı topluyor

  • Ben de Django gibi projelerde LLM kullanarak patch hazırladım
    LLM olmasaydı muhtemelen denemeye bile girişmezdim
    Ama ortaya çıkan işi kendim gözden geçirdim ve testlerini de yazdım

    • Sorun LLM kullanılıp kullanılmaması değil, katkıyı yapan kişinin içeriği anlayıp anlamaması
      Bugünlerde kodu, PR açıklamasını ve inceleme yanıtlarını bile tamamen LLM yazıyor
      İnceleyici açısından bakınca, “madem öyle ben de incelemeyi LLM’ye yaptırayım” dedirtiyor
      Bu yüzden LLM yardımcı araç olmalı, ikame araç olmamalı