Kodunuzu AI yazıyorsa neden Python kullanasınız?
(medium.com/@NMitchem)- Yapay zeka destekli geliştirmeyle dil seçimi ölçütü insanın yazma hızından yapay zekanın düzeltme becerisine ve çalışma zamanı performansına kayıyor
- 2026'da Claude Opus 4.7, GPT-5.5, Gemini 3.1 ve DeepSeek V4, SWE-bench Verified %80 eşiğini aştı
- Rust'ta derleyici geri bildirim döngüsü, yapay zekanın kendi kendini düzeltmesine yardımcı oluyor; Go ve Swift de hızlı tip denetimi sayesinde ajanlar için avantajlı
- TypeScript derleyicisinin Go'ya taşınması, Rust tabanlı bir C derleyicisi, Rue ve Ladybird JS motorunun taşınması gibi büyük çaplı dönüşümler zaten sürüyor
- Python ve JavaScript ekosistemi de Rust araçlarına ve sarmalayıcılara daha fazla bağımlı hale geliyor, ancak Prisma, PyTorch ve küçük diller gibi istisnalar sürüyor
Yapay zeka destekli geliştirmenin değiştirdiği dil seçimi ölçütü
- Uzun süre yeni projelerde varsayılan seçim Python veya TypeScript oldu
- çünkü ekosistemleri büyüktü, işe alım havuzu genişti ve hızlıca demo üretilebiliyordu
- Rust, Go ve C++ 10 ila 100 kat performans sağlayabiliyordu, ancak öğrenme süresi, dar yetenek pazarı ve zorlu build sistemleri maliyet yaratıyordu
- bu yüzden önce Python sürümü yayımlanıyor, “performansı sonra iyileştiririz” deniyordu; ama pratikte çoğu zaman öyle kalıyordu
- Yapay zeka zor dilleri kullanmaya başlayınca bu denge sarsıldı
- dil seçiminde “insan hızlı yazabiliyor mu?” sorusundan çok “yapay zeka iyi yazıp düzeltebiliyor mu?” ve çalışma zamanı performansı öne çıkıyor
Zor diller önce yapay zeka için kolaylaşıyor
- 2 yıl önce GPT-4, Rust fonksiyonu yazarken var olmayan crate adları uyduruyordu
- 2026 Nisan'ında Claude Opus 4.7, GPT-5.5, Gemini 3.1 ve DeepSeek V4, birkaç hafta arayla SWE-bench Verified'da %80'i geçti
- laboratuvarlar sistem çalışmalarını açıkça optimize ediyor
- eşzamanlılık hataları
- yarış durumları
- planlama aşamasında ortaya çıkan mimari kusurlar
- CtrlAltDwayne, Rust'ın 2026'da güçlü olmasının nedenini bellek güvenliği veya performanstan çok derleyici geri bildirim döngüsünde görüyor
- yapay zeka, C++'tan daha iyi Rust yazıyor
- Rust derleyicisinin hata mesajları, modelin gerçek zamanlı kendi kendini düzeltmesine yardımcı olan sinyaller haline geliyor
- Rust, yapay zeka destekli geliştirme için 10 yıl önceden “tesadüfen tasarlanmış” bir dil gibi çalışıyor
- Aynı mantık, derecesi farklı olsa da Go ve Swift için de geçerli
- güçlü tip sistemi ve hızlı derleme/denetim döngüsü, ajanlara sıkı bir yineleme çevrimi sağlıyor
- insanlar için zor olan sistem dilleri, ajanlar için tersine daha kolay bir hedefe dönüşebiliyor
Gerçekte yayımlanmış örnekler
-
Microsoft'un TypeScript derleyicisini Go'ya taşıması
- Microsoft, TypeScript 7.0 beta sürümünü yayımlarken 10 yıllık TypeScript kod tabanını Go'ya taşıdı
- TypeScript 7.0 beta, 6.0'dan yaklaşık 10 kat daha hızlı
- Anders Hejlsberg'in değerlendirmesine göre Go, mühendislik maliyetinin yalnızca bir kısmıyla performans kazanımlarının çoğunu sunuyor
- en büyük JS/TS organizasyonlarından birinin, temel aracında daha zor ama daha hızlı bir dili seçmesi, harcanan emeğe karşılık alınan verim hesabının değiştiğini gösteriyor
-
16 Claude ajanıyla yapılan Rust tabanlı C derleyicisi
- Anthropic araştırmacısı Nicholas Carlini, 16 Claude ajanını paralel biçimde koordine ederek Rust ile production düzeyinde bir C derleyicisi yazdı
- ölçek 100 bin satırdı ve x86, ARM, RISC-V üzerinde Linux 6.9'u başlatıyordu
- QEMU, FFmpeg, SQLite, PostgreSQL ve Redis'i derliyor, ayrıca Doom'u da çalıştırıyordu
- toplam maliyet, yaklaşık 2.000 Claude Code oturumunda 20 bin doların altında kaldı
- Rust ile yazılmış bir C derleyicisi geçmişte yüksek lisans/doktora tezi düzeyinde bir iş sayılırdı; artık yalnızca istisnai bir uğraş değil
-
Steve Klabnik'in Rue'su
- The Rust Programming Language'ın ortak yazarı ve 13 yıllık Rust veteranı Steve Klabnik, Claude ile birlikte Rue adlı yeni bir sistem dilini 2 haftada geliştirdi
- ortaya çıkan sonuç yaklaşık 70 bin satır Rust oldu
- kendi ifadesine göre bu 2 haftalık çalışma, daha önce bir-iki ay süren girişimlerinden daha ileri gitti
-
Ladybird JavaScript motorunun Rust'a taşınması
- Ladybird tarayıcısının kurucusu ve C++ mühendisi Andreas Kling, Claude Code ve Codex'e yüzlerce küçük prompt vererek Ladybird'ün JavaScript motorunu C++'tan Rust'a 2 haftada taşıdı
- sonuç yaklaşık 25 bin satır Rust oldu ve C++ özgün sürümle bayt düzeyinde eşdeğerlik sağlandı
- test262 ile Ladybird testlerinin toplamında 65 binden fazla testte regresyon görülmedi
- aynı işin elle yapılması halinde aylar süreceğini belirtti
Zayıflayan “ekosistem” mantığı
- Python ve JavaScript'in en güçlü savı, dilin kendisinden çok ekosistemiydi
- FastAPI, Django, PyTorch, React, Next.js ve npm'deki 4 milyon paket gibi bir temel vardı
- ekiplerin özellikleri günler içinde yayımlayabilmesinin nedeni, ekosistemin sorunların %90'ını zaten çözmüş olmasıydı
- Bu avantaj son 10 yılda belirleyiciydi, ancak son 2 yılda zayıflamaya başladı
- Python ekosisteminin içi de giderek Rust tabanlı bileşenlere dayanıyor
pydantic'in tüm doğrulama çekirdeği bir Rust kütüphanesi- pandas alternatifi Polars, Rust ile yazıldı
- Hugging Face tokenizers ve orjson da Rust tabanlı
- JetBrains 2025 Python survey'e göre Python ikili uzantılarında Rust kullanımı 1 yılda %27'den %33'e çıktı
- Geliştirici araçlarının temeli de aynı yöne gidiyor
- Charlie Marsh'ın 2022'de kurduğu Astral, Rust ile yazılmış ruff, uv ve ty araçlarını yayımladı; bu üç aracın aylık indirme sayısı sıfırdan yüz milyonlara çıktı
- 19 Mart 2026'da OpenAI, Astral'ı satın aldı ve uv'nin Codex'in hesaplama süresinden haftada yaklaşık 1 milyon dakika tasarruf sağladığını düşünüyor
- 10 hafta önce de Anthropic, Bun'ı satın aldı
- Bun, aylık 7 milyon indirme ve GitHub'da 89 bin yıldıza ulaştı; “yapay zeka odaklı yazılım mühendisliğinin vazgeçilmez altyapısı” olarak anılıyor
- Evan You'nun VoidZero'su Rolldown-Vite'ı yayımladı
- bu Rust bundler'ı, GitLab'in 2,5 dakikalık build süresini 40 saniyeye indiriyor ve bellek kullanımını 100'de 1'e düşürüyor
- Vercel ürünlerden sorumlu başkan yardımcısı Lee Robinson, “JS'de optimizasyonun zirvesine ulaştık” diyor
- Python ve JavaScript'te kullanılan paketler, giderek daha fazla biçimde, doğrudan ürün çıkarması zor görülen dillerde yazılmış kodların sarmalayıcılarına dönüşüyor
- artık bu dillerle doğrudan ürün çıkarmak mümkünse, sarmalayıcılar bir ek yük gibi görünmeye başlıyor
Yamadan taşımaya kayışı hızlandıran değişim
- Mevcut açık kaynak ekosistemindeki olumlu döngü yama merkezliydi
- Python kolay olduğu için seçiliyordu
- bir bağımlılıkta hata bulunuyordu
- düzeltilip upstream'e gönderiliyordu
- ekosistem daha sağlıklı hale geliyordu
- Ajanlar, katkının birimini yamadan taşımaya kaydırıyor
- Flask'ın yaratıcısı Armin Ronacher, ocakta bir ajan kullanarak Rust kütüphanesi MiniJinja'yı Go'ya taşıdı
- toplam çalışma süresi 10 saatti
- bunun 3 saati gözetimle, 7 saati insansız geçti
- gerçek insan emeği yalnızca 45 dakikaydı
- API maliyeti 60 dolar oldu
- Bir kütüphaneyi diller arasında taşımak 45 dakikalık işe dönüşürse, başkasının kütüphanesine düzeltme göndermenin mantığı zayıflıyor
- soru artık “yama atabiliyorken neden fork'lamıyorsun?” değil, “fork'layabiliyorken neden yama atıyorsun?” oluyor
- Armin Ronacher, değerin koddan testlere ve dokümantasyona kaydığını düşünüyor
- iyi bir test paketi, kodun kendisinden daha değerli olabilir
- PyPI ve npm'i oluşturan döngü hâlâ çalışıyor, ama 2028'de de aynı şekilde çalışıp çalışmayacağı net değil
Hâlâ kalan istisnalar
- Tüm değişim tek yönde akmıyor
- Bazı durumlarda mevcut tercih hâlâ doğru olabiliyor
- Prisma, Rust query engine'i kaldırdı ve TypeScript/WASM çekirdeğine geçti
- bundle boyutu %85 azaldı
- sorgular en fazla 3,4 kat hızlandı
- yerel Rust ikili dosyaları serverless çalışma zamanlarında dezavantaj yaratıyor
- PyTorch, derin öğrenme araştırmalarının yaklaşık %85'ini hâlâ elinde tutuyor
- model ağırlıkları hangi dille sarmalandığından etkilenmediği için bu konum kolay kolay değişmeyebilir
- Yapay zeka tüm sistem dillerini aynı başarıyla kullanmıyor
- Zig, Haskell ve Gleam gibi daha küçük dillerde yapay zeka üretim kalitesi şu an Rust veya Go seviyesinde değil
- eğitim verisi, modelin yardımcı olabileceği sınırı belirliyor
- Rust ve Go, GitHub'da yeterince yaygın oldukları için avantajlı konumda
- Zig, Haskell ve Gleam ise henüz bu eğrinin dezavantajlı tarafında
Bu değişim neden kalıcı olabilir?
- Python ve TypeScript'in geleneksel savunusu aslında geliştirici deneyimi savunusuydu
- insanın fikriyle yayımlanmış ürün arasındaki sürtünmeyi en aza indirdikleri için tercih ediliyorlardı
- Rust, çalışma zamanında yavaş bir dil değil; gece 2'de ürün çıkarmanız gerektiğinde yavaş bir dildi
- Şimdi zor kısımları ajanlar üstlenmeye başlıyor
- insanın rolü “kod yazmak”tan “sistemi tasarlamak ve çıktıyı gözden geçirmek”e kayıyor
- bu akışta Python'un sözdizimsel rahatlığı her branch'te daha az önem taşıyor
- daha zor dillerin çalışma zamanı avantajı ise hizmet production'da çalıştığı her gün birikiyor
- Armin Ronacher, şubat tarihli A Language For Agents yazısında, kodlama maliyetinin sert biçimde düşmesiyle ekosistem genişliğinin daha az önemli hale geldiğini söylüyor
- Son 20 yıldaki dil seçimleri, “kodu insanlar yazar ve insanlar düşük seviyeli dillerde yavaştır” kısıtı etrafında şekillendi
- bu kısıt artık ortadan kalkmaya başlıyor
- Stack Overflow 2025 anketinde Rust, 10. yıl üst üste en çok saygı duyulan dil oldu ve %72'ye ulaştı
- Gleam %70
- Elixir %66
- Zig %64
- tercih zaten vardı, araçlar şimdi bu tercihe yetişiyor
Ajanlar için kolay dillere giden sonraki adım
- Karpathy, şubatta LLM'lerin yazılımın tüm kısıtlar haritasını değiştirdiğini söyledi
- bunun işaretlerinin C'den Rust'a taşıma akımında görüldüğünü düşünüyor
- hatta Rust'ın bile LLM'ler için hedef dil olarak optimale yakın olmadığını ekliyor
- Bugünün kazananları yalnızca başlangıç noktası olabilir; nihai biçim daha ileride olabilir
- @RealRichomie, 24 Nisan'da programlamanın geleceğinin insanlar için en kolay dilde değil, ajanlar için en kolay dilde olacağını söyledi
- mühendisler Rust veya Tauri hakkında hiçbir şey bilmeden bir Mac uygulaması yayımladı
- ortaya çıkan ürün, Electron sürümünün yaklaşık onda biri boyuttaydı ve çalışma zamanı performansı yüksekti
- insanlar Rust öğrenmeden bu sonuca ulaşabildi
- Bir sonraki projenin varsayılanı mutlaka Python olmak zorunda değil
1 yorum
Hacker News görüşleri
LLM kodlama araçlarını deterministik olmayan derleyiciler gibi görme fikrine katılıyorsanız, mümkün olduğunca yüksek performanslı bir dil seçmek oldukça mantıklı
Elbette kütüphaneler ya da dile özgü yerel avantajlar gibi çok sayıda istisna var, ancak son bir aydır C++ ile çalışınca dil seçimi yüzünden yavaşlayan tek şeyin derleme süresi olduğunu gördüm
İlk yorumları okuyup da eğitim verisi hakkında hiç konuşulmadığını görünce şaşırdım. Eğitim verisinde Python kodu fazlasıyla çok
AI ile Brainfuck da yazabilirsiniz ama Python kullanırken aldığınızla aynı sonucu alacağınızı sanmıyorum
Devam sorusu şu: Artık AI varken, gerçekten ihtiyaç duyulana kadar neden dili dert edelim ki?
Çoğunu Claude Code ile yazdım ve Claude Perl konusunda gerçekten çok iyiydi. CPAN'e dokunmamasını, sadece Perl standart kütüphanesini kullanmasını söyledim; HTTP istemcisi, TLS ve JSON'un hepsi zaten içindeydi. Normalde shell script ile yapacağım bir işi çok daha sağlam ve kolay bir yöntemle değiştirebildim
Perl çok değişmediği ve eğitim verisi de bol olduğu için, Claude shell script düşüneceğiniz durumlarda Perl kullanma konusunda epey iyi görünüyor
Veri burada: https://gertlabs.com/rankings?mode=agentic_coding
AI ile büyük bir Python kod tabanı oluşturdum ama LLM sürekli argümanları ya da dictionary biçimlerini yanlış tahmin etti. Unit testler veya pydantic gibi araçlar yardımcı oluyor ama bu tür çalışma zamanı hatalarından baştan kaçınmak daha iyi
Kamuya açık kodu görece az olan dillerde bile sonuçlar harikaydı. Asıl büyük engel, LLM'lerin hedef dildeki yaygın kalıpları kopyalaması; Java ya da C# gibi “enterprise” dillerde bu, işe yaramaz boilerplate kodun anında patlamasına yol açabiliyor. O zaman çıktı, kullanılabilir bağlam penceresi boyutunu aşıp kalite kaybı riski taşıyor
Ama bir ajan kodu üretip derlemeyi deniyor, ayrıntılı hata mesajlarını görüyor ve o mesajlara göre kodu iyileştiriyorsa sonuç daha yüksek kaliteli oluyor. rustc tanıları çok iyi ve internette artık Python ya da JavaScript/TypeScript kadar olmasa da yeterince Rust kodu var
Neden Python? Çünkü onu 10 yıldan uzun süredir kullanıyorum, nasıl debug edeceğimi biliyorum ve ajan kod yazıp 10 saniye içinde büyük bir felakete yol açacak bir şey yapıyor mu diye kokusundan anlayabiliyorum
Başka dillerde bunu yapamıyorum ve çok şey yeniden öğrenmem gerekir. AI hızlıca kod üretse bile, bir ölçüde kontrolün bende olduğu hissini veren Python'u tercih ediyorum. Go ya da Rust ile yapsaydım, AI destekli programlamadan çok, tüm ürünü YOLO mantığıyla ite kaka götüren bir “vibe coding” gibi hissettirirdi
Bellek güvenliği tarafında neyin “doğru” olduğunu bilmediğim için öğrenmem gerekti ama geri kalanı sorunsuzdu
Sözdizimi giderek arka plana çekiliyor, daha üst düzey şeylere odaklanıyor ve yeni yollar keşfetmeye başlıyorsunuz. Bir denerseniz ne kadar çok deneyimin taşındığını görmek sizi hoş biçimde şaşırtabilir
AI yazıyı yazıyorsa neden beyin kullanalım?
/s
AI'ya Rust yazdırmakta neden duralım? Her şey vibe coding olacak ve artık kod incelemesi de yapılmayacaksa, LLM'ye token kullanımını en aza indirmek ve hız için yapılmış aşırı kısa, aşırı yoğun bir dil tasarlatalım
Bu yorumun sonunda kısmen ciddi, kısmen şaka bir /s var
Biraz konu dışı ama insanların neden hâlâ Medium'da yazı yayımladığını gerçekten anlamıyorum
Okuma deneyimi korkunç. Tam ekran açılır pencereler okuduğum cümleyi resmen kapattığı için bu yazıyı da sonuna kadar okuyamadım
Benim görmediğim bir teşvik mi var?
Tarayıcıda okunan hiçbir şey herkese aynı anda nihai, harika ve açık ara en iyi okuma deneyimini sağlayamaz. Modern web modeli bununla zaten çelişiyor
CSS'siz sade bir HTML sayfası neredeyse kusursuz bir okuma deneyimidir. Sorun, neredeyse kimsenin bunu böyle sunmaması. Çünkü web, yazarların önem verdiği ve rekabet ettiği bir yayın platformuna dönüştü. Kullanıcının kontrolündeki düz metin protokolleri, “herkes için en iyi okuma deneyimi”ne çok daha yakın. Web de böyle olabilirdi ama çoğunlukla değil
Tarayıcıda uzun yazı okumaya çalışmayı bıraktım. İlgili düz metni, hatta yapılandırılmış metni bile kolayca çıkarıp editörümde okuyabiliyorken neden tarayıcıda okuyayım? Yazı tipini, renkleri, gezinmeyi ben kontrol ediyorum. Tarayıcı bir iletim aracı, bir okuma ortamı değil. Ona öyle davranmak bir alışkanlık, zorunluluk değil
Uzun zamandır üç kelimeden uzun hiçbir şeyi editör dışında yazmıyorum. Yazım denetimi, eş anlamlılar sözlüğü, etimoloji bakışı, çeviri, tüm notlarıma erişim, LLM entegrasyonu; ihtiyaç duyduğum her şey zaten var. Bir gün denerseniz inanılmaz özgürleştirici gelebilir. O zaman uzun yazıları tarayıcıda okumayı da bırakırsınız
Medium, yazarlara para ödemek için oldukça ciddi bir çaba içinde oldu. Substack'ten farklı bir model ama sebebi bu
Buna biraz gazete ödeme duvarı gibi bakıyorum. Hoşuma gitmiyor ama neden var olduğunu anlıyorum
En makul tahminim ataletten ibaret olduğu yönünde. Bazı insanlar markalara çok sadık oluyor ve başkalarının bir şeyi nasıl yaptığına uyma ihtiyacı hissediyor
Aslında nerede yayımlandığı önemli değil, URL'yi vermek yeterli ama herkes böyle davranmıyor
Yazara dost blog platformlarının son evrimi gibi görünüyor. WordPress'e kıyasla bülten formatında paketlemek daha kolay ve ücretli katman ile gelir elde etmek de daha rahat
Medium için alternatif bir arayüz olan Scribe ile çok daha iyi:
https://scribe.rawbit.ninja/@NMitchem/if-ai-writes-your-code...
https://sr.ht/~edwardloveall/Scribe/
https://libredirect.github.io/
Python, Rust'a göre çok daha olgun bir ekosisteme sahip; özellikle de AI/makine öğrenimi tarafında
Belirli bir makine öğrenimi algoritmasını uyguladığını iddia eden bir Rust crate'iyle karşılaştım ama doğru çalışmıyordu. Yine de Claude ile alternatif bir uygulama yazdırabildim
AI ile çalışırken doğruluğu tip sistemi düzeyinde zorlamanın iyi bir fikir olduğunu düşündüğüm için Python yerine sık sık C# ya da Rust gibi dillere yöneliyorum. Yine de bazı işler için Python kesinlikle doğru araç
Rust kullanabilirdim ama ortaya çıkan iş başarılı olursa diğer insanlar için tek bir toolchain kullanmanın daha değerli olacağını düşündüm, bu yüzden Go doğru geldi
Asıl sebep, gerektiğinde başkalarının okuyabilmesi. Ayrıca hedef ekosistemin beklediği bir dil oluyor. Bazı veri bilimi topluluklarının R, MatLab, Julia, Python ya da Mojo seçmesi de teknik olarak hangisinin üstün olduğundan çok, meslektaşlarının ne kullandığına bağlı
Tahminimce tipli diller daha hızlı ve daha iyi language server'lara sahip olma eğiliminde; bu da araç kullanımıyla kodu daha verimli değiştirmenizi sağlıyor
Bir insanın doğrudan araya girip kodu incelemesi ya da değiştirmesi gerektiğinde de, güçlü tipler sayesinde spagetti kodun içinde yön bulmak çok daha kolay oluyor
Böylece garbage collection ile güçlü tiplerin avantajını bir arada alırsınız
Şu an için bu, insanlar kodu elle yazarken neden Python kullanıyorsa tam olarak aynı sebepten ötürü geçerli. Zig gibi dillere kıyasla Python bilen daha fazla insan var; dolayısıyla insanlar kodu daha kolay okuyup düzenleyebiliyor
Yazının anlatmak istediğini anlıyorum ama henüz o aşamada olduğumuzu sanmıyorum
“Takımdaki hiç kimsenin bilmediği bir dille yayına alınmış uygulama” kulağa harika geliyor. Çok da uzak olmayan bir gelecekte buna dönüp bakacağız
“Anthropic araştırmacısı Nicholas Carlini, 16 paralel Claude ajanını koordine ederek Rust ile production düzeyinde bir C derleyicisi yazdı” ifadesi doğru değil
O derleyici gcc/clang'den çok daha kötü kod üretiyor; yani pratikte işe yaramaz