Yapay zekayla birlikte çalışıp bileşik getiri gibi birikerek büyümenin yolu

• Yapay zekayla iş birliğinde bağlam sağlama, tercihleri ayarlama, doğrulamayı otomatikleştirme, delegasyonu genişletme, geri bildirim döngüsü olmak üzere beş ilkeyi sistematik biçimde düzenleyen pratik bir rehber
• Tüm iş çıktıları (kod, belge, analiz, kararlar) bir sonraki oturumun bağlamı olarak birikir ve düzeltmeler ayarlara yansıtılarak gelecekteki hataları azaltan bileşik bir yapı oluşturur
• CLAUDE.md, skill dosyaları, rehberler vb. kullanarak modelin davranışını ve iş akışını kod gibi yönetmenin somut yöntemlerini sunar
• Paralel oturum yönetimi, modeller arası karşılıklı doğrulama, uzaktan kontrol gibi yöntemlerle iş hacmini artıran delegasyon stratejileri içerir
• Bu ilkeler yalnızca yapay zeka için değil, insan ekip iş birliğine de aynı şekilde uygulanabilen genel amaçlı bir çerçevedir

---

Bağlamı altyapı olarak kurmak

• Tüm kodu ~/src altında, bilgi işlerini de ~/vault (projects/, notes/, kb/ vb.) altında düzenlerseniz modelin grep veya glob ile bağlam araması kolaylaşır
• Kurumsal bağlam (Slack, Drive, Mail vb.) MCP (Model Context Protocol) ile modele bağlanabilir
  • Proje bazında INDEX.md dosyasını koruyup her öğe için URL, sorumlu kişi ve içerik açıklamasını yorum olarak kaydedin
  • Basit bir URL listesinde modelin tüm bağlantıları açması gerekir; yorum eklendiğinde bağlam israfı önlenir
• Her yeni oturumda model boş bir sayfadan başladığı için proje bazlı CLAUDE.md dosyaları yeni çalışan onboarding belgesi gibi yazılmalıdır
  • Kısaltma sözlüğü, proje kod adları, aynı isimli kişilerin ayrımı gibi bilgiler yer almalıdır
  • Okuma sırası INDEX.md → TODOS.md → belirli konu notları şeklinde tanımlanmalıdır
• Bellek katmanlarını ikiye ayırarak yönetin
  • ~/vault: proje durumu, çıktılar, alan bilgisi gibi olgusal bilgiler (facts) için
  • ~/.claude (CLAUDE.md, skills/, guides/): tercihler, iş akışları, kişisel beğeniler gibi yapılandırma (configuration) için

Tercihleri ayarlara kodlamak

• ~/.claude/CLAUDE.md kullanımı

  • Her oturumun başında Claude’un okuduğu bir davranış sözleşmesi işlevi görür
  • Doğrudan konuşmak, katılmadığında itiraz etmek, emin olmadığında dürüstçe söylemek, başarısız olursa kök nedeni araştırıp yeniden denemek, iş kapsamı dışındaki yeniden biçimlendirmeleri yasaklamak gibi davranış kuralları içerir
  • Yeni bir sistem veya alanın temel terimleri geçtiğinde bunu 1-2 cümleyle açıklayan bir teaching bölümü de tanımlanabilir

• Dizin bazında kapsam ayırma

  • Global (~/.claude/CLAUDE.md): davranış, uzun vadeli hedefler, öğrenme tercihleri gibi her yerde geçerli ayarlar
  • Repo kökü: linting, adlandırma, PR kuralları gibi repo bazlı kurallar
  • Proje dizini: dizin yapısı, alan bilgisi gibi projeye özel bağlam
  • Claude Code, bir alt dizinde başlatıldığında dizin ağacında yukarı çıkarak her CLAUDE.md dosyasını yükler

• CLAUDE.md uzadığında ayırma stratejisi

  • Uzun bir CLAUDE.md, her oturumda tamamının yüklenmesi nedeniyle bağlam vergisi yaratır
  • @import yerine, CLAUDE.md içinde yalnızca “ilgiliyse oku” biçiminde rehber dosya yollarını belirterek lazy loading uygulanabilir
  • Örneğin yazı yazarken ~/.claude/guides/writing.md, değerlendirme işlerinde ~/.claude/guides/evals.md

• Haftada en az bir kez tekrarlanan işleri skill’e dönüştürün

  • Skill, ad, tetikleyici ve prosedürü içeren bir Markdown iş akışı dosyasıdır
  • /polish: artifact diff’e bak, metrik varsa eval çalıştır, tarayıcı render’ıysa Chrome’da kontrol et, değilse kodu çalıştırıp çıktı/hata kontrol et → yinele → PR taslağı hazırla
  • /write: outline görüşmesi → araştırma sub-agent’ı oluştur → taslak yaz → adversarial critic olarak geri bildirim ver → yinele
  • /daily: takvim, Slack, PR ve önceki günün log’unu okuyup bugünün önceliklerini yaz
  • SKILL.md, iş akışı ve yönlendirmeye odaklanmalı; şablonlar, script’ler gibi bilgi öğeleri ayrı dosyalara ayrılarak yalnızca gerektiğinde yüklenmelidir

• Skill bootstrap yöntemi

  • Bir işi önce etkileşimli biçimde bir kez yaptıktan sonra modelden bunu bir skill’e dönüştürmesini isteyin
  • Aynı veya benzer işlerde skill’i çalıştırın; çıktı düzeltmelerini aynı oturum içinde yapın
  • Modelden, düzeltme ve geri bildirimleri temel alarak skill’i güncellemesini isteyin
  • İstenen çıktının örneklerini vererek modelin kalıpları (kod yapısı, doküman yapısı ve ton) çıkarmasını da sağlayabilirsiniz

• Transkriptlerle skill geliştirme

  • İlk sürümün özgün oturuma aşırı uyumlu (overfit) olması normaldir
  • SKILL.md dosyasını doğrudan düzenlemek yerine, oturum içinde düzeltme yaparak before-and-after çiftlerinin transkriptte birikmesini sağlayın
  • Çıktı tatmin edici olduğunda modelden geri bildirimi skill’e birleştirmesini isteyin → birkaç turun ardından skill yakınsar

• Her iş için bu bağlam gerekli değildir

  • Brainstorming, keşif ve taslak çalışmaları için simple mode (CLAUDE_CODE_SIMPLE=1 claude) kullanın
  • CLAUDE.md yüklenir ancak agent harness (hook’lar, skill’ler, tool loop) devre dışıdır → modelle daha doğrudan düşünebilirsiniz

Özerklik için doğrulama

• Doğrulamayı sola kaydırın (shift left)

  • Doğrulamayı merdiven yapısı şeklinde kurun: alt basamaklar ucuz ve deterministik, üst basamaklar daha maliyetli ve yargı gerektirir
  • En alt basamak: modelin değiştirdiği dosyalarda ruff format, ruff check --fix çalıştıran post-edit hook → deterministik ve token maliyeti yok
  • Üst basamaklar: testler, eval’ler, LLM incelemesi vb.

• Modelin işi kendisinin doğrulayabilmesini sağlayın

  • Sistem metrik üretiyorsa modelin eval’i doğrudan çalıştırarak optimize etmesini sağlayın
  • Çıktı tarayıcı render’ıysa Claude in Chrome ile inceleyin
  • Docker image build sırasında hataları okuyup Dockerfile’ı düzeltip yeniden build etsin
  • Dashboard kurulumunda tooltip render’ı, label çakışması, sayılar ile anlatının uyumu gibi noktaları Chrome’da kontrol etsin

• Uzun süren işlerde modeli modelle denetleyin

  • Uzun oturumlarda hatalar birikir ve drift oluşabilir
  • Çözüm: ikinci bir oturumu taze bağlamla çalıştırıp özgün spec ile birinci oturumun son dönüşlerini karşılaştırmak
  • İki panelli tmux düzeni: biri birincil geliştirme, diğeri pair programmer
  • Ortak dosyaya ilk talimatları ve sonraki prompt’ları ekleyin; pair programmer düzenli aralıklarla kontrol etsin
  • Execution drift: model işi doğru yapıyor mu — hataları görmezden gelme, yanlış metrik raporlama, spec’ten sapma gibi taktik kontroller → sık kontrol edin
  • Direction drift: model doğru işi mi yapıyor — ilk niyeti yanlış anlayıp yanlış şeyi üretmek gibi stratejik sorunlar → ara sıra kontrol edin

Delegasyonla ölçeklemek

• Giderek daha büyük iş birimlerini devredin

  • Kısa işler ve hızlı geri bildirimli pair programming yaklaşımı; hızlı iterasyon, keşif amaçlı analiz ve prototipleme için uygundur
  • Daha güçlü modellere niyeti, kısıtları ve başarı kriterlerini baştan açıklayıp işi end-to-end yürütmeleri için devretmek gerekir
  • Doğrulanamayan bir şey devredilemez; bu yüzden önce başarı kriterleri ve metriklerin tanımlanması gerekir
  • Örnek: “Her eval suite için izole container’lar oluştur ve smoke test çalıştır → tamamını çalıştır → metrik ve transkript log’la → doğruluğu sub-agent ile kontrol et → n kez tekrarlayarak güven aralığı çıkar → rapor oluşturup sonucu Slack’e gönder”

• Paralel oturum yönetimi ve darboğazları görmek

  • Büyük işleri devrederek aynı anda 3-6 oturumu paralel çalıştırabilirsiniz
  • Darboğaz, “işin yapılmasından” ziyade “net spec yazma ve çıktıları hızlı inceleme” tarafına kayar — orta katman boşalmaya başlar
  • Paralel oturumlar aynı repo’yu paylaşıyorsa, her oturuma bağımsız checkout sağlamak için git worktrees kullanın

• Oturum gözlemlenebilirliğini artırın

  • stop hook: oturum bittiğinde ses çalınması (macOS’ta afplay ile Glass.aiff çalma)
  • tmux pencere başlıkları: durum emojisi (⏳ çalışıyor, 🟢 tamamlandı) ve Haiku’nun ürettiği kısa etiketlerle her paneli ayırt etme
  • Claude Code durum satırı: bağlam kullanımını ve mevcut modu gösterir

• Uzakta olsanız da araya girebilin

  • Claude Code’un /remote-control özelliğiyle, hareket halindeyken Claude uygulamasının kod sekmesinden çalışma durumunu görebilir ve takılan oturumlara ek bağlam veya yeni talimat verebilirsiniz
  • Böylece bir oturumun saatlerce boşta kalması önlenir; yine de yalnızca acil durumlarda kullanılmalıdır

Geri bildirim döngüsünü kapatmak

• Herkese açık çalışarak bağlamı zengin tutun

  • Paylaşılan dokümanlarda, repo’larda ve kanallarda çalışırsanız model dahil tüm ekip üyeleri bağlamdan yararlanabilir
  • Basit bir test: “Yeni bir ekip üyesi yalnızca paylaşılan bağlamı kullanarak geçen haftaki çalışmamı yeniden üretebilir mi?” — hayırsa önemli bağlam yalnızca sizin zihninizdedir
  • CLAUDE.md içinde, anlamlı bir iş tamamlandığında worklog kanalına kısa bir güncelleme ve artifact bağlantısını otomatik göndermesi talimatını verin

• Ayar güncellemeleri için transkript madenciliği yapın

  • Geçmiş oturum transkriptleri modele okutulduğunda boşluklar keşfedilebilir
  • Yaklaşık 2.500 geçmiş kullanıcı dönüşünü taradığında, anlamlı bir bölümün “can you also…”, “did you check…”, “still wrong” gibi ifadeler içerdiği görüldü
  • Bu, modelin kendiliğinden yapmış olması gereken işleri yapmadığını ya da doğrulama adımının eksik/bozuk olduğunu gösterir
  • Düzeltmeleri oturum içinde yapın; böylece transkriptler sonraki CLAUDE.md veya skill güncellemeleri için girdi verisi olarak kullanılabilir

• Düzenli olarak refactor edin ve toparlayın

  • Ayarlar arttıkça aralarında örtüşme veya çakışma olabilir
  • Model kuralları görmezden geliyorsa bunun nedeni başka kurallarla çelişmesi olabilir; bu yüzden her kural veya tercih yalnızca tek bir yerde bulunacak şekilde refactor edin (önemli talimatlar ana CLAUDE.md içinde tekrar edilebilir)
  • Farklı dizinlere dağılmış settings.json dosyalarını ~/.claude altında birleştirip düzenleyin

Sonuç

• Somut ayarlar modeller geliştikçe değişebilir; ancak iyi bağlam sağlama, tercihleri kodlama, düşük maliyetli doğrulama, daha fazla delegasyon ve geri bildirim döngüsünü kapatma ilkeleri geçerliliğini korur
• Bu süreç sonuçta bir iş arkadaşını her seferinde tek bir geri bildirimle eğitmeye benzer; insan ekiplerle iş birliğinde de aynen geçerlidir
• Yalnızca kişisel araçlarla sınırlı değildir; agent harness tasarımı, ekip normlarının belirlenmesi ve kurumsal altyapının kurulmasına da aynı ilkeler uygulanabilir

[xguru]

Bu kişinin kariyer geçmişi ilginçmiş,
Psikoloji bölümünden Coursera veri bilimi dersleriyle öğrenmeye uzanan bir yol izlemiş.
Güneydoğu Asya'nın Amazon'u olarak anılan Lazada'ya erken dönemde katılıp VP seviyesine kadar yükselmiş.
Lazada daha sonra Alibaba tarafından satın alınmış.
Ardından Amazon'a geçip öneri sistemleri/LLM alanında baş bilim insanı olarak çalışmış.
Şu anda ise Anthropic'te teknik kadroda yer alıyor.