Her Göreve Uygun Bir Harness: Claude Code'un Dinamik İş Akışları

• Dinamik iş akışları, Claude Code'un göreve uygun harness'ı anında kendisinin yazdığı bir özellik olup, önceden ayrı olarak kurulan özel harness'ların artık kod içinde yerel olarak ele alınmasını sağlar
• JavaScript dosyaları çalıştırarak subagent'lar oluşturur ve koordine eder; her ajan için kullanılacak modeli ve worktree izolasyonunun uygulanıp uygulanmayacağını da seçebilir
• Tek bir bağlam penceresinde ortaya çıkan agentic laziness, self-preferential bias, goal drift gibi başarısızlık modlarını, ayrılmış bağlamlarla yapısal olarak önler
• Migrasyon, derin araştırma, sıralama, triyaj, kök neden incelemesi gibi kodlama dışındaki teknik olmayan işlerde de kullanılabilir
• Token tüketimi yüksek olduğu için her işte gerekli değildir; yaratıcı kullanım yoluyla Claude Code'u yeni biçimlerde genişletmek için bir başlangıç noktasıdır

---

Dinamik iş akışlarına genel bakış

• Geçen hafta Claude Code'da dinamik iş akışları yayınlandı; Claude artık göreve uygun harness'ı anında yazabiliyor
• Varsayılan Claude Code harness'ı kodlama için tasarlandı, ancak birçok iş kodlama görevlerine benzediğinden başka tür işler için de yararlı
• Research, security analysis, agent teams, Code Review gibi alanlarda şimdiye kadar en yüksek performans için Claude Code üzerinde ayrı özel harness'lar inşa edildi
• İş akışları bu sorunları artık Claude Code içinde yerel olarak çözüyor ve başkalarıyla paylaşma ile yeniden kullanımı da destekliyor
• En iyi uygulamalar hâlâ gelişiyor; ayrıca token tüketimi yüksek olduğundan ne zaman ve nasıl kullanılacağı dikkatle değerlendirilmelidir

Örnek prompt'lar

• "Bu test 50 çalıştırmadan yaklaşık 1'inde başarısız olabilir. Bunu yeniden üretebilecek bir iş akışı kurun. Yarış durumuna dair çeşitli hipotezler oluşturun ve kanıtlarla geçerli bir hipoteze ulaşana kadar devam edin."
• "Bir iş akışı kullanarak son 50 oturuma bakın ve tekrar tekrar düzeltilen bölümleri bulun; ardından tekrar eden parçaları CLAUDE.md kurallarına dönüştürün"
• "Bir iş akışı kullanarak son 6 ay içindeki Slack #incidents kanalını analiz edin ve kimsenin ticket açmadığı tekrar eden kök nedenleri bulun."
• "İş planımı alın ve yatırımcı, müşteri ve rakip bakış açılarından birden çok temsilcinin ayrıntılı biçimde inceleyeceği bir iş akışı çalıştırın."
• "Burada 80 özgeçmiş içeren bir klasör var. Bir iş akışı kullanarak backend rolüne uygun özgeçmişleri sıralayın ve ilk 10'u bir kez daha kontrol edin. AskUserQuestion aracını kullanarak değerlendirme rubriğine göre benimle mülakat yapın."
• "Bu CLI aracına bir isim vermem gerekiyor. Bir iş akışı kullanarak çeşitli seçenekler için beyin fırtınası yapın ve turnuva yöntemiyle ilk 3'ü seçin."
• "Bir iş akışı kullanarak her yerde User modelinin adını Account olarak değiştirin."
• "Blog yazısı taslağımı dikkatle inceleyin ve iş akışı kullanarak kod tabanı ile tüm teknik iddiaları çapraz kontrol edin. Yanlış bir şeyi yayımlamak istemiyorum."

Dinamik iş akışları nasıl çalışır

• Subagent oluşturma ve koordinasyonunu kolaylaştıran bazı özel fonksiyonlar içeren JavaScript dosyaları çalıştırır
• JSON, Math, Array gibi standart JavaScript fonksiyonlarını da içererek veri işlemeyi destekler
• Ajanların kullanacağı modeli seçebilir ve subagent'lar için worktree izolasyonu uygulanıp uygulanmayacağına karar verebilir; gerekli zeka ve izolasyon seviyesini Claude belirler
• Kullanıcı müdahalesi veya terminalin kapanması nedeniyle iş akışı kesilse bile, oturum yeniden başladığında kaldığı yerden devam eder

Dinamik iş akışlarına neden ihtiyaç var

• Varsayılan harness, tek bir bağlam penceresinde planlama ve yürütmeyi aynı anda yapar; bu birçok kodlama işinde etkilidir, ancak uzun süreli, büyük ölçekli paralel ve yüksek derecede yapılandırılmış çekişmeli görevlerde sınırlamaları vardır
• Karmaşık bir görevi tek bir bağlam içinde ne kadar uzun süre yürütürseniz, belirli başarısızlık modlarına o kadar açık hâle gelir
  • Agentic laziness: Karmaşık çok aşamalı işi tamamlamadan durup kısmi tamamlamadan sonra bittiğini ilan etme eğilimi (ör. güvenlik incelemesinde 50 maddeden yalnızca 20'sini ele almak)
  • Self-preferential bias: Bir rubriğe göre doğrulama ve değerlendirme yaparken kendi sonucunu tercih etme eğilimi
  • Goal drift: Birden çok tur boyunca asıl hedefe sadakatin kademeli olarak kaybolması; özellikle compaction sonrasında görülür ve edge-case gereksinimleri ya da "X yapma" kısıtları kaybolabilir
• Bunu, ayrı bağlam pencereleri ile odaklanmış ve izole hedeflere sahip birden çok Claude'u koordine ederek önler

Dinamik ve statik iş akışları

• Daha önce Claude Agent SDK veya claude -p ile birden çok Claude Code örneğini koordine eden statik iş akışları yazmak mümkündü
• Statik iş akışları tüm edge case'leri ele almak zorunda olduğundan genellikle daha genel yapıdadır
• Claude Opus 4.8 ve dinamik iş akışları sayesinde artık Claude, kullanım senaryosuna uygun özel harness'ı bizzat yazabilecek kadar akıllı

Dinamik iş akışlarında kullanım kalıpları

• Claude'dan iş akışı oluşturması istenebilir veya tetikleyici kelime ultracode kullanılarak iş akışı üretmesi garanti altına alınabilir
• Claude'un iş akışı kurarken birleştirerek kullandığı ortak kalıplar vardır

• Classify-and-act

  • Sınıflandırıcı ajan görev türünü belirledikten sonra göreve göre farklı ajanlara ve eylemlere yönlendirir ya da en sonda sınıflandırıcı çıktıya karar verir

• Fan-out-and-synthesize

  • Görevi küçük adımlara böler, her adım için ajan çalıştırır ve sonuçları sentezler
  • Küçük adım sayısı fazla olduğunda veya her adım temiz bir bağlam penceresinden yarar sağladığında kullanışlıdır; karşılıklı etkileşim ve çapraz kirlenmeyi önler
  • Synthesize aşaması bir bariyer görevi görür; tüm fan-out ajanlarını bekler ve ardından yapılandırılmış çıktıları tek bir sonuçta birleştirir

• Adversarial verification

  • Oluşturulan her ajan için ayrı bir ajan daha çalıştırarak çıktıyı rubrik ve kriterlere karşı çekişmeli biçimde doğrular

• Generate-and-filter

  • Bir konu hakkında çok sayıda fikir üretir, ardından bunları rubrik ve doğrulama ile filtreler, yinelemeleri kaldırır ve yalnızca en yüksek kaliteli doğrulanmış fikirleri döndürür

• Tournament

  • Görevi bölmek yerine ajanları yarıştırır; N ajan aynı görevi farklı yaklaşımlarla dener, hakem ajan ise pairwise yöntemle bir kazanan çıkana kadar karar verir

• Loop until done

  • İş yükü belirsiz olduğunda sabit tekrar sayısı yerine durma koşulu karşılanana kadar ajanları yinelemeli olarak üretir (yeni bulgu kalmaması, log'larda hata olmaması gibi)

Kullanım örnekleri

• İş akışları bazen teknik olmayan işlerde daha da yararlı olabilir

• Migrasyon ve refactor

  • Bun, bir iş akışıyla Zig'den Rust'a yeniden yazıldı; ayrıntılar için Jarred'in X dizisine bakılabilir
  • Buradaki anahtar nokta, işi callsite'lar, başarısız testler, modüller gibi aşamalara ayırmaktır
  • Her değişiklik için worktree içinde subagent oluşturulur, başka ajanlar çekişmeli inceleme yaptıktan sonra birleştirilir
  • Makine kaynaklarını tüketmeden en yüksek paralelliği sağlamak için kaynak yoğun komutlardan kaçınılması talimatı verilir

• Derin araştırma

  • Dinamik iş akışlarını kullanan deep research skill (/deep-research) yayımlandı; web aramaları fan-out yapılır, kaynaklar alınır, iddialar çekişmeli biçimde doğrulanır ve alıntılar içeren bir rapor sentezlenir
  • Web araması dışında, Slack bağlamından durum raporu yazmak veya kod tabanını derinlemesine inceleyerek bir özelliğin nasıl çalıştığını araştırmak için de kullanılabilir

• Derin doğrulama

  • Bir rapordaki tüm olgusal iddiaları doğrulamak ve kaynaklandırmak için, önce tüm olgusal iddiaları belirleyen bir ajan, ardından her birini ayrıntılı kontrol eden subagent'lar oluşturan bir iş akışı kurulabilir
  • Doğrulama ajanı, kaynak toplayan subagent'ın kaynak kalitesini de denetleyebilir

• Sıralama

  • Nitel ölçütlere göre öğeleri sıralarken yararlıdır (ör. destek ticket'larını hata ciddiyetine göre sıralamak)
  • 1000'den fazla satırı tek bir prompt ile sıralamak kalite düşüşüne ve bağlam taşmasına yol açabilir; bunun yerine turnuva, pairwise karşılaştırma hattı veya paralel bucket-rank ve ardından birleştirme kullanılabilir
  • Karşılaştırmalı yargı, mutlak puanlamadan daha güvenilirdir; her karşılaştırma ayrı bir ajan olduğundan deterministic loop bracket yapısını korur ve bağlamda yalnızca yürütme sırası kalır

• Bellek ve kurallara uyum

  • CLAUDE.md içine konulsa bile Claude'un kaçırdığı kurallar için, kural listesini alıp her kural için bir doğrulama ajanı çalıştıran bir iş akışı oluşturulabilir
  • Yanlış pozitifleri azaltmak için kuralları inceleyen skeptic persona subagent oluşturulabilir
  • Tersi yönde de çalışabilir: son oturumlar ve code review yorumlarından tekrar eden düzeltmeleri çıkarmak, bunları paralel ajanlarla kümelemek, ardından her adayı çekişmeli biçimde doğrulamak ("Bu kural gerçekten bu hatayı önler miydi?") ve hayatta kalan kuralları CLAUDE.md için rafine etmek

• Kök neden incelemesi

  • Debugging, birden çok bağımsız hipotez kurup bunları test ettiğinizde etkilidir; ancak tek bir bağlam penceresinde self-preferential bias ortaya çıkabilir
  • İş akışları bunu, ayrılmış kanıtlara göre (log'lar, dosyalar, veriler) hipotez üreten ajanlarla yapısal olarak önler; her hipotez bir doğrulayıcı ve çürütücü panelinin karşısına çıkar
  • Kod dışında da satışta (mart ayı gelir düşüşünün nedeni), veri mühendisliğinde (pipeline başarısızlığının nedeni) gibi post-mortem analizlerinde kullanılabilir

• Büyük ölçekli triyaj

  • İnsanların yetişemediği destek kuyrukları, bug raporları ve backlog'lar için triyaj iş akışları her öğeyi sınıflandırır, mevcut izleme kayıtlarıyla yinelemeleri kaldırır ve eylem başlatır (düzeltmeye çalışma veya insana eskalasyon)
  • Yararlı bir kalıp quarantine yaklaşımıdır; güvenilmeyen herkese açık içeriği okuyan ajanların yüksek yetkili eylemler yapması engellenir, bilgi işleme ise ayrı ajanlarca yürütülür
  • /loop ile birleştirilerek sürekli çalıştırılabilir

• Keşif ve zevk

  • Tasarım ve isimlendirme gibi zevke dayalı, ancak rubrikten fayda gören çözüm keşiflerinde yararlıdır
  • Birden fazla çözümün keşfedilmesi istenir ve inceleme ajanına iyi çözümün ne olduğuna dair bir rubrik verilir; inceleme ajanı kriterlerin karşılandığına karar verirse süreç tamamlanır, turnuva ile sıralama ve seçim yapılabilir

• Değerlendirme (Evals)

  • Worktree içinde ayrı ajanlar ve rubriğe göre puanlayan karşılaştırma ajanları oluşturarak hafif değerlendirmeler yapılabilir; örneğin üretilen bir skill belirli ölçütlerle değerlendirilip geliştirilebilir

• Model ve zeka yönlendirmesi

  • Göreve uygun modeli belirleyen bir sınıflandırıcı ajan üretilebilir; çok sayıda araç çağrısı içeren işlerde ön araştırma yaparak en uygun model saptanır
  • Örneğin, "auth modülünün nasıl çalıştığını açıkla" görevi için en iyi model, auth modülündeki dosya sayısına ve kod tabanının yapısına göre değişebilir; sınıflandırıcı araştırma yaptıktan sonra karmaşıklığa göre Sonnet veya Opus'a yönlendirir

Ne zaman kullanılmamalı

• İş akışları yeni bir özellik; büyük kazanımlar sağlayan birçok kullanım örneği olsa da her iş için gerekli değildir ve token tüketimini ciddi biçimde artırabilir
• Claude Code'u daha önce denenmemiş biçimlerde zorlayan yaratıcı kullanım senaryoları için uygundur
• Genel kodlama işlerinde "Gerçekten daha fazla compute gerekiyor mu?" sorusu sorulmalıdır; çoğu geleneksel kodlama işinde 5 kişilik bir inceleme paneline gerek yoktur

Dinamik iş akışları oluşturma ipuçları

• Prompt yazımı

  • Yukarıda açıklanan teknikleri kullanan ayrıntılı prompt'lar en iyi sonuçları verir
  • Yalnızca büyük görevler için değildir; örneğin "quick workflow" prompt'u ile varsayımlara hızlı çekişmeli inceleme yaptırmak mümkündür

• /goal ve /loop ile birleştirme

  • Triyaj, araştırma ve doğrulama gibi tekrarlanabilir iş akışları /loop ile birleştirilerek düzenli çalıştırılabilir, /goal ile de katı tamamlanma gereksinimleri tanımlanabilir

• Token kullanım bütçesi

  • Açık token kullanım bütçesi belirleyerek görev başına token sınırı konabilir; örneğin "use 10k tokens" gibi bir prompt ile üst sınır tanımlanabilir

• Kaydetme ve paylaşma

  • İş akışı menüsünde "s" tuşuna basılarak kaydedilebilir, ~/.claude/workflows içine check-in edilebilir veya bir skill olarak dağıtılabilir
  • Skill olarak paylaşırken JavaScript iş akışı dosyasını skill klasörüne koyup SKILL.md içinde referans verin; esneklik için, prompt'ta skill içindeki iş akışını olduğu gibi çalıştıracak bir script değil şablon olarak ele alması istenmelidir

• Genişleme için başlangıç noktası

  • İş akışları Claude Code'u genişletmenin yeni bir yoludur ve en iyi kullanım biçimlerini keşfetmek için hâlâ geniş bir başlangıç alanı sunar