Claude Code’un baş tasarımcısı yapay zekayla nasıl geliştirme yaptığını anlatıyor [YouTube]

• Gerçek ürün geliştirmede Claude Code’un nasıl kullanıldığını, Excalidraw’a autocomplete özelliğini bizzat ekleyerek gerçek iş akışını gösteriyor
• Sunum bir tasarımcı tarafından yapılsa da içerik neredeyse tamamen geliştirici iş akışına yakın; worktree ile birden fazla Claude oturumunu paralel çalıştırma, özellik prototipi oluşturma, tarayıcıda doğrulama ve PR açmaya kadar uzanan süreci CLI merkezli ele alıyor
• Ana fikir, yapay zekayı sadece kodu sizin yerinize yazan bir araç olarak kullanmak değil; onu fikir keşfi → uygulama seçeneklerini karşılaştırma → öz doğrulama → PR yazımı → inceleme geri bildirimlerini yansıtma → merge yardımcılığı dahil ürün geliştirme hattına yerleştirmek
• Tasarımcılar için faydalı tarafı, Claude’un hâlâ tasarım kararlarında çok iyi olmadığını kabul ederken; birden fazla uygulama seçeneğini hızla üretip ekran görüntüsü ve GIF içeren PR’larla incelettirerek tasarım kararlarının hızını ve kalite kontrolünü birlikte yükseltmenin yolunu göstermesi
• Geliştiriciler için faydalı tarafı, /prototype, loop, otomatik yetki modu, Chrome tabanlı öz test, kod temizleme·inceleme·PR merge otomasyonu gibi Claude Code’u gerçek bir depo ve ekip iş akışına bağlayan somut kalıpları gösterebilmesi
• Özellikle “herkes bir şeyler üretebiliyor diye her şeyin dağıtıma çıkması gerekmiyor” bakışı önemli; yapay zeka çağında daha fazla insan kod üretebildikçe doğrulama, inceleme, tasarım katılımı ve dağıtım kriterlerini otomatik sistemlerle ölçeklendirmek gerekiyor
• Sonuçta bu video, tasarımcının yapay zekayla nasıl kod yazdığından çok; tasarımcı ve geliştiricinin yapay zekayı araya koyup ürün kalitesini korurken daha hızlı deney yapma biçimini gösteren bir örnek

---

Sunumun bağlamı ve konuşmacı

• Claude Code’un baş tasarımcısı Meaghan Choi
• Yapay zeka benimsenmeden önce de CLI ürünleri tasarlıyordu; Claude CLI tasarımına katıldı ve kendisini bir "CLI tutkunu" olarak tanımlıyor
• Anthropic çalışanlarının araçlara sürekli erişimi olduğu ve bunları gün boyu kullandıkları için, daha iyi çalışma yöntemleri bulma konusunda sürekli bir arayış olduğunu söylüyor
• Masaüstü uygulamasının daha erişilebilir olduğunu, demodaki tüm işlemlerin desktop app üzerinde de aynı şekilde yapılabildiğini özellikle belirtiyor
  • CLI konuşmacının kişisel tercihi; izleyicinin mutlaka aynısını yapması gereken bir yöntem değil

Paralel ve hızlı çalışma ortamı kurulumu

• worktree

  • Yerel depoda birden fazla Claude aynı anda çalıştırılırsa birbirlerinin işlerini ezerek çatışma çıkarabilir
  • worktree, deponun izole kopyalarını oluşturarak birden fazla işin paralel yürütülmesini sağlar
    • Mühendislerin 4-5 Claude oturumu açık tuttuğu durumlarda, ya repo1·repo2 gibi depo kopyaları kullanılıyor ya da worktree tercih ediliyor
    • claude --worktree çalıştırıldığında otomatik olarak yeni bir branch checkout edilir; yönetimi kolaylaştırdığı için öneriliyor

• Opus 1M · fast mode

  • Konuşmacı her zaman Opus 1 milyon context ve fast mode kullanıyor; ancak erişim kuruma göre kısıtlı olabilir
  • Bunun 15 dakikalık demoyu hızlı ilerletmek için seçilmiş bir ayar olduğunu, pratikte bir miktar hız farkı sağladığını söylüyor

• auto mode

  • Anthropic çalışanları her zaman auto mode kullanıyor; bu, düşük yetkili modun alternatifi
  • Sınıflandırıcı (classifier) riskli işlemleri algıladığı için sürekli "Yes, accept" onayı vermek gerekmiyor ve iş akışı çok daha hızlanıyor

• Loop

  • Loop, "tamamen bitene kadar devam et" anlamına gelen standart bir prompt; işi tamamlanana kadar yineletiyor

Prompt’lar ve prototype skill

• Tasarım spesifikasyonu olmadan, sadece "autocomplete eklemek istiyorum" gibi basit bir prompt ile Excalidraw’a özellik eklenmesini istiyor

• prototype skill

  • Claude’a isteyerek oluşturttuğu slash prototype skill, tek bir özellik için varsayılan olarak 5 adet (n adet) uygulama seçeneği üretip HTML dosyalarıyla önizleme yaptıktan sonra yineleme yapıyor
    • Skill’lerin elle yazılmadığını, prompt ile oluşturulduğunu özellikle vurguluyor; "artık kimse skill’leri elle yazmıyor" diyor
  • Claude’dan önce tek bir seçeneği kendisinin seçmesini ve nedenini açıklamasını istiyor; konuşmacı da sonucu izlemenin eğlenceli olduğunu söylüyor
  • "çevrimiçi araştırmaya izin ver" ifadesini ekliyor; üretim kod tabanında olsaydı Slack·Google Docs·tartışma kayıtları·BigQuery gibi tüm kaynaklara bakmasını isteyeceğini söylüyor
  • En iyi seçeneğin uygulanması, doğrulanması, stil uyumunun sağlanması ve ardından ekran görüntüsü içeren bir PR oluşturulması talimatını veriyor
    • Bundan sonra transkript yerine, uygulanan özelliğin kaydını içeren PR’ı inceleme biçimine geçtiklerini anlatıyor
  • Demoda Claude’un sunduğu çeşitli sekme tamamlama (autocomplete) seçenekleri arasından, izleyici görüşü de alınarak 2 numaralı seçenek seçiliyor

Çalışmanın 3 temel ilkesi

• Claude dahil çoğu LLM hâlâ tasarım konusunda zayıf, bu yüzden craft ve karar alma süreçlerine insanın müdahalesi sürmeli
  • Bunun kalıcı bir sınır olması gerekmiyor; ancak mevcut iş akışı, "ürüne neyin gireceğine insan karar verir" varsayımı üzerine kurulu
• Kod yazmayı otomatikleştirirken kod dışı işleri de Claude’a devretmek gerekiyor; aksi halde onu en yüksek otomasyon düzeyinde kullanmış olmuyorsunuz
• Herkes ship edebiliyor diye her şey ship edilmemeli; artık herkes production’a push edebildiği için ölçeklenebilir sistemler gerekiyor

Kod dışı işlerin otomasyonu

• Claude in the web (cloud)

  • Uygulamada fark edilen yüzlerce küçük polish düzeltmesini ayrı bir oturum açmadan sürekli işlemek için kullanılıyor
  • Düzeltme sayısının fazlalığından mühendisler şikayet ederse, bunların tek PR’da squash edilmesi isteniyor
    • Küçük CSS değişiklikleri bazen inceleme olmadan otomatik onaylanabiliyor; bu da ürünün inceliğini ve tamamlanmışlık hissini korumakta faydalı

• PR merge otomasyonu

  • Neredeyse tüm ekip üyeleri Claude’u sürekli açık tutup PR merge sürecine yardımcı oluyor; konuşmacı artık CI ya da merge öncesi aşamalara doğrudan müdahil olmuyor
  • simplify ve code review, depo içinde kod tabanını sadeleştirmek (prune) için kullanılan araçlar; yapay zeka kullanan mühendislik ekiplerinde benzer araçlar bulunabileceğini söylüyor
  • commit push PR, iç denetimlerin topluca çalıştırıldığı bir komut
  • Açık PR’ları inceleyip tamamlanma aşamasına kadar zorlayan komut, ilgili skill’in içine gömülü
    • Slack ile entegre olduğu için kod inceleyicilere ya da nöbetçi kişiye otomatik DM atıyor; asıl önemli noktanın araç paketlerinin entegrasyonu olduğu vurgulanıyor

• Claude in Chrome

  • Claude doğrudan Chrome’u açıp davranışı test ediyor; frontend değişikliklerini kendi kendine doğrulamak için en iyi yöntem olarak öneriliyor
  • Bir dizi GIF ile ekran görüntülerini kaydedip yayımladıktan sonra PR açma akışı izleniyor

• Zamanlanmış rutinler (Claude code work)

  • Zamanlanmış görevler (routine) ile tüm depolardaki frontend değişiklikleri taranıyor
  • Slack·Google Meet transkriptleri·Google Docs gibi kaynaklar incelenip tasarımcı katılımı olup olmadığı kontrol ediliyor; yoksa işaretleniyor
  • Katılım yoksa tasarım incelenip karşıt perspektiften bir tasarım (adversarial design) PR’ı taslak olarak hazırlanıyor, ilgili mühendise DM atılıp tasarımcıyla iş birliği isteniyor
    • Claude tasarımda zayıf olduğu için DM özelliği şu anda kapalı; bu da 1. ilke ile bağlantılı
  • Sadece ilk adımı değil, ondan sonraki adımın da sonrasını otomatikleştirmeye iterek; bir sonraki model çıktığında hemen kullanılabilmesi için sistemleri önceden hazırlama stratejisi izleniyor

Neden tasarımcılar ve geliştiriciler için faydalı

• Sunumun amacı doğrudan Claude Code kullanıcılarının çalışma seviyesini yükseltmek; Anthropic içinde gerçekten popüler olan çalışma biçimlerini olduğu gibi paylaşıyor
• Geliştirici açısından worktree ile paralel çalışma, auto mode ile tekrar eden onayların kaldırılması, PR merge ve CI otomasyonu gibi günlük işi doğrudan hızlandıran somut komutlar ve davranışlar sunuyor
  • Sunumda geçen simplify, code review gibi araçların, yapay zeka kullanan mühendislik ekiplerinde genelde kurum içi karşılıkları bulunduğunu; bu yüzden kendi mühendislik partnerlerinize sorup kullanmanızı öneriyor
• Tasarımcı açısından ise LLM’lerin hâlâ tasarımda zayıf olduğu kabulünden yola çıkıp, craft ve karar alma süreçlerinde insanın ana aktör olarak kaldığını, otomasyonun ise yardımcı rol üstlendiğini net biçimde ortaya koyuyor
  • Tasarımcı katılımı olmadan ship edilen frontend değişikliklerini tespit edip işaretleyen zamanlanmış rutinler gibi örneklerle, tasarım kalitesini sistemler üzerinden koruma yaklaşımını gösteriyor