AI Destekli Yazılım Geliştirme

Bu derste yazılım dünyasını son yıllarda en çok değiştiren yaklaşımlardan birini, AI destekli yazılım geliştirmeyi baştan sona inceliyoruz: nasıl çalıştığı, iş akışını nasıl dönüştürdüğü, güçlü ve zayıf yönleri ile doğru kullanım ilkeleri. Konunun somut becerileri ünitemizin diğer derslerinde tek tek ele alınıyor; genel çerçeve için Yapay Zekâ dersleri kategorimize göz atabilirsin.

AI Destekli Yazılım Geliştirme Nedir?

Klasik geliştirmede her satırı programcı yazar: fikri kendisi kurgular, söz dizimini kendisi hatırlar, hatayı kendisi arar. AI destekli geliştirmede ise büyük dil modeli (LLM) tabanlı bir asistan bu işlerin bir bölümünü üstlenir: sen görevi doğal dille tanımlar, asistan kod önerir, sen de bu kodu okur, düzeltir ve onaylarsın. Kısacası yapay zekâ kodu senin yerine değil, seninle birlikte yazar.

Bu yaklaşım tek bir araç değil, bir çalışma biçimidir ve ayrı becerilere ayrılır: sıfırdan kod üretmek için AI ile kod yazma, yazarken satır satır öneri sunan kod tamamlama, var olan kodu anlatan AI ile kod açıklama ve hataları bulduran AI ile hata ayıklama derslerimiz bu ünitenin kendi konularıdır. Bu derste ise hepimizi ilgilendiren büyük resmi çizeceğiz.

Arka Planda Ne Var? Büyük Dil Modelleri

Bu asistanların kalbinde büyük dil modelleri (GPT, Claude, Gemini, Llama gibi) yer alır. Bu modeller, milyarlarca ölçüde metin ve açık kaynak kod üzerinde eğitilmiştir; senin yazdığın istemi (prompt) okur ve bir sonraki en olası parçayı tahmin ederek yanıtını kurar. Yani kodu hazır bir arşivden kopyalamaz; öğrendiği örüntülerden yeni bir yanıt üretir.

Bu yapının iki sonucunu baştan bil. Birincisi, tahmin istatistiğe dayanır: model bazen hiç var olmayan bir fonksiyon ya da paket adını kendinden emin bir dille yazabilir; buna halüsinasyon denir. İkincisi, modelin bilgisi eğitim tarihiyle sınırlıdır: bir kütüphanenin en yeni sürümünden habersiz olabilir. Bu iki sınır, neden her üretimin doğrulanması gerektiğini açıklar.

AI Destekli Geliştirme İş Akışı

Asistanla çalışma, seçtiğin etkileşim biçimine ve izlediğin sıraya göre şekillenir. Önce üç ana biçimi tanıyalım:

Üç Etkileşim Biçimi

• Tamamlama: Yazarken satırın devamını anında önerir; hız kazanmanın en pratik yoludur.
• Sohbet: Soru-cevap mantığıyla ilerler; kod üretme, açıklama ve hata arama çoğunlukla burada yapılır.
• Ajan: Görevi verirsin, araç dosyaları kendisi düzenler ve komut çalıştırır; güçlüdür ama denetimi de zorunlu kılar.

Adım Adım İş Akışı

Hangi biçimi seçersen seç, şu sıra çoğu işte işe yarar:

1. Görevi küçült. "Bana blog sitesi yap" yerine "iki sayı alıp toplamını döndüren bir fonksiyon yaz" gibi tek işlik istekler çok daha isabetli sonuç verir.
2. Bağlam ver. Dili, kütüphaneyi, mevcut kod parçasını ve kısıtları isteğine ekle.
3. Üretilen kodu satır satır oku. Anlamadığın satırı asistana sormaktan çekinme; kodun sorumluluğu her zaman sende kalır.
4. Çalıştır ve test et. Kodu gerçek ortamda koştur, beklenmedik girişleri dene.
5. Hata varsa ayrıntıyla geri dön. Hata mesajını olduğu gibi yapıştır, ne beklediğini açıkla; bu döngünün incelikleri hata ayıklama dersinde işlenir.

İyi bir istek genellikle dört öğe taşır: görev + ortam + kural + çıktı biçimi. Örnek: "Python'da, öğrenci notlarını liste olarak alıp ortalamasını hesaplayan bir fonksiyon yaz. Ortalama 50'nin altındaysa 'Kaldı', değilse 'Geçti' döndür. Kodun yanına açıklama satırları ekle."

AI Nerede Güçlü, Nerede Zayıf?

Aracın sınırlarını bilmek, ondan verim almanın yarısıdır. Aşağıdaki karşılaştırma günlük çalışmada yol gösterir:

Güçlü Olduğu İşler

• Tekrarlayan kalıp kodları, bilinen algoritmaları, birim testlerini ve dokümantasyonu hızla üretmek.
• Uzun hata mesajlarını sade dille açıklamak; "neden patladı?" sorusuna dakikalar içinde cevap bulmak.
• Yabancı bir kod tabanını tanımak: kodun ne yaptığını madde madde anlatabilmek.

Zayıf Olduğu İşler

• Projeye özgü mimari kararlar ve çok dosyalı büyük değişiklikler; bunlar hâlâ insan muhakemesi ister.
• Çok yeni kütüphaneler ve sürüm değişiklikleri; model eski kullanımı önermeye devam edebilir.
• Güvenlik ve lisans garantisi: üretilen kodda açık olabilir, lisansı belirsiz parçalar gelebilir.

2024-2025 Araç Manzarası

Alışkanlıklar son iki yılda hızla değişti. Sohbet temelli asistanlar (ChatGPT, Claude, Gemini) soru-cevap ve kod üretiminin ilk durağı hâline geldi; geliştirme ortamına gömülü araçlar (GitHub Copilot, Cursor gibi düzenleyiciler) tamamlama ile sohbeti aynı ekranda sundu. Bu dönemin öne çıkan adımı ise ajan yaklaşımı oldu: araçlar tek yanıtlık öneri vermenin ötesine geçip dosya oluşturuyor, birden çok dosyada değişiklik yapıyor ve komut çalıştırabiliyor.

Doğal dille "yap bakalım" deme rahatlığı, doğrulamayı atlayan aceleci bir kullanım biçimini de beraberinde getirdi; bu akım vibe coding adıyla anılıyor. Araç isimleri çabuk değişir ama ilkeler değişmez: görevi küçük tut, ürettiğini doğrula, parola ve API anahtarı gibi sırları asistanla asla paylaşma. Ürettiğin projenin dili ne olursa olsun temelleri sağlam tut; örneğin Python tarafı için Python ve yapay zekâ dersi iyi bir çıkış noktasıdır.

Sık Yapılan Hatalar ve Yanılgılar

Yeni başlayanların en çok takıldığı noktalar şunlardır:

• "AI her zaman çalışan kod üretir." Üretmez. Halüsinasyon yüzünden uydurma fonksiyon adları, var olmayan paketler ve mantık hataları görülebilir; kod her zaman çalıştırılıp doğrulanmalıdır.
• "Prompt ne kadar uzunsa o kadar iyidir." Önemli olan uzunluk değil netliktir; gereksiz cümleler modeli dağıtır, görev + ortam + kural genellikle yeterlidir.
• "Artık programlama öğrenmeye gerek yok." Tam tersi: kodu okuyamayan biri AI'ın hatasını da göremez. Temel bilgisi olan çok daha verimli olur; hiç bilmeyen ise üretilen koda körü körüne güvenmek zorunda kalır.
• "AI'ın yazdığı kod güvenlidir." Değildir. Eğitim verisindeki güvensiz örnekler ürüne taşınabilir; kullanıcı girdisini doğrulamama gibi klasik açıklar AI kodunda da görülür.
• "Her hatayı asistana sorup kopyala-yapıştır yaparım." Kısa vadede hızlı, uzun vadede zararlıdır: kodu anlamadan biriktirmek teknik borç yaratır ve öğrenmeyi durdurur.

Son söz: bu yaklaşım disiplinli kullanıldığında hem hızını hem öğrenme hızını artırır; kontrolsüz kullanıldığında ise anlamadığın kodların üstüne yığılan bir hız tuzağına dönüşür. Doğrulamayı alışkanlık hâline getir ve çerçeveyi somut projelere uygula: uçtan uca bir örnek için AI uygulaması geliştirme ve basit chatbot geliştirme derslerine geçebilirsin. Yapay zekânın başka alanlardaki kullanımları merak ediyorsan eğitimde yapay zekâ dersi iyi bir komşudur; tüm ders alanlarımız için Yazılım dersleri kategorimize uğra.