Yapay zeka ile yazılım geliştirme kurulumu neyi kapsar
Yapay zeka ile yazılım geliştirme kurulumu, kodlama ajanlarının ekibinizin depolarında, kurallarınızla ve denetiminiz altında çalışmasını sağlayan ayarların tamamını kapsar. Lisans satın almak işin küçük kısmıdır. Asıl iş, ajanın kod tabanınızı doğru tanıması ve ürettiği değişikliğin sizin kalite kapınızdan geçmesidir.
Bir kurulumda teslim ettiğimiz parçalar şunlardır:
- Araç seçimi ve deneme planı, yani hangi ekip hangi aracı hangi işte deneyecek.
- Her depo için proje talimat dosyası (CLAUDE.md, AGENTS.md ya da Copilot özel talimatları).
- Ajanın çalıştırabileceği komutların ve erişebileceği dizinlerin izin listesi.
- Ajan değişikliklerinin geçeceği test, lint ve kod incelemesi kuralları.
- Ekibe kendi kod tabanınız üzerinde uygulamalı atölye.
- Kullanım ve kalite göstergelerini izleyen basit bir ölçüm tablosu.
Bu sayfa ekibinizin yazılım üretme biçimini ele alır. Ürününüze sohbet, özetleme ya da öneri gibi bir yapay zeka özelliği eklemek istiyorsanız yapay zeka özellikli uygulama geliştirme hizmetimize bakın.
Claude Code, Cursor, Copilot ve Codex arasında nasıl seçim yapılır
Kodlama ajanı seçimi, ekibinizin çalıştığı ortama ve ajana ne kadar bağımsız iş vereceğinize göre yapılır. Dört aracın da güçlü olduğu işler var ve özellikleri birkaç ayda bir değişiyor. Aşağıdaki tablo Ekim 2026 itibarıyla üreticilerin kendi dokümanlarına dayanır.
| Araç | Çalıştığı yer | Proje talimatı | Uygun olduğu iş |
|---|---|---|---|
| Claude Code | Terminal, VS Code ile JetBrains eklentisi, masaüstü, web | CLAUDE.md, AGENTS.md okuyabilir | Çok dosyalı değişiklik, komut çalıştırma, kanca (hook) ile otomatik kontrol |
| Cursor | Kendi kod editörü | Proje kuralları (rules) | Editör içinde plan, düzenleme ve değişiklik incelemesi |
| GitHub Copilot | IDE eklentisi ve GitHub üzerinde kodlama ajanı | Depo özel talimatları | Atanan bir issue için taslak pull request açmak |
| Codex | Komut satırı, IDE eklentisi ve bulut | AGENTS.md | Bulutta yalıtılmış ortamda uzun süren görevler |
Tek bir araca hemen karar vermeyi önermiyoruz. Bunun yerine iki ekip iki aracı aynı türden işlerde iki ila dört sprint dener. Karar, ölçülen sonuca ve şirketinizin veri koşullarına göre verilir. GitHub kullanan ekiplerde Copilot yönetim kolaylığı sağlar. Terminalde yaşayan ekipler ise Claude Code ya da Codex ile daha rahat çalışır.
Kod tabanı kuralları ajana nasıl öğretilir
Kod tabanı kuralları ajana, deponun kökünde duran ve her oturumda okunan bir proje talimat dosyasıyla öğretilir. Anthropic'in dokümanına göre Claude Code, CLAUDE.md dosyasını her oturumun başında okur. AGENTS.md ise Codex gibi farklı ajanların tanıdığı açık bir biçimdir.
İyi bir talimat dosyasında şunlar bulunur:
- Derleme, test ve lint komutları, ajanın değişiklikten sonra çalıştıracağı sırayla.
- Mimari özet, yani hangi klasör ne iş yapar ve hangi katman hangisini çağırabilir.
- Kodlama standardı ve tercih edilen kütüphaneler.
- Dokunulmayacak alanlar, örneğin ödeme modülü ya da veritabanı göç dosyaları.
Talimat dosyası kısa tutulduğunda daha iyi çalışır. Uzun bir wiki sayfasını kopyalamak yerine ajanın her görevde gerçekten ihtiyaç duyduğu bilgiyi yazarız. Testler bu düzenin güvenlik ağıdır. Ajan kendi değişikliğini testle doğrulayabildiğinde hatalı çıktı ekibe ulaşmadan yakalanır.
Kod incelemesi ve güvenlik nasıl korunur
Kod incelemesi ile güvenlik, ajanın her değişikliğinin bir insan onayından geçmesi ve yetkisinin sınırlanmasıyla korunur. Ajan hızlı yazar, ama yanlış varsayımla da hızlı yazar. Var olmayan bir paket adı önermesi ya da testi geçen ama iş kuralını bozan bir değişiklik yapması mümkündür.
Uyguladığımız kurallar şunlardır:
- Ajan ana dala doğrudan yazmaz, her değişiklik pull request olarak gelir.
- Gizli anahtarlar ve üretim erişim bilgileri ajanın göreceği ortama konmaz.
- Yeni bağımlılık eklenmesi ayrı bir onay adımıdır.
- Ajanın okuduğu issue metni, README ya da dış belge, talimatlarını değiştirebilecek gizli komut taşıyabilir. Bu risk prompt injection, Türkçesiyle istem enjeksiyonu olarak bilinir.
Ajanları CI hattına bağlayan ekiplerde bu yüzeyi ayrıca sınamak gerekir. Büyük dil modeli (LLM) kullanan sistemler için LLM güvenlik testi bu tür senaryoları yetkili olarak dener.
Kaynak kodunuz bir model sağlayıcısına gönderilir. Kurumsal planların veri kullanım koşullarını hukuk danışmanınızla birlikte okuyun. Kodun dışarı çıkmaması gereken projelerde açık ağırlıklı modellerle kurum içi LLM kurulumu bir seçenektir.
Geliştiricinin rolü nasıl değişir ve verim nasıl ölçülür
Kodlama ajanı kullanan ekipte geliştirici, kodu satır satır yazan kişiden işi tarif eden, ajanın çıktısını inceleyen ve teyit eden kişiye dönüşür. Bu kayma iyi bir görev tanımı yazmayı, değişikliği hızlı okumayı ve testi önce düşünmeyi daha değerli hale getirir. Tekrar eden işler, örneğin bağımlılık güncellemesi, test yazma ve sürüm notu, ajana devredilebilir.
Verimi yazılan satır sayısıyla ölçmek yanıltır. DORA araştırmasının dört göstergesini temel alırız:
- Dağıtım sıklığı.
- Değişikliğin hazırlanıp canlıya çıkma süresi.
- Canlıda hataya yol açan değişiklik oranı.
- Hatadan sonra hizmetin geri gelme süresi.
Bu göstergeleri ajan kullanımından önce ve sonra karşılaştırırız. Pull request başına inceleme süresi ve geri alınan değişiklik sayısı da ajanın kaliteyi düşürüp düşürmediğini gösterir. Ajanların sınırsız serbest bırakıldığı yaklaşımı merak ediyorsanız vibe coding yazımız riskleri ayrıntılı anlatır.
Kodlama ajanı kurulumunun maliyeti neye bağlı
Kodlama ajanı kurulumunun maliyeti, ekip ve depo sayısına, kod tabanının durumuna ve istenen ölçüm derinliğine bağlıdır. Rakam vermiyoruz, çünkü testleri olan tek bir depo ile testsiz on depo aynı iş değildir. Teklifi belirleyen etkenler şunlardır:
- Kurulum yapılacak depo ve ekip sayısı.
- Mevcut test kapsamı ve CI hattının olgunluğu.
- Seçilen araçların kullanıcı başı lisans bedeli, bu bedel ayrıca üreticiye ödenir.
- Atölye sayısı ve ekiplerin deneyim düzeyi.
- Kurulum sonrası destek ve ölçüm raporlarının sıklığı.
Ücretsiz ilk görüşmede bir deponuzu ve ekibinizin en çok vakit harcadığı tekrar eden işleri konuşmak isteriz. Görüşme için bize yazın. Bütün şirkete yayılacak genel bir yapay zeka eğitimi arıyorsanız kurumsal yapay zeka eğitimi sayfası daha uygundur.
Sektörlere göre kullanım alanları
- kullanım alanı 01
Test açığını kapatmak
Örneğin bir fintek ekibi, testi olmayan eski modüller için ajana test yazdırıp her pull request'i insan incelemesinden geçirebilir.
- kullanım alanı 02
Bağımlılık güncellemesi
Bir e-ticaret şirketinin ekibi, kütüphane sürüm yükseltmelerini ajana verip yalnız kırılan testleri inceleyerek zaman kazanabilir.
- kullanım alanı 03
Issue'dan pull request'e
Küçük hata kayıtlarını GitHub üzerinde kodlama ajanına atayan bir ekip, taslak pull request'i inceleyip birleştirme kararını kendisi verir.
- kullanım alanı 04
Eski kodu anlamak
Yeni katılan bir geliştirici, ajana kod tabanının akışını sorup belgelenmemiş bir modülün nasıl çalıştığını daha kısa sürede öğrenebilir.
- kullanım alanı 05
Sürüm notu ve belge
Birleşen pull request'lerden sürüm notu taslağı çıkaran bir ajan, ekip liderinin haftalık belge yükünü azaltır.