2022 yilina kadar 25 sene boyunca programci olarak calistim. Yapay zeka araclari kullaniminda sifir kod yazma, sifir kod review, sifir test yazma evrelerine kadar geldim. Yazilimda her zaman müsterinin ve onun isteklerinin ön planda olmasi gerekliligine inandim ve bunu hep savundum. Ama günün sonunda hep masa basina dönüp, kod yazmak zorunda kaldim.

1.5 yildir bir Java sinifi, tasarim sablonu, algoritma ya da hangi veri yapisini kullanacagim aklima bile gelmiyor. Ben bütün gün uygulamanin faal olacagi alan (domain) icinde takiliyorum ve ne sorusunun cevabini ariyorum:

Daha önceki yazilarimda yapay zeka araclari ile calisirken gectigim evreleri sizinle paylasmistim. Buna bir yenisi daha eklendi: Software Factory Pattern

Yapay zeka araclari ile ürün gelistirmek istiyorsaniz, bunu nasil yapmaniz gerektigine dair benim uyguladigim yol haritasini sizinle paylasmak isterim.

Yapay zeka araclari ile ilk zamanlar line autocomplete özelligini kullanarak uygulama gelistirme serüvenime devam etmistim. Daha sonralari bunu metot ve sinif bazinda yapmaya basladim. Akabinde promptlarla uygulanin parcalarini degistirmeye basladim.

Su anda LLM’lerin daha iyi ve hizli kod yaziyor olmalarina karsi duydugun tek argüman: “LLM’ler deterministik output üretmez”.

Yüksek dillerin ortaya cikma nedeni ne? Assembly neden yetmedi?

Gelin simdi neden cok uzun zamandir kod yazmadigimiza bir göz atalim.

Benim icin yeni calisma modeli loop engineering + jira kanban.

Su an aktiv iki döngü calisiyor, backend proje ve mobil proje icin.

Loop engineering sayesinde rate limitler sorun olmaktan cikiyor.

Rate limit LLM’i saglayan sirketin size koydugu token kotalaridir. Bu kotalar genelde 5 saatlik ve haftalik zaman dilimlerinde resetlenir. Ne kadar SIK LLM ile interaksiyona girerseniz, o kadar cok token harcaniz ve o hizda da kotaniz dolar.