Yapay zeka ile ürün geliştirken iki yöntem kullanıyorum. 

Bunlar:

1. Tuval yöntemi

2. Finetuning yöntemi

Tuval yönteminde uygulamayı nasıl bir ürün istediğinden tam emin olmadığımda, kervan yolda dizilir mantığı ile adım adım şekillendiriyorum. Uygulama bir resmi tuval üzerinde çizermişcesine görsel olarak şekillenmeye başlıyor. Fırça darbeleri yani promptlar ile tuvalde resim çizer gibi uygulamanın oluşmasını seyrediyorum. Bu zaman alan bir iş, lakin bu şekilde zaman içinde ürünün nereye gitmesine dair bir vizyon oluşuyor ve uygulamayı buna göre şekillendirebiliyorum.

İkinci yöntemde net olarak ne istediğimi bildiğim için gerekli analizleri tamamladıktan sonra iş paketlerini Gpt ve Opus’a veriyorum ve onlar otonom olarak uygulamayı baştan sona inşa ediyorlar. Uygulama tamamlandığında finetuning ismini verdiğim işleme başlıyorum. Burada uygulamada değiştirmem gereken yerlere promptlar yazarak tekrar dokunuyorum. Bu işlem çok uzun sürmüyor, çünkü başlangıçta oluşturduğum spec’ler vizyonu ve ürünün kendisini net bir şekilde tanımlıyorlar ve yapay zeka araçları için bunları hayata geçirmek çocuk oyuncağı oluyor.

Birinci yöntem daha çok klasik yazılım geliştirme tarzına benziyor. Kod yazmasamda, ürünün canlı canlı oluşmasına şahit oluyorum ve gerekli yönlendirmeleri promptlar aracılığı ile yapabiliyorum.

İkinci yöntem daha çok software factory şablonuna tekabül ediyor. Bu daha önce bilmediğimiz ve kullanmadığımız bir yöntem. Loop engineering sayesinde tam otonom çalışan yazılım fabrikaları oluşturmak artık mümkün.

İki yöntem arasındaki fark yapay zekanın ne kadar iyi kod yazdığı değil, belirsizliğin nerede çözüldüğü.

Tuval yönteminde belirsizliği ürünü yaparken çözüyorum:

fikir → prompt → ürün → gör → düşün → yönlendir → ürün → …

Ürün aynı zamanda düşünme aracına dönüşüyor. Ortaya çıkan şeyi gördükçe ne istediğimi daha iyi anlıyorum.. Burada bu yüzden döngünün içinde olmam gerekiyor, yani prompt engineering yapmak zorundayım.

İkinci yöntemde belirsizliği kodlamadan önce çözüyorum:

vizyon → analiz → spec → iş paketleri → autonomous loops → çalışan ürün → refinement

Burada kod üretimi artık esas yaratıcı süreç olmaktan çıkıyor. Yaratıcı ve zor iş ürünün doğru tarif edilmesine kayıyor. Spec yeterince iyiyse implementasyon giderek mekanikleşiyor.

Dolayısı ile Software Factory yapay zekanın çok kod yazması değildir. İnsan ile implementasyon arasındaki doğrudan ilişkinin kopmasıdır.

Klasik yazılım geliştirmede insan kodu üretir. Yapay zeka destekli yazılımda insan kodu yapay zekaya ürettirir ve sürekli kontrol eder. Software Factory modelinde ise insan ürünü ve kuralları tarif eder, otonom ajanlar loop’ları, implementasyon, test, review ve düzeltme döngülerini kendi aralarında yürütürler. Böylece insanın işi kod üretmekten, üretim sistemini tasarlamaya doğru kayar.

Bu iki yöntemi birleştirip, hibrit bir yöntem oluşturmak da mümkündür:

tuval → vizyon oluşur → spec çıkarılır → factory devralır → refinement → ürün