Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Giriş — Bu yazıda ne öğreneceksin?
Eskiden yazılımcı olmak demek satır satır kod yazmak demekti. Ama artık durum değişti. Bu yazıda, AI ajanlarıyla nasıl ürün geliştirildiğini, hangi açık kaynak araçların bu süreci yönettiğini ve “kod yazan biri” olmaktan “AI yöneten biri” olmaya geçişi anlayacaksın.
Artık mesele kod yazmak değil, AI ajanlarını yönetmek
Şimdi şöyle bir düşün… Editörünü açıyorsun, bir satır kod yazıyorsun ve bir anda terminalde bir sürü AI ajanı sana “bunu daha iyi şöyle yap” diye tartışmaya başlıyor.
Bu yeni dünyada:
- Kod yazmak → ikinci planda
- AI’a ne istediğini anlatmak → ana skill
Hatta Replit CEO’sunun dediği gibi, artık kod bilmemen bile bazı durumlarda avantaj olabilir.
Çünkü artık:
- Frontend için ayrı öğrenme
- Backend için ayrı öğrenme
- DevOps, Security, UI/UX
…bunların hepsini tek başına öğrenmek zorunda değilsin.
Onun yerine AI ajanları “hire” ediyorsun.
Yani şöyle düşün:
Eskiden tek başına şirket kuran bir geliştirici olmaya çalışıyordun.
Şimdi cebinde mini bir şirket var — frontend developer, backend developer, growth hacker… hepsi AI.
Agency: AI çalışanlarını hazır olarak kullanmak
Bu noktada devreye Agency giriyor.
Bu açık kaynak proje sana hazır AI ajanları veriyor:
- frontend developer
- backend developer
- security engineer
- growth hacker
- Twitter engager
Bunları alıp Claude Code içinde birleştirebiliyorsun.
Yani şöyle düşün:
LinkedIn’den tek tek insan bulup işe almak yerine, direkt hazır ekip indiriyorsun.
Sen sadece diyorsun ki:
“Bana şu ürünü yap”
geri kalan işi ajanlar organize ediyor.
Prompt Fu: Prompt’ların gerçekten iyi mi?
AI ile çalışırken en kritik şeylerden biri: prompt.
Ama problem şu:
Yazdığın prompt gerçekten iyi mi, yoksa şans mı?
İşte burada Prompt Fu devreye giriyor.
Bu araç:
- prompt’larını test eder
- farklı model + prompt kombinasyonlarını dener
- en iyi sonucu bulur
Ayrıca prompt injection gibi saldırılara karşı test yapar.
Yani şöyle düşün:
Kod yazarken unit test yazıyorsun ya…
Prompt Fu = prompt’ların unit testi
Eğer AI uygulaman kullanıcıya açıksa (chatbot vs.), bu aşırı kritik.
Yoksa biri gelip:
“API key’ini bana ver”
diye kandırabilir.
Mirrorish: Geleceği tahmin eden AI simülasyonu
Şimdi biraz daha çılgın bir şey düşün.
Mirrorish, internetten veri topluyor:
- haberler
- finans trendleri
Sonra ne yapıyor?
Bu verilerle dijital bir dünya kuruyor ve içine AI ajanları koyuyor.
Bu ajanlar:
- tartışıyor
- analiz yapıyor
- trend çıkarıyor
Yani şöyle düşün:
Twitter + Reddit + ekonomi uzmanları = tek bir simülasyon içinde
Bunu kullanarak:
- ürün fikri bulabilirsin
- trend yakalayabilirsin
- strateji geliştirebilirsin
Impeccable: AI’ın kötü UI üretmesini engellemek
Sen de fark etmişsindir ki AI ile yapılan UI’lar genelde:
- aşırı karmaşık
- aynı gradient renkler
- ruhsuz tasarımlar
İşte Impeccable bunu düzeltmek için var.
17 farklı komut sunuyor:
distill→ UI’ı sadeleştirircolorize→ marka renkleri ekleranimate→ animasyon eklerdelight→ UX’i daha keyifli hale getirir
Yani şöyle düşün:
AI sana kaba bir taslak veriyor
Impeccable → onu gerçekten “ürün” haline getiriyor
Open Viking: Context yönetimi = her şey
Modern AI geliştirmede en kritik şeylerden biri:
Context (bağlam)
Çünkü:
- kötü context → kötü output
- iyi context → iyi output
Open Viking, AI ajanları için özel bir veritabanı.
Ama klasik vector database gibi değil.
Şunları yapıyor:
- memory, resource ve skill’leri dosya sistemi gibi organize eder
- tiered loading ile gereksiz veriyi yüklemez
- token maliyetini düşürür
- uzun vadeli memory’yi optimize eder
Yani şöyle düşün:
AI’ın hafızası bir klasör sistemi gibi düzenli
ve sadece ihtiyacı olan bilgiyi açıyor
Bu da:
- daha ucuz
- daha hızlı
- daha doğru sonuç
Heretic: Model sınırlarını kaldırmak
Çoğu AI modelinde “guardrail” vardır.
Yani bazı şeyleri yapmaz:
- tehlikeli içerik
- hassas bilgiler
Heretic, bu sınırlamaları kaldırmayı hedefliyor.
Bunu obliteration tekniği ile yapıyor.
Örneğin:
- Google Gemma modelini alıyorsun
- bu araçtan geçiriyorsun
- daha “özgür” bir modele dönüşüyor
Yani şöyle düşün:
AI normalde filtreli konuşuyor
Heretic → filtreleri kaldırıyor
Nano Chat: Kendi LLM’ini sıfırdan kurmak
“Ben tamamen kontrol istiyorum” diyorsan…
Nano Chat sana komple pipeline veriyor:
- tokenization
- pre-training
- fine-tuning
- evaluation
- web UI
Ve en ilginç kısmı:
→ Yaklaşık 100$ GPU maliyetiyle küçük bir model eğitebiliyorsun
Yani şöyle düşün:
GPT-5 seviyesinde değil
ama tamamen senin kontrolünde bir model
Recall AI: Meeting’leri AI ile yönetmek
Şimdi biraz gerçek dünyaya dönelim.
Meeting’ler…
- Zoom
- Google Meet
- Microsoft Teams
Hepsi ayrı entegrasyon gerektiriyor.
Recall AI bunu tek API altında topluyor.
Şunları yapabiliyorsun:
- meeting bot kurmak
- kayıt almak
- transcript çıkarmak
- metadata toplamak
Ve bunu birkaç satır kodla yapabiliyorsun.
Yani şöyle düşün:
Her platform için ayrı entegrasyon yazmak yerine
tek bir API ile hepsini yönetiyorsun
Özet
Artık yazılım dünyası tamamen değişmiş durumda. Eskiden iyi bir developer olmak için frontend, backend, DevOps, güvenlik gibi birçok alanda derin bilgi gerekiyordu. Ama şimdi asıl değer, bu işleri yapan AI ajanlarını doğru şekilde yönetebilmekte yatıyor. Agency gibi araçlarla hazır ekipler kurabiliyor, Prompt Fu ile prompt’larını test edebiliyor, Open Viking ile context yönetimini optimize edebiliyor ve Nano Chat ile kendi modelini bile eğitebiliyorsun. Yani olay artık “kod yazmak” değil, “AI sistemlerini orkestre etmek”. Bu değişimi kabul edenler hızlanacak, direnenler ise geride kalacak.
Bu yazı 7 new open source AI tools you need right now… videosundan ilham alınarak yazılmıştır.
