Eğitim İçeriği
Otomatik tamamlamadan otonom araclara: neden araçlar başarısız oluyor?
• Bir kodlama aracının yapısı: model, çerçeve (harness), araç arayüzü, bağlam ve izinler
• Her aracın yer aldığı alan: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• Başarısızlık taksonomisi: yanlış bağlam, yanlış araçlar, geri bildirim eksikliği, sınırsız otonomi
Gösterim: Aynı görevin hem iyi hem de kötü uygulanmasının yan yana karşılaştırılması
Bağlam mühendisliği
• Bağlam penceresi bir bütçe olarak: bu pencerede yer etmeye ne hak kazanır?
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — tek bir kavram, birden fazla dosya adı, tek bir doğru kaynak
• Kurallar, derleme ve test komutları, mimari sınırlar
• Alıcı (retrieval) ile açık bağlam arasında ayrım; görev parçalanması ve alt araçlar
Laboratuvar: Tanımadığınız bir Python servisi için depo bağlamını yazın, ardından başarısız olan bir görevi yeniden çalıştırın ve çıktıları karşılaştırın
Yeniden kullanılabilir iş akışları ve Yetenekler (Skills)
• Soyutlama seçeneği: talimat dosyası, yetenek (skill), özel komut veya standart betik
• Bir yeteneğin yapısı: tetikleme, talimatlar, dahil edilmiş betikler, aşamalı bilgi sunumu
• Araçlar arası taşınabilirlik ve kilitlenme (lock-in) noktaları
• Sürüm yönetimi, inceleme ve ekip içinde dağıtım; yaygın anti-paternler
Laboratuvar: Bir kodlama standartlarını uygulayan yeniden kullanılabilir bir iş akışı oluşturun ve test edin
MCP: araçları gerçek sistemlere bağlamak
• Mimari: istemciler, sunucular, araçlar, kaynaklar ve uyarılar (prompts); stdio ve HTTP taşıyıcıları
• Yerini hak eden sunucular: Git barındırma, sorun izleyiciler, veritabanları, tarayıcılar, iç API'ler
• Bir MCP sunucusuna göre CLI veya betiğin ne zaman daha etkili olduğu
• Araç arayüzü hijyeni: daha fazla aracın neden daha az güvenilirlik anlamına geldiği
Laboratuvar: MCP sunucularını birbirine bağlayın ve bir görevi uçtan uca tamamlayın — sorun, dal (branch), yama (patch), testler, çekme isteği (pull request)
Geri bildirim döngüleri ve değerlendirme
• Testler, türler (types) ve lint araçları aracın temel gerçeği olarak; test-first yaklaşımının bir kontrol mekanizması olarak kullanımı
• Dahili döngüde CI (Sürekli Entegrasyon) ve araç tarafından oluşturulan değişiklik setleri için inceleme disiplini
• Altın standart görev değerlendirme setleri: neyi ölçmek gerekir ve regresyonlar nasıl yakalanır?
• Maliyet ve gecikme süresi birinci sınıf metrikler olarak
Laboratuvar: Küçük bir değerlendirme seti oluşturun ve iki farklı araç yapılandırmasını bu set üzerinde puanlayın
Güvenlik ve güvenlik kontrolleri (Guardrails)
• Sorunlar, çekme istekleri, README dosyaları, bağımlılıklar ve çekilen sayfalar üzerinden uyarı enjeksiyonu
• İzin modelleri: izin listeleri, onaylar, salt okunur araçlar, ağ çıkış kontrolü
• Gizli veri hijyeni ve sandboxed (kum havuzu) çalışma: konteynerler, geçici kimlikler, etki alanını sınırlama
• Üçüncü taraf MCP sunucuları ve paylaşılan yeteneklerde tedarik zinciri riski
Laboratuvar: Aracın zehirli bir depo tarafından ele geçirilmesini izleyin, ardından bu saldırıyı önlemek için ortamı güçlendirin
Bunu bir ekibe yayma
• Aşamalı benimseme yolu; neyi standartlaştırmak gerekir ve neyi bireylere bırakmak gerekir?
• Gerçek değeri gösteren metrikler ve göstermeyen metrikler
Kurs İçin Gerekli Önbilgiler
• Python, Git ve komut satırı konusunda çalışır düzeyde bilgi
• Bir AI kodlama asistanına yönelik önceden deneyim
• NobleProg, katılımcılar için Docker, VS Code ve Python 3.11 veya üzeri içeren Dadesktop VM'lerini kuracaktır
• Katılımcının seçtiği çalışan bir AI kodlama asistanı: Claude Code, GitHub Copilot, Cursor, Codex CLI veya Gemini CLI. Laboratuvarlar araçtan bağımsızdır ve her biri için talimatlar sağlanmıştır
Hedef Kitle
• AI kodlama asistanlarını kullanırken güvenilir sonuçlar alamayan yazılım mühendisleri, teknik liderler ve mimarlar
• AI araçlarını ekipler genelinde hayata geçiren platform ve geliştirici deneyimi mühendisleri
• Standartları, güvenlik sınırlarını ve başarı metriklerini belirleyen mühendislik yöneticileri
Danışanlarımızın Yorumları (3)
Eğitmen sabırlı ve çok yardımcı oluyor. Konuyu iyi biliyor.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Eğitim - Agentic AI for Business Automation: Use Cases & Integration
Yapay Zeka Çevirisi
İyi bir bilgi ve uygulama karışımı
Ion Mironescu - Facultatea S.A.I.A.P.M.
Eğitim - Agentic AI for Enterprise Applications
Yapay Zeka Çevirisi
Teori ve uygulamanın bir araya gelmesi, yüksek seviye ve düşük seviye perspektiflerin karışımı
Ion Mironescu - Facultatea S.A.I.A.P.M.
Eğitim - Autonomous Decision-Making with Agentic AI
Yapay Zeka Çevirisi