Bize Ulaşın

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

 7 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (3)

Yaklaşan Etkinlikler

İlgili Kategoriler