Yapay zekayla kod yazmak: nerede hızlandırıyor, nerede borç bırakıyor

Yazılım geliştirmede yapay zeka tartışması iki uçta geziniyor: “her şeyi yazıyor” ve “hiçbir işe yaramıyor”. Pratikte ikisi de yanlış. Model belirli işlerde ciddi zaman kazandırıyor, belirli işlerde ise sonradan ödenen bir borç bırakıyor. Ayrımı bilmek, aracı verimli kullanmanın tamamı.

Gerçekten hızlandırdığı işler

1. Kalıp kod: veri sınıfları, dönüştürücüler, yapılandırma dosyaları, arayüz iskeletleri. Sıkıcı ve belirgin kurallı işler.
2. Test yazmak: mevcut bir fonksiyonun sınır durumlarını listeletmek ve testleri üretmek. Üstelik test, modelin kendi hatasını yakalayan araç.
3. Dönüştürme: bir biçimden diğerine çeviri, bir kütüphaneden başka bir kütüphaneye taşıma, düzenli ifade yazma.
4. Hata mesajını açıklamak: yığın izini okuyup nereye bakılacağını söylemek. Arama motorunda geçirilen süreyi gözle görülür biçimde kısaltıyor.
5. Yabancı bir kod tabanında keşif: “bu modül ne yapıyor, nereden çağrılıyor” sorularına hızlı özet. Doğrulanması gereken ama yön veren bir çıktı.
6. Belgeleme ve yorum: yazılmış kodu anlatmak, modelin en güçlü olduğu alanlardan biri.

Sessiz hata bıraktığı yerler

• Mantık hataları: kod derleniyor, testler yoksa geçiyor, ama sınır durumunda yanlış sonuç veriyor. En pahalı hata türü, çünkü gözle doğru görünüyor.
• Var olmayan işlev ve parametreler: model, olması gerektiğini düşündüğü bir kütüphane çağrısını uydurabiliyor. Nedeni halüsinasyon yazısında anlattığımız mekanizmanın aynısı.
• Eski kalıplar: eğitim verisinde yaygın olan eski sürüm kullanımları. Çalışıyor ama güncel sürümde önerilmeyen ya da güvensiz yöntem olabiliyor.
• Güvenlik açıkları: girdi doğrulamasız sorgu, zayıf rastgelelik, parolayı günlüğe yazma. Örnek koddan öğrenmiş bir model, örnek kodun kusurlarını da öğreniyor.
• Mimari tutarsızlık: projenin kendi desenine uymayan, yerel olarak doğru ama bütünde yabancı çözümler. Zamanla okunabilirliği bozan sessiz maliyet.
• Lisans ve telif: üretilen kodun kaynağı belirsiz; bu konuda netleşmiş bir çerçeve yok. Lisans kavramlarını lisans yazısında ele aldık.

Asıl darboğaz: inceleme

Üretim hızlandığında inceleme hızlanmıyor. Kendi yazdığınız kodu okumak kolaydır, çünkü neden öyle yazdığınızı bilirsiniz; başkasının (ya da modelin) yazdığı kodu okumak daha pahalıdır.

Pratik sonuç şu: büyük bir yama hâlinde üretilen kod, satır satır okunmadığı sürece gerçek bir kazanç değil. Deneyimli ekiplerin uyguladığı yöntem, parçayı küçük tutmak — tek seferde bir fonksiyon, bir dosya, bir davranış.

Ajan kipinin ek riski

Model yalnızca öneri vermekle kalmayıp dosya değiştiriyor, komut çalıştırıyor ve kendi sonucunu okuyorsa, hatalar birikerek büyüyor. Yirmi adımlık bir zincirde her adımın yüzde 95 isabetli olması, sonuçta yarı yarıya başarı demek; hesabı ve savunmaları ajanlar yazısında kurmuştuk.

Oradaki ilkeler burada da geçerli: geri alınamaz işlemleri onaya bağlamak, en az yetkiyle çalıştırmak, her değişikliği sürüm kontrolünde tutmak ve testleri doğrulayıcı olarak kullanmak.

İşe yarayan çalışma düzeni

1. Bağlamı siz verin. İlgili dosyaları, veri şemasını ve projenin kurallarını isteme koymak, en büyük kalite farkını yaratan tek adım. Belgeleri otomatik getiren kurulumlar da aynı mantıkla çalışıyor — RAG yazısı.
2. Testi önce isteyin. Davranışı testle tanımlayıp sonra kodu üretmek, sessiz mantık hatalarını yakalayan en ucuz yöntem.
3. Küçük parçalar. Tek seferde bir sorun; büyük yamalar yerine zincirlenmiş küçük değişiklikler.
4. “Neden böyle?” diye sorun. Gerekçeyi açıklattığınızda hatalı varsayımlar çoğu zaman ortaya çıkıyor.
5. Sırları göndermeyin. Anahtar, parola ve kişisel veri istemde yer almamalı; hangi verinin nereye gittiğini veri gizliliği yazısında ele aldık.
6. Kendi ölçümünüzü kurun. Kıyaslama tablolarının sizin kod tabanınız hakkında bir şey söylemediğini kıyaslama yazısında anlatmıştık; 30-50 gerçek görevden oluşan küçük bir küme çok daha bilgilendirici.

Yeni başlayanlar için ayrı bir not

Öğrenirken üretilen kodu doğrudan kabul etmek, hatayı bulma becerisini geliştirmiyor. Modelin işi yapması ile size yaptırması arasındaki fark burada kritik: açıklama istemek, alternatif çözümleri karşılaştırmak ve kendi yazdığınızı inceletmek öğrenmeyi hızlandırıyor; hazır çözümü kopyalamak yavaşlatıyor.

Deneyimli geliştiricide ise etki tersine dönüyor — çünkü üretilen kodun yanlış olduğunu hızlı görebilen biri, aracı güvenle hızlandırıcı olarak kullanabiliyor.

Yapay zeka kod yazmayı kolaylaştırdı, kodun doğruluğundan emin olmayı kolaylaştırmadı. Kazancın tamamı, bu ikinci kısmı nasıl kurduğunuza bağlı.