Son bir yıldır AI ile kod yazıyorum. Sadece komut vermek değil — gerçek yazılım geliştirmek. İki açık kaynak proje: AI kodlama ajanlarını daha iyi hale getiren GStack ve okuduğunuz ve yazdığınız her şeyi AI'ınızın kullanabileceği aranabilir bir bilgi tabanına dönüştüren GBrain. İkisi arasında, yaklaşık 970.000 satır kod ve 665 test dosyası. Neredeyse tamamı benim yönlendirmemle Claude Code ve Codex tarafından yazıldı (çoğu zaman 15 eşzamanlı Conductor oturumu).
Geçen hafta yetmiş iki saatte on dört pull request'i birleştirdim. Neredeyse 29.000 satır yeni kod. Her sürüm bir öncekinden daha iyi test edilmişti.
Bunun imkansız olması gerekiyordu. Hız ve kalitenin birbiriyle takas edilmesi gerekiyordu. Hızlı gönder, bir şeyleri kır. Yavaş ilerle, doğru gönder. Birini seç.
Artık seçmek zorunda değilsiniz. Anahtar %90 test kapsamı — ve AI ajanları oraya ulaşmayı ücretsiz hale getirdi. Elli yıl boyunca, bu düzeyde bir doğrulama, sürdürmek için çok fazla insan iradesine mal oldu. Şimdi ajan, kodla birlikte testleri de yazıyor. Sonuç, benim karmaşıklık mandalı dediğim şey: yalnızca daha iyiye gidebilen, asla kötüye gitmeyen bir sistem.
(Bu, AI ile geliştirme üzerine bir serinin yedincisi: 1 2 3 4 5 6
Yazılım eskiden kırılgandı
Elli yıl boyunca, yazılım mühendisliği disiplininin tamamı tek bir fikir etrafında örgütlendi: hataları önlemek, çünkü hatalar felakettir.
Kodu ilk seferde doğru yazmak zorundaydınız. Bir uç durumu kaçırın, üretimde çökün. Kötü bir veritabanı geçişi gönderin, müşteri verilerini kaybedin. İnce bir şey yapan bir fonksiyon yazın ve onu anlayan tek kişi işten ayrıldığında, kimse neden çalıştığını bilmez. Tüm sistem, insanların dikkatli olmasına bağlıydı ve insanlar dikkatli değildir. Bu yüzden ayrıntılı süreçler inşa ettik — kod incelemeleri, hazırlık ortamları, QA ekipleri, sürüm trenleri — bunların tümü, hataları kullanıcılara ulaşmadan yakalamak için tasarlanmıştı.
Bir şekilde işe yaradı. Ama yavaştı. Ve bu, herhangi bir yazılım sisteminin karmaşıklığının katı bir tavanı olduğu anlamına geliyordu: bir ekibin aynı anda kafasında tutabileceği şeylerin sayısı.
Şimdi yazılım yumuşak
Özensiz demek istemiyorum. Daha önce mümkün olmayan bir şekilde dayanıklı anlamına geliyor.
"Modeller burada" dediğimde, AI kodlama ajanlarının — Claude, GPT, Codex ve etraflarında büyüyen ekosistem — artık kodu okuyabildiği, bağlamı anlayabildiği, hataları teşhis edebildiği ve düzeltmeler yazabildiği anlamına geliyor. Mükemmel değil. Ama yazılım için hata modelini değiştirecek kadar iyi.
Geçiş bozuldu mu? Ajan hata mesajını okur, 45 sürüm boyunca veritabanı şeması geçmişini anlar, düzeltmeyi yazar, testi yazar. Dosya senkronizasyonu bir milyon sembolik bağlantıda takılıp kaldı mı? Ajan ayrıştırıcı zaman aşımını teşhis eder, 30 saniyede sınırlar, testlerle birlikte düzeltmeyi gönderir. Bir çıkarma hattında atıf hatası mı var? Çapraz model değerlendirmesi yakalar, komut yinelenir, veritabanı katmanında zorlama eklenir.
Çoğu kod düzeyindeki hata için — mantık hataları, ayrıştırma başarısızlıkları, bozuk uç durumlar — ajanlar artık bunları bir sonraki turda teşhis edip düzeltebilir. Bu gerçekten yeni. Felaket olarak kalan hatalar, durumu yok edenlerdir: üretim verilerinde kötü geçişler, tespit edilmeden önce kullanılan güvenlik açıkları, geri alınamayan gizlilik sızıntıları. Mandal burada da yardımcı olur (iyi testler bunların çoğunu üretimden önce yakalar) ancak asıl değişim, bir kod tabanındaki hataların büyük çoğunluğunun düzeltilebilir türden olmasıdır.
Bu, yazılımın nasıl oluşturulduğu için bir faz değişimidir. Ancak yalnızca mandala sahipseniz işe yarar.
Ajan Karmaşıklık Mandalı
Mandal, yalnızca bir yönde harekete izin veren bir mekanizmadır. Lokma anahtarı, bir cıvatayı ileri çevirir ve geri dönmesini engeller. Metafor budur.
Ajan tarafından kodlanmış yazılımda, bir AI ajanıyla yapılan her kodlama oturumu, kod tabanına üç şey ekler:
- Testler — "doğru"nun ne anlama geldiğini kodlayan, birisi kodu her değiştirdiğinde çalışan ve değişiklik bir şeyi kırarsa yüksek sesle başarısız olan otomatik kontroller
- Dokümantasyon — kararların neden alındığını kaydeden, yalnızca kodun ne yaptığını değil, arkasındaki mantığı ve ödünleşimleri de açıklayan
- Değerlendirme sonuçları — kalite eşiklerini belirleyen, bir sonraki sürümün daha iyi mi yoksa daha kötü mü olduğunu bilmeniz için puanlarla birlikte çıktı kalitesinin yapılandırılmış değerlendirmeleri
Bir ajan bir sonraki sefer kod tabanı üzerinde çalıştığında, bu üçünü de bağlam penceresine (AI'ın görebildiği ve üzerinde akıl yürütebildiği metin) yükler. Test paketinin altına gerileyemez — testler başarısız olur. Dokümantasyonu görmezden gelemez — bağlamda tam oradadır. Değerlendirme taban çizgisinin altında kalite gönderemez — puanlar kaydedilir.
Kalite tabanı her turda yükselir. Yalnızca ileri hareket. Mandal budur.
Pratikte bu neye benziyor
Bunu somutlaştırayım. GBrain, üzerinde çalıştığım bir bilgi sistemi — bir kişinin notlarını, toplantılarını, konuşmalarını ve araştırmalarını depolayarak, indeksleyerek ve arayarak AI ajanlarına uzun süreli bellek sağlar. Bunu, AI asistanınızın gerçekten okuyabildiği ikinci bir beyin olarak düşünün.
Özelliklerinden biri epistemolojik çıkarmadır: binlerce sayfayı okur ve kimin neye, hangi güvenle, zaman içinde inandığını çıkarır. "Garry, Bitcoin'in 300 bin dolara ulaşacağını düşünüyor (güven: 0.45)." "Jared, bu girişimin güçlü bir elde tutma oranına sahip olduğunu düşünüyor (güven: 0.80)." Bunun gibi, ancak 28.000 sayfa boyunca.
İlk çıkarma çalışması 100.720 iddia çekti. Kaliteyi derecelendirmek için çapraz model değerlendirmesi kullandım — GPT-5.5 ve Claude'a çıktıyı bağımsız olarak puanlattım. Genel: 10 üzerinden 6,8.
En büyük sorun? Sahip karışıklığı dediğim şey. "AI, 2027'ye kadar yazılım mühendislerinin %80'inin yerini alacak" iddiasını ele alalım. Bu inanç kime ait? Bunu yazan kişiye mi? Alıntı yaptıkları birine mi? Yoksa bir podcast transkriptinden çıkaran sistemin analiz motoruna mı? Sürüm 1, bu ayrımı %35 oranında yanlış anladı. Bu önemlidir — insanların neye inandığını takip eden bir sistem kuruyorsanız, KİMİN inandığını bilmeniz gerekir.
Böylece değerlendirme sonuçları belgelendi. Altı spesifik hata modu tanımlandı. Sürüm 2 komutu altısını da ele aldı. Ağırlık yuvarlama (güven puanları) veritabanı katmanında zorunlu kılındı — 0,75 dürüst cevapken 0,74 gibi yanlış hassasiyet yok. On yedi test sözleşmeyi kilitledi.
Artık çıkarmanın gelecekteki hiçbir sürümü, bu 17 testi geçmeden gönderilemez. Kimsenin ağırlık yuvarlamanın neden önemli olduğunu veya sahip karışıklığının ne olduğunu hatırlaması gerekmez. Testler hatırlar.
Kalite tabanı kalıcı olarak yükseldi. Bu, mandalın bir turu.
Çoğu vibecode projesi neden ölür
"Vibecoding", Andrej Karpathy'nin, ne istediğinizi doğal dilde tanımlayarak ve modelin kodu oluşturmasına izin vererek AI ile kod yazma terimidir. Güçlüdür ve benim inşa etme şeklimdir. Ancak YC başvuruları ve açık kaynak depolarında gördüklerime göre, testleri atlayan çoğu vibecode projesi, orta düzeyde bir karmaşıklığa ulaştıklarında — birkaç bin satır, bir avuç etkileşimli özellik — dağılmaya başlıyor.
Mandalı atlıyorlar. Test yok, doküman yok, değerlendirme yok. Ajan karmaşıklık ekliyor ancak hiçbir şey gerilemeyi engellemiyor. Her yeni özellik eskisini kırma şansına sahip ve testler olmadan, bir kullanıcı bildirene kadar bunu öğrenemezsiniz. Sürüm 0.5'e gelindiğinde kod tabanı, her değişikliğin beklenmedik bir şeyi kırdığı perili bir eve dönüşür. Ardından geliştirici, AI kodlamasının işe yaramadığı hakkında bir blog yazısı yazar.
AI kodlaması gayet iyi çalışıyor. Sadece mandalı inşa etmediler.
Test yazan türden bir kişinin aynı zamanda ilk etapta iyi mimari yazan türden olduğunu iddia edebilirsiniz. Adil. Ancak mandal mekanizması kişiyle ilgili değil — bir sonraki turda ne olduğuyla ilgili. Yeni bir katkıda bulunan bir PR açtığında veya bir model sürümü değiştiğinde veya sabahın 2'sinde kod yazarken muhakemeniz bozulduğunda, testler kim tarafından yazıldıklarına bakılmaksızın gerilemeleri yakalar. Mandal, insan en iyi durumunda olmasa bile çalışır. Mesele bu.
Testler olmadan, iyileştirme gürültülü bir süreçtir — ajanlar işleri daha iyi hale getirmeye çalışır, ancak gerileme sinyalleri olmadan, iyi değişiklikler ve kötü değişiklikler eşit derecede görünmezdir. Yoğun bir test paketiyle, test edilen yüzeyde bir mandal elde edersiniz: kodladığınız davranışlar için kalite yalnızca artabilir. Bu, sistemin çoğu, tamamı değil. Ancak hızla ileri hareketi sürdürmek için yeterlidir.
Kurumsal bellek olarak testler
Geleneksel yazılım şirketlerinde, kurumsal bellek insanlarda yaşar. O önbellek katmanının neden var olduğunu bilen kıdemli mühendis. Veritabanını neredeyse yok eden geçişi hatırlayan mimar. Faturalama sistemindeki tuhaf uç durumu açıklayabilen teknoloji lideri.
İnsanlar ayrılır. Emekli olurlar, ayartılırlar, tükenirler. Ayrıldıklarında, bilgi de onlarla gider. Her yazılım şirketi, kritik bir dosyayı açıp // BUNU DEĞİŞTİRMEYİN — Dave'e sorun yorumunu bulma ve Dave'in üç yıl önce ayrıldığını görme deneyimini yaşamıştır.
Ajanın bağlam penceresi pes etmez. Ayartılmaz. Unutmaz. Test paketi "ağırlık yuvarlama 0,05'lik artışlar kullanmalıdır" ve dokümantasyon "çünkü çapraz model değerlendirmesi, yanlış hassasiyetin güven puanlarına olan güveni azalttığını gösterdi" şeklinde kodladığında, bu bilgi dayanıklıdır. Herhangi bir ajan, herhangi bir model, herhangi bir zaman bu bağlamı yükleyebilir ve kısıtlamayı anlayabilir.
Testler, çalışan devrini atlatan kurumsal bellektir. Tek kişilik bir proje için daha da kritiktirler — sahip olduğunuz tek kurumsal bellektir.
Kullanılabilen her şey test edilebilir
Mandal yalnızca geleneksel kod için çalışmaz. Bir bilgisayarın gözlemleyebileceği her şey için çalışır.
Modern bir sistemin katmanlarını düşünün. İşletim sistemi size süreç ağaçları, dosya sistemi durumu, ağ soketleri, cron zamanlamaları verir. Terminal size her tuş vuruşunu, her çıktı satırını, her etkileşimli istemi verir. Tarayıcı size işlenmiş sayfalar, düğme durumları, gezinme olayları verir. API'ler size ayrıştırabileceğiniz ve doğrulayabileceğiniz yapılandırılmış yanıtlar verir. Ve AI ajanları size gözlemlenebilir davranış verir — ne söyledikleri, hangi araçları çağırdıkları, işleri hangi sırayla yaptıkları, harekete geçmeden önce sorup sormadıkları.
Bunların tümü kullanılabilir. Ve eğer kullanabilirseniz, gözlemleyebilirsiniz. Gözlemleyebilirseniz, üzerinde iddiada bulunabilirsiniz. Üzerinde iddiada bulunabilirseniz, mandal uygulayabilirsiniz.
Bu, geleneksel birim testlerinden çok daha büyük bir yüzey alanıdır. Size göstereyim.
GStack, benim açık kaynak kodlama ajanı çerçevemdir — 93.000 GitHub yıldızı, 701.000 satır kod, 46 beceri. Temel özelliklerinden biri etkileşimli plan incelemesidir: mimarinizi incelemesini istersiniz ve planı bölüm bölüm gözden geçirir, sorular sorar, uç durumları araştırır, varsayımlarınıza meydan okur. Kodu gerçekten okuyan bir mühendislik yöneticisine sahip olmak gibi.
Sorun: Claude Code bazen tüm etkileşimli kısmı atlardı. Plan dosyasını okur, tüm bulguları tek seferde döker ve çıkardı — kullanıcıya tek bir soru sormadan. İncelemenin tüm amacı ileri geri diyalogdur. Atlamak amacı bozar.
Bunu nasıl test edersiniz? "AI'ın bir konuşma yapıp yapmadığını" birim testiyle test edemezsiniz. Hiçbir geleneksel test çerçevesi bunu kapsamaz.
Bu yüzden Bun'un TTY işlevselliğini kullanarak, Claude Code'u kelimenin tam anlamıyla bir sözde terminal içinde başlatan, belirli bir depo senaryosu besleyen, inceleme becerisini tetikleyen ve terminal çıktısını gerçek zamanlı olarak izleyen bir test teçhizatı oluşturdum (PR #1354). Test, ajanın bitirmeden önce etkileşimli bir soru ateşleyip ateşlemediğini gözlemler. Bulguları döküp hiçbir şey sormadan çıkarsa, test başarısız olur.
Bu, kodu test etmek değildir. Bu, bir AI ajanının davranışsal bir sözleşmeye uyup uymadığını test etmektir. TTY düzeyinde. Kelimenin tam anlamıyla çalışmasını izleyerek.
Mandal yanıtı üç katmandı:
- Beceri talimatlarındaki DURDURMA kapıları — "bir sonraki bölüme geçmeden önce kullanıcıya SORMALISINIZ" diyen, modelin kendini atlamaya ikna edememesi için belirli hata modunu adlandıran anti-rasyonalizasyon maddeleri içeren açık kurallar
- Kısayol karşıtı madde — "plan dosyası, etkileşimli incelemenin ÇIKTISIDIR, onun yerine geçmez." Modelin sürekli kullandığı boşluğu kapatan tek bir cümle.
- Kapı seviyesi taban testleri — Claude Code'u kontrollü senaryolarda başlatan ve ajan en az bir etkileşimli soru sormazsa başarısız olan TTY teçhizatı testleri
Artık Anthropic yeni bir model sürümü gönderdiğinde veya bir beceri komutunu değiştirdiğimde, test paketi etkileşimli sözleşmedeki herhangi bir gerilemeyi yakalar. Ajan sessizce soru sormayı bırakamaz. Test terminali izler ve kontrol eder.
Veya yeni bir OpenClaw eklentisi gönderen PR #880'i ele alalım. Test yalnızca kodun derlendiğini kontrol etmez. Eklentiyi kaynaktan oluşturur, izole bir profilde gerçek bir OpenClaw örneği başlatır, eklentiyi CLI aracılığıyla kurar, çalışma zamanının onu yüklediğini doğrulamak için eklentileri inceleme komutunu çalıştırır, yapılandırma yuvasını ayarlar, yapılandırmayı doğrular ve sıfır tanılama olduğunu onaylamak için eklentiler doktor komutunu çalıştırır. İki ayrı program arasında tam bir uçtan uca gidiş dönüş. 359 satır test kodu. Bir insanın neredeyse hiçbir zaman elle yazmayacağı türden bir test çünkü kurulum çok sıkıcı. Claude bunu yaklaşık beş dakikada yazdı. Çaba duvarı gerçek zamanlı olarak ortadan kalkıyor.
Prensip genelleşir. İşletim sistemi düzeyinde test edebilirsiniz: geçiş doğru tabloları oluşturdu mu, cron işi ateşlendi mi, süreç hala canlı mı? Tarayıcı düzeyinde: sayfa işlendi mi, ajan formu doğru doldurdu mu. API düzeyinde: model doğru şemayla geçerli JSON döndürdü mü. Davranışsal düzeyde: ajan protokolü takip etti mi, silmeden önce sordu mu, durması söylendiğinde durdu mu.
Tüm yığın test edilebilir. Mandal bunun tümü için geçerlidir. Çoğu insan bunu henüz fark etmedi çünkü hala test kapsamını "fonksiyonum doğru sayıyı döndürdü mü" olarak düşünüyorlar. Gerçek test yüzeyi, bilgisayarın görebildiği her şeydir.
%90 rakamı
Peki %90 test kapsamı size gerçekte ne kazandırır?
Capers Jones, 10.000'den fazla yazılım projesini inceledi ve kusur giderme verimliliğini (DRE) ölçtü — kullanıcılara ulaşmadan yakalanan hataların yüzdesi. Applied Software Measurement kitabındaki verileri doğrusal olmayan bir eğri gösteriyor: %70 kapsamın altında, DRE yaklaşık %65-75'tir. %85-95 kapsamda, DRE %92-97'ye fırlar. İlişki doğrusal değildir. %85 civarında, kusur kaçışlarının keskin bir şekilde düştüğü bir dirsek vardır.
Havacılık endüstrisi bunu on yıllar önce çözdü. Uçuş açısından kritik yazılımlar için FAA standardı olan DO-178C, Seviye A sistemleri için değiştirilmiş koşul/karar kapsamı (MC/DC) gerektirir — bir hatanın uçak kazası anlamına geldiği sistemler. Dal kapsamı tek başına kusurların %10-20'sini kaçırır. Satır kapsamından daha katı olan MC/DC, >%99 DRE elde eder. Bunu bürokratlar evrak sevdiği için zorunlu kılmazlar. Veriler, belirli kapsam eşiklerinin altında, kritik kusurların insanları öldürmemekle bağdaşmayan oranlarda kaçtığını gösterdiği için zorunlu kılarlar.
Güvenilirlik mühendisliği paralelliği nettir. Fabrikalar kaliteyi ölçmek için Altı Sigma adlı bir sistem kullanır. Fikir: Milyon birim başına kaç kusur aldığınızı sayın, ardından bunu bir "sigma seviyesi" olarak ifade edin — daha yüksek sigma, daha az kusur anlamına gelir. 3 sigma süreç, milyonda yaklaşık 67.000 kusur üretir (oldukça kötü). 4 sigma süreç yaklaşık 6.200 üretir (on kat daha iyi). 5 sigma süreç 233 üretir (başka bir 27 kat daha iyi). 4'ten 5 sigmaya sıçrama, kademeli bir iyileştirme değildir. Bir faz değişimidir.
Test kapsamı aynı eğriyi izler. %70'ten %90 kapsama gitmek %30 daha iyi değildir. Bir büyüklük sırası daha az kaçıştır. %70'te sızan kusurlar, test edilmemiş kodun %30'unda saklanıyor. %90'da, saklanma yerleri %10'a düşer ve tehlikeli yolların çoğu kilitlenir.
Şimdi, araştırmanın ayrıca ne gösterdiği konusunda dürüst olmalıyım. Mockus, Nagappan ve Dinh-Trong, Windows Vista'yı inceledi ve kapsamın yayın sonrası daha az kusurla ilişkili olmasına rağmen, %90+'a ulaşma çabasının keskin bir şekilde arttığını buldu. Kapsamın son %20'si, ilk %70'ten orantısız bir şekilde daha fazla iş gerektirir. Bu on yıllardır böyledir. Çoğu ekibin %70-80'de durup yeterince iyi demesinin nedeni budur.
Ama bir şey değişti: AI kodlama ajanları çaba hissetmezler.
On dördüncü uç durum testini yazmaktan sıkılmazlar. Cuma günü saat 17:00'de köşeleri kesmezler. Çetrefilli bir entegrasyon testine bakıp "buna daha sonra dönerim" diye düşünmezler. İnsan ekiplerini %70'te durduran çaba eğrisi ajanlar için geçerli değildir. Claude'dan bir modüldeki her uç durum için test yazmasını isteyebilirsiniz ve o bunu neşeyle, titizlikle, sabahın 2'sinde, şikayet etmeden yapacaktır. İnsan ekipleri için %90 kapsamı pratik olmayan hale getiren acımasız son %20, AI ajanlarının en iyi olduğu türden bir iştir.
Asıl anahtar bu. AI'ın kodu daha hızlı yazmanıza izin vermesi değil. Pek çok insan bunu fark etti. AI'ın, daha önce sürdürmesi çok pahalı olan bir düzeyde doğrulamanıza izin vermesidir. Verilerin büyülü olduğunu söylediği %90 eşiği? Eskiden ulaşmak için çok fazla insan iradesine mal oluyordu. Şimdi ücretsiz.
Kilit ayrım budur. Mandal, gösteriş metriği olarak satır kapsamıyla ilgili değildir. Davranışsal sözleşmeleri kodlayan testlerle ilgilidir — sahip karışıklığı testi, ağırlık yuvarlama testi, etkileşimli inceleme kapısı. Her test, öğrenilen belirli bir dersi kilitler. Kapsam, sistemin davranışının ne kadarının sözleşme altında olduğunu söyleyen vekildir. %90'da, neredeyse her davranış değişikliği bir test sinyali tetikler. Ajan ya geçer (göndermek güvenlidir) ya da bir testi kırar (hemen yakalanır).
Kalan %10, entegrasyon noktaları, altyapı tesisatı ve gerçekten test edilmesi zor olan uç durumlardır. Sorun değil. %90, kaosu bir mandala dönüştüren şeydir.
%90'a ulaşmak eskiden kahramanca bir çabaydı. Şimdi sıradan bir Salı. Oyunu değiştiren şey bu.
Kavram kanıtı
Her iki projeye de yalnız başladım. Artık yalnız değiller.
GStack'in şimdi 37 katkıda bulunanı var. v1.30, tek bir sürümde 21 topluluk PR'ını içeriyordu. GBrain'in 25 katkıda bulunanı var. v0.31.1.1, tek bir PR'da 22 topluluk düzeltmesi aldı — kimlik doğrulama akışı, şema başlatma, senkronizasyon, gizlilik.
Bunu güvenli kılan mandaldır. Her harici PR, mevcut test paketini geçmelidir. Yeni bir katkıda bulunanın tüm sistemi anlaması gerekmez. Testleri geçirmeleri gerekir.
Geçen haftaki GBrain sürümleri hikayeyi anlatıyor:
- v0.31.0: gerçek zamanlı bellek için yeni bir gerçekler tablosu, artı kısa süreli anıları uzun süreli bilgiye yükselten bir rüya konsolidasyon aşaması
- v0.31.1: sessizce kullanıcının gerçek beyni yerine boş bir yerel veritabanına yönlendiren 25 CLI komutunu düzeltti
- v0.31.1.1: tek bir PR'da yirmi iki topluluk tarafından bildirilen düzeltme
- v0.31.2: sembolik bağlantıları olan büyük depolarda sonsuza kadar takılıp kalan bir kod senkronizasyonunu 30 saniyelik bir zaman aşımı ekleyerek düzeltti
Her sürüm bir öncekinden daha fazla testle gönderildi. Ajan, kodla birlikte testleri de yazıyor. Kapsam düşmüyor çünkü onu koruma çabası artık bir insan yükü değil.
Yeni karmaşıklık tavanı
Yazılım için karmaşıklık tavanı çok daha yükseldi.
Eskiden bir ekibin sistemi kafasında tutma yeteneğiyle sınırlıydı. Şimdi, tam kod tabanını, şema geçmişini, test paketini ve dokümantasyonu bağlama yükleyebilen bir kişi artı ajanlarla sınırlı.
Bu çok daha büyük bir sayı. Ve bağlam pencereleri büyüdükçe ve modeller kod hakkında akıl yürütmede daha iyi hale geldikçe büyümeye devam ediyor.
Bu modeli benimsemeyen her yazılım şirketi — ajanlar artı zevk artı yalnızca artan bir test paketi — zaten sahip olan bir kişiden daha yavaş ve daha düşük kaliteyle gönderim yapıyor.
Araçlar burada. Kod açık. Testler mandaldır. %90 kapsam, her PR, istisnasız.
Elli yıl boyunca, %90 kapsam havacılık ve tıbbi cihazlara ayrılmış bir lükstü — çaba duvarına insan saatleri atma bütçesine sahip ekipler. AI ajanları bu duvarı yıktı. Yazılımı güvenilir kılan kapsam eşiği artık pahalı değil. Sadece bir ayar. Soru, %90'ı karşılayıp karşılayamayacağınız değil. Karşılayamayacağınız olup olmadığı.
Mandal, beceriler ve tüm bilgi sistemi açık kaynaklı ve GitHub'da ücretsiz. Gidin inşa edin.
MIT lisanslı açık kaynak projelerim:
- GStack — Claude Code'u önemli ölçüde daha iyi hale getirir. 93K yıldız. Ücretsiz.
- GBrain — AI ajanları için ikinci beyniniz. 14K yıldız. Ücretsiz.
AI Açıklayıcı serisi:
- Şişman Beceriler, Şişman Kod, İnce Koşum — mimari
- Çözümleyiciler — zeka için yönlendirme tablosu
- LOC Tartışması — 600K satırın gerçekte ne ürettiği
- Çıplak Modeller Daha Aptaldır — model motordur, araba değil
- Beceri Manifestosu — her iş akışı test edilebilir bir beceri haline gelir
- Meta-Meta-Komut — birleşik beceriler ortaya çıkan yetenekler üretir
- Ajan Karmaşıklık Mandalı — buradasınız
https://x.com/garrytan/status/2054055071017538028
https://x.com/garrytan/status/2042925773300908103
https://x.com/garrytan/status/2044479509874020852
https://x.com/garrytan/status/2045404377226285538
https://x.com/garrytan/status/2045798603059548364
https://x.com/garrytan/status/2046876981711769720
