İçeriğe geç

Blog

Ürün Geliştirme ve Teknoloji

Claude veya Codex ile Geliştirilen Projeler Neden Lansmandan Önce Tıkanır?

Claude Code ve Codex bir fikri birkaç günde çalışan bir prototipe dönüştürebilir; yine de bu projelerin çoğu lansmandan önce tıkanır. Son düzlüğün neden zorlaştığını ve yarım kalmış bir kod tabanını nasıl tamamlayacağınızı öğrenin.

7 dk. okuma
Kaba bir bloktan yükselen yarım kalmış mermer bir heykelin dithering tekniğiyle çizilmiş illüstrasyonu; işlenmemiş taşa oyulmuş, parlayan macenta renkli bir terminal imleci.
Facebook logosu
X logosu
LinkedIn logosu
Reddit logosu
Telegram logosu

Bir cuma akşamı aklınızda bir ürün fikriyle Claude Code’u açıyorsunuz. Pazar gününe gelindiğinde bir giriş ekranı, bir panel ve gerçek kayıtları saklayan bir veritabanı hazır. Üç hafta sonra proje hâlâ bir terminal sekmesinde açık duruyor ve her yeni oturum, bir önceki hafta çalışan bir şeyi bozuyor gibi görünüyor.

Bu örüntü, tanınabilir bir biçim kazanacak kadar yaygın. Anthropic’in Claude Code’u ve OpenAI’ın Codex’i gibi AI kodlama ajanları, bir ürünün ilk sürümünü üretmekte başarılı. Sonrasında gelen iş, yani bir demoyu müşterilerin güvenebileceği bir şeye dönüştürmek ise pek çok projenin yavaşlayıp durduğu yer.

Geliştiriciler de bunu hissediyor. Stack Overflow 2025 Geliştirici Anketi’nde katılımcıların %84’ü yapay zekâ araçlarını kullandığını ya da kullanmayı planladığını söyledi. Katılımcıların %66’sının dile getirdiği en yaygın şikâyet “neredeyse doğru ama tam olarak doğru olmayan yapay zekâ çözümleri” oldu; %45’i ise yapay zekânın ürettiği kodda hata ayıklamanın daha fazla zaman aldığını belirtti.

Bu yazıda Claude veya Codex ile başlatılan projelerin neden tıkandığını, bir ürünün hangi parçalarının genellikle yarım bırakıldığını ve yarım kalmış bir projeyi dışarıdan yardım alarak ya da almadan nasıl lansmana taşıyabileceğinizi ele alıyoruz.

Claude veya Codex ile başlatılan projeler neden yarı yolda tıkanır?

Bir proje genellikle her değişikliğin maliyeti sağladığı ilerlemeyi aşmaya başladığında tıkanır. İlk günlerde ajan boş bir klasörde çalışır; bu yüzden her istek görebileceğiniz bir şey ekler. Birkaç hafta sonra ise her istek zaten var olan koda dokunur ve her değişikliğin başka bir şeyi bozma ihtimali artar.

Hızı değerlendirmek de göründüğünden daha zor olabilir. METR’in 2025 tarihli randomize çalışması, deneyimli açık kaynak geliştiricilerin yapay zekâ araçlarını (Claude 3.5 ve 3.7 Sonnet ile Cursor) kullanmalarına izin verildiğinde görevleri %19 daha uzun sürede tamamladığını, buna karşın araçların kendilerini %20 hızlandırdığına inandıklarını ortaya koydu. Çalışma, 2025 başındaki araçları büyük ve olgun kod tabanları üzerinde ölçtü; modeller o zamandan beri gelişti. Yine de işin ne kadar hızlı ilerliyormuş gibi hissettirdiği ile gerçekte ne kadar hızlı ilerlediği arasındaki fark, proje büyüdükçe akılda tutulmaya değer.

Ajan geçen hafta alınan kararları unutur

Claude Code ve Codex, bir oturum boyunca ajanın projeniz hakkında bildiği her şeyi tutan bir bağlam penceresi (context window) içinde çalışır. Anthropic’in Claude Code rehberi, bağlam doldukça performansın düştüğünü ve ajanın önceki talimatları unutmaya başlayabileceğini belirtir. Yeni bir oturum başladığında, biri bunları depoya yazmadıysa önceki kararlar kaybolur.

Sonuç bir kaymadır. Bir oturum tarihleri metin olarak saklar, bir sonraki ise zaman damgası olarak. Bir ekran ortak buton bileşenini kullanır, bir diğerine yenisi yazılır. Her tercih tek başına makuldür; ancak bir araya geldiklerinde kod tabanını değiştirmeyi zorlaştırırlar.

Neredeyse doğru olan kod birikir

Neredeyse doğru olan kod, hızlı bir tıklama turundan geçer. Eksiklik daha sonra bir uç durum olarak ortaya çıkar: boş bir liste, yavaş bir ağ, aynı e-postayla iki kez kaydolan bir kullanıcı.

Testler olmadan ajanın kendi işini kontrol etme imkânı yoktur; bu yüzden bir uç durum için yapılan düzeltme sessizce bir başkasını bozabilir. Anthropic’in rehberi bunu açıkça ifade eder: “Claude, iş bitmiş göründüğünde durur.”

Ürünün ne yapması gerektiğini kimse yazmadı

Yapay zekâyla başlatılan pek çok proje tek bir prompt ile başlar ve her seferinde bir özellik eklenerek büyür. Kullanıcıların, temel yolculukların ya da ilk sürüm için “bitti”nin ne anlama geldiğinin yazılı bir tanımı yoktur. Ajan bu boşlukları makul tahminlerle doldurur; ekip ise hangi tahminlerin yanlış olduğunu ancak uygulamayı test ettiğinde öğrenir.

Yapay zekâyla geliştirilen bir projenin hangi parçaları genellikle yarım kalır?

Devralmamız istenen, yapay zekâyla geliştirilmiş projelerde kullanıcıların görebildiği ekranlar genellikle iyi durumdadır. Yarım kalan işin büyük kısmı bunların altında yatar.

Şekil 1: dithering tekniğiyle çizilmiş klasik bir tapınak cephesi; “demoda görünen” olarak etiketlenmiş ve altı bloğu eksik, kırmızıyla çerçevelenmiş bir temelin üzerinde duruyor: kimlik doğrulama, veri, ödemeler, güvenlik, testler ve dağıtım.
  • Kimlik doğrulama ve yetkiler. Kayıt ve giriş çalışır; ancak roller, şifre sıfırlama, oturum süresinin dolması ve her kullanıcının neyi görebileceğine dair kurallar çoğu zaman eksiktir.

  • Veri modeli ve migration’lar. Veritabanı şeması prototipleme sırasında defalarca değişmiştir ve gerçek kullanıcıların verisi içine girdikten sonra onu yeniden değiştirmenin güvenli bir yolu yoktur.

  • Ödemeler ve entegrasyonlar. Webhook’lar, yeniden denemeler ve başarısız ödeme durumları bir demoda nadiren görünür; oysa kayıtlarınızın ve ödeme sağlayıcınızın senkron kalıp kalmayacağını bunlar belirler.

  • Hata yönetimi ve boş durumlar. Ana akış çalışır. Yavaş bağlantılarda, başarısız isteklerde ve henüz verisi olmayan yeni kullanıcılarda ise çoğu zaman boş ekranlar ya da ham hata mesajları görünür.

  • Güvenlik. Veracode’un 2025 GenAI Kod Güvenliği Raporu, yapay zekâ tarafından üretilen kod örneklerinin %45’inin güvenlik testlerinde başarısız olduğunu ve OWASP Top 10 açıklarına yol açtığını ortaya koydu. İstemci kodundaki gizli anahtarlar, eksik girdi doğrulaması ve açık bırakılmış veritabanı kuralları sık karşılaşılan sorunlardır.

  • Dağıtım ve izleme. Uygulama bir dizüstü bilgisayarda çalışır. Canlı ortam ise ayrı ortamlar, yedekler, loglar ve bir şey bozulduğunda bunu fark etmenin bir yolunu gerektirir.

  • Testler. Otomatik testler olmadan her değişikliğin elle kontrol edilmesi gerekir ve ajan kendi işini doğrulayamaz.

Bunların hiçbiri sıra dışı sorunlar değil. Bir prototipi üründen ayıran sıradan işlerdir ve tek bir prompt ile tarif edilmeleri zordur.

Baştan mı başlamalısınız, yoksa elinizdekini mi tamamlamalısınız?

Bir proje tıkandığında yeni bir klasörde temiz bir oturum açmak cazip gelir. Boş bir proje, tıpkı ilki gibi yeniden hızlı hissettirir.

Yeniden başlamak sorunun kaynağını nadiren ortadan kaldırır. Gereksinimler, kararlar ve kontroller ilk seferde eksikse, ikinci sürüm de genellikle aynı noktada tıkanır. Sıfırdan yazmak ayrıca zaten çalışan parçaları da çöpe atar; yapay zekâyla başlatılan projelerin çoğunda bu, kodun büyük bir bölümüdür.

Daha iyi bir ilk adım, elinizde ne olduğunu ortaya çıkarmaktır. Kod tabanını gözden geçirin ve her parçayı üç gruptan birine ayırın: çalışıyor ve kalabilir; çalışıyor ama lansmandan önce düzeltilmesi gerekiyor; ya da değiştirilmesi gerekiyor. Deneyimimize göre son grup genellikle en kısa olanıdır.

Şekil 2: ekranları, temel kullanıcı akışlarını ve paneli “kalsın”; veritabanı şemasını, kimlik doğrulamayı ve ödemeleri “düzelt”; istemci tarafı koddaki API anahtarlarını “değiştir” olarak işaretleyen ve otomatik testlerin eksik olduğunu not eden örnek bir proje incelemesi.

Bir AI kodlama ajanıyla başlattığınız projeyi nasıl tamamlarsınız?

Aşağıdaki adımlar, Claude Code veya Codex’i kendiniz kullanmaya devam etseniz de bir ekip getirseniz de işe yarar. Her adım, bir sonrakini hem insanlar hem de ajanlar için kolaylaştırır.

İlk sürümün ne yapması gerektiğini yazın

Kullanıcıları, tamamlayabilmeleri gereken üç ila beş yolculuğu ve lansman kapsamı dışında kalanları listeleyin. Bu doküman, sonraki her oturum için referans hâline gelir. Daha büyük özellikler için Anthropic, uygulamaya geçmeden önce Claude’dan sizinle bir görüşme yapmasını ve eksiksiz bir spesifikasyonu bir dosyaya yazmasını istemenizi önerir.

Ajana okuyabileceği bir hafıza verin

Yalnızca bir sohbet geçmişinde yaşayan kararlar, oturum sona erdiğinde kaybolur. Claude Code her oturumun başında bir CLAUDE.md dosyası okur; Codex ise herhangi bir işe başlamadan önce AGENTS.md dosyalarını okur. Bunları her değişiklik için geçerli kurallar için kullanın: uygulamanın nasıl çalıştırılacağı, hangi kalıpların izleneceği, hangi klasörlere dokunulmayacağı ve nasıl test edileceği. Bu dosyaları kısa tutun; çünkü uzun talimat dosyaları, ajanın gerçekten önemli olan kuralları gözden kaçırmasını kolaylaştırır.

Halihazırda çalışan yolculukların etrafına testler ekleyin

Başka bir şeyi değiştirmeden önce, bugün çalışan temel yolculuklar için testler yazın. Testler elinizdekini korur ve ajana, siz olmadan çalıştırabileceği bir geçti/kaldı sinyali verir. Anthropic, ajanın çalıştırabileceği bir kontrolü “başında beklediğiniz bir oturum ile bırakıp gidebileceğiniz bir oturum arasındaki fark” olarak tanımlar.

İnceleyebileceğiniz küçük değişikliklerle çalışın

Her seferinde tek bir değişiklik isteyin, diff’i okuyun, testleri çalıştırın ve commit edin. Bağlamın eski denemelerle dolmaması için birbiriyle ilgisiz görevler arasında yeni bir oturum başlatın. Ajan aynı düzeltmede iki kez başarısız olursa, o oturumda onu düzeltmeye çalışmayı bırakın ve öğrendiklerinizle isteği yeniden yazın.

Canlı ortam eksiklerini risk sırasına göre kapatın

Daha önceki yarım kalanlar listesini, kullanıcı verilerini veya ödemeleri riske atan maddelerden başlayarak ele alın: güvenlik, kimlik doğrulama, veri migration’ları ve ödeme işlemleri. Görsel cilalama ve yeni özellikler, ürün gerçek kullanıcıların önüne çıkarılacak kadar güvenli hâle gelene kadar bekleyebilir.

Lansmandan önce ikinci bir göz edinin

Bazı sorunları projenin içinden görmek zordur. Kodu yazmamış bir geliştirici ya da diff’i incelemesi istenen yeni bir ajan oturumu, orijinal oturumun geçiştirdiği sorunları yakalar. Proje gelir veya müşteri verisiyle ilgileniyorsa ya da bir lansman tarihi varsa, deneyimli bir ekibin yapacağı inceleme genellikle ikinci bir sıfırdan yazımdan daha az maliyetlidir.

Sonuç

Claude Code ve Codex, bir ürünün ilk sürümünü geliştirmeyi çok daha ucuz hâle getirdi. Sonrasında gelen iş ise hâlâ ortada: ürünün ne yapması gerektiğine karar vermek, kararları oturumlar arasında tutarlı tutmak ve geliştirileni test etmek, güvenli hâle getirmek ve dağıtmak.

Tıkanmış bir proje, çoğu zaman hissettirdiğinden daha fazla lansmana yakındır. Halihazırda çalışan ekranlar ve akışlar gerçek bir ilerlemedir. Genellikle eksik olan; geriye ne kaldığının net bir listesi, her değişikliği kontrol etmenin bir yolu ve prototiplerin atladığı canlı ortam işleridir.

Vizio.ai, AI kodlama araçları veya uygulama oluşturucularla başlatılmış ürünleri devralmak isteyen ekiplere yardımcı olur. Kodu gözden geçirir, neyin kalabileceğine ve neyin düzeltilmesi gerektiğine karar verir ve zaten çalışan parçaları yeniden geliştirmeden ürünü canlı ortama taşırız.

Yarım kalmış bir ürününüz mü var? Bugün nerede durduğunu bize anlatın.

SSS.

01

02

03

04

05

Daha fazlası.

Dithered illustration of two marble hands pulling a mason's line taut between stakes across bare ground at dawn, the first course of stones laid along it and a pink knot at the nearest stake.
Your First 30 Days With a Product Studio: What Happens Week by Week
7 dk.

The first 30 days with a product studio: week one sets access and goals, week two tests the riskiest assumption, weeks three and four ship a first slice.

Dithered illustration of a marble hand opening the case of a bracket clock to show a dense hidden mechanism, one small gear deep inside glowing red.
What Does an AI Agent Cost to Run? Tokens, Tools and the Hidden Line Items
6 dk.

An AI agent's running cost is model tokens across every step, plus retries, tool and search fees, hosting, monitoring and human review. Budget per task, not per token.

Dithered illustration of a fragmented marble face looking down at a jeweller's tray where gems are sorted by size, the largest stone glowing amber under a brass lamp.
AI Lead Scoring in Your CRM: Start With the Rules You Already Trust
7 dk.

Add AI lead scoring by writing down the rules sales already trusts, cleaning CRM data, then testing the AI score against those rules before reps use it.

Önce yapay zekâyı düşünün.
Geleceğin hızında ilerleyin.

Sıradakini birlikte inşa edelim! Ürün fikirlerinden akıllı iş akışlarına, veri odaklı sistemlerden ölçeklenebilir büyüme operasyonlarına kadar.

Strateji Görüşmesi Planlayın