AI Yazılım Geliştirme Eğitimi
Bölüm 1 – Harness Mühendisliği Temelleri
Öğrenecekleriniz:
- Bir AI editörüne dadılık etmenin neden ölçeklenmediği
- Harness mühendisliği: insanlar yönlendirir, ajanlar uygular
- CodeFactory CLI ile bir repoyu bootstraplamak
- Yığın, risk katmanları ve mimari sınırları tespit etmek
- Ajan kontrol düzlemi olarak CLAUDE.md yazmak
- Promptları ve guardları kod olarak sürümlemek
- Pre-commit hookları, risk politikası geçitleri ve korunan dosyalar
Bölüm 2 – GitHub Actions'ta Otomatik Geliştirme
Öğrenecekleriniz:
- Issue triage, planner ve implementer ajanları
- Yapılandırılmış verdiktlere sahip read-only review ajanları
- Düzeltme döngüleri ve korunan dosyaların otomatik geri alınması
- SHA disipliniyle risk kapılı CI pipeline'ları
- Doc gardening ve haftalık harness metrikleri
- Tüm issue → PR → merge döngüsünü canlı çalıştırmak
- Harnessleri kendi kod tabanınıza uyarlamak
Uzmanlığınızı SergileyinSertifikamızla!
AI editörüne dadılık etmeyi bırakın
Bugün çoğu geliştirici AI’yi yanlış yolla kullanıyor. Cursor veya Copilot Chat’te oturur, bir öneriyi kabul eder, kaydırır, bir tane daha kabul eder, geri alır, yeniden dener, bir hatayı sohbete geri yapıştırır ve günü tamamlar. Üretken hissettirir, ancak bu AI kostümü giymiş manuel iştir. İnsan hâlâ darboğazdır. Ajan hâlâ tahmin yürütür. Hiçbir şey tekrarlanabilir değil, hiçbir şey incelenebilir değil ve hiçbir şey bir geliştirici ve bir dalın ötesinde ölçeklenmez.
Bu eğitim modeli tersine çevirir. Ekibiniz, AI kodlamayı editörden çıkarıp GitHub Actions’a taşımayı öğrenecek; burada ajanlar efemeral runner’larda çalışır, sürümlenmiş promptlar ve otomatik kalite kapıları tarafından korunur. Geliştirici bir issue açar, bir pull request’i inceler ve merge’e tıklar. Aradaki her şey — triage, planlama, uygulama, kod incelemesi, düzeltme — standart CI altyapısında otomatik olarak gerçekleşir.
CodeFactory harness araç seti
CodeFactory
üzerinde öğretiyoruz; bu, herhangi bir mevcut repoya eksiksiz bir ajan-güvenlik harness‘ini bootstrap eden açık kaynaklı bir CLI’dır. Tek bir komut — codefactory init — ve reponuz yığınınıza uyarlanmış 16 harness ve 14+ GitHub Actions iş akışı kazanır:
- Her dosyayı Tier 1, 2 veya 3 olarak sınıflandıran ve doğru seviyede incelemeyi zorunlu kılan bir risk sözleşmesi (
harness.config.json) - Sözleşmeleri, bağımlılık kurallarını ve korunan dosyaları açıklayan ajan talimatları (
CLAUDE.md) - Herhangi bir kod yazılmadan önce netliği, tekrarlanabilirliği ve kapsamı değerlendiren bir issue triage ajanı
- Kod tabanını salt okunur şekilde okuyan ve yapılandırılmış bir uygulama planı gönderen bir issue planner
- Bir dal oluşturan, değişikliği uygulayan, temel doğrulamayı çalıştıran ve bir PR açan bir issue implementer
- Salt okunur araçlarla çalışan ve ikinci bir hafif model tarafından sınıflandırılan bir APPROVE / REQUEST_CHANGES / COMMENT verdikti yayan bir review ajanı
- İncelemesi verdiktleri uygulayıcıya geri besleyen ve bir insana yükseltmeden önce üç otomatik düzeltme döngüsüne kadar bir düzeltme döngüsü
- Harnessin kendisini sağlıklı tutan doc gardening, yapısal testler, harness smoke testleri ve haftalık metrikler iş akışları
Her şey repoda yaşar. Harici dashboardlar, satıcı kilitlenmesi, gizli durum yoktur. Bir promptu düzenlemek normal bir pull request’tir.
Gerçek üretim örneği: sport-affiliate
QualityUnit/sport-affiliate üzerinden yürüyoruz; bu, tam CodeFactory harnessini çalıştıran gerçek bir üretim monoreposudur (üç Next.js sitesi, bir paylaşılan motor ve bir Python veri pipeline’ı). Onu çalıştıran gerçek iş akışı dosyalarını, promptları ve guard scriptlerini okuyacaksınız:
- Tüm issue → PR → merge döngüsünü orkestre eden 15 GitHub Actions iş akışı
.codefactory/prompts/içindeki dört özelleştirilmiş prompt (issue-triage.md,issue-planner.md,issue-implementer.md,review-agent.md)- Her ajan çalışmasını pre-flight yapan ve başlaması gerekip gerekmediğine karar veren TypeScript guard scriptleri (
scripts/*-guard.ts) - Tam Next.js derlemelerini (her biri 25 dakika) atlayıp type-check + lint + yapısal testler lehine dört aşamalı fail-fast CI pipeline’ı
- SHA disiplini: her alt akış işi, risk kapısı tarafından raporlanan tam SHA’yı check out eder, böylece bir ajan pipeline’ın ortasında race-push yapamaz
- Bir ajan dokunursa otomatik olarak geri alınan korunan dosyalar (
.github/workflows/*,harness.config.json,CLAUDE.md, kilit dosyaları, deployment yapılandırmaları) - Review promptu PR dalından değil,
origin/main‘den yüklenir — böylece ajan tarafından yazılan PR’lar kendi reviewer’larıyla oynayamaz
Uçtan uca geliştirici deneyimi şöyle görünür: bir insan bir issue açar. Triage ajanı onu etiketler, gerekirse açıklayıcı sorular sorar ve planner’a devreder. Planner bir uygulama planını yorum olarak gönderir. Implementer issue-N oluşturur, değişikliği uygular, kalite kapılarını çalıştırır ve bir PR açar. Review ajanı inceler. Değişiklikler talep edilirse, implementer review-fix modunda tekrar dispatch edilir — üç döngüye kadar — ardından bir insana yükseltilir. Tek insan dokunma noktaları issue’yu açmak ve nihai merge’i onaylamaktır.
Ekibiniz neleri eve götürecek
Eğitim sonunda geliştiricileriniz kendi repolarında tam olarak bu kurulumu bootstraplayabilecek, kendi ajan promptlarını yazıp ayarlayabilecek, mimarilerine uygun risk katmanları tanımlayabilecek ve Mean-Time-To-Harness ve SLO metrikleri aracılığıyla harnessin gerçekten çalışıp çalışmadığını ölçebilecek. Oyuncak bir örnek değil, gerçek bir reponuzda çalışan bir harness ile ayrılacaklar.
Bir sonraki gruba katılın
Yerinizi Bugün Ayırtın!
Gelecek beklemez — mühendislik iş akışınızı otomatikleştirmeye başlamak için şimdi bizimle iletişime geçin ve AI yazılım geliştirme eğitiminizi rezerve edin.