Bu makalede, son birkaç aydır kodlama sürecimi daha etkili hale getirmek için kullanmaya başladığım temel yeni tekniklerden birini ele alacağım: Tüm kodlama ajanlarımla ve oturumlarımla tek bir merkezi “çoban” ajan aracılığıyla etkileşime girmek.
Bu sistemde, çalışan farklı kodlama ajanları arasında manuel olarak geçiş yapmak ve bir yanıt vermem veya bir eylemde bulunmam gerekip gerekmediğini kontrol etmek yerine, hepsiyle tek bir merkezi kodlama ajanı (“çoban” olarak adlandırılır) üzerinden etkileşime giriyorum. Böylece iş aramak için daha az zaman harcayıp, mevcut görevleri tamamlamaya ve ajanların sorularını yanıtlamaya odaklanabiliyorum. Bu da yeni ajanlar başlatmak veya insan testleri yapmak gibi diğer işler için daha fazla zaman yaratıyor.
Son iki aydır bu teknikleri uygularken, önceki ve sonraki performansımı karşılaştırarak verimlilikte %30’dan fazla artış gözlemledim.




Bu infografik, makalenin ana içeriğini özetliyor. ChatGPT tarafından tasarlanan “çoban” adlı merkezi bir orkestratör ajanı kullanarak tüm kodlama ajanlarınızla nasıl daha verimli etkileşime girileceğini anlatacağım.
Neden merkezi bir çoban aracılığıyla etkileşime girilmeli?
Bir merkezi çoban kullanmanın temel nedeni, birçok kişinin çalışan farklı kodlama ajanı oturumlarını tek tek kontrol ederek bir yanıt gerekip gerekmediğini anlamak için çok fazla zaman harcamasıdır.
Elbette, şu an kullandığım Paradev gibi yeni IDE’ler, bir kodlama ajanının kullanıcıdan bekleyip beklemediğini veya meşgul olup olmadığını gösteren görsel bir gösterge sunuyor. Ancak deneyimlerime göre bu göstergeler en az üçte bir oranında yanlış çıkıyor; bu da bir çoban kullanmayı daha verimli kılıyor. Aşağıdaki resimde bu görsel göstergeye bir örnek yer alıyor.
Bu resim, Paradell’in oturumların kullanıcı girdisine ihtiyaç duyup duymadığını nasıl gösterdiğini yansıtıyor. Oturumun yanında yeşil bir simge varsa, bu genellikle ajanların kullanıcıdan beklediği anlamına gelir. Ancak tecrübelerime göre bu gösterge sık sık yanlış bilgi veriyor: Ya aslında hazır değilken yeşil yanıyor ya da beklerken yeşil görünmüyor. Resim: Yazar.
Dolayısıyla, daha verimli bir programcı olmak için paylaştığım tekniklerin çoğunda olduğu gibi, merkezi bir çoban kullanmanın iki ana nedeni var:
-
Tüm oturumları tek tek kontrol ederek bir ajanın nerede beklediğini anlamak zorunda kalmadığınız için zaman kazanırsınız.
-
Ne yapmanız gerektiğini düşünerek zihinsel enerji harcamadığınız için zihinsel yükünüz azalır. Çoban sizin yerinize önceliklendirme yapar; siz sadece ajanların sorularını yanıtlarsınız.
Ayrıca, merkezi bir çoban aracılığıyla etkileşime girmek, ajanlarla nasıl iletişim kuracağınızı kişiselleştirmenize olanak tanır. Başlangıçta çobanım sadece yeni bir Paradev oturumuydu. Ancak kısa sürede, her oturumun bilgilerini istediğim formatta sunan özel bir HTML sayfası oluşturarak verimliliğimi daha da artırabileceğimi fark ettim. Bu kurulumun nasıl yapıldığını makalenin ilerleyen kısımlarında detaylı olarak göstereceğim.
Bir çoban ajanı nasıl kurulur?
Şimdi bir çoban ajanının nasıl kurulacağını ele alalım. Bunu yapmak için iki ana yöntem bulunur. Birincisi, Anthropic’in Haiku 5.5 modeli gibi düşük maliyetli modelleri kullanarak “polling” (sorgulama) oturumları kurmaktır. Bu yöntemde, çalışan tüm kodlama oturumlarını sürekli kontrol eden ve herhangi bir güncelleme —özellikle de kullanıcıdan bir talep geldiğinde— çoban ajanına bildiren ucuz ajanlar kullanılır.
Bu kurulum işe yarar: basit, anlaşılması kolay ve tutarlıdır. Örneğin, ucuz bir ajanla sorgulamaların her dakika yapılmasını ayarlayabilirsiniz. Bu, ajanların çalıştırma maliyetinin çok düşük olması ve yalnızca bir oturumda değişiklik olduğunda yeniden çalışmaları gerektiğinden sürdürülebilirdir. Evet, bu gerçekten basit bir çözüm.
İkinci yöntem ise daha verimli olan bir tür “webhook” kurulumudur. Bu yaklaşımda, çalışan tüm kodlama ajanlarına, bir görevi tamamladıklarında veya kullanıcıdan girdiye ihtiyaç duyduklarında belirli bir fonksiyonu çağırmaları talimatını verirsiniz. Bu fonksiyon, çobana ilgili oturumda bir güncelleme olduğunu ve kullanıcı girdisine ihtiyaç duyulduğunu bildirir. Böylece çoban, ne zaman ve neyi sorması gerektiğini anında bilir. Bu yöntem biraz daha fazla kurulum gerektirse de daha verimlidir ve benim de tercih ettiğim yöntem budur.
Bu, HTML tabanlı bir kurulumdur ve aşağıdaki resimde nasıl yapılandırıldığı gösterilmektedir.
Bu resim, webhook ve “watchdog” (gözetim) mekanizmasını birleştiren çoban kurulumumu özetliyor. Resim: Yazar.
Kod yazmak, düzenlemek veya anlamak istediğimde genellikle oturumlarımı çoban aracılığıyla yönetirim. İşleyiş şu şekildedir: Bir görev dikkatimi gerektirdiğinde çoban beni anında bilgilendirir ve görevlere göre önceliklendirme yapar. Yani en acil görevler ilk olarak bana ulaşır. Bu görev genellikle çobandan gelen bir soru şeklinde sunulur ve aynı zamanda HTML tabanlı açıklamalar da içerir. Bu, önceki makalelerimde anlattığım bir tekniktir: Kod tabanının bir kısmını veya ajanın ne sorduğunu anlamaya çalıştığımda, ajana durumu açıklayan bir HTML raporu oluşturmasını isterim. HTML raporları görsel olarak anlaşılır olduğu için tutarlı bir format benimsemek kolaylaşır.
Soruları yanıtladıktan sonra ise genellikle yeni kodlama oturumları başlatırım. Bunları da çoban aracılığıyla yaparım; çoban bu oturumları yeni Paradev oturumlarına dönüştürür ve onları da izlemeye başlar.
···
Bu yaklaşımı uygularken karşılaştığım bazı zorlukları da açıklamak istiyorum. Başlangıçta polling yöntemini kullandım ve bu fena çalışmıyordu. Ancak pek verimli değildi, çünkü çoğu zaman sorgulama yapıldığında yeni bir güncelleme olmuyordu. Daha sonra webhook kurulumuna geçtim: Her kodlama oturumu, bir güncelleme olduğunda çobana doğrudan bildirim gönderiyordu. Fakat bu yöntem de bir sorun yarattı.
Zamanla bu sistemin bazen tıkanabildiğini fark ettim. Bunun birçok nedeni olabilirdi: Örneğin Claude’un API’sinde bir sorun olması, bir oturumun aniden durması veya Cloudflare ile ilgili küçük teknik aksaklıklar gibi.
Bu sorunu çözmek için farklı bir kodlama ajanında çalışan ayrı bir “genel bakış” veya orkestratör ajanı ekledim. Ben OpenAI’nin Codex modelini tercih ettim çünkü bu modeli daha iyi buluyorum. Modele, tüm oturumları izlemesini ve herhangi bir oturumun durması durumunda onu yeniden başlatmaya çalışmasını, başarısız olursa da durumu derhal çoban ajanına bildirmesini söyledim.
Bu orkestratör kurulumu, tüm alt ajanların beklendiği gibi çalışmaya devam etmesini sağlamama yardımcı oldu.
Sonuç
Bu makalede, “çoban” olarak adlandırdığım merkezi bir orkestratör oturumu uygulayarak kodlama verimliliğinizi nasıl %30 artırabileceğinizi anlattım. Benim için bu yöntem inanılmaz bir verimlilik artışı sağladı: Çalışan tüm kodlama ajanı oturumlarını manuel olarak kontrol etmek yerine, her oturumun sorularını doğrudan yanıtlamaya odaklanabiliyorum. Artan zamanımı ise yeni ajanlar başlatmak veya manuel insan kalite kontrolü yapmak için kullanabiliyorum. Kurulum oldukça basit: Tek bir oturumu merkezi orkestratör veya çoban olarak ayarlayıp, onun diğer tüm ajanları izlemesini sağlamanız yeterli. Daha önce de belirttiğim gibi, bunu uygulamanın iki yolu var: polling ve webhook. Ben kesinlikle webhook yöntemini tercih ediyorum.
👋 İletişime Geçin
👉 Ücretsiz E-kitabım ve Webinerim:
🚀 LLM’lerle Mühendislik Performansınızı 10 Kat Artırın (Ücretsiz 3 Günlük E-posta Kursu)
📚 Vision Language Models üzerine ücretsiz e-kitabımı edinin
💻 Vision Language Models üzerine webinarım
👉 Sosyal medyada bulun:
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔




Söz sizde.
Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.