- Ana sayfa
- Öğrenme merkezi
- Yapay zekâ ajanları yazılım yaşam döngüsünde nereye oturur?
Yapay zekâ ajanları yazılım yaşam döngüsünde nereye oturur?
Son güncelleme
Yapay zekâ ajanlarının planlama, geliştirme, inceleme, test, yayın ve işletimde nerede yardımcı olduğu, çok ajanlı ekiplerin işi nasıl böldüğü ve bir insanın nerede devrede kalması gerektiği.
Bu sayfada
Yapay zekâ ajanları, yazılım yaşam döngüsüne her aşamanın (planlama, geliştirme, inceleme, test, yayın ve işletim) içinde çalışan işçiler olarak oturur; hesap verebilirlik taşıyan kararlar ise insanlarda kalır: neyin geliştirileceği, bir değişikliğin yayına çıkacak kadar iyi olup olmadığı ve canlı ortama neyin ulaşacağı. İşe yarayan kalıp şudur: sınırlı araçlarla sınırlı görevler yapan ajanlar, aşamalar arasında bağımsız kontroller ve belirli noktalarda onay veren bir kişi. Ajanlar işi hızlandırır; etrafındaki kapılara olan ihtiyacı ortadan kaldırmaz.
Yapay zekâ ajanı nedir
Yazılım teslimatında bir yapay zekâ ajanı, kendisine bir hedef, bir araç kümesi ve bir döngü verilmiş bir dil modelidir. Görevi okur, bir eyleme karar verir (bir dosya açmak, kodda arama yapmak, bir değişiklik yazmak, bir komut çalıştırmak), sonuca bakar ve hedefin karşılandığına karar verene veya bir sınıra takılana kadar bir sonraki eyleme karar verir.
Bir ajanı bir asistandan ayıran bu döngüdür. Otomatik tamamlama sonraki satırları önerir. Bir sohbet asistanı bir soruyu yanıtlar. Bir ajan ise pek çok adım boyunca kendi başına hareket eder ve çıktısı bir öneri değil, bir sonuçtur: bir plan, bir diff, bir test raporu, bir pull request.
Bundan üç şey çıkar:
- Ajanların sınırlara ihtiyacı vardır. Süre, token, hangi dosyaları ve araçları kullanabilecekleri ve hangi eylemlerin bir kişi gerektirdiği.
- Ajanların özgüvene değil, kanıta ihtiyacı vardır. Bir ajan, doğrulamadığı bir başarıyı bildirir. Test çalıştırmaları gibi sonuçlar, bir şeyleri gerçekten çalıştırmaktan gelmelidir.
- Ajanların bir kayda ihtiyacı vardır. Bir değişiklik bir model çağrıları döngüsüyle yapıldığında, onu sonradan anlamanın tek yolu neyin istendiğine, neyin yapıldığına ve kimin onayladığına dair bir kayıttır.
Yaşam döngüsü boyunca yapay zekâ ajanları
Ajanlar her aşamada yardımcı olabilir. Değişen, ne ürettikleri ve bir kişinin neyi elinde tutması gerektiğidir.
| Aşama | Ajanların iyi yaptığı | İnsanların elinde kalan |
|---|---|---|
| Planlama | Kod tabanını okumak, gereksinim taslağı hazırlamak, tasarım önermek, karar kaydı yazmak | Neyin geliştirileceğini seçmek ve tasarımı kabul etmek |
| Geliştirme | Testler ve dokümantasyon dahil değişikliği yazmak | Görev tanımı ve değişikliğin kapsamı |
| İnceleme | Diff'i hatalar, güvenlik riskleri ve eksik testler açısından okumak | Amacı ve tasarımı değerlendirmek, bulguları triyajdan geçirmek |
| Test | Test senaryoları planlamak, test yazmak, başarısızlıkları yorumlamak | Atlanan veya kararsız bir sonucun kabul edilebilir olup olmadığı |
| Yayın | Hazır olup olmadığını kontrol etmek, değişenleri özetlemek, sürüm notları hazırlamak | Merge'ü ve canlı ortam dağıtımını onaylamak |
| İşletim | Uyarıları triyajdan geçirmek, kök neden önermek, bir düzeltme önermek | Olayları ilan etmek ve kapatmak, müşteri iletişimi |
Sağdaki sütun, ajanların deneyemeyeceği görevlerin bir listesi değildir. Bir kararın, ondan sorumlu tutulabilecek birine ihtiyaç duyduğu yerdir.
Tek ajan ve çok ajanlı geliştirme
Genel amaçlı tek bir ajan bir değişikliği kendi başına planlayabilir, yazabilir ve test edebilir. Çok ajanlı geliştirme ise işi, belirli bir sırayla çalışan veya başka bir ajan tarafından koordine edilen, farklı rol ve talimatlara sahip ajanlara böler.
| Boyut | Tek ajan | Çok ajanlı |
|---|---|---|
| Yapı | Her şeyi tek bir döngü yapar | Planlayıcı, geliştirici, inceleyici, test eden gibi roller |
| Kontrol | Ajan kendi işini değerlendirir | Bir ajanın çıktısını bir başkası inceler |
| Bağlam | Her şeyi tek bir bağlam penceresi tutar | Her rol ihtiyaç duyduğu bağlamı alır |
| Maliyet | Görev başına daha düşük | Daha yüksek: daha fazla model çağrısı, tekrarlanan bağlam |
| Hata biçimleri | Kör noktalar sorgulanmadan kalır | Koordinasyon hataları; aynı modeldeki ajanlar aynı hatada uzlaşabilir |
| İzlenebilirlik | Tek bir uzun döküm | Rol başına bir adım, denetlemesi daha kolay |
Yaygın çok ajanlı kalıplar şunlardır: bir pipeline (sırayla planlama, geliştirme, inceleme, test), paralel bakış açıları (birkaç inceleyici aynı değişikliğe farklı açılardan bakar, ardından biri bulgularını birleştirir) ve tartışma (iki ajan yaklaşım önerir, üçüncüsü bunları eleştirir). Ajanları kesinlikle birbiri ardına çalıştırmak, üzerine akıl yürütmesi daha kolay bir yöntemdir, çünkü her adım kendisinden önceki her şeyi okuyabilir.
Ek ajanların değeri bağımsızlıktan gelir. Farklı bir prompt kullanan, gerçek diff'i gören ve kendi işini savunması istenmeyen bir inceleyicinin sorunları yakalama olasılığı, yazarın kendi işini yeniden okumasından daha yüksektir.
Döngüdeki insan
"Döngüdeki insan" (human in the loop), ajanın işinin bir kişi onaylayana kadar etkili olmaması demektir. Bu; ajanların hareket ettiği ve bir kişinin izleyip müdahale edebildiği "human on the loop" yaklaşımından ve kimsenin bakmadığı tam özerklikten farklıdır.
Kod için bir kişiye ihtiyaç duyan anlar, geri döndürülemez veya etkisi yüksek olanlardır: ana branch'e merge etmek, canlı ortama dağıtmak, altyapıyı veya erişim kontrolünü değiştirmek ve kuruluşun dışına veri gönderen her şey. Geri kalanı, kapılar yerinde olduğu sürece otomatikleştirilebilir.
İnsan incelemesinin gerçek mi yoksa bir formalite mi olduğuna iki pratik nokta karar verir:
- Görevler ayrılığı. Bir değişikliği isteyen kişi, başka biri onu inceleyebiliyorken tek onaylayıcı olmamalıdır. Aksi hâlde onay, yazarın kendisiyle aynı fikirde olmasından ibarettir.
- Onaylayıcının kanıta ihtiyacı vardır. Bir diff, test sonuçları, açık inceleme bulguları ve politika kararları, tek bir yerde. Bir kişiden bağlamsız büyük bir değişikliği onaylamasını istemek, göstermelik onaylar üretir.
Onay yorgunluğu gerçek bir risktir. Her önemsiz değişiklik bir kişi gerektiriyorsa insanlar okumadan onaylar. Hangi değişikliklerin ek dikkat gerektirdiğine karar vermek için politikaları kullanın ve gerisini otomatik kapılara bırakın.
Ajan tabanlı DevOps
Ajan tabanlı DevOps (agentic DevOps), ajanların teslimat ve operasyon işlerinde kullanılmasıdır: pipeline'ları ve altyapı kodunu değiştirmek, bağımlılıkları yükseltmek, olayları triyajdan geçirmek ve düzeltmeler önermek. Bu görevler, bir uygulama değişikliğinden daha geniş erişimi olan sistemlere dokunur; bu yüzden denetimler daha önemlidir:
- En az ayrıcalık. Bir ajan yalnızca görevinin ihtiyaç duyduğu araçları ve yolları alır. Kimlik bilgileri ajanın bağlamında değil, build işlerinde kalır.
- Yalıtım. Bir ajanın yazdığı kod, paylaşılan bir sunucuda veya bir geliştiricinin dizüstü bilgisayarında değil, bir sandbox içinde çalışır.
- Kod olarak politika. Kurallar, ajanların kendi başlarına neler yapabileceğine, neyin onay gerektirdiğine ve neyin yasak olduğuna karar verir; örneğin
infra/**altındaki her değişiklik. - Aynı kapılar. Bir ajanın pipeline değişikliği, diğer her değişiklik gibi testlerden, incelemeden ve onaydan geçer.
- Sonuç metrikleri. Dağıtım sıklığı, değişiklikler için teslim süresi, değişiklik hata oranı ve kurtarma süresi gibi teslimat ölçüleri, ajanların yardımcı olup olmadığını yazılan satır sayılarından daha iyi söyler.
Yapay zekâ ajanlarını teslimat sürecinize nasıl dahil edersiniz
- Sınırlı görevlerle başlayın. Tamamlanma tanımı net ve testleri iyi olan işler seçin; örneğin küçük özellikler, yeniden üretilebilen hata düzeltmeleri veya bağımlılık yükseltmeleri.
- Rolleri tanımlayın. Hangi ajanların planlayacağına, geliştireceğine, inceleyeceğine ve test edeceğine ve her birinin neyi okuyup kullanabileceğine karar verin.
- Aşamalar arasına kapılar koyun. Tam değişiklik üzerinde testler, gerçek diff'in incelenmesi ve engelleyici bir önem derecesi eşiği. Bkz. Kalite kapıları nedir?
- İnsan onaylarını yerleştirin. En azından merge'den önce ve riskli her şey için canlı ortamdan önce. Ekibin izin verdiği yerlerde yazarı ve onaylayıcıyı ayrı tutun.
- Politikayı yazın. Hangi iş akışlarının onaysız başlayabileceği, hangi yolların inceleme gerektirdiği, hangi araçların ve dağıtımların yasak olduğu.
- Süreye ve harcamaya üst sınır koyun. Ajanlar döngüye girer. Çalıştırma başına ve dönem başına sınırlar belirleyin. Bkz. Yapay zekâ ile kodlama ne kadara mal olur?
- Kayıt tutun. Her değişiklik için: görev, ajanlar ve modeller, bulgular, testler, onaylar ve teslimat.
- Sonuçları ölçün. Öncesi ve sonrası için teslim süresini ve değişiklik hata oranını karşılaştırın ve kapsamı yalnızca sayılar desteklediğinde genişletin.
AI CodeOps bunu nasıl yapar
AI CodeOps, yaşam döngüsü boyunca yapay zekâ ajanlarını tarayıcıda çalıştırır. Her oturum, her biri Architect, Builder, Reviewer ve Tester gibi ajanların birbiri ardına çalıştırdığı sabit bir adım listesi olan 16 yerleşik iş akışından birini çalıştırır. Varsayılan iş akışı Plan, Build, Review & Test bu dördünü sırayla çalıştırır; diğerleri güvenlik açısından hassas değişiklikleri, yayın hazırlığını, bağımlılık yenilemelerini ve olay müdahalesini kapsar. Her adım önceki adımların yazdıklarını görür. Paralel, tartışma (debate) veya sürü (swarm) olarak etiketlenen iş akışları, adımların aynı anda çalıştığını değil, işi nasıl böldüklerini tarif eder.
Değişikliği uygulayan adımdan sonra değişiklik reponun yeni bir kopyasına karşı yazılır ve sizin kendi testleriniz çevrimdışı bir sandbox içinde çalışır. Review ve Test gibi işi kontrol eden adımlar bundan sonra, yazılmış değişiklik ve kaydedilen test sonucu üzerinde çalışır. Ardından ayrı bir inceleme diff'i okur ve bulguları kaydeder. Sonra bir kişi onaylar. Çalışma alanında onay verebilecek başka biri varken oturumu başlatan kişi onay oyunu kullanamaz; tek kişilik bir çalışma alanı kendi değişikliğini onaylayabilir. Pull request ancak bundan sonra açılır.
Bir çalışma alanı politikası, oturumların bir kişi olmadan neler yapabileceğine karar verir. Bu örnek, bağımlılık yükseltmelerini başlamadan önce onay için bekletir, altyapı değişiklikleri için inceleme ister, canlı ortama otomatik dağıtımları engeller ve bir MCP aracını ajanlardan uzak tutar:
[
{
"id": "approve-dependency-refresh",
"action": "workflow.dispatch",
"resource": "dependency-refresh",
"decision": "ask",
"description": "A person approves before a dependency upgrade session starts"
},
{ "id": "review-infra-changes", "action": "diff.apply", "resource": "infra/**", "decision": "ask" },
{ "id": "no-production-deploys", "action": "release.deploy", "resource": "production", "decision": "deny" },
{ "id": "no-repo-deletes", "action": "mcp.invoke", "resource": "github/delete_*", "decision": "deny" }
]
Eşleşen en katı kural kazanır ve düz bir izin dışındaki her karar kaydedilir. Her değişiklik; görevi, modelleri, adımları, bulguları, testleri, onayları ve teslimatı listeleyen imzalı bir kanıt paketi olarak indirilebilir.
Planlama aşaması için Yapay zekâ planlaması, tüm yerleşik iş akışları için İş akışları, baştan sona bir oturum için AI CodeOps nasıl çalışır ve kurallar için Onaylar ve politikalar sayfalarına bakın.
Daha derine inin
- Bir yapay zekâ kodlama iş akışında insan onayları nereye konmalı: hangi kararların bir kişiye ihtiyaç duyduğu, kodu bir ajan yazdığında görevler ayrılığı ve onay yorgunluğundan kaçınmak.
- Yazılım teslimatı için çok ajanlı kalıplar: pipeline'lar, paralel incelemeler, tartışma, orkestratörler ve doğrulama döngüleri ve her birinin nasıl başarısız olduğu.
Sık sorulan sorular
Yapay zekâ kodlama asistanı ile yapay zekâ ajanı arasındaki fark nedir?
Bir asistan, siz istediğinizde yanıt verir veya kodu tamamlar. Bir ajana ise bir hedef verilir ve ajan, işin bittiğine karar verene kadar dosya okumak, kod düzenlemek veya araç çalıştırmak gibi eylemler seçerek bir döngü içinde bu hedefe doğru çalışır.
Çok ajanlı geliştirme nedir?
Bir görevi, her birinin kendi talimatları olan planlayıcı, geliştirici, inceleyici ve test eden gibi farklı rollerdeki birkaç ajana bölmektir; böylece iş bölünür ve bir ajanın çıktısı bir başkası tarafından kontrol edilir.
Yapay zekâ ile kodlamada döngüdeki insan ne anlama gelir?
Ajanın işi etkili olmadan önce, genellikle bir değişiklik merge edilmeden veya dağıtılmadan önce, belirli noktalarda bir kişinin onay vermesi gerekir. Ajan önerir; karar bir kişinindir.
Ajan tabanlı DevOps (agentic DevOps) nedir?
Pipeline değişiklikleri, bağımlılık yükseltmeleri ve olay müdahalesi gibi teslimat ve operasyon işlerinde, insan değişiklikleriyle aynı denetimler altında yapay zekâ ajanları kullanmaktır: en az ayrıcalık, kapılar, onaylar ve bir denetim izi.
Daha fazla ajan daha iyi sonuç mu demektir?
Kendiliğinden değil. Ek ajanlar maliyet ve koordinasyon yükü getirir ve aynı model üzerine kurulu ajanlar aynı hataları paylaşabilir. Bir rolü, diğerlerinin kontrol etmediği bir şeyi kontrol ettiğinde ekleyin.