Kod Yazımının Ötesi: GitHub’dan Ajan Tabanlı Mühendislik Rehberi
Uzmoon · · 2 dk
Görsel: Wikideas1 / Wikimedia Commons / CC0
GitHub, yapay zeka araçlarıyla hızlanan kod üretiminin yazılım süreçlerinde yarattığı yeni darboğazları aşmak amacıyla ajan tabanlı mühendislik yaklaşımını duyurdu. Platformda haftalık 1,2 milyardan fazla commit kaydedilirken, geliştiricilerin kod inceleme sürelerinde ciddi bir artış yaşandığı belirlendi. Paylaşılan yeni yöntem, yapay zekayı salt bir kod yazım yardımcısı olmaktan çıkarıp tüm yazılım geliştirme aşamalarına dahil etmeyi hedefliyor.
Kod Üretimi Artarken İnceleme Süreleri Neden Uzadı?
GitHub verilerine göre Ekim ayında platformda bir haftada 1,2 milyardan fazla commit yapıldı ve bu sayı bir önceki yıla göre yüzde 400'ün üzerinde artış gösterdi. Ancak Faros AI tarafından gerçekleştirilen bir araştırma, ekiplerin yapay zekayı yoğun şekilde kullanmaya başlamasıyla çekme isteklerinin (pull request) incelemede yüzde 441 daha uzun süre beklediğini ortaya koydu. Kod yazımının hızlanması, geliştiricilerin inceleme, planlama ve test aşamalarında daha fazla baskı hissetmesine neden oldu.
Ajan Tabanlı Mühendislik Süreci Nasıl İşliyor?
GitHub, ortaya çıkan bu verimlilik sorununu çözmek adına yazılım döngüsünü dört temel adımda ele alan bir yaklaşım öneriyor:
- Planlama (Plan): Farklı araçlara dağılmış teknik gereksinimler ve tartışmalar Copilot aracılığıyla bir araya getiriliyor. Ekipler Slack veya Teams üzerinden iş birliği yaparken, işlerin karmaşıklığı etiketlenip düşük karmaşıklıktaki görevler doğrudan Copilot'a atanabiliyor.
- Geliştirme (Build): Copilot, görevleri bulut tabanlı yalıtılmış ortamlarda (cloud sandboxes) çalıştırarak geliştiricinin bilgisayarından bağımsız ilerletiyor. Farklı cihazlarda oturum devamlılığı sağlanırken, Copilot Fusion ile modele ve derinliğe göre görev dağılımı yapılabiliyor.
- Doğrulama (Verify): İnceleme kuyruklarını rahatlatmak için büyük değişiklikler küçük çekme isteklerine (stacked PR) bölünüyor. GitHub Code Quality, AI Scan ve otomatik onarım araçları sayesinde kod standartları ve güvenlik açıkları insan denetimine gelmeden önce çözülüyor.
- İzleme (Observe): Canlıya alınan kodlarda hata oluştuğunda, gözlemlenebilirlik araçları ve Fabric bağlayıcıları sayesinde sorunlar hızla incelenip otomatik hata bildirimlerine ve test senaryolarına dönüştürülüyor.
Tüm bu süreç boyunca devreye giren Copilot Dreaming özelliği, tamamlanan oturumları ve çekme isteği geri bildirimlerini tarayarak kurumsal hafızayı güncel tutuyor. Böylece geliştiricilerin aynı kuralları yapay zekaya defalarca anlatmasına gerek kalmıyor.
GitHub, ekiplerin bu dönüşüme birdenbire geçmek yerine iş akışlarında en çok zaman kaybettiren adımı seçerek başlamalarını ve ajan desteğini kademeli olarak genişletmelerini öneriyor.
Kaynak: GitHub Blog