Agentic AI ile Django Yan Projesi Başlatmak: CLAUDE.md Bir Prompt Değil
Yan proje başlatmak, fikir aşamasından kodlamaya dek zorlu bir süreç olabilir. Ajan tabanlı yapay zeka iş akışları, Django ile geliştirme deneyiminizi kökten değiştirmeye hazır. Akıllı otomasyonla tanışın.
Günümüzde yazılım geliştirme dünyası, sürekli evrilen teknolojilerle birlikte hızla değişiyor. Özellikle yapay zeka (AI) ve makine öğrenimi (ML) alanındaki ilerlemeler, geliştirme süreçlerimizi dönüştürme potansiyeli taşıyor. Geleneksel olarak, bir fikirle yola çıkar ve bu fikri hayata geçirmek için adım adım kod yazarız. Ancak bu süreç, zaman zaman yorucu, tekrar eden görevlerle dolu ve verimsiz olabilir. İşte tam bu noktada, “ajan tabanlı yapay zeka iş akışları” (agentic AI workflows) devreye giriyor. Bu makale, CLAUDE.md gibi bir terimin neden basit bir “prompt” (komut istemi) olmadığını ve bu tür bir yaklaşımın, Django ile yan proje geliştirme sürecinizi nasıl kökten değiştirebileceğini detaylı bir şekilde ele alacak.
CLAUDE.md Nedir ve Neden Geleneksel Bir Prompt Değildir?
Birçok geliştirici, yapay zeka ile etkileşim kurarken “prompt” kavramına aşinadır. Basit bir soru sormak, bir kod parçası istemek veya bir metin özetletmek için kullanılan kısa, doğrudan komutlara prompt denir. Ancak “CLAUDE.md” gibi bir ifade, bu geleneksel prompt anlayışının ötesine geçer. CLAUDE.md, bu bağlamda, yapay zeka ajanına verilen basit bir komut olmaktan ziyade, karmaşık bir görevin, hedeflerin, kısıtlamaların ve hatta mevcut kaynakların detaylı bir tanımını içeren yapılandırılmış bir “görev tanımı dosyası” veya “iş akışı şeması” olarak düşünülebilir. Bu, AI’ın tek bir çıktı üretmek yerine, belirlenen hedefe ulaşmak için birden fazla adım atmasını, araçları kullanmasını ve hatta kendi stratejisini belirlemesini sağlar.
Geleneksel bir prompt ile ajan tabanlı bir görev tanımı arasındaki temel fark, derinlik ve özerkliktir. Örneğin, “Bana bir Django model kodu yaz” basit bir prompttur. AI, bu isteğe uygun bir model kodu üretir ve görevi biter. Ancak CLAUDE.md benzeri bir görev tanımı, şöyle bir yapıya sahip olabilir:
- Hedef: Bir e-ticaret uygulamasının temel sepet (cart) işlevselliğini Django ile geliştir.
- Gereksinimler:
- Kullanıcılar ürünleri sepete ekleyebilmeli, çıkarabilmeli ve miktarını güncelleyebilmeli.
- Sepet içeriği oturum bazlı (session-based) veya kullanıcı girişli (authenticated user) olmalı.
- Ürün modeli daha önce tanımlanmış olmalı.
- Kısıtlamalar:
- Sadece Django ORM kullanılmalı, SQL sorguları doğrudan yazılmamalı.
- Performans göz önünde bulundurulmalı.
- Mevcut Kaynaklar:
products/models.pydosyasında mevcutProductmodeli.- Proje ayarları (settings) ve URL yapılandırması.
- Çıktı Formatı:
- Yeni bir
cartuygulaması oluşturulmalı. - Modeller, görünümler (views), URL’ler ve temel şablonlar (templates) içermeli.
- Testler (isteğe bağlı) yazılmalı.
- Yeni bir
Bu tür bir yapı, yapay zeka ajanının sadece kod yazmakla kalmayıp, aynı zamanda bir proje yöneticisi gibi düşünüp, görevi alt görevlere ayırmasını, her bir alt görev için uygun araçları (kod editörü, test çerçevesi vb.) seçmesini ve nihayetinde belirlenen hedefe ulaşana kadar yinelemeli (iterative) bir süreç izlemesini sağlar. Bu, “CLAUDE.md”nin neden basit bir prompt değil, bir tür “proje manifestosu” veya “otonom görev planı” olduğunu açıklar. Bu yaklaşım, AI’ın sadece bir araç değil, aynı zamanda bir iş ortağı gibi hareket etmesine olanak tanır, böylece geliştiriciler daha stratejik ve yaratıcı görevlere odaklanabilir.
Agentic Yapay Zeka İş Akışları Nasıl Çalışır ve Geliştirme Sürecini Nasıl Dönüştürür?
Ajan tabanlı yapay zeka iş akışları, geleneksel yazılım geliştirme paradigmalarını kökten değiştirebilecek bir potansiyele sahiptir. Bu iş akışlarının temelinde, belirli bir hedefe ulaşmak için özerk bir şekilde hareket eden, planlama, uygulama, gözlemleme ve öğrenme yeteneklerine sahip yapay zeka “ajanları” bulunur. Bu ajanlar, karmaşık görevleri daha yönetilebilir alt görevlere ayırır, her adımda ilerlemeyi değerlendirir ve gerektiğinde stratejilerini ayarlarlar. Peki, bu süreç tam olarak nasıl işler?
- Hedef Belirleme ve Planlama (Goal Setting & Planning): İlk olarak, geliştirici veya kullanıcı, ajana net bir ana hedef sunar (örneğin, “Django ile bir blog uygulaması geliştir”). Ajan, bu hedefi analiz eder ve bu hedefe ulaşmak için bir dizi alt görev ve eylem planı oluşturur. Bu plan, veritabanı şeması oluşturmaktan, kullanıcı arayüzü (UI) bileşenlerini tasarlamaya kadar geniş bir yelpazeyi kapsayabilir.
- Araç Kullanımı (Tool Usage): Ajanlar, görevlerini yerine getirmek için çeşitli “araçları” kullanabilirler. Bu araçlar, kod editörleri, veritabanı yönetim sistemleri, test çerçeveleri, hatta web tarayıcıları veya API çağrıları olabilir. Örneğin, bir veritabanı modeli oluşturması gerektiğinde, ajan bir Python dosyasına erişebilir ve Django ORM sözdizimini kullanarak ilgili kodu yazabilir.
- Yürütme ve Gözlemleme (Execution & Observation): Ajan, planladığı adımları tek tek yürütür. Her adımın sonucunu dikkatlice gözlemler. Örneğin, bir kod parçası yazdıktan sonra, bu kodu çalıştırabilir, test edebilir ve hata olup olmadığını kontrol edebilir.
- Yansıtma ve Öğrenme (Reflection & Learning): En kritik adımlardan biri budur. Ajan, yürüttüğü eylemlerin sonuçlarını değerlendirir. Eğer bir hata oluştuysa veya beklenen sonuç alınamadıysa, ajan bu durumu analiz eder, hatanın nedenini anlamaya çalışır ve gelecekte benzer hatalardan kaçınmak veya stratejisini geliştirmek için öğrenir. Bu “düşünme” yeteneği, ajanların zamanla daha akıllı ve verimli hale gelmesini sağlar.
- İterasyon (Iteration): Ajan, ana hedefe ulaşana kadar bu döngüyü tekrar tekrar işletir. Her döngüde, elde ettiği bilgilerle planını güncelleyebilir, yeni stratejiler deneyebilir veya mevcut yaklaşımlarını iyileştirebilir. Bu sürekli iyileştirme süreci, özellikle karmaşık ve dinamik projeler için büyük avantaj sağlar.
Bu iş akışı, geliştirme sürecini birkaç önemli yolla dönüştürür:
- Otomasyon ve Verimlilik: Tekrar eden ve zaman alıcı görevler (boilerplate kod yazma, temel yapılandırma, basit testler) ajanlar tarafından otomatikleştirilebilir. Bu, geliştiricilerin daha yaratıcı problem çözme ve mimari tasarım gibi yüksek değerli görevlere odaklanmasını sağlar.
- Hata Azaltma: Ajanlar, kod yazarken veya sistemleri yapılandırırken insan hatası potansiyelini azaltabilir. Otomatik testler ve sürekli gözlem, hataların erken aşamada tespit edilmesine yardımcı olur.
- Hızlı Prototipleme: Yeni fikirler, ajanlar aracılığıyla çok daha hızlı bir şekilde prototiplere dönüştürülebilir. Bu, pazar ihtiyaçlarına daha hızlı yanıt verme ve yenilikçi çözümler üretme yeteneğini artırır.
- Bilgi Yönetimi: Ajanlar, proje gereksinimlerini, mevcut kodu ve öğrenilen dersleri sürekli olarak işleyebilir ve bu bilgiyi gelecekteki görevler için kullanabilir. Bu, projenin büyümesiyle birlikte bilgi tutarlılığını ve erişilebilirliğini artırır.
Özetle, ajan tabanlı yapay zeka iş akışları, yazılım geliştirme sürecini daha akıllı, daha özerk ve daha verimli hale getirerek, geliştiricilerin sadece kod yazmaktan öteye geçip, gerçek anlamda “mühendislik” yapmalarına olanak tanır. Bu, özellikle Django gibi kapsamlı çerçevelerde (framework) yan projeler başlatırken büyük bir avantaj sağlar.
Django Yan Projesi Fikrini Geliştirmek: Agentic AI ile İlk Adımlar Nasıl Atılır?
Bir yan proje başlatmanın en zorlu kısımlarından biri, belirsiz bir fikri somut, uygulanabilir bir plana dönüştürmektir. Geleneksel olarak bu, beyin fırtınası (brainstorming), araştırma ve manuel planlama gerektiren uzun bir süreçtir. Ancak ajan tabanlı yapay zeka iş akışları, bu ilk adımları önemli ölçüde hızlandırabilir ve daha verimli hale getirebilir. Peki, bir agentic AI ile Django yan projesi fikrinizi nasıl geliştirebilirsiniz?
İlk olarak, ajana projenizin temel amacını ve vizyonunu sunmanız gerekir. Bu, “CLAUDE.md” tarzı bir görev tanımının başlangıcıdır. Örneğin, “Yerel üreticilerden organik ürünlerin satıldığı bir e-ticaret platformu oluşturmak istiyorum” gibi genel bir ifadeyle başlayabilirsiniz. Ajan, bu başlangıç noktasından yola çıkarak size bir dizi soru sorabilir veya olası özellikler (features) ve kullanıcı hikayeleri (user stories) önerebilir. Bu interaktif süreç, fikrinizi netleştirmek için çok değerlidir.
Ajanın size yardımcı olabileceği bazı somut adımlar şunlardır:
- Gereksinim Analizi ve Özellik Belirleme:
Ajan, projenizin hedef kitlesini, temel işlevselliğini ve benzersiz satış noktalarını (unique selling points) anlamak için sorular sorar. Örneğin:
- “Platformunuzun ana kullanıcıları kimler olacak?”
- “Hangi temel özellikler (ürün listeleme, sepet, ödeme vb.) olmazsa olmazdır?”
- “Mevcut benzer platformlardan farkınız ne olacak?”
Bu soruların yanıtlarına dayanarak, ajan potansiyel özelliklerin bir listesini oluşturabilir ve bunları öncelik sırasına koymanıza yardımcı olabilir. Örneğin, bir e-ticaret sitesi için:
- Kullanıcı Kayıt/Giriş
- Ürün Görüntüleme ve Arama
- Sepete Ekleme/Çıkarma
- Sipariş Verme
- Satıcı Paneli (isteğe bağlı)
- Teknolojik Yığın (Tech Stack) Önerileri:
Projenizin gereksinimlerine ve ölçeklenebilirlik hedeflerine göre, ajan size uygun teknolojik yığını önerebilir. Django’yu zaten seçmiş olsanız bile, veritabanı (PostgreSQL, MySQL), ön yüz (frontend) teknolojileri (HTML, CSS, JavaScript frameworkleri), barındırma (hosting) çözümleri (Heroku, AWS, DigitalOcean) veya üçüncü taraf entegrasyonları (ödeme ağ geçitleri, e-posta servisleri) hakkında tavsiyelerde bulunabilir.
Ajanın önerisi şöyle olabilir:
"Veritabanı için PostgreSQL, ölçeklenebilirlik ve veri bütünlüğü açısından idealdir. Ön yüz için Django'nun kendi şablon motorunu kullanabiliriz, ancak daha dinamik bir deneyim için React veya Vue.js entegrasyonu da düşünülebilir." - Veritabanı Şeması Tasarımı:
Belirlenen özelliklere dayanarak, ajan temel veritabanı modellerini (models) taslak halinde oluşturabilir. Örneğin, bir e-ticaret platformu için
User,Product,Order,OrderItemgibi modellerin alanlarını (fields) ve ilişkilerini (relationships) tanımlayabilir. Bu, Django'nun ORM (Object-Relational Mapping) yapısına uygun olarak doğrudan kod taslağı şeklinde sunulabilir.Ajan tarafından önerilen bir
Productmodeli taslağı:# products/models.py from django.db import models class Product(models.Model): name = models.CharField(max_length=200) description = models.TextField() price = models.DecimalField(max_digits=10, decimal_places=2) stock = models.IntegerField(default=0) available = models.BooleanField(default=True) created_at = models.DateTimeField(auto_now_add=True) updated_at = models.DateTimeField(auto_now=True) def __str__(self): return self.name - Kullanıcı Akışları ve Arayüz Taslağı:
Ajan, kullanıcıların uygulamayla nasıl etkileşime gireceğini gösteren temel kullanıcı akışları (user flows) taslağı çıkarabilir. Örneğin, bir kullanıcının sepete ürün eklemesinden ödeme yapmasına kadar olan adımları listeler. Hatta basit HTML/CSS şablonları veya wireframe (tel kafes) önerileri sunarak, projenin görsel tarafı hakkında da ilk fikirleri verebilir.
Bu adımlar sayesinde, ajan tabanlı bir AI, sadece bir kod yazma aracı olmaktan çıkıp, bir "ürün yöneticisi" ve "çözüm mimarı" rolünü üstlenerek, yan proje fikrinizi sağlam temeller üzerine oturtmanıza yardımcı olur. Bu, geliştirme sürecine başlarken karşılaşılan belirsizlikleri azaltır ve daha odaklı bir başlangıç yapmanızı sağlar.
Agentic AI ile Django Projesi Kurulumu ve Temel Yapılandırma Nasıl Yapılır?
Fikir aşamasını tamamlayıp projenin temel hatlarını belirledikten sonra, sıra teknik kurulum ve yapılandırmaya gelir. Geleneksel olarak bu adımlar, manuel olarak komut satırından (command line) çeşitli komutlar çalıştırmayı ve dosya yapılarını oluşturmayı gerektirir. Ancak ajan tabanlı bir AI, bu süreci tamamen otomatikleştirerek geliştiricinin zamanını ve çabasını büyük ölçüde azaltabilir.
Ajanınıza, "CLAUDE.md" benzeri bir görev tanımı ile, projenin adını, hangi Django sürümünü kullanacağınızı ve belki de hangi ek uygulamaların (apps) başlangıçta oluşturulması gerektiğini belirtebilirsiniz. Örneğin, daha önceki e-ticaret projesi için ajana şunları söyleyebilirsiniz:
"Proje adı: ECommerceSite.
Gereksinimler: Django 4.2.x kullanılacak.
Uygulamalar: 'products', 'cart', 'accounts' uygulamalarını oluştur.
Veritabanı: SQLite (geliştirme için).
Hedef: Temel proje yapısını ve uygulamaları oluştur, veritabanını migrate et."
Bu talimatları alan ajan, aşağıdaki adımları özerk bir şekilde gerçekleştirebilir:
- Sanal Ortam (Virtual Environment) Oluşturma:
Ajan, projenin bağımlılıklarını izole etmek için bir sanal ortam oluşturur. Bu, projenin sistemdeki diğer Python projeleriyle çakışmasını engeller.
python -m venv venv source venv/bin/activate # Linux/macOS # veya venv\Scripts\activate # WindowsAjan, bu komutları otomatik olarak çalıştırır ve sanal ortamı etkinleştirir.
- Django Kurulumu:
Etkinleştirilen sanal ortama Django'yu kurar.
pip install Django==4.2.x - Django Projesi Oluşturma:
Belirtilen isimle yeni bir Django projesi başlatır.
django-admin startproject ECommerceSite .Buradaki nokta (
.), projenin mevcut dizinde oluşturulmasını sağlar, böylece ana proje dizini ile sanal ortam dizini aynı seviyede olur. - Uygulama (App) Oluşturma:
İstenen uygulamaları (
products,cart,accounts) otomatik olarak oluşturur.python manage.py startapp products python manage.py startapp cart python manage.py startapp accounts - Temel Yapılandırma (settings.py):
Oluşturulan uygulamaları
ECommerceSite/settings.pydosyasındakiINSTALLED_APPSlistesine ekler. Ayrıca, veritabanı ayarlarını (varsayılan olarak SQLite) ve diğer temel ayarları (örneğin,TIME_ZONE,LANGUAGE_CODE) kontrol edebilir veya optimize edebilir.# ECommerceSite/settings.py INSTALLED_APPS = [ 'django.contrib.admin', 'django.contrib.auth', 'django.contrib.contenttypes', 'django.contrib.sessions', 'django.contrib.messages', 'django.contrib.staticfiles', 'products', 'cart', 'accounts', ] - Veritabanı Göçü (Migrations):
Tüm bu yapılandırmaların ardından, veritabanı şemasını oluşturmak için gerekli göç (migration) komutlarını çalıştırır.
python manage.py makemigrations python manage.py migrate - Süper Kullanıcı (Superuser) Oluşturma (İsteğe Bağlı):
Ajan, projenin yönetici paneline erişmek için bir süper kullanıcı hesabı oluşturmanızı isteyebilir veya otomatik olarak güvenli bir şekilde oluşturabilir.
python manage.py createsuperuser
Bu adımların her birini manuel olarak yapmak yerine, ajan tabanlı bir AI, tüm bu başlangıç süreçlerini saniyeler içinde ve hatasız bir şekilde tamamlayabilir. Bu, geliştiricinin doğrudan iş mantığını (business logic) yazmaya ve uygulamanın çekirdek özelliklerine odaklanmasını sağlar. Ajan, ayrıca her adımda olası hataları tespit edip düzeltebilir, bu da kurulum sürecindeki frustrasyonu (hayal kırıklığı) minimuma indirir. Böylece, geliştirme sürecine çok daha hızlı ve sağlam bir başlangıç yapılmış olur.
Vaka Analizi: Agentic AI ile Basit Bir E-Ticaret Sepeti Uygulaması Oluşturma
Şimdiye kadar ajan tabanlı yapay zeka iş akışlarının teorik faydalarını ve temel kurulum adımlarını inceledik. Bu bölümde, somut bir vaka analizi yaparak, ajan AI'ın Django ile basit bir e-ticaret sepeti (cart) uygulaması oluşturma sürecinde nasıl yardımcı olabileceğini görelim. Amacımız, kullanıcıların ürünleri sepete ekleyebileceği, miktarını güncelleyebileceği ve sepetten çıkarabileceği temel bir işlevsellik geliştirmek.
Ajanımıza vereceğimiz görev tanımı (CLAUDE.md benzeri) şöyle olabilir:
"Görev: Django projesine temel bir sepet (cart) işlevselliği ekle.
Uygulama Adı: 'cart'
Gereksinimler:
1. Sepet, oturum bazlı (session-based) çalışmalı.
2. Ürünler (Product modeli products uygulamasından gelecek), sepete eklenebilmeli.
3. Sepetteki bir ürünün miktarı güncellenebilmeli.
4. Ürünler sepetten çıkarılabilmeli.
5. Sepet içeriği görüntülenebilmeli (cart_detail view).
6. Sepete ürün ekleme (cart_add), miktar güncelleme (cart_update) ve çıkarma (cart_remove) işlemleri için görünümler ve URL'ler oluşturulmalı.
Beklenen Çıktılar:
- cart/views.py dosyası
- cart/urls.py dosyası
- cart/templates/cart/detail.html şablonu
- Gerekirse, cart uygulamasında yardımcı fonksiyonlar."
Ajan, bu görev tanımını aldıktan sonra aşağıdaki adımları izleyebilir:
H3: 1. cart Uygulamasının settings.py'ye Eklenmesi
Ajan, ECommerceSite/settings.py dosyasını açar ve INSTALLED_APPS listesine 'cart' uygulamasını ekler (eğer daha önce eklenmediyse).
# ECommerceSite/settings.py
INSTALLED_APPS = [
# ... diğer uygulamalar ...
'products',
'cart', # Ajan burayı ekler
]
H3: 2. cart/views.py Dosyasının Oluşturulması
Ajan, sepet işlevselliği için gerekli görünümleri (views) oluşturur. Oturum bazlı sepet mantığı için Django'nun oturum (session) yapısını kullanır.
# cart/views.py
from django.shortcuts import render, redirect, get_object_or_404
from django.views.decorators.http import require_POST
from products.models import Product # products uygulamasından Product modelini içe aktarır
from .cart import Cart # Kendi yazdığı cart.py dosyasından Cart sınıfını içe aktarır
from .forms import CartAddProductForm # Kendi yazdığı forms.py dosyasından formu içe aktarır
@require_POST
def cart_add(request, product_id):
cart = Cart(request)
product = get_object_or_404(Product, id=product_id)