---
title: "Otonom Kod Ajanlarını Ölçeklendirmek: Doğrulama Döngüleri ve Sıkı Sürekli Entegrasyon Kuralları Yüksek Hızlı Yazılım Teslimatını Nasıl Mümkün Kılıyor"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-11-02"
language: "tr"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-11-02-scaling-engineering-velocity-with-ai-agents/"
original_url: "https://research.deepvalues.ai/insights/2026-11-02-scaling-engineering-velocity-with-ai-agents/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-11-02-scaling-engineering-velocity-with-ai-agents-tr/"
markdown_url: "https://research.deepvalues.ai/insights/2026-11-02-scaling-engineering-velocity-with-ai-agents-tr/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Otonom Kod Ajanlarını Ölçeklendirmek: Doğrulama Döngüleri ve Sıkı Sürekli Entegrasyon Kuralları Yüksek Hızlı Yazılım Teslimatını Nasıl Mümkün Kılıyor, https://research.deepvalues.ai/insights/2026-11-02-scaling-engineering-velocity-with-ai-agents-tr/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "ai"
sources:
  - title: "Lauren Tan - SpaceXAI engineer"
    url: "https://www.youtube.com/watch?v=EWSUvEyFwjc"
audio: "https://anchor.fm/s/119061124/podcast/play/128667982/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-10-3%2Fe64d5fed-62d8-b448-e1f2-97513e908b3f.m4a"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/4zd36X5aJZaVenfToy1SfN"
---
# Otonom Kod Ajanlarını Ölçeklendirmek: Doğrulama Döngüleri ve Katı CI Koruma Kuralları Yüksek Hızlı Yazılım Teslimatını Nasıl Mümkün Kılar?

Modern yazılım mühendisliği kuruluşları, mikro yönetimle yürütülen Yapay Zekâ [AI] eşli programlamadan ayda yüzlerce ila binlerce Birleştirme İsteğini [PR] sonuçlandırabilen otonom ajan filolarına geçerek köklü bir paradigma değişimi gerçekleştiriyor. SpaceXAI mühendisi Lauren Tan'ın ifade ettiği gibi, yapay zekâyla kod üretimini ölçeklendirmek, basit bir istem oluşturma çalışmasından ziyade temelde bir mühendislik yönetimi sorunudur. Mühendislik ekipleri manuel gözetime, satır satır kod incelemelerine ve esnek istem yönergelerine dayandığında, insan geliştirici ajanların ölçeklendirilmesini sınırlayan eşzamanlı bir darboğaza dönüşür. Yüksek özerklikle yürütmeye geçiş, insan gözetiminin programatik doğrulama döngüleri, yapılandırılmış özellik eşleştirmesi ve deterministik Sürekli Entegrasyon [CI] koruma kurallarıyla değiştirilmesini gerektirir. Mühendislik ekipleri, mimari değişmezleri doğrudan statik analiz araçlarına ve çalışma zamanı doğrulama düzeneklerine kodlayarak, kod tabanının bozulmasını sistematik biçimde önlerken yürütmeyi paralel bulut ajanlarına devredebilir.

---

## Güven Darboğazı: Kod Ajanlarını Ölçeklendirmek Neden Bir Mühendislik Yönetimi Sorunudur?

### 1. Temel Sorunu Sentezlemek
Yapay zekâ destekli yazılım teslimatındaki başlıca sürtüşme noktası, geliştiricilerin ajan çıktılarına güvenmemesidir. Yazılım ajanları sıklıkla gerçekte olmayan soyutlamalar üretir, kök nedenleri yanlış teşhis eder ve geçersiz düzeltmeleri kendinden emin biçimde önerir. Lauren Tan'ın Vision Sabbat YouTube kanalındaki bir röportajda gözlemlediği gibi, ajanlar çoğu zaman “yüzüncü kez kesin kanıtı bulduklarını kendinden emin biçimde söyler”, ancak altta yatan sorun tamamen çözümsüz kalır.

Mühendislik ekipleri ajan kullanımını insanın döngüde yer aldığı geleneksel eşli programlamayla ölçeklendirmeye çalıştığında, iş akışı hızla aşılması güç bir tavana ulaşır. Bir mühendisin üretilen her kod satırını incelemesi, yerel derlemeleri manuel olarak test etmesi ve değişiklik farklarını doğrulaması gerekiyorsa, insan geliştirici tek bir sıralı yürütme noktasına dönüşür. Bu eşzamanlı darboğaz, bir veya iki yerel ajanın ötesine geçilmesini sınırlayarak mühendislik iş akışlarında gerçek paralelleştirmeyi engeller.

### 2. Yönetim Analojisini Kurmak
Lauren Tan, bu operasyonel dinamiği analiz etmek için yapay zekâ kod ajanlarını yönetmek ile insan yazılım mühendislerini yönetmek arasında doğrudan bir paralellik kurdu. Geleneksel mühendislik yönetiminde, doğrudan kendisine bağlı çalışanlara güvenmeyen bir yönetici kaçınılmaz olarak mikro yönetime yönelir; geliştiricileri sürekli gözetler, birleştirme isteklerini durmaksızın denetler ve üretim ortamındaki kesintileri önlemek için her kod satırını inceler.

```
       HIGH |                                     [ Fleet Autonomy ]
            |                                     Auto-merging PRs &
            |                                     Cloud Parallelization
   TRUST    |                                  /
            |                             /
            |                        /
            |   [ Micromanagement ]
        LOW |   Manual Prompting & 1-in-Loop
            +---------------------------------------------------
                LOW                                     HIGH
                               VELOCITY
```

Ajan özerkliğini ölçeklendirmek, Tan'ın “güven eğrisi” olarak tanımladığı eğride yükselmeyi gerektirir. Ajanların benimsenmesinin ilk aşamasında geliştiriciler, yürütme döngüsü içinde eşzamanlı çalışır; tek tek ajanlara manuel istemler verir ve her değişiklik farkını inceler. Güven eğrisinde yükselmek, ajan çıktılarının nesnel ve otomatik doğrulamasını sağlayan sistemlerin tasarlanmasını gerektirir. Yüksek güvenin tesis edilmesi, kurumsal paradigmayı eşzamanlı mikro yönetimden eşzamansız yetki devrine kaydırarak otonom bulut ajanı filolarının kodu bağımsız biçimde derlemesine, test etmesine ve birleştirmesine olanak tanır.

---

## Programatik Doğrulama ve Özellik Eşleştirmesi: Ajan Döngüsünü Kapatmak

### 1. Adım Adım Doğrulama Mekanizmasını Açıklamak
Ajan tabanlı mühendislik mimarilerinde programatik doğrulama, ajanlara hedef uygulamaların çalışma zamanı ortamlarıyla doğrudan etkileşime girebilecekleri açıkça tanımlanmış yürütme araçları sağlamak olarak tanımlanır. Bir Büyük Dil Modelinden [LLM] kodunun doğru çalışıp çalışmadığını tahmin etmesini istemek yerine, programatik doğrulama döngüsü ajanın derlemeleri yürütmesini, çalışma zamanı ortamlarını incelemesini, Merkezi İşlem Birimi [CPU] performans izlerini kaydetmesini, öbek belleği anlık görüntülerini analiz etmesini ve mobil cihaz veya tarayıcı simülatörlerini çalıştırmasını sağlar. Web ve masaüstü uygulamalarında ajanlar, Kullanıcı Arayüzünü [UI] programatik olarak kontrol etmek için Chrome DevTools Protocol [CDP] gibi protokoller üzerine kurulu becerilerden yararlanır.

Lauren Tan bu mekanizmayı bir mutfak analojisiyle açıkladı: programatik doğrulama olmadan bir ajana güvenmek, restoran yöneticisinin bir yemeğin lezzetli olup olmadığını tahmin etmek için kâğıttaki tarifleri okumasına eşdeğerdir; programatik doğrulama ise baş aşçıya hazırlık sırasında yiyeceği sürekli tatması, ölçmesi ve ayarlaması için mutfak istasyonları sağlar. Ajanlara yürütme araçları sunmak, geri bildirim döngüsünü otomatik olarak kapatır. Doğrulama mimari zarafeti garanti etmese de insan tarafından kod incelemesi yapılmadan önce davranışsal doğruluğu deterministik biçimde doğrular.

### 2. Özellik Haritası Mimarisini Ayrıntılandırmak
Tan'ın açık kaynaklı PStack (Potato Stack) eklentisinde sunulan programatik doğrulamanın kritik bir bileşeni “özellik haritası”dır; bu eklenti, adı Gary Tan'ın GStack adına gönderme yapan bir geliştirici beceri aracıdır. Özellik haritası, ajanların karmaşık sistemlerde hataları çözmeye veya özellikleri uygulamaya çalışırken karşılaştığı kod tabanında gezinme sorununu çözer.

```
+-----------------------------------------------------------------------+
|                             FEATURE MAP                               |
+-----------------------------------------------------------------------+
|  User Context / Vague Report: "Left sidebar is laggy on click"         |
+-----------------------------------------------------------------------+
                                  |
                                  v
+-----------------------------------------------------------------------+
|  DOM Attributes & Selectors : [data-testid="sidebar-toggle"]          |
|  Keyboard Shortcuts         : Cmd+B / Ctrl+B                          |
|  Code Base Location         : src/components/sidebar/Sidebar.tsx      |
|  CDP Execution Action       : cdp.click('#sidebar-toggle')            |
+-----------------------------------------------------------------------+
```

Kullanıcılar yalnızca “???” notuyla işaretlenmiş bir Slack ekran görüntüsü gibi düşük kaliteli, belirsiz hata bildirimleri gönderdiğinde, yapısal bağlamdan yoksun bir ajan etkilenen bileşenleri bulmakta zorlanır. Özellik haritası, kullanıcı arayüzü öğelerini doğrudan kod tabanındaki dosya yollarıyla, Belge Nesne Modeli [DOM] öznitelikleriyle, test tanımlayıcılarıyla, klavye kısayollarıyla ve CDP yürütme seçicileriyle eşleştirerek bu boşluğu açıkça kapatır.

Ajanlar, PStack içindeki `create_verification_skill` ve `maintain_verification_skill` gibi beceriler aracılığıyla kod tabanlarını sistematik olarak analiz ederek yapılandırılmış özellik kayıtları oluşturur. Belirsiz bir hata bildiriminin işlenmesi, ajanın özellik haritasıyla çapraz kontrol yapmasını, doğrudan hedef kullanıcı arayüzü öğelerine gitmesini, CDP aracılığıyla etkileşim akışlarını yürütmesini, performans ölçümlerini kaydetmesini ve hatanın giderildiğini doğrulamasını sağlar.

### 3. Ajan Becerilerinin Değerlendirilmesini ve Bakımını Ayrıntılandırmak
Geliştirme ekipleri, ajan araçlarını ve becerilerini zaman içinde korumak için yapay zekâ ajanı becerilerinin birim testleri olarak işleyen otomatik değerlendirme çerçevelerini devreye almalıdır. Değerlendirme uygulama kılavuzu dört aşamalı bir yürütme düzenini izler:

1. **Değerlendirme Ölçütlerinin Oluşturulması:** Koordinatör ajan, beklenen araç davranışlarını ve nicel puanlama ölçütlerini tanımlayan açık bir değerlendirme ölçütleri seti oluşturur.
2. **Yalıtılmış Ortamda Yürütme:** Alt ajanlar, rastgele ve anlaşılması güç adlar atanmış yalıtılmış geçici dizinlerde görevleri yürütür. Büyük dil modelleri bir değerlendirme düzeneği içinde olduklarını algılayıp yürütme davranışlarını değiştirerek ciddi değerlendirme yanlılığına yol açabildiğinden, dizin adlarının anlaşılmaz hâle getirilmesi kesinlikle gereklidir.
3. **Çok Modelli Matris Değerlendirmesi:** Tek modelden kaynaklanan puanlama yanlılığını ortadan kaldırmak için farklı temel modellerden oluşan bir matris üzerinde çalışan hakem ajanlar, alt ajanların performansını koordinatörün ölçütlerine göre değerlendirir.
4. **Tepe Tırmanma Optimizasyon Döngüleri:** Otomatik optimizasyon döngüleri (Cursor içinde `/loop` yürütmek gibi), model matrisi genelinde hedeflenen değerlendirme puanlarına (örneğin, 10 üzerinden 10) ulaşılana kadar beceri talimatlarını ve araç parametrelerini sürekli iyileştirir.

Tan, ajan becerilerinin bakımının sürekli insan gözlemi ve mühendislik muhakemesi gerektirdiğini vurguladı. Geliştiriciler, beceri geliştirme sırasında araç çağrısı günlüklerini ve ajanların düşünme bloklarını inceleyerek incelikli başarısızlık biçimlerini belirlemeli ve düzeltici talimatları kalıcı becerilere dönüştürerek resmileştirmeli; süreci aktif biçimde yönlendiren gözetmenler olarak hareket etmelidir.

---

## Katı Mimari Koruma Kuralları: Esnek İstemlerden CI ile Zorunlu Uygulamaya Geçiş

### 1. Esnek Kuralları Katı Deterministik Kısıtlarla Karşılaştırmak
Yalnızca markdown biçem kılavuzları, istem kuralları veya `AGENTS.md` talimat dosyaları gibi esnek istem kısıtlarına dayanmak, kaçınılmaz olarak kod tabanının bozulmasına yol açar. Kısıtlanmamış ajanlar, yerel görevleri tamamlamak için en az direnç gösteren yolu seçtiğinde, geçersiz soyutlamalar, yinelenen mantık ve birikmiş teknik borçla nitelenen “organik mimari” üretir.

Uzun vadeli yapısal bütünlüğü korumak için yazılım mimarileri Lauren Tan'ın temel tasarım paradigmasını uygulamalıdır: ajanlar doğal olarak yapısal kestirmelere başvurduğundan, kod tabanı mimarisi **en kısa yol yapısal açıdan en iyi ve doğru yol olacak şekilde** tasarlanmalıdır. Mühendislik ekipleri, esnek yönergelere bağımlılığı katı CI kontrollerine kaydıran kademeli bir koruma kuralları çerçevesi aracılığıyla bu paradigmayı zorunlu kılmalıdır.

| Katman | Zorunlu Uygulama Düzeyi | Mekanizma / Araçlar | Özellikler |
| :--- | :--- | :--- | :--- |
| **1. Kod Tabanı Mimarisi ve Kapsülleme** | Katı (Deterministik) | Özelliklerin aynı konumda tutulması, katı dizin sınırları, özel içe aktarma kuralları | En kısa yolu doğru yol hâline getirerek mimari karşıt örüntüleri yapısal olarak önler |
| **2. Statik Analiz ve Derleyici Tanılamaları** | Katı (Deterministik) | Katı derleyiciler (örneğin, Rust ödünç alma denetleyicisi), özel kod denetleyicileri, CI kontrolleri | İnsan incelemesinden önce değişmez ihlallerinde derlemeleri deterministik olarak başarısız kılar |
| **3. Otomatik Kod İncelemesi** | Esnek / Yarı Deterministik | Yapay zekâ kod inceleyicileri (örneğin, Bugbot), otomatik birleştirme isteği analizi | Birleştirme isteği doğrulaması sırasında bağlamsal kusurları yakalar |
| **4. Ajan Becerileri ve Biçem Kılavuzları** | Esnek (Deterministik Olmayan) | Markdown kuralları, istem talimatları, biçem kılavuzları | Modeller tarafından kolayca göz ardı edilir veya tutarsız uygulanır |

3 ve 4 katmanlarındaki esnek yönergeler yararlı bağlam sunsa da otonom ajanların geçersiz kodu birleştirememesini garanti etmek için 1 ve 2 katmanlarındaki katı statik analiz ve mimari kapsülleme zorunludur.

### 2. “Dune” Mimari Vaka Çalışmasını Analiz Etmek
Deterministik koruma kurallarının pratik uygulaması, Grokbot masaüstü uygulamasının yeniden düzenlenmesinde görülür. Grokbot, Electron uygulamaları için Next.js olarak tanımlanan ve özellikle ajan güdümlü yazılım teslimatı için tasarlanmış özel bir dahili çerçeve olan “Dune” kullanılarak oluşturulmuştur.

Dune mimarisi, uygulamanın çalışma zamanı performansını korumak ve tekrarlayan ajan başarısızlık biçimlerini ortadan kaldırmak için CI işlem hatlarında katı deterministik kurallar uygular:

* **React Kancalarının Yasaklanması:** Durum eşzamanlama hatalarını ve istenmeyen yeniden işlemeleri önlemek için React'in `useEffect` kancası kod tabanının tamamında kesinlikle yasaktır. `useEffect` tespit edilirse CI derlemeleri derhâl başarısız olur.
* **Satır İçi Kod Yorumlarının Yasaklanması:** Uygulama kodundaki yorumlar kesinlikle yasaktır. Tan, ajanların sıklıkla geçmişe ilişkin açıklamalar ürettiğini veya geçici birleştirme isteği inceleme yorumlarını yanlış yorumladığını gözlemledi; örneğin, `"Lauren bunu asla yapmamamızı söyledi"` gibi tek bir inceleme notunu sabit bir kod yorumuna dönüştürmeleri, gerçekte olmayan kalıcı genel kısıtlar üretir ve modelin bağlam pencerelerini kirletir. Kod yorumlarının yasaklanması, kendi kendini belgeleyen kod yazılmasını zorunlu kılar ve bağlamın bozulmasını önler.
* **Süreç Sınırlarının Zorunlu Yalıtımı:** Electron uygulamaları, ana düğüm süreci ile görüntüleyici kullanıcı arayüzü iş parçacığı arasında katı bir ayrım gerektirir. Saniyede 60 Kare [FPS] düzeyinde akıcı performansı korumak için gerekli olan kare başına 16 milisaniyelik yürütme bütçesini korumak amacıyla, hesaplama yükü ağır işlemler ve Girdi/Çıktı [IO] görevleri görüntüleyici iş parçacığında yasaktır. Dune, mantığı `electron_main` ve `electron_renderer` dizinlerinde yalıtarak ve dizinler arası içe aktarmaları engellemek için otomatik CI bağımlılık grafiği kontrollerini kullanarak bunu zorunlu kılar.

---

## Bulut Ajanı Otomasyonu ve Sektör Genelinde Ürünlere Etkileri
### 1. Otonom Hata Yeniden Üretimi ve Bulut İş Akışları
Yerel doğrulama araçlarının ve katı sürekli entegrasyon koruma mekanizmalarının oluşturulması, yazılım tesliminin yerel istem kullanımından bulutta barındırılan otonom ajan filolarına geçmesini sağlar. Bu dönüşüm, Cursor'daki "Benny" gibi şirket içi bulut otomasyon ajanlarıyla örneklenmektedir.

```
  [ User Feedback ] (Slack / Support Channels)
         |
         v
  [ Benny Cloud Agent ] (Spawns Isolated Cursor Cloud Environment)
         |
         v
  [ Execute Verification Skill ] (Launches App, Simulates UI Input)
         |
         +---> Bug Reproduced? ---> Yes ---> Generate Fix & Submit PR
         |
         +---> Already Fixed on Main? ---> Confirm Resolution & Notify Team
```

Benny, Slack kanallarından ham kullanıcı geri bildirimlerini ve hata raporlarını otomatik olarak alır. Bir rapor alındığında Benny, bulutta yalıtılmış bir Cursor masaüstü örneği başlatır, uygulamanın çalışma ortamını yürütür ve bildirilen hatayı programatik olarak yeniden üretmek için kayıtlı doğrulama becerilerini devreye alır.

Tam doğrulama yetenekleriyle donatılmış yalıtılmış bir ortamda çalışmak, Benny'nin bir sorunun devam edip etmediğini veya ana dalda zaten çözülmüş olup olmadığını bağımsız olarak belirlemesini sağlar. Bu otomasyon, mühendislerin düşük kaliteli kullanıcı raporlarını yeniden üretmeye çalışırken elle çaba harcama ihtiyacını ortadan kaldırır.

### 2. Mühendislik Dışı Rollerde Geliştirmenin Demokratikleşmesi
Deterministik sürekli entegrasyon koruma mekanizmaları, ürün geliştirme kuruluşlarının operasyonel dinamiklerini temelden değiştirir. Mimari değişmezler, bellek sınırları ve performans bütçeleri derleyiciler ve sürekli entegrasyon betikleri tarafından deterministik biçimde uygulandığında, Ürün Yöneticileri, Kullanıcı Deneyimi tasarımcıları ve Pazara Giriş personeli dahil olmak üzere mühendislik dışı çalışanlar güvenle özellik geliştirebilir ve üretim ortamına yönelik çekme istekleri gönderebilir.

Altyapı, kurallara uymayan uygulamaları otomatik olarak reddettiği için teknik olmayan katkı sağlayıcılar, kod tabanının kararlılığını veya performans bütçelerini tehlikeye atmadan Grokbot gibi doğal dil arayüzleri üzerinden işlevsel iyileştirmeler geliştirebilir.

Bu operasyonel model, belirli ekonomik ödünleşimler ve Yatırım Getirisi ödünleşimleri sunar:

* **Başlangıçtaki Belirteç Sermaye Harcamaları:** Kapsamlı doğrulama paketlerinin oluşturulması, çok ajanlı değerlendirme matrislerinin yürütülmesi ve yapısal yeniden düzenleme yapılması, başlangıçta önemli miktarda belirteç harcaması gerektirir. Grokbot uygulamasının Dune mimarisine göre yeniden düzenlenmesi, 600 üzerinde ayrı çekme isteği gerektirdi.
* **İşgücü Verimliliği Kazanımları:** Başlangıçtaki yüksek belirteç harcaması, insan mühendislik iş yükündeki büyük azalmalarla dengelenir. Yüksek kapasiteli ajan yürütme işlem hatları, kuruluşların küçük ekiplerle çalışmasını sağlayarak büyük mühendislik departmanlarının organizasyonel yükünden kaçınmalarına olanak tanır. Sürekli hakem döngülerinin ve ajan değerlendirme matrislerinin ekonomik uygulanabilirliği, daha yüksek kıyaslama performansı sunarken 4.5 sürümünün belirteç fiyatlandırmasını koruyan Grok 4.6 gibi en ileri modellerle daha da artar.

---

## Mimari Sınırlamalar ve Açık Mühendislik Soruları

### 1. Temel Sınırlamaların ve Uç Durumların Belgelenmesi
Yüksek özerklikli ajan filolarıyla elde edilen hız iyileştirmelerine rağmen, mevcut mimari yaklaşımlar belirgin mühendislik sınırlamaları ve ödünleşimler ortaya çıkarır:

* **Başlangıçtaki Belirteç Gideri:** Sürekli doğrulama işlem hatları oluşturmak ve yüzlerce çekme isteği içeren yeniden düzenleme çalışmalarını yürütmek, çok büyük miktarda belirteç tüketir. Kısıtlı belirteç bütçeleriyle çalışan ekipler için doğrulama araçlarını oluşturmak üzere gereken sermaye, yatırım getirisi elde edilmeden önce önemli bir engel oluşturabilir.
* **Sıfırdan Prototipleme Riskleri:** Yapısal koruma mekanizmaları olmadan uygulamaları hızla prototiplemek ("sezgisel kodlama"), ciddi mimari teknik borç yaratır. Açık kapsülleme sınırları ve statik kısıtlar olmadığında ajanlar, kod tabanlarının hızla kontrolden çıkmasına neden olan kolaycı kestirme yolları seçer; bu durumun düzeltilmesi sonunda yüzlerce çekme isteği içeren büyük yeniden düzenleme operasyonları gerektirir.
* **Bakım ve Mühendislik Muhakemesi Yükü:** Otomatik doğrulama sistemleri, kıdemli mühendislik muhakemesine duyulan ihtiyacı ortadan kaldırmaz. Değerlendirmeler oluşturmak, özellik haritalarını güncellemek ve sürekli entegrasyon kısıtları belirlemek, derin alan uzmanlığı ve aktif yönlendirici gözetim gerektirir.

---

## Temel rakamlar

* **1,000 çekme isteği:** Lauren Tan'ın önceki ay Cursor'da otonom ajanlar kullanarak kod tabanına dahil ettiği çekme isteği sayısı.
* **Yaklaşık 800 çekme isteği:** Lauren Tan'ın mevcut ayda kod tabanına dahil ettiği çekme isteği sayısı (ayın 12. günü itibarıyla).
* **20 çekme isteği:** Tek bir günde, gece boyunca otomatik olarak birleştirilen ve ana dalda doğrulanan, ajanlar tarafından oluşturulmuş çekme isteği sayısı.
* **600+ çekme isteği:** Grokbot kod tabanının tam mimari yeniden düzenlemesini tamamlamak için yürütülen çekme isteği sayısı.
* **16 milisaniye:** Saniyede 60 Kare hızında akıcı kullanıcı arayüzü performansını korumak için Electron görüntüleyici iş parçacığında kare başına gereken azami yürütme süresi.
* **5 ay önce:** Lauren Tan'ın Cursor'a katıldığı; başlangıçta ajanlara güven oluştururken ve doğrulama becerileri geliştirirken düşük verimlilik yaşadığı dönem.
* **Grok 4.6:** Kıyaslama performansını artırırken 4.5 model sürümünün belirteç maliyetini koruyan, yeni duyurulmuş model sürümü.

---

## Bu tabloyu ne değiştirir?

1. **Derleyiciye Yerleşik Ajan Koruma Mekanizmalarına Geçiş:** Dinamik yazılım çerçeveleri yerine, katı bellek sahipliği ve tür sistemleri sunan, kesin kurallarla derlenen dillerin (Rust gibi) yaygın biçimde benimsenmesi; yapısal kuralların uygulanmasının özel sürekli entegrasyon betiklerinden doğrudan derleyici tanılamalarına taşınması.
2. **Programatik Doğrulama Protokollerinin Standartlaştırılması:** Masaüstü, mobil ve web arayüzlerini yapay zekâ ajanlarına doğrudan açmak üzere, Chrome DevTools Protocol ötesinde birleşik, platformdan bağımsız ajandan kullanıcı arayüzüne doğrulama standartlarının sektör genelinde benimsenmesi.
3. **Otonom Sürekli Entegrasyon Birleştirmelerinin Yaygınlaşması:** Ana akım ticari yazılım ekiplerinin, elle kod inceleme işlem hatlarından sentetik değerlendirme puanları ve sürekli entegrasyon testleriyle yönetilen tamamen otomatik sürekli entegrasyon birleştirme kuyruklarına geçmesi.
4. **Çok Ajanlı Değerlendirmelerde Belirteç Maliyetinin Azalması:** Temel model çıkarım maliyetlerinde önemli yapısal düşüşler yaşanması; kurumsal ölçek dışındaki geliştirme ekiplerinin çok ajanlı hakem matrislerini ve tepe tırmanma optimizasyon döngülerini ekonomik biçimde sürekli çalıştırabilmesi.

Gelişmiş yapay zekâ mühendisliği çerçevelerini ve otonom yürütme işlem hatlarını uygulama hakkında daha fazla bilgi edinmek için DeepValues Research sitesindeki açık kaynaklı araştırmaları inceleyin veya DeepValues uygulamasını bugün deneyin.

---
## Kaynakça

Lauren Tan - SpaceXAI engineer, interview published on YouTube channel Vision Sabbat

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
