← Radar

Konu: Ajanlar3 dk okuma

tstack: Theo'nun ajan becerileri, kodu yazıldıktan sonra PR'ı birleştirmeye kadar götürüyor

Bu neden önemli?

Kodlama ajanları kodu yazmakta iyi, ama iş genelde kod yazıldığında bitmiyor: testler, inceleme botları, kırmızı CI, PR açıklaması. tstack bu son kilometreyi düz metin talimatlara döküyor. Becerileri olduğu gibi kullanmasan bile, bir ajana 'işi bitirmek'in ne demek olduğunu nasıl anlattığını görmek kendi kurgunu yazarken işine yarar.

Beceri nedir, kısaca

Bir ajan becerisi (skill), ajana belli bir işi nasıl yapacağını anlatan küçük bir klasör: içinde bir SKILL.md dosyası, gerekirse birkaç betik. Ajan normalde sadece becerinin adını ve kısa açıklamasını aklında tutuyor, iş gelince dosyanın tamamını okuyor. Konuyu agent skill yazısında ayrıntılı anlatmıştık.

YouTube’dan ve T3 Code’dan tanıdığın Theo (t3dotgg), Ekim sonunda kendi kullandığı becerileri temizleyip tstack adıyla yayımladı. MIT lisanslı, Claude Code ve Codex’te çalışıyor. Kurulum, klasörleri ~/.claude/skills/ ya da ~/.codex/skills/ altına kopyalamaktan ibaret. Gereken tek ciddi şey, oturum açılmış bir GitHub CLI (gh).

Dokuz beceri, tek bir akış

Becerilerin çoğu tek bir soruya cevap veriyor: Kod yazıldıktan sonra ne olacak? Her biri sohbette söylediğin bir kelimeyle tetikleniyor.

  • full-send: Ajana “sen bitir, ben bakmıyorum” demek. Ajan değişikliği tamamlıyor, kanıtlıyor, inceletiyor, PR açıyor, izliyor ve koşullar sağlanınca kendisi birleştiriyor.
  • full-stop: Aynı iş, ama PR birleştirmeye hazır olduğunda duruyor. Birleştirmek, otomatik birleştirmeyi açmak ya da ana dala push etmek açıkça yasak. Son kararı sana bırakıyor.
  • sol-loop: Değişikliği OpenAI’ın GPT Sol modeline, iki taraf anlaşana kadar tekrar tekrar inceletiyor. Varsayılan sınır üç tur.
  • council: Üç farklı sağlayıcıdan birer güçlü modeli (ör. Claude Opus, GPT Sol, Gemini Pro) aynı anda incelemeye çağırıyor.
  • babysit-pr: PR’ı CI ve inceleme botları boyunca izliyor, gerçek bulguları düzeltiyor.
  • takeover: Başkasının yarım kalan PR’ını ya da ajan oturumunu devralıp bitiriyor, ama asıl yazarların emeğini (commit yazarlığı, co-author satırları) koruyor.
  • Bir de yardımcılar var: kısa ve “sorundan başlayan” PR açıklaması yazan file-pr, eski bir PR’ı güncelleyip hâlâ gerekli mi diye karar veren modernize ve ajanın senin adına bıraktığı yorumları biçimlendiren leaving-pr-comments.

Beceriler birbirini çağırıyor. Örneğin full-send; sol-loop, file-pr ve babysit-pr’ı sırayla kullanıyor. Better Stack’in videosunda full-stop gerçek bir değişiklik üzerinde baştan sona gösteriliyor.

İlginç olan, talimatların kendisi

Bu becerileri değerli kılan şey kod değil, düz metin kurallar. Birkaç örnek:

  • Kanıt şart. full-send, her değişiklik için ajanın oturumda kendi gözüyle gördüğü bir kanıt istiyor: hatayı yeniden üretip düzeltmeden sonra geçtiğini görmek, CI’ın çalıştırdığı kontrolleri çalıştırmak. Arayüz değişikliğinde “sahte testler yeşil” yetmiyor, uygulamayı açıp bakmak gerekiyor.
  • Birleştirme kapısı. Birleştirmek için son commit’te zorunlu kontrollerin yeşil olması, botların bitmiş ve her bulgunun ya düzeltilmiş ya da gerekçesiyle reddedilmiş olması, hiçbir insanın “değişiklik istiyorum” dememiş olması gerekiyor.
  • Kendi döngünü yazma. babysit-pr, ajanın kendi sleep döngüsünü kurmasını yasaklıyor ve bunun yerine repodaki pr-wait betiğini kullandırıyor. GitHub’ın istek sınırı yüzünden her şeyin tek bir izleyiciden geçmesini istiyor.
  • Kapsamı koru. Hem sol-loop hem council, tekrar eden incelemelerin işi büyütmesine (scope creep) karşı ajanı açıkça uyarıyor. “En küçük düzeltme” vurgusu her dosyada var.

Council: Tek model yerine üç görüş

Council’in fikri basit: Kodu yazan model, kendi hatalarını görmekte zorlanabiliyor. Bu yüzden farklı şirketlerin modellerinden bağımsız inceleme alınıyor. Her inceleyici 10 üzerinden puan veriyor, ajan bulguları kendisi doğruluyor, düzeltiyor ve yeni bir tur istiyor. Herkes tatmin olana kadar devam ediyor. Sonuçlar tur tur bir tablo olarak PR açıklamasına yazılıyor. Bir inceleyici puan vermezse “no score” yazılıyor, uydurulmuyor. GitHub’ın Copilot Fusion’daki eleştiri modu da benzer bir fikre dayanıyor.

Sınırları

  • council ve sol-loop, başka sağlayıcıların modellerini alt ajan olarak çalıştırabilen bir ortam istiyor. T3 Code bunu kendi araçlarıyla yapıyor. Diğer ortamlarda bunu senin kurman gerekiyor. Model bulunamazsa beceri başka bir modelle idare etmiyor, durumu raporluyor.
  • full-send, projedeki “test etmeden önce sor” kurallarını bu iş için geçersiz sayıyor. Bu bilerek verilmiş geniş bir yetki. Hangi repoda kullandığına dikkat et.
  • Theo bunları “başlangıç noktası” olarak sunuyor. Kişisel ayarlarını (ör. council’deki modeller) becerilerin içine değil, CLAUDE.md ya da AGENTS.md’ye yazmanı öneriyor; böylece güncellemede kaybolmuyor.

Düşün

  • Senin projende bir PR’ın “birleştirmeye hazır” olduğunu hangi koşullar belirliyor? Bunları bir ajana yazılı olarak anlatabilir miydin?
  • Aynı kodu üç farklı modele inceletmek, tek bir modele üç kez inceletmekten neden daha faydalı olabilir?

Videoyu izle

Tıklayınca video YouTube'dan yüklenir; o ana kadar bu sayfa YouTube'a hiçbir istek göndermez.
Kaynaklar (7, İngilizce)

Kendi cümlelerimizle yazılmış bir özettir, çeviri değildir. Tüm kaynaklar yukarıda.

Konu: Ajanlar3 dkVideo: Better Stack

TokenEconomizer: Kodlama ajanının maliyetini, projeden öğrenerek düşüren eklenti

Microsoft Research ve UC Berkeley'nin açık kaynak eklentisi TokenEconomizer, Claude Code, Codex, Copilot CLI ve Pi gibi ajanları kara kutu olarak bırakıp aynı depodaki geçmiş oturumlardan öğreniyor. Üç numarası var: kısa proje notları, kullanılmayan araçları budamak ve takılı kalan döngüleri fark etmek. SWE-Bench'te maliyet %18 ile %31 arasında düştü.

Konu: Ajanlar3 dkVideo: Better Stack

Claude Code'un ajan paneli: Üç beş kelimelik etiketin gizli maliyeti

Claude Code, arka planda çalışan her ajanın panelde görünen kısa durum yazısını üretmek için yaklaşık 30 saniyede bir o ajanın bütün konuşmasını modele yeniden gönderiyor. Ölçümlere göre bu, oturumun maliyetinin %2'si ile %18'i arasında bir pay alabiliyor. Belgelenmiş bir kapatma ayarı yok.