Yapay zekâ asistanıyla Python yazmak

Neden önemli?

Bugün profesyonel geliştiricilerin büyük kısmı günlük işinde bir yapay zekâ asistanı kullanıyor: sohbet arayüzünde Claude ya da ChatGPT, editörün içinde GitHub Copilot ya da Cursor, terminalde Claude Code gibi ajanlar. Bu araçlar iskelet kodu, test, belge ve yeniden düzenlemeyi dakikalara indirir. Ama asistan emin görünen bir dille yanılabilir: var olmayan bir fonksiyonu çağırabilir, iki yıl önce kaldırılmış bir API kullanabilir, testsiz bırakıldığında yalnızca "mutlu yol"u çalıştıran kod yazabilir. Bu derste asistanı hızlandırıcı olarak kullanmayı, ama son sözü her zaman testlere ve senin muhakemene bırakmayı öğreneceksin. LLM API dersinde modeli kendi kodundan çağırmayı görüyorsun; burada asistanı bir çalışma arkadaşı olarak kullanmaya odaklanıyoruz.

İyi istemin anatomisi

Asistan senin projeni, veri biçimini, Python sürümünü ve kurum kurallarını bilmez. Ne kadar belirsiz sorarsan o kadar "ortalama internet kodu" alırsın. İyi bir kodlama istemi (prompt) şu parçaları içerir:

ZAYIF:  python ile ciro hesaplama kodu yaz

GÜÇLÜ:  Python 3.12, yalnız standart kütüphane.
        Görev: sehir_ciro(siparisler: list[dict]) -> dict[str, Decimal]
        Her sipariş {"sehir": str, "tutar": str, "durum": str}; tutar metin ("149.90").
        Kurallar: durum "iptal" olanları atla; şehir yoksa "Bilinmiyor".
        Örnek: [{"sehir":"İzmir","tutar":"100.50","durum":"teslim"}] -> {"İzmir": Decimal("100.50")}
        Önce bu kurallar için 5 pytest testi yaz, sonra testleri geçen fonksiyonu yaz.
        Varsayım yapman gerekirse kodun üstünde madde olarak yaz.

Doğrulama döngüsü: güven ama test et

Asistanın kodunu üç adımda doğrularsın: oku (anlamadığın satırı kabul etme), çalıştır (gerçek örnekle), test et (kenar durumlarla). Aşağıda bir asistanın yazdığı, ilk bakışta doğru görünen bir fonksiyon var; küçük bir test kümesi hatayı hemen ortaya çıkarıyor.

def ortalama_sepet(tutarlar):
    """Yapay zekâ çıktısı: sepet tutarlarının ortalaması."""
    return sum(tutarlar) / len(tutarlar)

denemeler = [[100, 200, 300], [49.9], []]
for girdi in denemeler:
    try:
        print(girdi, "->", ortalama_sepet(girdi))
    except Exception as e:
        print(girdi, "-> HATA:", type(e).__name__, e)

Boş liste, "mutlu yol" testinde hiç akla gelmeyen ama üretimde ilk gün karşına çıkacak durumdur. Asistana "bu fonksiyonun kenar durumlarını listele ve her biri için test yaz" demek, en ucuz kalite yatırımıdır. Testleri sen de okumalısın: asistan bazen yanlış kodu "doğrulayan" yanlış test yazar.

Yapay zekânın tipik hataları

Uydurma API şüphesinde kendi ortamında hızlıca kontrol et:

import builtins, importlib

def api_var_mi(yol: str) -> bool:
    modul_adi, *oznitelikler = yol.split(".")
    try:
        nesne = importlib.import_module(modul_adi)
    except ImportError:
        if not hasattr(builtins, modul_adi):
            return False
        nesne = getattr(builtins, modul_adi)
    for ad in oznitelikler:
        if not hasattr(nesne, ad):
            return False
        nesne = getattr(nesne, ad)
    return True

for yol in ["str.removeprefix", "str.contains", "list.push", "math.isclose", "math.clamp", "json.loads"]:
    print(f"{yol:18} {api_var_mi(yol)}")

Kod inceleme kontrol listesi

Yeniden düzenleme ve belge yazdırma

Asistanlar çalışan ama dağınık kodu toparlamada çok iyidir: "davranışı değiştirmeden fonksiyonu küçük parçalara böl, tip ipuçları ve docstring ekle" de. Kural: önce test, sonra yeniden düzenleme. Testler, asistanın davranışı sessizce değiştirmediğini kanıtlar. Docstring'e örnek koyarsan doctest ile belge de test olur:

import doctest
from decimal import Decimal

def kdv_ekle(tutar: Decimal, oran: Decimal = Decimal("0.20")) -> Decimal:
    """Tutara KDV ekler ve kuruşa yuvarlar.

    >>> kdv_ekle(Decimal("100"))
    Decimal('120.00')
    >>> kdv_ekle(Decimal("49.90"), Decimal("0.10"))
    Decimal('54.89')
    """
    return (tutar * (1 + oran)).quantize(Decimal("0.01"))

runner = doctest.DocTestRunner()
for test in doctest.DocTestFinder().find(kdv_ekle, "kdv_ekle", globs={"Decimal": Decimal, "kdv_ekle": kdv_ekle}):
    runner.run(test)
print("doctest:", runner.tries, "örnek,", runner.failures, "hata")

Yapay zekâ çıktısını programla işlemek

Asistanı bir boru hattında (pipeline) kullandığında (ör. müşteri yorumlarını sınıflandırma) yanıtı insan değil kod okur. Modelden JSON iste, ama gelen metnin her zaman temiz JSON olacağını varsayma: başında açıklama cümlesi, etrafında üç ters tırnaklı kod çiti, sonunda fazladan virgül olabilir. Önce ayıkla, sonra json.loads, sonra şemaya göre doğrula; doğrulama başarısızsa hatayı modele geri gönderip yeniden dene.

import json, re

CIT = chr(96) * 3   # üç ters tırnak
yanit = ("Tabii, sonuç aşağıda:\n" + CIT + "json\n"
         '{"yorum_id": 17, "duygu": "olumsuz", "konu": "kargo", "guven": 0.92}\n' + CIT)

eslesme = re.search(CIT + r"(?:json)?\s*(\{.*?\})\s*" + CIT, yanit, re.S)
veri = json.loads(eslesme.group(1) if eslesme else yanit)

hatalar = []
if veri.get("duygu") not in {"olumlu", "olumsuz", "notr"}:
    hatalar.append("duygu geçersiz")
if not (isinstance(veri.get("guven"), (int, float)) and 0 <= veri["guven"] <= 1):
    hatalar.append("guven 0-1 aralığında olmalı")
print(veri)
print("hatalar:", hatalar)

Pydantic dersinde gördüğün modellerle bu doğrulamayı tek satıra indirebilirsin; birçok LLM API'si de "yapılandırılmış çıktı" (structured output) ya da araç çağrısı (tool use) özelliğiyle şemaya uyan JSON üretmeyi destekler.

Gizli bilgi, kişisel veri ve lisans

Lisans ve telif tarafında: üretilen kod bazen açık kaynak bir projeden neredeyse birebir parça içerebilir; GPL gibi "copyleft" lisanslı kod, kapalı kaynak ürününe girerse hukuki risk doğurur. Uzun, özgün görünen blokları kaynak aramasıyla kontrol et, editör araçlarının "kamuya açık kodla eşleşmeyi engelle" ayarlarını aç ve kurumunun yapay zekâ kullanım politikasına uy. Yazdığın koddan, kim üretmiş olursa olsun, sen sorumlusun.

gorevler = {
    "testleri_yaz": [],
    "ayristiriciyi_ayir": ["testleri_yaz"],
    "hata_raporu": ["ayristiriciyi_ayir"],
    "belgeleri_guncelle": ["ayristiriciyi_ayir"],
}
from graphlib import TopologicalSorter
print(list(TopologicalSorter(gorevler).static_order()))

# CLAUDE.md — Anadolu Market sipariş servisi

## Komutlar
- Kurulum: uv sync
- Test: uv run pytest -q   (her değişiklikten sonra çalıştır)
- Lint/biçim: uv run ruff check . && uv run ruff format --check .

## Kurallar
- Python 3.12, tip ipuçları zorunlu; para tutarları Decimal.
- Yeni bağımlılık eklemeden önce sor.
- migrations/ ve config/prod.yaml dosyalarını DEĞİŞTİRME.
- Veritabanı sorgularında f-string YOK; parametre kullan.

## Mimari
- api/ (FastAPI uç noktaları) → servis/ (iş kuralları) → depo/ (SQL). Katman atlama yok.

// .mcp.json (proje kökü) — örnek yapı
{
  "mcpServers": {
    "market-db": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "./yerel_kopya.db"]
    }
  }
}