AI Destekli Geliştirme ile MVP’nizi Haftalar İçinde Koda Dönüştürme Yöntemleri

“Doğru yapmanın” üç ay boyunca bir CRUD uygulaması göndermek anlamına geldiğini düşünmeyi bırakalım.

Startup dünyasında aşırı mühendislik bir onur nişanı değildir. Genellikle, kaliteye dönüşmüş bir ertelemedir. “En iyi uygulamalar,” temiz mimari ve mükemmel test kapsamı arkasına saklanıyoruz çünkü güvenli hissettiriyor. Profesyonel hissettiriyor. Ancak biz klasör yapıları üzerinde tartışırken, pazar ilerliyor.

Gelir elde etmeyen bir MVP’nizi kurumsal bir sistem gibi ele alıyorsanız, derinlemesine çalışmıyorsunuz; fırsat kanıyorsunuz.

Son zamanlarda, tam zamanlı bir Senior Engineering Lead olarak çalışırken yaklaşık 45 saatlik aktif kodlama süresiyle üretime hazır bir Laravel MVP’si gönderdim. Hiçbir tatil yapmadım. 40 saatlik bloklarım yoktu. Sadece geceler, hafta sonları ve “çalınan anlar” ile gönderilen özelliklerle ilerledim.

Bu bir tembellik rehberi değil. Gizlenmeyi bırakmanız için bir rehber.

Her Şeyi Başlatan Çağrı

O sırada ekranımda CEO’dan gelen bir Google Meet davetiyesi belirdi. Katıldığımda CTO zaten çağrıda bulunuyordu. Yalnızca “Hızlı Senkronizasyon” başlıklı bir davet vardı.

CEO, doğrudan konuya girdi. Yakın zamanda yaşanan bir sorun üzerine konuştu. Gerçekten olmaması gereken bir sorun, 2025’te bile. Ayrıntılar önemli değil, ama beni etkileyen şey aciliyet oldu. Bu soyut bir ürün tasarımı değildi. Gerçek bir problemdi, taze bir şekilde dile getirildi ve arkasında somut bir aciliyeti vardı.

Ve her şeyi yeniden çerçeveleyen kısıtlama: potansiyel ilk müşteri zaten harekete geçmişti. Aynı sorunu yaşıyorlardı. Anlamlı bir şey sunma penceresi daralmıştı.

Çağrı, “Bu konuda ne kadar hızlı hareket edebiliriz?” sorusuyla bitti.

Samimi bir cevap verdim: “Odaklanırsak birkaç hafta içinde olabiliriz.”

Ama bir koşul vardı. Bunu, boş bir takvimle yapmıyordum. Tam zamanlı Senior Backend Developer ve Engineering Team Lead olarak çalışıyordum ve kendi kişisel projelerim de vardı. 40 saatlik açık bir sürem yoktu; geceleri, hafta sonları ve çalınan anlarım vardı.

O zaman “yemek pişirmeye” başladım.

Bu rehber, bunu nasıl yaptığımı—AI destekli iş akışını, iş birliği kalıplarını ve 40–50 saatlik yoğun kodlama süresi boyunca edindiğim dersleri tam olarak anlatacak.

[!NOTE]
Kısa bir açıklama: Bu Windsurf tanıtımı değil. Windsurf benim tercih ettiğim editör, ancak her yeterli AI destekli ortam—Cursor, VS Code ile Copilot veya benzeri—işe yarar. İş akışı araçlardan bağımsızdır. İlkeler aktarılabilir.

Öğrenecekleriniz

• AI kullanarak mimari iskelet oluşturma
• Etkin bir AI destekli geliştirme ortamı kurma
• Baskı altında gerçek anlamda işe yarayan iteratif iş akışı
• Dağıtık ekipler için iş birliği kalıpları
• Açılış sonrası bakım gerçekleri ve AI’nın nasıl yardımcı olduğu (ve nasıl olmadığını)
• Gerçek bir projeden zaman yatırım gösterge tabloları

Gerçeklik Kontrolü: Vibe Kodlama Nedir Değildir

Daha ileri gitmeden, net bir çizgi çekelim. “Vibe Kodlama”, özensiz mühendislik için bir bahane değildir.

• Bu değildir: Komutları yapıştırmak ve en iyiyi ummak.
• Bu değildir: Anlamadığınız kodu göndermek.
• Bu değildir: Güvenlik veya mimari standartları atlamak.

Vibe kodlama, bağlam farkındalığı ile hızlanmadır. AI’yı uygulama detaylarını (nasıl) yönetmek için kullanmak, böylece mimari niyeti (ne ve neden) tamamen odaklanmanıza olanak tanır. AI’nın ürettiği kodu okuyamazsanız, onu göndermemelisiniz.

Gereklilikler

MVP’nizi vibe kodlamaya başlamadan önce, aşağıdakilere sahip olduğunuzdan emin olun:

• Açık bir problem ifadesi (uyum > hız)
• Laravel geliştirme ortamı (Ben Laravel Herd kullanıyorum)
• AI destekli bir kod editörü (Windsurf, Cursor veya VS Code ile Copilot)
• Mimari düşünce için yüksek akıl yürütme LLM’lerine erişim (Ben iş akışımda Claude Sonnet 4.5, Google Gemini 3 Pro ve GPT-5 kullandım)

Adım 1: Kodlamadan Önce Mimarinin Oluşturulması

Hemen editörünüze geçmeyin. Önce mimariyi düşünmek için AI’yı kullanın.

Ne Yaptım

Urgency tercihimle hızlı ama dikkatli hareket etmem gerekti. İlk aşama, kod yazmadan önce düşünerek doğrulayabileceğim bir başlangıç mimarisi oluşturmak oldu.

Google Anti Gravity açtım ve sorun alanını tanımladım. Çözüm değil—sorunu. Kısıtlamaları. Bekleyebildiğim kenar durumları. Bunu yaparken ilk kez kullandım ve bu, tek bir kod satırı yazmadan farklı yaklaşımları keşfetmek için çok değerliydi.

Prompt pattern:
"I'm building a system that needs to [core requirement].
The key constraints are [list constraints].
What architecture patterns would you recommend?
What edge cases should I consider before I start?"

Neden Bu Çalışıyor

AI, beyin fırtınası yapma ve desen eşleştirmede mükemmeldir. Tek bir satır kod yazmadan önce şunları yapabilirsiniz:

• Veri ilişkilerini doğrulayın
• Potansiyel mimari kararları belirleyin
• Uygulama sırasında keşfedeceğiniz kenar durumlarını ortaya çıkarın
• Sistemin yapısı hakkında zihinsel bir model edinin

Yatırım süresi: 1–2 saat
Kazandığınız süre: Potansiyel olarak günlerce yeniden yapılandırma

Adım 2: AI Destekli Ortamınızı Kurun

Mimari netleştikten sonra kod editörünüze geçin.

Geçişim

Proje gelişirken, iterasyon daha yoğunlaştı; Google AI Studio’dan Windsurf‘a geçtim. Değişim yetenekle değil, iş akışı uyumu ile ilgiliydi. Windsurf, kod tabanına hareket ederken duyarlılığı sürdürmeme yardımcı oldu.

İşe Yaran Yığın

MCP Konfigürasyon Notu

[!WARNING]
Laravel Boost MCP ve Herd MCP, Windsurf’un editörü ve eklentileriyle kutudan çıktığı gibi uyumlu değildir. Bu MCP sunucularını kullanıyorsanız, dikkatlice yapılandırmalısınız.

Adım 3: İteratif Geliştirme (Vibe Kodlama Döngüsü)

İşte AI destekli geliştirmenin gerçek anlamda parladığı yer burası.

Temel İş Akışı

┌─────────────────────────────────────────────┐
│  0. Sağlam bir uygulama planı oluşturun      │
│  1. Ne yapmak istediğinizi tanımlayın        │
│  2. AI başlangıç uygulamasını oluşturur      │
│  3. İnceleme, iyileştirme, düzeltme yapın    │
│  4. Hemen test edin                           │
│  5. Tekrar edin                               │
└─────────────────────────────────────────────┘

Tartışmasız: Uygulama Planı

Kod yazmadan önce, kapsamlı bir uygulama planı oluşturmalısınız. Bu isteğe bağlı değildir—AI destekli geliştirmeyi işleyen temeldir.

AI kullanarak şunları yapmanıza yardımcı olun:

• Toplam MVP kapsamını haritalandırın
• Bağımlılıkları ve sıralamayı belirleyin
• Erken aşamalarda takasları ortaya çıkarın (örneğin, “Bu özelliğe v1 için ihtiyaç var mı?”)
• Kararları belgelendirin böylece daha sonra tekrar gündeme gelmezler

AI ile bu planı iteratif olarak ince ayar yapın ve sağlam bir şekilde hissettirmeye başlayın. Burada yapılan yatırım, derinlemesine uygulama aşamasında hızlı kararlar almanız gerektiğinde büyük kazançlar sağlar.

Ana Zihinseti Değişimi

AI destekli ≠ AI tarafından yönlendirilen

Bu ayrım her şeyi şekillendirdi. AI uygulamayı benim için yazmıyordu—hızlı düşünmeme yardımcı oluyordu. Bir fikrim olduğunda, onu hızla doğrulayabildim. Bir bileşeni oluşturmak istediğimde, bir başlangıç noktası oluşturabiliyor ve onu iyileştirebiliyordum. Bir duvara çarptığımda, ivmeyi kaybetmeden alternatiflere göz atabiliyordum.

İnsan mimaridir. AI, icraatı hızlandırır.

Gerçeklerden Pratik İpuçları

1. Bağlamsallığınızı koruyun: İlgili dosyaları açık tutun. AI’nın faydalı olması için bağlama ihtiyacı var.
2. Erken düzeltin: AI yanlış anladığında hemen düzeltin. Hataların birikmesine izin vermeyin.
3. Sık sık taahhüt edin: Küçük, atomik taahhütler. Hata ayıklarken kendinize teşekkür edeceksiniz.
4. Test edin: Her şey “tamamlandığında” beklemeyin. Bileşenleri ayrı ayrı test edin.

Adım 4: Ölçeklenebilir İş Birliği Kalıpları

Sürekli baskı, dağıtılmış sahiplik gerektirir. Baskı altında inşa etmek nadiren solo bir iştir ve bu proje de muaf değildir.

Nasıl Çalıştık

CTO ve ben Google Meet’te ciddi saatler geçirdik—yalnızca gereksinimleri tartışmak değil, gerçek zamanlı test yapmak için. Bir şeyin yanlış hissettirdiği yerlerde ortaya koyuyordum, ben de bir düzeltme yapıyor ve hemen kontrol ediyorduk. Ritim içgüdüsel hale gelmişti.

Periyodik olarak CEO ve şirket yöneticisi bu seanslara katıldı. Taze bakış açısının yeri doldurulamaz. Uzun saatler aynı bağlamda bulunan biri, normal olduğunu içselleştirdiğiniz sürtünmeleri tanıyacaktır.

Sorumluluk Dağılımı

Bu ayrım gerçek eş zamanlılığı sağladı. Ben bir doğrulama hatasını çözerken, o SSL sonlandırmayı yapılandırıyordu. O bir pipeline hatası giderirken, ben bir bildirim akışını iyileştiriyordum. Hiçbiri diğerini beklemedi.

Geri Bildirim Döngüsü

test → feedback → fix → repeat

İşbirliği törensel değildi—bir operasyondu. Süreç tatmin etmek için değerlendirmeleri programlamıyorduk. Birlikte inşa ediyorduk, gerçek zamanlı olarak, sonuç için ortak sorumlulukla.

Adım 5: Bakım (Gerçekliğin Kendini İfade Ettiği Yer)

MVP’yi göndermek bir dönüm noktasıydı, ancak deneyimli mühendisler anlar: bu bir bitiş değil, bir başlangıçtır.

Lansman Sonrası Ne Beklenir

Üretim kullanıcıları, test setinizin ön göremediği gerçekleri gün yüzüne çıkarma yeteneğine sahiptir:

• Asla modellemediğiniz kenar durumları gün yüzüne çıkacaktır
• Kendiliğinden olması gerektiğini varsaydığınız iş akışları olmayacaktır
• Veri kalıpları varsayımlarınıza aykırı olacaktır

İlk dağıtımdan sonraki haftalarda, hatalar ortaya çıktı. Gereksinimler gelişti. Tamam olduğuna inandığımız sistem, gerçek yük altında boşluklarını ortaya çıkardı.

AI Nasıl Yardımcı Olur (ve Olmaz)

AI araçları işin hızını artırmaya devam etti—düzeltme önermeleri, alışılmadık kod yollarında iz sürmeye ve bağlam değiştirme sürtünmesini azaltmaya yardımcı oldu.

Ancak yargı, önceliklendirme ve hesap verebilirlik açıkça insan sorumluluğudur.

Hiçbir AI, bir şeyin iş için neden önemli olduğunu ifade edemez. Bir hatayı düzeltmeye yardımcı olabilir, ancak o hatanın kritik mi yoksa kozmetik mi olduğunu belirleyemez.

Gerçek Bir Yeniden Yapılandırma Hikayesi: Veri Modelinizle Karşılaşma

Burada dürüst olmam gerekirse, bu tamamen benim hatamdı.

Başlangıçta, hızlı hareket ederken AI tarafından üretilen kod ve veritabanı yapıları ile ilerliyordum. Onları inceledim, onayladım ve yola devam ettim. Şemayı mantıklı buldum. İlişkiler ilk bakışta mantıklıydı. Ancak, temel bir modelleme sorununu kaçırdım—bir ana varlık bağımsız bir tablo olarak ayarlanmıştı, oysa mevcut bir kullanıcı bağlamı ilişkisinin özel bir uzantısı olmalıydı.

Bu sorun, alakalı bir özelliği test ederken yüzeye çıkmadı, bir hata ile karşılaştım ve daha derine inmeye başladım. İşte o zaman sürtünmenin belirgin hale geldiği yer: tekrarlayan veri yolları, tutarsız ilişkiler ve çok sayıda özellikle birlikte gereksiz karmaşıklık.

AI burada gerçek bir düşünme ortağı olarak değerli hale geldi. Problemi parçalara ayırdım, yeniden yapılandırma yaklaşımını önerdim ve sordum: “Dalgaların etkileri neler? Şimdi bunu yapmak mı gerekli, yoksa bununla yaşamalı mıyız?”

Cevap açık oldu: şu an yap. Gerekçe mantıklıydı—verileri taşımak ve ilişkileri güncellemek, veri seti büyüdükçe ve daha fazla özellik hatalı yapıya bağımlı hale geldikçe daha zorlaşacaktı. Daha iyi erken bir maliyet ödemektir, sonra büyütmektense.

Düzeltme önemli bir yeniden yapılandırma gerektirdi:

1. Mevcut bir pivot tablosunu alanlara özel sütunlarla genişletin
2. Mevcut kayıtları taşımak için bir veri göçü yazın
3. Eski modele dokunan her bileşeni, servisi ve bildirimi güncelleyin
4. İlgili özellik ilişkilerini konsolide yapıyı kullanacak şekilde yeniden yapılandırın
5. Profil ve yönetim bileşenlerini yeni yaklaşımı kullanacak şekilde güncelleyin.

Kritik “Senior” Anı
Bu yeniden yapılandırma sırasında Windsurf, bir düzeltme önerisinde bulundu ve yapı modelini göç etmeden yamanın hızlı bir yolunu sundu. Hızla çalışırdı. O gece 3 saat kazandırırdı.

Bunu hemen reddettim.

Neden? Çünkü biliyorum ki, temel ilişkisel verilere JSON yamanın sorunları altı ay sonra sorgu kabuslarına dönüşür. Bir AI, mevcut hatayı çözmeyi optimize eder. Bir kıdemli mühendis gelecekteki sürdürülebilirliği optimize eder. AI’nın daha zor, doğru göç yolunu üretmesini sağladım. Hız önemlidir, ancak yapı bütünlüğü pahasına olmamalıdır.

Bu birden fazla çekme isteği boyunca yayıldı. AI her adımı hızlandırdı—göç iskeletleri oluşturarak, model ilişkilerini güncelleyerek, etkilenen bileşenler arasında iz sürerek. Ancak yeniden yapılandırma kararı, orijinal tasarımla yaşamaktı ve nerede çalışmadığını tanımaktı.

Ders: İlk veri modeliniz yanlış olabilir—ve bu sorun değil. Esneklik ve olası yeniden yapılandırma için tasarlayın. Katı şema kararlarına acele etmeyin, sadece “tamam” hissetmek için. Erken esnekliğin maliyeti düşüktür; geç katılığın maliyeti yüksektir.

Zaman Yatırım Gösterge Tabloları

Şeffaflık önemlidir. Bu MVP’nin, projenin commit geçmişinden hangi sürelere mal olduğunu burada sunuyorum:

Burada bağlam önemlidir. Bu süre zarfında, bu projeyi inşa etmek için altı hafta tatil almadım. Tam zamanlı Senior Backend Engineer ve Team Lead olarak çalışıyorum ve aktif olarak diğer kişisel yazılım projelerimi de sürdürüyorum. Bu MVP tamamıyla boşluklarda—erken sabahlar, geç geceler ve hafta sonları—inşa edildi.

AI destekli gelişimin gerçek faydası burada yatıyor. Bu sadece kodu daha hızlı üretmekle ilgili değildi; bu anında bağlam geri kazandırma ile ilgiliydi. Sadece 45 dakikam olan bir Salı gecesi, nerede kaldığımı hatırlamak için 20 dakika harcamadım. Windsurf ve uygulama planı, doğrudan “akış durumuna” dalmama, bir özelliği uygulayıp bırakmama imkan tanıdı.

AI araçları, işi ortadan kaldırmadı; bu işi kısalttı. Geleneksel iş akışlarının haftalar alabilecek eylemleri, yoğun seanslarda, hızlı yinelemelerle ve anında doğrulama ile gerçekleşti.

MVP’niz için Temel Dersler

Bu projeyi yansıttığımda bir dizi ilke netleşti:

1. Hız Bir Şeffaflık Biçimidir

Konsorlarımıza geçeceğim: Aşırı mühendislik çoğu zaman korku olarak gizlenir. Basit problemler için karmaşık mimariler inşa ederiz çünkü teknik borçla korkarız. Ancak bir MVP için, sizi öldüren tek borç ilgisizliktir– kullanılmayan bir şey inşa etmemek.

Bu projede, gündelik işimde gerektireceğim standart soyutlamaları bilerek atladım. İlk başta “yanlış” hissedildi. Ancak bu hız, ürünün gerçek şeklinin herhangi bir mimari diyagramdan daha hızlı ortaya çıkmasını sağladı. Kod yeniden yapılandırılabilir; zaman geri alınamaz.

2. AI Momentum’u Hızlandırır, İçsel Hesap Verebilirliği Değil

Bu araçlar kuvvet çarpanlarıdır— yön açıkken hızın artışını sağlar. Ancak sonuçları sahiplenmezler. Sahiplik yine sizindir.

3. Gerçek Kullanıcılar Hiçbir Uyarının Öngöremediği Gerçekleri Ortaya Çıkar

Test setleri hayal gücünüzle sınırlıdır. Kullanıcılar hiç düşünmediğiniz yolları keşfedecektir. İterasyona göre mimarlık yapın, erken mükemmellik değil.

4. İş Birliği, Solo Parlaklığı Geride Bırakır

CTO ile sıkı geri bildirim döngüsü—gerçek zamanlı test, hemen düzeltme—bana herhangi bir bireysel AI aracından daha fazla değer kattı. İnsan iş birliği, nihai hızlandırıcıdır.

Hızlı Referans: Vibe Kodlama İş Akışı

                  FAZ 1: HAZIRLIK
                  [Problem Tanımı]
                           │
                           ▼
              [AI Mimari Beyin Fırtınası]
                           │
                           ▼
      [Uygulama Planı] ───→ [Ortam Kurulumu]
                                        │
                                        │
      FAZ 2: VIBE KODLAMA DÖNGÜSÜ           │
            ┌───────────────────────────┘
            │
            ▼
      [İteratif Geliştirme Döngüsü] 

Teknik Yığın Referansı

Temel mimarideki teknolojiye ilgi duyanlar için:

Son Düşünceler: Bahanelerinizi Tükettiniz

Bu proje, bir rahatsız edici gerçeği kanıtladı: Giriş engeli çökmüş durumda.

“Zamanım yok” bahaneleri artık geçerli değil. “Bir takıma ihtiyacım var” bahaneleri artık geçerli değil. Kullandığım araçlar (Windsurf, MCP, Claude, Gemini) sadece kod yazmadılar; aynı zamanda ivmeyi kaybetmeden ilerlememi sağlayan sürtünmeyi ortadan kaldırdılar.

Bir seçim yapabilirsiniz.
Aşırı kodlama yapıp meşgul hissedebilir ve kimsenin kullanmadığı “temiz kodu” koruyabilirsiniz.
Ya da bu gece editörünüzü açıp daraltabilir ve gerçekten bozabilecek bir şey gönderebilirsiniz.

Eğer kıdemli bir geliştiriciyseniz, bu araçlar sizi 10 kat mimar yapar. Eğer yeni bir geliştiriciyseniz, bunlar sahip olacağınız en iyi ortaktır.

Ama “Yayınla” butonuna tıklamayacaklar.

Pencere açık. Pişirmeye başlayın.

Daha Fazla Okuma

Benzer baskı altında bir şey inşa ettiniz mi? AI destekli geliştirme ile ilgili deneyiminizi duymak isterim. Ne işe yaradı, ne işe yaramadı? Aşağıya bir yorum bırakın.