Question 1

Yapay zeka destekli kodlama (AI-powered coding) nedir ve geliştirme sürecini nasıl dönüştürür?

Accepted Answer

Yapay zeka destekli kodlama, yazılımcıların kod yazma, mimari tasarlama, hata ayıklama ve test süreçlerini büyük dil modelleri (LLM) ile otomatize ederek geliştirici verimliliğini %40-60 artıran yeni nesil çalışma modelidir.

Yapay zeka destekli kodlama, yazılım mühendislerinin rutin şablon (boilerplate) kod yazımından kurtulup sistem mimarisine ve yaratıcı problem çözmeye odaklanmasını sağlar.

**Temel Kazanımlar:**
- **Hızlı Prototipleme:** Fikirlerin dakikalar içinde çalışan koda dönüştürülmesi.
- **Akıllı Hata Ayıklama:** Terminal logları ve stack trace'lerin anında analiz edilerek kök nedenin bulunması.
- **Kapsamlı Test Kapsamı:** Birim (Unit) ve uçtan uca (E2E) test senaryolarının kenar durumlarla (edge cases) otomatik üretilmesi.

Cursor, Claude Code ve Windsurf gibi modern araçlar sayesinde geliştiricinin rolü "kod yazıcılığından" "sistem orkestratörlüğüne" evrilmektedir.

Question 2

Vibe Coding nedir ve yazılım mühendisliğinin geleceğini nasıl etkiliyor?

Accepted Answer

Vibe Coding, geliştiricinin sözdizimi (syntax) ve satır satır kod yazma detayları yerine, ürün vizyonuna, kullanıcı deneyimine ve üst düzey mantıksal yönlendirmelere odaklandığı doğal dil tabanlı geliştirme yaklaşımıdır.

Vibe Coding terimi, Andrej Karpathy tarafından popülerleştirilen ve yapay zeka ajanlarının otonom kod üretim gücünü arkasına alan bir geliştirme felsefesidir.

**Vibe Coding Prensipleri:**
1. **Niyet Odaklı Geliştirme:** "Şu componenti yaz" demek yerine "Kullanıcı sepete ürün eklediğinde animasyonlu onay bildirimi göster ve veritabanına kaydet" gibi iş hedeflerini belirtmek.
2. **Kural Setleriyle Güvence:** Yapay zekanın serbest kalıp mimariyi bozmasını engellemek için .cursorrules (/plugins/cursorrules-generator) veya CLAUDE.md gibi katı kurallar tanımlamak.
3. **Sürekli Doğrulama:** Üretilen kodun otomatik testler, tip denetimleri (TypeScript) ve linter kuralları ile denetlenmesi.

Question 3

Agentic AI (Yapay Zeka Ajanları) ve otonom yazılım geliştirme ne anlama gelir?

Accepted Answer

Agentic AI, yalnızca tek seferlik sorulara yanıt vermekle kalmayıp; dosya sistemini okuyan, terminal komutları çalıştıran, hataları kendi kendine düzeltip çok adımlı görevleri tamamlayan otonom yapay zeka sistemleridir.

Geleneksel sohbet botları pasif yanıt verirken, **Agentic AI** sistemleri aktif olarak ortamla (environment) etkileşime girer.

**Bir Yapay Zeka Ajanının Çalışma Döngüsü:**
- **Planlama:** Verilen hedefi alt görevlere (sub-tasks) ayırma.
- **Araç Kullanımı (Tool Calling):** Dosya oluşturma, terminalde test çalıştırma, git commit atma ve web araması yapma.
- **Öz-Denetim (Reflection):** Bir adım başarısız olduğunda (örneğin test hatası aldığında) hatayı analiz edip alternatif çözüm deneme.

Web sitemizdeki AI Agent (/plugins/ai-agent) eklentisi bu mimari üzerine kurgulanmıştır.

Question 4

Cursor IDE ve AI-native editörler geleneksel editörlere göre ne avantaj sağlar?

Accepted Answer

Cursor ve benzeri AI-native editörler, tüm projenin kod tabanını (codebase) vektör indeksleme ile anlık olarak tarar, çoklu dosya düzenlemelerini tek tıkla uygular ve geliştiriciye derin bağlam farkındalığı sunar.

Geleneksel editörlerde yapay zeka yalnızca açık olan dosyayı görürken, **Cursor** gibi AI-native editörler projenin tüm mimarisini anlar.

**Öne Çıkan Üstünlükler:**
- **@codebase İndekslemesi:** Projedeki tüm fonksiyonları, tipleri ve bağımlılıkları semantik olarak tarayabilme.
- **Composer / Agent Modu:** Birden fazla dosyayı aynı anda refactor edebilme ve terminal komutlarını yönetebilme.
- **Özelleştirilebilir Kural Dosyaları:** .cursorrules (/plugins/cursorrules-generator) dosyası ile projenin kod standartlarını yapay zekaya kanun olarak öğretme.

Question 5

Claude Code CLI nedir ve terminal tabanlı yapay zeka kodlamasında ne fark yaratır?

Accepted Answer

Claude Code, Anthropic tarafından geliştirilen; doğrudan terminalinizde çalışan, yerel git deponuzu okuyan, dosya oluşturan, test koşturan ve karmaşık refactor işlemlerini otonom gerçekleştiren bir araştırma ve kodlama ajanıdır.

Claude Code, editör bağımsız çalışarak geliştiricilere doğrudan terminal gücü sunar.

**Öne Çıkan Yetenekler:**
- **CLAUDE.md Desteği:** Projenin mimari kurallarını doğrudan okuyup uygular.
- **Doğrudan Terminal Entegrasyonu:** Derleme hatalarını (build errors) ve test çıktılarını analiz edip anında düzeltme yapar.
- **Oturumlar Arası Bellek:** Yapılan değişiklikleri ve proje bağlamını oturumlar boyunca korur.

Kural dosyalarınızı otomatik oluşturmak için .cursorrules Generator (/plugins/cursorrules-generator) eklentimizi kullanabilirsiniz.

Question 6

Windsurf IDE ve Cascade mimarisi nedir, Cursor ile arasındaki farklar nelerdir?

Accepted Answer

Windsurf, Codeium tarafından geliştirilen ve "Cascade" adı verilen derin akış mimarisiyle geliştiricinin niyetini sürekli takip eden, gerçek zamanlı çoklu dosya düzenleme yeteneğine sahip bir AI kodlama editörüdür.

Windsurf, özellikle geliştiricinin düşünce hızına ayak uyduran ultra düşük gecikmeli Cascade motoruyla öne çıkar.

**Fark Yaratan Unsurlar:**
- **Derin Bağlam Farkındalığı:** Terminal, açık sekmeler ve son cursor hareketlerini bir arada işler.
- **.windsurfrules Dosyaları:** Projeye özel kural setlerini anında devreye alır.
- **Entegre Ajan Modu:** Büyük mimari değişiklikleri adım adım önizleme (preview) ile sunar.

Question 7

Yapay zeka tarafından üretilen kodların güvenliği, lisansları ve doğruluğu nasıl sağlanır?

Accepted Answer

AI tarafından üretilen kodların güvenliği; otomatik SAST taramaları, katı TypeScript tip denetimleri, birim testler ve kıdemli mühendis kod incelemesi (Human-in-the-loop) ile garanti altına alınır.

Yapay zeka modellerinin güvenlik açığı barındıran veya lisans ihlali içeren kod önerme riski her zaman mevcuttur.

**Güvenlik ve Doğrulama Adımları:**
1. **İnsan Denetimi (Human-in-the-Loop):** Kritik finans, kimlik doğrulama veya veri işleme kodları mutlaka insan mühendis onayından geçmelidir.
2. **Statik Kod Analizi:** ESLint, SonarQube ve Snyk gibi araçlarla güvenlik taramaları yapılmalıdır.
3. **Hassas Veri İzolasyonu:** API anahtarları, veritabanı şifreleri ve gizli müşteri verileri asla sistem istemlerine (prompt) doğrudan yapıştırılmamalıdır.

Question 8

.cursorrules ve CLAUDE.md dosyaları ne işe yarar, neden her projede bulunmalıdır?

Accepted Answer

.cursorrules ve CLAUDE.md dosyaları, projenin mimari kurallarını, paket standartlarını, dosya isimlendirme formatlarını ve kısıtlamalarını AI ajanlarına anlatan bağlam manifestolarıdır.

Bu dosyalar projenin kök dizininde yer aldığında yapay zeka her komutta projenizin kanunlarına harfiyen uyar.

**İçermesi Gereken 4 Temel Bölüm:**
1. **Stack Özeti:** Next.js App Router, Tailwind v4, Zustand vb.
2. **Kodlama Standartları:** "Asla 'any' tipi kullanma", "Server Actions doğrulamasında Zod tercih et".
3. **Dizin Hiyerarşisi:** Bileşenlerin, servislerin ve tiplerin nereye kaydedileceği.
4. **Test Kuralları:** Her yeni fonksiyon için Jest/Vitest testi üretme zorunluluğu.

Bu kuralları dakikalar içinde oluşturmak için .cursorrules Generator (/plugins/cursorrules-generator) aracımızı kullanabilirsiniz.

Question 9

Yapay zeka ile birim (Unit), entegrasyon ve uçtan uca (E2E) testler nasıl yazılır?

Accepted Answer

AI asistanları, mevcut fonksiyonların girdi-çıktı mantığını analiz ederek kenar senaryoları (edge cases), mock verileri ve Playwright/Vitest test bloklarını saniyeler içinde otomatik olarak üretir.

Test yazmak genellikle zaman alıcı ve tekrarlayıcı bir süreçtir. Yapay zeka ile test kapsamını %90 üzerine çıkarabilirsiniz:

- **Birim Testler (Vitest/Jest):** Fonksiyon parametrelerinin sınır durumları (null, undefined, negatif sayılar) için anında testler üretilir.
- **E2E Testler (Playwright/Cypress):** "Kullanıcı sepete ürün ekleyip kredi kartıyla ödeme yapar" gibi doğal dil senaryoları çalışan test kodlarına dönüştürülür.
- **Mocking:** Harici API çağrıları (Stripe, Supabase vb.) için gerçekçi sahte veriler kurgulanır.

Question 10

Hata ayıklama (Debugging) sürecinde yapay zekadan maksimum verim nasıl alınır?

Accepted Answer

Hata logunu, ilgili kod bloğunu ve beklenen çıktıyı AI modeline birlikte aktararak hatanın sadece sebebini değil, yan etkisiz kalıcı çözümünü ve alternatiflerini öğrenebilirsiniz.

AI ile debugging yaparken en sık yapılan hata sadece "Bu kod neden çalışmıyor?" diye sormaktır.

**Verimli Debugging Formülü:**
1. **Tam Hata Mesajı:** Terminal veya konsoldaki stack trace'i eksiksiz yapıştırın.
2. **Minimal Yeniden Üretim Kodu:** Hatayı tetikleyen fonksiyonu ekleyin.
3. **Bağlam ve Çevre:** Node.js sürümü, framework versiyonu ve işletim sistemini belirtin.

AI Agent (/plugins/ai-agent) eklentimiz, log analizine özel hazır prompt şablonları sunar.

Question 11

Eski ve karmaşık kod tabanlarında teknik borçları (Technical Debt) temizlemede AI nasıl kullanılır?

Accepted Answer

Yapay zeka; spagetti kodları SOLID prensiplerine göre parçalama, eski JavaScript dosyalarını modern TypeScript 5.x tip tanımlarına dönüştürme ve performans darboğazlarını giderme süreçlerinde etkilidir.

Teknik borç temizliğinde yapay zekayı adım adım kullanmak riskleri sıfırlar:

1. **Önce Test Yazın:** Refactor edilecek fonksiyonun mevcut davranışını doğrulayan birim testleri AI'ya yazdırın.
2. **Modüler Parçalama:** 500 satırlık dev fonksiyonları tek sorumluluk prensibine (SRP) uygun küçük modüllere ayırın.
3. **Modernize Edin:** Callback cehennemini async/await ve modern Promise yapılarına dönüştürün.

Question 12

Junior yazılımcılar yapay zeka araçlarını kariyerlerini baltalamadan nasıl kullanmalıdır?

Accepted Answer

Junior geliştiriciler yapay zekayı bir "kod kopyalama makinesi" olarak değil, 7/24 yanlarında olan sabırlı bir "özel eğitmen (tutor)" olarak kullanarak kodun arkasındaki mantığı öğrenmelidir.

Yapay zekanın ürettiği kodu anlamadan projeye yapıştırmak ("Blind Copy-Paste"), junior mühendislerin temel algoritmik düşünme becerilerini zayıflatır.

**Sağlıklı Kullanım Taktikleri:**
- Her zaman *"Bu kodu neden bu şekilde yazdın, alternatif mimari ne olabilirdi?"* diye sorun.
- Kodun karmaşık algoritmalarını satır satır açıklatın.
- Önce çözümü kendi aklınızda kurgulayın, ardından AI'dan optimizasyon ve review talep edin.

Question 13

Cursor ve Copilot gibi araçlarda token bütçesi ve kullanım sınırları nasıl yönetilir?

Accepted Answer

Gereksiz büyük dosyaları (.gitignore, .cursorignore) hariç tutarak, prompt caching (önbellekleme) özelliklerinden yararlanarak ve amiral gemisi modelleri yalnızca kritik görevlerde kullanarak token tasarrufu sağlanır.

Geliştiricilerin en çok bütçe harcadığı durum, her promptta tüm kütüphane dosyalarının ve build çıktılarının yapay zeka gönderilmesidir.

**Tasarruf İpuçları:**
- .cursorignore dosyası ile dist/, build/, node_modules/ ve binary dosyaları AI taramasından çıkarın.
- Rutin kod tamamlama için hafif modelleri, mimari kararlarda akıl yürütme modellerini tercih edin.
- Canlı maliyet hesabı için AI Model Karşılaştırması (/plugins/ai-model-karsilastirmasi) simülatörünü kullanın.

Question 14

MCP (Model Context Protocol) nedir ve geliştirici araçları için neden devrim niteliğindedir?

Accepted Answer

MCP, Anthropic tarafından açık standart haline getirilen ve yapay zeka modellerinin veritabanlarına, GitHub repolarına, yerel dosya sistemlerine ve API servislerine standart bir arayüzle bağlanmasını sağlayan protokoldür.

Geleneksel entegrasyonlarda her araç için ayrı bir API eklentisi yazmak gerekirken, **MCP** tüm araçları tek bir protokol altında toplar.

**MCP'nin Sağladığı Güç:**
- Yapay zeka asistanınız doğrudan PostgreSQL veritabanınıza bağlanıp şemanızı sorgulayabilir.
- GitHub PR'larını ve issue'ları doğrudan sohbet arayüzünden yönetebilir.
- Şirket içi dahili mikroservislerle güvenli bir köprü kurabilir.

Question 15

Cursor, Claude Code, Windsurf ve VS Code Copilot arasında projeyi bozmadan nasıl geçiş yapılır?

Accepted Answer

Projelerinizi araçtan bağımsız tutmak için standart açık formatları (evrensel Markdown kuralları, ESLint konfigürasyonları ve Git standartları) benimseyerek tek bir .cursorrules veya CLAUDE.md ile tüm editörlerde çalışabilirsiniz.

Her editörün kendine has kural dosyası olsa da çekirdek mimari kuralları aynıdır.

.cursorrules Generator (/plugins/cursorrules-generator) eklentimiz, tek bir konfigürasyondan hem .cursorrules, hem CLAUDE.md hem de .windsurfrules çıktılarını tek tıkla üretmenize olanak tanır.

Question 16

Yapay zeka ile SQL sorguları ve veritabanı şemaları nasıl optimize edilir?

Accepted Answer

Veritabanı tablolarının DDL tanımlarını AI modeline vererek eksik indeksleri tespit edebilir, karmaşık JOIN sorgularını optimize edebilir ve EXPLAIN ANALYZE çıktılarını analiz ettirebilirsiniz.

Yapay zeka özellikle yavaş çalışan sorguları (slow queries) hızlandırmada mükemmel bir yardımcıdır:

- **İndeks Stratejisi:** B-Tree, GIN veya GiST indekslerinden hangisinin seçileceğine dair öneri sunar.
- **Normalizasyon:** 3NF ve denormalizasyon dengesini projenin okuma/yazma oranına göre kurar.
- **ORM Koduna Dönüştürme:** Ham SQL sorgularını Prisma, Drizzle veya TypeORM kodlarına hatasız çevirir.

Question 17

Docker, Kubernetes ve CI/CD pipeline süreçlerinde yapay zekadan nasıl yararlanılır?

Accepted Answer

AI modelleri; çok katmanlı (multi-stage) optimize Dockerfile dosyaları hazırlama, Kubernetes YAML manifestolarındaki güvenlik açıklarını kapatma ve GitHub Actions iş akışlarını otomatik yazmada kullanılır.

DevOps yapılandırmalarında en ufak bir syntax hatası deployment süreçlerini kilitleyebilir.

**AI Destekli DevOps:**
- **İmaj Boyutu Küçültme:** 1.5 GB'lık Node.js imajlarını Alpine ve multi-stage build ile 120 MB'a indirme.
- **CI/CD Otomasyonu:** Otomatik test, linter, Docker build ve Vercel/AWS deployment adımlarını hatasız birbirine bağlama.
- **Gizli Bilgi Taraması:** Docker imajlarına yanlışlıkla sızan secret ve environment değişkenlerini tespit etme.

Question 18

Mikroservis veya Monolitik mimari kararlarında yapay zekadan nasıl danışmanlık alınır?

Accepted Answer

Projenin beklenen kullanıcı hacmini, veri tutarlılığı gereksinimlerini ve ekip büyüklüğünü belirterek AI modelinden Event-Driven, Microservices veya Modular Monolith mimarileri için trade-off (artı/eksi) analizi alabilirsiniz.

Mimari kararlar bir kez alındığında geri dönülmesi en pahalı adımlardır.

**AI ile Mimari Danışmanlık Aşamaları:**
1. **Gereksinim Matrisi:** "Aylık 500k aktif kullanıcı, yüksek yazma trafiği, düşük gecikmeli arama".
2. **Trade-Off Tablosu:** Mimari seçeneklerin sunucu maliyeti, bakım zorluğu ve ölçeklenebilirlik kıyaslaması.
3. **C4 Model Diyagramı:** Sistem bağlamı ve konteyner diyagramlarının Mermaid formatında çizdirilmesi.

Question 19

GPT-5, Claude Opus, Gemini 3 ve DeepSeek modelleri arasındaki temel farklar nelerdir?

Accepted Answer

Claude serisi derin bağlam ve yazılım mimarisinde; GPT modelleri genel akıl yürütme ve geniş entegrasyonlarda; Gemini devasa bağlam penceresi (multimodal) ve hızda; DeepSeek ise açık kaynaklı yüksek maliyet-performans oranında liderdir.

Her model ailesinin kendine özgü güçlü kasları bulunmaktadır:

- **Anthropic Claude (Opus / Sonnet):** Kod kalitesi, refactoring ve insan benzeri doğal tonlama konusunda geliştiricilerin bir numaralı tercihidir.
- **OpenAI GPT:** Function calling kararlılığı, yapılandırılmış JSON çıktısı ve geniş araç ekosistemiyle öne çıkar.
- **Google Gemini (Flash / Pro):** 1M+ token bağlam penceresi, ultra yüksek multimodal işlem hızı ve uygun maliyet sunar.
- **DeepSeek (V3 / R1):** Açık ağırlıklı mimarisi ve uygun token fiyatlandırmasıyla sektörü sarsan fiyat/performans canavarıdır.

Canlı benchmark tablosu için AI Model Karşılaştırması (/plugins/ai-model-karsilastirmasi) eklentimizi kullanabilirsiniz.

Question 20

Reasoning (Akıl Yürüten) modeller (o3, DeepSeek R1) klasik LLM’lerden nasıl ayrışır?

Accepted Answer

Reasoning modelleri, son yanıtı üretmeden önce arka planda gizli "Düşünce Zinciri" (Chain-of-Thought) adımları çalıştırarak matematiksel ve mimari mantık hatalarını kendi kendine düzelten modellerdir.

Klasik modeller bir sonraki kelimeyi anlık tahmin ederken, **Reasoning modelleri** önce problemi analiz eder, hipotezler kurar ve yanlış yolları eleyerek nihai sonuca ulaşır.

**En Çok Yarar Sağladığı Alanlar:**
- Karmaşık algoritmalar ve matematik olimpiyatı seviyesi problemler.
- Güvenlik açığı analizi ve derin kod denetimi.
- Çok katmanlı iş kuralları ve veritabanı şema kurguları.

Question 21

Bağlam Penceresi (Context Window) nedir ve neden projenin başarısını belirler?

Accepted Answer

Bağlam penceresi, bir yapay zeka modelinin tek bir istekte aynı anda hafızasında tutabildiği ve işleyebildiği maksimum token (kelime/karakter parçası) miktarıdır.

Geniş bir bağlam penceresi, yapay zekanın tüm bir GitHub reposunu veya 500 sayfalık teknik dokümanı tek seferde analiz etmesine imkan verir.

**Popüler Modellerin Bağlam Sınırları:**
- **Gemini 3:** 1.000.000+ Token (Tüm kitaplar veya saatlerce video/ses)
- **Claude Sonnet:** 200.000 Token (Kapsamlı bir yazılım projesi kod tabanı)
- **GPT-4o:** 128.000 Token (Standart kurumsal dokümantasyon)

Bağlam penceresi büyüdükçe "iğneyi samanlıkta bulma" (Needle In A Haystack) test başarı oranı önem kazanır.

Question 22

Açık kaynaklı modeller (Llama, DeepSeek, Qwen) ile kapalı modeller (OpenAI, Claude) arasındaki farklar nelerdir?

Accepted Answer

Kapalı modeller en yüksek akıl yürütme gücünü sunarken; açık kaynaklı modeller kendi sunucularınızda (on-premise) çalışarak tam veri gizliliği, sıfır API bağımlılığı ve özelleştirilebilirlik (fine-tuning) avantajı sağlar.

Kurumsal şirketler veri gizliliği nedeniyle açık kaynaklı modellere hızla yönelmektedir:

- **Açık Kaynak (Llama 3.3, DeepSeek, Qwen):** Kendi GPU altyapınızda barındırılabilir, ağırlıklar özelleştirilebilir, veri üçüncü taraflarla paylaşılmaz.
- **Tescilli/Kapalı API'ler (Claude Opus, GPT-5):** Donanım yatırımı gerektirmez, daima en güncel sürümde çalışır ve en zorlu mantıksal görevlerde liderdir.

Question 23

LLM API’lerinde Temperature ve Top-P parametreleri ne işe yarar, nasıl ayarlanmalıdır?

Accepted Answer

Temperature yanıtın yaratıcılığını ve rastgeleliğini belirlerken; Top-P modelin seçeceği kelime olasılık havuzunu sınırlar. Kodlama ve teknik görevlerde Temperature 0.0 - 0.2 arası tutulmalıdır.

Parametre ayarları çıktının deterministik veya yaratıcı olmasını doğrudan kontrol eder:

- **Kodlama & JSON Çıktısı:** Temperature = 0.0, Top-P = 0.1 (Kesin, tekrarlanabilir, hatasız sözdizimi).
- **Teknik Blog & Makale:** Temperature = 0.5 - 0.7 (Akıcı ve dengeli dil).
- **Yaratıcı Hikaye & Beyin Fırtınası:** Temperature = 0.8 - 1.0 (Yüksek çeşitlilik ve yaratıcı benzetmeler).

Bu ayarları optimize etmek için AI Prompt Optimizer (/plugins/ai-prompt-optimizer) eklentimizi kullanabilirsiniz.

Question 24

Function Calling ve Yapılandırılmış Çıktılar (Structured Outputs) nedir?

Accepted Answer

Function Calling, modelin metin yerine doğrudan yazılım fonksiyonlarını çağırabilecek veya Zod şemalarına %100 uyan katı JSON formatında çıktı üretebilmesini sağlayan yetenektir.

Geleneksel yanıtlarda modelin ürettiği JSON içinde sözdizimi hataları olabiliyordu. **Structured Outputs** ile modelin yanıtı derleme aşamasında şemayla kilitlenir.

**Kullanım Alanları:**
- Veritabanı kayıt işlemlerinde tipi garantilenmiş veri alma.
- AI Ajanlarının API endpointlerini hatasız tetiklemesi.
- Web scraping sonrası elde edilen verilerin standart şemalara dökülmesi.

Question 25

Prompt Caching (Bağlam Önbellekleme) nasıl çalışır ve API maliyetlerini nasıl düşürür?

Accepted Answer

Prompt Caching, model sağlayıcılarının sık tekrarlayan sistem promptlarını ve büyük dokümanları bellekte saklayarak tekrar eden isteklerde giriş token maliyetini %80-90 oranında ucuzlatması ve yanıtı hızlandırmasıdır.

Büyük bir projenin dokümantasyonu 100.000 token tutuyorsa, her kullanıcı sorusunda bu 100.000 token tekrar işlenmez.

**Prompt Caching Faydaları:**
- **Maliyet İndirimi:** Önbellekten okunan tokenlar normal giriş fiyatının 1/10'u kadar ücretlendirilir.
- **Ultra Düşük TTFT:** İlk token'ın kullanıcıya ulaşma süresi 3-4 kat hızlanır.
- **Anthropic ve OpenAI Desteği:** Modern API'ler belirli bir uzunluğun üzerindeki sabit blokları otomatik olarak önbelleğe alır.

Question 26

Multimodal (Çok Modlu) yapay zeka modelleri görsel ve diyagramları nasıl analiz eder?

Accepted Answer

Multimodal modeller, metin ile görsel piksellerini aynı ortak anlamsal uzayda işleyerek mimari diyagramları, UI ekran tasarımlarını, hata ekran görüntülerini ve çizimleri doğrudan koda dönüştürebilir.

Yalnızca metin okuyan modellerin yerini gören, dinleyen ve konuşan modeller aldı:

- **Görselden Koda (Figma/Screenshot to Code):** Bir arayüz ekran görüntüsünü Tailwind CSS ve React bileşenine dönüştürme.
- **Grafik ve Tablo Okuma:** Karmaşık finansal veya teknik infografiklerden veri çıkarma.
- **Hata Ekran Görüntüleri:** Tarayıcı konsolundaki görsel hataları analiz edip çözüm önerme.

Question 27

Yapay zeka modellerinin "halüsinasyon" (uydurma bilgi) görmesi nasıl önlenir?

Accepted Answer

Halüsinasyonlar; RAG mimarisi ile modele referans doküman sunarak, sistem promptunda "Bilmediğin durumlarda bilmiyorum de" kısıtı ekleyerek ve Temperature değerini düşürerek engellenir.

Halüsinasyon, modelin eğitim verisinde bulunmayan veya emin olmadığı bir konuyu gerçekmiş gibi kurgulamasıdır.

**Önleme Yolları:**
1. **Kaynak Şartı (Grounded Generation):** Modele sadece verilen metne sadık kalmasını emretmek.
2. **Few-Shot Örnekleri:** Modelin uydurma yapmaması için doğru ve yanlış yanıt örnekleri sunmak.
3. **Doğrulama Ajanı (Verifier Agent):** Üretilen yanıtı ikinci bir hafif modelle kaynak dokümana karşı teyit ettirmek.

AI Chat (/plugins/ai-chat) eklentimiz sıfır halüsinasyon garantili RAG mimarisi kullanır.

Question 28

Fine-Tuning (Model İnce Ayarı) ile RAG mimarisi arasında nasıl seçim yapılmalıdır?

Accepted Answer

Modelin konuşma tonunu veya özel bir kodlama dilini öğrenmesi gerekiyorsa Fine-Tuning; güncel bilgilere erişmesi ve sıfır halüsinasyonla şirket verilerini yanıtlaması gerekiyorsa RAG seçilmelidir.

Çoğu kurumsal senaryoda RAG, Fine-Tuning'den çok daha ucuz ve sürdürülebilirdir:

- **RAG:** Anında güncellenebilir, kaynak gösterebilir, düşük maliyetlidir.
- **Fine-Tuning:** Eğitimi pahalıdır, statiktir (yeni veri için tekrar eğitilmelidir), ancak özel üslup ve formatlama kurallarını modele kazandırır.
- **En İyi Yaklaşım:** Hafif Fine-Tuning ile formatı sabitleyip, içeriği RAG ile dinamik beslemektir.

Question 29

Büyük dil modellerinde TTFT ve TPS (Tokens Per Second) gecikme metrikleri nasıl optimize edilir?

Accepted Answer

TTFT (İlk Tokena Ulaşma Süresi) ve TPS (Saniye Başına Token) hızları; hafif model mimarisi, HTTP/2 streaming, edge deployment ve prompt önbellekleme kullanılarak optimize edilir.

Canlı sohbet arayüzlerinde kullanıcıyı 3 saniyeden fazla bekletmek deneyimi öldürür.

**Kritik Hız Metrikleri:**
- **TTFT (Time to First Token):** Kullanıcının ekranda ilk kelimeyi görme süresi (Hedef: < 400ms).
- **TPS (Tokens Per Second):** Modelin saniyede ürettiği kelime sayısı (Hedef: > 60 tok/sec).
- **Streaming:** Tüm yanıtı beklemek yerine her token'ı anında ekrana basmak.

Question 30

Model Yönlendirici (LLM Router) ve Hibrit Orkestrasyon nedir?

Accepted Answer

Gelen her kullanıcı isteğinin zorluk derecesini analiz ederek basit soruları ucuz hafif modellere, karmaşık mimari görevleri amiral gemisi modellere otomatik yönlendiren akıllı geçit sistemidir.

Hibrit orkestrasyon sayesinde şirketler AI bütçelerini %75'e varan oranda düşürür:

1. **Sınıflandırıcı (Classifier):** Girdi 10 tokenlık basit bir soru mu yoksa 5.000 satırlık kod refactor talebi mi?
2. **Dinamik Yönlendirme:** Basit iş -> Gemini Flash; Zor iş -> Claude Opus.
3. **Sonuç Birleştirme:** Çıktılar tek bir kullanıcı deneyiminde pürüzsüzce sunulur.

Detaylı rehber için LLM Seçim Rehberi ve Maliyet Optimizasyonu (/blog/llm-secim-rehberi-performans-ve-maliyet-optimizasyonu) yazımızı okuyabilirsiniz.

Question 31

MMLU, HumanEval, GSM8K ve MATH benchmark skorları gerçek performansı ne kadar yansıtır?

Accepted Answer

Benchmark skorları modellerin teorik kapasitesini ölçer; ancak gerçek dünya başarısı için modelin Function Calling kararlılığı, bağlam sadakati ve gecikme süresi birlikte değerlendirilmelidir.

Yapay zeka modelleri pazarlanırken benchmark tabloları sıkça kullanılır:

- **HumanEval:** Kodlama ve algoritma yazma başarısını ölçer (Python fonksiyonları).
- **MMLU:** Tıptan hukuka, felsefeden yazılıma 57 farklı disiplinde genel bilgi seviyesini test eder.
- **MATH & GSM8K:** Çok adımlı matematiksel mantık yürütme gücünü sınar.
- **SWE-bench:** Gerçek GitHub issue'larını otonom çözebilme oranını test eder (yazılımcılar için en kritik metriktir).

Question 32

Embedding (Metin Vektörleştirme) modelleri nasıl çalışır, hangisi tercih edilmelidir?

Accepted Answer

Embedding modelleri, metinleri anlamlarına göre 1536 veya 3072 boyutlu matematiksel vektörlere çevirir; OpenAI text-embedding-3 ve Cohere Embed modelleri sektör standardı olarak kabul edilir.

Bir arama motorunun ya da RAG sisteminin başarısı embedding modelinin anlamsal ayırt etme gücüne bağlıdır:

- **text-embedding-3-small (OpenAI):** Hızlı, uygun maliyetli ve genel RAG aramaları için idealdir.
- **text-embedding-3-large (OpenAI):** Derin teknik terimler ve çok dilli karmaşık semantik aramalarda en yüksek doğruluğu sunar.
- **Matryoshka Embeddings:** Vektör boyutunu küçülterek (örneğin 1536'dan 512'ye) depolama ve arama maliyetini düşürme tekniğidir.

Question 33

Küçük Dil Modelleri (SLM - Small Language Models) ve cihaz üstü (On-Device) yapay zeka nedir?

Accepted Answer

SLM (Microsoft Phi, Gemma 2, Llama 3 8B), milyarlarca değil birkaç milyar parametreye sahip olan; telefonlarda, dizüstü bilgisayarlarda ve IoT cihazlarında ultra hızlı ve yerel çalışan hafif modellerdir.

Her görev için trilyon parametrelik devasa sunucu modellerine ihtiyaç yoktur:

- **Cihaz Üstü Gizlilik:** Kullanıcı verisi cihazdan hiç çıkmadan metin düzeltme veya özetleme yapılır.
- **Düşük Enerji Tüketimi:** Mobil cihazların bataryasını tüketmeden anlık asistanlık sağlar.
- **Özelleşmiş Yetenek:** Küçük boyutlarına rağmen belirli görevlerde (örneğin sadece SQL yazma) dev modellerle yarışabilirler.

Question 34

ismailhakkieren.com'da hangi ücretsiz AI eklentileri ve araçları bulunmaktadır?

Accepted Answer

ismailhakkieren.com üzerinde yazılımcıların ve içerik üreticilerinin iş akışlarını hızlandıran 6 adet ücretsiz AI eklentisi (AI Agent, AI Chat, AI Görsel Üretici, AI Model Karşılaştırması, AI Prompt Optimizer ve .cursorrules Generator) sunulmaktadır.

Platformumuzda geliştiricilerin günlük ihtiyaçlarına özel olarak tasarlanmış 6 temel eklenti yer almaktadır:

1. **AI Agent (/plugins/ai-agent):** Kişiselleştirilmiş bağlam desteğiyle kodlama, analiz ve derin araştırma asistanı.
2. **AI Chat (/plugins/ai-chat):** Kendi verilerinizle 7/24 ziyaretçi yanıtlayan otonom RAG sohbet çözümü.
3. **AI Görsel Üretici (/plugins/ai-gorsel-uretici):** Metinden anında yüksek çözünürlüklü, özgün ve telifsiz görseller üreten tasarım aracı.
4. **AI Model Karşılaştırması (/plugins/ai-model-karsilastirmasi):** GPT, Claude, Gemini, DeepSeek modellerini canlı token maliyeti ve benchmark skorlarıyla kıyaslayan simülatör.
5. **AI Prompt Optimizer (/plugins/ai-prompt-optimizer):** Ham komutları profesyonel sistem promptlarına dönüştüren ve kalite skoru veren araç.
6. **.cursorrules Generator (/plugins/cursorrules-generator):** Cursor, Claude Code ve Windsurf için projeye özel AI mimari kural dosyası oluşturan jeneratör.

Question 35

AI Agent eklentisi nedir ve geliştiricilere nasıl zaman kazandırır?

Accepted Answer

AI Agent, geliştiricilerin kodlama, mimari planlama, hata ayıklama ve teknik araştırma süreçlerini düşük gecikmeli streaming yanıtlarıyla hızlandıran akıllı çalışma asistanıdır.

AI Agent (/plugins/ai-agent), standart sohbet arayüzlerinin aksine yazılım geliştirme odaklı optimize edilmiş sistem promptları ile çalışır.

**Öne Çıkan Özellikler:**
- **Kişiselleştirilmiş Bağlam:** Kod standartlarınıza ve çalışma stilinize göre optimize edilen yanıtlar.
- **Hazır Geliştirici Şablonları:** Tek tıkla kod review, refactoring, regex hazırlama ve SQL sorgusu optimizasyonu.
- **Modern Streaming Arayüzü:** Düşünme adımlarını anlık ekrana yansıtan akıcı kullanıcı deneyimi.

Detaylı kullanım rehberi için Kişiselleştirilmiş AI Agent Rehberi (/blog/ai-agent-kisisellestirilmis-yapay-zeka-asistani-rehberi) yazımızı inceleyebilirsiniz.

Question 36

AI Agent eklentisinde çoklu model desteğinin sunduğu avantajlar nelerdir?

Accepted Answer

Tek bir modele bağımlı kalmadan; zorlu mimaride Claude Opus, hızlı yanıtlarda GPT-4o Mini ve analitik işlerde Gemini modelleri arasında tek tıkla geçiş yapmanızı sağlar.

Farklı görevler farklı model uzmanlıkları gerektirir. AI Agent (/plugins/ai-agent) bu geçişi pürüzsüz kılar.

Detaylı bilgi için Çoklu Model Destekli AI Agent ile Verimlilik Artışı (/blog/coklu-model-destekli-ai-agent-ile-verimlilik-artisi) makalemizi okuyabilirsiniz.

Question 37

AI Chat çözümü nedir ve kendi web siteme nasıl entegre edebilirim?

Accepted Answer

AI Chat, web sitenizin tüm içeriğini, blog yazılarını ve dokümantasyonunu RAG (Retrieval-Augmented Generation) mimarisiyle öğrenerek ziyaretçilerin sorularını 7/24 anında yanıtlayan otonom sohbet asistanıdır.

AI Chat (/plugins/ai-chat), şirketlerin ve bireysel üreticilerin müşteri destek yükünü %80 oranında azaltır.

**Nasıl Çalışır?**
1. **İçerik İndeksleme:** Web sitenizdeki makaleler ve sayfalar vektörlere dönüştürülüp veritabanına (pgvector) kaydedilir.
2. **Anlamsal Eşleşme:** Ziyaretçi bir soru sorduğunda, sistem en alakalı içerik parçalarını saniyeler içinde bulur.
3. **Doğrulanmış Yanıt:** Model yalnızca sizin dokümanlarınızı referans alarak sıfır halüsinasyon riskiyle net yanıt üretir.

Detaylı bilgi için Web Siteleri İçin Otonom RAG AI Chat Çözümü (/blog/web-siteleri-icin-otonom-rag-ai-chat-cozumu) makalemizi okuyabilirsiniz.

Question 38

Kendi bilgi tabanınızla çalışan AI Chat nasıl kurulur ve veriler nasıl güncellenir?

Accepted Answer

Web sitenizdeki Markdown blog yazıları veya PDF kılavuzları semantik parçalara bölünerek pgvector veritabanına aktarılır; yeni içerik eklendiğinde sistem otomatik olarak yeniden indekslenir.

Statik bir chatbot yerine yaşayan ve her güncellenen içeriği anında öğrenen bir sistem kurabilirsiniz.

Detaylar için Kendi Bilgi Tabanınızla Çalışan AI Chat Entegrasyonu (/blog/kendi-verilerinizle-calisan-ai-chat-entegrasyonu) kılavuzumuzu inceleyin.

Question 39

AI Görsel Üretici ile metinden nasıl yüksek kaliteli profesyonel tasarımlar üretilir?

Accepted Answer

AI Görsel Üretici, yazdığınız metinsel promptları hiper-gerçekçi, 3D izometrik veya siberpunk sanat tarzlarında 16:9, 9:16 ve 1:1 formatlarında profesyonel görsellere dönüştüren stüdyo aracıdır.

AI Görsel Üretici (/plugins/ai-gorsel-uretici), stok fotoğraf arama derdine son verir.

**Görsel Üretim İpuçları:**
- Konuyu, atmosferi, kamera lensini ve stil akımını net belirtin.
- Blog kapakları ve sosyal medya gönderileri için anında telifsiz çıktılar alın.

Detaylı rehber için Metinden Yüksek Kaliteli Sanata: AI Görsel Üretici Rehberi (/blog/ai-gorsel-uretici-ile-metinden-profesyonel-tasarimlar) yazımızı inceleyebilirsiniz.

Question 40

Dijital içerik üreticileri ve blog yazarları AI Görsel Üretici’den nasıl faydalanabilir?

Accepted Answer

YouTube küçük resimleri (thumbnail), blog kapak görselleri ve LinkedIn/X gönderileri için saatler süren tasarım aşamasını 30 saniyeye indirerek görsel üretimini otomatikleştirir.

Telif hakkı riski taşımayan, tamamen size özel üretilmiş görsellerle içeriklerinizin tıklanma oranını (CTR) ikiye katlayabilirsiniz.

Detaylar için Dijital İçerik Üreticileri İçin AI Görsel Üretici Kullanımı (/blog/dijital-icerik-ureticileri-icin-ai-gorsel-uretici-kullanimi) içeriğimize göz atın.

Question 41

AI Model Karşılaştırması & Canlı Token Maliyet Hesaplayıcısı ne işe yarar?

Accepted Answer

Bu araç; GPT-5.6, Claude Opus 5, Gemini 3.6 ve DeepSeek V4 gibi modellerin benchmark skorlarını, hızlarını ve canlı API token maliyetlerini tek bir ekranda simüle etmenizi sağlar.

Yapay zeka projelerinde bütçe kontrolü sağlamanın en kritik yolu doğru modeli seçmektir. AI Model Karşılaştırması (/plugins/ai-model-karsilastirmasi) eklentimiz şu avantajları sunar:

- **Canlı Token Simülasyonu:** Aylık tahmini giriş ve çıkış token sayınızı girerek tüm sağlayıcıların API faturalarını yan yana görün.
- **Benchmark Karşılaştırması:** MMLU (Genel Bilgi), HumanEval (Kodlama) ve MATH (Matematiksel Akıl Yürütme) skorları.
- **Filtreleme Seçenekleri:** Kodlama, veri analitiği veya hafif chatbot görevlerine göre en uygun modelleri listeleme.

Kapsamlı analiz için AI Model Karşılaştırması ve Canlı Token Maliyet Rehberi (/blog/ai-model-karsilastirmasi-ve-canli-token-maliyet-hesaplayici) içeriğimizi inceleyebilirsiniz.

Question 42

Geliştiriciler LLM seçiminde hız, performans ve maliyet dengesini nasıl kurmalıdır?

Accepted Answer

Tüm görevleri pahalı modellere göndermek yerine %80 hafif yönlendirici modeller, %20 akıl yürütme modelleri kullanarak hibrit bir mimari kurulmalıdır.

Doğru mimari ile API faturalarında %75 tasarruf sağlayabilirsiniz.

Detaylı bilgi için Geliştiriciler İçin LLM Seçim Rehberi (/blog/llm-secim-rehberi-performans-ve-maliyet-optimizasyonu) yazımızı inceleyebilirsiniz.

Question 43

AI Prompt Optimizer ile prompt kalitesi ve yanıt başarısı nasıl artırılır?

Accepted Answer

AI Prompt Optimizer, tek satırlık belirsiz ham komutları rol, bağlam, düşünce zinciri (Chain of Thought) ve çıktı kısıtları ekleyerek profesyonel Master Promptlara dönüştürür ve kalite skoru üretir.

Yapay zekanın yanıt kalitesi doğrudan promptun netliğine bağlıdır. AI Prompt Optimizer (/plugins/ai-prompt-optimizer) eklentimiz şu adımlarla çalışır:

1. **Ham Fikrinizi Girin:** Örneğin: *"Next.js için SEO sitemap kodu yaz"*.
2. **Otomatik Yapılandırma:** Sistem modele "Kıdemli Next.js Mimarı" rolü atar, TypeScript katı kurallarını ve edge-case analizlerini ekler.
3. **Kalite Skoru & Varyasyonlar:** Promptun netlik puanını (%95+) ve 3 farklı varyasyonunu tek tıkla kopyalamanızı sağlar.

Daha fazlası için AI Prompt Optimizer Tanıtım Rehberi (/blog/ai-prompt-optimizer-ile-daha-etkili-ve-hassas-sonuclar) sayfamıza göz atın.

Question 44

Profesyonel prompt mühendisliği için en etkili teknikler nelerdir?

Accepted Answer

Role-Prompting (Rol Tanımlama), Few-Shot (Örneklerle Öğretme), Chain-of-Thought (Adım Adım Düşünce) ve Output Constraints (Biçimlendirme Kısıtları) teknikleridir.

İyi bir prompt yapay zekanın halüsinasyon görmesini %90 oranında engeller.

Detaylı teknikler için Profesyonel Prompt Mühendisliği Rehberi (/blog/profesyonel-prompt-muhendisligi-icin-prompt-optimizer-rehberi) yazımızı okuyabilirsiniz.

Question 45

.cursorrules Generator ile projeye özel AI kuralları nasıl üretilir?

Accepted Answer

.cursorrules Generator, Cursor (.cursorrules), Claude Code (CLAUDE.md) ve Windsurf (.windsurfrules) editörleri için teknoloji yığınınıza özel mimari kuralları saniyeler içinde oluşturan ve indiren ücretsiz bir araçtır.

AI kodlama editörlerinin projenizin mimari kurallarına uymasını sağlamanın en pratik yolu kök dizine bir kural dosyası eklemektir.

**.cursorrules Generator (/plugins/cursorrules-generator) Adımları:**
1. **Stack Seçimi:** Framework (Next.js, Vite, NestJS), Dil (TypeScript, Python, Go) ve Stil araçlarını işaretleyin.
2. **Kural Direktifleri:** "No any", Server Components ayrımı, TDD test kuralları gibi tercihlerinizi belirleyin.
3. **İndirin / Kopyalayın:** Hazırlanan optimize edilmiş kural dosyasını projenizin kök dizinine kaydedin.

Detaylı bilgi için .cursorrules Generator Kullanım Kılavuzu (/blog/cursorrules-generator-ile-ai-kodlama-ajanlarina-tam-hakimiyet) yazımızı okuyabilirsiniz.

Question 46

AI kodlama verimliliğini artıran kural dosyaları projelerdeki hataları nasıl önler?

Accepted Answer

Kural dosyaları; deprecated paket kullanımını, mimari standart sapmalarını ve eksik tip tanımlarını engelleyerek kod inceleme (review) süresini %60 kısaltır.

Kural dosyası kullanılmayan projelerde AI kodunun %40'ı manuel düzeltme gerektirirken kural dosyaları ile bu oran %5'in altına iner.

Detaylar için AI Kodlama Verimliliğini Zirveye Taşıyın: .cursorrules Rehberi (/blog/ai-kodlama-verimliligini-artiran-cursorrules-rehberi) makalemizi okuyun.

Question 47

ismailhakkieren.com eklentilerini kullanmak için API anahtarı veya üyelik gerekli midir?

Accepted Answer

Hayır, web sitemizdeki tüm temel araçlar ve eklentiler herhangi bir API anahtarı veya ücretli abonelik gerektirmeden tarayıcınız üzerinden ücretsiz olarak deneyimlenebilir.

Platformumuzun amacı, modern yapay zeka teknolojilerini ve en iyi yazılım mühendisliği pratiklerini geliştirici topluluğuna erişilebilir ve ücretsiz kılmaktır.

Tüm araçları Eklentiler (Plugins) (/plugins/ai-agent) menüsünden anında kullanmaya başlayabilirsiniz.

Question 48

Yeni bir eklenti veya araç önerisinde bulunmak için ne yapmalıyım?

Accepted Answer

Geliştirilmesini istediğiniz yeni yapay zeka araçları ve eklenti fikirleri için iletişim sayfasından veya GitHub üzerinden doğrudan iletişime geçebilirsiniz.

Topluluktan gelen geri bildirimler doğrultusunda araç setimizi sürekli genişletiyoruz.

Önerilerinizi İletişim (/iletisim) sayfamız üzerinden doğrudan iletebilirsiniz.

Question 49

Next.js App Router ve React 19 mimarisinde en iyi SEO ve performans pratikleri nelerdir?

Accepted Answer

Next.js App Router projelerinde SEO ve performans için Server Components öncelikli mimari, dinamik Metadata API, JSON-LD Schema entegrasyonu ve optimize edilmiş Core Web Vitals metrikleri uygulanmalıdır.

Modern web geliştirmede yüksek Google sıralaması ve hızlı kullanıcı deneyimi için şu pratikler esastır:

- **Server Components (RSC):** Ağır JavaScript paketlerini tarayıcıya göndermeyerek anında ilk yükleme (FCP/LCP) hızı sağlama.
- **Dinamik Metadata:** Her sayfa ve blog içeriği için özel title, description, canonical ve OpenGraph etiketleri oluşturma.
- **Yapılandırılmış Veri (JSON-LD):** Arama motorlarının içeriği semantik olarak anlaması için TechArticle, FAQPage ve Breadcrumb şemaları ekleme.
- **Streaming & Suspense:** Yavaş API çağrılarında arayüzü kilitlemeden skeleton ekranlarla içerik yükleme.

Question 50

React Server Components (RSC) ile Client Components arasındaki farklar ve doğru kullanım kuralları nelerdir?

Accepted Answer

Server Components varsayılan olarak sunucuda render edilir ve sıfır bundle boyutu taşır; Client Components ise yalnızca "useState", "useEffect" veya tarayıcı eventleri (onClick) gerektiğinde kullanılmalıdır.

Doğru bir mimaride uygulamanın %80-90'ı Server Components olarak kalmalıdır:

- **Server Components:** Veritabanına doğrudan erişir, API anahtarlarını güvende tutar, arama motorları için saf HTML üretir.
- **Client Components ('use client'):** Etkileşimli butonlar, modallar ve form state yönetimi için yaprak (leaf) seviyesinde tutulmalıdır.

Question 51

Next.js Server Actions nedir ve güvenli form/veri işleme nasıl yapılır?

Accepted Answer

Server Actions, ayrı bir API route yazmadan doğrudan sunucu fonksiyonlarını istemciden çağırmayı sağlayan, Zod doğrulama şemaları ve CSRF korumasıyla güvenliği sağlanan modern Next.js özelliğidir.

Server Actions ile backend ve frontend arasındaki köprü sadeleşir:

- **Zod Doğrulaması:** Sunucuya gelen her form girdisi Zod şeması ile tip ve güvenlik testinden geçirilmelidir.
- **Hassas Yetkilendirme:** İşlem yapılmadan önce oturum (auth) ve rol denetimi gerçekleştirilmelidir.
- **Optimistic UI:** 'useOptimistic' hook'u ile sunucu yanıtı beklenmeden arayüzde anında güncelleme hissi verilmelidir.

Question 52

Core Web Vitals (LCP, CLS, INP) metrikleri Next.js projelerinde nasıl 100/100 yapılır?

Accepted Answer

Next/image ile görsel optimizasyonu (LCP), font-display: swap ile yazı tipi sıçramalarını önleme (CLS) ve ağır JavaScript hesaplamalarını web worker veya Server Components ile bölerek (INP) optimize edilir.

Google sıralamalarında teknik mükemmellik için 3 temel metrik:

1. **LCP (Largest Contentful Paint < 2.5s):** En büyük görsel ve başlığın anında ekrana basılması (priority/preload).
2. **CLS (Cumulative Layout Shift < 0.1):** Görseller ve reklam alanlarına sabit genişlik/yükseklik vererek sayfa kaymalarını sıfırlama.
3. **INP (Interaction to Next Paint < 200ms):** Buton tıklamalarında arayüzün anında geri bildirim vermesi.

Question 53

TypeScript Strict Mode ve Type-Safety neden kurumsal web projelerinde zorunlu olmalıdır?

Accepted Answer

TypeScript Strict Mode, çalışma zamanı (runtime) hatalarının %80"ini derleme aşamasında yakalayarak "undefined is not a function" gibi kritik çökmeleri tamamen engeller.

Katı tip tanımları büyük ekiplerde kodun kendini dokümante etmesini sağlar:

- 'noImplicitAny: true' ile belirsiz veri tiplerini yasaklama.
- 'strictNullChecks: true' ile null/undefined hatalarını derleme zamanında tespit etme.
- API yanıtlarını Zod şemalarından otomatik tip üreterek ('z.infer<typeof Schema>') frontend-backend senkronizasyonunu sağlama.

Question 54

Tailwind CSS v4 ile gelen mimari yenilikler ve performans avantajları nelerdir?

Accepted Answer

Tailwind CSS v4, yeni Oxide derleme motoruyla 10 kat daha hızlı derleme, sıfır yapılandırma gerektiren saf CSS tabanlı konfigürasyon (@import "tailwindcss") ve modern CSS değişkeni desteği sunar.

Tailwind v4 ile JavaScript tabanlı 'tailwind.config.js' dosyalarına veda edilmiştir:

- '@theme' direktifi ile CSS değişkenleri üzerinden dinamik renk ve font paleti yönetimi.
- Modern CSS Container Queries ve native Cascade Layers entegrasyonu.
- Çok daha küçük ve optimize edilmiş üretim (production) CSS paketleri.

Question 55

Edge Runtime ile Node.js Serverless mimarisi arasındaki farklar nelerdir?

Accepted Answer

Edge Runtime, kodunuzu kullanıcıya coğrafi olarak en yakın veri merkezinde milisaniyeler içinde (sıfır cold start) çalıştırırken; Node.js Serverless tam Node API ve kütüphane desteği sunar.

Doğru çalışma ortamını seçmek uygulamanın hızını belirler:

- **Edge Runtime:** Coğrafi yönlendirme, A/B testleri, basit kimlik doğrulama kontrolleri ve hızlı chatbot yanıtları için idealdir.
- **Node.js Runtime:** Ağır veri işleme, ORM veritabanı bağlantıları (Prisma/pg) ve dosya sistemi işlemleri için gereklidir.

Question 56

Modern React ve Next.js projelerinde State Management (Zustand, TanStack Query, Context) nasıl kurgulanmalıdır?

Accepted Answer

Sunucu durumu (Server State) için TanStack Query veya Server Components; hafif istemci durumu (Client State) için gereksiz re-renderları önleyen Zustand tercih edilmelidir.

React Context'in her state değişiminde tüm ağacı yeniden render etme problemi Zustand ile aşılır:

- **Zustand:** Seçici (selector) bazlı abonelik ile yalnızca değişen bileşeni render eder.
- **Server State:** Veri çekme ve önbellekleme işleri doğrudan sunucu bileşenlerine ve URL arama parametrelerine (searchParams) devredilmelidir.

Question 57

Next.js önbellekleme (Caching) ve Revalidation (ISR, On-Demand) mekanizmaları nasıl çalışır?

Accepted Answer

Next.js; Data Cache, Full Route Cache ve Router Cache olmak üzere çok katmanlı önbellek sunar; "revalidatePath" veya zaman bazlı ISR ile veriler arka planda güncellenir.

Statik sayfa hızı ile dinamik veri güncelliğini birleştiren stratejiler:

- **Time-based ISR:** 'revalidate = 3600' ile sayfa saatte bir arka planda yeniden derlenir.
- **On-Demand Revalidation:** Veritabanına yeni bir blog veya haber eklendiğinde webhook ile 'revalidatePath(/blog)' tetiklenerek anında taze veri sunulur.

Question 58

Büyük ölçekli projelerde Monorepo mimarisi ve Turborepo neden tercih edilir?

Accepted Answer

Monorepo, birden çok uygulama ve ortak UI/yardımcı kütüphaneyi tek bir Git deposunda toplayarak kod tekrarını önler; Turborepo ise akıllı önbellekleme ile derleme sürelerini %80 kısaltır.

Ekipler büyüdükçe ayrı repoları senkronize tutmak imkansızlaşır:

- Ortak 'ui/', 'types/' ve 'config/' paketlerinin web, mobil ve admin panelleri arasında paylaşımı.
- Değişmeyen paketlerin tekrar derlenmesini engelleyen uzaktan önbellekleme (Remote Caching).

Question 59

Next.js uygulamalarında Content Security Policy (CSP) ve güvenlik başlıkları nasıl yapılandırılır?

Accepted Answer

"next.config.js" veya Middleware üzerinden X-Frame-Options, X-Content-Type-Options, Strict-Transport-Security (HSTS) ve katı CSP başlıkları tanımlanarak XSS ve Clickjacking saldırıları engellenir.

Güvenli bir web uygulamasının HTTP başlıkları (headers) tam olmalıdır:

- **CSP (Content Security Policy):** Sayfada yalnızca onaylı domainlerden script ve görsel yüklenmesine izin verme.
- **HSTS:** Tarayıcıyı daima HTTPS kullanmaya zorlama.
- **Referrer-Policy:** Kullanıcı gizliliğini korumak için giden bağlantılarda başlık bilgisini sınırlama.

Question 60

Progressive Web App (PWA) mimarisi modern web uygulamalarına nasıl entegre edilir?

Accepted Answer

Service Worker"lar, Web App Manifest ve akıllı Cache Storage stratejileri ile web uygulamalarının mobil uygulama gibi ana ekrana yüklenmesi ve çevrimdışı (offline) çalışması sağlanır.

PWA kullanıcı bağlılığını (retention) ciddi oranda artırır:

- **Manifest.json:** İkonlar, tema rengi ve tam ekran açılış modu tanımları.
- **Service Worker Önbelleklemesi:** Statik assetlerin internet olmadan da anında yüklenmesi.
- **Web Push Notifications:** Kullanıcılara anlık tarayıcı bildirimleri gönderebilme.

Question 61

Next.js Image ve Font bileşenleri performansa nasıl katkı sağlar?

Accepted Answer

"next/image" görselleri modern WebP/AVIF formatlarına otomatik dönüştürüp boyutlandırırken; "next/font" harici istek atmadan Google yazı tiplerini yerel olarak sıfır Layout Shift ile barındırır.

Görseller ve yazı tipleri web sayfalarının en ağır iki bileşenidir:

- Otomatik Responsive Görseller ('srcset' ile ekrana uygun boyut üretimi).
- Tembel Yükleme ('loading="lazy"' ile ekran dışındaki görsellerin ertelenmesi).
- Sıfır CLS için 'next/font' ile font-family metriklerinin otomatik hesaplanması.

Question 62

Next.js ile her blog ve sayfa için dinamik OpenGraph (OG) sosyal medya görselleri nasıl üretilir?

Accepted Answer

"@vercel/og" ve Satori motoru kullanılarak HTML ve Tailwind sınıflarından sunucuda milisaniyeler içinde dinamik PNG sosyal medya kartları otomatik oluşturulur.

Her blog yazısı için Photoshop ile tek tek görsel hazırlamak yerine:

- Blog başlığını, yazar profilini ve etiketleri URL parametrelerinden alan dinamik API route ('/api/og').
- Sosyal medyada paylaşıldığında (Twitter, LinkedIn) tıklanma oranını artıran zengin kart şablonları.

Question 63

Next.js API route ve Server Actions işlemlerinde Rate Limiting ve bot koruması nasıl uygulanır?

Accepted Answer

Upstash Redis veya Cloudflare entegrasyonu ile IP ve kullanıcı bazlı Token Bucket algoritması uygulanarak API suistimalleri ve DDoS saldırıları engellenir.

Yapay zeka API'leri tüketen servislerde kontrolsüz istekler devasa faturalara yol açabilir:

- **IP Bazlı Hız Sınırı:** Kullanıcı başına dakikada maksimum 30 istek izni.
- **Bot Taraması Engelleme:** Cloudflare Turnstile veya reCAPTCHA v3 ile sessiz bot doğrulaması.

Question 64

Erişilebilirlik (A11y) ve semantik HTML neden hem kullanıcı deneyimi hem SEO için vazgeçilmezdir?

Accepted Answer

Doğru ARIA etiketleri, klavye ile gezinme ve semantik HTML etiketleri ("

", "