Sequoia'nın AI Ascent 2026 etkinliğinde, OpenAI'nin kurucu ortağı, eski Tesla AI direktörü ve Eureka Labs'ın kurucusu Andrej Karpathy — şaşırtıcı bir itirafla açılış yaptı: programcı olarak hiç bu kadar geride hissetmemişti. Beceri kaybından değil, AI destekli kodlama araçlarının programlamanın anlamını kimsenin yetişemeyeceği kadar hızlı değiştirmesinden.
Karpathy bu değişimi anlamak için üç aşamalı bir çerçeve sundu: vibe coding, agentic engineering ve Software 3.0. Yazılım geliştirmenin nereye gittiği — ve hangi becerilerin en çok önem kazanacağı — konusunda kimsenin sunduğu en net zihinsel model bu.
Ana Çıkarım
Vibe coding herkesin prompt'larla inşa etmesini sağlar. Agentic engineering profesyonellerin AI ajanlarıyla kaliteyi koruyarak inşa etmesini sağlar. Software 3.0 ise sinir ağlarının programlama katmanının kendisi olduğu dönemdir. Şu anda 1. aşamadan 2. aşamaya geçiyoruz.
Vibe Coding Nedir?
Vibe coding, Karpathy'nin şu anki aşamayı tanımlamak için kullandığı terim: teknik bilgi olsun olmasın herkesin doğal dilde istediklerini tarif ederek yazılım inşa edebildiği dönem. Bir AI'ya "bana hero bölümü, fiyat tablosu ve kayıt formu olan bir landing page yap" diyorsunuz ve o çalışan kod üretiyor.
Vibe coding zemini yükseltti. Bir ürün yöneticisi artık bir app prototipi yapabilir. Bir tasarımcı fonksiyonel bir web sitesi kurabilir. Bir öğrenci gerçek bir sorunu çözen bir araç yaratabilir. İnşa etme bariyeri "yıllarca kodlama deneyimi"nden "istediğini tarif edebilme yeteneği"ne düştü.
Vibe coding'i mümkün kılan araçlar: Cursor, Bolt, v0, Replit ve bir ölçüde kod üretimiyle ChatGPT ve Claude.
Sınırlılık: Vibe coding çalışan kod üretir, ama sıklıkla ince tasarım kusurlarıyla. Karpathy'nin örneği: AI tarafından üretilen, Stripe ödemelerini kalıcı kullanıcı ID'leri yerine e-posta adresleri üzerinden Google hesaplarıyla eşleştiren bir app. Kod sorunsuz çalıştı. Mimari yanlıştı. Junior bir geliştirici fark etmezdi. Deneyimli bir geliştirici hemen görürdü.
Karpathy'nin "jagged intelligence" dediği bu: AI yeteneği eşit dağılmamış. Modeller eğitim verisi, ödüller ve doğrulama döngülerinin olduğu alanlarda zirve yapar, diğerlerinde öngörülemez şekilde başarısız olur.
Agentic Engineering Nedir?
Agentic engineering bir sonraki aşama — profesyonel kalitede geliştirme için AI ajanlarını kullanırken mimari, tasarım kararları ve kalite standartlarında insan denetimini koruma.
Vibe coding "istediğini tarif et ve AI'nin verdiğini kabul et" iken, agentic engineering "AI ajanlarını sen yönetirken, gözden geçirirken ve düzeltirken icra ettir." İnsan rolü kod yazmaktan kod gözden geçirmeye, uygulamadan mimariye, kodlamadan mühendisliğe kayar.
Agentic engineering'i mümkün kılan araçlar: Claude Code, OpenAI Codex, Hermes Agent ve Cursor'un ajan modu. Bu araçlar sadece kod üretmez — çok adımlı görevleri planlar, icra eder, sonuçları test eder ve iterasyon yapar.
| Yön | Vibe Coding | Agentic Engineering |
|---|---|---|
| Kim yapıyor | Herkes — kodlama gerekmez | Mühendislik yargısına sahip geliştiriciler |
| AI'nin rolü | Tariflerden kod üret | Çok adımlı planları özerk icra et |
| İnsan rolü | İstediğini tarif et | Yönlendir, gözden geçir, düzelt |
| Çıktı kalitesi | Çalışır, ama tasarım kusurları olabilir | Denetimle üretime hazır |
| Ana beceri | Prompt verme yeteneği | Zevk, yargı, mimari bilgisi |
| Doğrulama | "Çalışıyor mu?" | "Doğru, güvenli, sürdürülebilir mi?" |
Software 3.0 Nedir?
Karpathy'nin en büyük kavramı. Yazılımın evrimi için çerçevesi:
Software 1.0: İnsanlar her satır kodu yazar. Açık talimatlar. Belirleyici davranış. Bu geleneksel programlama.
Software 2.0: Sinir ağları veriden öğrenir. Kurallar yazmak yerine örnekler verirsiniz ve model kalıpları öğrenir. Bilgisayarlı görü, konuşma tanıma, öneri sistemleri. Karpathy bu terimi 2017'de icat etti.
Software 3.0: Büyük dil modelleri programlanabilir bir katman olur. Her talimatı belirtmek yerine geliştiriciler hedefleri, kısıtları ve bağlamı tarif eder. Model yorumlar ve icra eder. Arayüz doğal dildir. Program prompt'tur.
Software 3.0'da LLM hem çalışma zamanı hem de programlama dilidir. LLM'yi çağıran kod yazmazsınız — LLM KODDUR. Prompt PROGRAMDIR. Ve geliştiricinin işi prompt tasarlamak, bağlamı düzenlemek ve çıktıyı doğrulamaktır.
Bu yüzden context engineering AI'da en önemli beceri haline geliyor. Prompt programsa, etrafındaki bağlam programın davranışını belirler. O bağlamı yönetmek yazılım mühendisliğinin yeni biçimidir.
---📬 Bundan değer alıyor musun? AI'da önemli beceriler üzerine haftalık yayın yapıyoruz. Posta kutuna getir →
---Neden Şimdi Syntax'tan Çok Zevk Önemli?
Konuşmadaki Karpathy'nin en alıntılanabilir cümlesi: "Düşünmeyi outsource edebilirsin. Anlamayı outsource edemezsin."
AI ajanları kod yazabilir, taslak üretebilir, araç çağırabilir ve görevleri icra edebilir. Ama sonuç iyi mi kötü mü söyleyemez. Bu yargı gerektirir — bir şeyin teknik olarak doğru ama mimari olarak yanlış olduğunu, kodun çalıştığını ama ölçeklenmediğini, bir özelliğin çalıştığını ama güvenlik açığı yarattığını tanıma yeteneğini.
Karpathy buna "taste" diyor. AI tarafından üretilen çıktıya bakıp doğru olup olmadığını bilme yeteneği. Sadece "derleniyor mu" değil, "deneyimli bir mühendis böyle mi yapar?"
Uygulamalı sonuç: temelleri derinden anlayan geliştiriciler başarılı olacak. Yüzeysel kod bilenler zorlanacak, çünkü AI yüzeysel kodlamayı onlardan iyi yapıyor. Değer katmanda yükseliyor — uygulamadan mimariye, syntax'tan yargıya, kod yazmaktan kod değerlendirmeye.
"Jagged Intelligence" Ne Demek?
Karpathy'nin AI'nin yetenek dağılımının düzensizliği için kullandığı terim. Modeller bazı görevlerde olağanüstü iyi performans gösterirken diğerlerinde beklenmedik şekilde başarısız olur. Zeka pürüzsüz değil — tırtıklı.
Ana içgörü: AI doğrulanabilir olanı otomatikleştirir. Net geri besleme döngüleri olan görevler — kod testleri geçiyor mu? matematik tutuyor mu? çıktı beklenen formatı mı karşılıyor? — AI'nin parladığı yerler. Belirsiz durumlarda yargı gerektirenler — doğru mimari mi? kullanıcı deneyimi sezgisel mi? strateji mantıklı mı? — AI'nin hâlâ zorlandığı yerler.
Geliştiriciler için bu şu anlama geliyor: çıktı ne kadar ölçülebilir, AI araçları o kadar faydalı. Kodlama, test, veri analizi ve yapılandırılmış içerik üretimi yüksek oranda otomatikleştirilebilir. Ürün tasarımı, sistem mimarisi ve stratejik karar alma hâlâ insan yargısı gerektirir.
Agentic Engineering İçin Hangi Becerilere İhtiyacın Var?
Karpathy'nin çerçevesine göre agentic engineering çağında en önemli beceriler:
1. Temellerin derin anlayışı. AI geliştikçe daha az öğrenme cazibesi doğar. Karpathy tam tersini savunuyor. Anlama darboğaz oluyor. Sistemi yönlendirmek, ne soracağını, neyi inceleyeceğini, neyi reddedeceğini bilmek için yeterli derinlik gerekir.
2. Sistem tasarımı ve mimari. AI fonksiyonlar yazar. Sen sistemler tasarlarsın. Bileşenlerin nasıl etkileştiğini, arıza noktalarının nerede olduğunu, ölçek için nasıl inşa edileceğini anlamak temel geliştirici becerisi olur.
3. Doğrulama ve inceleme. AI tarafından üretilen kodu eleştirel okuma yeteneği — sadece "çalışıyor mu" değil, "doğru yaklaşım mı?" Bu, kod yazmayı sağlayan aynı derin bilgiyi farklı şekilde uygulamayı gerektirir.
4. Prompt ve context engineering. Prompt programsa, iyi prompt yazmak programlamadır. ICCSSE framework (Identity, Context, Constraints, Steps, Specifics, Examples) agentic engineering'e doğrudan uygulanır — ajana net bir spesifikasyon veriyorsun, tıpkı insan geliştirici için tasarım belgesi yazmak gibi.
5. Araç orkestrasyonu. Hangi AI aracı için hangi göreve uygun. Özellik yazmak için Claude Code, düzenleme için Cursor, otomasyon için Hermes Agent, öneriler için Copilot. En iyi mühendisler birden fazla aracı birleştirir, birine bağımlı kalmaz.
AI kodlama araçları için prompt'larını keskinleştirmek için ücretsiz Prompt Optimizer'ı dene — herhangi bir prompt'a yapılandırılmış çerçeveler uygular. Ve şu anda mevcut en iyi AI kodlama araçları için pratik rehber için Claude Code vs Codex karşılaştırmamıza bak.
---📬 Buna benzer daha fazla ister misin? AI uygulayıcılarının nasıl çalıştığını şekillendiren fikirleri haftalık kapsıyoruz. Ücretsiz abone ol →
---Sıkça Sorulan Sorular
Vibe coding öldü mü?
Hayır. Vibe coding kalıcı — geliştirici olmayanlar için yazılıma giriş noktası. Agentic engineering üretim kalitesinde çıktı isteyen profesyoneller için evrim. İkisi bir arada var. Vibe coding'i eskiz, agentic engineering'i mimari olarak düşün.
AI benim için kod yazıyorsa kodlamayı öğrenmeme gerek var mı?
Evet, ama farklı şekilde. Syntax ezberlemeye gerek yok. Yazılımın nasıl çalıştığını anlaman lazım — veri yapıları, sistem tasarımı, güvenlik ilkeleri, performans ödünleri. AI tarafından üretilen kodun doğru ve uygun olup olmadığını değerlendirmeni sağlayan bilgi.
Software 3.0 ne zaman yaygınlaşacak?
Dar alanlarda zaten oluyor — kodlama asistanları, içerik üretimi, veri analizi. Tam Software 3.0 (çoğu uygulamanın LLM tabanlı olduğu) mevcut yörüngelere göre 3-5 yıl uzaklıkta. Geçiş kademeli, ani değil.
Agentic engineering ile ChatGPT kullanarak kodlama arasındaki fark nedir?
ChatGPT prompt'lara kod snippet'leri üretir. Agentic engineering özerk ajanlar (Claude Code, Codex, Hermes) kullanır ki çok adımlı görevleri planlasın, gerçek kod tabanında icra etsin, sonuçları test etsin ve iterasyon yapsın — hepsi minimal insan müdahalesiyle. Yön sormakla sürücü tutmak arasındaki fark.
Açıklama: Bu yazının bazı linkleri affiliate linklerdir. Sadece kişisel olarak test edip düzenli kullandığımız araçları öneririz. Tam açıklama politikamızı görün.