Önce ana fikir
Bir yapay zekâya daha çok kural vermek her zaman daha iyi sonuç getirmez. Aynı şeyi tekrar eden veya birbirine ters düşen kurallar işi zorlaştırabilir. Videonun önerisi şu: Hedefi açık anlat. İşe özel bilgileri koru. Gerekmeyen yükü azalt. Sonucun bozulup bozulmadığını ölç.
Video beş konuya bakıyor: işi tek mesajda tanımlamak, CLAUDE.md dosyasını küçültmek, becerileri parçalara ayırmak, düşünme çabasını işe göre seçmek ve gereksiz alt ajanları azaltmak.
Kaynakta anlatılan: Anthropic’in Claude Code sistem talimatlarının %80’den fazlasını kaldırdığı ve Opus 5 ile Fable 5 kodlama değerlendirmelerinde ölçülebilir kayıp görmediği aktarılıyor. Bu sonuç, her kişinin kendi kurallarının %80’ini silmesi gerektiği anlamına gelmez.
Küçük sözlük: hangi parça ne işe yarar?
- Prompt / istek metni
- O anda yapay zekâya verdiğin iş.
- Bağlam (context)
- Modelin işi yaparken önünde bulunan bütün bilgiler. İstek, konuşma, dosyalar, kurallar ve araç açıklamaları buna dahildir.
- CLAUDE.md
- Claude Code’un proje hakkında okuduğu yönerge dosyası. Projeye özel önemli noktaları taşır.
- Beceri (skill)
- Belirli bir işi yapmayı öğreten hazır yönerge ve dosya paketi.
- Alt ajan (subagent)
- Kendi bilgi alanında ayrı çalışan yardımcı model. Sonucunu ana ajana iletir.
- Token
- Modelin metni işlerken kullandığı küçük parça. Bir token her zaman bir kelime değildir.
- Effort / çaba ayarı
- Modelin işe ne kadar hesaplama ve kontrol emeği ayıracağını etkileyen ayar.
- Harness / çevre düzeni
- Modelin etrafına kurulan araç, kural ve görev yönetimi yapısı.
İşin tamamını baştan anlat
Videoda zayıf bir akış örneği veriliyor: Önce dosyayı okutmak, sonra özet istemek, ardından rapor ve en son e-posta istemek. Model yalnız sıradaki küçük adımı bilirse asıl amacı kaçırabilir. Kullanıcı da her adımda yeniden yön vermek zorunda kalır.
Bir işi tek mesajda vermek, bütün işi tek dev dosyaya yığmak değildir. Burada amaç, yolun sonunu baştan göstermektir.
- Ne istiyorsun? Hazırlanacak sonucu yaz.
- Kimin için? Okuyucuyu veya müşteriyi belirt.
- İyi sonuç nasıl görünür? Beklediğin niteliği açıkla.
- Hangi dosyalar kullanılacak? Kaynakları göster.
- Ne zaman bitmiş sayılır? Kontrol edilebilir bitiş koşulu ver.
Anlatıcı modeli, işini bilen ama senin iş yerine yeni gelmiş bir çalışan gibi düşünmeyi öneriyor. Genel rapor yazmayı biliyor olabilir. Fakat müşterinin kim olduğunu, rakamlarının ne anlama geldiğini ve özel sınırlarını sen söylemelisin.
Kaynakta geçen model özelindeki öneri: Opus 5 için genel “dikkatli düşün” ve “iki kez kontrol et” hatırlatmalarını çıkarıp denemek öneriliyor. Bunun nedeni, zaten yapılan kontrolün gereksiz tekrarlanabilmesi. Bu öneri, gerekli testlerin veya somut kabul koşullarının kaldırılması demek değil.
CLAUDE.md içinde ne kalsın?
Birbiriyle çelişen talimatlar modele ek iş çıkarır. Örneğin bir yerde gerekli açıklamayı yazması, başka bir yerde hiç yorum eklememesi söylenirse aradaki niyeti çözmek zorunda kalır. Videoya göre bunun bedeli zaman ve boşa giden token olabilir.
Katı sayı yerine amaca uygun ölçü
Kaynakta kod yorumlarını en fazla bir satırla sınırlayan eski bir kural anlatılıyor. Bazı kodlar daha çok açıklama gerektirince bu sınır yanlış sonuç verebiliyor. Bunun yerine çevredeki kodun anlatım biçimine uyma ilkesi öne çıkıyor. Benzer biçimde, her raporu zorla beş maddeye sığdırmak, konu altı madde gerektirdiğinde bilgiyi eksiltebilir.
Araç açıklamasını gereksiz örneklerle doldurma
Videoda görev listesi aracının yaklaşık 9.100 karakterlik açıklamasının çok kısaldığı anlatılıyor. Buradaki uyarı, araç tanımına konan örneklerin modeli dar bir kullanım biçimine sıkıştırması. Bu, bütün isteklerden örnekleri kaldırma kuralı değil. Anlatıcı bu ayrımı özellikle yapıyor.
Not defteri ile proje kuralını ayır
Videoya göre Claude Code bazı iş bilgilerini otomatik hafızaya yazabiliyor. Bu yüzden her eski notu CLAUDE.md içine yığmak gerekmiyor. Hafıza özelliğinin her uygulamada veya her hesapta aynı çalıştığı varsayılmamalı.
| Satır örneği | Videodaki değerlendirme | Neden? |
|---|---|---|
| Profesyonel bir dille yaz. | Gereksiz genel hatırlatma örneği | Modelin zaten bildiği bir beklenti olabilir. |
| Gelir sütununa KDV dahil değil. | Korunacak özel bilgi | Model bunu yalnız sayılara bakarak bilemez. |
| Her rapor tam beş madde olsun. | Gereksiz katılık örneği | İçeriğin gerektirdiği yapıyı bozabilir. |
Ana soru şu: Bu bilgi söylenmezse model nerede yanlış yapar? Dosyada bu tuzaklar kalsın. Video, Claude Code içindeki /doctor komutunu yönerge ve becerileri gözden geçirmek için anıyor. Bu görevde komut çalıştırılmadı; başka bir uygulamada aynı komutun var olduğu kabul edilmedi.
Anlatıcının deneyi: dosya küçüldü, iş hızlanmadı
Anlatıcı kendi CLAUDE.md dosyasında küçük bir karşılaştırma yapıyor. Çalışma sonunda güncellenen bir durum dosyasının geçerli JSON olması gerekiyor. JSON, programların düzenli bilgi saklamak için kullandığı metin biçimidir. Dosya bozulursa sonraki çalışma onu okuyamayabilir.
“Geçerli JSON olduğundan emin ol” hatırlatmasını deneme sürümünden çıkarıyor. .env dosyasının içeriğini paylaşmama ve rapora koymama sınırını ise özellikle koruyor. Çünkü bu, genel öğüt değil, açık bir gizlilik sınırı.
| Ölçülen | Anlatıcının bildirdiği sonuç |
|---|---|
| Eski / sade yönerge | 3.600 token → 1.700 token |
| Başlangıçtaki fark | Her oturumda 1.900 token daha az yönerge |
| Deneme düzeni | İki sürüm, ayrı oturumlar, her sürüm üç kez; toplam altı çalışma |
| Sabit tutulanlar | Model, effort ve başlangıç dosyaları aynı; değişen CLAUDE.md |
| Çıktı | Altı çalışmada da kayıt doğru yere yazıldı; JSON ve sayılar doğru kaldı. |
| Süre | 33–41 saniye |
| Toplam tüketim | Belirgin fark bulunmadı; denemeler arasında oynadı. |
Model, JSON hatırlatması kaldırılan sürümde de dosyanın geçerliliğini kendisi kontrol etmiş. Aynı sürümün iki çalışması arasındaki fark, iki sürüm arasındaki farktan büyük çıkmış.
Büyük beceriyi küçük başvuru dosyalarına ayır
Rapor yazma becerisinin içine stil rehberi, sözlük ve bütün eski raporlar konursa kısa bir e-posta için bile gereksiz bilgi yüklenebilir. Videoda beceriyi bir kütüphane gibi düşünmek öneriliyor. Masada yalnız kullanılan kitaplar dursun.
- İlk aşama: Model becerinin adını ve açıklamasını görür.
- İkinci aşama: İşe uygunsa ana dosyayı açar.
- Üçüncü aşama: Ayrıntılı dosyaları ihtiyaç olduğunda okur.
Ana dosya bir içindekiler sayfası gibi çalışsın. Ne zaman kullanılacağını ve ana adımları anlatsın. Stil, sözlük ve uzun örnekler ayrı dosyalara taşınsın. Gerekli kaynağa ana dosyadan doğrudan bağlantı verilsin.
Bir seviye bağlantı: Ana dosya A’ya, A da B’ye götürmesin. Ana dosya hem A’yı hem B’yi doğrudan göstersin. Anlatıcı, zincir uzadığında modelin dosyanın yalnız başlangıcına bakma riskini vurguluyor.
Açıklama seçimi etkiler: “Belgelerle yardımcı olur” çok belirsiz. Açıklama, becerinin ne yaptığını ve hangi istekte kullanılacağını söylemeli. Videoda modelin 100’den fazla beceri arasından açıklamaya bakarak seçim yapabildiği belirtiliyor; bu sayı her hesabın gerçek beceri sayısı değildir.
Çaba ayarını işin ihtiyacına göre seç
Videodaki düşünme çabası ayarı (effort), yalnız “daha zeki ol” düğmesi gibi anlatılmıyor. Daha yüksek değer, modelin daha çok dosya okumasına, daha çok deneme yapmasına ve kullanıcıya dönmeden önce daha ileri gitmesine yol açabilir. Bunun süre ve tüketim bedeli vardır.
Anlatıcı Low, Medium, High, Max ve altyazıda “ultra” olarak geçen düzeyleri anıyor. Bu liste her modelin ve ürünün menüsü için doğrulanmış ortak liste değildir. Kullanılan modelin gerçek seçeneklerine bakılmalıdır.
Videodaki iki karşılaştırma
- Spor takip uygulaması: Az ayrıntıyla verilen istekte Low yaklaşık 1,5 dakika sürüyor; basit kayıt ve grafik çıkıyor. Max yaklaşık 67 dakika sürüyor ve daha kapsamlı sonuç üretiyor. Aynı kapsamın yalnız hız karşılaştırması değil.
- Veri analizi: Opus 5.5 için Low’da 0/5, High’da 4/5 başarı örneği aktarılıyor. Yüksek çabada veri iki yolla hazırlanıyor; sonuçların değiştiği fark edilip nedeni araştırılıyor.
Yanlış bir yöntemle başlanmışsa daha uzun uğraşmak hatayı çözmeyebilir. Anlatıcının önerisi, üst ayarları gerçekten kalite farkı ölçülen işlere ayırmak. Max’ın gereksiz uzatma eğilimi olabileceğini de aktarıyor.
| Gözlenen sorun | Videonun önerdiği yön |
|---|---|
| Dosya atlandı; gerekli deneme yapılmadı. | Daha çok çaba ayırmayı değerlendir. |
| Gerekli bilgi var, yeterince uğraşıldı; sonuç yine yanlış. | Daha güçlü modeli değerlendir; Sonnet → Opus örneği veriliyor. |
| İlk yöntem yanlış. | Yalnız effort artırmakla yetinme; yaklaşımı düzelt. |
Pratik akış olarak taslağı Low’da, zorlamayı ve testleri High’da yapmak söyleniyor. Son kontrol listesinde Medium başlangıcı da öneriliyor. Bunlar göreve göre seçilecek önerilerdir; her işi iki ayrı ayarda çalıştırma zorunluluğu değildir.
Her konu için ayrı ajan açma
Alt ajan, kendi çalışma alanında ayrı iş yapan yardımcıdır. Kontrol veya birbirinden bağımsız paralel işler için işe yarayabilir. Videonun eleştirdiği şey, şirketin her bölümü için bir ajan açıp aynı örgüt şemasını yazılıma taşımak.
Bilgi her el değiştirdiğinde özetlenebilir ve ayrıntı kaybolabilir. Kaynaktaki örnekte raporu yazan ajan asıl tabloyu görmüyor; yalnız özetini görüyor. Bir haftanın verisinin eksik olduğu bilgisi birkaç devirde kaybolabiliyor. Bu, sorunu açıklayan örnektir.
Anlatıcı, Anthropic’in bazı şirket karşılaştırmalarında becerileri olan tek ajanın hem çok ajanlı düzeni hem tek dev promptu çoğu zaman geçtiğini aktarıyor. “Çoğu zaman”, “her zaman” demek değil. Bir şirket örneğinde tek ajanın yaklaşık iki kat hızlı olduğu söyleniyor; bu sayı genel hız garantisi olarak kullanılmamalı.
Ayrı yardımcı ne zaman anlamlı?
- Tek ajanın önündeki bilgi çok büyümüş ve bunun kaliteyi düşürdüğü ölçülmüşse.
- İşler gerçekten bağımsız ve paralelse; her biri temiz bir çalışma alanı gerektiriyorsa.
- Çok sayıda araç veya çelişen talimat yüzünden ana ajan doğru seçimi yapamıyorsa.
Kaynakta bağımsız kontrol örneği de veriliyor: Yardımcı, işin nasıl yapıldığını görmeden sonucu kontrol ediyor. Bu, her küçük iş için ikinci ajan açma talimatı değildir. Uygunluğu işin büyüklüğü ve ölçülen yarar belirler.
Deneme önerisi: On iyi örnekle başla. Her birini birden çok kez çalıştır. Videoda bir sorunun iki denemenin yalnız birinde çıktığı aktarılıyor. Bir kez başarı görmek, düzenin sürekli doğru çalıştığını kanıtlamaz.
Beş maddelik uygulama listesi
Anlatıcının son yorumu: Model geliştikçe çevresindeki gereksiz iskele küçülebilir. Ama sıfırlanmaz. Özel tuzaklar ve yararlı paralel işler kalabilir.
- İşi baştan tam anlat. Genel kontrol tekrarlarını kaldırıp sonucu karşılaştır.
- CLAUDE.md dosyasını gözden geçir. Kaynak
/doctorkomutunu anıyor. Modelin bilemeyeceği özel bilgiler ve açık sınırlar kalsın. - Beceriyi böl. Uzun başvuru bilgilerine ana dosyadan tek adımda ulaş. Açıklamada kullanım zamanını yaz.
- Çabayı işe göre seç. Medium başlangıcını değerlendir; taslak ve zor kontroller için farklı düzeyleri yalnız yararlıysa kullan.
- Bir ajanı beceriyle değiştirmeyi dene. On örneği tekrarlı çalıştır; sonuç bozulursa değişikliği tutma.
Bu liste bir deneme planıdır. Önce yedek alıp tek değişikliği karşılaştırmak, anlatıcının ölçerek sadeleştirme yaklaşımına uygun olur. Yedek önerisi bu haberin uygulama çıkarımıdır.
Resmî kaynak kontrolü · 1 Kasım 2026
Bu bölüm videodaki anlatımdan ayrıdır. Yalnız aşağıdaki noktalar resmî belgelerin erişilen bölümleriyle karşılaştırıldı. Bütün belgeler bütünüyle arşivlenmedi.
- S02 — Bağlam rehberi: %80’den fazla azaltma, Opus 5/Fable 5 değerlendirmeleri, yaklaşık 9.100 karakterlik TodoWrite örneği ve
/doctorönerisi ilgili metinde var. Yazarı Thariq Shihipar; tarih 24 Temmuz 2026. Araç kısalınca durum seçenekleri ve tek etkin görev sınırı gibi işlevsel kuralların tamamen yok olmadığı görülüyor. - S03 — Opus 5 istem rehberi: İş tanımını baştan tam verme ve gereksiz yeniden kontrol talimatlarının ek tüketim doğurması destekleniyor. Aynı belge bağımsız ve büyük işler dışında alt ajan çoğaltmayı sınırlıyor. Bu, model özelindeki rehberdir.
- S04 — Beceri yazımı: Ayrıntıları gerektiğinde yükleme, açık kullanım açıklaması ve başvuru bağlantılarını ana dosyadan bir seviye derinde tutma önerileri doğrulandı. Somut örnek ve gerekli doğrulama adımları da belgede yer alıyor; “hiç örnek / kontrol kullanma” sonucu çıkmaz.
- S05 — Çaba yazısı: Az tanımlı uygulama örneğinde 1,5 ve 67 dakika; proteomik veri analizinde Low 0/5, High 4/5 bilgileri mevcut. Aynı uygulama ayrıntılı tanımlanınca süreler farklılaşıyor. Bu nedenle videodaki süreler evrensel karşılaştırma değil. İlgili yazının yazarı Thariq Shihipar; tarih 25 Eylül 2026. Videoda geçen “Lidia” atfı bu yazının yazarlığıyla eşleştirilemedi.
- S06 — Ajanları birleştirme rehberi: 22 Ekim 2026 tarihli, Diane Sarkis imzalı yazı; tek döngü + beceri yaklaşımının bazı karşılaştırmalarda yararını ve alt ajanların üç kullanım koşulunu destekliyor. On örnekle küçük değerlendirme önerisi var. Videodaki yaklaşık iki kat hız ve iki denemeden birinde hata ayrıntıları erişilen bölümlerde bağımsız teyit edilemedi.
Kaynaklar Claude ürünleri içindir. Buradan Codex veya başka modellere aynı adla ayar ve komut aktarılmaz. Token fiyatı, sabit yüzde tasarruf veya hesap erişimi bu videoda verilmedi; bunlar için sayı üretilmedi.
Belirsizlikler ve kapsam sınırı
- Otomatik altyazı “Claude” adını sık sık “Cloud”, JSON’u “Jason” yazıyor. Bunlar bağlama göre düzeltildi. Çalıştırılacak dosya veya bilinmeyen komut uydurulmadı.
- Model adları ve ayarlar kaynağın tarihiyle birlikte verildi. Videodaki bütün düzeylerin her üründe bulunduğu söylenmiyor.
- 307 altyazı parçası 00:00.320–09:13.600 aralığını kapsıyor. Video metadata süresi 09:12. Son altyazı sonu metadata sınırını yaklaşık 1,6 saniye aşıyor. Kaynak süreleri sessizce değiştirilmedi.
- Anlatıcının altı denemesi bağımsız olarak yeniden çalıştırılmadı. Hız ve maliyet iddiaları onun gözlemi olarak korundu.