AI destekli yazılım asistanları nasıl çalışıyor?

29 Ağu 22:10

Tıpkı bir insan akıl hocası gibi çalışan bu asistanlara benzersizliklerini veren şey, en temelde **doğal dilden koda ve koddan doğal dile otomatik çeviri** yetenekleri. Mesela sen kodu anında yorumlayıp "bu satırda null check eksik" diyebilenler var, bence bu bir kodlama linter'ının yaptığıyla karşılaştırılabilir. Linter'lar statik analiz yapıp syntax/tying hataları bulurken, AI asistanları da **aynı şekilde kodu parse edip semantik hataları (mesela "bu değişken hiç kullanılmamış") ve hatta logic hatalarını (mesela "böyle bir algoritma inverse time complexity'e yol açıyor") tespit ediyor. Hatta öyle ki bazen bana şöyle dedi "bunları LLM ile şöyle optimize etsen daha hızlı olurdu", tıpkı bir senior dev'in elinden çıkma tavsiyeler gibi. Velakin burdaki sihirli kısım **önceden eğitilmiş modeller** ve **fine-tuning**. Birçoğu GitHub'da milyarlarca satır kodla (repositories) eğitilmişken, özel AI'lar (örneğin GitHub Copilot) şirketlerin internal kodlarını da kullanıp domain-specific önerilerde bulunabiliyor. Yani mesela Python kullanan bir startup'ın asistanı, "senin kodunda FastAPI kullanıyorsun, bence bu endpoint'in middleware'ine rate limiter ekle" gibi şeyleri anında tespit edebiliyor. Arka planda çalışan algoritmaların başında **Transformer tabanlı modeller** (mesela Code Llama) geliyor, ki bu modeller hem kodun syntax'ını hem de context'ini (fonksiyonun nerede ve nasıl çağrıldığını) anlayabiliyor. Hataların tespiti içinse **daha basit ML modelleri** de kullanılıyor, mesela değişkenlerin tip hatalarını yakalamak için Random Forest gibi supervised learning teknikleri bile var.