Last Saturday, I had a chance to talk about #NeuroLinguisticProgramming and some of its tools like #StateManagement #Anchoring #Calibration #Rapport and #MetaModel at the #devnotsummit26 event. It was not one of my best presentations, as I am trying this out for the first time in the developer community, but I believe things will get better over time as the community starts embracing the concept and the practices. I started the presentation with the "sour lemon", which I intentionally kept the "loop" open (see Nested Loops in NLP), so that people would get a better unconscious perception of the "anchoring" exercise we did at the end. Lessons are learnt; - Slides-wise - Timing-wise - Presenting-wise I got a lot of "thanks for the talk" though but like I said, was not one of my best, as I hoped to be. V2 of this is going to rock, because I know what to do better now! Thanks for having me at this beautifully held event, @umutluoglu and the team behind it. (not AI-written, I swear)

Dün Developer Summit'i 10. kez gerçekleştirdik. Katılan herkese, konuşmacılarımıza, destek veren sponsor şirketlere ve organizasyon ekibimize bu harika etkinliğin bir parçası oldukları için çok teşekkür ediyorum. Developer Summit 2027'de görüşmek dileğiyle. #devnotsummit26

The map is not the territory😉

Benim codex bazen kufurlu konusuyor

Selamlar Fatih. Bence bu tür argümanların en büyük çıkmazı, insanların tecrübelerinin çok farklı olması ve bu konuda sağlıklı veri toplamanın zor olması. Söylediklerinin önemli bir kısmına katılıyorum ama meselenin biraz daha gri bir tarafı olduğunu düşünüyorum. Ufak bir not: AI bugün iyi kod üretebiliyorsa bunun sebeplerinden biri de geçmişte insanların aslında o kadar da kötü kod yazmamış olması. Sonuçta bugünkü modeller büyük ölçüde insanların yazdığı kodlar üzerinde eğitildi. İlk söylediğinle vardığın sonucu bağlayan varsayımı ben kabaca şöyle okuyorum: “İnsanlar zaten eskiden de yazdıkları kodun tamamına hâkim değildi. AI düzgün kod yazıyor mu, güvenebilir miyim diye soruyorsun ama eskiden de her şeyi anlamıyordun. O halde AI ile kod yazmak neden şimdi daha tehlikeli olsun?” Bu senin argümanını tam olarak temsil etmiyor olabilir. Ama ben özellikle bu varsayım üzerinden cevap vermek istiyorum; çünkü ilk gözleminle vardığın sonuç arasındaki geçişte önemli bir rol oynadığını düşünüyorum. 1. Kodun tamamına hâkim olmak zaten hedef değildi. Hatta abstraction, SOLID, Clean Code gibi kavramların önemli hale gelmesinin sebeplerinden biri tam olarak buydu. Bir insanın aynı anda hatırlaması, okuması ve anlaması gereken kod miktarını azaltmaya çalışıyorduk. Sistemi anlaşılabilir parçalara bölmek mühendisliğin kendisiydi. 2. SOLID, TDD vs. gerçekten uygulanıyor muydu? Hepsi, her projede, eksiksiz uygulanıyordu diyemem. Ama örneğin Single Responsibility, Dependency Injection ve Interface Segregation oldukça yaygın pratiklerdi. Open/Closed ve Liskov Substitution belki isimleri daha az hatırlanan prensiplerdi. Hatta Open/Closed Principle buna güzel örnek. İnsanlar prensibin adını söylemeden polymorphism üzerinden zaten buna uygun tasarımlar yapabiliyorlardı. Ben kendi çalıştığım projelerde bu prensiplerin farklı seviyelerde sürekli kullanıldığını gördüm. Zamanla programlama pratiğinin içine o kadar karıştılar ki insanlar bazen bunları kullandıklarının farkında bile değildi. Bir insan SOLID'in beş maddesini sayamıyor olabilir ama yıllarca iyi mühendislerle çalışarak, başkalarının kodunu görerek ve PR review'lardan geçerek bunun bir tür muscle memory'sini geliştiriyordu. Bunun başka bir etkisi daha vardı. İyi mühendislerin kurduğu projelerde başlangıçtaki mimari ve kod yapısı sonraki insanları da yönlendiriyordu. O mühendisler artık ekipte olmasa bile yeni gelenler mevcut pattern'leri kopyalayarak belli bir kalite çizgisini sürdürebiliyordu. “Sonra refactor ederiz” kısmına ise katılıyorum. Çok iş gerçekten ileriki bir tarihe bırakılıyordu. Ama refactor edilmesi gereken kodun içinde bile SOLID prensiplerini görebiliyordun. Çünkü bunlar binary kurallar değil, farklı seviyelerde uygulanabilen prensipler. Zaten refactor ihtiyacının önemli bir kısmı da kodun tamamen kötü olmasından değil, mimarinin zamanla değişen ihtiyaçlara cevap verememesinden çıkıyordu. AI ile kod yazmak artık görmezden gelinemeyecek bir gerçek. Ama herkes ve her kurum bundan aynı ölçüde etkilenmeyecek. Rekabet baskısı, regülasyon, güvenlik ve hata toleransı her yerde aynı değil. Buna rağmen mühendislerin AI ile kod üretme becerisi kazanmasının önemli olduğunu düşünüyorum. Çünkü bence bir sonraki problem “AI kod yazabiliyor mu?” olmayacak. Asıl mühendislik problemi, bu hızın ürettiği karmaşıklığı, kalite problemlerini ve riskleri nasıl kontrol edeceğimiz olacak. Ve o problemler şimdiden görünmeye başladı. Bir de eğer bu yazının vermek istediği ana mesaj “AI'dan çekinmeyin, AI ile gayet kod yazılabiliyor ve bunu kullanmayı öğrenmek gerekiyor” ise, bence bu değerli bir mesaj. Bence asıl problem, şirketlerin ve sektörün bu mesajı en baştan insani bir ölçüde verememesi oldu. AI çoğu zaman “işinizi kolaylaştıracak yeni bir araç” olarak değil, neredeyse “ya adapte olursunuz ya da işiniz elden gider” şeklinde anlatıldı. Bu korkunun tamamını şirketlere de yüklemiyorum. Mühendisler AI'ın neler yapabildiğini ilk gördüklerinde zaten doğal olarak “peki benim işim ne olacak?” diye düşündüler. Bence AI'a karşı oluşan tepkinin önemli bir kısmı teknik olmaktan çok buradan geliyor. Eğer AI en baştan insanın yerine geçecek bir tehdit ya da existential crisis gibi değil de, mühendisliğin kapasitesini artıracak bir teknoloji olarak konumlandırılsaydı, bugün yaptığımız tartışmaların önemli bir kısmına belki ihtiyaç bile kalmazdı. İnsanların adapte olması çok daha doğal olabilirdi. Tabii bunun neden böyle olmadığı da anlaşılabilir. AI'a yatırılan para çok büyük, şirketler arasında ciddi bir “geri kalıyoruz” korkusu var ve herkes bu dönüşümün hızını kaçırmaktan endişe ediyor. Bunların hepsi şirketlerin verdiği mesajın tonunu muhtemelen daha sert ve daha panik hale getirdi. Bence bugün yapılması gereken şey de tam olarak bu tonu düzeltmek: AI'ı ne küçümsemek ne de insanların üzerinde korku oluşturarak benimsetmeye çalışmak. Mühendislerin bu teknolojiyi öğrenmesini sağlamak ama aynı zamanda yeni hızın getirdiği kalite, güvenlik ve karmaşıklık problemlerini de mühendisliğin konusu olarak görmek.

Bir LLM’e prompt gönderip cevap almak işin en kolay kısmı. Peki işin içine Tools, RAG, Memory, Skills ve bir Agent Runtime girince ne değişiyor? Agentic AI öğrenirken benim en çok takıldığım yer buydu. Bu parçaların ne olduğunu tek tek anlatan çok fazla kaynak var ama hangi problemi çözmek için eklendiklerini, birbirlerinden nasıl ayrıldıklarını ve birlikte nasıl çalıştıklarını kafamda oturtmak daha zordu. Bir de çoğu zaman atlanan başka bir soru vardı: Bunların hangilerine gerçekten ihtiyacım var? Ben de bunu kod üzerinde öğrenmek için Java-first, açık kaynak bir proje geliştirmeye başladım: Agentic Developer Handbook. Basit bir model çağrısından başlayıp adım adım ilerleyen çalışan Java örnekleri var. Şu anda 7 lab tamamlandı. Model → Structured Output → Tools → RAG → Memory → Skills → Agent Runtime şeklinde ilerliyor ve 7. lab’de ilk bounded agent runtime’ı kuruyoruz. Sonrasında da öğrendiklerinizi bir araya getirdiğiniz bir Capstone var. Burada amaç her şeyi kullanmak değil; hangi capability’ye gerçekten ihtiyacınız olduğuna karar vermek. Hatta bunun için ayrıca bir Agentic System Readiness Assessment ekledim. Bazı senaryolarda sonuç gayet rahat şekilde “burada agent’a, hatta LLM’e bile ihtiyacın yok” olabiliyor. Bundan sonra MCP, Evaluation, Observability, Security ve Deployment tarafına doğru devam edecek. Şimdi biraz da geliştirici gözüyle dışarıdan bakılmasına ihtiyacım var. Anlaşılmayan bir yer, eksik olduğunu düşündüğünüz bir konu ya da “bunu gerçek bir senaryo üzerinde görmek isterdim” dediğiniz bir şey varsa yazın. Mevcut bir lab’i iyileştirmek, bir örnek veya skill hazırlamak ya da ileride eklenebilecek bir integration önermek isteyenler için GitHub’da issue template’leri de hazır.

Devnot olarak bugüne kadarki en büyük etkinliğimize hazırlanıyoruz. Developer Summit 2026’da yazılım mimarisinden Agentic AI’a, LLM’lerden mikroservislere, mobil yazılımdan backend’e 6 paralel oturumda "kalite ve tecrübe dolu" 40 teknik oturum gerçekleşecek. Sektörde çalışan 1.000’e yakın yazılımcı ve yönetici ile birçok büyük şirketin yer alacağı harika bir networking fırsatı sunacak bir ortam olacak. 17 Ekim Cumartesi günü İstanbul'da görüşmek üzere.

Developer Summit 2026'nın ilk konuşmacıları belli oldu! Yılın beklenen etkinliği 17 Ekim Cumartesi günü İstanbul'da gerçekleşecek. Detaylar için: summit.devnot.com

After 6 years, Strimzi Kafka CLI v1.0.0b3 is out. Officially in beta. What's in: - @strimziio 1.0 / Kafka 4.2 (KRaft-only) - No more kubectl dependency - Built-in MCP server (32 tools) for AI-assisted Kafka on K8s - Brand new project website pip install strimzi-kafka-cli strimzi-cli.dev #kafka #kubernetes #strimzi #opensource #cli #mcp #ai

Check out my @WisprFlow Insights!

This

Meister Eder und sein Pumuckl

over-engineer.md is missing. Oh wait we don’t need an agent for it.

Murat Ülker, İngiltere'de ürettiği peynirli krakere %9 oranında peynir koyarken, Türkiye'de ürettiği Çizi'de %0,2 yani sadece binde 2 peynir tozu bulunuyor! Bu çifte standardı milyonlara duyuruyoruz: Gıda Dedektifi'ne işte bu yüzden düşmanlık yapıyorlar! gidadedektifi.com/gonderiler…

Okuyup da merak eden olur diye: aykutbulgu.com

hier kommt die sonne