· kaynak Hacker News – Front Page (native)
Anthropic'un Claude Code ekibi, doğrulama döngülerinin koda yüzde 90 yapay zekâ devrini nasıl mümkün kıldığını anlattı
Claude Code ekibi, kodlarının yaklaşık yüzde 90'ının artık Claude tarafından yazılıp incelendiğini söylüyor ve büyük ölçekli yapay zekâ devrini güvenli kılan E2E, property ve differential testleri ile inceleme sürecini açıklıyor.

Anthropic'un Claude Code ekibi, yapay zekâ agent'larının ürettiği işleri nasıl doğruladıklarına dair ayrıntılı bir yazı yayımladı ve ekipteki kodların yaklaşık yüzde 90'ının Claude tarafından yazılıp incelendiğini ortaya koydu. claude.dev'de yayımlanan ve Hacker News'in ana sayfasına taşınan yazıda ekip, doğrulama döngülerinin — agent'lara değişikliklerinin çalıştığına dair gerçek kanıt sunmanın — bu ölçekte devri mümkün kılan temel mekanizma olduğunu savunuyor.
Doğrulama paralelliği satın alan şeydir
Yazıya göre, doğrulama altyapısı olmayan bir geliştirici aynı anda yalnızca bir ya da iki agent oturumunu denetleyebilir; çünkü her çıktının insan gözünden geçmesi gerekir. Agent'ın talebiyle çalıştırılabilen ucuz kontroller — testler, benchmark'lar, spesifikasyonlar ve tam uçtan uca çalıştırmalar — bu denklemi değiştirir: agent'lar kendi işlerini kanıtlayabildiğinde düzinelerce ya da yüzlercesi paralel çalışabilir.
Ekip, ayrı bir değerlendiricinin Claude'un çıktısını bir puanlama ölçütüne göre notlandırdığı, yapılandırılmış dosya üretimi üzerindeki iç testlere atıfta bulunuyor; bu yaklaşım standart bir prompt döngüsüne kıyasla görev başarısını 10 puana kadar artırıyor, en büyük kazanım ise en zor problemlerde sağlanıyor. Bir kez üretildikten sonra bu kontroller sıradan yazılımlar gibi çalıştığı için, çok az token maliyetiyle sık sık çalıştırılabiliyorlar.
Döngünün kendini de kapatması gerekiyor: bir agent, logları kullanıcı verisi açısından tarayan bir kontrolde defalarca başarısız oluyorsa, ekibin çaresi bir hook ya da projenin CLAUDE.md dosyasına daha açık bir kural eklemek; böylece bu başarısızlık büyük ölçüde tekrar etmeyi bırakıyor.
Yatırıma değecek üç test
Yazı, kötü seçilmiş testlerin ters teptiği uyarısında bulunuyor. Kararsız (flaky) testler agent'a kodu düzeltmek yerine yeniden çalıştırmayı öğretir; yavaş testler bir agent'ın bir toplu işlem boyunca işini ne sıklıkla kontrol edeceğini azaltır; daha ağır testler ise yalnızca bir commit öncesine aittir.
Üç kategori ekibin onayını taşıyor:
- Uçtan uca (end-to-end) testler. Bunlar, sepete ürün ekleyip ödemeyi tamamlama gibi gerçek kullanıcı yolculuklarını simüle eder. Kandırmaları zordur — özellik ya çalışır ya da çalışmaz — ve birim testinin yalnızca bir timeout bildirmesi olasıyken, neyin bozulduğunu anlatan bir ekran görüntüsü gibi somut kanıt üretirler. Agent'lara Chrome DevTools Protocol, simülatörler ya da API harness'leri aracılığıyla çalışan sisteme doğrudan erişim verilebilir; bir özellik haritası da puanlama ölçütü işlevi görür.
- Property testleri. Asla başarısız olmaması gereken bir değişmez (invariant) yazarsınız, sonra fast-check, Hypothesis veya proptest gibi bir kütüphane onu kırmaya çalışan binlerce girdi üretir. Tipik property'ler arasında encode/decode gidiş-dönüşleri, bir bakiyenin asla negatif olmaması gibi değişmezler, idempotent migration'lar ve optimize edilmiş ile saf implementasyonlar arasındaki eşdeğerlik yer alır. Uç durumlar makine tarafından üretildiği için, özgün kodu yazan agent'ın önyargısını taşımazlar; bu da onları, spesifikasyonun üretim davranışından sapmış olduğu yeniden yazımlar için özellikle yararlı kılar.
- Differential testler. Eski ve yeni sistemleri aynı girdiler üzerinde — rastgele üretilmiş ya da üretim trafiğinden örneklenmiş — çalıştırırsınız ve her sapmayı bir hata ya da kırıcı değişiklik olarak ele alırsınız. Bunlar, davranışın aynı kalması gereken büyük migration'lara uyar; ekip, whitespace gibi ilgisiz etkenleri normalize eder ve onaylı, kasıtlı farkların bir listesini tutar.
Ekip kendi değişikliklerini nasıl doğruluyor
Claude Code ekibi, değişikliği fiilen çalıştırmayı statik kontrollerden daha önemli görüyor: Claude'dan beklenen, uygulamayı bir QA mühendisi gibi ayağa kaldırıp kullanmasıdır; web değişiklikleri için Claude Chrome eklentisi, mobil için iOS ya da Android MCP'leri, masaüstü için computer use, backend işleri için ise yerel bir çalıştırma kullanılır. Bu, repo'nun .claude/skills/ klasöründe saklanan bir "verify" yeteneği (skill) olarak kodlanmıştır ve ekip bu yeteneği bilinçli olarak hızlı ve güvenilir tutar. Yazıya göre Anthropic'teki neredeyse tüm değişiklikler böyle test ediliyor.
İnsanlar başarısızlık üzerinden devreye giriyor. Claude kontrolleri çalıştırır ve düzeltme girişimlerinde bulunur; bir kontrol üç turun ardından hâlâ başarısızsa durur ve bir insana yükseltir. Kontroller, kodun sahibi olan kişiler tarafından yazılır ve tam olarak sahibin işaretleyeceği şeyi işaretleyene kadar geliştirilir; her kontrol, neden bir incelemeciye refere ettiğini açıklar.
Bunu 39 maddelik bir güvenilirlik kontrol listesi destekliyor. Her madde, bir diff'ten okunabilen bir tetikleyiciyi bir kontrolle ve o kontrolün kaynağı olan olay ya da pull request ile eşleştirir. Claude diff'i okur ve yalnızca tetikleyicileri eşleşen üç ile on maddeyi değerlendirir; böylece kimsenin geçmiş kesintileri ezberlemesi gerekmez.
İncelemelerde ekip, birden çok pahalı incelemeciyi üst üste yığmak yerine tek bir incelemeciyi ayarlamayı tercih ediyor; bu işi, o kod için neyin önemli olduğunu描述 eden bir REVIEW.md yönlendiriyor. Ardışık inceleme ve doğrulama turları, her şeyi sıfırdan yeniden kontrol etmek yerine önceki turlardaki bağlam üzerine inşa edilir. Son bir koruma bariyeri: bir değişikliğin, kendini denetleyen kontrolleri değiştirmesine izin verilmez.
Neden önemli
Yazı, yapay zekâ öncelikli ekiplerin mühendisliği yazım değil doğrulama çevresinde nasıl yeniden örgütlediğine dair somut bir veri noktası. Anthropic içindeki bir ekip kodunun yüzde 90'ını güvenle Claude üzerinden geçirebiliyorsa, darboğaz artık yazılım yazmak değil; kanıt yerine izlenim üretmeyen hızlı ve güvenilir kontroller — uçtan uca harness'ler, property üreteçleri, differential düzenekleri, sahibi tarafından yazılmış kurallar — inşa etmektir. Agent'lı kodlama araçları kullanan herkes için pratik ders şu: hem paralellik hem de güvenliği satın alan şey, yalnızca prompt yazmak değil, doğrulama makinesine sürekli yatırımdır.
- #ai-agents
- #claude
- #anthropic
- #testing
- #code-review