Yazılım ve Geliştirme Ekipleri için Yapay Zeka Eğitimi

AI'ın mühendislik iletişiminde nerede yardımcı olduğunu ve nerede fark edilmesi zor hatalar üretebildiğini araçtan bağımsız bir çerçevede ele alıyoruz. Taslak ve özet hazırlamak kapsamda, kod yazmak veya kodu yayına almak kapsam dışında. Kararlar mühendiste kalıyor.

• AI'ın güçlü olduğu inceleme, dokümantasyon ve yazım işlerini eşleştirmek
• Özet ve taslak hazırlamayı kod üretmekten veya birleştirmekten ayırmak
• Kendinden emin fakat yanlış teknik açıklamaları ve kök nedenleri fark etmek
• Geri alınabilir taslaklarla mühendislik onayı isteyen kararları ayırmak
• AI destekli her mühendislik çıktısı için inceleme alışkanlığı kurmak

Kod incelemesinin kendisini AI'a bırakmadan hazırlık ve iletişim tarafını hızlandırıyoruz. Katılımcılar diff özetleri ve PR açıklamaları hazırlıyor. Yöntem, ekibin kullandığı Git platformu veya editör değişse de aynı inceleme disiplinini koruyor.

• Diff'leri ve pull request'leri AI destekli incelemeye hazırlamak
• Değişiklikleri, risk alanlarını ve inceleyicinin bilmesi gereken etki alanını özetlemek
• PR açıklamasını, değişiklik gerekçesini ve geri alma notlarını hazırlamak
• AI'ın önerdiği inceleme yorumlarını inceleyicinin kendi kararından geçirmek
• Git platformundan bağımsız olarak editörler ve araçlar arasında tutarlı çalışmak
• Kapsam sınırı: inceleme desteği, birleştirme başlamadan önce biter

Kaynak kodu ve ticket'ları yeni bir mühendisin kullanabileceği dokümantasyona dönüştürüyoruz. Sözlü anlatımları da komşu ekiplerin başvurabileceği kalıcı metinlere çeviriyoruz. Odak, belgenin doğru ve güncel kalması.

• Kaynak koddan README, kurulum kılavuzu ve API referansı taslakları çıkarmak
• AI desteğiyle mimari karar kayıtlarını ve tasarım dokümanlarını düzenlemek
• Toplantı notlarını ve sözlü anlatımları kalıcı dokümantasyona çevirmek
• Farklı kişiler için yazmak: yeni başlayanlar, komşu ekipler ve gelecekte bakım yapacak mühendisler
• Dokümanların kod tabanıyla aynı şeyi söylemesini sağlamak
• AI taslağını eski varsayımlar ve dayanaksız iddialar açısından kontrol etmek

Test kapsamı ve kalite dokümantasyonu için ilk taslağı AI ile hızlandırıyoruz. Testin amacı, hangi alanların kapsanacağı ve hangi boşlukların kabul edileceği konusundaki karar mühendislik ekibinde kalıyor.

• Gereksinimlerden test senaryosu taslakları ve sınır durumları çıkarmak
• Neyin kapsandığını ve kapsanmadığını açıkça yazan test planları hazırlamak
• Tekrar üretilebilen bir bug ticket'ı yazmak
• Test hatalarını ve flaky test örüntülerini triyaj için AI ile özetlemek
• Üretilen test senaryolarını sahte kapsam ve kaçan sınır durumları için incelemek

Zaman baskısı altında olay kanıtını açık bir kronolojiye ve suçlayıcı olmayan bir olay sonrası rapora dönüştürüyoruz. Katılımcılar doğrulanmış kanıtla tahmini açıklamaları, metin daha geniş bir kitleye ulaşmadan önce birbirinden ayırıyor.

• Log, uyarı ve sohbet kayıtlarından olay kronolojisi çıkarmak
• Kanıtı tahminden ayıran kök neden anlatıları hazırlamak
• Açık aksiyonları ve sorumluları olan suçlayıcı olmayan olay sonrası raporlar yazmak
• Önce mühendislik ve destek, ardından yönetim için olay özeti hazırlamak
• Olay sırasında hassas sistem, log ve müşteri verisini güvenli kullanmak
• Ekibin eğitimden sonra da kullanacağı olay sonrası rapor şablonu hazırlamak

Atölye bittikten sonra AI destekli mühendislik yazılarının güvenli ve güncel kalmasını sağlayacak çalışma kurallarını belirliyoruz. Kapsam, oryantasyon materyalinden kaynak kodun ve verinin nasıl ele alınacağına kadar uzanıyor.

• Ekip içinde kalan bilgiyi oryantasyon kılavuzlarına ve runbook'lara aktarmak
• AI destekli bir bilgi tabanı hazırlamak
• AI aracı görmeden önce kaynak kodu, sırları ve müşteri verisini sınıflandırmak
• Onaylı araçları seçip her görev için kullanım sınırlarını belgelemek
• AI destekli mühendislik çıktılarını doğruluk, önyargı ve dayanaksız iddialar için incelemek
• Dokümantasyon, test ve olay sonrası raporların sorumlularını belirlemek