İçeriğe atla
Şimdi yükleniyor
AKAşkın KILIÇ
  • Anasayfa
  • Azure & Bulut
    • Microsoft Azure
    • Bulut Altyapı
    • Microsoft 365
  • Yazılım
    • DevOps
    • Geliştirici Araçları
    • Konteyner & K8s
  • AI & Veri
    • Yapay Zeka
    • Veri & Analitik
  • Güvenlik
    • Güvenlik & Kimlik
    • Kurumsal Teknoloji
  • Hakkımda
    • İletişim
×
  • Azure
  • Bulut Altyapı
  • DevOps
  • Geliştirici Araçları
  • Güvenlik & Kimlik
  • Konteyner & Kubernetes
  • Kurumsal Teknoloji
  • Microsoft 365
  • Microsoft Azure
  • Veri & Analitik
  • Yapay Zeka
  • Başlangıç
  • Yapay Zeka
  • Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?
Geliştirici Araçları Yapay Zeka bağlam yönetimi, copilot, Kodlama Ajanları, prompt mühendisliği, talimat hijyeni Aşkın KILIÇ 14/08/2026 0 Yorumlar

Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?

Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?
📑 İçindekiler
  1. Talimat hijyeninin amacı nedir?
  2. Bağlamı bir bütçe gibi düşünün
  3. Modelin sizden hâlâ ihtiyaç duyduğu bilgiler
  4. 1. Sistemle ilgili açık olmayan gerçekler
  5. 2. Doğrulamanın en kısa güvenilir yolu
  6. 3. Kod tabanının tutarlı karar veremediği seçimler
  7. 4. Sert kısıtlamalar ve pahalı hatalar
  8. 5. Doğrulanmış kaynağın nerede olduğu
  9. Modelin genelde ihtiyaç duymadığı şeyler
  10. Genel yazılım mühendisliği tavsiyeleri
  11. Eksiksiz depo envanterleri
  12. Araçların zaten zorunlu kıldığı bilgiler
  13. Yinelenen belgeler
  14. Prompt folkloru ve modele özel yalvarmalar
  15. Eski hataların günlüğü
  16. Model sürümü için değil, model sınıfı için yazın
  17. Talimatları doğru kapsama yerleştirin
  18. "Sakla, kaldır, taşı, doğrula" incelemesi
  19. Derli toplu bir örnek
  20. Talimatları mühendislik bakımının parçası yapın
  21. Hedeflenmesi gereken standart
  22. İlgili İçerikler
  23. Kaynaklar ve İleri Okuma
⏱️ 9 dk okuma📅 14 Ağustos 2026

Depolardaki talimat dosyaları (instructions files) genellikle tek yönde büyür: Model hata yapar, biri kural ekler; araç değişir, biri geçici çözüm yazar; yeni model gelir, ama eski yönlendirmeler yerinde kalır. Bir süre sonra depo; işe alım kılavuzu, stil belgesi, sorun giderme günlüğü ve eski prompt mühendisliği notlarının karışımına dönüşen bir dosyayla baş başa kalır. Bu yaklaşım güvenli görünse de kodlama ajanının verimini pratikte düşürebilir. Microsoft.NET Blog’da Wendy Breiding’in yayımladığı “Instructions Hygiene” yazısı, sınır (frontier) modeller çağında bu dosyaları nasıl sadeleştirmek gerektiğini ele alıyor.

Talimat hijyeninin amacı nedir?

Amaç dosyayı olabildiğince kısaltmak değil. Amaç, sonucu güvenilir biçimde değiştiren yüksek sinyalli en küçük bilgi kümesini korumak. Modern sınır modeller depoları keşfetme, yaygın çerçeveleri tanıma, kalıpları izleme ve sıradan hatalardan kurtulma konusunda önceki nesillere göre çok daha başarılı. Yine de ekibin zihninde duran özel kararları, gizli kısıtlamaları ve operasyonel bilgiyi kendiliğinden bilemezler. Talimat dosyasının değeri işte tam da burada devreye giriyor.

Bağlamı bir bütçe gibi düşünün

Talimat dosyası, ilgili her istekte modele sunulan bağlamın parçasıdır. Her satır; geliştiricinin görevi, ilgili kod, araç çıktısı, konuşma geçmişi ve diğer talimatlarla dikkat için yarışır. Anthropic’in etkili bağlam mühendisliği yaklaşımı, istenen sonucu üretme olasılığını en üst düzeye çıkaran en küçük yüksek sinyalli token kümesini bulmayı önerir. GitHub’ın kendi rehberi de kısa bir proje özeti, teknoloji yığını, kodlama yönergeleri, proje yapısı ve önemli kaynaklara işaret eden bağlantılar tavsiye eder.

Bu yüzden sorulacak soru “Modele bu depo hakkında ne söyleyebiliriz?” değil, “Modelin güvenilir biçimde keşfedemeyeceği, çıkaramayacağı veya alamayacağı ne var?” olmalı.

Modelin sizden hâlâ ihtiyaç duyduğu bilgiler

1. Sistemle ilgili açık olmayan gerçekler

Deponun ne yaptığını kısaca açıklayın ve yanlış anlaşılması kolay mimari sınırları belirtin. Örneğin Billing.Api‘nin genel HTTP sözleşmesine sahip olduğunu, Billing.Worker‘ın uç nokta açmaması gerektiğini; alan (domain) kurallarının kontrolcülerde değil src/Core altında yer aldığını; legacy/ dizininin hâlâ üretimde kullanıldığını; src/Clients/Generated altındaki istemcilerin elle değil üretici (generator) üzerinden güncellenmesi gerektiğini yazmak bu türden bilgilerdir. Model bir klasör ağacını tarayabilir; ama hangi sınırın kasıtlı olduğunu ya da eski görünen bir bileşenin hâlâ kritik olduğunu depo açıkça belirtmedikçe güvenilir biçimde çıkaramaz.

2. Doğrulamanın en kısa güvenilir yolu

Özellikle açık olan komut eksik ya da yanlışsa, yetkili komutları belgeleyin. Yazıda verilen örnek şu:

## Build and validation
- Run `dotnet restore App.slnx` before the first build.
- Build with `dotnet build App.slnx --no-restore`.
- For API changes, run `dotnet test tests/App.Api.Tests/App.Api.Tests.csproj`.
- Run `./eng/verify-generated.ps1` after changing contracts.
- The integration tests require Docker and should not be run in parallel.

Bu, talimat dosyasının içerebileceği en yüksek değerli bilgilerdendir. Gereksiz keşfi önler, bilinen hataları atlar ve ajana somut bir “bittiği zaman” tanımı sunar. Yalnızca doğruladığınız komutları yazın; kendinden emin ama yanlış bir komut, hiç komut olmamasından daha kötüdür.

3. Kod tabanının tutarlı karar veremediği seçimler

Birden fazla makul yaklaşım varsa ekibin tercihini net biçimde belirtin. Örnekler: Yeni testler için MSTest kullanılması; uç noktaların kontrolcü yerine Minimal API ile eklenmesi; beklenen alan hataları için Result<T> döndürülmesi ve istisnaların beklenmeyen hatalara ayrılması; DateTime.UtcNow yerine paylaşımlı TimeProvider kullanılması; yeni bağımlılık eklemek yerine mevcut depo soyutlamalarının tercih edilmesi. Bunlar evrensel programlama gerçekleri değil, yerel kararlar; talimat için biçilmiş kaftan olmalarının nedeni bu.

4. Sert kısıtlamalar ve pahalı hatalar

Bir kuralın çiğnenmesi güvenlik, uyumluluk, uyum veya operasyonel bir soruna yol açacaksa, modele neyin değişmemesi gerektiğini söyleyin. Örneğin görev açıkça istemedikçe genel JSON sözleşmesinin korunması; müşteri verilerinin loglara asla yazılmaması; veritabanı göçlerinin önceki uygulama sürümüyle geriye dönük uyumlu olması; infra/production altındaki dosyaların açık bir dağıtım görevi olmadan değiştirilmemesi. always, never ve must gibi güçlü ifadeleri yalnızca gerçekten mutlak olan kurallara saklayın.

5. Doğrulanmış kaynağın nerede olduğu

Talimatların her ayrıntıyı içermesi gerekmez; güvenilir bir kaynağa işaret etmesi yeterli. API tasarım kuralları için docs/api-guidelines.md, desteklenen çalışma zamanı sürümleri için global.json ve Directory.Build.props, dağıtım iş akışı için docs/deployment.md, mimari kararlar için docs/decisions/ gibi işaretçiler kademeli açıklama (progressive disclosure) sağlar: Modele ihtiyaç duyduğu bağlamı bulacağı kadarını verirsiniz.

Modelin genelde ihtiyaç duymadığı şeyler

Eski bir talimat dosyasını iyileştirmenin en hızlı yolu genellikle çıkarma işlemidir.

Genel yazılım mühendisliği tavsiyeleri

“Temiz ve bakımı kolay kod yaz”, “en iyi uygulamaları izle”, “anlamlı değişken adları kullan”, “hataları uygun şekilde ele al”, “performans ve güvenliği düşün”, “yüksek kaliteli testler yaz” gibi ifadeler nadiren yararlı depo bağlamı ekler. Sınır modeller bunları zaten bilir; üstelik bu ifadeler somut bir kararı çözemeyecek kadar muğlaktır. “Hataları uygun şekilde ele al” yerine örneğin şunu yazın: Doğrulama hatalarını 400‘e, eksik kaynakları 404‘e, eşzamanlılık çatışmalarını 409‘a mevcut ProblemDetails yardımcılarıyla eşleyin.

Eksiksiz depo envanterleri

Tam bir dizin listesi hızla eskir ve modelin saniyeler içinde alabileceği bilgiyi tekrarlar. Yalnızca amacı açık olmayan veya değişikliklerin nereye yapılacağını önemli ölçüde etkileyen yolları ekleyin.

Araçların zaten zorunlu kıldığı bilgiler

Biçimlendiricinin otomatik uyguladığı kuralları veya her derleyici/linter ayarını tekrar tekrar açıklamayın. Bunu uygulayan komutu gösterin: “dotnet format --verify-no-changes çalıştırın; depo analiz kurallarını elle geçersiz kılmayın.” Yazılı kuralı yalnızca araç uygulayamıyorsa veya model uygulamayı seçmeden önce kurala ihtiyaç duyuyorsa saklayın.

Yinelenen belgeler

README, mimari kılavuz ve katkı rehberini talimat dosyasına kopyalamak bakım maliyetini artırır ve çelişki fırsatları yaratır. Modelin ihtiyaç duyduğu kararı özetleyin ve doğrulanmış kaynağa bağlantı verin.

Prompt folkloru ve modele özel yalvarmalar

“Derin bir nefes al”, “adım adım düşün”, “dünya standartlarında kıdemli mühendis gibi davran”, “son derece titiz ol”, “değişiklikten önce her dosyayı oku”, “çözüm mükemmel olana dek asla durma” gibi ifadeler proje bilgisi değil. Yetenekli akıl yürütme modelleri tiyatral teşvike ihtiyaç duymaz; katı prosedürel yönergeler gereksiz keşfe veya araçlarla çatışmaya yol açabilir. Bunun yerine sonucu, kısıtlamaları ve doğrulamayı yazın: Kök nedeni ele alan en küçük değişikliği yapın, genel davranışı koruyun ve etkilenen projenin hedefli testlerini çalıştırın.

Eski hataların günlüğü

Bir geçici çözüm yalnızca hâlâ gerekliyse talimat dosyasında yer almalıdır. Betik, bağımlılık veya platform sorunu düzeltildiğinde uyarıyı da kaldırın; yoksa ajanlar artık var olmayan sorunların etrafından dolaşmaya devam eder.

Model sürümü için değil, model sınıfı için yazın

Model yükseltmeleri talimatları gözden geçirmek için iyi bir vesile; ama talimatlar “Model A kullanıyorsan önce üç dosyayı incele”, “Model B ise onay iste”, “Model C ise adım adım düşün” gibi dallanmalara dönüşmemeli. Model kullanılabilirliği ve davranışı, depo mimarisinden çok daha hızlı değişir. Model bağımsız ifadeleri tercih edin: Gereken sonuç, yerel kısıtlamalar, yetkili komutlar, tamamlama için gereken kanıt ve insan onayının gerektiği noktalar. Yeni bir model eski bir iskelet olmadan başarılı olduğunda o iskeleti kaldırın; depo bilgisi eksikliğinden başarısız olduğunda ise modele özel ritüel yazmak yerine bu bilgiyi belgeleyin.

Talimatları doğru kapsama yerleştirin

Her kural depo geneli dosyaya ait değildir. GitHub Copilot; .github/copilot-instructions.md içinde depo geneli talimatları, .github/instructions/ altında yol tabanlı dosyaları ve AGENTS.md gibi ajan talimatlarını destekler. Depo geneli ve eşleşen yol tabanlı talimatlar birlikte varsa ikisi de kullanılır.

  • Depo geneli: Mimari, paylaşımlı komutlar, evrensel kısıtlamalar ve ortak “bittiği zaman” tanımları.
  • Yol tabanlı: Çerçeve kuralları, test kalıpları, üretilmiş kod kuralları veya deponun yalnızca bir bölümüne uygulanan doğrulamalar.
  • Bağlantılı belgeler: Ayrıntılı açıklamalar, öğreticiler, mimari geçmişi ve nadiren gereken prosedürler.

Örneğin React bileşen testleriyle ilgili bir kural, bir veritabanı göçü sırasında dikkat çalmamalı; ön uç test dizinlerine uygulanan yol tabanlı bir dosyaya taşıyın. İyi kapsamlama, yararlı yönlendirmeyi çöpe atmadan genel dosyayı derli toplu tutar.

“Sakla, kaldır, taşı, doğrula” incelemesi

Belirgin biçimde daha yetenekli bir modele geçtiğinizde, derleme sistemini değiştirdiğinizde, depoyu yeniden düzenlediğinizde veya ajanların yönlendirmeleri tekrar tekrar görmezden geldiğini fark ettiğinizde talimat dosyasını gözden geçirin. Her talimat için dört eylemden birini seçin:

  • Sakla: Bilgi hâlâ doğru, önemli ve çıkarılması zor.
  • Kaldır: Model zaten hallediyor, bir araç zorunlu kılıyor, muğlak veya güncelliğini yitirmiş.
  • Taşı: Kural yararlı ama yol tabanlı bir dosyaya ya da bağlantılı belgeye ait.
  • Doğrula: Talimat, değişmiş olabilecek bir komutu, geçici çözümü, sürümü veya bağımlılığı tanımlıyor.

Ardından küçültülmüş dosyayı temsili iş üzerinde test edin: Güncel sınır modelden yaygın, sınırlı bir görevi tamamlamasını isteyin; gerçek başarısızlık kalıplarını gözlemleyin; tekrarlanan bir hatayı önlemek için gereken minimum talimatı ekleyin ve farklı bir görevde yeniden test edin. Bu, yaygın bir yanlış kalıbı tersine çevirir: Gereksizliği ispatlanana kadar her eski talimatı taşımak yerine, yetenekli modelle başlayıp yalnızca kanıt eksik olduğunda bağlam eklersiniz.

Derli toplu bir örnek

Yazıda birçok ekibin hedefleyebileceği depo geneli dosya örneği şöyle veriliyor:

# Project context
This repository contains the Contoso Orders API and its background
fulfillment worker. Public API contracts are owned by `src/Orders.Api`.
Business rules belong in `src/Orders.Core`.
## Engineering decisions
- Target the.NET version specified in `global.json`.
- Use Minimal APIs for new endpoints.
- Use the existing `Result<T>` pattern for expected domain failures.
- Use `TimeProvider`; do not call the system clock directly.
- Do not edit files under `src/Generated`; run `./eng/generate.ps1`.
## Validation
- Build: `dotnet build Orders.slnx`
- Unit tests: `dotnet test tests/Orders.UnitTests`
- API changes: also run `dotnet test tests/Orders.Api.Tests`
- Contract changes: run `./eng/verify-generated.ps1`
## Constraints
- Preserve public JSON contracts unless a breaking change is explicit.
- Never log secrets, tokens, or customer payloads.
- Keep migrations compatible with the previous deployed version.
## References
- Architecture decisions: `docs/decisions/`
- Deployment process: `docs/deployment.md`

Dikkat çeken şey, dosyada olmayanlar: Tam bir dosya ağacı, genel kodlama tavsiyeleri, uzun bir persona ve modelin nasıl düşüneceğine dair ayrıntılı yönergeler yok. Dosya, uygulama seçimlerini değiştiren gerçeklere odaklanıyor.

Talimatları mühendislik bakımının parçası yapın

Talimat dosyaları kod gibi incelenmeli; çünkü kodu etkiliyorlar. Yazının önerdiği hafif uygulamalar şunlar: Talimat değişikliklerini normal pull request incelemesine dahil edin; yeni bir kuralın geniş kullanıma uygun mu yoksa tek görevi çözmek için mi olduğunu inceleyicilere sorun; operasyonel komutlar ve ortam gereksinimleri için bir sahip belirleyin; geçici çözümleri, altındaki sorunu düzelten aynı pull request içinde kaldırın; SDK, çerçeve, test koşucusu veya derleme hattı yükseltmelerinden sonra komutları yeniden kontrol edin; sınır modele düzenli aralıklarla yinelenen, muğlak, çelişkili veya keşfedilebilir talimatları belirletin ve önerilerini doğrulayın.

Kaliteyi yalnızca satır sayısıyla ölçmeyin. Yanlış komutlar içeren 30 satırlık bir dosya, gerekli monorepo sınırlarını barındıran 100 satırlık bir dosyadan daha kötüdür. Sadelik, keyfi bir hedefin değil, alaka düzeyinin sonucudur.

Hedeflenmesi gereken standart

Sağlıklı bir talimat dosyası, yetenekli bir modelin nasıl yetenekli olacağını anlatmadan hızlıca yararlı işe başlamasını sağlar. Yalnızca ekibinizin sağlayabileceği bilgileri saklayın: Sistemin ne olduğu, önemli sınırların nerede olduğu, hangi yerel seçimlerin kasıtlı olduğu, güvenilir biçimde nasıl derlenip doğrulanacağı, nelerin asla bozulmaması gerektiği ve daha derin gerçeğin nereden alınabileceği. Modelin zaten çıkarabileceği, deponun ortaya koyabileceği veya araçların uygulayabileceği bilgileri kaldırın. Sınır modeller geliştikçe en iyi talimat dosyaları ortadan kalkmayacak; daha odaklı hale gelecek. Kalıcı değer, modele akıl yürütmeyi öğretmek değil; ona doğru gerçekleri, doğru kapsamda ve o gerçeklerin önem kazandığı anda vermektir.

İlgili İçerikler

  • Copilot Cloud Agent Artık İmzalı Commit Atıyor: Neyi Değiştiriyor?
  • Gemini 3.7 Flash GitHub Copilot'ta Kullanıma Sunuldu
  • GitHub Copilot Haftalık Güncellemeler: 3 Ağustos

Kaynaklar ve İleri Okuma

  • Instructions Hygiene – What Frontier Models Still Need You to Say (Wendy Breiding,.NET Blog)
  • GitHub Copilot için depo özel talimatları ekleme
  • Copilot için daha iyi özel talimatlar yazmak için 5 ipucu
  • Anthropic: AI ajanları için etkili bağlam mühendisliği
  • OpenAI Cookbook: GPT-5 prompting kılavuzu
  • .NET Blog
  • .NET Modernizasyonunda Yepyeni Bir Dönem: GitHub Copilot ile İstediğin Yerden
  • GitHub Copilot app: Ajanlarla Çalışmanın Yeni Düzeni
🤖Bu yazı yapay zeka (büyük dil modelleri) ile hazırlanmış, insan editör tarafından incelenmiştir. İçerik üretim sürecimiz.
Aşkın KILIÇ
Aşkın KILIÇYazar

20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.

AZ-305AZ-104AZ-500AZ-400DP-203AI-102

İlgili Yazılar

C++ Kodunu CLI’da Anlamak: Copilot’a Gelen Akıllı Katman
C++ Kodunu CLI’da Anlamak: Copilot’a Gelen Akıllı Katman10 May 2026
Microsoft Agent Framework’te Asıl Değişim: Harness, Hosted Agents ve CodeAct
Microsoft Agent Framework’te Asıl Değişim: Harness, Hosted Agents ve CodeAct5 Haz 2026
Python için Agent Skills Kararlı Sürümde Yayınlandı
Python için Agent Skills Kararlı Sürümde Yayınlandı16 Tem 2026
Kubernetes AI Gateway WG: AI Trafiği Artık Standart
Kubernetes AI Gateway WG: AI Trafiği Artık Standart20 Nis 2026

Bu içerik işinize yaradı mı?

Benzer içerikleri kaçırmamak için YouTube ve GitHub hesaplarımı takip edin.

YouTube GitHub

Haftalık Bülten

Her pazar özenle seçilmiş teknoloji yazıları doğrudan e-postanıza gelsin.

Etiket bağlam yönetimi copilot Kodlama Ajanları prompt mühendisliği talimat hijyeni
Önceki yazı

GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar

İlginizi Çekebilir

GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar
Aşkın KILIÇ 0

GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar

14/08/2026
Microsoft.Extensions.AI için Routing ve Failover
Aşkın KILIÇ 0

Microsoft.Extensions.AI için Routing ve Failover

14/08/2026
Gemini 3.7 Flash GitHub Copilot'ta Kullanıma Sunuldu
Aşkın KILIÇ 0

Gemini 3.7 Flash GitHub Copilot’ta Kullanıma Sunuldu

13/08/2026

Yorum gönder Yanıtı iptal et

Yazı Ara

Takip Edin

  • Takipçi
  • Takipçi
  • Takipçi
  • Abone
  • Takipçi
  • Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?
    14/08/2026 Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?
  • GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar
    14/08/2026 GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar
  • Microsoft.Extensions.AI için Routing ve Failover
    14/08/2026 Microsoft.Extensions.AI için Routing ve Failover
  • Gemini 3.7 Flash GitHub Copilot'ta Kullanıma Sunuldu
    13/08/2026 Gemini 3.7 Flash GitHub Copilot’ta Kullanıma Sunuldu
  • GitHub Secure Open Source Fund: 50 Projeden Güvenlik
    13/08/2026 GitHub Secure Open Source Fund: 50 Projeden Güvenlik
  • Copilot Cloud Agent Metriği: Kullanımı Ölçmek Kolaylaştı
    11/04/2026 Copilot Cloud Agent Metriği: Kullanımı Ölçmek Kolaylaştı
  • Azure MCP Server 2.0: Kendi Sunucunuzda Ajan Otomasyonu
    10/04/2026 Azure MCP Server 2.0: Kendi Sunucunuzda Ajan Otomasyonu
  • GitHub Copilot Cloud Agent İçin Runner Kontrolü: Kurumsal Düzen
    03/04/2026 GitHub Copilot Cloud Agent İçin Runner Kontrolü: Kurumsal Düzen
  • GitHub Code Scanning’de Toplu Düzeltme: PR’lar Hızlandı
    07/04/2026 GitHub Code Scanning’de Toplu Düzeltme: PR’lar Hızlandı
  • MCP Apps’i Kolaylaştıran Fluent API: Sahada Ne Değişiyor?
    08/04/2026 MCP Apps’i Kolaylaştıran Fluent API: Sahada Ne Değişiyor?
  • GitHub Copilot Pro Denemeleri Neden Durdu?
    11/04/2026 GitHub Copilot Pro Denemeleri Neden Durduruldu?
  • vcpkg'de Paralel Kurulum ve Güvenlik Yaması: Neler Değişti?
    06/04/2026 vcpkg’de Paralel Kurulum ve Güvenlik Yaması: Neler Değişti?
  • MCP Apps’i Kolaylaştıran Fluent API: Sahada Ne Değişiyor?
    08/04/2026 MCP Apps’i Kolaylaştıran Fluent API: Sahada Ne Değişiyor?
  • Yapay Zekâ Çağında Sanayi Politikası: Asıl Mesela Ne?
    06/04/2026 Yapay Zekâ Çağında Sanayi Politikası: Asıl Mesela Ne?
  • Microsoft Foundry Mart 2026: Sahadan İlk İzlenimler
    10/04/2026 Microsoft Foundry Mart 2026: Sahadan İlk İzlenimler

SİZİN İÇİN DERLEDİK

Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?
Geliştirici Araçları Yapay Zeka

Copilot Talimat Dosyası Hijyeni: Neyi Yazmalı, Neyi Atmalı?

14/08/2026 Aşkın KILIÇ
GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar
Bulut Altyapı Geliştirici Araçları

GitHub Copilot Build Optimizasyonunda Netleşen Sonuçlar

14/08/2026 Aşkın KILIÇ
Microsoft.Extensions.AI için Routing ve Failover
Bulut Altyapı Yapay Zeka

Microsoft.Extensions.AI için Routing ve Failover

14/08/2026 Aşkın KILIÇ
Gemini 3.7 Flash GitHub Copilot'ta Kullanıma Sunuldu
Geliştirici Araçları Microsoft Azure Yapay Zeka

Gemini 3.7 Flash GitHub Copilot’ta Kullanıma Sunuldu

13/08/2026 Aşkın KILIÇ
GitHub Secure Open Source Fund: 50 Projeden Güvenlik
Bulut Altyapı Geliştirici Araçları Yapay Zeka

GitHub Secure Open Source Fund: 50 Projeden Güvenlik

13/08/2026 Aşkın KILIÇ
Teams için Ajan Tasarımı: Grup Sohbetinde Gürültüyü Yönetmek
Geliştirici Araçları Microsoft Azure

Teams için Ajan Tasarımı: Grup Sohbetinde Gürültüyü Yönetmek

13/08/2026 Aşkın KILIÇ
Azure Content Understanding GPT-5 Serisi: Model Seçimi ve
Microsoft Azure Veri & Analitik Yapay Zeka

Azure Content Understanding GPT-5 Serisi: Model Seçimi ve

13/08/2026 Aşkın KILIÇ
Azure Content Understanding Ağustos 2026: CU 1.0 GA ve CU
Bulut Altyapı Yapay Zeka

Azure Content Understanding Ağustos 2026: CU 1.0 GA ve CU

13/08/2026 Aşkın KILIÇ
AI Katkıcılara Karşı Repo Kurallarını Kod Yanına Koymak
Geliştirici Araçları Yapay Zeka

AI Katkıcılara Karşı Repo Kurallarını Kod Yanına Koymak

12/08/2026 Aşkın KILIÇ
.NET 11 Preview 7 Yayınlandı: Öne Çıkan Yenilikler
Bulut Altyapı DevOps Geliştirici Araçları Yapay Zeka

.NET 11 Preview 7 Yayınlandı: Öne Çıkan Yenilikler

12/08/2026 Aşkın KILIÇ
What’s New in vcpkg (Jul 2026)
Bulut Altyapı DevOps Geliştirici Araçları

What’s New in vcpkg (Jul 2026)

12/08/2026 Aşkın KILIÇ
GitHub Enterprise Server 3.22 Sürüm Adayı Yayınlandı
DevOps Güvenlik & Kimlik Kurumsal Teknoloji

GitHub Enterprise Server 3.22 Sürüm Adayı Yayınlandı

12/08/2026 Aşkın KILIÇ

Hakkımda

Aşkın KILIÇ

Microsoft Azure Çözüm Uzmanı. Bulut bilişim, yapay zekâ, DevOps ve kurumsal güvenlik üzerine yazılar yazıyorum.

Devamını Oku →

Kategoriler

  • Azure
  • Bulut Altyapı
  • DevOps
  • Geliştirici Araçları
  • Güvenlik & Kimlik
  • Konteyner & Kubernetes
  • Kurumsal Teknoloji
  • Microsoft 365
  • Microsoft Azure
  • Veri & Analitik
  • Yapay Zeka

Popüler Etiketler

AI ajanları Azure azure app service Azure Cosmos DB Azure Developer CLI Azure DevOps Azure Functions Azure OpenAI azure sdk Azure SQL bulut bilişim C++ CI/CD copilot Copilot CLI DevOps DevSecOps geliştirici verimliliği GitHub GitHub Actions GitHub Copilot güvenlik Kimlik Doğrulama Kubernetes Kurumsal geliştirme kurumsal güvenlik kurumsal yapay zeka maliyet optimizasyonu Microsoft Agent Framework Microsoft Azure Microsoft Foundry MSVC otomasyon performans Pull Request Python RAG SEO uyumlu verimlilik veri yönetimi Visual Studio VS Code yapay zeka yapay zeka ajanları Yazılım geliştirme
  • Gizlilik Politikası
  • Çerez Politikası
  • Kullanım Koşulları
  • Hakkımda
  • İletişim

© 2026 Aşkın KILIÇ | Tüm hakları saklıdır. | Powered By SpiceThemes

Çerez tercihleri Zorunlu çerezler sitenin çalışması için kullanılır. Analitik çerezler yalnız açık izninizden sonra Google Analytics ve Microsoft Clarity için etkinleştirilir. KVKK ve Çerez Politikası
✉

Haftalık Bülten

Azure, DevOps ve Yapay Zeka dünyasındaki en güncel içerikleri her hafta doğrudan e-postanıza alın.

Spam yok. İstediğiniz zaman iptal edebilirsiniz.
📱
Uygulamayı Yükle Ana ekrana ekle, çevrimdışı oku
Ana Sayfa
Kategoriler
💻 Geliştirici Araçları 339 yazı 🏗️ Bulut Altyapı 280 yazı 🤖 Yapay Zeka 240 yazı 🔧 DevOps 198 yazı ☁️ Microsoft Azure 186 yazı 🔒 Güvenlik & Kimlik 161 yazı 🏢 Kurumsal Teknoloji 65 yazı 📊 Veri & Analitik 57 yazı 🐳 Konteyner & Kubernetes 47 yazı 📧 Microsoft 365 21 yazı 📁 Azure 1 yazı
Ara
Popüler
Yapay Zeka Azure Kubernetes DevOps Copilot Docker
Paylaş
WhatsApp
İçindekiler
    ← GitHub Copilot Build Optimizas...
    →
    📩

    Gitmeden önce!

    Her pazar özenle seçilmiş teknoloji yazıları ve AI haberleri doğrudan e-postanıza gelsin. Ücretsiz, spam yok.

    🔒 Bilgileriniz güvende. İstediğiniz zaman ayrılabilirsiniz.

    📬 Haftalık bülten: Teknoloji + AI haberleri
    Beni Takip Et Yeni Azure / AI / DevOps yazılarını GitHub ve RSS üzerinden takip edin.
    GitHub RSS