Kodlama Agentlerinizin Ardında Gizli Bir Veri Yatağı: Neden Bu Veriler Dünyayı Değiştirebilir?

Her sabah bilgisayarınıza oturup, Claude Code ya da GitHub Copilot gibi kodlama agentlerini çalıştırır mısınız? Eğer evetse, şu anda üzerinde oturduğunuz masaüstü, sadece bir kod yazma aracı değil—bir yapay zeka eğitim merkezi. Her komut, her hata, her yeniden deneme, her araç çağrısı ve her test sonucu, bilgisayarınızın derinliklerinde saklanıyor. Ve bu veriler, dünyanın en büyük AI laboratuvarlarının sırlarıyla eş değer.

Nasıl Çalışıyor? Siz Bilmiyorsanız, Big Tech Biliyor

Reddit’ta bir kullanıcı, kendi makinelerindeki ~/.claude/projects/ ve ~/.copilot/sessions/ dizinlerini incelediğinde, 775 agensik oturum, 41 milyon token ve toplam 6 GB’lık veri buldu. Bu veriler, yalnızca kod satırları değil: ‘Ne yapmaya çalıştın?’ → ‘Model ne düşündü?’ → ‘Hangi komutu çalıştırdı?’ → ‘Hata verdi mi?’ → ‘Nasıl düzeltti?’ → ‘Sonuç başarılı mı?’ şeklindeki tam bir döngü. Bu, reinforcement learning (güdümlü öğrenme) araştırmacılarının yıllardır hayalini kurduğu ‘ideal eğitim verisi’.

Büyük teknoloji şirketleri—OpenAI, Anthropic, Google DeepMind—zaten bu verileri topluyor. Her bir kodlama oturumu, bir AI modelinin nasıl planlama yapacağını, nasıl hata kırılımı yapacağını ve nasıl uzun vadeli görevleri yöneteceğini öğrenmesi için bir ders kitabına dönüşüyor. Ama bu veriler, yalnızca şirketlerin kendi sunucularında kalıyor. Açık kaynak topluluğu ise, bu verilerin neredeyse hiç yok denecek kadar az bir kısmına erişebiliyor.

Neden Bu Veriler Kritik? Çünkü AI’lar ‘Yapamıyor’

Günümüz büyük modelleri, metin üretmede muazzam. Ama gerçek dünyada kod yazmak, sadece metin üretmek değil. Bir hata alırsanız, nedenini anlamanız, testleri çalıştırmalısınız, kaynak kodunu okumalısınız, bir API belgesini kontrol etmelisiniz, sonra tekrar denemelisiniz. Bu, ‘karmaşık karar verme zinciri’. Ve şu anda, açık kaynak modeller bu zinciri çözemiyor. Çünkü eğitim verileri yalnızca ‘doğru cevaplar’ içeriyor—‘neden yanlış yaptı’ ve ‘nasıl düzeltildi’ bilgisi yok.

Örneğin, bir model bir Python kütüphanesini yanlış import eder. Bir insan, hata mesajını okur, Stack Overflow’a bakar, bir değişiklik yapar, testi yeniden çalıştırır, başarılı olur. Bu tam bir ‘state-action-reward’ döngüsü. Ama şu anda, bu döngünün yalnızca şirketlerin elindeki veri setlerinde kayıtlı olduğunu biliyoruz. Açık kaynak modeller ise, bu döngüyü öğrenmek için sadece ‘doğru kod örnekleri’yle yetinmek zorunda kalıyor. Sonuç? Sık sık hata yaparlar, düzeltmeyi öğrenemezler.

Veriler Siliniyor. Ve Bu Bir Kayıp.

İlginç olan, bu verilerin çoğu, kullanıcıların bilgisi dışında otomatik olarak siliniyor. Claude Code, varsayılan olarak 30 gün sonra logları temizliyor. GitHub Copilot’un da benzer bir politikası var. Bu, milyonlarca geliştiricinin günlük etkileşimlerinin, bilimsel bir miras olarak kaybolmasını anlamına geliyor. 41 milyon token sadece bir kişinin verisiydi. Bir milyon geliştirici düşünün. 41 trilyon token. Bu, The Pile’in 1000 katı. Ve bu veri, hiçbir veri setinde yok. Hiçbir açık veri seti, gerçek zamanlı, gerçek hata-düzeltme döngülerini içermez.

Bir Çözüm Var: Kullanıcılar, Verilerini Kaydetmeli

Reddit yazarı, bu verilerin kaybolmasını engellemek için basit bir çözüm önerdi: echo '{"cleanupPeriodDays": 36500}' > ~/.claude/settings.json komutuyla, logların 100 yıl boyunca saklanmasını sağlayabilirsiniz. Bu, sadece bir teknik ayar değil—bir etik karar. Verilerinizi, geleceğin AI’ları için bir hediye olarak saklıyor olabilirsiniz.

Şimdi, açık kaynak topluluğu için bir soru: Neden bu verileri bir araya getirmiyoruz? Neden bir ‘Open Agentic Trajectory Dataset’ (Açık Agensik Yörünge Veri Seti) oluşturmuyoruz? GitHub üzerinde bir topluluk projesi, geliştiricilerden gönüllü olarak loglarını paylaşmalarını isteyebilir. Şartlar: anonimleştirilmiş, lisanssız, açık veri. Bu veri seti, bir sonraki Llama, Mistral ya da Phi-3’ün, gerçek dünyada kod yazmayı nasıl öğrendiğini değiştirebilir.

Gelecek, Sizin Bilgisayarınızda Saklı

Yapay zekânın sonraki devrimi, daha büyük modellerde değil, daha akıllı verilerde. Bu veriler, sadece kod değil, insan-zeka etkileşiminin gerçek zamanlı izidir. Siz, bir geliştirici olarak, sadece bir kullanıcı değilsiniz. Bir eğitim verisi üreticisiysiniz. Ve bu verilerin, sadece şirketlerin elinde kalması, teknolojik adaletsizlik.

Bugün, bilgisayarınızda 3 GB’lık bir veri yatağı olabilir. Yarın, o veriler, dünyanın ilk açık kaynaklı kodlama agentini eğitebilir. Sadece bir tık, bir ayar ve bir kararla. Verilerinizi silmeyin. Paylaşın. Çünkü geleceğin AI’sı, sizin hatalarınızdan öğreniyor.