---
title: "JavaScript Çatılarının Yapay Zeka Maliyeti"
url: https://blog.edumints.com/javascript-catilarinin-yapay-zeka-maliyeti
category: "Web"
date: 2026-11-01T09:04:15.701Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hacker News"
source_url: https://nolanlawson.com/2026/10/28/the-ai-cost-of-javascript-frameworks/
---

# JavaScript Çatılarının Yapay Zeka Maliyeti

## Web Geliştirmede "Hissiyata Dayalı" Kararlar ve Ajan Çağı

Web geliştirme dünyasında alınan kararların büyük bir kısmı uzun süredir somut kanıtlardan ziyade hissiyata (**vibes-based**) dayanıyor. Çatıların (framework) "inanılmaz hızlı" olduğu, araçların geliştirme sürecini "süper güçlendireceği" ve doğru soyutlamanın hem geliştirici deneyimini (**DX**) hem de kullanıcı deneyimini (**UX**) aynı anda iyileştireceği yönündeki iddialar genellikle hiçbir veriye dayanmadan sunuluyor. Alex Russell bu durumu "frontend'in kayıp on yılı", Baldur Bjarnason ise programlamayı bir "pop kültürü" olarak nitelendiriyor.

Uzun bir süre boyunca topluluğun kanıtlara olan bu mesafesi, daha iyi bir geliştirici deneyimi (**DX**) arzusuyla açıklanabilirdi. Geliştiriciler React içinde JSX yazmanın verdiği hissi seviyordu ve "Sanal DOM hızlıdır!" gibi argümanlar, bu ilk içgüdüsel tercihi haklı çıkarmak için sonradan üretilen rasyonelleştirmelerdi. 

Ancak geliştiricilerin artık kodu elle yazmadığı ve **DX** kısıtlamalarından uzaklaştığı **ajan tabanlı (agentic)** çağda bile kararların hâlâ hissiyatla alındığını görüyoruz. Frontend projeleri, sırf bir çatının "ajanlar için daha iyi olduğu", "daha hızlı kod ürettiği" veya ajanların "daha az hata yaptığı" iddiasıyla baştan yazılıyor. Üstelik bu iddialar yine sıfır kanıtla ortaya atılıyor.

## Benchmark Yapısı ve Deney Tasarımı

Bu iddiaları somut verilerle test etmek amacıyla oluşturulan kıyaslama (benchmark) testi oldukça net bir yapıya dayanıyor:

- **PokéAPI** kullanarak küçük ama basit olmayan bir Pokémon uygulaması tasarlamak.
- Ajanlara, uygulamayı belirli bir **JavaScript** çatısı veya meta-çatısı (örneğin **Next.js**, **Nuxt**, **SvelteKit** vb.) kullanarak geliştirmeleri için talimat vermek.
- Ajanların hile yapmasını veya işin kolayına kaçmasını önlemek adına çıktıyı bir spesifikasyon uyumluluk paketine (**spec conformance suite**) karşı test etmek.
- Sonuçları geliştirme süresi, harcanan **token** miktarı, kod satırı sayısı ve **Lighthouse** üzerindeki performans ile erişilebilirlik puanları açısından değerlendirmek.

Geliştirilen uygulama; Pokémon türlerini, hareketlerini ve çeşitli oyunlardan gelen verileri içeren, arama ve filtreleme yapılabilen bir yapıya sahip.

## Deneyin Sınırları ve Metodoloji

Bu deneyin bazı önemli çekinceleri ve kuralları bulunuyor. İlk olarak uygulama, **Figma** veya **GMail** gibi yüksek etkileşimli bir araçtan ziyade **Wikipedia** benzeri, içerik odaklı tek bir uygulama tipini temsil ediyor. Yine de üst düzeyde anlaşılması, spesifikasyonunun yazılması ve test edilmesi oldukça doğrudan bir senaryo sunuyor.

Şartları eşitlemek ve "bu çatı eğitim verisinde yeterince temsil edilmiyor" gibi itirazları önlemek adına her çatı/meta-çatı için o aracın resmi **MCP**'si veya **skill** tanımları kullanıldı. Ayrıca **SSR** veya **CSR** gibi kesin bir mimari dayatılmadı ve uygulamanın mümkün olduğunca performanslı olması yönünde özel bir talimat verilmedi. Spesifikasyon doğrudan yüksek efor (**high effort**) ayarında **Opus 5.5** modeline verildi ve ilgili çatının en güncel sürümünü kullanması istendi. 

Her ajan izole bir **sandbox** ortamında çalıştı; uyumluluk test paketine erişimleri vardı ancak **Lighthouse** üzerinden performans ve erişilebilirlik testine tabi tutulacaklarını bilmiyorlardı. Son olarak, **Tailwind** veya **Bootstrap** gibi bileşen çatılarının kullanılmaması ve tasarımın yalnızca verilen tasarım token'larına (**spec token**) dayandırılması dışında herhangi bir **CSS** metodolojisi zorunlu tutulmadı.

## Yazılım Geliştirme ve Öğrenme Açısından Pratik Çıkarımlar

Yapay zeka ajanlarıyla yazılım geliştirirken popüler söylemlere kapılmak yerine ölçülebilir metriklere odaklanmak kritik önem taşır. Bir teknolojinin ajanlarla ne kadar verimli çalıştığını anlamak için harcanan **token** maliyetini, geliştirme süresini ve üretilen kodun **Lighthouse** gibi standartlarla ölçülen gerçek kullanıcı performansını takip etmelisiniz. Ayrıca ajanlara resmi **MCP** ve **skill** araçlarını sağlamak, eğitim verisindeki güncellik eksikliklerini kapatırken; sağlam bir doğrulama test paketi (**conformance suite**) sunmak ajanların eksik veya hatalı üretim yapmasını engelleyen en önemli mühendislik pratiğidir.

---

**Kaynak:** Hacker News (https://nolanlawson.com/2026/10/28/the-ai-cost-of-javascript-frameworks/)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/javascript-catilarinin-yapay-zeka-maliyeti