Orijinal Başlık: Her Görev İçin Bir Koşum: Claude Code'da Dinamik İş Akışları

Orijinal Yazar: @trq212

Çeviri: Peggy

Editörün Notu: Claude Code, bir kod asistanından, düzenlenebilir bir Ajan çalışma masasına dönüşüyor.

Bu yazıda tanıtılan workflows (iş akışları), temel değerini Claude'u artık sadece aynı bağlam penceresinde "düşünüp yapmak" yerine, göreve göre dinamik bir yürütme çerçevesi oluşturmasını sağlamakta buluyor: görevleri bölmek, alt ajanlar atamak, paralel işlemek, çapraz doğrulama yapmak, döngüsel yinelemeler gerçekleştirmek ve hatta farklı ajanların birbiriyle rekabet etmesini sağlayıp sonuçları birleştirmek.

Bu, Claude Code'un kullanım alanlarının belirgin şekilde genişlediği anlamına geliyor. Sadece kod taşıma, yeniden yapılandırma, test tekrarı ve kod incelemesi için değil; aynı zamanda derinlemesine araştırma, gerçek kontrolü, özgeçmiş eleme, olay incelemesi, kural çıkarma, iş planı değerlendirmesi, isim beyin fırtınası gibi teknik olmayan görevler için de uygun. Birçok karmaşık iş, doğası gereği programlamaya benzer: problemleri parçalara ayırmak, bağlamı izole etmek, hipotezleri doğrulamak, çok sayıda detayı işlemek ve birden fazla aday yol arasında seçim yapmak gerekir.

Dinamik workflows, büyük modellerin uzun görevlerde sıkça karşılaştığı birkaç sorunu çözmeyi hedefliyor: yarı yolda tamamlandığını bildiren "ajan tembelliği", kendi sonuçlarını onaylama eğilimindeki "kendine önyargı" ve birden fazla turun ardından orijinal hedeften yavaşça sapan "hedef kayması". Görevleri, bağımsız bağlamlara sahip birden fazla Claude'a devrederek, karmaşık görevleri "tek ajanlı uzun mesafe koşusundan" "çok ajanlı işbirliğine" dönüştürüyor.

Elbette, workflows her derde deva değil. Genellikle daha fazla token tüketir ve her sıradan kodlama görevi için uygun olmayabilir. Ancak önemli bir yön gösteriyor: Gelecekteki AI araçlarının rekabeti, yalnızca tek bir modelin ne kadar akıllı olduğuna değil, aynı zamanda karmaşık hedefler etrafında güvenilir, tekrar kullanılabilir ve denetlenebilir bir yürütme süreci organize edip edemediğine bağlı olabilir.

İşte orijinal metin:

Varsayılan Claude Code yürütme çerçevesi programlama için inşa edilmiş olsa da, birçok başka görev türü için de uygundur. Görünen o ki, birçok görev yapısal olarak programlama görevlerine çok benziyor. Ancak, bazı belirli görev türlerinin en iyi performansı göstermesi için, Claude Code üzerinde özelleştirilmiş yürütme çerçeveleri inşa etmemiz hala gerekiyor; örneğin araştırma, güvenlik analizi, ajan ekip işbirliği veya kod incelemesi gibi.

Workflows, Claude'un yukarıdaki türden sorunları ve daha fazlasını Claude Code içinde daha doğal bir şekilde çözmesine olanak tanıyan dinamik yürütme çerçeveleri oluşturmanıza imkan tanır. Ayrıca bu iş akışlarını başkalarıyla paylaşabilir ve yeniden kullanabilirsiniz.

Bu yazıda, Workflows'u ilk kullanmaya başladığımdaki deneyimlerimi ve içgörülerimi paylaşarak, bu özellikten en iyi şekilde yararlanmanıza yardımcı olacağım.

Ancak belirtmek gerekir ki, en iyi uygulamalar henüz şekillenme aşamasındadır. Dinamik iş akışları genellikle daha fazla token tüketir, bu nedenle ne zaman ve nasıl kullanacağınızı dikkatlice değerlendirmeniz gerekir.

Not: Bu yazı aynı zamanda Claude Blog'da da yayınlanmıştır.

Örnek Prompt'lar

Teknik detaylara girmeden önce, Workflows'un potansiyelini anlamanıza yardımcı olacak bazı örnek prompt'lar vermek istiyorum:

"Bu test yaklaşık her 50 çalıştırmada 1 kez başarısız oluyor. Bunu yeniden üretecek bir iş akışı kur, hipotezler oluştur ve farklı worktree'lerde karşıt testler yap. /goal Bir hipotez doğrulanana kadar durma."

"Bir iş akışı kullanarak son 50 oturumumu gözden geçir, tekrarlayan düzeltmelerimi tespit et ve bu yinelenen sorunları CLAUDE.md kurallarına dönüştür."

"Bir iş akışı kullanarak son altı aydaki Slack #incidents kanalını tara, kimsenin ticket açmadığı, tekrarlayan temel nedenleri bul."

"İş planımı bir iş akışına sok ve farklı agent'ların sırasıyla yatırımcı, müşteri ve rakip perspektifinden analiz etmesini sağla."

"Burada 80 özgeçmiş içeren bir klasör var. Bir iş akışı kullanarak bunları backend pozisyonu gereksinimlerine göre sırala ve ilk onu tekrar kontrol et. Değerlendirme kriterlerini oluşturmak için AskUserQuestion aracını kullanarak bana sorular sor."

"Bu CLI aracına bir isim bulmam gerekiyor. Bir iş akışı kullanarak bir dizi seçenek üzerinde beyin fırtınası yap, ardından bir turnuva mekanizmasıyla ilk üçü seç."

"Bir iş akışı kullanarak User modelimizi her yerde Account olarak yeniden adlandır."

「Blog taslağımı oku ve her bir teknik değerlendirmeyi iş akışını kullanarak kod tabanına karşı doğrula. Yanlış bir şey yayınlamak istemiyorum.」

Dinamik İş Akışları Nasıl Çalışır

Dinamik iş akışları, alt ajanları oluşturmak ve koordine etmek için kullanılan bir dizi özel fonksiyon içeren bir JavaScript dosyasını çalıştırır.

Dinamik iş akışları ayrıca veri işlemek için JSON, Math ve Array gibi standart JavaScript fonksiyonlarını da içerir.

Özellikle dikkat çekici olan, dinamik iş akışlarının bir ajanın hangi modeli kullanacağına ve alt ajanın kendi çalışma ağacında (worktree) çalışıp çalışmayacağına karar verebilmesidir. Bu, Claude'un görevin gereksinimlerine göre ihtiyaç duyulan zeka seviyesini ve izolasyon derecesini bağımsız olarak seçmesine olanak tanır.

Bir iş akışı kesintiye uğrarsa, örneğin kullanıcı tarafından manuel olarak veya terminalin kapanmasıyla, oturum geri yüklendiğinde bu iş akışı kaldığı yerden devam edebilir.

Dinamik İş Akışları Neden Gereklidir

Varsayılan Claude Code yürütme çerçevesinin bir görevi işlemesine izin verdiğinizde, planlama ve yürütmeyi aynı bağlam penceresinde (context window) tamamlaması gerekir. Birçok programlama görevi için bu yöntem oldukça etkilidir, ancak uzun süreli, büyük ölçekli paralel veya son derece yapılandırılmış rekabetçi görevlerde bazen başarısız olur.

Bunun nedeni, Claude'un tek bir bağlam penceresinde karmaşık bir görevi ne kadar uzun süre işlerse, belirli başarısızlık türlerine o kadar yatkın hale gelmesidir:

Agentic laziness (Ajan tembelliği), Claude'un özellikle karmaşık ve çok parçalı görevleri işlerken, gerçekten tamamlamadan önce durması ve yalnızca kısmi ilerleme kaydettikten sonra görevin tamamlandığını iddia etmesidir. Örneğin, bir güvenlik incelemesinde 50 öğeden yalnızca 20'sini işleyip çalışmanın bittiğini duyurması.

Self-preferential bias (Kendini kayırma yanlılığı), Claude'un, özellikle belirli bir değerlendirme kriteri setine göre kendi ürettiği içeriği doğrulaması veya değerlendirmesi istendiğinde, kendi sonuçlarını veya bulgularını tercih etme eğilimidir.

Goal drift (Hedef kayması), çoklu yürütme adımları sırasında Claude'un orijinal hedefe olan bağlılığının kademeli olarak azalmasıdır, özellikle bağlam sıkıştırıldıktan sonra. Her özetleme bilgi kaybına neden olur ve uç durumlar (edge cases) veya "X'i yapma" gibi kısıtlamalar gibi bazı ayrıntılı gereksinimler kaybolabilir.

Bir workflow oluşturmak, bu sorunları hafifletmeye yardımcı olur çünkü birden fazla bağımsız Claude'u koordine eder, her birine kendi bağlam penceresini verir ve birbirinden izole, hedef odaklı görevlere odaklanmalarını sağlar.

Dinamik Workflow'lar ve Statik Workflow'lar

Daha önce Claude Agent SDK veya claude -p aracılığıyla, birden fazla Claude Code örneğini koordine etmek için statik workflow'lar oluşturmuş olabilirsiniz.

Ancak statik workflow'lar çeşitli uç durumları kapsamak zorunda olduğu için genellikle daha genel amaçlıdır. Claude Opus 4.8 ve dinamik workflow'ların ortaya çıkışıyla birlikte, Claude artık sizin özel kullanım senaryonuz için size özel bir yürütme çerçevesi yazacak kadar akıllı hale geldi.

Dinamik Workflow Kullanırken Pratik Kalıplar

Doğrudan Claude'dan bir dinamik workflow oluşturmasını isteyebilir veya Claude Code'un bir workflow oluşturmasını sağlamak için tetikleyici kelime "ultracode"u kullanabilirsiniz.

Ancak, dinamik workflow'ların nasıl çalıştığına dair bir zihinsel model oluşturabilirseniz, ne zaman kullanmanız gerektiğine karar vermek ve prompt aracılığıyla Claude'u yönlendirmek daha kolay hale gelir.

Claude, workflow'lar oluştururken yaygın olarak aşağıdaki kalıpları kullanır ve birleştirir:

Sınıflandır ve Yürüt: Görev türünü belirlemek için bir sınıflandırma agent'ı kullanın, ardından görev türüne göre farklı agent'lara veya eylemlere yönlendirin. Ayrıca sürecin sonunda çıktıyı değerlendirmek için bir sınıflandırıcı da kullanılabilir.

Yay ve Sentezle: Bir görevi daha küçük adımlara bölün, her adımın bir agent tarafından işlenmesini sağlayın ve son olarak bu sonuçları sentezleyin. Bu yöntem, özellikle görev çok sayıda küçük adım içerdiğinde veya her adımın birbirine karışmayı veya çapraz bulaşmayı önlemek için temiz bir bağlam penceresine ihtiyaç duyduğu durumlarda idealdir. Sentezleme adımı bir "bariyer" görevi görür: yayılan tüm agent'ların tamamlanmasını bekler ve ardından yapılandırılmış çıktılarını tek bir sonuçta birleştirir.

Çekişmeli Doğrulama: Oluşturulan her agent için, belirli bir değerlendirme kriteri veya standardına göre çıktısını çekişmeli bir şekilde doğrulayan bağımsız bir agent daha çalıştırın.

Üret ve Filtrele: Bir konu etrafında çok sayıda fikir üretin, ardından değerlendirme kriterlerine veya doğrulama sürecine göre filtreleyin, kopyaları kaldırın ve yalnızca test edilmiş, en yüksek kalitedeki fikirleri döndürün.

Turnuva: İşi bölmek yerine, ajanları birbiriyle rekabet ettirin. N tane ajan oluşturun ve her birinin aynı görevi farklı yöntemlerle tamamlamasını sağlayın. Ardından, bir prompt veya model aracılığıyla ajanların sonuçlarını ikili karşılaştırmalarla değerlendirin ve bir kazanan belirlenene kadar devam edin.

Tamamlanana Kadar Döngü: İş yükü bilinmeyen görevler için sabit bir tur sayısı belirlemek yerine, durma koşulu sağlanana kadar (örneğin, yeni bir bulguya rastlanmaması veya günlüklerde hata görülmemesi) döngü halinde ajanlar oluşturun.

Kullanım Senaryoları

Claude Code'un dinamik iş akışları oluşturmasına ne zaman ve nasıl izin vereceğiniz konusunda daha yaratıcı düşünebilirsiniz. İş akışlarının bazen teknik olmayan işlerde bile daha kullanışlı olduğunu gördüm.

Taşıma ve Yeniden Yapılandırma

Bun, Zig'den Rust'a yeniden yazma sürecinde iş akışlarını kullandı. Jarred'in X'teki gönderisini okuyarak sürecin detaylarını öğrenebilirsiniz.

Anahtar nokta, görevi çağrı noktaları, başarısız testler, modüller gibi işlenmesi gereken bir dizi adıma bölmektir. Her düzeltme görevi için worktree içinde bir alt ajan başlatın ve düzeltmeyi yapmasını sağlayın; ardından başka bir ajanın çekişmeli bir inceleme yapmasını ve son olarak sonuçları birleştirmesini sağlayın. Ajanlara, kaynak tüketimi yüksek komutları kullanmamalarını açıkça belirterek, yerel makine kaynaklarını tüketmeden paralellik seviyesini en üst düzeye çıkarabilirsiniz.

Derinlemesine Araştırma

Claude Code'da, dinamik iş akışları kullanan bir deep research yeteneği (/deep-research) yayınladık. Spesifik olarak, web aramaları yapar, kaynakları toplar, ilgili iddiaları çekişmeli bir şekilde doğrular ve referanslı bir rapor sentezler.

Ancak bu tür araştırmalar yalnızca web aramalarıyla sınırlı değildir. Örneğin, Claude'a Slack bağlamından bir durum raporu hazırlatabilir veya bir kod tabanını derinlemesine keşfederek bir özelliğin nasıl çalıştığını araştırabilirsiniz.

Derinlemesine Doğrulama

Öte yandan, bir raporunuz varsa ve içinde atıfta bulunulan her olgusal yargıyı ve kaynağı doğrulamak istiyorsanız, bir iş akışı oluşturabilirsiniz: Önce bir ajan tüm olgusal iddiaları belirler, ardından her bir iddia için detaylı bir inceleme yapacak bir alt ajan başlatır. Ayrıca, kaynakları takip eden alt ajanı denetleyen bir doğrulama ajanı atayarak kaynak kalitesinin yeterince yüksek olduğundan emin olabilirsiniz.

Sıralama

Belirli bir niteliksel metriğe göre sıralamak istediğiniz bir dizi öğeniz olabilir ve Claude Code'un bu metriği değerlendirmede iyi olduğuna inanıyorsunuz. Örneğin, destek biletlerini hata ciddiyetine göre sıralamak gibi.

Ancak 1000'den fazla satırı tek bir prompt içinde sıralamaya çalışırsanız, kalite düşer ve bağlam penceresi de buna yetmez. Daha iyi bir yaklaşım, bir turnuva mekanizması çalıştırmak ve ikili karşılaştırma yapan ajanlardan oluşan bir boru hattı oluşturmaktır; çünkü karşılaştırmalı yargılar genellikle mutlak puanlamadan daha güvenilirdir. Veya önce paralel olarak gruplar halinde sıralayıp ardından sonuçları birleştirebilirsiniz. Her karşılaştırma bağımsız bir ajan tarafından yapılır, bu nedenle deterministik döngü tüm turnuva yapısını koruyabilir; yalnızca mevcut çalışma sırasının bağlamda tutulması gerekir.

Bellek ve Kurallara Uyum

Belirli bir dizi kuralınız varsa ve Claude, bu kuralları CLAUDE.md dosyasında görmesine rağmen sık sık gözden kaçırıyor veya yetersiz uyguluyorsa, bu kuralları listeleyen ve her bir kural için bir doğrulama ajanı oluşturan bir iş akışı oluşturabilirsiniz. Bu kuralların mantıklı olup olmadığını denetlemek için "şüpheci" bir kişiliğe sahip alt ajan oluşturmak da aşırı yanlış pozitifleri önlemeye yardımcı olur.

Tersini de yapabilirsiniz: Son konuşmalarınızı ve kod inceleme yorumlarınızı tarayarak tekrar eden düzeltmeleri bulun; paralel ajanların bu sorunları kümelemesini sağlayın; ardından her aday kuralı, gerçek bir hatayı gerçekten önleyip önlemediğini görmek için çekişmeli doğrulamaya tabi tutun; son olarak, elemeden geçen kuralları CLAUDE.md dosyasına geri işleyin.

Kök Neden Araştırması

Hata ayıklamanın en etkili yolu, birbirinden bağımsız birkaç hipotez oluşturmak ve her birini ayrı ayrı test etmektir. Ancak yalnızca bir bağlam penceresi kullanırsanız, Claude kendi tercih yanlılığına kapılabilir.

İş akışı, bunu yapısal olarak önleyebilir: Birden fazla ajan başlatabilir ve her birinin örtüşmeyen kanıtlara dayanarak hipotezler oluşturmasını sağlayabilirsiniz. Örneğin, farklı ajanların sırasıyla günlükleri, dosyaları ve verileri incelemesini sağlayın. Ardından, her hipotez bir dizi doğrulayıcı ve çürütücü tarafından incelenebilir.

Bu yalnızca kod için geçerli değildir. İş akışları, satış analizi için de kullanılabilir; örneğin "Mart ayında satışlar neden düştü?"; veri mühendisliği için, örneğin "Bu pipeline neden başarısız oldu?"; veya herhangi bir geriye dönük inceleme için.

Büyük Ölçekli Triyaj

Her ekibin destek kuyrukları, hata raporları veya tamamen insanlar tarafından işlenemeyecek birikmiş işleri vardır. Bir triyaj iş akışı, her bir öğeyi kategorize edebilir, daha önce takip edilen sorunlarla tekrarları giderebilir ve harekete geçebilir. Bu, bir düzeltme girişimi anlamına gelebileceği gibi, konunun insan kullanıcıya yükseltilmesi anlamına da gelebilir.

Triyaj iş akışları için yararlı bir model karantinadır (quarantine). Yani, güvenilmez herkese açık içerikleri okuyan ajanların yüksek yetkili işlemler yapmasını engellemek; yüksek yetkili işlemler, eylemlerden sorumlu özel ajanlar tarafından gerçekleştirilmelidir.

Triyaj iş akışlarını /loop ile birleştirerek Claude'un bu tür görevleri sürekli olarak yürütmesini sağlayabilirsiniz.

Keşif ve Zevk Değerlendirmesi

Çözüm için farklı yollar keşfetmeniz gerektiğinde, özellikle tasarım, isimlendirme gibi estetik yargı gerektiren ve bir değerlendirme kriter setinden faydalanabilecek görevlerde iş akışları kullanışlıdır.

Claude'a çok sayıda seçenek keşfetmesini ve inceleme ajanına "iyi bir çözümün nasıl göründüğüne" dair bir değerlendirme kriter seti verebilirsiniz. İnceleme ajanı sonucun kriterleri karşıladığını düşündüğünde görev tamamlanır. Farklı seçenekler, bu değerlendirme kriterlerine göre bir turnuva mekanizması aracılığıyla sıralanabilir veya elenebilir.

Eval'ler (Değerlendirmeler)

Worktree içinde bağımsız bir ajan başlatarak, ardından bir karşılaştırma ajanı başlatarak ve belirli çıktıları değerlendirme kriterlerine göre karşılaştırıp puanlayarak belirli bir görev için hafif eval'ler çalıştırabilirsiniz. Örneğin, oluşturduğunuz bir becerinin belirli standartları karşılayıp karşılamadığını değerlendirebilir ve geliştirebilirsiniz.

Model ve Zeka Seviyesi Yönlendirmesi: Kendi görevinize göre ayarlanmış bir sınıflandırma ajanı oluşturarak hangi modelin kullanılacağına karar verebilirsiniz. Bu, görev çok sayıda araç çağrısı içerdiğinde ve yürütmeden önce araştırma yapmak en uygun modeli belirlemeye yardımcı olabileceğinde kullanışlıdır.

Örneğin, "auth modülünün nasıl çalıştığını açıkla" görevi için en uygun model, auth modülünde kaç dosya olduğuna ve kod tabanı yapısının ne olduğuna bağlıdır. Sınıflandırma ajanı önce bu araştırmayı tamamlayabilir ve ardından beklenen karmaşıklığa göre görevi Sonnet veya Opus'a yönlendirebilir.

Dinamik İş Akışı Ne Zaman Kullanılmamalı

Workflows hâlâ yeni bir kavram. Birçok kullanım senaryosunda geleneksel yöntemlerden çok daha iyi sonuçlar verse de, her görev için gerekli değildir ve token tüketimini önemli ölçüde artırabilir.

Workflows'u en iyi, Claude Code'un yeteneklerini yeni yollarla genişletebileceği görevlerde kullanmak gerekir. Sıradan programlama görevleri için önce kendinize şunu sorun: Bu görev gerçekten daha fazla hesaplama kaynağı gerektiriyor mu? Örneğin, çoğu geleneksel programlama görevi 5 kişilik bir denetçi ekibine ihtiyaç duymaz.

Dinamik Workflow Oluşturma İpuçları

Prompt Tasarımı

Dinamik bir workflow için prompt yazarken, özellikle yukarıda bahsedilen belirli teknikleri kullanıyorsanız, ayrıntı ne kadar fazlaysa sonuç genellikle o kadar iyi olur.

Workflows yalnızca büyük görevler için geçerli değildir. Modele bir "hızlı workflow" kullanmasını da söyleyebilirsiniz. Örneğin, bir hipotezi test etmek için hızlı bir çekişmeli denetim süreci oluşturabilirsiniz.

/goal ve /loop ile Kullanım

Triage, araştırma veya doğrulama workflowları gibi tekrarlanabilir workflowlar kullandığınızda, bunları /loop ile birleştirerek belirli aralıklarla çalıştırabilir; aynı anda /goal ile katı tamamlama gereksinimleri belirleyebilirsiniz.

Token Kullanım Bütçesi

Dinamik workflowlar için net token kullanım bütçeleri belirleyerek görevin tüketeceği token miktarını sınırlayabilirsiniz. Prompt'a "10k token kullan" gibi bir bütçe talebi ekleyebilirsiniz; bu, üst sınırı 10k token olarak ayarlar.

Dinamik Workflow'ları Kaydetme ve Paylaşma

Workflow menüsünde "s" tuşuna basarak workflowları kaydedebilirsiniz. Bunları ~/.claude/workflows dizinine gönderebilir veya skill aracılığıyla dağıtabilirsiniz.

Bunları skill aracılığıyla paylaşmak isterseniz, JavaScript workflow dosyasını skill klasörüne koyabilir ve SKILL.md dosyasında referans gösterebilirsiniz. Daha fazla esneklik için Claude'a şunu da söyleyebilirsiniz: Skill'deki workflowları birebir çalıştırılması gereken betikler olarak değil, şablonlar olarak değerlendir.

Yepyeni Bir Dünya

Workflows, Claude Code'u genişletmek için kullanışlı yeni bir yöntemdir. Bunu bir başlangıç noktası olarak görmenizi tavsiye ederim. En iyi nasıl kullanılacağına dair keşfedecek çok şey var. Bulduklarınızı bize bildirmenizden memnuniyet duyarız.

Thariq Shihipar ve Sid Bidasaria (@sidbid), Claude Code üzerinde çalışan Anthropic teknik ekibinin üyeleridir.

[Orijinal Bağlantı]

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia