Hata raporlarınızdan pull request hazırlayan yapay zeka

Özetle. Canlı ortamda bir hata tetiklendiğinde (Sentry, Rollbar, log toplayıcı), çoğu ekip triyajı manuel yapar: yığın izini (stack trace) oku, dosyayı bul, bağlamı anla, düzeltmeyi yaz, PR aç. Bunu Yapay zeka ekip arkadaşı tümüyle otomatik olarak yapan ve size bir uyarı yerine incelenmeye hazır bir PR sunan bir sistem, hata birikiminizi ciddi oranda azaltır. 2026'da bunu sunan üç seçenek var: Qualia (portföy ölçeğinde, tüm ürünlerde tek bir yapay zeka ekip arkadaşı), Viktor (mühendis rolünün bir parçası olarak) ve Cursor veya Claude Code üzerinde özel otomasyonlarla kurulan kendi-yap (DIY) sistemler.

Aslında parasını ödediğiniz iş akışı.

2026'da manuel hata triyajı şuna benzer:

1. Sentry uyarısı tetiklenir.
2. Birine bildirim düşer (mesai dışıysa sabaha kadar bekler).
3. Mühendis Sentry'yi açar, yığın izini okur, kod tabanını açar.
4. Neler olup bittiğini anlamak için çevreleyen kodu okur.
5. Çözüm barizse yazar.
6. Değilse, bu dosyaya en son kimin dokunduğunu bulmak için Slack'i açar.
7. Bağlamı içeren bir PR açar.
8. Birleştirir (Merge).

En iyi ihtimalle: hata başına 30 dakika. Bir portföy yöneticisi için gerçekçi senaryo: hata başına 2 saat; çünkü "kod tabanını açmak", haftalardır bakmadığınız bir ürünün bağlamını yüklemeyi gerektirir.

Günde onlarca hata veren 15 ürün için bu tam zamanlı bir roldür. Ya da her hafta büyüyen bir iş yığınıdır.

Bunun yerine bir yapay zeka ekip arkadaşı ne yapar?

1. Sentry uyarısı tetiklenir.
2. Yapay zeka ekip arkadaşı uyarıyı, yığın izini, çevreleyen kodu, git blame geçmişini, son commit'leri ve Slack bağlamını inceler.
3. Karar verir: Gerçek bir hata mı, gürültü mü? (Kararsız testleri, üçüncü taraf API kesintilerini, bilinen yinelenenleri filtreler.)
4. Gerçek bir hataysa: düzeltmeyi hazırlar, doğru dala yönelik bir PR açar, PR açıklamasına bağlam ekler, inceleyen kişiyi etiketler.
5. Mühendis inceler (genellikle 5 ila 20 satır), onaylar veya düzenler.
6. Birleştirir (Merge).

Zaman tasarrufu: Basit düzeltmeler için %90, karmaşık düzeltmeler için %60.

Portföy ölçeğinde bu, "özel bir hata önceliklendirme sürecimiz var" ile "düzeltmeleri geldikçe yayınlıyoruz" arasındaki farktır. Bkz. otonom operasyonlar daha geniş çerçeve için.

PR taslağı oluşturan bir yapay zekada aranması gerekenler.

• 1. Yalnızca hatayı değil, gerçek kodu okur. Yalnızca hata mesajını gören ürünler, halüsinasyon ürünü düzeltmeler üretir.
• 2. Git geçmişini okur. Bu dosyaya en son kim dokundu? Git farkındalığı olmayan ürünler, zaten çözülmüş hataları tekrar ortaya çıkarır.
• 3. Ekibinizin PR kalıplarını kullanır. Açıklayıcı commit mesajları, gereken yerlerde testler.
• 4. Gürültüyü filtreler. Her uyarı gerçek bir hata değildir.
• 5. Repo değil, portföy farkındalığına sahip. Tek bir ürün için herhangi bir kodlama yapay zekası (Cursor, Claude Code, Codex) işe yarar. 5 ve üzeri üründen oluşan bir portföy için ise yapay zekanın hangi ürün, hangi repo ve hangi ekip olduğunu anlaması gerekir.
• 6. Yanlış pozitif PR'ları sorunsuzca yönetir. Hatalı PR'ları kapatmak tek tıkla olmalıdır.

Bunu 2026'da yapan ürünler.

Qualia

Portföy kapsamlı yapay zeka ekip arkadaşı. Tüm ürünleriniz genelinde Sentry kayıtlarını okur ve doğru repolara yönelik PR taslakları hazırlar. 3 ila 20 ürün yöneten 2 ila 10 kişilik ekipler için geliştirildi.

Viktor

"Mühendis" yapay zeka çalışanı rolünün bir parçasıdır. Her ekip için özel bir yapay zeka mühendisi isteyen ekipler için en güçlüsüdür. Portföy kapsamında değildir. Bkz. Qualia vs Viktor.

Cursor / Claude Code artı özel otomasyon

Kendin yap kurulum. İnşa etmek için mühendislik zamanınız varsa işe yarar.

Sentry AI Autofix

Sentry'nin kendi betası. Sentry ile sınırlıdır, bu ürünün yol haritasına bağlıdır.

GitHub Copilot Workspace

Önerilen düzeltmeler için iyidir; başlatmak için bir insan gerekir. Otonom değildir.

Devin / Cognition

Genel amaçlı otonom kodlama ajanı. Çoğu PR taslağı hazırlama iş akışı için gereğinden fazla.

Bağlanmadan önce nasıl değerlendirilmeli?

• 1. Adım. Son 30 günden gerçek 10 Sentry hatası seçin. Basit ve karmaşık olanları harmanlayın.
• 2. Adım. Her birini yapay zeka ekip arkadaşına besleyin. Bir PR taslağı oluşturmasını isteyin.
• 3. Adım. Her PR'ı puanlayın: doğruluk, eksiksizlik, teamüllere uyum, bağlam.
• 4. Adım. Ürünler arasında karşılaştırın. 10'da 8'ini doğru yapan ve diğer 2'sini sorunsuzca yöneten bir ürün; basit hatalarda 10'da 10 yapıp karmaşık olanlarda halüsinasyon gören bir üründen daha iyidir.

Yaygın hatalar.

• Bir inceleme denetimi olmadan dağıtıma almak. Yapay zeka tarafından hazırlanan PR'ların asla otomatik birleşmesine (auto-merge) izin vermeyin.
• Yapay zekayı git geçmişine bağlamamak. Yalnızca hatayı gören bir yapay zeka, daha önce düzeltilmiş hataları tekrar ortaya çıkarır.
• Aşırı agresif filtreleme yapmak. "Yalnızca gerçek hatalar" uç senaryoları kaçırır. "Her şey" ise gürültü yaratır. 2 hafta boyunca optimize edin.
• Repo kapsamındaki bir üründen portföy kapsamı beklemek. Tek depolu araçlar (Cursor, Copilot) doğal olarak "hangi ürün, hangi depo" sürecini yönetemez.

Okumaya devam edin.