Araştırma, yazma, görsel oluşturma, doğrulama, sosyal medya paylaşımı, muhasebe ve takvim yönetimi. 21 görevi tek bir Claude Code ortamında birleştirerek günlük fiili çalışma süremi 60 dakikaya düşürdüm.
Başlık görseli yapay zeka tarafından oluşturulmuştur. Prompt'a bu 140.000 karakteri aşan makaleden ulaşabilirsiniz.
Ben eski bir grafik tasarımcıyım. Daha önce hiç kod yazmadım. 14 yıl boyunca baskı medya tasarımı yaptım ve 2020 yılında Web/Yapay Zeka alanına geçiş yaptım.
Claude Code içinde "tek kişilik bir pazarlama departmanı" kurdum. Departman diyorum ama bu sadece pazarlamayla sınırlı değil. İş operasyonlarının tamamını tek bir yapay zeka ortamında bütünleştiren bir sistem.
Bu yazıda, 21 becerinin genel tasarımından, entegrasyonun tasarım felsefesinden, günlük çalışma akışından ve tüm inşa sürecinden bahsedeceğim.
Henüz kurulum yapmadıysanız, buraya tıklayın
https://x.com/kawai_design/status/2032673056347533607
["Ne işe yarar bunlar?" sorusunu 40 dakikada ortadan kaldırın]
Profesyonel Claude Code çalışma alanının tamamını gösterme
İlk 100 kişiyle sınırlı: Webinar detayları burada
https://x.com/kawai_design/status/2037862268210118865
21 Becerinin Genel Tasarımı
Claude Code ortamımda 21 beceri bulunuyor. Her biri bağımsız uzmanlık yeteneklerine sahip ve beş katmana ayrılmış durumda.
Araştırma Katmanı
- research-ai: Yapay zeka haberlerinin otomatik toplanması ve seçilmesi. RSS beslemeleri ile Claude'un seçimini birleştiren hibrit bir yöntem.
- research-insight: Gizli kalmış ihtiyaçların ve yapısal sorunların keşfi. Nitel verilerin üçgenlenmesi yoluyla "dile getirilmemiş problemleri" bulma.
Üretim Katmanı
- writer-article: Not makalelerinin uçtan uca yazılması. Yapı tasarımından ana metne, standart metinlerin eklenmesinden dosya çıktısına kadar.
- writer-post: X için tasarım, yazma ve gönderi yönetimi.
- writer-copy: Web siteleri, açılış sayfaları ve reklamlar için metin yazarlığı.
- thumbnail: Küçük resim görseli oluşturma prompt'larının tasarımı.
- diagram: Bölüm illüstrasyonlarının tasarımı.
- table: HTML/CSS tablolarının oluşturulması.
- slide-builder: Webinar slayt sitelerinin inşası.
- ui: Web siteleri, açılış sayfaları ve panolar için HTML/CSS/JS uygulaması.
Kalite Kontrol Katmanı
- fact-check: Sayıların, alıntıların, atıfların ve neden-sonuç ilişkilerinin orijinal kaynaklara karşı doğrulanması.
- design-score: Banner, küçük resim, açılış sayfası gibi tasarımların 100 puan üzerinden değerlendirilmesi.
Operasyon Katmanı
- secretary: Randevu, Yapılacaklar ve takvim yönetimi.
- accounting: Fatura oluşturma ve satış defteri girişi.
- message: X DM'leri, e-postalar ve talepler için yanıt metinlerinin oluşturulması.
- seminar: Seminer planlamasının uçtan uca tasarımı.
Analiz Katmanı
- today-analytics: Son dönem X performansının toplanması.
- week-review: Haftalık içerik performans değerlendirmesi.
- atom-suggest: Sıradaki yayın için içerik önerileri.
Ayrıca, harici müşteriler için özel varyasyonlar da mevcut (diagram-shiftai / thumbnail-shiftai / slide-builder-shiftai).
Her şey ~/.claude/skills/ altında klasörler halinde bulunuyor ve CLAUDE.md orkestratör olarak işlev görüyor.
CLAUDE.md ile Beceri Entegrasyonunun Tasarım Felsefesi
21 beceriyi ayrı ayrı çalıştırmanın bir anlamı yok. Önemli olan, tüm becerilerin aynı bağlamı paylaşmasıdır.
İşte bu "bağlam paylaşımını" gerçekleştiren şey CLAUDE.md'dir.
CLAUDE.md şunları içerir:
- Takuya Kawai'nin profili, kariyeri ve unvanları
- Hizmet tanımları (huni yapısı, fiyatlandırma sistemi, her hizmetin konumlandırılması)
- Onay kuralları (neyin otomatik olarak yürütüleceği ve neyin üst seviyeye taşınacağı)
- Kalite standartları (Çıktı Kapısı değerlendirme koşulları)
- Veri katmanı tanımları (atoms.csv / pipeline.csv / outputs.csv için işletim kuralları)
Hangi beceri çağrılırsa çağrılsın, önce bu CLAUDE.md yüklenir. Yani tüm beceriler "aynı kişilik, aynı yargı kriterleri ve aynı kalite standartları" ile çalışır.
Sadece becerileri sıralamak ile "21 uzmanlık yeteneğine sahip tek bir kişi" olmak arasındaki fark budur.
Becerileri ayırıp bağımsız çalıştırırsanız, B Becerisi, A Becerisi'nin araştırdığı sonuçlara dayanarak bir makale yazdığında A'nın bağlamı kaybolur. B'nin marka tonunu yeniden yüklemesi, geçmiş makalelerle tutarlılığı kontrol etmesi ve kişiliği yeniden oluşturması gerekir.
CLAUDE.md entegrasyonu ile bu yeniden yapılandırma maliyeti sıfırdır. Araştırma becerisinin topladığı malzeme, doğrudan makale becerisinin girdisi haline gelir.
Makale oluşturulurken aynı anda küçük resimler ve diyagramlar otomatik olarak tasarlanır. Tamamlanan makale doğrulamadan geçer ve sosyal medya gönderilerine dönüştürülür.
Performans verileri analiz becerisi tarafından toplanır ve bir sonraki içerik stratejisine girdi sağlar.
Bağlamı paylaşmak hem kaliteyi hem de hızı belirler.
Beceriler Arasındaki Veri Akışı
Beceri entegrasyonunun etkilerine daha yakından bakalım.
Veriler üç CSV dosyasında yönetilir:
- atoms.csv: İçerik tohumları (haberler, deneyimler, analiz sonuçları). Tüm içeriğin ham maddesi.
- pipeline.csv: Her atomun hangi kanala dağıtılacağına dair planlar. Durum yönetimini içerir.
- outputs.csv: Yayınlanan içeriklerin kayıtları. Performans verileri de burada birikir.
Akış şu şekildedir:
research-ai her sabah yapay zeka haberlerini toplar ve atoms.csv'ye ekler. research-insight haftalık olarak gizli ihtiyaçları araştırır ve bunları da atoms.csv'ye ekler.
Dağıtım kararı pipeline.csv üzerinde çalışır. "Bu atom bir not makalesi olacak", "Bu atom bir X gönderisi olacak", "Bu atom her ikisi de olacak." Karar kriterleri, etkileşim oranları ve gösterimlere göre otomatikleştirilir.
writer-article bir makale yazdığında, atoms.csv'deki orijinal veriler ve CLAUDE.md'deki kalite standartları eşzamanlı olarak yüklenir. Makale tamamlandığında, thumbnail ve diagram prompt'ları oluşturur ve fact-check doğrulamayı gerçekleştirir.
Yayından sonra, today-analytics ve week-review performansı toplar ve outputs.csv'de biriktirir. Bu veri atom-suggest'a akar ve sırada ne yazılacağına karar vermenin temelini oluşturur.
Tüm beceriler aynı veritabanına başvurup onu güncellediği için bu döngü döner.
Günlük 60 Dakikalık Çalışma Akışı
İşte bir günlük fiili çalışma.
Toplam: Yaklaşık 60 dakika.
Aynı işi manuel olarak yapsaydınız, sadece makale 3-4 saat sürer, sosyal medya, e-postalar, slaytlar ve faturalar dahil edildiğinde günde 8 saati rahatlıkla aşardı.
Sadece 60 dakika sürmesinin nedeni, beceriler arasındaki teslim süresinin neredeyse sıfır olmasıdır. Bir makale yazıldığında, küçük resim otomatik olarak tasarlanır.
Doğrulama otomatik olarak çalışır. Sosyal medya genişletme metni otomatik olarak oluşturulur. "Bir sonraki görev için bilgileri yeniden düzenleme" gibi bir zaman harcanmaz.
İnşa Süreci — Eski Bir Tasarımcı Olarak Yaptıklarım
Bu sistemi kurmak için programlama becerileri kullanmadım.
Aşağıdaki 5 adım gerekliydi:
Adım 1: Operasyonları Söze Dökmek
Ne yapıyorsunuz, hangi sırayla yapıyorsunuz ve hangi karar kriterlerine göre yapıyorsunuz? Bunu Markdown olarak yazma işi, toplam işin %80'ini oluşturuyor.
Bu Claude Code ayarlarıyla ilgili değil. Kendi işinizin envanterini çıkarmakla ilgili.
*"Bir not makalesi yazarken ilk neyi kontrol ederim?"
"Küçük resim yaparken metne neye göre karar veririm?"
"Fatura düzenlerken hangi bilgiyi nereden alırım?"*
Örtülü bilgi haline gelmiş tüm iş prosedürlerini açıkça ifade ettim.
Adım 2: CLAUDE.md'yi Tasarlamak
Tüm beceriler için ortak kuralları, marka tanımlarını, onay akışlarını ve kalite standartlarını tek bir dosyada toplayın.
Bu, bir "şirket yönetim politikası belgesine" karşılık gelir. Hangi beceri çağrılırsa çağrılsın, bu politikaya göre çalışır. Kişilik ve yargı kriterlerinin birleştirilmesi burada kararlaştırılır.
https://x.com/kawai_design/status/2031673798479790362
Adım 3: SKILL.md'yi Oluşturmak
Her beceri için tetikleme koşullarını, yürütme prosedürlerini, kalite standartlarını, referans dosyalarını ve çıktı hedeflerini Markdown olarak tanımlayın. Beceri başına yaklaşık 100-300 satır.
writer-article için "yapı şablonları", "ton kuralları", "standart metin ekleme konumları", "başlık kuralları" ve "geçmiş makalelerle kopya kontrol prosedürleri" yazılıdır.
https://x.com/kawai_design/status/2022911084588675503
Adım 4: Referans Verilerini Hazırlamak
Standart metinler, marka yönergeleri, geçmiş makale arşivleri (878 makale), metin desen koleksiyonları ve illüstrasyon katalogları. Becerilerin başvurduğu "öğretim materyallerini" hazırlayın.
Geçmiş makaleler tamamen veritabanına alınmış ve anahtar kelime ile aranabilir durumdadır. Yeni bir makale yazmadan önce, aynı temadaki mevcut makalelerle çelişmediğinden emin olmak için her zaman geçmiş makaleleri arar.
Adım 5: Yinelemeli İyileştirme
Başlangıçtan itibaren nihai haline ulaşmaz. Kullanın, çıktıya bakın ve SKILL.md'yi düzeltin. Bu tekrarla doğruluk artar.
İnşa süresi yaklaşık bir haftaydı. Ancak bu "bir hafta boyunca inşa etmek" anlamına gelmiyordu; daha çok, bir hafta boyunca normal görevleri Claude Code ile yerine getirirken başarılı desenleri becerilere dönüştürmenin sonucuydu.
Bağlam Paylaşımı Neden Önemlidir?
Beceri entegrasyonunun özüne biraz daha derinlemesine bakalım.
Benim writer-article becerim, bir makale yazmadan önce her zaman geçmiş makale arşivini arar. 878 makaleden oluşan bir veritabanından ilgili makaleleri çeker ve yazmaya başlamadan önce mevcut iddialarla çelişmediğinden emin olur.
Bu mümkündür çünkü "geçmiş makale arşivine başvurma yöntemi", "arama komutları" ve "arşiv depolama yolları" CLAUDE.md'de açıkça belirtilmiştir.
writer-article becerisinin kendi içinde bir veritabanı yoktur. Sadece paylaşılan bir veri katmanına başvurur.
Benzer şekilde, fact-check becerisi doğrulama yaptığında, CLAUDE.md'deki kalite standartlarına başvurur.
*"Herhangi bir abartı var mı?"
"Orijinal kaynağın söylemediği şeyler kesin bir dille mi yazılmış?"
"Sayıların dayanağı elde edilmiş mi?"*
Bu standartlar her beceri için farklı olsaydı, kalite tutarsız olurdu.
design-score becerisi bir küçük resmi puanlarken, yine CLAUDE.md'deki aynı marka tanımına başvurur. Marka tonunu anladıktan sonra puanlama yaptığı için anlamlı geri bildirim sağlar.
Tüm becerilerin aynı "hafızayı" paylaşması. Bütünleşik tasarımda en önemli nokta budur.
Şimdi Başlayacaklar İçin
"21 beceri çok fazla. Nereden başlamalıyım?"
Doğal bir soru.
Cevap basit. Her gün yaptığınız sadece bir görevi beceriye dönüştürün.
Beceriye dönüştürdüğüm ilk şey not makaleleri yazmaktı. Yapı şablonları, standart metin ekleme konumları, ton kuralları. Bunları SKILL.md'de yazmak başlangıç noktasıydı.
İlk beceri oturduktan sonra, ikinciyi oluşturun. İkinci bittiğinde, birinciyle bağlantısını düşünün. Bunu tekrarlayarak, farkına varmadan 10 veya 20 beceriye sahip olursunuz.
Önemli olan her şeyi aynı anda yapmaya çalışmamaktır.
İşte nasıl başlayacağınıza dair özel adımlar:
1. Her gün yaptığınız bir görevi seçin
E-posta yanıtları, sosyal medya gönderileri, rapor oluşturma, toplantı notlarını düzenleme. Herhangi bir şey olabilir. "Her seferinde aynı şeyi anlatıyorum" hissettiğiniz görevler idealdir.
2. Bu görevin prosedürünü Markdown olarak yazın
Mükemmel olması gerekmez. "Önce bunu kontrol et, sonra bunu yaz ve en son buraya kaydet" seviyesi yeterlidir.
3. Claude Code'un bunu SKILL.md olarak okumasını sağlayın
Yazılan prosedürü SKILL.md formatına getirin ve ~/.claude/skills/ konumuna yerleştirin.
4. Kullanın ve düzeltin
Çıktı garip geliyorsa, SKILL.md'yi düzeltin. 3-5 revizyonda kullanılabilir bir seviyeye ulaşacaktır.
5. İkincisini oluşturun ve bağlayın
İkinci beceri tamamlandığında, ortak kuralları CLAUDE.md'de tanımlayın. Beceri entegrasyonu buradan başlar.
İşinizde "Her seferinde aynı şeyi anlatıyorum" hissettiğiniz an, bir sonraki becerinin tohumudur.
["Ne işe yarar bunlar?" sorusunu 40 dakikada ortadan kaldırın]
Profesyonel Claude Code çalışma alanının tamamını gösterme
İlk 100 kişiyle sınırlı: Webinar detayları aşağıda ↓
─────────────────
Bunlara ek olarak, yapay zeka çağı için gelecek tahminleri ve araç açıklamaları gibi birçok makale paylaşıyorum. Hepsi ücretsiz okunabilir, göz atmanızı öneririm.
https://x.com/kawai_design/articles
─────────────────
Eğitim veya konuşma etkinlikleriyle ilgili talepleriniz veya danışmalarınız için profilimde belirtilen web sitesi üzerinden benimle iletişime geçebilirsiniz.
