Şubat 2026'da, küçük bir OpenAI ekibi 1 milyon satır üretim kodu gönderdi.
Tek bir satırı bile elle yazmadılar.
AI ajanları yazdı.
İnsanlar, ajanları güvenilir kılan sistemi tasarladı.
Bu sistemin artık bir adı var.
Harness Mühendisliği.
Haftalar içinde, Anthropic bu konuda 3 makale yayınladı.
ThoughtWorks bir çerçeve oluşturdu.
Hugging Face'teki Philipp Schmid, bunu "2026'nın en önemli disiplini" olarak nitelendirdi.
90 gün içinde yeni bir mühendislik disiplini ortaya çıktı.
Ve neredeyse AI altyapı ekipleri dışında kimse bunu henüz anlamıyor.
Bu makale her şeyi açıklıyor.
Gereksiz ayrıntı yok. Akademik jargon yok. Sadece bunu gerçekten kullanmak için ihtiyacınız olan zihinsel modeller.
Bunu kaydedin. İki kere okuyacaksınız.
BÖLÜM 1: BİR HARNESS ASLINDA NEDİR (AI hakkındaki düşüncelerinizi değiştiren kavram)
1. Harness Tanımı
En basit tanım ThoughtWorks'ten geliyor:
→ Ajan = Model + Harness
Harness, model olmayan her şeydir.
Ajanı yolda tutan kısıtlamalar. Hataları yakalayan geri bildirim döngüleri. Ajana nerede olduğunu söyleyen dokümantasyon. Kullanma izni olan araçlar.
Harness'i çıkarın → ham dil modeli, kod tabanınızda tahmin yürüterek ilerler.
Doğru harness'i ekleyin → üretim kodu gönderen sistem.
İsmi at koşum takımından geliyor.
Bir harness, güçlü ama öngörülemeyen bir hayvanı faydalı bir yöne yönlendiren dizginler, eyer ve gemdir.
Atı daha akıllı yapmazsınız. Gücünü faydalı kılan ekipmanı tasarlarsınız.
2. İşletim Sistemi Analojisi
Philipp Schmid en iyi teknik çerçeveyi sundu:
Bunu bir bilgisayar gibi düşünün.
→ Model = CPU (ham işlem gücü)
→ Bağlam penceresi = RAM (sınırlı, geçici çalışma belleği)
→ Harness = İşletim Sistemi (CPU'nun neyi ve ne zaman gördüğünü yönetir)
→ Ajan = Üzerinde çalışan Uygulama
Modeliniz güçlü.
Ancak belleği yöneten, görevleri zamanlayan ve kuralları uygulayan bir İşletim Sistemi olmadan — sadece silikondur.
Çoğu kişi işletim sistemi olmayan uygulamalar çalıştırıyor.
Bu yüzden ajanları üretimde başarısız oluyor.
3. 2026'da Ne Değişti?
LangChain, aynı modeli Terminal Bench 2.0'da iki kez çalıştırdı.
Aynı model. Farklı harness.
→ Eski harness: %52.8 puan
→ Yeni harness: %66.5 puan
Vercel tam tersi yönde ilerledi.
Ajanlarının araçlarının %80'ini kaldırdılar.
Sonuç? Daha iyi performans.
Daha kötü değil.
2026'nın rahatsız edici gerçeği:
→ Zor olan kısım hiçbir zaman ajan olmadı.
→ Zor olan harness.
2025, AI ajanlarının kod yazabildiğini kanıtladığı yıl olduysa…
2026, ortamın modelden daha önemli olduğunu keşfettiğimiz yıl.
BÖLÜM 2: 5 HARNESS YAPITI (Bir harness pratikte nasıl görünür)
4. AGENT.md / CLAUDE.md Dosyaları
En evrensel harness yapıtı.
Kod tabanınız boyunca dağıtılmış Markdown dosyaları.
Ajan, her oturumun başında bunları okur — ekibe yeni katılan bir mühendis için işe başlama belgeleri gibi.
İçlerinde neler var:
→ Proje bağlamı
→ Kodlama kuralları
→ Mimari kararlar
→ "Burada işler böyle yapılır" rehberliği
→ Halen devam eden işler
OpenAI onlara AGENT.md diyor.
Anthropic, CLAUDE.md diyor.
Cursor, .cursorrules kullanıyor.
Farklı isimler. Aynı prensip.
Her ana modül için bir dosya. Proje geliştikçe güncellenir.
Onlar olmadan: ajan her oturuma kör başlar. Onlarla: ajan her oturuma bilgili başlar.
5. JSON Özellik Listeleri (İlerleme Takipçisi)
Bir ajan, birden çok oturumda tam bir uygulama oluşturduğunda, her oturuma boş bir bağlam penceresiyle başlar.
Neyin zaten yapıldığını nasıl bilir?
Bir JSON dosyası.
Her girdi şunları tanımlar:
→ Bir özellik
→ Nasıl çalıştığının nasıl doğrulanacağı
→ Geçti / Kaldı durumu
Ajan bunu oturum başlangıcında okur. En yüksek öncelikli başarısız özelliği seçer. Uygular. Geçti olarak işaretler. Kaydeder. Tekrarlar.
Neden JSON da Markdown değil?
Anthropic, ajanların Markdown'ı yanlışlıkla üzerine yazma olasılığının JSON'a göre daha düşük olduğunu buldu.
Küçük bir detay. 6 saatlik otonom çalışmalarda çok önemlidir.
6. Oturum Başlatma Rutinleri
Her oturum aynı şekilde başlar.
Her. Tek. Seferinde.
Anthropic'in 7 adımlı başlatma dizisi:
- Çalışma dizinini onayla
- Git günlüklerini ve ilerleme dosyalarını oku
- En yüksek öncelikli tamamlanmamış öğe için özellik listesini kontrol et
- Geliştirme sunucusunu başlat
- Temel uçtan uca doğrulama çalıştır
- Bir özellik uygula
- Açıklayıcı mesajla kaydet + ilerlemeyi güncelle
Bu olmadan:
Ajan, halihazırda ne olduğunu anlamak için ilk 20 dakikasını harcar.
Her oturum tekerleği yeniden icat etmektir.
Bununla:
Ajan anında bilgili bir şekilde başlar ve doğrudan işe koyulur.
7. Sprint Sözleşmeleri
Ajan tek bir satır kod yazmadan önce:
İki ajan müzakere eder.
Oluşturucu ajan teklif eder:
→ Ne inşa edeceğini
→ Başarının nasıl doğrulanacağını
Değerlendirici ajan inceler:
→ Teklif eksiksiz mi?
→ Başarı kriterleri açık mı?
Ancak ikisi de kabul ettikten sonra uygulama başlar.
Bu bir tasarım incelemesidir.
Tek fark, her iki katılımcının da AI olmasıdır.
Bu neden önemli?
Aynı geçişte planlama ve yürütme yapan ajanlar güvenilmez çıktı üretir.
Planlama adımı — AI tarafından yapılsa bile — çıktı kalitesini önemli ölçüde artırır.
8. Yapılandırılmış Görev Şablonları
Herhangi bir kodlamadan önce:
Harness, gerçek kod tabanını analiz eder.
Somut bir etki haritası üretir:
→ Gerçek dosya yolları (hayal ürünü olanlar değil)
→ Gerçekten var olan gerçek sembol adları
→ Takip edilecek mevcut desenler
→ Somut kabul kriterleri
Ardından uygulama başlar.
Kulağa bariz geliyor.
Ancak çoğu ekip bunu atlar.
Ajan, dosya yapılarını tahmin eder. Var olmayan API uç noktaları icat eder. Kod tabanına uymayan bir şey inşa eder.
Yürütmeden önce somut bağlam → çok daha iyi çıktı.
BÖLÜM 3: ÜÇ KAMP (Üç ekip aynı duvara çarptı — ve üç farklı merdiven inşa etti)
9. OpenAI: Önce Ortam
OpenAI'in Codex ekibinin saçma bir sorunu vardı.
1 milyon satır üretim kodu. Hiçbiri elle yazılmamış.
Bu ölçekte, her satırı kod incelemesinden geçiremezsiniz.
Bu yüzden geçirmediler.
Bunun yerine:
Ortamı o kadar titizlikle tasarladılar ki, ajanlar ilk etapta incelenebilir çıktı üretti.
Yaklaşımları:
→ Katı bağımlılık akışları (Türler → Yapılandırma → Depo → Hizmet → Çalışma Zamanı → Arayüz)
→ Kod tabanı boyunca AGENT.md dosyaları
→ Doğrudan CI/CD boru hatlarına bağlı ajanlar
Felsefe: Ortamı tasarla. Sonra ajanı serbest bırak.
Kanıtı: Sora Android uygulaması. 4 mühendis. 28 gün. Play Store'da #1. %99.9 çökmesiz.
Codex, haftalık dahili çekme isteklerinin %70'ini halletti.
10. Anthropic: Yapanı Yargılayandan Ayır
Anthropic'in farklı bir sorunu vardı.
Ajandan kendi çıktısını değerlendirmesini istediklerinde:
Kendinden emin bir şekilde işi överdi.
Bir insan gözlemciye göre kalite bariz bir şekilde vasat olsa bile.
Öz değerlendirme işe yaramaz.
Ajan hem öğrenci hem de öğretmendi.
Ve kendine dümdüz A veriyordu.
Çözümleri: Üç uzmanlaşmış ajan.
→ Planlayıcı — 2 cümlelik bir istemi tam bir ürün spesifikasyonuna dönüştürür
→ Oluşturucu — özellikleri her seferinde bir sprint olarak uygular
→ Değerlendirici — çalışan uygulamayı gerçek bir kullanıcı gibi test etmek için tarayıcı otomasyonu kullanır
İçgörü: bağımsız bir değerlendiriciyi şüpheci yapmak, bir oluşturucuyu kendi işine karşı eleştirel yapmaktan çok daha kolaydır.
Sonuç: Tek başına ajan (harness yok): $9, 20 dk
→ bozuk uygulama Tam harness: $200, 6 saat
→ cilalı arayüzlü, çalışan yazılım
11. ThoughtWorks: 2×2 Çerçevesi
ThoughtWorks farklı bir açıdan geldi.
Bir ürün inşa etmiyorlardı.
50'den fazla mühendislik ekibinin aynı şeylerde başarısız olmasını izliyorlardı.
İçgörüleri: her harness kontrolünü iki eksen boyunca sınıflandırmak.
Eksen 1: Ne zaman çalışır?
→ İleri Besleme = ajan harekete geçmeden önce (kılavuzlar)
→ Geri Bildirim = ajan harekete geçtikten sonra (sensörler)
Eksen 2: Nasıl çalışır?
→ Hesaplamalı = deterministik, milisaniyeler (lint'leyiciler, tip denetleyicileri, test paketleri)
→ Çıkarımsal = bir LLM kullanır, saniyeler (kod inceleme ajanı, anlamsal analiz)
2×2:
→ Hesaplamalı İleri Besleme: tip sistemleri, lint'leyiciler, mimari kurallar
→ Hesaplamalı Geri Bildirim: test paketleri, kapsam analizi, mutasyon testi
→ Çıkarımsal İleri Besleme: şartname belgeleri, kısıtlama açıklamaları
→ Çıkarımsal Geri Bildirim: LLM kod inceleyicileri, davranış doğrulayıcıları
Ne ileri besleme ne de geri bildirim tek başına işe yarar.
İkisine de ihtiyacınız var.
BÖLÜM 4: HER KAMPIN ÜZERİNDE ANLAŞTIĞI 5 İLKE (Üç ekip hiç koordine olmadı. Bağımsız olarak buraya ulaştılar.)
12. İlke 1: Bağlam, Talimatlardan Daha Önemlidir
OpenAI: "1000 sayfalık bir kılavuz değil, bir harita ver."
Anthropic: Ajanların nerede olduklarını her zaman bilmeleri için JSON özellik listeleri ve ilerleme dosyaları.
Red Hat: Herhangi bir görev oluşturmadan önce gerçek kod tabanını analiz et.
ThoughtWorks: "İleri Besleme."
Farklı kelimeler. Aynı keşif.
Ajana dünyanın mevcut durumunu göstermek, ona soyut olarak ne yapması gerektiğini söylemekten sürekli olarak daha iyi performans gösterir.
→ Gerçek dosya yollarına dayalı
→ Kod tabanına uyan kod
→ Belirsiz bir açıklamadan çalışma
→ Hayali dosya yolları ve icat edilmiş API'ler
Ders: Ajan bir şey yazmadan önce, tam olarak nerede olduğunu bildiğinden emin olun.
13. İlke 2: Planlama ve Yürütme Ayrılmalıdır
OpenAI: insanlar ortamı tasarlar, ajanlar yürütür.
Anthropic: Özel Planlayıcı ajan, Oluşturucu herhangi bir koda dokunmadan önce çalışır.
ThoughtWorks: Planlama ve uygulama arasında zorunlu insan inceleme kontrol noktası.
Red Hat: Aşama 1 (etki haritası) ve Aşama 2 (uygulama) arasında sert bir geçit ile.
Her kamp bunu bağımsız olarak keşfetti:
Bir ajanın aynı geçişte planlama ve yürütme yapmasına izin vermek güvenilmez çıktı üretir.
Planlama adımının bir insan tarafından yapılması gerekmez.
Ancak ayrı bir adım olmalı ve uygulama başlamadan önce çıktısı incelenmelidir.
14. İlke 3: Geri Bildirim Döngüleri Pazarlıksızdır
OpenAI: CI/CD ve gözlemlenebilirlik sistemlerine bağlı ajanlar.
Anthropic: Tarayıcı otomasyonu kullanan özel Değerlendirici ajan.
ThoughtWorks: "sensörler" olarak resmileştirildi. Yalnızca ileri besleme yaklaşımlarının kılavuzların gerçekten işe yarayıp yaramadığını asla doğrulamadığı konusunda uyardı.
Aynı ilkeye üç yaklaşım:
→ OpenAI otomatik testler ve CI kullanır
→ Anthropic başka bir LLM kullanır
→ ThoughtWorks, katmanlı olarak her ikisini de kullanın der
Geri bildirimi kimin sağladığı konusunda anlaşmazlık yaşıyorlar.
Buna ihtiyacınız olup olmadığı konusunda anlaşmazlık yaşamıyorlar.
Geri bildirimi olmayan bir harness, sadece ekstra adımları olan bir istemdir.
15. İlke 4: Her Seferinde Tek Bir Şey
OpenAI: hedefleri daha küçük yapı taşlarına ayırır, derinlemesine çalışır.
Anthropic: her sprintte bir özellik uygular ve her birinden sonra kaydeder.
ThoughtWorks: aşamalı yaşam döngüsü (entegrasyon öncesi → entegrasyon sonrası → sürekli izleme).
Aynı anda çok fazla şey yapmaya çalışan ajanlar:
→ Bağlamı tüketir
→ Tutarlılığı kaybeder
→ Gereksinimleri sessizce düşürür
Anthropic rutini:
İlerlemeyi oku → BİR özellik seç → Uygula → Kaydet → Tekrarla
Zorunlu artımlılık, başarılı her harness'te evrenseldir.
16. İlke 5: Kod Tabanı, Dokümantasyondur
OpenAI: AGENT.md dosyalarını depoya gömer.
Anthropic: özellik listelerini, ilerleme dosyalarını ve git geçmişini ajanın süreklilik mekanizması olarak saklar.
ThoughtWorks: "harness uygunluğu"nu ölçer — kod tabanının ajanlar için ne kadar okunabilir olduğu.
Hiç kimse ajan için ayrı bir bilgi tabanı tutmaz.
Depo, tek gerçeklik kaynağıdır.
Bir kural, kısıtlama veya mimari karar kod tabanında değilse — ajan bundan haberdar olmaz.
Pratik çıkarım:
→ Kod organizasyonuna yatırım yapan ekipler, karşılığında daha iyi ajan performansı alır.
→ Dağınık depolar + AI ajanları = kaos, ancak büyük ölçekte.
BÖLÜM 5: PARADOKS — SİLMEK İÇİN İNŞA ET (Harness mühendisliğindeki en mantığa aykırı gerçek)
17. Harness Bozulması Gerçektir
Anthropic, Opus 4.5'ten Opus 4.6'ya yükselttiğinde:
Daha önce gerekli olan sprint ayrıştırması, ölü ağırlık haline geldi.
Modelin gelişmiş planlaması onu gereksiz kıldı.
Mart ayında yük taşıyan bir harness bileşeni, Nisan ayında ek yük haline geldi.
Sonra Opus 4.7 geldi.
Model kendi çıktılarını doğrulamaya başladı.
Değerlendirici ajanın iş tanımı küçülmeye başladı.
Buna harness bozulması denir.
Bir harness'teki her bileşen, modelin neyi yapamayacağına dair bir varsayımı kodlar.
Modeller geliştikçe → bu varsayımlar geçerliliğini yitirir → bileşen ek yük haline gelir.
Opus 4.5: sprint ayrıştırması + sprint başına değerlendirme
Opus 4.6: sprint ayrıştırması yok + tek geçişli değerlendirme (%38 maliyet tasarrufu sağlar)
Opus 4.7: model kendi kendini doğrulamaya başlar → değerlendirici rolü daha da küçülür
18. Silmek İçin İnşa Et
Philipp Schmid'in tavsiyesi:
"Silmek için inşa et."
Her harness bileşenini kaldırılabilir olacak şekilde tasarlayın.
Her bileşeni periyodik olarak kapatarak ve çıktı kalitesinin değişip değişmediğini ölçerek test edin.
Değişmiyorsa: silin.
Manus, harness'ini 6 ayda 5 kez yeniden yapılandırdı. LangChain, 1 yılda 3 kez yeniden yapılandırdı. Vercel, araçların %80'ini kaldırdı → daha iyi performans elde etti.
Bunlar kötü mühendislik belirtileri değil.
Hızla gelişen modellerin üzerine inşa etmenin doğal sonucudur.
Ölü harness bileşenlerini taşımak, her çalıştırmada token'lara mal olur. Sıfır ekstra kalite. Tamamen israf.
19. Maliyet Gerçeği
Anthropic'in A/B testinden dürüst rakamlar:
→ Tek başına ajan (harness yok): $9, 20 dakika
→ çalışan arayüz, bozuk temel işlevsellik
→ Tam harness (Opus 4.5): $200, 6 saat
→ çalışan yazılım, cilalı arayüz, doğru fizik
Bu 22 kat maliyet artışı.
Çalışan bir ürün ile yalnızca ekran görüntülerinde doğru görünen bir demo arasında.
Bunun pahalı mı yoksa ucuz mu olduğu tamamen ekibinize bozuk bir sürümün maliyetine bağlıdır.
Ama işte kimsenin bahsetmediği şey:
Harness + model kombinasyonu gelişir.
$200'lık harness, bir model yükseltmesiyle $124 oldu.
Eğilim çizgisi:
→ Daha iyi model = daha basit harness = daha ucuz çalıştırma = daha hızlı çıktı
2026'da kazanan mühendisler en iyi kodu yazmıyor.
En iyi kısıtlamaları tasarlıyorlar.
Ve sonra bu kısıtlamaları, geçimlerini sağlamayı bıraktıkları anda atmaya istekli oluyorlar.
KAPANIŞ
Az önce öğrendiğiniz her şey:
Harness nedir:
→ 1. Ajan = Model + Harness
→ 2. Model = CPU. Harness = İşletim Sistemi.
→ 3. Aynı model, daha iyi harness = +%13 performans
5 harness yapıtı:
→ 4. CLAUDE.md / AGENT.md — ajanlar için işe başlama belgeleri
→ 5. JSON özellik listeleri — ilerleme takipçisi + test paketi bir arada
→ 6. Oturum başlatma rutinleri — her seferinde aynı 7 adımlı başlatma
→ 7. Sprint sözleşmeleri — ajanlar kodlamadan önce müzakere eder
→ 8. Yapılandırılmış görev şablonları — gerçek dosya yolları, gerçek desenler
Üç kamp:
→ 9. OpenAI: ortamı tasarla, ajanı serbest bırak
→ 10. Anthropic: yapanı yargılayandan ayır
→ 11. ThoughtWorks: 2×2 ileri besleme/geri bildirim çerçevesi
5 evrensel ilke:
→ 12. Bağlam, talimatlardan daha önemlidir
→ 13. Planlama ve yürütme ayrılmalıdır
→ 14. Geri bildirim döngüleri pazarlıksızdır
→ 15. Her seferinde tek bir şey
→ 16. Kod tabanı, dokümantasyondur
Paradoks:
→ 17. Harness bozulması — geçen ay işe yarayan, bu ay zarar verir
→ 18. Silmek için inşa et — ölü bileşenleri test et ve kaldır
→ 19. Maliyet gerçeği — daha iyi model = daha basit harness = daha ucuz çalıştırma
2026'da kazanan mühendisler en iyi kodu yazmıyor.
En iyi kısıtlamaları tasarlıyorlar.
Ve bu kısıtlamaları, geçimlerini sağlamayı bıraktıkları anda atmaya istekli oluyorlar.
Bu faydalıysa:
→ Ağınızdaki yapımcılara ulaşması için tekrar paylaşın
→ Her hafta bunun gibi daha fazlası için @sairahul1'i takip edin
→ Bunu yer imlerine ekleyin — ajanlarınız yaramazlık yapmaya başladığında başvuracaksınız
AI, ürün oluşturma ve 2026'da gerçekten işe yarayan şeyler hakkında yazıyorum.
