# Yapay zekâ destekli uygulama geliştirmek: araç yığınının katman katman haritası

> Dil modelleriyle çalışan bir uygulamanın katmanları: model seçiminden erişim ve değerlendirmeye, oradan yayına kadar, her katman için araçlarla.

Demoda çalışan bir yapay zekâ özelliği, işin küçük bir parçasıdır. Demo, tek bir istem, tek bir model ve beş uyumlu girdiden ibarettir. Ürün ise aynı şeyin binlerce öngörülemez kullanıcıya karşı, arkasında kendi verilerinizle, kullanımla birlikte büyüyen bir faturayla ve cevapların ne zaman kötüleştiğini bilme ihtiyacıyla çalışmasıdır.

Bu yüzden yığın katmanlıdır. Bir API üzerinden ulaşılan ya da kendi sunucunuzda barındırılan bir model. Kod gibi sürümlenen istemler. Modelin tahmin yürütmek yerine sizin içeriğinizden cevap vermesini sağlayan erişim ve bellek katmanı. Belki çağırabileceği araçları olan bir ajan döngüsü. Hepsinin çevresinde sıradan uygulama kodu, ardından testler, değerlendirme ve yayın için bir yer.

Uygulama kodunun büyük bölümünü artık kodlama ajanları yazıyor, uygulama oluşturucular da bir tariften çalışan bir ön yüz üretebiliyor. Mühendislik muhakemesini ise çözmüyorlar: görev için kabul edilebilir maliyetle yeterince iyi olan model hangisi, kalite kullanıcılardan önce nasıl ölçülür, hangi veri sisteminizin dışına çıkabilir, model emin bir tavırla yanıldığında ne olur? Modeller ve koşulları da sık değişir. Bu yüzden uygulamayı, bir modeli baştan yazmadan değiştirebilecek biçimde tasarlayın.

**Who this is for:** Bir ürüne dil modeli özelliği eklemek ya da bir modelin etrafında yeni bir uygulama kurmak isteyen, yığın seçmeden önce araçların haritasını görmek isteyen geliştiriciler, teknik kurucular ve küçük ürün ekipleri.

- Stages: 9
- Tools listed: 28
- Source page: https://trendhub.net/tr/ai-tools/for/building-an-ai-app

## Start here

Bir prototip için yaygın ilk tur: modelleri kendi istemlerinizle karşılaştırın, kodu bir ajanla yazın, izlemeyi erkenden açın, sonra yayına alın. Seçimler bu sırayı izler, bir sıralama değildir.

1. **Prompt Cowboy** (İstem yazımı ve prototip): Kabaca yazdığınız görev tanımını yapılandırılmış bir isteme çevirin, sonra yirmi gerçek girdi üzerinde deneyin.
2. **Cursor** (Kodu yazmak): Özelliğin en küçük sürümünü anlatın ve herhangi bir değişikliği kabul etmeden önce planı gözden geçirin.
3. **LangChain** (Değerlendirme ve izleme): İlk prototipten itibaren izlemeyi açın; böylece her kötü cevap bir test senaryosuna dönüşür.
4. **Vercel** (Uygulamayı yayına almak): Depoyu bağlayın ve önizleme adresini beş test kullanıcısıyla paylaşın.

## 1. Model seçimi

Uygulamanın hangi modeli ya da modelleri çağıracağına karar verirsiniz. Bunu yaparken kendi göreviniz üzerindeki çıktı kalitesini, hızı, bağlam boyutunu, istek başına maliyeti, gizlilik gereksinimlerini ve barındırılan bir API mi yoksa kendi çalıştıracağınız açık bir model mi gerektiğini tartarsınız.

- What AI does here: Aynı istemi farklı modellere yan yana göndermenizi sağlar, modelleri tanıdık API biçimleriyle sunar ve açık modelleri kendi donanımınızda çalıştırır.
- What AI does not do here: Görevinize hangi modelin uyduğunu söyleyemez. Herkese açık liderlik tabloları başkalarının oylarını ve istemlerini yansıtır; güvenilir tek test kendi örneklerinizdir.

- [Arena](https://trendhub.net/tr/ai-tools/arena-ai-model-comparison-llm-leaderboard.markdown): Shows responses from different models to the same prompt side by side and publishes category leaderboards built from community votes.
- [DeepSeek](https://trendhub.net/tr/ai-tools/deepseek-llm-chat-assistant-developer-api.markdown): Offers its language models through a token-billed API that accepts OpenAI-style and Anthropic-style requests, with JSON output and tool calls.
- [Unsloth](https://trendhub.net/tr/ai-tools/unsloth-run-train-ai-models-locally.markdown): Runs and fine-tunes open models on your own machine and presents them behind an OpenAI-compatible API that existing apps can call.
- [Tinfoil](https://trendhub.net/tr/ai-tools/tinfoil-private-ai-chat-inference-api.markdown): Runs open-source models inside secure hardware enclaves and exposes them through an OpenAI-compatible API, for apps that handle sensitive data.

## 2. İstem yazımı ve prototip

Uygulama kodu yazmadan önce talimatları belirlersiniz: sistem istemi, örnekler, çıktı biçimi. Bunları sıradışı olanlar da dahil gerçek girdilerle denersiniz ve değişiklikleri karşılaştırabilmek için her sürümü saklarsınız.

- What AI does here: Kabaca yazılmış bir isteği yapılandırılmış bir isteme çevirir, mevcut bir istemin zayıf yanlarını çözümler ve sürümlü bir istem kütüphanesi tutar.
- What AI does not do here: Sınır durumlarınızı bilemez. İyi okunan bir istem, kullanıcılarınızın gerçekten gönderdiği girdilerde yine de başarısız olabilir; bunu ancak toplanan örnekler üzerindeki testler ortaya çıkarır.

- [Prompt Cowboy](https://trendhub.net/tr/ai-tools/prompt-cowboy-ai-generator-library.markdown): Kısa ve kaba bir isteği net, yapılandırılmış bir isteme çevirir ve her istemi, yeniden kullanım için aranabilir bir kütüphanede saklar.
- [PrompTessor](https://trendhub.net/tr/ai-tools/promptessor-ai-prompt-generator-optimizer.markdown): Analyzes a prompt for strengths and weaknesses, rewrites it in rounds and records each version so earlier ones can be recovered.
- [Arena](https://trendhub.net/tr/ai-tools/arena-ai-model-comparison-llm-leaderboard.markdown): Lets you try a draft prompt on a chosen model in the browser and compare how different models respond to it.

## 3. Model API'leri, geçitler ve çıkarım barındırma

Uygulamayı modellere üretimde ayakta kalacak biçimde bağlarsınız: anahtarlar sunucu tarafında tutulur, sağlayıcı çöktüğünde yeniden deneme ve yedek yollar devreye girer, hız limitleri uygulanır, harcama izlenir; açık bir modeli kendiniz sunuyorsanız GPU barındırma da buna eklenir.

- What AI does here: İstekleri yedek ve kota desteğiyle tek bir uç noktadan pek çok modele yönlendirir; açık modelleri küme yönetmeden, otomatik ölçeklenen GPU altyapısında sunar.
- What AI does not do here: Sağlayıcılara bağımlılığı ortadan kaldırmaz. Fiyatlar, hız limitleri ve model sürümleri onların takvimine göre değişir. Sürümleri sabitleyin ve veri kullanımına ilişkin koşulları okuyun.

- [Vercel](https://trendhub.net/tr/ai-tools/vercel-deployment-platform-apps-ai-agents.markdown): AI Gateway'i, istekleri yedekleme, yük dengeleme, yeniden deneme ve harcama izlemeyle birlikte tek bir hizmet üzerinden pek çok yapay zekâ modeline yönlendirir.
- [Modal](https://trendhub.net/tr/ai-tools/modal-serverless-gpu-cloud-ai-workloads.markdown): Serves LLMs and media models through endpoints on autoscaling GPU containers that scale to zero when idle.
- [Higress](https://trendhub.net/tr/ai-tools/higress-open-source-ai-gateway-llm-apis.markdown): Gives one calling interface for many model providers and adds model-level fallback, result caching, content filtering and token quotas.
- [DeepSeek](https://trendhub.net/tr/ai-tools/deepseek-llm-chat-assistant-developer-api.markdown): Documents how to call its models from application code and coding agents, with thinking mode that can be switched off per request.

## 4. Erişim, bellek ve veri

Çoğu işe yarar uygulama belirli bir içerikten cevap verir: dokümantasyonunuz, bir müşterinin dosyaları, canlı web, geçmiş konuşmalar. Bu içeriği alır ve dizinlersiniz, her istekte ilgili parçaları getirir ve kaynaklarıyla birlikte modele iletirsiniz.

- What AI does here: Web sayfalarını temiz Markdown olarak çeker, gömme vektörlerini saklar ve arar, ilgili parçaları kaynak bağlantılarıyla döndürür, oturumlar arasında kullanıcı başına bellek tutar.
- What AI does not do here: Zayıf kaynak malzemeyi düzeltemez. Erişim, dizinde ne varsa onu getirir; güncel olmayan ya da çelişen belgeler, güncel olmayan ya da çelişen cevaplar doğurur.

- [Firecrawl](https://trendhub.net/tr/ai-tools/firecrawl-web-scraping-search-api-ai.markdown): Web sitelerini bir API üzerinden arar, kazır ve tarar; erişim hatlarına uygun Markdown ya da yapılandırılmış JSON döndürür.
- [Supabase](https://trendhub.net/tr/ai-tools/supabase-postgres-backend-auth-vector.markdown): Stores and indexes embeddings in a Postgres database so the application can run similarity search with its chosen models.
- [Kapa.ai](https://trendhub.net/tr/ai-tools/kapa-ai-agents-company-knowledge.markdown): Ingests docs, tickets and wikis and offers a Retrieval API that returns relevant chunks with source URLs for a query.
- [Zep](https://trendhub.net/tr/ai-tools/zep-context-graph-memory-ai-agents.markdown): Builds a per-user graph of dated facts from data and conversations and returns the context a task needs in one call.

## 5. Ajan çerçeveleri ve araç erişimi

Uygulamanın yalnızca cevap vermesi değil eylem de yapması gerekiyorsa bir ajan döngüsü kurarsınız: model hangi aracı çağıracağına karar verir, sizin kodunuz aracı çalıştırır ve sonucu geri döndürür. Araçları, izinlerini ve bir insanın ne zaman onay vermesi gerektiğini siz tanımlarsınız.

- What AI does here: Herhangi bir model sağlayıcısıyla ajan yazmak için kütüphaneler sunar, sıradan fonksiyonlardan araç şemaları üretir ve üçüncü taraf araç sunucularına kimlik doğrulamayı yönetir.
- What AI does not do here: Bir ajanı varsayılan olarak güvenli kılamaz. Sunduğunuz her araç, modelin yanlış anda çağırabileceği bir şeydir; izinleri dar tutun ve geri alınamayan işlemleri onaya bağlayın.

- [LangChain](https://trendhub.net/tr/ai-tools/langchain-agent-frameworks-langsmith-platform.markdown): Provides the open source langchain, langgraph and deepagents libraries for writing agents at different levels of control.
- [FastMCP](https://trendhub.net/tr/ai-tools/fastmcp-python-framework-mcp-servers.markdown): Publishes ordinary Python functions as MCP tools, generating their schemas and handling validation, transport and authentication.
- [Smithery](https://trendhub.net/tr/ai-tools/smithery-connect-ai-agents-mcp-servers.markdown): Connects an agent to MCP servers from a catalog and manages OAuth, credentials and sessions for those connections.

## 6. Kodu yazmak

Modelin çevresinde sıradan bir uygulama durur: API rotaları, veri modelleri, kimlik doğrulama, arka plan işleri, bir kullanıcı arayüzü. Bu kodu yazar, gözden geçirir ve test edersiniz; giderek daha çok, görevleri bir kodlama ajanına devredip değişikliklerini inceleyerek.

- What AI does here: Bir kod tabanını keşfeder, değişiklik planlar, dosyaları düzenler, testleri çalıştırır ve düz dille yazılmış bir görevden çekme isteği açar; çekme isteklerini satır satır inceler.
- What AI does not do here: Mimarinin ya da sonuçların sahibi olamaz. Üretilen kod testlerini geçip yine de güvensiz ya da gereksinimlerinize uygunsuz olabilir; birleştirilenleri bir geliştirici okumalıdır.

- [Cursor](https://trendhub.net/tr/ai-tools/cursor-ai-coding-agent-code-editor.markdown): Yazılı bir geliştirme görevini alır, kod tabanını keşfeder, plan önerir ve sizin kabul edeceğiniz ya da değiştireceğiniz değişiklikleri yapar.
- [Claude Code](https://trendhub.net/tr/ai-tools/claude-code-anthropic-s-ai-coding-agent.markdown): Plans programming tasks, edits files, runs tests and opens pull requests inside your repository, asking before it modifies files or runs commands.
- [OpenCode](https://trendhub.net/tr/ai-tools/opencode-open-source-ai-coding-agent.markdown): Runs as an open source coding agent in the terminal, desktop or IDE and connects to many model providers, including locally hosted models.
- [CodeRabbit](https://trendhub.net/tr/ai-tools/coderabbit-ai-code-review-pull-requests.markdown): Her çekme isteğini satır düzeyinde yorumlar ve uygulanabilir önerilerle inceler; kodun büyük kısmı ajan tarafından yazıldığında işe yarar.

## 7. Ses, görsel ve video özellikleri

Bazı uygulamalar metinden fazlasını ister: sesli cevaplar, yazıya dökme, gerçek zamanlı sesli konuşma, üretilmiş görseller ya da klipler. Bunlar kendi API'leri, gecikme bütçeleri ve kullanım kuralları olan ayrı modellerdir.

- What AI does here: Bir API üzerinden metinden sese, sesten metne ve çift yönlü sesli konuşma ekler; uygulama kodundan video ya da görsel üretir.
- What AI does not do here: Hakları sizin yerinize temizleyemez. Gerçek bir kişinin sesini klonlamak onun rızasını gerektirir; üretilen medyanın ticari kullanımı ise sağlayıcının koşullarına ve planınıza bağlıdır.

- [Inworld AI](https://trendhub.net/tr/ai-tools/inworld-ai-realtime-tts-stt-llm-routing-apis.markdown): Supplies realtime text-to-speech, speech-to-text and a speech-to-speech API that streams audio over one WebSocket or WebRTC link.
- [Daily](https://trendhub.net/tr/ai-tools/daily-real-time-voice-video-ai-agent.markdown): Provides WebRTC infrastructure and maintains Pipecat, an open-source framework for orchestrating real-time voice AI agents.
- [Runway](https://trendhub.net/tr/ai-tools/runway-ai-video-image-generation-platform.markdown): Video ve görsel üretim modellerini dokümantasyon ve model yönlendiricisiyle birlikte bir geliştirici API'si üzerinden sunar.

## 8. Değerlendirme ve izleme

Gerçek girdilerden bir test kümesi kurar, her değişiklikten önce çıktıları puanlarsınız; yayından sonra da hataların, maliyetin ve gecikmenin görünür olması için her isteği izlersiniz. Otomatik puanlamanın yargılayamadığı yerleri insan incelemesi kapatır.

- What AI does here: Bir çalıştırmanın her adımını kaydeder, gerçek izlerden veri kümeleri kurar, halüsinasyon gibi sorunlar için otomatik değerlendiriciler çalıştırır ve çıktıları insan puanlaması için kuyruğa alır.
- What AI does not do here: Ürününüz için iyi bir cevabın ne olduğunu tanımlayamaz. Ölçütleri birinin yazması, örnekleri birinin etiketlemesi gerekir; otomatik yargıçlar da hata yapan modellerdir.

- [LangChain](https://trendhub.net/tr/ai-tools/langchain-agent-frameworks-langsmith-platform.markdown): Its LangSmith platform records every step of an agent run, builds datasets from real traces and runs online and offline evaluations.
- [Label Studio](https://trendhub.net/tr/ai-tools/label-studio-open-source-data-labeling-platform.markdown): Lets human reviewers score LLM outputs, grade RAG answers and review agent traces, with side-by-side model comparison.
- [TestMu AI](https://trendhub.net/tr/ai-tools/testmu-ai-agents-cloud-software-testing.markdown): Sohbet ve ses ajanlarına karşı yapay zekâ değerlendiricileri gönderir; yayından önce halüsinasyon, önyargı, toksiklik ve uyum sorunlarını kontrol eder.
- [PostHog](https://trendhub.net/tr/ai-tools/posthog-product-analytics-data-platform.markdown): Its AI observability tracks the events generated by an application's model calls, next to session replays and error tracking for the rest of the app.

## 9. Uygulamayı yayına almak

Uygulamanın bir ön yüze, kullanıcı hesaplarına, barındırmaya, alan adına ve önizleme ile geri almayı içeren bir yayın sürecine ihtiyacı vardır. Prototip ya da şirket içi araç için bunlar üretilebilir; bir ürün için ise bilinçli mühendislik gerekir.

- What AI does here: Bir tariften arayüzü, mantığı ve veri katmanıyla çalışan bir web uygulaması üretir, her kod gönderiminde yayına alır ve her değişikliğe bir önizleme adresi verir.
- What AI does not do here: Yayından sonrasını sizin yerinize halledemez: kötüye kullanım, hız sınırlama, gizlilik talepleri, destek ve her kullanıcıyla büyüyen kullanım faturası.

- [Vercel](https://trendhub.net/tr/ai-tools/vercel-deployment-platform-apps-ai-agents.markdown): Her Git gönderiminde projeyi derler ve yayına alır, her değişikliğe kendi önizleme adresini verir ve anında geri almaya izin verir.
- [Lovable](https://trendhub.net/tr/ai-tools/lovable-ai-app-website-builder.markdown): Düz dille yazılmış bir tariften canlı önizlemeli bir web uygulaması kurar; barındırma ve kimlik doğrulamayı platform üzerinde halleder.
- [v0](https://trendhub.net/tr/ai-tools/v0-ai-builder-full-stack-web-apps.markdown): Generates a web application from a prompt, syncs the code to GitHub and publishes it to production.
- [Supabase](https://trendhub.net/tr/ai-tools/supabase-postgres-backend-auth-vector.markdown): Handles sign-ups and logins and exposes database tables through REST endpoints, so the app has a backend without custom server code.

## Realistic expectations

- **Modeller emin bir tavırla yanılır**: Bir dil modeli akıcı ama yanlış bir cevap verebilir. Erişim katmanı bunu azaltır, ortadan kaldırmaz. Mümkün olduğunda kaynak gösterin, gerçek girdilerle test edin ve denetlenmemiş çıktının sağlık, para ya da hukuk konularındaki kararları yönlendirmesine izin vermeyin.
- **Kullanıcı verisi ve sağlayıcı koşulları**: Gönderdiğiniz her istem kişisel ya da gizli veri içerebilir. Her sağlayıcının saklama ve eğitim koşullarını kontrol edin, kullanıcılara nelerin işlendiğini söyleyin; hassas iş yükleri için kendi sunucunuzda ya da izole ortamda çıkarım yapmayı düşünün.
- **Maliyet kullanımla artar**: Token, kredi, GPU saniyesi ve araç çağrılarının hepsi ölçülür ve faturalanır. Testte az tutan bir özellik, uzun bağlamlar ya da ajan döngüleriyle pahalıya çıkabilir. Harcama limiti koyun ve istek başına maliyeti ölçün.
- **Üretilen kod yine de gözden geçirilmeli**: Kodlama ajanları ve uygulama oluşturucular çalışan yazılımı hızlı üretir; güvenlik açığı olan yazılımı da. Gerçek kullanıcılar gelmeden önce kimlik doğrulamayı, veri erişim kurallarını ve gizli anahtarların yönetimini kendiniz gözden geçirin.
- **İstem enjeksiyonu gerçek bir saldırıdır**: Modelin web sayfalarından, belgelerden ya da kullanıcılardan okuduğu metin talimat içerebilir. Model çıktısına güvenmeyin, ajanın hangi araçları çağırabileceğini kısıtlayın ve geri alınamayan her işlem için onay isteyin.

## FAQs

### Barındırılan bir model API'sini mi çağırmalıyım, yoksa açık bir modeli kendim mi çalıştırmalıyım?

Aksini gerektiren net bir neden yoksa barındırılan bir API ile başlayın. Üzerine geliştirmek daha hızlıdır ve GPU işletmeniz gerekmez. Açık bir modeli kendiniz çalıştırmak; veri ortamınızdan çıkmamalıysa, ince ayar yapmanız gerekiyorsa ya da hacim hesaplamayı kendinizin işletmesini daha ucuz kılacak kadar yüksekse mantıklıdır. Pek çok ekip bir API üzerinde prototip yapar, kullanım netleşince seçimi yeniden değerlendirir.

### Yapay zekâ uygulaması için ajan çerçevesine ihtiyacım var mı?

Çoğu zaman hayır. İyi talimatlarla ve getirilen bağlamla yapılan tek bir model çağrısı pek çok özelliği karşılar: özetleme, sınıflandırma, bilgi çıkarma, belgelerden cevap verme. Çerçeve, modelin araçlar arasında seçim yapması, birkaç adım çalıştırması, durum tutması ya da hatalardan toparlanması gerektiğinde yerini hak eder. Erkenden eklemek, hata ayıklanacak kavramları da artırır. Basit başlayın, yalın yöntem yetmez olduğunda çerçeveye geçin.

### Yazılımcı olmayan biri bu araçlarla yapay zekâ uygulaması geliştirebilir mi?

Prototip ya da şirket içi araç için evet. Bu rehberdeki uygulama oluşturucular, bir tariften giriş ve barındırma dahil çalışan bir web uygulaması üretir. Müşteri verisi ve ödemelerle uğraşan bir ürün ise başka bir iştir: güvenliği, maliyeti ve hata yönetimini anlayan biri gerekir. Makul yol, kodsuz prototip yapmak, gerçek kullanıcılarla denemek, ölçeklemeden önce bir geliştiriciyi devreye almaktır.

### Yapay zekâ özelliğimin yayına çıkacak kadar iyi olduğunu nasıl anlarım?

Gerçek girdilerden bir küme toplayın, her biri için doğru cevabın nasıl görünmesi gerektiğini yazın ve her değişiklikten önce sistemi bunun üzerinden puanlayın. Zor ve kötü niyetli durumları da ekleyin. Otomatik kontrolleri, bir örneklemin insan tarafından incelenmesiyle birleştirin. İzleme açıkken küçük bir gruba yayına alın, hataları okuyun ve hata oranı kullanımınız için kabul edilebilir hale geldikçe erişimi genişletin.

## Related guides

- [Web sitesi kurmak için hangi yapay zekâ araçlarına ihtiyacınız var?](https://trendhub.net/tr/ai-tools/for/building-a-website.markdown)
- [Yapay zekâyla ürün lansmanı: konumlandırmadan geri bildirime hangi araçlar kullanılır?](https://trendhub.net/tr/ai-tools/for/launching-a-product.markdown)
- [Uygulama fikrinden uygulama mağazalarına: her aşamada yapay zekâ araçları nasıl yardım eder](https://trendhub.net/tr/ai-tools/for/building-a-mobile-app.markdown)
- [İş akışlarını otomatikleştirmek için yapay zekâ araçları: süreç haritasından izlemeye](https://trendhub.net/tr/ai-tools/for/automating-business-workflows.markdown)
- [Müşteri desteğini kurmak: önce cevapları yazın, sonra yapay zekâyı ekleyin](https://trendhub.net/tr/ai-tools/for/setting-up-customer-support.markdown)
- [Yapay zekâyla uygulama arayüzü tasarlamak: araştırma, ekranlar, prototip, kod](https://trendhub.net/tr/ai-tools/for/designing-an-app-interface.markdown)

---

Source: https://trendhub.net/tr/ai-tools/for/building-an-ai-app (trendhub)
