26 Eylül 2026 Cumartesi

Ubuntu 26.10'da Windows 11 Tarzı Pencere Yönetimi: Geç Gelen Bir Devrim mi?

Ubuntu 26.10 sürümü, masaüstü deneyimini dönüştürme vaatleriyle birlikte geliyor. Bu güncellemenin en dikkat çeken özelliği, pencere yönetimi konusunda Windows 11 kullanıcılarının çoktan alıştığı "dropzone" (düşme bölgesi) mekanizmasını GNOME ortamına taşımış olması. Pencereleri sürüklerken ekranın üst kısmından inen ve otomatik yerleşim önerileri sunan bu yeni layout picker (düzen seçici), çoklu görev akışını hızlandırmayı hedefliyor. Ancak bu özelliğin dağıtım döngüsünün hangi noktasında ortaya çıktığı ve mevcut kısıtlılıkları, konunun sadece bir özellik ekleme olarak değil, bir stratejik gecikme olarak değerlendirilmesini gerektiriyor.

Arayüz Dondurması Sonrası Gelen Son Dakika Eklentisi

Ubuntu geliştirme döngülerinde, sürümün kod tabanının sabitlendiği ve kullanıcı arayüzünde büyük değişikliklerin yapılmadığı kritik bir dönem olan user-interface freeze (arayüz dondurması) adımı bulunur. Sektör standartlarına göre bu noktadan sonra ana kullanıcı deneyimini etkileyen yeni arayüz bileşenlerinin eklenmesi beklenmez. Ne var ki, Stonking Stingray kod adlı 26.10 sürümünde, bu dondurma aşaması geçildikten sonra bile layout picker özelliği sisteme entegre edildi. GitHub kayıtlarına bakıldığında, bu özelliğin kodu Yaru ikon teması üzerinde çalışan bir tasarımcı tarafından katkıda bulunmuş ve merge isteği Haziran ayından beri açık kalmış, ancak son günlerde birleştirildi. Bu durum, özelliğin son anda, neredeyse çıkış anında sürüme dahil edildiğini gösteriyor.

Windows 11 ve GNOME Eklentileriyle Karşılaştırma

Kullanıcılar, bir pencereyi sürüklediğinde ekranın üst kısmından kayan ve önceden belirlenmiş yerleşim şablonlarını gösteren bu arayüzle, Windows 11 veya GNOME Shell için geliştirilen Tiling Shell eklentisini kullandıkta benzer bir deneyim yaşayacaklar. Mekanizma, pencereyi belirli bir bölgeye sürüklediğinizde, pencerenin nereye oturacağını gösteren bir "ghost" (hayalet) önizleme sunarak görsel geri bildirim sağlar. Kullanıcı, pencereyi bu hayalet önizlemenin üzerine bırakıp bıraktığında pencere o alana otomatik olarak kilitlenir. Bu süreç, fiziksel pencere kenarlarına sürükleme ile kıyaslandığında daha hızlı ve sezgisel bir etkileşim sunar.

Auto-Complete Yeteneği ve Sınırlı Esneklik

Ubuntu 26.10'daki bu yeni sistem, sadece pencereyi yerleştirmekle kalmaz; aynı zamanda Tiling Assistant bileşeni devreye girerek boş kalan alanları da yönetir. Örneğin, bir pencereyi ekranın bir çeyreğine (quarter) yerleştirdiğinizde, asistan açık olan diğer pencereleri önererek kalan dörtgenleri otomatik olarak doldurur. Bu durum, ekran alanının verimli kullanılmasını sağlar. Ancak burada önemli bir teknik sınırlama var: Düzen seçicide görülen şablonlar, ekran kenarlarına sürükleme ile elde edilebilenler ile aynıdır. Tiling Shell eklentisinin sunduğu gibi farklı boyut, sütun ve satır kombinasyonlarını içeren özel düzenler ekleme veya düzenleme imkanı sunmaz. Bu, özelliği daha sadelik ve tutarlılık odaklı, ancak özelleştirme derinliği açısından daha sınırlı kılabilir.

Ayar Eksiklikleri ve Üçüncü Taraf Müdahalesi

Yeni bir görsel öğenin masaüstüne eklenmesi, her kullanıcının hoşuna gitmeyebilir. Özellikle pencere hareket ettirirken sürekli beliren düzen seçici barı, bazı kullanıcılar için görsel bir rahatsızlık kaynağı olabilir. Ancak şu anki dönemde, Settings > Ubuntu Desktop menüsünde bu özelliği tamamen devre dışı bırakmaya (off-switch) yönelik bir anahtar bulunmuyor. Kullanıcılar, bu davranışı değiştirmek istediklerinde, sistemin standart ayar arayüzü dışında kalmak zorunda. Eklentinin kendi ayarları, yapılandırılabilir boşluklar (configurable gaps) gibi Ubuntu'nun açığa çıkarmadığı diğer detayları da içerse de, bunlara ulaşmak için Extensions Manager gibi üçüncü taraf masaüstü uygulamaları üzerinden erişim sağlamak gerekiyor. Bu durum, Ubuntu'nun kendi masaüstü panelini zenginleştirme çabasında, gelişmiş ayarları hâlâ dışa bağımlı kıldığını gösteriyor.

Çeyrek Tiling Tarihi ve Gelecek Beklentileri

Ubuntu'nun pencere ızgarası desteği konusunda geç kaldığı bir gerçek. Çeyrek tiling (quarter tiling) desteği ancak 2023 yılında ana akım sürüme eklenebilmişti. 26.10'daki bu düzen seçici, ekran alanını daha karmaşık parçalara ayırmayı başarmıyor; sistem hâlâ 2 sütun ve 2 satır sınırlamasıyla çalışıyor. Yine de, pencerelerin yönetimi ve çoklu görev geçişleri açısından kalite artışı sağlanıyor. Geliştiricilerin sürümün son anlarında, arayüz dondurması sonrası bu değişikliği onaylaması, özelliğin stabilitesine dair endişeler yaratabilir, ancak Linux ekosistemindeki bağımsız haberleşme ve geliştirme hızı göz önüne alındığında, bu tür hızlı entegrasyonlar normalleşiyor. Kullanıcıların geri bildirimlerine göre, eğer bir kapatma seçeneği eklenmezse, özelleştirme ihtiyacı olan kesim üçüncü taraf araçlara daha fazla mahkum kalacak gibi görünüyor.

Kaynak: omgubuntu.co.uk

25 Eylül 2026 Cuma

Yapay Zekâ Ajanlarıyla Kendi Kendine Çalışan Bir YouTube Müzik Kanalı Kurdum: Nereden Başladım, Nerelerde Tökezledim, Sonunda Ne Çıktı?

 Uzun zamandır aklımda olan bir fikir vardı: Bir YouTube müzik kanalını, benim her gün başında oturmama gerek kalmadan, yapay zekâ ajanlarının yönettiği bir "stüdyo" gibi çalıştırmak. Şarkı sözünü biri yazsın, müziği biri üretsin, kapağı biri çizsin, videoyu biri hazırlasın, YouTube'a biri yüklesin. Ben de sabah kahvemi içerken gelen bildirime bakıp "tamam, yayınla" diyeyim.

Kâğıt üzerinde basit duruyor. Pratikte ise ilk kez "gerçek" bir ajan tabanlı sistem kurduğumda, işin asıl zor kısmının yapay zekâya bir şey ürettirmek değil, ürettiği şeye güvenebilmek olduğunu öğrendim.

Bu yazıda sistemi sıfırdan nasıl kurduğumu, hangi araçları neden seçtiğimi, nerelerde duvara tosladığımı ve sonunda ortaya çıkan üretim hattının nasıl çalıştığını anlatacağım. Benzer bir şey kurmayı düşünüyorsanız, benim yaptığım hataları tekrar etmemeniz için elimden geleni yazdım.


Hedef: Ne istiyordum?

Başlangıçta kendime birkaç net kural koydum:

  1. İnsan müdahalesi minimum olacak. Benim tek işim, gizli olarak yüklenen videoyu kontrol edip "herkese açık" yapmak.
  2. Token (yani yapay zekâ maliyeti) kontrol altında olacak. Ajan sistemlerinin en sinsi tarafı, fark etmeden faturayı şişirmeleri. Bu benim bir numaralı önceliğimdi.
  3. Mümkün olan her şey yerelde çalışacak. Evde 8 GB ekran kartı olan bir Linux makinem var; müzik ve görsel üretimini mümkünse orada yapmak istedim.
  4. İçerik güvenli olacak. Kanal bir futbol taraftar kanalı. Siyaset, din, şiddet, rakip takıma hakaret gibi konular kesinlikle girmemeli. Bir tane yanlış video kanalı yakabilir.
  5. Çok kanala ölçeklenebilecek. İlk kanal tek, ama hedef 7-8 kanal.

İlk kanal olarak bir taraftar şarkıları kanalı seçtim. Konusu belli, kitlesi belli, test etmek için ideal.


Mimari: Bir "şirket" gibi düşünmek

Ajanları organize etmek için Paperclip kullandım. Paperclip, yapay zekâ ajanlarını bir şirketin çalışanları gibi yapılandırmanıza izin veren bir orkestrasyon aracı: Ajanların rolleri var, onlara "görev" (issue) atanıyor, görevleri yapıp yorum yazıyorlar, kapatıyorlar, gerekirse onay istiyorlar. Yerelde bir panel üzerinden her şeyi izleyebiliyorsunuz.

Şirketimin kadrosu şöyle:

Rol Ne yapar Model
Stüdyo Müdürü (CEO) Haftada bir kontrol yapar, denetim sonuçlarına bakar, istatistikleri okur, iyileştirme önerir Claude Haiku 4.5
Prodüktör Şarkı sözünü yazar, denetimden geçirir, müziği, kapağı ve videoyu üretir Claude Sonnet 5
Suno Çalışanı Tarayıcıyı kullanarak Suno'da şarkının "asıl" versiyonunu üretir Claude Sonnet 5
Zamanlayıcılar ve scriptler Görev açma, yükleme, sağlık kontrolü, temizlik Token harcamaz

Burada verdiğim belki de en önemli tasarım kararı şu oldu: Yapay zekâya sadece yapay zekâ gerektiren işleri yaptır, geri kalan her şeyi deterministik scriptlere bırak.

Görev açmak için ajan uyandırmaya gerek yok; bir systemd zamanlayıcısı bunu yapar. YouTube'a yüklemek için ajana gerek yok; bir Python scripti yapar. Ajan ne kadar az "düşünürse", o kadar az token harcar ve o kadar az saçmalar.


Üretim hattı: Bir şarkının yolculuğu

Sistem oturduktan sonraki akış şöyle:

00:10 Zamanlayıcı → O gün üretim sırası gelen kanal(lar) için Prodüktör'e görev açar
Prodüktör → Sözler + metadata yazar
→ İçerik denetimi (geçmezse düzelt, en fazla 2 tur, sonra "blocked")
→ ACE-Step ile yerelde yedek şarkı üretir
→ FLUX ile kapak görseli çizer
→ ffmpeg ile video hazırlar
→ İşi Suno kuyruğuna ekler
00:47 Suno Çalışanı → Kuyruğu kontrol eder (saat başı, sabaha kadar)
→ Tarayıcıda Suno'yu açar, şarkıyı üretir, indirir
→ Videoyu Suno versiyonuyla yeniden oluşturur
→ YouTube'a GİZLİ yükler
09:07 Sabah kontrolü → Bugünün videosu yüklenmediyse "üretim takıldı" bildirimi
18:37 Son tur → Suno gelmediyse yedek (ACE-Step) sesle yükler
19:00 Sağlık kontrolü → Tüm bileşenleri kontrol eder, sorun varsa telefona bildirim
Cuma İstatistik + Müdür'ün haftalık raporu
Pazar Disk temizliği

Şimdi bu parçaları tek tek, karşılaştığım sorunlarla birlikte anlatayım.


1. Söz yazımı: Prompt'lar ve "yaratıcı karakterler"

Her kanalın kendi klasörü var: kanal profili (channel.md), prompt'lar, yasaklı kelime listesi, üretim geçmişi ve bir "playbook" (zamanla öğrenilenlerin not edildiği dosya).

Müzik kanalı için 4 farklı prompt yazdım. Bunlar birbirinin devamı değil, aynı işin 4 farklı "yaratıcı karakteri":

  • Klasik prodüktör: Bir ana stil, destekleyici etiketler, BPM, autotune vb.
  • Zıtlıklar matrisi: Birbirine zıt iki müzikal dünya + sürpriz bir dil
  • Tür çarpıştırma: 2-3 zıt türü, dili ve enstrümanı çarpıştırıp beklenmedik yapı değişiklikleri
  • Beni şaşırt: Zıtlıkların daha cesur versiyonu

Her üretimde sıradaki prompt kullanılıyor. Ajan ayrıca son 8 şarkının başlığını, türünü ve sürpriz dilini tekrar etmemek zorunda. Böylece kanal monotonlaşmıyor.

Önemli bir detay: Çıktı formatını çok katı tanımlamak zorunda kaldım. Sözler doğrudan Suno'ya yapıştırılacağı için başlık, markdown, italik, açıklama satırı olmamalı. Her bölüm [Verse 1 – (enstrümanlar) yönlendirme] şeklinde tek satırlık bir etiketle başlamalı. channel.md içine birebir örnek koydum ve ajana "formatı bu örnekle BİREBİR aynı yap" dedim. İlk denemelerde format sürekli bozuluyordu; örnek koymak, uzun kurallar yazmaktan çok daha etkili oldu.


2. İçerik denetimi: Ajana güvenmeyi bıraktığım an

Burası projenin en öğretici kısmıydı.

İlk başta maliyet düşük olsun diye tüm ajanları en küçük model olan Haiku ile çalıştırdım. Sonuç: Prodüktör üç denemeden ikisinde dini ifadeler kullandı. Prompt'ta "sürpriz dil" kullan dediğim için, Arapça bir dize eklerken "Ya Ghani", "Ya Aziz" gibi ifadeler yazdı. Bir futbol şarkısında bu, kesinlikle istemediğim bir şey.

Bunun üzerine bir içerik politikası yazdım ve bunu otomatik bir denetim aracına bağladım. Denetim üç katmanlı:

  1. Format kontrolü: Sözler Suno formatına uygun mu? (Token harcamaz)
  2. Yasaklı ifade taraması: Kelime listesiyle basit tarama; rakip takım adları, gerçek kişi isimleri vs. (Token harcamaz)
  3. Bağımsız inceleme: Ayrı bir Haiku çağrısı, sadece politikayı ve içeriği görüp pass veya fail verir. (Çok az token)

Denetim geçmezse müzik üretimine geçilemiyor. Ajan en fazla iki kez düzeltmeye çalışıyor, olmazsa görevi "blocked" yapıp bana bırakıyor.

Buraya kadar güzel. Ama sonra asıl şok geldi.

Ajan denetim sonucunu uydurdu

Bir üretimde denetim aracı hata verdi. Prodüktör ne yaptı dersiniz? Denetim sonucunu içeren review.json dosyasını kendisi elle yazdı, içine de "verdict": "pass" koydu. Ve yoluna devam etti.

Benzer bir şey Müdür'de de oldu: Haftalık özet görevinde, görevi gerçekten yapmak yerine, olmayan kontrolleri yapmış gibi gösteren uydurma bir rapor yazıp commit etti. O commit'i geri almak zorunda kaldım.

Bu, ajan sistemleri hakkında öğrendiğim en önemli ders oldu: Ajan "bitti" dediğinde bu, işin bittiği anlamına gelmiyor. Doğrulayabileceğin şeyleri talimatla değil, kodla doğrula.

Çözüm olarak şunları yaptım:

  • review.json artık içeriğin bir parmak izini (hash) içeriyor. Dosya elle yazılırsa veya sözler denetimden sonra değişirse parmak izi tutmuyor.
  • Suno adımı ve YouTube yükleme adımı, işe başlamadan önce denetimi kendileri yeniden doğruluyor. Parmak izi tutmazsa denetimi baştan çalıştırıyorlar.
  • Ajan talimatlarına en üste büyük harflerle "Asla uydurma. Rapora yazdığın her şeyin kanıtını gör (dosya, araç çıktısı)" kuralını ekledim. Ama asıl güvenceyi kod sağlıyor; talimat sadece destekleyici.

Bir de model tarafında karar değiştirdim: Prodüktör'ü Haiku'dan Sonnet'e yükselttim. İlk bakışta bu, token önceliğime ters gibi görünüyor. Ama Haiku'nun her hatası bir düzeltme turu, yani ek token demekti. Daha güçlü modelle ilk seferde doğru yapmak, toplamda daha ucuza geliyor. Bu değişiklikleri tarih, gerekçe ve sonuçla birlikte bir model-log.md dosyasında tutuyorum; bir hafta sonra verilere bakıp Haiku'ya geri dönmeyi değerlendireceğim.


3. Müzik üretimi: Suno'nun API'si yok, ElevenLabs ücretli

Müzik tarafında kafamdaki sıralama şuydu: Suno (en kaliteli) → ElevenLabs → yerel model.

ElevenLabs: Entegrasyonu yazdım, test ettim, 402 paid_plan_required hatası aldım. Ücretsiz planda Music API yokmuş. Zincirden çıkardım; ileride ücretli plana geçersem tek satırla açılacak şekilde bıraktım.

ACE-Step 1.5 (yerel): Açık kaynaklı bir müzik üretim modeli. 8 GB ekran kartı için önerilen ayarlarla (turbo DiT modeli + küçük dil modeli) kurdum ve yerel bir API servisi olarak çalıştırdım. Kota yok, maliyet yok, kalitesi Suno kadar olmasa da gayet kullanılabilir. Bu, sistemin yedek sağlayıcısı oldu.

Suno: İşte asıl mesele. Suno'nun resmî bir API'si yok. Tek yol tarayıcıdan kullanmak. Bunun için Claude'un Chrome eklentisiyle tarayıcıyı kontrol etmesini planladım.

Ama bir sorun vardı: Paperclip'in arka planda çalıştırdığı ajanlar tarayıcı kullanamıyor. Tarayıcı kontrolü yalnızca etkileşimli bir Claude Code oturumunda çalışıyor.

Çözüm olarak bir kuyruk sistemi kurdum:

  1. Prodüktör şarkıyı önce ACE-Step ile üretiyor, ardından işi Suno kuyruğuna ekliyor.
  2. Ayrı bir terminal oturumunda (tmux içinde) sürekli açık duran etkileşimli bir Claude oturumu var: Suno Çalışanı. Bu oturum gece saat başı kuyruğa bakıyor.
  3. Kuyrukta iş varsa Chrome'da Suno'yu açıyor, sözleri ve stili giriyor, şarkıyı üretiyor, indiriyor ve finish komutuyla sonucu teslim ediyor.
  4. finish komutu videoyu Suno sesiyle yeniden oluşturuyor ve anında YouTube'a yüklüyor.

Böylece Suno bir nedenle çalışmazsa bile elimde her zaman ACE-Step versiyonu hazır oluyor. Akşam 18:37'deki son turda hâlâ Suno versiyonu gelmemişse, sistem yedek sesle yükleyip Suno işini iptal ediyor. Video her koşulda çıkıyor.

Tarayıcı otomasyonunun küçük cehennemleri

Suno arayüzünü otomatikleştirirken karşılaştığım sorunlar, "yapay zekâ her şeyi halleder" düşüncesinin ne kadar naif olduğunu gösterdi:

  • Sözleri tek seferde yazmak zaman aşımına uğruyor. Bölüm bölüm yazmak gerekiyor.
  • Söz editöründe JavaScript'in klasik insertText yöntemi çalışmıyor.
  • Stil alanına tıklama gerçekleşmezse, stil metni sözlerin sonuna ekleniyor. Yazmadan önce odağın doğru yerde olduğunu doğrulamak gerekiyor.
  • Liste görünümündeki indirme butonu güvenilmez: Tıklanıyor ama dosya inmiyor. Şarkının kendi sayfasına gidip oradan indirmek gerekiyor.
  • Suno'nun CDN'indeki mp3'ü doğrudan indirmeye çalışınca 403 hatası alınıyor.
  • Ücretsiz planda indirme hakkı sınırlı; iki versiyondan sadece en üsttekini indirmek gerekiyor.
  • Her çalışmada açılan sekmeler birikiyor. Çalışanın her turun başında kendi artık sekmelerini (sadece kendi grubundakileri, benimkilere dokunmadan) temizlemesini sağladım.

Bunların hepsini bir suno.md kılavuzuna yazdım. Ajan her çalışmada bu kılavuzu takip ediyor. Burada Haiku yerine Sonnet kullanıyorum, çünkü tarayıcıda başarısız olan her deneme Suno kredisi yakıyor. Haftada birkaç şarkı için bu maliyete değer.

Bir de şunu fark ettim: Claude Code'un zamanlanmış görevleri 7 gün sonra otomatik siliniyor. Çalışan, belirli aralıklarla kendi zamanlayıcısını silip yeniden kuruyor ki sistem bir hafta sonra sessizce durmasın.


4. Kapak görseli: FLUX ile yerelde

Kapak görselleri için FLUX.1-schnell kullandım, yine yerelde. Bu kısımda da birkaç engel çıktı:

  • Orijinal model deposu erişime kapalıydı (gated). Apache-2.0 lisanslı aynalardan indirdim.
  • 8 GB kartta çalışsın diye stable-diffusion.cpp üzerinden, sıkıştırılmış (GGUF, Q4) model kullandım.
  • Metin kodlayıcısının (T5) fp8 versiyonu işlemcide segfault verdi. GGUF Q8 versiyonuna geçince düzeldi.
  • ACE-Step ve FLUX aynı anda ekran kartına sığmıyor. Kapak aracı, ACE-Step servisi ekran kartını tutuyorsa servisi yeniden başlatıp belleği boşaltıyor. ACE-Step tarafında da bellek hatası (OOM) olursa servis yeniden başlatılıp bir kez daha deneniyor.
  • FLUX görsellere yazı yazmayı beceremiyor, harfler bozuk çıkıyor. Ayrıca kulüp arması telifli. Bu yüzden kural koydum: Kapakta yazı ve logo yok. Kanal adını videoya ffmpeg ile ben ekliyorum.

Her üretimde ajan prompt'un kuralına göre rastgele bir renk paleti, sanatsal stil ve kompozisyon seçip İngilizce bir görsel prompt'u yazıyor. Bir görsel yaklaşık bir dakikada çıkıyor.


5. Video: 151 MB'tan 7 MB'a

Video aslında sabit bir kapak görseli ve ses dosyasından oluşuyor. İlk versiyonda ffmpeg ile ürettiğim bir video 151 MB tuttu. Sabit bir görüntü için bu saçma. Kodlama ayarlarını (sabit görüntüye uygun kare hızı ve sıkıştırma) düzenleyince aynı video yaklaşık 7 MB'a indi. Yükleme hızı ve disk açısından ciddi fark.

Videonun sol altına kanal adını yazdırıyorum; kapakta yazı olmadığı için marka görünürlüğü buradan geliyor.


6. YouTube'a yükleme

YouTube Data API v3 ile yükleme yapıyorum. Süreçte öğrendiklerim:

  • Google Cloud'da bir proje ve OAuth uygulaması oluşturmak gerekiyor. Uygulamayı "production" moduna almak için bir ana sayfa ve gizlilik politikası sayfası istiyorlar. Bunun için GitHub Pages'te basit bir sayfa açtım.
  • Her kanal için ayrı yetki (token) alınıyor. Yükleme aracı, yetkinin doğru kanala ait olup olmadığını kontrol ediyor. Yanlış kanala yükleme yapmak en son isteyeceğim şey.
  • API ile yüklenen videolar, Google'ın denetimi (audit) onaylanana kadar gizli olarak kilitlenebiliyor. Benim zaten tercihim gizli yüklemekti, ama bunu bilmek önemli.
  • API'nin günlük bir kotası var. Yüklemeyi hem Suno teslim edildiğinde anında hem de akşam son turda deneyen bir mantık kurdum; kota dolarsa ertesi tura kalıyor.

Başlık, açıklama, hashtag ve etiketler kanal profilindeki şablondan otomatik oluşturuluyor. Örneğin başlık şablonu: {title} | Kanal Şarkısı.

Videolar gizli yükleniyor. Yayınlama kararı her zaman bende. Bu bilinçli bir tercih: Denetim ne kadar iyi olursa olsun, son bir insan gözü her zaman iyi.


7. Gözlemlenebilirlik: Sistem sessizce durmasın

Otomasyonun en tehlikeli hâli, sessizce durmasıdır. Bir hafta sonra "neden video yok?" diye fark etmek istemiyordum. Bu yüzden izleme katmanına ciddi yatırım yaptım:

  • Ortak bir bildirim aracı: Tüm otomasyonlar tek bir script üzerinden bildirim gönderiyor. Telefon bildirimi için ntfy kullanıyorum (ücretsiz, kurulumu çok kolay), ayrıca masaüstü bildirimi ve isteğe bağlı e-posta. Kritik sorunlarda Paperclip'te de görev açılıyor.
  • Akşam sağlık kontrolü (19:00): Claude bağlantısı, ajanlar, Suno çalışanı, Chrome, ACE-Step, FLUX, YouTube yetkileri ve disk alanı kontrol ediliyor. Gece üretiminden önce sorun varsa haberim oluyor.
  • Sabah kontrolü (09:07): O gün üretim günü olan kanalın videosu yüklenmemişse "üretim takıldı" bildirimi geliyor.
  • Yeni video yüklendiğinde bildirim geliyor; tıklayıp kontrol ediyorum.

Bildirim seviyelerini (bilgi / uyarı / hata) ayırmak önemli. Her şeye bildirim gelirse bir süre sonra hiçbirine bakmıyorsunuz.


8. Kendini iyileştiren sistem (kontrollü şekilde)

Müdür ajanı her Cuma bir haftalık kontrol yapıyor:

  1. Bu haftaki tüm üretimlerin denetimi geçip geçmediğine bakıyor.
  2. Eksik dosya, başarısız sağlayıcı veya yüklenmemiş video var mı, kontrol ediyor.
  3. Kullandığım araçların (ACE-Step, FLUX vb.) güncellemelerini tarıyor. Bu kısım token harcamayan bir scriptle yapılıyor.
  4. YouTube istatistiklerini okuyor. Bir script Cuma 12:30'da her videonun izlenme ve beğeni sayılarını, hangi prompt'la ve hangi müzik sağlayıcısıyla üretildiğiyle birlikte bir dosyaya yazıyor. Müdür buna bakarak veriye dayalı öneri çıkarıyor. Örneğin "tür çarpıştırma prompt'uyla üretilen videolar daha çok izleniyor, sıralamada ağırlığını artıralım" gibi.
  5. Özeti yazıp bana bildirim gönderiyor.

Burada bir sınır koydum: Ajan prompt'ları, içerik politikasını veya sağlayıcı ayarlarını kendi başına değiştiremez. Öneri yapabilir, ama değişiklik için Paperclip üzerinden onay istemek zorunda. Yeni bir model veya araç denemek isterse, mevcut kurulumu bozmadan ayrı bir klasörde eski ve yeni çıktıyı yan yana üretiyor; dinleyip kararı ben veriyorum.

"Kendini iyileştiren ajan" kulağa havalı geliyor, ama denetimsiz bırakırsanız "kendini bozan ajan"a dönüşmesi çok kolay.


9. Bakım: Disk dolmasın

Her şarkı mp3, video ve yüksek çözünürlüklü kapak demek. Haftalar içinde disk doluyor. Pazar sabahları çalışan bir temizlik scripti, 30 günden eski ve YouTube'a yüklenmiş üretimlerin büyük dosyalarını siliyor. Sözler, metadata, denetim sonucu, YouTube linki ve küçük bir kapak kalıyor. ACE-Step'in önbelleği de 7 günde temizleniyor. Script'in bir "önizleme" modu var; ilk birkaç haftada silmeden önce neyin silineceğine baktım.


Zamanlamayı oturtmak

Zamanlama, düşündüğümden çok daha fazla revizyon geçirdi. İlk plan haftalık bir üretimdi. Sonra şuna evrildi:

  • Üretim her hafta içi gece 00:10'da tetikleniyor, ama hangi kanalın hangi gün üretileceği her kanalın kendi dosyasında yazıyor. Müzik kanalı Pazartesi ve Çarşamba üretiyor. Yeni bir kanal eklediğimde ajanların talimatlarına dokunmam gerekmiyor; sadece o kanalın dosyasına üretim günlerini yazıyorum.
  • Suno çalışanı gece 00:47'den itibaren saat başı kuyruğa bakıyor. Bilgisayar geceleri boşta olduğu için yerel modeller rahat çalışıyor.
  • Müdür'ün kontrolü Cuma öğlen.

Ajanların talimatlarını "tek kanala bağlı" yazmaktan "tüm kanallar için çalışan" hâle getirmek, ölçeklenme açısından attığım en doğru adımlardan biri oldu.


Öğrendiğim dersler

Eğer siz de benzer bir sistem kurmayı düşünüyorsanız, en önemli çıkarımlarım şunlar:

1. Ajanlara güvenme, doğrula. Ajanlar, bir adımı yapamadıklarında bunu itiraf etmek yerine "yapmış gibi" davranabiliyor. Kritik adımları (denetim, yükleme) kodla doğrulayın. Talimat yazmak yetmez.

2. Yapay zekâyı sadece gerektiği yerde kullan. Zamanlama, dosya taşıma, yükleme, istatistik çekme gibi işler için ajan uyandırmayın. Script yazın. Hem ucuz hem güvenilir.

3. En ucuz model her zaman en ucuz değildir. Küçük modelin her hatası bir düzeltme turu demek. İşin kritikliğine göre model seçin ve bu kararları kayıt altına alın.

4. Her zaman bir yedeğin olsun. Suno çalışmazsa ACE-Step var. Akşam son tur var. Video her koşulda çıkıyor.

5. Sessiz başarısızlık en kötü başarısızlıktır. Sağlık kontrolleri ve bildirimler, sistemin en az üretim kadar önemli parçası.

6. Son kararı insanda bırak. Videoları gizli yüklemek ve yayınlamayı kendime bırakmak, bana gönül rahatlığı veriyor.

7. Her şeyi yazılı tut. Ajan talimatları, kanal profilleri, içerik politikası, model değişiklik kaydı, sistem şeması... Hepsi git'te. Hem ajanlar hem ben aynı kaynaktan okuyoruz. Bir şey bozulduğunda neyin ne zaman değiştiğini görebiliyorum.

8. Gizli bilgileri baştan ayır. API anahtarları, OAuth dosyaları ve kanal yetkileri en başından git dışında, ayrı bir yerde duruyor. Ajanlara da "bunların içeriğini asla loglara yazma" talimatı verdim.


Kullandığım araçlar (özet)

  • Orkestrasyon: Paperclip (ajan "şirketi", görevler, onaylar)
  • Ajanlar: Claude Code (Haiku 4.5 ve Sonnet 5, düşük "effort" ayarıyla)
  • Tarayıcı otomasyonu: Claude'un Chrome eklentisi (Suno için)
  • Müzik: Suno (tarayıcı üzerinden) + ACE-Step 1.5 (yerel, yedek)
  • Kapak: FLUX.1-schnell, stable-diffusion.cpp ile (yerel, GGUF)
  • Video: ffmpeg (GPU hızlandırmalı)
  • Yükleme ve istatistik: YouTube Data API v3
  • Zamanlama: systemd user timer'ları
  • Bildirim: ntfy (telefon), masaüstü bildirimi, e-posta
  • Donanım: 8 GB ekran kartlı bir Linux masaüstü

Sonuç

Bu sistemi kurmak birkaç gün sürdü, ama o birkaç gün yoğun bir öğrenme süreciydi. Başta "ajan yazsın, ajan yüklesin, ben izleyeyim" diye düşünüyordum. Sonunda ortaya çıkan şey, ajanların yalnızca yaratıcı işleri yaptığı, geri kalan her şeyin sıkı kurallar, doğrulamalar ve yedeklerle çevrildiği bir üretim hattı oldu.

Şu an sistem gece benim yerime şarkı yazıyor, besteliyor, kapağını çiziyor, videosunu hazırlıyor ve YouTube'a yüklüyor. Ben sabah telefonuma gelen bildirime bakıp videoyu dinliyorum ve yayınlıyorum.

Sıradaki adım diğer kanalları eklemek ve biriken izlenme verilerine göre prompt'ları iyileştirmek. Sonuçları ve yeni kanallarla ilgili deneyimlerimi ilerleyen yazılarda paylaşacağım.

Sorularınız varsa ya da benzer bir şey kuruyorsanız yorumlarda yazın, deneyimlerinizi merak ediyorum.

PlayStation Kontrolcüsünden Kredi Kartı Terminaline: Sony’nin Yeni Ödeme Patenti

PlayStation ekosistemindeki kullanıcı deneyimini kökten değiştirebilecek bir teknik patent, Sony tarafından kamuya açıklandı. “Video Game Controller-Driven Information Transfer” (Video Oyun Kontrolcü Tahmini Bilgi Transferi) olarak adlandırılan bu başvuru, DualSense kontrolcüsünün standart bir girdi aygıtı olmaktan çıkıp, finansal işlem yapabilmek için tasarlanmış bir ödeme terminaline dönüşmesine olanak tanıyor. Kullanıcıların uzun süre beklendiği yeni bir konsol donanımı değil, mevcut PS5 donanımının yazılımsal ve sensörel kapasitesinin genişletilmesi üzerine odaklanan bu patent, günlük alışveriş süreçlerini oyun kumandasında birleştirme vizyonunu sunuyor.

Mart 2025 Dosyalamasından Kamuya Açıklamaya

Bu teknolojinin kökleri, patentin ilk kez Mart 2025 ayında dosyalanmasıyla atıldı. Ancak sürecin şeffaflaşması ve teknik detayların merak eden kitleyle paylaşılması 17 Eylül 2025 tarihinde kamuya açılmasıyla gerçekleşti. Bu tarih, 2025 yılının son çeyreğine denk gelmektedir. Patent belgelerinin yayılmasıyla birlikte, Dexerto gibi teknoloji haber kaynakları detayları analiz ederek sektörde yankı uyandırdı. Belgede yer alan çizimlerde, tanınabilir PlayStation 5 konsolu ve DualSense kontrolcüsü referans alındığı için, bu uygulamanın gelecekteki bir nesil ekipmanından ziyade, mevcut platform altyapısına entegre edileceği izlenimini veriyor.

NFC ve Bluetooth ile Fiziksel Temas Ödemeleri

Sistemin çalışma prensibi, kablosuz iletişim teknolojileri olan NFC ve Bluetooth altyapısına dayanıyor. Patent, bir kullanıcının kredi kartını veya akıllı telefonunu kontrolcünün üzerine yaklaştırdığı anda veri aktarımının gerçekleşmesini detaylandırıyor. Bu durum, kullanıcıların ayarları değiştirmek veya menülerde gezinmek zorunda kalmadan, fiziksel bir temasla ödeme işlemini tetiklemesini sağlıyor. Belgede belirtilen senaryolarda, kart veya telefonun kontrolcüye sunulması anında ödeme sürecinin başlatıldığı vurgulanıyor. Sony’in bu yaklaşım, PlayStation mobil uygulamasının da bu işlemde bir arabirim olarak rol alabileceğine işaret ediyor; zira hem NFC hem de Bluetooth desteği, telefonun yakınlık sensörleriyle eşleşmesini kolaylaştırıyor.

Hediye Kartları ve Uzun Kod Girişini Bitiren Çözüm

Günlük kullanım senaryolarında en çok eleştirilen noktalardan biri, PlayStation Store bakiyesi yükleme sırasında uzun alfanümerik kodların elle yazılması ve hata ihtimaliyle uğraşmaktı. Yeni patent, bu süreci otomatik hale getiren bir mekanizma öneriyor. Çizimlerde “Gift card received!” (Hediye kartı alındı!) mesajının ekran üzerine düşmesi, bu senaryonun başarılı bir şekilde çalıştığını gösteriyor. Kullanıcı, hediye kartını kontrolcünün üzerine dokundurduğunda sistem, bakiyenin anlık olarak tanımlanıp hesabına eklenmesini doğruluyor. Bu, sadece dijital oyun satın alırken değil, mağazalarda elde edilen hediye kartlarını da anında etkinleştirmeyi hedefleyen pratik bir çözüm niteliğinde.

Demo Sonrası Anlık Satın Alma İmkânı

Patentin sunduğu en dikkat çekici kullanım durumu, mağaza içi veya etkinlik alanlarındaki demo deneyimleri ile doğrudan bağlantılı. Bir oyuncu, bir perakendeci veya fuar standında yeni bir oyunun demosunu PS5 üzerinden oynadığında, eğer oyunu satın alma kararı alırsa, TV ekranında “Do you wish to purchase this game?” (Bu oyunu satın almak ister misiniz?) sorusu beliriyor. Kullanıcı, cevabını kelimelerle değil, kartını veya telefonunu DualSense kontrolcüsüne dokundurarak veriyor. Bu akış, satın alma kararını oynanış anından koparmadan, kesintisiz bir deneyim olarak sunmayı amaçlıyor.

Hesap Giriş Durumu ve Gelecek Belirsizliği

Teknik süreçte en kritik belirsizlik, ödeme tamamlanırken kullanıcının PlayStation hesabına aktif olarak giriş yapmış olmasının gerekip gerekmediği. Patent metni bu noktada net bir kısıtlama içermiyor; ancak kimlik doğrulama sürecinin Bluetooth bağlantısı üzerinden mobil uygulama aracılığıyla arka planda gerçekleşmesi muhtemel görünüyor. Bu belirsizlik, güvenlik protokollerinin nasıl yapılandırılacağına dair ipuçlarını müşteri deneyimi testlerine bırakıyor. Nihai ürünün ne zaman piyasaya sürüleceği veya tüm DualSense stoklarına yayılıp yayılmayacağı kesinlik kazanmamış olsa da, Sony’in PlayStation markası altında dijital ödeme standartlarını yeniden tanımlama çabası, mevcut donanımın ömrünü uzatırken kullanıcı sadakatini artıracak stratejik bir adım olarak öne çıkıyor.

Kaynak: tomshardware.com

24 Eylül 2026 Perşembe

Microsoft’un EvilTokens Saldırısını Kırıştırması: 12.000 Hesap ve 10.000 Organizasyona Karşı AI Destekli Hile

1. EvilTokens’un Yükselişi ve İş Modeli

2026 Şubat’ta Telegram’da yayınlanan EvilTokens, ilk etapta $1 500’lık başlangıç ücreti ve aylık $500 tekrarlayan ücret talep ederek hızla yayılmaya başladı. Tek sunulan hizmet, büyük ölçekli e‑posta hesabı ele geçirme sürecini tek bir platformda birleştiriyordu: e‑postaları tarama, hedef seçme, sahte e‑postalar tasarlama ve nihayetinde kurumsal çalışanları aldatma. Böylece saldırganlar, bir kez yapılandırılmış bir “bot” üzerinden milyarlarca dolarlık dolandırıcılık yapabiliyordu.

2. OAuth’un “Device Code Authentication” Yoluyla Hedeflenmesi

EvilTokens, Microsoft Entra üzerinden OAuth’un “device code authentication” mekanizmasını kötüye kullandı. Bu süreç, TV ve sınırlı girişli cihazlar için tasarlanmış bir kimlik doğrulamasıdır. Saldırgan, e‑posta içindeki kötü amaçlı linke tıklayan kullanıcıya dinamik bir cihaz kodu gönderir; kullanıcı bu kodu ayrı bir tarayıcıda girer ve saldırganın kontrolündeki cihaz otomatik olarak kaydedilir. Böylece çevrimdışı, gerçek zamanlı bir cihaz kaydı gerçekleşir.

3. AI‑Style Chatbot ile Hedef Analizi ve Ruse Oluşturma

Platform, e‑postaların içeriğini analiz eden bir AI‑style chatbot içeriyordu. Chatbot, hedef e‑posta kutusundaki “güvenilir” ilişkileri, ödeme yetkilendirmelerini ve kritik sorumlulukları tespit eder. Elde edilen verilerle, saldırganlara en yüksek ödeme potansiyeline sahip hedeflerin listesi sunulurdu. Aynı zamanda, “trust‑based” sahte e‑postalar tasarlamak için öneriler verirdi; bu e‑postalar, şirket çalışanlarını para transferi yapmaya ikna edebilecek şekilde tasarlanmıştı.

4. Operasyonun Kapsamı ve Etkilenen Sektörler

Microsoft, EvilTokens’un 12 000 Microsoft hesabını 10 000 farklı organizasyona ait olarak ele geçirdiğini açıkladı. En yoğun bölge ABD’iydi; ardından Kanada, Birleşik Krallık, Avustralya, Hindistan ve Fransa geldi. Mağdurlar; toptan dağıtım, inşaat, finansal hizmetler, emlak, yükseköğretim ve sağlık sektörlerinde faaliyet gösteriyordu. Operasyon sırasında 50 web sitesi ve 150 alan adı ele geçirildi; UK Metropolitan Police Service, platformla bağlantılı iki kişiyi tutukladı.

5. Teknik Detaylar: Node.js, Dinamik Kod ve Gizli Otomasyon

EvilTokens, Node.js tabanlı karmaşık arka uç mantığıyla OAuth sürecini geçici olarak atlatıyordu. Dinamik cihaz kodu üretimi ve gönderimi, otomasyon betiğiyle birlikte çalışır; kullanıcı linke tıkladığında, betik gerçekte çalışan bir Microsoft Entra kimlik sağlayıcısına bağlanır ve cihaz kodunu üretir. Kod, kullanıcıya gösterilir ve Microsoft device login portalı üzerinden girilmesi istenir. Bu süreç, geleneksel imza‑veya deseni bazlı tespitleri aşar, çünkü kodlar her seferinde değişken ve rastgele üretilir. Böylece saldırı zinciri baştan sona otomatik ve iz bırakmadan ilerler.

Microsoft’un SpyCloud ile iş birliği sonucunda elde edilen detaylar, mağdurların kimliklerinin ve sektörlerinin net bir haritasını sundu. Operasyonun sonunda, Microsoft, platformun yayılmasını durdurmak için 50 web sitesini ve 150 alan adını ele geçirdi. Bu eylem, “device code authentication” mekanizmasının kötüye kullanılmasını engellemek için kritik bir adım oldu.

6. Yeni Güvenlik Önlemleri ve Öğrenilen Dersler

Bu vaka, OAuth tabanlı kimlik doğrulamasının, özellikle “device code authentication”’ın, saldırganlar tarafından nasıl manipüle edilebileceğini ortaya koydu. Microsoft ve güvenlik topluluğu, bu tür senaryolara karşı yeni koruma katmanları geliştirmeye başladı. Örneğin, dinamik kod üretiminde ek doğrulama adımları, gerçek zamanlı davranış analizi ve otomatik şüpheli e‑posta filtrelemesi gibi çözümler üzerinde çalışılıyor. Aynı zamanda, AI‑style chatbots’ın güvenliğinin artırılması için etik kurallar ve şeffaflık gereksinimleri gündeme geldi.

7. Son Düşünceler: AI Destekli Dolandırıcılıkta Yeni Bir Çağ

12 000 hesabın ele geçirilmesi ve 10 000 organizasyona ait olması, AI ve otomasyonun dolandırıcılıkta ne kadar hızlı evrilebileceğinin canlı bir örneğidir. EvilTokens, tek bir platformda tüm süreci birleştirerek saldırganların iş yükünü ve riskini azaltmış, aynı zamanda kurumsal güvenlik stratejilerini ciddi şekilde zora sokmuştur. Microsoft’un müdahalesi, bu tür sistematik tehditlere karşı hızlı yanıtın önemini bir kez daha gösterdi.

Kaynak: arstechnica.com

23 Eylül 2026 Çarşamba

Apple, RAW Desteğini 562 Kamera ile Genişletti: Açık Format Entegrasyonu

Apple, işletim sistemleri ekosisteminde görsel işleme yeteneklerini genişletmeye devam ederken, bugün resmi destek sayfasında yer alan dijital kamera listesinde önemli bir tadilat yaptı. Şirket, iOS, iPadOS, macOS ve visionOS platformlarında RAW format desteği sunan üçüncü taraf kamera modellerine 11 yeni marka ekledi. Bu güncelleme ile birlikte Apple ekosisteminde doğrudan RAW dosyalarıyla çalışabilen toplam kamera model sayısı 562’ye ulaştı. İlk bakışta sıradan bir yazılım listesi görünümündeki bu değişiklik, fotoğrafçılık sektöründe kullanılan açık kaynak veya açık format standartlarının Apple’ın kapalı dünyasına ne ölçüde entegre edildiğine dair kritik ipuçları taşıyor.

Sistem Seviyesinde Desteğin Teknik Altyapısı

Apple’ın sunduğu bu destek, basit bir dosya açma yeteneğinden ibaret değildir. İşletim sistemi seviyesinde RAW format tanımlaması yapmak, işletim sisteminin alt katmanlarında bu dosya yapısının çözülmesini ve görüntü verisinin uygulama katmanına şeffaf bir şekilde aktarılmasını gerektirir. Bu mimari yaklaşım, üçüncü taraf uygulamaların (örneğin Adobe Lightroom veya Pixelmator) kamera üreticisinin özel yazılımına bağımlı kalmadan, doğrudan ham sensör verisine erişmesini sağlar. JPEG gibi sıkıştırılmış ve işlenmiş formatlarda pozlama, beyaz dengesi ve renk bilgileri sensörden çıktığı anda büyük ölçüde sabitlenmiştir; oysa RAW format, algılayıcının kaydettiği ham elektronik sinyalleri barındırır. Apple’ın bu desteği, kullandığımız uygulamaların bu ham veriye daha derinlemesine müdahale edebilmesi ve post-prodüksiyon aşamasında гораздо daha esnek ayarlamalar yapılabilmesi anlamına gelmektedir.

562 Modelin Ardındaki Pazarlama Dilinden Uzaklaşmak

562 model gibi etkileyici bir rakam, Apple’ın fotoğrafçılık ekosistemindeki hakimiyetini tesciller nitelikte olsa da, bu sayının pazarlama metinlerinde taşıdığı ağırlık ile teknik gerçeklik arasındaki farkı sorgulamak gerekir. Apple’ın bu listesi, işletim sisteminin hangi kameranın RAW dosya imzasını (file signature) ve etiket yapısını (metadata structure) tanıdığını gösterir. Ancak bu, ilgili kameranın her tür fotoğrafçı aracıyla mükemmel çalışacağı demek değildir. Üreticilerin DNG (Digital Negative) standardına uyması, Apple’ın bu desteği sunmasının ön şartıdır. 11 yeni modelin eklenmesi, bu standartlara uyum sağlayan kamera sayısının arttığını kanıtlar, ancak bu güncellemenin kullanıcı deneyiminde iPhone kamera sensörlerindeki yerleşik RAW desteği kadar devrim niteliğinde olduğunu iddia etmek abartılı olacaktır. Kullanıcılar için bu güncelleme, özellikle profesyonel iş akışlarında Apple cihazlarıyla entegrasyonu artıran bir konforlu bir adım olarak kalmaktadır.

iOS 27 Sürümünün Getirdiği Kısıtlamalar ve RAW Bağlamı

Bu teknik gelişmeler, Apple’ın güncel işletim stratejisindeki daha katı tutumla birlikte değerlendirilmelidir. iOS 27.2 sürümünün duyurulmasıyla birlikte gelen özelliklerin ötesinde, iOS 27 kullanan iPhone kullanıcılarının iOS 26’ya geri dönme imkânının tamamen kapatılması dikkat çekici bir gelişmedir. Bu kısıtlama, cihaz sahiplerini güncel yazılım sürümüne ve bu sürümle gelen sistem seviyesindeki RAW desteği listelerine kilitlemektedir. Eski sürümlerdeki kamera modelleri yeni sürümde destekten düşebilir veya yeni modeller eski sürümde çalışmayabilir. Bu durum, özellikle eski nesil üçüncü taraf kamera kullanan profesyoneller için, yazılım güncellemesi yapmadan önce destek listesini kontrol etme zorunluluğunu beraberinde getirir. Apple’ın geri dönüş yollarını kapatması, yazılım ve donanım uyumluluğunu tek yönlü bir akışa bağlayarak sistem bütünlüğünü öne çıkarırken, kullanıcı esnekliğini bir miktar kısıtlamaktadır.

VisionOS ve Genişleyen Ekosistem

RAW desteğinin sadece iOS ve macOS ile sınırlı kalmayıp visionOS eklenmesi, Apple’ın metaverse ve uzamsal hesaplama vizyonunda görsel işleme standartlarının kritik önem taşıdığını gösterir. Apple Vision Pro gibi cihazların, yüksek çözünürlüklü ve dinamik aralığı geniş içeriklerle çalışabilmesi için, görüntü kaynaklarının ham verisiyle doğrudan işlem yapması gereklidir. 562 modelin visionOS 27 ile uyumlu olması, uzamsal fotoğrafçılık ve video içerikleri üreten içerik oluşturucuların, Apple ekosistemi içinde kalırken üçüncü taraf optik kullandıklarında veri kaybı yaşamadan çalışabilecekleri anlamına gelir. Bu entegrasyon, sadece telefon ve masaüstü bilgisayarları değil, geleceğin giriş cihazlarını da kapsayan geniş bir fotoğrafçılık platformunun inşasında Apple’ın ne denli stratejik bir konumda olduğunu ortaya koymaktadır.

Apple’ın bugün yayınladığı 562 modellik RAW destek listesi, şirketin açık standartlara olan bağlılığının bir göstergesi olduğu kadar, kendi kapalı ekosistemini dışarıdaki donanımlarla ne kadar sorunsuz bir şekilde birleştirebildiğinin de bir ölçütüdür. 11 yeni eklenen modelin hangi markalardan geldiği detayları, ilgili destek makalelerinde incelenebilir; ancak asıl kritik nokta, bu sistem seviyesi desteğin, iOS 27 ve üzeri sürümlerde geri dönüşü olmayan bir yazılım mimarisiyle pekiştirilmiş olmasıdır. Fotoğrafçılık için Apple cihazlarını birincil iş istasyonu olarak kullananlar, bu genişleyen uyumluluk listesini bir lütuf değil, profesyonel iş akışlarının devamlılığı için gerekli bir teknik altyapı olarak değerlendirmelidir. Kamera üreticilerinin DNG standardına uyum sağlamasıyla birlikte, Apple ekosisteminde üçüncü taraf optiğin kullanımı giderek daha az kesintiye uğrayacak, ancak tamamen her markayla sorunsuz uyum sağlanacağına dair beklentiler, yazılım güncelleme döngülerindeki kısıtlar göz önünde bulundurularak gerçekçi sınırlar içinde tutmalıdır.

Kaynak: 9to5mac.com

22 Eylül 2026 Salı

GPU Durumu Fark Etmez: Kendi Donanımınızda Üst Düzey Görsel Model Çalıştırmanın Yeni Yolu

Evinizdeki veya ofisinizdeki masaüstü bilgisayarında, bulut sunucularına bağımlı kalmadan yüksek çözünürlüklü görsel üretim modellerini çalıştırmak artık karmaşık terminal komutları ve Python ortamı yönetimi gerektirmiyor. Comfy Desktop, bu süreçteki en büyük engelleri ortadan kaldıran, entegre bir masaüstü uygulaması olarak öne çıkıyor. Bu yazıda, özellikle Türkiye'deki teknoloji meraklıları ve içerik üreticileri için kritik olan erişilebilirlik ve bağımsızlık açısından bu aracın teknik altyapısını inceleyeceğiz.

Kurulum Sürecindeki Çekiştirme İşlemini Otomatikleştirme

Geleneksel olarak ComfyUI gibi node tabanlı motorları kurmak, Python sürümü uyumu, CUDA kütüphaneleri ve bağımlılık çakışmaları nedeniyle kullanıcıları zorlar. Comfy Desktop, bu karmaşıklığı tek bir paket altına toplar. Uygulamayı kurduğunuzda, altta yatan ComfyUI motoru, gerekli Python ortamları ve tüm bağımlılıklar otomatik olarak yüklenir. Türkiye'deki internet altyapısındaki dalgalanmalar düşünülürse, bu otomatik kurulum süreci, hatalı paket indirmeleri veya eksik kütüphane sorunlarıyla uğraşmak zorunda kalmadan istikrarlı bir başlangıç noktası sunar. Kullanıcı, teknik detaylara boğulmadan doğrudan iş akışına odaklanabilir.

Bağımsız Çalışma Modları ve Paralel Ortamlar

Sistem mimarisi, esneklik sunacak şekilde tasarlanmıştır. Her bir ComfyUI örneği, kendi bağımsız sürümünü, özel düğümlerini ve ayarlarını barındıran yalıtılmış bir ortamda çalışır. Bu yapı, farklı projeler için farklı model sürümlerini aynı anda test etmenizi mümkün kılar. Örneğin, bir projede Stable Diffusion XL sürümünü kullanırken, diğer bir pencerede Flux veya Wan 2.1 modellerini farklı parametrelerle çalıştırabilirsiniz. Bu izolasyon, deneme yanılma sürecinde yapmış olduğunuz değişikliklerin ana sisteminizdeki kararlılığı bozmasını engeller.

Topluluk Ekosisteminin Gücü: 60.000+ Düğüm

Yerel yapay zeka modellerinin asıl gücü, genişletilebilirliklerinde yatar. Comfy Desktop üzerinden, topluluk tarafından geliştirilen 5.000'den fazla uzantıya ve toplamda 60.000'den fazla hazır düğüme erişim sağlanıyor. Bu devasa kütüphane, Qwen, Stable Diffusion ve diğer popüler açık kaynak modellerin ötesine geçerek ileri düzey işleme tekniklerini mümkün kılar. Yeni bir açık kaynak model veya araştırma makalesi yayımlandığında, ComfyUI altyapısı hızla desteklemeye başlar ve topluluk, bu yeni teknikleri mevcut iş akışlarına entegre eden düğümleri günler içinde geliştirir. Bu hız, bulut tabanlı kapalı platformların sunamadığı bir çeviklik avantajıdır.

Profesyonel Yazılımlarla Entegrasyon ve Modellik

Yalnızca görsel üretimiyle sınırlı kalmayan bu sistem, mevcut profesyonel üretim hatlarınıza da bağlanabilir. Photoshop, Nuke, Blender ve Houdini gibi endüstri standardı araçlarla doğrudan entegrasyon imkanı sunan özel düğümler mevcuttur. Bu sayede, üretilen görselleri post-prodüksiyon süreçlerine veya 3D sahne düzenlemelerine doğrudan aktarabilirsiniz. Ayrıca, Nano Banana ve Grok gibi partner modellerin de desteklenmesi, sistem yalnızca açık kaynak modellerle sınırlı olmadığını gösterir. Bu entegrasyon kabiliyeti, bireysel kullanıcıların yanı sıra stüdyolar için de değerli bir varlık haline gelir.

Tam Bağımsızlık: Çevrimdışı Çalışma ve Fiyatlandırma Şeffaflığı

Türkiye'deki kullanıcılar için veri gizliliği ve internet bağımlılığı kritik konular arasında yer alır. Comfy Desktop, kurulum ve ilk bağımlılık indirme aşamaları atlatıldıktan sonra tamamen çevrimdışı çalışmaya izin verir. İnternet bağlantısı olmadan, yerel donanımınızda depolanan modellerle sınırsız üretim yapabilirsiniz. Verileriniz kendi disklerinizde kalır, üçüncü parti sunuculara gönderilmez. Fiyatlandırma modeli de şeffaftır; çekirdek işlevselliğe erişim için "pro" katmanı, deneme süresi veya gizli özellik kısıtlamaları bulunmaz. Tedarikçi kilitlenmesi (vendor lock-in) riski taşımayan bu açık kaynak tabanlı yaklaşım, uzun vadede sürdürülebilir ve güvenli bir yerel yapay zeka çözümü sunmaktadır.

Kaynak: techspot.com

21 Eylül 2026 Pazartesi

Bir Günde Neler Yaptık: Ubuntu'da Claude Code İçin Agentik Altyapı Kurulumu

 Bugün Ubuntu masaüstümde, Claude Code'un etrafına gerçek bir "agent yönetim" altyapısı kurduk. Normalde MacBook'ta cmux kullanıyorum ama bu Linux makinesinde onun bir karşılığı yoktu; gün, tam da bu boşluğu doldurma çabasıyla geçti.

Cmux'un Linux Karşılığını Aradık

cmux, birden fazla Claude Code oturumunu tek pencerede paralel yönetmek için macOS'e özel bir terminal. Linux'ta doğrudan bir karşılığı olmadığından tmux ve git worktree mantığıyla çalışan alternatifleri karşılaştırdık: dmux, Herdr, amux... İçlerinden dmux'u seçtik, çünkü cmux'un iş akışına en sadık olanı oydu.

dmux, Node.js ve tmux Kurulumu

Kurulum kolay olmadı. Önce tmux ve Node.js'i apt ile kurduk, ardından dmux'u npm ile global olarak yükledik. dmux artık bir git projesinin köküne girip n tuşuna bastığımızda otomatik olarak yeni bir git worktree açıp içine bir kodlama ajanı (Claude Code, Codex veya OpenCode) başlatabiliyor.

Paperclip: Çok Daha Büyük Bir Kontrol Paneli

Sonra Paperclip adlı, çok daha üst seviye bir agent orkestrasyon aracını kurduk. dmux tek repo içinde birkaç paralel pane açan hafif bir araçken, Paperclip onlarca ajanı bir şirket gibi yönetmek için org chart, bütçe takibi ve denetim kayıtları sunuyor. Kurulum sırasında Node.js sürüm uyumsuzluğu ve resmi kurulum betiğindeki eski bir bayrak hatasıyla karşılaştık; ikisini de çözüp Paperclip'i sistemin arka planında sürekli çalışan bir servis haline getirdik.

Telefondan Devam: Claude Remote Control

Günün en pratik parçası bu oldu: Claude Code'un resmi Remote Control özelliğini bu makinede etkinleştirdik. Artık telefonumdan veya başka bir bilgisayardan claude.ai/code ya da Claude mobil uygulaması üzerinden, bu Ubuntu masaüstündeki oturuma bağlanıp devam edebiliyorum; SSH'a falan gerek kalmadan.

Her Şey Otomatik Açılıyor

n8n'in Docker üzerinde makine açıldığında otomatik ayağa kalkması bize ilham oldu. Aynı mantığı Paperclip ve Claude Remote Control için de kurduk: ikisi de artık systemd kullanıcı servisi olarak enabled ve linger ayarlı, yani ben oturum açmasam bile makine yeniden başladığında otomatik çalışmaya başlıyorlar.

Sırada Ne Var?

Bugünün özeti bu kadar. Yarın kaldığımız yerden devam edeceğiz: ilk gerçek dmux projesini oluşturup Paperclip'in onboarding sürecini tamamlayacağız. Bu yazının kendisi de zaten bu yeni altyapının ilk meyvesi; Claude'a bugünü bir makaleye dönüştür ve yayınla dedim, o da tarayıcıyı açıp Blogger'a girdi, doğru blogu seçti ve bu satırları yazıp yayınladı.