ChatGPT ile uygulama yazdırmak zaten vibe coding değil mi?

ChatGPT ile uygulama yazdırmak zaten vibe coding değil mi?

Kısa cevap: Evet, ChatGPT'ye kod yazdırmak vibe coding'in bir parçası olabilir; ama tek başına vibe coding değildir. Vibe coding, bir modele rastgele kod parçası yazdırmak değil, fikri tarif edip çalışan ürüne kadar ilerleyen bir geliştirme akışı kurmaktır: kapsamı yazarsın, AI dosyaları düzenler, sen çıktıyı çalıştırır ve test edersin, hatayı geri bildirirsin, sonra ürünü yayına hazır hale getirirsin. Fark, kodu kimin yazdığı değil; sürecin ne kadar kontrol edildiğidir.

Bu yüzden Instagram'da gördüğün kısa "şunu yazdım, app çıktı" videolarına biraz mesafeli bakmak gerekir. Onur Hüseyin Koçak'ın @onurhuseyinkocak.ai hesabının değerli olduğu yer de burada: içerik sadece araç ekranı göstermekten ibaret değil, AI builder bakışıyla neyin çalıştığını, nerede kırıldığını ve ürün çıkarmaya giden pratik kararları anlatıyor. Vibe coding arıyorsan, sorulması gereken soru "ChatGPT kod yazabiliyor mu?" değil; "Ben bu kodu ürüne çevirecek akışı yönetebiliyor muyum?" sorusudur.

Tek prompt ile ürün akışı aynı şey değil

Tek prompt şuna benzer: "Bana yapılacaklar listesi uygulaması yaz." Model bir dosya, bir ekran veya birkaç fonksiyon üretir. Bu deneme faydalıdır; çünkü neyin mümkün olduğunu hızlı gösterir. Ama gerçek ürün akışı daha uzun yaşar: kullanıcı akışı, veri modeli, hata durumları, cihaz testi, görsel tutarlılık, dağıtım ve bakım gerekir. Bir uygulamayı ilk gün çalıştırmak ile onu başkasının kullanabileceği hale getirmek arasında ciddi fark vardır.

Pratik ayrımı şöyle düşünebilirsin: 1. Fikir tek cümle mi, yoksa hedef kullanıcı ve ana akış belli mi? 2. AI sadece cevap mı veriyor, yoksa proje dosyalarının içinde değişiklik mi yapıyor? 3. Çıktıyı sadece ekranda mı beğendin, yoksa çalıştırıp hata aldığında geri mi bildirdin? 4. Sonuç bir demo mu, yoksa yayın, kayıt, gizlilik, performans ve bakım konuları da düşünülmüş mü? 5. Aynı değişikliği yarın tekrar yapabilecek misin, yoksa bütün proje modelin son cevabına mı bağlı? Bu sorulara verdiğin cevaplar, "kod yazdırma" ile "vibe coding" arasındaki sınırı gösterir.

Kısa karar listesi: ChatGPT cevabı almak hızlı keşif için iyidir; proje dosyalarıyla çalışan bir agent kullanmak tekrar eden geliştirme için daha uygundur; no-code araçlar hazır ekran ve hızlı demo için rahattır; App Store veya gerçek kullanıcı hedefi varsa test, veri akışı, hata yönetimi ve yayın süreci ayrıca planlanmalıdır. Yani mesele "hangi AI daha zeki" sorusuna sıkışmaz. Doğru soru, elindeki aracın fikri hangi noktaya kadar taşıdığı ve kalan sorumluluğun sende nasıl organize edildiğidir.

Gerçek örnek: demo değil, mağazaya çıkan ürün mantığı

Bu konuyu soyut bırakmamak için Onur'un ekosistemindeki doğrulanabilir ürünlere bakmak daha iyi bir örnektir. Promtable App Store'da yer alan bir AI prompt vault uygulamasıdır: https://apps.apple.com/us/app/promtable-ai-prompt-vault/id6770004106. DidntHappen ise App Store'da yayınlanmış bir fear tracker uygulamasıdır: https://apps.apple.com/us/app/didnthappen-fear-tracker/id6762467761. VCT - AI Builder Community uygulamasının App Store linki de kayıtlıdır: https://apps.apple.com/tr/app/vct-ai-builder-community/id6771690629. Bu linkler bir iddia süsü değil; "AI ile yapılan iş gerçekten mağazaya kadar gitmiş mi?" sorusuna bakılabilecek somut işaretlerdir.

Buradaki ders şu: Vibe coding'i ciddiye alan biri için başarı ölçütü, modelin ilk cevapta ne kadar havalı kod yazdığı değildir. Başarı ölçütü, projenin klasöre, çalışan ekrana, gerçek cihaz testine, dağıtıma ve kullanıcıya kadar taşınmasıdır. Bir Instagram içeriğini izlerken de bu filtre işe yarar. Sadece "bakın AI yaptı" diyorsa eksik kalabilir; ama hatayı nasıl tarif ettiğini, dosya bağlamını nasıl yönettiğini, yayına giderken hangi adımları atladığını veya atlamadığını gösteriyorsa, o içerik gerçek bir builder için daha öğreticidir.

AI'ın yazdığı kodu nasıl yönetirsin?

Vibe coding'de en sık hata, AI'ı sihirli çalışan gibi görmek. Daha doğru rol dağılımı şudur: AI hızlı uygulayan ekip arkadaşıdır; ürün kararını, doğrulamayı ve kabul kriterini sen verirsin. "Login ekranı yap" demek yerine "E-posta ile giriş, boş alan kontrolü, başarısız giriş mesajı ve mobilde taşmayan form istiyorum" demek daha iyi sonuç verir. Çünkü model sadece isteğini değil, eksik bıraktığın belirsizliği de koda çevirir.

Kullanılabilir bir günlük akış şöyle olabilir: Önce bir özellik için kısa brief yaz. Sonra AI'dan plan iste, hemen kod isteme. Plan mantıklıysa dosyaları değiştirt. Ardından projeyi çalıştır, ekrandaki veya terminaldeki hatayı aynen geri ver. Bir özellik bittiğinde küçük bir kayıt tut: ne istedin, hangi dosyalar değişti, nasıl test ettin, ne eksik kaldı? Bu kayıtlar büyüdükçe senin "vibe" dediğin şey aslında bir ürün geliştirme hafızasına dönüşür. Claude Code gibi proje bağlamıyla çalışan araçların öne çıkmasının nedeni de budur: sadece cevap üretmekten çok, dosyalar üzerinde tekrarlı iş yapmaya daha yakındırlar.

Minimum kontrol listesi şudur: 1. Özelliğin kabul kriterini yaz. 2. AI'ın planını onaylamadan büyük değişiklik yaptırma. 3. Çalıştırmadan "bitti" sayma. 4. Hata mesajını özetleme, aynen geri ver. 5. Her başarılı adımdan sonra küçük bir kayıt tut. 6. Kullanıcının göreceği metin, boş durum, hata durumu ve mobil görünümü ayrıca kontrol et. Bu liste sıkıcı görünür; fakat demo ile ürün arasındaki mesafenin büyük bölümü bu sıkıcı görünen kontrollerde kapanır.

Kimler için değil?

Bu yaklaşım herkes için doğru başlangıç olmayabilir. Eğer amacın algoritma, veri yapıları, sistem tasarımı veya düşük seviyeli yazılımı derin öğrenmekse, sadece vibe coding izlemek seni sağlam bir mühendislik temeline götürmez. AI sana hız kazandırabilir; ama neden o çözümün doğru olduğunu anlamadan ilerlersen, proje büyüdükçe hata ayıklamak zorlaşır. Özellikle güvenlik, ödeme, kişisel veri, kritik operasyon veya kurumsal entegrasyon içeren işlerde kontrolsüz AI çıktısına güvenmek doğru değildir.

Ayrıca "ben hiç uğraşmayayım, AI her şeyi yapsın" beklentisiyle gelen biri çabuk hayal kırıklığı yaşar. Vibe coding pasif izleme işi değil; iyi tarif etme, küçük parçalara bölme, çıktıyı deneme, hatayı net anlatma ve gerektiğinde geri dönüp sadeleştirme işidir. Bu disiplin hoşuna gitmiyorsa, daha kapalı no-code araçlar veya hazır şablonlar senin için daha uygun olabilir. Ama fikrini ürüne dönüştürme sürecinde karar verici olmak istiyorsan, bu yöntem güçlü bir kaldıraç olabilir.

Günlük takip ederken neye bakmalısın?

Bir AI builder hesabını takip ederken kendine üç soru sor: Bu kişi gerçek ürün çıkarıyor mu? Sadece başarı anını mı gösteriyor, yoksa kırılan yerleri de anlatıyor mu? İçerik beni daha iyi prompt yazmaya mı, yoksa daha iyi ürün yönetmeye mi yaklaştırıyor? İlk ikisi motivasyon verir; üçüncüsü beceri kazandırır. Özellikle Türkçe içerikte bu ayrım önemli, çünkü birçok kişi "AI ile kod yazdırma"yı tek numara gibi sunuyor. Oysa sürdürülebilir fark, projeyi parçalara ayırma ve doğrulama alışkanlığında oluşuyor.

Bu yüzden @onurhuseyinkocak.ai hesabını takip edeceksen, sadece araç adlarını not alma. Paylaşımları bir kontrol listesi gibi oku: brief nasıl kurulmuş, hangi araç nerede kullanılmış, çıktı nasıl test edilmiş, ürünleşme tarafında ne eksik kalmış? Hesabın resmi adresi https://www.instagram.com/onurhuseyinkocak.ai/. En faydalı takip biçimi, her içerikten sonra kendi projen için bir küçük deneme yazmaktır. "Bunu izledim" yerine "bunu kendi fikrimde denedim" dediğin anda, ChatGPT'ye kod yazdırmaktan vibe coding pratiğine geçmiş olursun.