Bağlam bütçesini ciddiye alanlar, becerileri kafadan kafaya biriktirenlerden daha iyi bir AI destekli deneyim elde edecektir.

Yazan: 0x9999in1, ME News

Kısa Özet

• Mevcut ana akım AI programlama asistanlarının beceri/eklenti ekosistemi, "vahşi büyümeden sonra oluşan sindirim sorunları" yaşıyor—tekrarlayan, fazlalıklar ve ölü becerilerin birikimi, değerli bağlam penceresi kaynaklarını ciddi şekilde etkiliyor.
• Lobster Dad, Skill için özel olarak geliştirilmiş bir meta-skilli açığa çıkardı; beş temel işlevi kapsıyor: bütçe denetimi, tekrar tespiti, boşta kalanlar taraması, kök dizin denetimi ve açıklama sadeleştirme.
• Bağlam penceresi, AI büyük modellerinin en kıt kaynaklarından biridir; her fazladan beceri, gerçek ihtiyaç duyduğunuz akıl yürütme alanını anlamsız token'larla işgal eder.
• Bu aracın temel değeri, "yeni bir beceri daha" sunmak değil, tüm becerileri tek bir beceriyle yönetmektir—bu altyapı düzeyindedir.
• Becerikli ekosistemin kaosu, bireysel bir olay değil, yapısal bir sorundur. Denetim mekanizması olmayan eklenti sistemi, mutlaka entropi artışı yönünde ilerleyecektir.
• Açık kaynak, topluluğun bu temel üzerinde yinelemesi anlamına gelir ve bu, Beceri yönetimi standardizasyonunun başlangıcı olabilir.

Şu anki durumu açıklayayım: Beceri deposu zaten bir çöp yığını olmuş olabilir

Bu sözler kötü. Ancak kendi AI asistanınızın yapılandırmasını açın, kaç beceri yüklediğinizi sayın ve son olarak hangilerini kullandığınızı düşünün.

Cevap büyük olasılıkla sessizliğe sebep olacak.

2025 yılının ikinci yarısından itibaren Cursor, Windsurf, Codex, Claude Code gibi AI programlama araçları birlikte "Beceriler Silahlanma Yarışı"na giriyor. Topluluk katkıcılarları çılgınca içerik üretiyor, resmi dahili kütüphaneler sürekli büyüyor, bireysel yapılandırmalar katman katman birikiyor.

Sonuç ne?

Tipik bir yoğun kullanıcı, beceri sayısı kolayca 50'yi aşar. Bunlardan günlük olarak tetiklenebilenler belki 10'dan azdır. Kalan 40 beceri, her sohbet başlatıldığında bağlam içine yüklenerek, token bütçesini sessizce tüketir ve ardından—hiçbir şey yapmaz.

Bu bir harcamak değil. Bu bir suç.

Neden böyle diyoruz? Çünkü bağlam penceresi sonsuz değil. 2026 yılına kadar bile ana akım modellerin etkili bağlam uzunluğu 128K ile 200K token arasında olacak, çok fazla gibi geliyor değil mi? Ama hesaplayın: sistem talimatları, diyalog geçmişi, kod parçaları, dosya içerikleri, araç tanımları, Beceri tanımları… “Düşünme” için geriye kalan alan, düşündüğünüzden çok daha sınırlı.

Her bir gereksiz Beceri açıklaması 200 token kaplar, 50 tanesi 10.000 token eder. On bin token, modelin 400 satır kod daha okuması için yeterlidir.

Bu bir teorik çıkarım değil. Bu her gün gerçekleşen bir şey.

Neden kimse müdahale etmiyor? Çünkü "ekleme", "çıkarma" kadar kolay değil, binlerce kat daha kolay.

İnsanlarda köklü bir psikolojik önyargı vardır: eklemeye yönelik önyargı (Addition Bias).

Sorunlarla karşılaştığımızda, "ne çıkarabileceğimizi" düşünmek yerine, "ne ekleyebileceğimizi" düşünme eğilimindeyiz. 2021 yılında Nature dergisinde yayınlanan bir araştırma, insanların daha etkili olmalarına rağmen, şeyleri iyileştirmek için "eksiye yönelik çözümleri" sistematik olarak göz ardı ettiklerini açıkça ortaya koymaktadır.

Skill ekosistemi bu sapmayı mükemmel şekilde yeniden oluşturdu.

Topluluk katkıcısı yeni bir beceri yazdı ve yayınladı. Kullanıcı "belki faydalı olur" diye kurdu. Resmi ekip "fonksiyon kapsama alanı geniş" diye dahil etti.

Kim silecek? Kim denetleyecek? Kim diyecek ki “Bu Beceri o ile tekrar ediyor, birini kaldırın”?

Kimse.

Silinmesi激励 yok. Yeni bir beceri yazın, yıldız kazanın, topluluk tarafından tanının ve CV'ye ekleyin. Eski bir beceriyi temizlemek? Hiçbir şey elde edemezsiniz.

Bu yapısal bir zorluktur. Teknik bir sorun değil, teşvik mekanizması sorunudur.

Kimse teşvikle ilgilenmediğinde, ben bunu yapacağım.

Istınga Babası harekete geçiyor: Bir Skill ile tüm Skill'leri yönetiyor

Lobster Babası kim? Eğer AI programlama araçları topluluğunda dolaşıyorsanız, bu kimlik size tanıdık gelecektir. Codex ve Claude ekosistemlerinde uzun süredir aktif olan derin seviye bir oyuncu olan "Lobster Babası", sistematik düşünme ve mühendislik temizliğiyle tanınır. "Lobster Babası" unvanı, topluluk tarafından verilen bir onaydır—bir alanda "Babası" olarak anılmak, o alanda kaçınılmaz bir isim olduğunun göstergesidir.

Bu sefer açığa çıkardığı şey, temelde bir meta beceridir.

Meta beceri nedir? "Becerileri yöneten beceri"dir. Kod yazmanıza, API'yi ayarlamamanıza veya belge oluşturmamanıza yardımcı olmaz. Yalnızca bir şey yapar: Mevcut tüm Becerilerinize kapsamlı, nicelendirilmiş ve uygulanabilir bir muayene yapar.

Beş ana fonksiyon, her biri ayrı ayrı inceleniyor.

Bu en sert olanı.

Yaptığı şey oldukça basit: Her bir Beceri'nin bağlam token alanını hesaplar, toplam bütçede ne kadar pay aldığını belirler ve iyileştirme önerileri sunar.

Neden bu önemli? Çünkü çoğunlukla kullanıcılar, "Yetenek'in tam olarak ne kadar kaynak tükettiği" konusunda tamamen farkındalar.

Bir beceri kurmanın sadece bir fonksiyon daha eklemek olduğunu düşünüyorsunuz. Aslında, her becerinin açıklaması, parametre tanımları, örnek kodlar ve tetikleme kuralları tümü sistem ipucuna yazılmalıdır. Model her çıkarım yaparken, bunları önce "okumalı" ve ardından çağırıp çağırmayacağını karar vermeli.

Bu, 50 adet aletle dolu bir dağcılık çantası taşımak gibi. "Taşıyorsan kaybetmezsin" diye düşünüyorsun, ancak her ek kilogramla enerji tüketimin artar. Aslında hızlanman gerektiğinde, zaten gücün kalmamıştır.

Bütçe denetiminin yaptığı şey, çantanızı açıp şunu söylemek: "Bu İsviçre bıçağı 3 kg ağırlığında ama asla kullanmadınız, atın."

Bu özellik, düşündüğünüzden daha ciddi olan sorunları çözmektedir.

Tarama kapsamı dört seviyeyi kapsar:

• Codex Dahil Kütüphane
• Eklenti önbelleği
• Kod deposu
• Kişisel Beceriler Kök Dizin

Aynı adı, benzer açıklamaları ve örtüşen işlevleri olan becerileri çok katmanlı olarak tarayın ve fazlalıkları işaretleyin.

Neden tekrar oluyor? Nedenler çok.

Resmi olarak bir "kod biçimlendirme" becerisi dahil edilmiştir, siz bunu bilmiyorsunuz ve topluluktan neredeyse aynı işlevlere sahip bir tane daha yüklediniz. İki beceri, aynı işi yapıyor, iki bütçe harcıyor.

Veya daha gizli bir şekilde: Altı ay önce JSON ayrıştırmayı işlemek için özel bir beceri yazdınız, daha sonra resmi güncellemeyle birlikte yerleşik kütüphane daha iyi bir tane ekledi. Eski sürümünüz hâlâ var ve kimse sizi silmeniz için bilgilendirmemiş.

Yinelenen tespit sadece isimlere bakmaz. İsimleri farklı ancak açıklamaları yüksek oranda benzer olanlar da işaretlenecektir. Bu, gerçekten teknik açıdan değerli olan kısımdır — basit bir dize eşleştirme değil, anlamsal benzerlik karşılaştırması yapar.

Geçmiş kayıtlara dayanarak, uzun süredir kullanılmayan "zombi becerileri" tanımlayın.

Bu mantık çok açık: Bir Beceri, son 30 gün, 60 gün ve 90 gün içinde hiç tetiklenmediyse, muhtemelen iki durumdan biri geçerli—ya iş akışınız bunu gerektirmiyor ya da tetikleme koşulları, modelin asla onu seçmemesine neden olacak şekilde tasarlanmış.

Ne olursa olsun, sonuç aynı: Bütçeyi boşuna harcıyor.

Bu özellik, "Temizleme Adayları Listesi" üretir. Dikkat edin, doğrudan silinmeyecek, sadece adaydır. Son karar kullanıcıya aittir. Bu tasarım çok ölçülü ve akıllıca—kendi sınırlarını biliyor.

Bazı beceriler gerçekten nadiren kullanılsa da kritiktir. Örneğin "veritabanı taşıma desteği", üç ayda bir kez kullanabilirsiniz, ancak kullandığınızda hayat kurtarır. Bu nedenle tarama sonuçları referans niteliğindedir, karar değildir.

Bu özellik "operasyonel bakım" yönü taşır, ancak son derece pratiktir.

Yaptığı şey: Tüm Becerilerin kaynak dizinlerini saymak, etkin/devre dışı durumlarını işaretlemek ve yüklenme zincirini düzenlemek.

Neden gerekiyor? Çünkü becerilerin kaynakları çok yönlüdür. Bazıları genel yapılandırmadan, bazıları proje düzeyi yapılandırmadan, bazıları eklentiler tarafından otomatik olarak enjekte edilir, bazıları ise kullanıcı tarafından manuel olarak oluşturulur.

Yetenek sayısı azken, içinde ne olduğunu biliyorsunuz. Sayı onlarca hâline geldiğinde, "Bu yetenek nereden geldi?", "Onu güvenle silebilir miyim?", "Silersem diğer şeyleri etkiler mi?" sorularını artık anlayamaz hâle gelirsiniz.

Kök dizin denetimi, her becerinin nerede bulunduğu, kimin yüklediğini ve şu anda canlı mı yoksa ölü mü olduğunu gösteren bir harita çizer.

Bu harita olmadan güvenli bir şekilde cerrahi yapamazsınız.

Son özellik, en "küçük" gibi görünse de aslında çok büyük bir kaldıraç sağlar.

Yaptığı şey: Aşırı uzun tanımlara sahip Becerileri belirlemek ve kısaltma önerileri sunmak.

Neden açıklama uzunluğu bu kadar önemli? Önceki açıklamaya geri dönersek: Beceri açıklaması sistem ipucuna yazılacaktır. Her kelime bir token'dır. Bir becerinin açıklaması 200 token'dan 80 token'a indirilirse, tasarruf edilen alan beceri sayısıyla çarpıldığında toplam miktar çok büyük olur.

Topluluk katkılarının birçok becerisi, açıklamaları bir tez özeti gibi yazılmıştır—arka plan, motivasyon, uygun senaryolar, dikkat edilmesi gereken noktalar, örnek giriş/çıktılar, uzun uzun. Yazanlar çok çaba göstermiş, ancak mühendislik açısından bu aşırı tasarım.

Model için gerekli açıklama: hassas, tekil, ayırt edilebilir. Bu Beceri'nin ne yaptığını ve ne zaman çağrılması gerektiğini en az sözcükle anlatmak yeterlidir. Her fazladan kelime, bağlam bütçesinin boşa harcanmasıdır.

Bu fonksiyonu özetlemek, temelde "prompt mühendisliğinin tersine optimize edilmesidir" — daha iyi prompt'lar yazmak değil, mevcut prompt'ları bilgi kaybı olmadan daha da kısaltmaktır.

Değer nerede? Fonksiyon değil, düşünce biçimi.

Beş fonksiyon tamamen ayrıldı. Her birine tek başına bakıldığında, "devrim yaratan" gibi görünmeyebilir. Ancak bir araya getirildiğinde, bu bir düşünce modelinin dönüşümünü temsil eder:

"Daha fazla Beceri oluştur"dan "Mevcut Becerileri yönet"e.

Bu olayın değeri, kod miktarında ya da algoritma karmaşıklığında değil, nihayet birisi bu sorunu "birinci sınıf bir vatandaş" olarak ele almaya başladığında yatıyor.

Geçen iki yıl boyunca AI araçları ekosistemindeki odak noktaları tamamen "ekleme" üzerineydi. Daha fazla model, daha fazla özellik, daha fazla eklenti, daha fazla beceri. Hızlı koşmak, güçlü koşmak, kimse arkaya dönmeden.

Ancak mühendislik deneyimi olan herkes bilir: Sistemin karmaşıklığı belirli bir seviyeye ulaştığında, karşılık gelen bir yönetim mekanizması olmadan çöker.

Mümkün değil. Kesin.

Yazılım mühendisliğinde "teknik borç" adı verilen bir kavram vardır. Her geçici çözüm, her "şu anda bu kadar yeter" diyüş ve her temizlenmeyen fazlalık, bir borç almaktır. Ne kadar çok borç alırsanız, o kadar yüksek faiz ödersiniz ve bir gün tüm çabanızı borçları ödemekle harcayacağınızı, yeni şeylere kuvvetinizin kalmadığını fark edersiniz.

Skill ekosisteminin teknik borçları, artık göz ardı edilemeyecek bir noktaya gelmiştir.

Lobster Daddy aracının temel amacı bir borç denetim aracıdır. Borcunuzu ödememenize yardımcı olmaz, ancak ne kadar borç aldığınızı, nerede borç aldığınızı ve hangi borçları öncelikle ödemelisinizi gösterir.

Bu, "tekrar kullanışlı bir beceri yazmak"ten çok daha değerli.

Açık kaynakın anlamı: Kişisel araçtan topluluk standardına

Lobster Babası, açık kaynak seçti, bu karar kendisiyle ilgili konuşulmaya değer.

Bu aracı ücretli bir eklenti haline getirmek tamamen mümkün olabilirdi. Piyasa ihtiyacı açık, sorunlar gerçek ve ödeme yapacak kullanıcı sayısı az olmayacaktı. Ancak o, açık kaynaklı hale getirmeyi tercih etti.

Neden?

İki düzeyli bir değerlendirme olduğunu tahmin ediyorum.

Birinci katman: Bu aracın gerçek değeri, topluluk tarafından ortaklaşa geliştirilerek ortaya çıkar. Farklı AI platformlarının beceri yükleme mekanizmaları, günlük formatları ve dizin yapıları farklıdır. Bir kişi bunu uyumlu hale getiremez, ancak yüzlerce katkıda bulunan kişi yapabilir.

İkinci katman: O, sadece bir araç değil, bir standart da kurmak isteyebilir. Skill yönetimi nasıl yapılmalıdır? Denetim boyutları nelerdir? Bütçe dağıtımının en iyi uygulamaları nelerdir? Bu soruların cevapları, topluluk konsensüsü ile oluşturulmalıdır.

Açık kaynak, fikir birliğine ulaşmanın en iyi yoludur.

JavaScript kod kuralları için ESLint, Python biçimlendirme için Black, ön uç kod stili için Prettier — bu araçların gerçek standart haline gelmesinin nedeni, açık kaynak sayesinde topluluğun kurallar oluşturmaya katılmasıdır.

Lobster Father'ın bu Meta-Skill'i, Skill yönetimi için bir ESLint olabilir mi?

Şimdi karar vermek erken. Ancak yön doğru.

Daha derin bir soru: Skill sistemi kendisi yeniden tasarlanmalı mı?

Denetim aracı, "varolan sorunları" çözer. Ancak bakış açımızı bir adım daha yukarı çekersek, daha temel bir sorunu fark ederiz:

Neden Beceri kontrolü kaybeder?

Cevap: Mevcut Skill sisteminde yaşam döngüsü yönetimi yoktur.

Bir beceri oluşturulduktan sonra kalıcı olarak varlığını sürdürür. Süre sonu mekanizması, sürüm kaldırma veya etkinlik azalması yoktur. Kaynakları işgal ederek, kimse el ile sonlandırmadığı sürece ölümsüz bir işlem gibi kalır.

İşletim sisteminin süreç yönetimi: oluşturulur, planlanır, uyku moduna geçer ve sonlandırılır. Yaşam döngüsü tam bir kapalı döngüdür.

Paket yöneticisinin bağımlılık yönetimiyle karşılaştırın:npm auditGüvenlik açıklarını kontrol edin,npm outdatedGüncellenmemiş bağımlılıkları kontrol edin,npm pruneKullanılmayan paketleri temizleyin. Yönetim araçları ekosistemin bir parçasıdır.

Beceri sistemi nerede? Oluştur → Kullan → ... bitiyor. Aradaki birçok aşama eksik.

Yengeç Babası aracısı, temelde sistem tasarımı eksikliğini dış araçlarla gidermektedir. Bu araç çok kullanışlıdır, ancak AI araç platformlarının Beceri yönetimi açısından altyapısının hâlâ ilkel aşamada olduğunu da ortaya koyar.

Bu eleştiri değil, gelişim aşamasının kaçınılmaz bir sonucu. 2024'ten 2025'e kadar platformun öncelikli hedefi "ekosistemi çalıştırmak", yönetim konusu daha sonra ele alınabilir. Ancak 2026 ortasında ekosistem zaten çalışmaya başlamıştı. Şimdi dersi tamamlama zamanı.

Son olarak

İlk soruya dönersek: AI asistanınızda kaç tane beceri aktif?

Cevap veremiyorsanız, bir sağlık kontrolü yaptırmalısınız.

Istakozun babası bir araç verdi. Ücretsiz. Açık kaynaklı. Beş boyut, kapsamlı.

Kullanıp kullanmaman, senin işin.

Ancak şunu kesinlikle biliyorum: bağlam bütçesini ciddiye alanlar, becerileri zorla biriktirenlerden daha iyi bir AI destekli deneyim elde edecektir.

Çünkü AI her şeyi yapamaz. Dikkat sınırlıdır, hafızası sınırlıdır, akıl yürütme kaynakları sınırlıdır. Ona ne kadar net ve temiz bilgi verirseniz, o kadar iyi çıktılar alırsınız.

Bu mistiklik değil. Bu bilgi teorisi.

Shannon, 1948'de zaten bize kanal kapasitesinin sınırlı olduğunu, gürültü ne kadar artarsa etkili bilgi iletim hızının o kadar azalacağını söyledi.

Yetenek listenizdeki zombi beceriler gürültüdür.

Onları yok edin.

Referans

1. Adams, G. S., Converse, B. A., Hales, A. H. & Klotz, L. E. (2021). İnsanlar sistematik olarak çıkartıcı değişiklikleri gözden kaçırmaktadır.Nature, 592(7853), 258–261.
2. Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27(3), 379–423.
3. OpenAI. (2024). GPT-4 Turbo bağlam penceresi ve token sınırları belgesi. https://platform.openai.com/docs/models
4. Anthropic. (2025). Claude model card: Bağlam penceresi kullanımı ve sistem talimatı yükü. https://docs.anthropic.com/en/docs/about-claude/models
5. Cursor Ekibi. (2025). Kurallar ve Beceriler: Özel talimatların bağlama nasıl yüklenmesi. Cursor Dokümantasyonu.
6. npm Dokümantasyonu. (2025). npm-audit, npm-prune: Paket yaşam döngüsünü yönetme. https://docs.npmjs.com/cli
7. Lobster Baba. (2026). Beceri Sağlık Kontrolü Meta-Beceri [Açık Kaynak Projesi]. GitHub Deposu.
8. Sculley, D., vd. (2015). Makine Öğrenimi Sistemlerinde Gizli Teknik Borç.Neural Bilgi İşleme Sistemlerinde İlerlemeler (NeurIPS), 28.