Yazar, yapay zeka ajan kodlamasına (AI agent coding) karşı başlangıçta şüpheci bir duruş sergilediğini belirtiyor. Önceki yazılarında büyük dil modellerinin (LLM) basit kodlama sorularını hızlı ve doğru bir şekilde yanıtlamada faydalı olduğunu kabul etse de, ajanların öngörülemezliği, yüksek maliyeti ve etraflarındaki abartılı beklentiler nedeniyle temkinli yaklaşıyordu. Ancak, LLM'lerin yeterince gelişmesi halinde ajanlara açık olduğunu ve endişelerinin giderilmesi durumunda daha güvenilir hale gelebileceklerini ifade etmişti.
Veri Bilimci olarak gerçek hayat projelerinde çalışmaya devam ederken, OpenRouter üzerindeki en yeni LLM'leri de takip etti. Google'ın Nano Banana API'si için geliştirdiği gemimg adlı açık kaynaklı Python paketinin kodunu çeşitli LLM'lere vererek, kodda olası sorunları tespit etmelerini ve düzeltmelerini istedi. Bu deneyimde LLM'lerin oldukça yardımcı olduğunu, sadece iyi fonksiyon docstring'leri ve tip ipuçları eklemekle kalmayıp, aynı zamanda çeşitli kod blokları için daha Pythonic uygulamalar önerdiğini gözlemledi.
Bu süreçte, iş arkadaşları GitHub Copilot'ı (özellikle Claude Sonnet 4.5 ile) bir kodlama yardımcısı olarak öneriyordu. Yazar, veri bilimi işleri için Copilot'ın Sonnet 4.5 sürümünü denediğinde, aşırı detaylı Jupyter Notebook'lar oluşturma eğiliminde olduğunu ve beklediği verimi alamadığını fark etti. Ancak, Google'ın Nano Banana Pro'yu piyasaya sürmesi ve gemimg paketinin bu modelle uyumlu hale getirilmesi gerektiğinde, Nano Banana Pro'nun keyfi ızgaralarla görsel oluşturma yeteneğini keşfetti. Bu
Yapay zeka ajanlarına başlangıçta şüpheyle yaklaşan bir geliştiricinin, belirli ve iyi tanımlanmış görevlerde bu araçların potansiyelini keşfetmesi, AI destekli kodlamanın pratik kullanım alanlarının genişlediğini gösteriyor.