AI Kodlama Ajanlarınız İçin Kalıcı Bellek: Long-Horizon Nasıl Çalışıyor?

Geliştiricilerin en sık karşılaştığı sorunlardan biri, AI kodlama araçlarının sürekli olarak aynı bağlamı yeniden açıklamak zorunda kalmalarıdır. Beş dakika önce aldığı talimatı unutan, her adımda duraksayan ve adeta bir bebek gibi yönlendirilmesi gereken bir araçla çalışmak, kodlama sürecini neredeyse imkansız hale getirebiliyor. Bu soruna çözüm arayan geliştirici Nishant Kumar, Long-Horizon adlı bir araç geliştirerek AI ajanlarına kalıcı bir bellek sistemi kazandırdı.

Long-Horizon, herhangi bir AI kodlama aracını özerk bir ajana dönüştürüyor. Bu sayede araç, verilen görevi parçalara ayırarak sürekli olarak çalışabilir, kararlarını kalıcı bir grafik yapısında kaydedebilir ve herhangi bir kesintiden sonra kaldığı yerden devam edebilir. Peki, bu sistem nasıl çalışıyor ve geliştiricilere ne gibi avantajlar sunuyor?

Görevleri Parçalara Ayırıp Sürekli Çalışma Yeteneği

Long-Horizon’un en büyük yeniliklerinden biri, AI ajanlarına çok adımlı görevleri otomatik olarak parçalama ve bu parçaları ardışık bir şekilde çalıştırma yeteneği kazandırmasıdır. Geliştirici, araca sadece "REST API oluştur ve kimlik doğrulama ekle" gibi tek bir talimat verebiliyor. Araç, bu talimatı altyapı kurulumundan veri tabanı tasarımına, kimlik doğrulama mekanizmalarından hata yönetimine kadar birçok alt göreve ayırıyor.

Bu sürecin en önemli özelliği, AI aracının her adım arasında yeniden yönlendirilmeye ihtiyaç duymamasıdır. Geliştirici, aracın çalışmasını başlattıktan sonra müdahale etmeden sürecin tamamlanmasını bekleyebiliyor. Bu, özellikle uzun ve karmaşık projelerde büyük bir zaman tasarrufu sağlıyor.

Kalıcı Bellek: Kararları ve Dersleri Grafik Olarak Kaydetme

Long-Horizon’un kalıcı bellek sistemi, AI aracının her kararını, dersini ve desenini bir grafik yapısında saklamasını sağlıyor. Bu grafik, karar, görev, ders ve desen gibi düğümlerden oluşuyor ve bu düğümler arasında çeşitli ilişkiler tanımlanıyor. Örneğin, bir karar düğümü önderlik_etti ilişkisiyle bir görevi tetikleyebilirken, bir ders düğümü öğrenildi_ile ilişkisiyle bir deseni bağlayabiliyor.

┌───────────────────┐
      ┌───────────────────┐
      │       KÖK        │
      │    (proje adı)    │
      └──────────┬────────┘
                 │
          ┌──────┴──────┐
          ▼             ▼
  ┌─────────────┐ ┌─────────────┐
  │  karar      │ │    görev    │
  │ "JWT kullan" │ │ "API inşa et"│
  └──────┬──────┘ └──────┬──────┘
         │               │
         ▼               ▼
  ┌─────────────┐ ┌─────────────┐
  │   ders      │ │   desen     │
  └─────────────┘ └─────────────┘

Bu grafik yapısı, AI aracının her proje için özgün bir bilgi ağı oluşturmasını sağlıyor. Araç, gelecekte benzer projelerde bu bilgileri kullanarak daha hızlı ve doğru kararlar verebiliyor. Ayrıca, grafik yapısı sayesinde geliştiriciler, aracın kararlarını ve ilerleyişini gerçek zamanlı olarak izleyebiliyor.

Gerçek Zamanlı İzleme ve Etkileşimli Arayüz

Long-Horizon, AI aracının çalışma sürecini görselleştirmek için etkileyici bir arayüz sunuyor. Bu arayüzde, kararlar, görevler ve dersler renkli düğümler olarak gösteriliyor ve bu düğümler arasında hareket eden ışık izleriyle ilişkiler görselleştiriliyor. Geliştiriciler, arayüzü kullanarak projenin ilerleyişini anında takip edebiliyor ve gerektiğinde müdahale edebiliyor.

Arayüzün öne çıkan özellikleri şunlardır:

• - Neon renkli düğümler ve hareketli ışık izleri — grafik yapısının dinamik ve etkileyici bir şekilde görüntülenmesi.
• - Sınırsız yakınlaştırma ve kaydırma — geliştiricilerin projeyi detaylı bir şekilde incelemesine olanak tanıyan esnek bir arayüz.
• - Ses efektleri — yeni düğümler eklendiğinde duyulan uyarıcı sesler, aracın ilerleyişini takip etmeyi kolaylaştırıyor.
• - Yerel çalışma — arayüz, localhost:3333 adresinden erişilebiliyor ve internet bağlantısı gerektirmiyor.

Sıfır Bağımlılık ve Taşınabilirlik

Long-Horizon, oldukça hafif ve bağımsız bir araç olarak tasarlandı. Proje, vektör veri tabanları, bulut hizmetleri veya harici API’ler gibi herhangi bir ek bağımlılık gerektirmiyor. Sadece Node.js ve yerel dosya sistemi kullanılarak çalıştırılabiliyor. Bu da aracın offline olarak kullanılabilmesini ve herhangi bir internet bağlantısına ihtiyaç duymamasını sağlıyor.

Aracın boyutu sadece 38KB civarında olup, geliştiricilerin herhangi bir kurulum karmaşası yaşamadan kullanmasına olanak tanıyor. Ayrıca, Long-Horizon’un yerel olarak çalışabilmesi, veri gizliliği konusunda endişe duyan geliştiriciler için de büyük bir avantaj sağlıyor.

Çoklu AI Aracına Destek ve Kolay Kurulum

Long-Horizon, piyasadaki birçok popüler AI kodlama aracıyla uyumlu olarak çalışabiliyor. Kurulum süreci oldukça basit ve sadece birkaç komutla tamamlanabiliyor. Geliştiriciler, aracı aşağıdaki komutlarla kolayca kurabiliyor:

npx long-horizon init
npx long-horizon adapt cursor    # Alternatifler: windsurf, claude, aider, codex

Ayrıca, Long-Horizon’un MCP sunucusu sayesinde AI araçlarıyla doğrudan entegrasyon sağlanabiliyor. MCP sunucusu, 11 farklı araç sunarak AI ajanlarının Long-Horizon’un bellek sistemini doğrudan kullanmasını mümkün kılıyor.

Sürekli Çalışan ve Kendi Kendine Yönlendirilen AI Ajanları

Long-Horizon’un en etkileyici özelliklerinden biri, AI ajanlarını sürekli olarak çalışabilir hale getirmesi. Aracı bir kez kurduktan sonra, geliştiricilerin herhangi bir özel komut veya yönlendirme kullanmasına gerek kalmıyor. AI aracı, Long-Horizon’un bellek sistemini otomatik olarak okuyor ve görevleri kendi kendine yönlendirerek tamamlıyor.

Bu özellik, özellikle uzun ve karmaşık projelerde geliştiricilerin iş yükünü önemli ölçüde azaltıyor. Geliştirici, sadece amacını ifade ediyor ve aracın kalanı otomatik olarak yerine getiriyor. Örneğin, geliştirici sadece "Kullanıcı paneli oluştur, grafikler ekle ve karanlık modu uygula" gibi bir talimat verebiliyor ve araç, bu görevi tamamlamak için gereken tüm adımları otomatik olarak gerçekleştirebiliyor.

Long-Horizon’un sunduğu bu yenilikçi yaklaşım, AI kodlama araçlarının verimliliğini ve özerkliğini önemli ölçüde artırıyor. Geliştiricilerin artık sürekli olarak araçlarını yönlendirmek yerine, projelerine odaklanmaları mümkün hale geliyor. Bu araç, AI destekli yazılım geliştirme sürecini daha akıcı, güvenilir ve verimli hale getirme potansiyeline sahip.