<think> The user wants me to take the English blog post about cwcode and rewrite it from scratch in Turkish. I need to:

1. NOT translate literally - use natural Turkish sentence structures
2. NOT copy sentence structure from the source
3. Keep the markdown format
4. Write as a Turkish native blogger would write about this topic
5. Keep technical terms (TUI, API, SaaS, etc.) as they are
6. Make it feel like it was written originally in Turkish

Let me analyze the main ideas:

• cwcode is a terminal-based AI coding assistant
• It's different from cloud SaaS options - works locally, no account needed
• Built with Go's Bubbletea framework
• Supports multiple AI providers (DeepSeek, Azure, Kimi, local Qwen)
• Hash-anchored editing system for reliable file changes
• 30-40% token reduction with this system
• Cache system achieving 85%+ hit ratio, 120x cost savings
• Safety features: Plan/Code mode toggle, Checkpoint/Rewind
• Autonomous mode for running tasks
• All data stored locally in JSON/SQLite formats
• Easy to install, open source approach

Now let me write this in natural Turkish as a domain/web hosting blogger would write a technical blog post. </think>

cwcode: Terminalde Çalışan, Kontrolü Sizde Tutan Yapay Zeka Kodlama Asistanı

Herkes "yapay zeka kodlama asistanı" dediğinde, bir SaaS'a para ödemek, kodlarınızı üçüncü parti sunuculara yüklemek ve hizmet şartlarının değişip değişmeyeceğini ummak geliyor. Bu iş artık yorucu hale geldi. cwcode bu soruna farklı bir çözüm getiriyor: yerel, uygun fiyatlı ve geliştirme ortamınızı bulut platformlarına teslim etmeden çalışan bir terminal aracı.

cwcode Nedir?

cwcode, Go'nun Bubbletea kütüphanesiyle oluşturulmuş bir Terminal Kullanıcı Arayüzü (TUI). OpenAI uyumlu sohbet uç noktalarını araç kullanabilen bir kodlama aracısı olarak çalıştırıyor. Terminalinizde yaşayan, gerçek dosyaları düzenleyen ve hatalarından kurtulan bir komut satırı dostu gibi düşünebilirsiniz.

Dikkat çeken nokta: bu bir SaaS değil. Hesap açmaya gerek yok, oturum verilerinizi bir yere gönderen telemetri sistemi yok, oturumlarınızı uzaktan yöneten bir kontrol mekanizması yok. API anahtarınız ~/.cwcode/config.json dosyasında duruyor, oturumlarınız ~/.cwcode/sessions/ klasöründe. İnternet bağlantınız kesilse bile yerel bir model uç noktası kullanıyorsanız araç çalışmaya devam ediyor. Geliştirici araçlarından talep etmemiz gereken tam da bu çalışma şekli.

Esneklik gerçekten etkileyici. Kutudan çıktığında DeepSeek (Pro ve Flash versiyonları), Azure OpenAI, Kimi for Coding ve hatta vLLM ya da llama.cpp üzerinden ev sunucunuzda Qwen3.6-27B çalıştırmak için yerel profil desteği var. Sağlayıcılar arasında oturum sırasında geçiş yapmak mı? Tek bir slash komutu yetiyor. Tek bir satıcıya bağlı değilsiniz.

Hash Bazlı Düzenleme Sistemi

İşler burada ilginçleşiyor. Geleneksel yapay zeka kodlama araçları dosya düzenlemede sorun yaşıyor çünkü değişiklik yapmak için içeriği birebir yeniden üretmeleri gerekiyor. Bir karakter kaçırsa edit başarısız oluyor. Bu hem sinir bozucu hem de token israfı.

cwcode farklı bir yol izliyor. Her satır read_file aracı tarafından okunduğunda 3 karakterlik bir içerik hash'i ile işaretleniyor. Düzenlemek istediğinizde edit_lines aracı satır numarasını, hash'i ve yeni metni alıyor—eğer herhangi bir hash kaymışsa tüm değişiklik reddediliyor. Model, bir düzenlemeyi gerçekleştirmek için içeriği karakter-tam-kesin olarak yeniden üretmek zorunda kalmıyor.

Sonuç? Projenin belirttiğine göre, çıktı tokenları DeepSeek V4 Pro'da oturum başına %30-40 arasında düştü. Yapay zeka destekli kodlama oturumlarında token maliyetlerinizi izliyorsanız bu oldukça kayda değer bir düşüş.

Gerçekten Çalışan Önbellekleme

DeepSeek'in prompt önbelleği, önbellek isabetleri ve ıskalayanları arasında yaklaşık 120 kat maliyet tasarrufu sunuyor. Bu muazzam bir fark—ancak yalnızca önbelleği tutarlı şekilde kullanabilirseniz.

cwcode bunu dikkatli bir mühendislikle başarıyor: sistem promptu turular arasında byte-dengeli, araç tanımları belirleyici sırada serileştiriliyor ve reasoning içeriği varsayılan olarak giden isteklerden çıkarılıyor. Sonuç, üçüncü turdan sonra rutin olarak %85'i aşan bir prefix önbellek isabet oranı. Ayrıca /cache slash komutu oturum-kümülatif isabet oranını gösteriyor, böylece sistemin düzgün çalıştığını doğrulayabiliyorsunuz.

API maliyetlerini izleyen geliştiriciler için bu oyun değiştirici. Saatlik yaklaşık 0,40 dolar maliyetle çalışırken anlamlı verimlilik kazanımları sağlayan bir kodlama aracısı mı? Böyle verimliliği kutlamalı.

Mantıklı Güvenlik Özellikleri

Yapay zeka'nın kontrolden çıkmasından endişe eden geliştiriciler için iki özellik öne çıkıyor:

Plan ve Kod Modu: Tek bir Shift+Tab ile salt-okunur planlama (LLM yalnızca değişiklik yapmayan araçları görüyor) ve tam yürütme arasında geçiş yapıyorsunuz. Model bayrağı görmüyor—sadece farklı (daha küçük) bir araç kayıt defteri görüyor. İnsan, açıkça "YOLO modu"nu seçmedikçe son kontrolü elinde tutuyor. Bu şekilde çalışması lazım: yürütme için açık onay, ayarların içinde gizlenmiş bayraklar değil.

Kontrol Noktası ve Geri Sarma: Herhangi bir dosya-değiştiren araç çalışmadan önce cwcode, o aracın dokunacağı her yolun ön-durumunu anlık görüntüsünü alıyor. Anlık görüntüler SHA-256 ile anahtarlanan blob'lar, otomatik olarak yinelenenler kaldırılıyor. Bir şeyler yanlış giderse /rewind N dosyaları geri yükler, sohbet geçmişini kırpar ve giriş kutusuna orijinal promptunuzu ön doldurur. Git gibi, ama aracın içine gömülü.

Bir de "Storm-breaker" var: Aynı araç ardışık üç kez aynı şekilde başarısız olduğunda cwcode sessizce durmuyor. Düz dilde bir açıklama sentezliyor, normal bir yanıt olarak stream ediyor ve takip soruları için bağlam sağlamak üzere geçmişe ekliyor. Araç, sonsuz döngüye girmeye başlamak yerine yardım istemeyi biliyor.

Cesurlar İçin Özerk Mod

Cesur hissediyor musunuz? /goal komutu hedefleri bir goals.md dosyasına ekliyor ve /goal on her onay kutusu tamamlanana veya 20 ardışık döngü güvenlik sınırına ulaşılana kadar arka arkaya çalışan özerk bir döngü başlatıyor. cwcode ekibi bunu gece boyunca çalışan açıklamalı görevler için kullandıklarını belirtiyor—test paketinize ne kadar güvendiğinize bağlı olarak ya parlak ya dehşet verici.

Gerçek Değer: Bağımlılık Yok

Belki de cwcode'un en hafife alınan yönü mimari felsefesi. Yapılandırma JSON. Oturumlar JSON. Kontrol noktaları içerik-adresli blob'lar. Bellek deposu bir SQLite dosyası. Her şey ~/.cwcode/ altında duruyor.

Proje yarın ortadan kalksaydı, oturumlarınız hâlâ okunabilir durumda olurdu. Verileriniz bir startup'ın finansman durumu veya bir teknoloji devi stratejik pivot yapıyor diye rehin tutulmuyor. Açık araçların böyle inşa edilmesi gerekiyor—sadece isimde "açık kaynak" olup her zaman erişemeyeceğiniz proprietary formatlarda her şeyi tutmak değil.

Başlangıç

İlgilendiyseniz, kurulum basit: Yayın klasöründen platformunuz için önceden derlenmiş bir ikili dosya indirin (şu an v1.11, macOS arm64/amd64 ve Windows amd64 mevcut), PATH'inizde bir yere koyun ve başlayın.

OpenAI uyumlu bir uç noktaya ihtiyacınız var—DeepSeek API anahtarı, Azure deployment, yerel vLLM veya OpenAI chat API'sini anlayan başka bir şey. ~/.cwcode/config.json dosyasında bir profil yapılandırın, sonra tam TUI deneyimi için cwcode çalıştırın, tek seferlik mod için cwcode -p "bug'ı düzelt" veya arayüz olmadan stdout REPL için cwcode -plain kullanın.

Son Düşünceler

cwcode, dikkat edilmesi gereken bir şeyi temsil ediyor: Geliştirici özerkliğine saygı gösteren yapay zeka destekli geliştirme araçları. Maliyet verimliliği (token tasarrufları gerçek), yerel-önce mimari (verileriniz sizde kalıyor) ve düşünceli güvenlik özelliklerinin (kontrol noktaları, plan modu, storm-breaker) birleşimi, SaaS alternatiflerinden gerçekten farklı bir şey ortaya koyuyor.

Maliyetleri izleyen bir solo geliştirici olun, gizlilik konusunda endişeli bir ekip olun veya terminal-önce iş akışlarını tercih eden biri olun—cwcode keşfetmeye değer. Bu, yapay zeka kodlama geleceğinin bulut platformlarına kontrolü teslim etmeyi gerektirmemesi gerektiğinin bir hatırlatıcısı—ve bu gelecek, inşa edilmeye değer bir gelecek.