Swival: Senin Modellerin İçin Tasarlanan AI Kodlama Aracı

AI pair programmer hayali çok hoş görünüyor, ta ki gerçekle yüz yüze gelene kadar. API maliyetleri katlanıyor, context window'lar sıklaşıyor, ve sürekli birinin platform'una kilitli kalıyorsun.

Swival işte tam burada devreye giriyor ve oyunu değiştiriyor.

Seni tek boyut uygulamalı bir ekosisteme sokmak yerine, bu açık kaynak aracı senin altyapını, senin modellerini ve senin sınırlamalarını göz önüne alıyor. İster yerel olarak çalıştırılan LLM'leri mütevazı bilgisayarlarda çalıştırıyor olsun, ister kurumsal seviye modelleri API üzerinden kullanıyor ol, Swival elindekiyle çalışıyor.

Neden Geliştiriciler İçin Bu Önemli?

"AI kod yazabilir" ile "AI benim makinemde, benim sınırlamalarımla güvenilir şekilde kod yazabilir" arasında devasa bir boşluk var. Çoğu AI kodlama aracı sınırsız context window ve premium GPU'lar olduğunu varsayıyor. Swival tam tersi amaçla inşa edildi: kısıtlı context bütçeleri, mütevazı yerel donanım, iyi çıktı üretmek için özel dikkat gerektiren modeller.

Düşün: bugün bir genç geliştirici 16GB RAM'li bir MacBook Air'de llama.cpp çalıştırıyor olabilir. Bağımsız bir startup, satıcı bağımlılığından kurtulmak için Open Router kullanmak isteyebilir. Güvenlik bilinçli bir takım, tüm sırları altyapıdan çıkmadan önce şifrelemesi gerekebilir. Swival tüm bu senaryoları yönetiyor ve iş akışını yeniden yazmanı gerektirmiyor.

Gerçekten Önemli Özellikler

Context Yönetimi Düzgün Yapılmış

Çoğu AI aracı context window'unu her şeyi prompt'a dökerek şişiriyor. Swival'ın kademeli sıkıştırma yaklaşımı konuşmaları temiz ve odaklanmış tutuyor. Agent, oturumlar arasında kalıcı durumu koruyor, yani takip sorularını sorduğunda 10.000 token'lık geçmişi tekrar girmek zorunda değilsin.

Modeller Senin Seçimin

Swival, LM Studio veya llama.cpp'de çalışan yerel modelleri otomatik keşfediyor, aynı zamanda sorunsuzca entegre oluyor:

• HuggingFace
• OpenRouter
• Google Gemini
• ChatGPT (OAuth'la mevcut aboneliğin üzerinden)
• AWS Bedrock
• OpenAI uyumlu herhangi bir sunucu (Ollama, vLLM, vs.)

Bu esneklik seni hiçbir sağlayıcının fiyatlandırması veya mevcudiyetine bağlamıyor. Model değiştirmek mi istiyorsun? Komut satırı flagını güncelle. Bu kadar basit.

Güvenlik Varsayılan Olarak

--encrypt-secrets aktif et ve API anahtarları, kimlik bilgileri, hassas veriler makineni terk etmeden önce şifreli hale geliyor. Model gerçek değerleri görmüyor—yalnızca güvenli referansları görüyor. Şifre çözme yerel olarak cevap geldiğinde oluyor, bu sayede araçlar normal çalışmaya devam ediyor. Güvenlik bilinçli takımlar AI kodlama araçlarının tam olarak böyle davranmasını istiyorlar.

Öğrenme Kalıcılığı

Agent, geçmiş oturumlardan alakalı bağlamı çekmek için BM25 tabanlı tarama kullanıyor. /learn ile bir şey öğret ve konuşmalar arasında bunu hatırlıyor, mevcut prompt'unu şişirmeden. Sanki zamanla kodun'dan gerçekten öğrenen bir asistanın var gibi.

İnceleme Döngüleri ve Performans Ölçümü

Swival, yapılandırılabilir inceleme döngüleri içeriyor ve "LLM hakem olarak" doğrulaması yapıyor. JSON raporları zamanlamayı, araç kullanımını ve context olaylarını kayıt ediyor, farklı modelleri, ayarları ve konfigürasyonları gerçek kodlama görevlerinde karşılaştırmak çok kolay hale geliyor. Qwen 3 Coder mu yoksa GLM-5 mi iş akışın için daha hızlı, bunu benchmark'lemek istiyorsun? Aynı görevi Swival'da ikisinde de çalıştır ve detaylı metrikler al.

Güvenlik Denetimleri Gerçekten Çalışır

/audit çalıştır ve Swival kodunu kanıtlanabilir güvenlik hataları açısından tarayıyor. İşin zekice kısmı şu: bulgular izole edilen aracılar tarafından ayrı worktree'lerde çalıştırılarak doğrulanıyor. Her sorun rapora ulaşmadan önce bağımsız olarak tekrarlanması gerekiyor. Bu yanlış pozitif sonuçları çarpıcı biçimde azaltıyor—gerçek hatalar ve gerçek düzeltmeler alıyorsun, sadece spekülasyon değil.

Dakikalar İçinde Başlamak

Kurulum tazlıkla basit. LM Studio ile hızlı bir örnek:

# 1. Swival'i kur
uv tool install swival

# 2. Bir görev çalıştır
swival "src/api.py'daki hata yönetimini basitleştir"

Seçim tamam. Yapılandırma cehennemi yok, yanına ortam değişkenleri yok (tabii ki özelleştirmek istersen ayrı).

llama.cpp ile yerel çıkarım mı tercih ediyorsun? Swival'ı buna işaret et:

swival --provider llamacpp "Bu kimlik doğrulama modülünü yeniden düzenle"

HuggingFace modellerini mi kullanmak istiyorsun? Token'ını dışa aktar ve modeli belirt:

export HF_TOKEN=hf_...
swival --provider huggingface --model zai-org/GLM-5.1 "Düzgün hata yönetimi ekle"

İleri geri çalışma için, argüman olmadan swival çalıştır ve agent tam konuşmayı hatırlayan etkileşimli bir oturum alıyorsun.

Tek Modelli İş Akışlarının Ötesine

Swival sadece bir CLI aracı değil. Aracıları doğrudan Python koduna gömebilirsin:

import swival

answer = swival.run(
    "Kimlik doğrulamayı hangi dosyalar yönetiyor?",
    provider="openrouter",
    model="z-ai/glm-5",
)

Karmaşık çok turlu oturumlar için, Session sınıfı konuşma durumu ve iterasyon üzerinde tam kontrol veriyor.

Bir de A2A (Agent-to-Agent) sunucu modu var. swival --serve çalıştır ve aracın bir HTTP endpoint haline geliyor, diğer aracılar çağırabiliyor. Bu, aracı ağları oluşturma ve karmaşık kodlama görevlerini birden fazla uzmanlaşmış aracı arasında yönetme olanakları açıyor.

Genişletme Yeteneği

Küçük, hacklenebilir ve framework'ten bağımsız. Swival saf Python, okumak, değiştirmek ve genişletmek kolay. Özel beceriler SKILL.md dosyaları aracılığıyla ekleyebilir, MCP (Model Context Protocol) sunucularını entegre edebilir veya aracıları bir araya getirebilirsin. Tescilli soyutlamalar yok, kilitlenme yok—sadece anlayıp uyarlayabileceğin doğru kod.

Performans Ölçümü ve Değerlendirme

Swival, Calibra adında bir eşlik aracıyla geliyor ve bu benchmark'lemek için kullanılıyor. Modelleri, ayarları, becerileri ve MCP sunucularını gerçek kodlama görevlerinde karşılaştır. Hangi model-altyapı kombinasyonunun senin spesifik iş akışın için en iyi kalite-maliyet oranını verdiğini anlamaya çalışıyorsan bu çok değerli.

Sonuç İtibarıyla

AI kodlama aracıları artık modern geliştirmenin temel gereklilikleri haline geldi. Ama satıcı bağımlılığı, gizlilik uzlaşması veya gerçekçi olmayan donanım gereksinimlerileri de getirmesi gerekmez. Swival, sınırlamalarına saygı duyan, yargını güvenen ve zaten seçtiğin altyapıyla hoşça çalışan gerçekten yararlı bir kodlama aracısı inşa edebileceğini kanıtlıyor.

Maliyeti optimize eden bağımsız bir geliştirici olsun, hassas verileri koruyan bir startup olsun, ya da esneklik ve kontrol değer biçen bir takım olsun, Swival araç setine yer almayı hak ediyor. Ücretsiz, açık kaynak ve kullanıma hazır. Soru şu değil ki "bunu denemeyi göze alabilir miyim"—soru "bunu denememeyi göze alabilir miyim".