Kod Temizliği Yapay Zeka Kodlama Ajanlarını Nasıl Etkiliyor?
Yeni bir araştırma, kod temizliğinin AI kodlama ajanlarının başarı oranını değil, token maliyetini ve verimliliğini etkilediğini gösteriyor.
Yapay zeka destekli otonom kodlama ajanlarının değerlendirilmesi genellikle görev tamamlama oranına odaklanıyor ve altta yatan kod tabanının kalitesi sabit tutuluyor. Bu çalışma, kodun yapısal ve stilistik kalitesinin — yani 'temizliğinin' — bir ajanın kod üzerinde gezinme ve değişiklik yapma yeteneğini nasıl etkilediğini araştırıyor. Araştırmacılar, mimari, bağımlılıklar ve dışa dönük davranış açısından birebir eşleşen ancak statik analiz kural ihlalleri ve bilişsel karmaşıklık bakımından farklılaşan 'minimal çift' repo yapıları geliştirerek ajan yeteneğini kod kalitesinden ayrıştırmayı hedeflemiş.
Altı repo çiftinde 33 görev tanımlanmış ve Claude Code ile 660 deneme yürütülmüş. Sonuçlara göre kod temizliği ajanın görevi başarıyla tamamlama oranını değiştirmiyor; ancak operasyonel ayak izini önemli ölçüde etkiliyor. Temiz kod üzerinde çalışan ajanlar yüzde 7-8 daha az token harcıyor ve dosyaları tekrar ziyaret etme oranını yüzde 34 azaltıyor.
Bu bulgular, geleneksel bakım kolaylığı prensiplerinin yapay zeka destekli geliştirme çağında da geçerliliğini koruduğunu, model seçimi, ajan altyapısı ve prompt tasarımı gibi faktörlerin yanına kod temizliğinin de ajan davranışını etkileyen somut bir değişken olarak eklendiğini gösteriyor. Mühendisler için bu, performans metriklerinin ötesinde maliyet ve verimlilik açısından kod kalitesine yatırım yapmanın hâlâ önemli olduğu anlamına geliyor.