Claude Code nasıl verimli kullanılır?

yutel

Megapat
Katılım
3 Ocak 2018
Mesajlar
308
Çözümler
2
Daha fazla  
Cinsiyet
Erkek
Selamlar herkese, Claude code kullanmaya başladım. X'te bir sürü şey gördüm, memory arttırma, en iyi kullanım şeyleri falan. Nasıl kullanmaya başlamalıyım? Neye dikkat etmeliyim kullanırken? Token israfı olmaması için ne yapmalıyım? Claude. Md dosyası nasıl olmalı ve skills diye bir şey çıkmış. Bunları pek bilmiyorum. Bana yol gösterebilir misiniz?
 
Son düzenleyen: Moderatör:
Ilk once basic promptlar ile baslayip, devaminda kendinizi gelistirmenizi oneririm. Herseyi bir anda ogrenmek zorunda degilsiniz. Md dosyasi icin de; basarmak istediginiz hedefi chatGPT"ye yazdirip bunu benim icin Claude code prompt'a cevirir misin demeniz yeterli.

Ben su sekil calisiyorum mesela:
Lokalde Docker, docker'da N8N instance,
VSCode + Cline (Claude Sonnet 4.5) + n8n MCP

Benim dun aksam yarattigim bir projenin ornegi su sekilde mesela:

# Project Specification: Audio Transcription WebApp PoC

## 1. Overview
A lightweight web application that allows users to record their voice, sends the audio to an n8n webhook, and displays the returned transcription in an editable format.

## 2. User Flow
1. **Landing:** User sees a clean interface with a large "Record" button.
2. **Recording:**
* User taps "Record".
* Browser requests Microphone permission.
* UI changes to "Recording Mode" (Visual waveform or pulsing animation).
* User can hit "Pause" (optional) or "Stop".
3. **Processing:**
* Upon "Stop", the app creates a `Blob` of the audio.
* UI shows a progress bar/spinner with status: "Uploading & Transcribing...".
* App POSTs the audio `FormData` to the configured N8N Webhook URL.
4. **Result:**
* N8N returns JSON `{ "text": "Transcribed text here..." }`.
* UI displays the text in a `div` with `contentEditable={true}` (styled like a document).
* UI displays an HTML5 `<audio>` player to listen to the recorded blob.
* User can manually edit the text if the AI made mistakes.

## 3. Technical Requirements

### A. Configuration (`src/config.js`)
* Export a constant `WEBHOOK_URL`.
* *Note for AI:* Use a placeholder URL (e.g., `https://your-n8n-instance.com/webhook/transcribe`) but add a comment telling the user where to change it.

### B. Frontend Components
1. **`AudioRecorder.jsx`**:
* Handles `navigator.mediaDevices.getUserMedia`.
* Manages `MediaRecorder` state (recording, paused, stopped).
* Visual feedback (e.g., a pulsing red ring or simple CSS animation).
2. **`TranscriptionEditor.jsx`**:
* Receives the text string.
* Renders a generic `div` or `textarea` that is fully editable.
* Minimal styling: looks like a clean notepad.
3. **`App.jsx`**:
* Orchestrates the state.
* Handles the `fetch` POST request to N8N.

### C. Styling (Tailwind)
* **Theme:** Modern, Minimalist, Mobile-First.
* **Colors:** Slate/Gray background, Indigo primary buttons.
* **Responsiveness:** Must look native on iOS/Android webviews.

### D. Data Handling
* **Upload Format:** `multipart/form-data`. Field name: `file`.
* **Response Handling:** Expects JSON. Handle errors (e.g., "Transcription failed").

## 4. Deployment Config (CRITICAL)
* **Vite Config:** Ensure `base` is set to relative (`'./'`) so the app works when hosted at `example.com/recorder/` instead of root.


Can you create this workflow (name as: opScribe-POC) described below in my local n8n (http://localhost:5678/) instance? login credentials for n8n are as follows: *** / ***

ACT AS an Expert Automation Engineer specializing in N8N workflows and API integrations.
YOUR GOAL is to generate the valid JSON code for an N8N workflow that acts as a backend for a Voice-to-Text web app.
CONTEXT:
I have a React frontend hosting on a shared server. It records audio (blob) and uploads it via POST to this N8N webhook.
- **Input:** multipart/form-data containing a binary file field named file.
- **Output:** A JSON response: { "text": "The cleaned and corrected transcription text." }
REQUIREMENTS for the JSON:
1. **Webhook Node:**
* Method: POST
* Path: /transcribe
* Authentication: None (for PoC)
* Response Mode: Last Node (Important for returning the JSON back to the UI).
2. **Transcription Node (OpenAI Whisper):**
* Input: Binary property file.
* Format: Output text.
3. **Correction Node (Google Gemini or OpenAI Chat Model):**
* Input: The text from the transcription node.
* System Prompt: "You are a professional editor. Receive the following raw transcription. Fix punctuation, capitalization, and remove filler words (um, uh). Do not change the meaning. Return ONLY the corrected text."
4. **Respond to Webhook Node:**
* Must return a JSON object with a single key text containing the output from the Correction Node.
* *Critical:* Ensure headers are set to allow CORS (Access-Control-Allow-Origin: *) so my webapp can read the response.
OUTPUT:

After the instance you've created, list which Credentials I will need to manually configure.
 
Hocam mesela Claude code a o promtu vermek için nasıl konuşmak lazım. Sadece GPT'ye "şunları yapmak istiyorum, Claude code a yaptıracağım. Bana promptunu ver" mi demek lazım
 
Elinden geldigince detayli olmaya calis. Diyelimki fotografi taniyacak ve onu yorumlayacak bir app yaptiracaksin. Ornegin, ChatGPT'ye su sekilde bir komut verirsen (tamamen uydurdum bu arada, bunu kullanip da app yapma kendine):

Aklimda bir proje var. Bir kullanici websitesine girdiginde yukleyecegi bir fotografin yapay zeka servislerini kullanarak yorumlamasini istiyorum. Fotograf bir veritabaninda saklanmayacak ve gecici olarak hafizada tutulacak, sayfa yenilendiginde hersey sifirdan baslayacak. Bu sistemin tum browserlar tarafindan desteklenmesini, native OS arabirimini kullanarak dosyayi yuklemelerini bekliylorum. Simdi bir yazilim ve UI uzmani olarak dusunmeni, ayrica fotografci bakis acisindan dusunerek bana bu yapmak istedigim proje ile ilgili VSCode, Cline ve Claude Sonnet 4.5 alt yapisi kullanmak uzere detayli bir prompt (readme.md) dosyasi hazirlamani istiyorum. Bu bir webapp olacagindan React veya buna benzer framework kullanarak, tailwind ile etkileyici gorsel bir arabirime sahip, kullanimi ve gelistirmesi kolay, turkce dilinde bir app hazirlamam icin prompt'u verebilir misin?

su sekilde bir cikti alirsin:

# Fotoğraf Yorumlayan AI Web Uygulaması (TR) - Cline + Claude Sonnet 4.5 için Uygulama Promptu

Bu doküman, VSCode içinde Cline kullanarak Claude Sonnet 4.5 ile geliştirilecek bir web uygulamasını sıfırdan üretmek için hazırlanmış kapsamlı bir uygulama promptudur. Uygulama, kullanıcının tarayıcıdan seçtiği fotoğrafı (veritabanına kaydetmeden) yapay zeka servisleriyle yorumlar. Sayfa yenilenince her şey sıfırlanır.

---

## 1) Rol ve Beklenti

Sen kıdemli bir Full Stack Web geliştiricisisin. Aynı zamanda güçlü bir UI/UX uzmanısın ve fotoğrafçı bakış açısıyla fotoğrafları teknik ve estetik açıdan analiz edebiliyorsun.

Hedefin:
  • Türkçe arayüzlü, modern görünümlü, hızlı, erişilebilir ve tüm güncel tarayıcılarda çalışan bir webapp geliştirmek.
  • Fotoğraf dosyası hiçbir kalıcı depolamaya yazılmayacak (DB yok, disk yok). Yalnızca RAM içinde ve yalnızca kullanıcı oturumu boyunca.
  • Kullanıcı native işletim sistemi dosya seçicisi ile yükleme yapacak (input type="file"). Sürükle-bırak ek özellik olabilir ama ana yol native seçici olmalı.
  • AI yorumlama bir backend API üzerinden yapılmalı (API anahtarları istemciye sızmamalı).
  • Varsayılan olarak gizlilik odaklı: loglarda görsel içeriği, base64, prompt, yanıt saklama yok.

---

## 2) Ürün Tanımı (Kullanıcı Hikayeleri)

### Ana akış
1. Kullanıcı siteyi açar.
2. Fotoğrafını "Dosya Seç" butonu ile OS dosya seçiciden seçer.
3. Seçilen fotoğraf anında sayfa içinde önizlenir (RAM’de tutulur).
4. Kullanıcı "Yorumla" der.
5. Uygulama fotoğrafı backend’e geçici olarak gönderir, AI servisinden sonuç alır.
6. Sonuçlar Türkçe, anlaşılır, bölümlenmiş kartlar halinde gösterilir.
7. Kullanıcı "Sıfırla" derse tüm state temizlenir.
8. Sayfa yenilenirse otomatik olarak her şey sıfırlanmış olur.

### Fotoğrafçı odaklı yorum başlıkları
  • Teknik analiz: pozlama, dinamik aralık, gürültü, keskinlik, odak, renk doğruluğu, beyaz ayarı
  • Kompozisyon: kadraj, ufuk, denge, üçüncü kural, negatif alan, konu ayrımı
  • Işık: ışık yönü, sertlik-yumuşaklık, gölgeler, highlights, altın saat etkisi
  • Hikaye ve duygu: fotoğrafın verdiği mesaj, dikkat noktası
  • İyileştirme önerileri: çekim anı önerileri + düzenleme (edit) önerileri
  • Varsa meta: EXIF özet (kamera, lens, enstantane, ISO, diyafram) ve bunun yoruma etkisi

Not: EXIF her görselde olmayabilir. EXIF yoksa bunu nazikçe belirt.

---

## 3) Teknik Kısıtlar ve Gizlilik

Kesin kurallar:
  • Fotoğraf veritabanına kaydedilmeyecek.
  • Fotoğraf dosyası sunucuda diske yazılmayacak.
  • Sunucu tarafında request body ya da base64 kesinlikle loglanmayacak.
  • Uygulama yenilendiğinde state sıfırlanacak (kalıcı state yok, localStorage yok).
  • Analiz sonucu da kalıcı depolanmayacak (opsiyonel kopyala butonu olabilir).
  • Maksimum dosya boyutu sınırı koy: örn 8 MB.
  • Kabul edilen formatlar: JPEG, PNG, WEBP (HEIC için opsiyonel açıklama: bazı tarayıcılarda destek sınırlı olabilir).

---

## 4) Önerilen Teknoloji Yığını

Aşağıdaki stack ile ilerle:

  • Frontend: React + TypeScript
  • Framework: Next.js (App Router) tercih et
  • Stil: Tailwind CSS
  • UI bileşen yaklaşımı: Headless UI (isteğe bağlı) + kendi bileşenlerin
  • Form doğrulama: Zod
  • İstek: fetch (yerleşik)
  • Test: Vitest + React Testing Library (en azından temel), opsiyonel Playwright e2e
  • Lint/format: ESLint + Prettier
  • Deploy: Vercel uyumlu yapı (disk yazma yok)

AI tarafı:
  • Claude Sonnet 4.5 API (server-side)
  • Görsel gönderimi: multipart/form-data veya base64 data URL (multipart tercih et)
  • Yanıt formatı: JSON şeması ile güvenilir parse edilebilir çıktı

---

## 5) Proje Kurulumu ve Komutlar

İstenen proje adı: fotograf-yorumlayici

Kurulum adımları:
1. Next.js + TS projesi oluştur
2. Tailwind’i kur ve yapılandır
3. UI bileşenlerini ekle
4. API route yaz
5. Analiz ekranını tamamla
6. Test ve lint kur

Komutlar:
  • npm run dev
  • npm run build
  • npm run lint
  • npm run test (temel)

---

## 6) Klasör Yapısı (Öneri)
/app
/api
/analyze
route.ts
layout.tsx
page.tsx
/components
UploadCard.tsx
ImagePreview.tsx
AnalysisPanel.tsx
PrivacyNote.tsx
Header.tsx
/lib
ai
claude.ts
image
validate.ts
schema
analysis.ts
/styles
globals.css

---

## 7) UI/UX Tasarım Şartnamesi (Tailwind)

Genel görünüm:
  • Modern, fotoğraf odaklı, sade ama premium his
  • Koyu tema varsayılan olabilir (fotoğraf değerlendirmede iyi durur), ama açık tema opsiyonel
  • Responsive: mobilde tek kolon, desktopta 2 kolon (sol: yükleme + önizleme, sağ: analiz)

Bileşenler:
1. Header
- Uygulama adı
- Kısa açıklama
2. UploadCard
- Büyük bir drop area görünebilir ama ana aksiyon buton: "Dosya Seç"
- Desteklenen formatlar ve boyut limiti küçük metin
- Dosya seçilince dosya adı, boyut
3. ImagePreview
- Seçilen fotoğrafı güvenli şekilde göster
- "Fotoğrafı Değiştir" ve "Sıfırla"
4. AnalysisPanel
- Sekmeler veya akordeon: "Özet", "Teknik", "Kompozisyon", "Işık", "Öneriler", "EXIF"
- Loading state: skeleton + "Analiz ediliyor" mesajı
- Error state: kullanıcı dostu hata ve tekrar dene
- Sonuçlar kopyalanabilir (clipboard)
5. PrivacyNote
- Kısa ve net: "Fotoğrafınız kaydedilmez. Sayfa yenilenince silinir." gibi

Erişilebilirlik:
  • Klavye ile tam kullanım
  • Butonların aria-label’ları
  • Kontrast ve okunabilirlik
  • Görsel önizlemede alt metin

---

## 8) Uygulama Mantığı (State Yönetimi)

Kurallar:
  • Fotoğraf state’i yalnızca memory: React state veya useRef
  • Yenilemede sıfırlanması zaten otomatik
  • localStorage, indexedDB, service worker cache kullanma
  • Analiz sonucunu da yalnızca state’te tut

Örnek state alanları:
  • file: File | null
  • previewUrl: string | null (URL.createObjectURL ile)
  • analysis: AnalysisResult | null
  • loading: boolean
  • error: string | null

Güvenlik:
- previewUrl her değişimde revoke edilmeli: URL.revokeObjectURL

---

## 9) Backend API (Next.js Route Handler)

Endpoint:
  • POST /api/analyze
  • Content-Type: multipart/form-data
  • Alanlar:
- image: File
- mode: string (ör: "teknik", "yaratici", "egitici")
- detailLevel: string (ör: "kisa", "orta", "detayli")

Doğrulama:
  • MIME type kontrolü
  • Boyut kontrolü
  • Hata mesajları Türkçe ve anlaşılır

AI çağrısı:
  • Sunucu tarafında Claude Sonnet 4.5 API kullan
  • API anahtarı .env.local içinde
  • Yanıtı JSON şemasına uydur
  • Model çıktısı metin ise, güvenilir JSON üretimi için modelden doğrudan JSON dönmesini iste ve parse et
  • Parse hatasında kullanıcıya "Analiz sonucu beklenmedik formatta geldi" gibi mesaj ver

Loglama:
  • İstek body’si, base64, prompt, model yanıtı loglanmayacak
  • Sadece anonim hata kodu ve zaman gibi minimal bilgi

---

## 10) AI Prompt Tasarımı (Fotoğrafçı Bakış Açısı)

Sistem yönergesi gibi davran:
  • Kullanıcıya Türkçe yanıt
  • Yargılayıcı değil, yapıcı dil
  • Belirsizlik varsa bunu belirt
  • EXIF yoksa varsayım yapma, "görüntüye göre" de

Modelden istenecek çıktı formatı:
  • Tamamen JSON
  • Şema örneği:

```json
{
"summary": {
"oneLiner": "Tek cümlelik genel yorum",
"strengths": ["..."],
"risks": ["..."]
},
"technical": {
"exposure": "...",
"sharpness": "...",
"noise": "...",
"whiteBalance": "...",
"dynamicRange": "...",
"focus": "..."
},
"composition": {
"framing": "...",
"subjectSeparation": "...",
"balance": "...",
"horizon": "...",
"suggestions": ["..."]
},
"light": {
"quality": "...",
"direction": "...",
"highlightsShadows": "...",
"suggestions": ["..."]
},
"editingTips": {
"global": ["..."],
"local": ["..."],
"color": ["..."]
},
"shootingTips": ["..."],
"exif": {
"hasExif": false,
"camera": null,
"lens": null,
"iso": null,
"aperture
 
Tamamdır hocam çok sağ olun. Şimdi daha net oturdu kafama. Peki bunu GPT mi daha iyi hazırlıyor? Bir de Claude code için templateler falan gördüm. Onları kullanmalı mıyım? Daha sonra mı bakayım
 
Inceleyip ogrenebilirsin. ChatFPT daha fazla egitilmis bir model, Gemini biraz daha az kullaniliyor.
 

Bu konuyu görüntüleyen kullanıcılar

Technopat Haberler

Geri
Yukarı