Deep Work Plan
Deep Work Plan, MIT lisanslı, aracıdan bağımsız, spesifikasyon odaklı bir metodolojidir ve herhangi bir depoyu kalıcı bir "aracı donanımına" (bağlam, koruma önlemleri ve devam ettirilebilir planlar) dönüştürerek kodlama aracılarının uzun vadeli işleri açık kabul kriterleri ve doğrulama geçitleriyle güvenilir bir şekilde yürütmesini sağlar.
https://deepworkplan.com/?ref=producthunt&utm_source=aipure
Ürün Bilgisi
Güncellendi:Jun 18, 2026
Deep Work Plan Nedir
Deep Work Plan, yapay zeka kodlama aracıları için tasarlanmış yapılandırılmış bir yürütme çerçevesidir ve migrasyonlar, birçok dosya arasında yeniden düzenlemeler veya yeni alt sistemler oluşturma gibi çok saatlik veya çok günlük mühendislik çalışmalarında "sapmayı" önlemeyi amaçlar. Bir aracının kısa vadeli bağlam penceresine güvenmek yerine, standartlaştırılmış, denetlenebilir Markdown yapıtları (örneğin, AGENTS.md, docs/ ve bir .agents/ kiti) ve bir git-native planlama çalışma alanı (.dwp/) yükleyerek depoyu doğruluk kaynağı haline getirir. Sonuç, herhangi bir aracının işi devralabileceği, aynı koruma önlemlerini takip edebileceği ve doğrulanabilir sonuçlar üretebileceği, ekipler için taşınabilir, tekrarlanabilir, spesifikasyon odaklı bir geliştirme yöntemidir.
Deep Work Plan Temel Özellikleri
Deep Work Plan, herhangi bir kod deposunu uzun vadeli yapay zeka kodlama çalışmaları için yapılandırılmış bir "çalışma ortamına" dönüştüren, MIT lisanslı, ajandan bağımsız bir metodoloji ve beceri paketidir. Ajanların açık kabul kriterleri ve doğrulama geçitleri ile çok saatlik görevleri yürütebilmeleri, sapmayı azaltmaları ve bağlam sınırlarından sonra güvenilir bir şekilde devam edebilmeleri için depoya özgü planlama ve yürütme yapıtlarını (örneğin, AGENTS.md, kategorize edilmiş bir docs/ ağacı, çapraz ajan .agents/ kiti ve gitignored .dwp/ çalışma alanı) yükler; tüm bunlar harici daemon'lar, hesaplar veya telemetri gerektirmez.
Depo-çalışma ortamı olarak başlangıç: Deponun gerçek yığınını (diller, çerçeveler, manifestolar, CI) inceler ve uyarlanmış yapıtlar oluşturur - genel yer tutucuları hata olarak ele alır - böylece depo kendisi ajanlar için kalıcı bir yürütme ortamı haline gelir.
Doğrulama geçitleri ile spesifikasyon odaklı Derin Çalışma Planları: Açık kabul kriterleri ve doğrulama adımlarıyla devam ettirilebilir planlar oluşturur, uzun vadeli çalışmayı denetlenebilir kılar ve birçok dosya ve karar arasında çalışma ortasında sapmayı önler.
Ajandan bağımsız, Markdown öncelikli iş akışı: Birden fazla ajanın/aracın aynı doğruluk kaynağını takip edebilmesi için Markdown ve basit prosedürler kullanır; adaptörler Claude Code, Cursor, Codex, Copilot, Gemini, Windsurf, Cline ve daha fazlasını destekler.
AGENTS.md + sembolik bağlantılar aracılığıyla birleşik kurallar: Depo köküne AGENTS.md yazar ve CLAUDE.md'yi ona sembolik olarak bağlar, ayrıca bir .claude → .agents sembolik bağlantısı, farklı araçların tutarlı bir talimat setini okumasını sağlar.
.dwp/ ile Git-yerel devam ettirilebilirlik: Planları/taslakları gitignored .dwp/ klasöründe saklar ve harici hizmetler yerine git durumuna güvenir, bağlam taşmasından sonra kurtarmayı ve oturumlar veya ajanlar arasında kolay aktarımı sağlar.
Objektif uygunluk kontrolleri: Spesifikasyona karşı geçme/kalma uygunluğunu üreten bir doğrulama komutu içerir, "yapay zeka odaklı" depo hazırlığını ölçülebilir ve zamanla tekrar kontrol edilebilir hale getirir.
Deep Work Plan Kullanım Alanları
SaaS mühendislik ekiplerinde büyük yeniden düzenlemeler: Çok dosyalı yeniden düzenlemeleri (örneğin, mimari temizliği, modül sınırları, bağımlılık yükseltmeleri) kabul kriterleri ve doğrulama adımlarıyla planlayın ve yürütün, böylece çalışma saatler/günler boyunca tutarlı kalır.
Çerçeve veya platform geçişleri: Uzun vadeli geçişleri (örneğin, derleme sistemi değişiklikleri, API sürüm yükseltmeleri, monolit-modüler geçişler) tekrar edilebilir doğrulama için devam ettirilebilir durum ve depodan türetilmiş komutlarla çalıştırın.
Yeni veya devralınan depolarda yapay zeka odaklı başlangıç: AGENTS.md ve kategorize edilmiş docs/ belgelerini gerçek kod tabanından oluşturarak dokümantasyonu, komutları ve ajan kurallarını standartlaştırın, yeni ekipler veya satın almalar için sürdürülebilirliği iyileştirin.
Çoklu depo programlarında işin orkestrasyonu: Karmaşık ürün ekosistemlerinde sınırları, navigasyonu ve doğrulamayı tutarlı tutarak, birkaç depo arasında alt planları koordine etmek için "orkestratör merkezi" arketipini kullanın.
Düzenlenmiş veya gizliliğe duyarlı geliştirme ortamları: Planları ve yürütme durumunu yerel ve git-yerel tutarak harici telemetri veya hesaplar olmadan ajan destekli iş akışlarını benimseyin; finans, sağlık veya dahili kurumsal kod tabanları için faydalıdır.
Artıları
Ajandan bağımsız ve taşınabilir: Markdown'ı ortak arayüz olarak kullanarak birçok kodlama ajanı/aracı arasında çalışır.
Uzun vadeli sapmayı azaltır: açık kabul kriterleri ve doğrulama geçitleri, çok saatlik çalışmayı doğrulanabilir kılar.
Git-yerel ve devam ettirilebilir: harici durum yok, bağlam taşmalarından sonra kurtarmayı ve kolay aktarımları sağlar.
Başlangıç gerçek depoya uyum sağlar: şablonlar yerine gerçek manifestolar ve CI'ye dayalı komutlar/belgeler oluşturur.
Eksileri
Daha uzun, yapılandırılmış işler için en uygunudur: hızlı tek seferlik düzenlemeler veya çok küçük depolar için ağır gelebilir.
Kalite depo hijyenine bağlıdır: belirsiz testler/CI veya eksik manifestolar, başlangıcın doğrulama komutlarını ne kadar iyi çıkarabileceğini sınırlayabilir.
Süreç benimsemesi gerektirir: ekiplerin sapma azaltma faydalarını tam olarak gerçekleştirmek için spesifikasyon/plan disiplinine bağlı kalmaları gerekir.
Deep Work Plan Nasıl Kullanılır
1) Bir hedef depo ve uzun vadeli bir görev seçin: “Yapay zeka öncelikli” hale getirmek istediğiniz depoyu ve genellikle aracı sapmasına neden olan bir görevi (geçiş, yeni alt sistem, çoklu dosya yeniden düzenlemesi) seçin. Deponun temiz olduğundan emin olun (yerel değişiklikleri commit edin veya stash'leyin), böylece Deep Work Plan'ın başlangıcı atomik olarak commit edilebilir.
2) Kodlama aracınızı /init.md'ye yönlendirerek başlangıcı başlatın: Aracınızda (Claude Code, Cursor, Codex, Copilot, Gemini vb.), https://deepworkplan.com/init.md adresindeki başlangıç istemini açmak ve takip etmek için tek bir talimat verin. Bu, aracıya hangi metodolojiyi benimseyeceğini ve hangi yapıtları oluşturacağını söyleyen giriş noktasıdır.
3) Aracının yığınınız hakkında akıl yürütmesine izin verin (şablon yok): Aracı, dilleri/çerçeveleri, paket yöneticisini ve gerçek doğrulama komutlarını (test/lint/build) çıkarmak için deponuzun gerçek manifestolarını, klasör düzenini ve CI'sını inceler. Ayrıca depoyu bireysel bir depo veya bir orkestratör merkezi olarak sınıflandırır.
4) AGENTS.md'yi kalıcı doğruluk kaynağı olarak oluşturun ve commit edin: Aracı, deponuzun gerçek komutları ve kurallarıyla (yer tutucular değil) doldurulmuş AGENTS.md'yi depo köküne yazar. Araçlarınız tarafından CLAUDE.md kullanılıyorsa, tek bir kanonik talimat seti olması için AGENTS.md'ye sembolik olarak bağlanır.
5) Kategorize edilmiş docs/ ve modül başına dokümantasyon oluşturun: Aracı, bir docs/ hiyerarşisi (kurulum, mimari, standartlar, sorun giderme) iskeletini oluşturur ve uygun yerlerde (özellikle monorepolarda) modül başına README/docs oluşturur. Bu dokümantasyon, kod tabanınızdan ve build/CI gerçekliğinizden türetilir.
6) Çapraz aracı .agents/ kitini iskeletini oluşturun: Aracı, bir .agents/ dizini (beceriler, aracılar, komutlar) oluşturur ve birden fazla aracı aracının aynı operasyonel kiti okuyabilmesi için .claude → .agents sembolik bağlantısını ekler. Bu, depoyu aracılar arasında taşınabilir hale getirir.
7) Deep Work Plan beceri paketini yükleyin ve .dwp/ durumunu oluşturun: Aracı, DWP beceri paketini (oluştur, yürüt, iyileştir, devam et, durum, doğrula, başlat, yazar) yükler ve planlar ve taslaklar için gitignore'lu bir .dwp/ klasörü iskeletini oluşturur. Temel fikir, harici durum olmadan Git-native devam ettirilebilirliktir.
8) /dwp-verify ile uyumluluğu doğrulayın: Deep Work Plan spesifikasyonuna karşı nesnel bir geçme/kalma raporu oluşturmak için doğrulama komutunu (/dwp-verify) çalıştırın. Depo tekrar doğrulanabilir şekilde “Yapay Zeka öncelikli” olana kadar tüm hataları düzeltin.
9) Göreviniz için bir Deep Work Plan oluşturun (spesifikasyon odaklı): Açık kabul kriterleri ve doğrulama geçitleri (testler/lint/build komutları) içeren bir plan oluşturmak için DWP oluşturma akışını (örneğin, /dwp-create) kullanın. Plan, herhangi bir aracının onu yürütebileceği ve ilerlemenin kontrol edilebilir olduğu şekilde yazılmalıdır.
10) Doğrulama geçitleriyle planı adım adım yürütün: Yürütme akışını (örneğin, /dwp-execute) çalıştırın. Aracı planı takip eder, dosyalar arasında değişiklikleri uygular ve tanımlanmış geçitlerde belirtilen doğrulama komutlarını çalıştırır. Bu, sapmayı azaltır ve işi doğrulanabilir tutar.
11) İlerlemeyi takip edin ve gerçeklik değiştiğinde ayarlayın: Yeni bilgiler ortaya çıktığında planı güncellemek için durum ve iyileştirme akışlarını (örneğin, /dwp-status, /dwp-refine) kullanın. Kabul kriterlerini ve geçitleri güncel tutun, böylece plan kalıcı doğruluk kaynağı olarak kalır.
12) Oturumlar arasında güvenilir bir şekilde devam edin (bağlam taşması sonrasında bile): Aracı görev ortasında durursa veya bağlam taşarsa, devam etme akışını (örneğin, /dwp-resume) kullanın. Planlar/taslaklar gitignore'lu .dwp/ klasöründe yaşadığı ve depo donanımı (AGENTS.md, docs, .agents/) içerdiği için, herhangi bir uyumlu aracı, bir önceki aracının kaldığı yerden devam edebilir.
13) (İsteğe Bağlı) Donanımı genişletmek için yazar araçlarını kullanın: Depoya özgü otomasyona ihtiyacınız varsa, .agents/ altında yeni beceriler/aracılar/komutlar eklemek için yazar alt becerisini (skill-create, agent-create) kullanın. Bu, deponun zamanla kendi tekrarlanabilir prosedürlerini geliştirmesine olanak tanır.
14) (İsteğe Bağlı) Çoklu depo programları için orkestratör merkezi iş akışı: Başlangıç, deponuzu bir orkestratör merkezi olarak sınıflandırdıysa, her alt depoda çocuk Deep Work Plan'ları oluşturmak için merkezin manifestosunu/dizinini kullanın. Her çocuk plan kendi deposunda commit yaparken, merkez sınırları ve navigasyonu koordine eder.
Deep Work Plan SSS
Deep Work Plan, bir kod deposunu yapılandırılmış bir "koşum takımı"na (bağlam, koruyucu çitler ve kalıcı bir plan) dönüştüren, MIT lisanslı, ajandan bağımsız bir metodoloji ve beceri paketidir, böylece yapay zeka kodlama ajanları, belirtim odaklı geliştirme, açık kabul kriterleri ve doğrulama geçitleri kullanarak uzun ufuklu işleri güvenilir bir şekilde yürütebilir.
Popüler Makaleler
Atoms: Fikirleri Lansmana Hazır Ürünlere Dönüştüren Çoklu Ajan Yapay Zeka Platformu
May 22, 2026
Nano Banana SBTI: Nedir, Nasıl Çalışır ve 2026'da Nasıl Kullanılır
Apr 15, 2026
Atoms İncelemesi — 2026'da Dijital Oluşumu Yeniden Tanımlayan Yapay Zeka Ürün Geliştiricisi
Apr 10, 2026
Kilo Claw: Gerçek Bir "Senin Yerine Yapan" Yapay Zeka Aracısı Nasıl Kurulur ve Kullanılır (2026 Güncellemesi)
Apr 3, 2026
Deep Work Plan Benzer En Yeni Yapay Zeka Araçları
Gait
Gait, AI destekli kod üretimini sürüm kontrolü ile entegre eden bir işbirliği aracıdır, ekiplerin AI tarafından üretilen kod bağlamını verimli bir şekilde takip etmelerini, anlamalarını ve paylaşmalarını sağlar.
invoices.dev
invoices.dev, geliştiricilerin Git commit'lerinden doğrudan fatura oluşturan otomatik bir faturalama platformudur; GitHub, Slack, Linear ve Google hizmetleri için entegrasyon yetenekleri vardır.
EasyRFP
EasyRFP, RFP (Teklif Talebi) yanıtlarını kolaylaştıran ve derin öğrenme teknolojisi ile gerçek zamanlı alan fenotipleme sağlayan AI destekli bir kenar bilişim araç takımıdır.
Cart.ai
Cart.ai, kodlama, müşteri ilişkileri yönetimi, video düzenleme, e-ticaret kurulumu ve 24/7 destek ile özel AI geliştirme dahil kapsamlı iş otomasyon çözümleri sunan AI destekli bir hizmet platformudur.
Deep Work Plan Gibi Popüler Yapay Zeka Araçları
GitHub Copilot Chat
GitHub Copilot Chat, desteklenen IDE'ler ve GitHub.com içinde doğal dil etkileşimleri, gerçek zamanlı kod önerileri ve bağlamsal destek sağlayan AI destekli bir kodlama asistanıdır.
CopilotForXcode
CopilotForXcode, Xcode içinde AI destekli kod önerileri, sohbet yardımı ve prompt-to-code işlevselliği sağlamak için GitHub Copilot, Codeium ve ChatGPT'yi entegre eden bir Xcode Kaynak Editörü Uzantısıdır.
BrowserAI
BrowserAI, sunucu altyapısı gerektirmeden gizlilik odaklı yapay zeka yetenekleri sunarak, WebGPU hızlandırmasıyla doğrudan web tarayıcılarında yerel Büyük Dil Modellerini (LLM'ler) çalıştırmayı sağlayan açık kaynaklı bir kitaplıktır.
OpenAI Codex CLI
OpenAI Codex CLI, terminalinizde çalışan, geliştiricilerin doğal dili kod yürütmeye çevirmesini sağlayan, kod çalıştırma, dosyaları manipüle etme ve sürüm kontrolü altında yineleme yeteneği ile ChatGPT düzeyinde akıl yürütme sağlayan hafif, açık kaynaklı bir kodlama aracıdır.