📰 Hikayesi ve Doğuşu
Yazılımcılar günlerinin büyük bir bölümünü Cursor, Windsurf, Claude Code veya Aider gibi yapay zekâ destekli kodlama araçlarıyla geçiriyor. Ancak bu süreçte biriken binlerce satırlık zengin prompt mühendisliği, kod bağlamları, diff kayıtları ve mimari tartışmalar, her IDE'nin kendi kapalı yerel veritabanında (SQLite, izole JSON veya önbellek dosyaları) hapsolmuş durumda. Bir IDE çökmesi, önbellek temizliği ya da araç değişimi, geliştiricinin aylarca biriktirdiği kolektif hafızanın yok olmasına yol açabiliyor. Bağımsız geliştirici nachisama, bu veri kilitlenmesini (vendor lock-in) kırmak ve geliştiricilerin kendi üretim verilerine tam hakimiyet sağlaması amacıyla ai-data-extractor projesini açık kaynak olarak geliştirdi.
⚡ Nasıl Çalışıyor & Mimari Detaylar
ai-data-extractor'ın en çarpıcı mimari tercihi, hiçbir üçüncü taraf kütüphaneye ihtiyaç duymadan yalnızca Python standart kütüphanesi (Python 3.9+) ile çalışmasıdır. Betik, işletim sistemini (macOS, Linux veya Windows) otomatik olarak algılar ve kullanıcıya hiçbir yol tanımlatmadan standart uygulama dizinlerini tarar. Araç, her asistanın farklı depolama stratejisini çözümler: Cursor'ın SQLite tabanlı state.vscdb veritabanını, Claude Code'un oturum bazlı JSONL akışlarını, Cline/Roo Code'un ham Anthropic formatındaki görev ağaçlarını ve hatta Aider'ın proje kök dizinlerinde tuttuğu Markdown günlüklerini ayrıştırır. Kullanıcı mesajları, asistan yanıtları, kod parçacıkları, önerilen diff'ler ve model çağrıları evrensel ve normalize edilmiş tek bir JSONL şemasına dönüştürülür.
💡 Neden Radarımıza Girdi?
Yapay zekâ ekosisteminde kişisel veri mülkiyeti ve yerel model ince ayarı (fine-tuning) giderek daha kritik bir hal alıyor. Geliştiriciler artık kendi kodlama tarzlarına göre optimize edilmiş küçük dil modelleri (SLM) eğitmek veya AI harcamalarını ve problem çözme örüntülerini analiz etmek istiyor. ai-data-extractor, 10'dan fazla kodlama aracını tek potada eriten şık dönüştürücüsü, sıfır bağımlılık gerektiren hafif yapısı ve veri taşınabilirliğine getirdiği pratik çözümle Weezir Radar'ın dikkatini çekti.
🚀 Nasıl Denenir & Kaynaklar
Aracı kullanmak için ek bir paket kurulumuna gerek yoktur. GitHub deposunu klonladıktan sonra etkileşimli terminal menüsünü başlatmak veya doğrudan tüm verileri dışa aktarmak mümkündür:
git clone https://github.com/nachisama/ai-data-extractor
cd ai-data-extractor
python extract.py --allDışa aktarılan veri seti doğrudan Hugging Face, Unsloth veya Axolotl gibi fine-tuning araçlarına beslenebilecek temizlikte sunulmaktadır. Proje kodlarına ve detaylı dokümantasyona GitHub deposu üzerinden erişebilirsiniz.