Stageshow skill'i Claude Code'da tasarımı iyileştiriyor mu? Dört kör testte hayır
Stageshow skill'i Claude Code'daki tasarımı iyileştiriyor mu?
Hayır: Stageshow skill'i Claude Code'daki dört kör testin dördünde de skill'siz tarafa kaybetti, hüküm kırmızı. Yapay zekâ yargıçların 13 oyundan yalnız 2'si skill'li tarafa gitti ve skill'li taraf her denemede daha çok token harcadı, 1,3 kattan 7 kata kadar. Skill temiz iş çıkarıyor ama iyi fikri sizin yerinize bulmuyor; her seferinde daha iyi hikâye kuran skill'siz taraf kazandı.
Oynatıcı, oynat düğmesine basınca YouTube'un gizliliği artırılmış modunda açılır. O ana kadar sayfa YouTube'a bağlanmaz.
4 deney, kör oylar
| Deney | Ne değişti | Kör oy (skill'li tarafın aldığı) | Token oranı (skill'li / skill'siz) |
|---|---|---|---|
| Tur 1 | ilk deneme | 0/3 | 1,3 |
| Tur 2 | genel geri bildirim, /stageshow | 0/3 | 2,0 |
| Temyiz (Tur 3) | detaylı brif | 1/3 | 6,1 |
| Kılavuz v1 | küçük iş + marka | 0/3 | 7,1 (alt ajan dahil) |
| Kılavuz v4 | + 3 tur eleştirmen | 1/3 | 3,8 (toplam) |
| Toplam | — | 2/13 | — |
Tur 1 ve 2'de ben, sunucudaki yapay zekâ asistanım Hermes ve Gemini, temyiz ve kılavuzda Gemini ile hafızasız iki Claude ajanı oy verdi; toplamdaki 2/13 yalnız yapay zekâ yargıçların oyları.
Öne çıkanlar
- İlk denemede üç yargıcın üçü de skill'siz tarafın tanıtımını daha iyi buldu; skill'li tarafın ne markası ne başlığı vardı ve su halkası hedefe hiç ulaşmadı, yani işçilikte değil hikâyede kaybetti.
- İki tarafa aynı geri bildirim cümlesi verilip skill açıkça çağrıldığında da sonuç değişmedi, oylar yine üçe sıfır skill'siz taraftaydı.
- Hikâyeyi madde madde yazdığımız temyizde fark daraldı ama yön değişmedi: oylar 2'ye 1 skill'siz tarafa gitti, skill'li taraf 6,1 kat token harcadı.
- Benji Taylor'ın kendi tarifiyle (küçük iş, ürünün kendi görünümü, üç tur geri bildirim) de skill'li taraf kazanamadı, çünkü yatay bir karta dikey telefon sığdırmaya çalıştı.
- Yapay zekâ yargıçlar “hangisi skill'li” sorusunda 13 tahminin yalnız 5'ini bildi, yani güzel bulduklarını skill'li sandılar.
Nasıl test ettim
İki ayrı klasörde iki Claude Code oturumu açıldı: aynı model (Opus 5.5, efor high), aynı ayarlar ve aynı prompt, tek fark birinde Stageshow skill'inin kurulu olmasıydı. Prompt skill'in adını anmadı, skill'i kullanıp kullanmamaya Claude kendisi karar verdi. Çıktılar rastgele “1” ve “2” diye numaralandı ve hangisinin skill'li olduğunu bilmeyen yargıçlara oylatıldı. Kural testten önce yazıldı: skill'li taraf oyların en az üçte ikisini almazsa kırmızı.
Bütün testlerde uyduğum kurallar
Kimin işine yarar
Claude Code'a tasarım ya da başka bir iş için skill kurmayı düşünenler için. Bir skill'in vaadine güvenmeden önce kendi işinizde kör karşılaştırma yapmanın neden gerektiğini gösteriyor.
Videonun bölümleri
- 00:00Aynı model, aynı prompt: hangisi skill'li?
- 00:14Stageshow ne yapıyor, "design slop" ne demek
- 01:23Benji Taylor kim, bu skill neden dikkatimi çekti
- 02:37Test düzeni: iki klasör, iki Claude Code, kör oylama
- 04:01Kural: 3'te 2 oy yoksa kırmızı
- 04:32Test uygulaması: WaterHubby
- 05:141. deneme: telefonda dönen tanıtım animasyonu
- 06:25Anahtarı açtım: kim kazandı, neden
- 07:022. deneme: ikinci şans
- 08:033. deneme: "prompt'un kötüydü" itirazı
- 09:244. deneme: Benji'nin kendi tarifiyle
- 11:12Toplam: 13 oy, süre ve token
- 12:30Hüküm
- 13:30Bir skill'i kurmadan önce üç adımda kendiniz test edin
- 14:44Denemediklerim ve sizden ricam
Sık sorulanlar
Stageshow skill'i nedir?
X'in tasarım başı Benji Taylor'ın paylaştığı bir Claude Code skill'i. Claude'a ürün ekranı, kısa animasyon ya da telefonda dönen demo gibi tanıtım görselleri yaptırıyor ve “yapay zekâ yapmış” gibi duran tasarımı azaltmayı vaat ediyor. Biz 5 Kasım 2026 tarihli 1.1.1 sürümünü denedik.
Design slop nedir?
Yapay zekâya arayüz ya da tanıtım görseli yaptırınca hep aynı şeyin çıkmasına deniyor: mavi ya da mor gradyanlar, parlayan şeyler, rozetler, kartlar. Bakar bakmaz “bunu yapay zekâ yapmış” dedirten tasarım.
Claude Code skill'leri işe yarıyor mu?
Skill'den skill'e değişir. Bizim denediğimiz Stageshow dört kör testte fark yaratmadı, her seferinde skill'siz taraf kazandı. Yeni modeller zaten iyi olduğu için bazı skill kuralları artık fark yaratmıyor olabilir; Stageshow'un yazarı da modeller geliştikçe bazı kuralların gereksiz kalabileceğini söylüyor.
Bir skill'in işe yarayıp yaramadığını nasıl test ederim?
İki klasör açın, birine skill'i koyun, ikisine de aynı işi verin. Sonuçları hangisinin skill'li olduğunu bilmeden karşılaştırın, sonra ne kadar sürdüğüne ve kaç token harcadığına bakın; bir skill'in size bir şey katıp katmadığını yarım saatte anlarsınız.


