Yapay zeka modellerinin (ChatGPT, Midjourney, Claude veya Gemini) hayatımızın merkezine oturduğu bu dönemde, şu gerçeği artık çok net biliyoruz: Bir yapay zeka, ona sorduğunuz soru kadar akıllıdır. Yapay zekaya ne istediğinizi doğru bir dille, doğru parametrelerle anlatma disiplinine Prompt Mühendisliği (Komut Mühendisliği) diyoruz. Peki, sıradan bir kullanıcı olmanın ötesine geçip, yapay zekadan her seferinde tam olarak istediğiniz “nokta atışı” yanıtları nasıl alırsınız?
İşte profesyonel bir prompt mühendisi gibi düşünmenizi sağlayacak altın kurallar ve teknikler:
1. Altın Kural: Netlik ve Özgünlük (Clarity & Specificity)
Yapay zekayla konuşurken muallak, ucu açık ve genel ifadeler kullanmak en büyük hatadır. Modelin sizin ne kastettiğinizi tahmin etmesini beklemeyin.
- Kötü Prompt: “Bana dijital pazarlama hakkında bir yazı yaz.”
- İyi Prompt: “E-ticaret siteleri için Instagram reklam bütçesini optimize etme konulu, 500 kelimelik, samimi bir dille yazılmış ve 5 pratik ipucu içeren bir blog yazısı hazırla.”
Gördüğünüz gibi, iyi promptun içinde sınırları çizilmiş bir kapsam, uzunluk, ton ve yapı vardır.
2. Kimlik Atama (Role Prompting)
Modeller, arkalarında milyarlarca parametrelik devasa bir veri havuzu taşır. Onlara bir “kimlik” verdiğinizde, o havuzun sadece ilgili kısmına odaklanırlar ve çıktı kalitesi radikal bir şekilde artar. Promptunuza daima “Sen bir [Uzmanlık Alanı]sın” diyerek başlayın.
- “Sen kıdemli bir yazılım mimarısın…”
- “Sen 10 yıllık deneyime sahip bir conversion (dönüşüm) odaklı metin yazarısın…”
3. RTF Çerçeveleme Modeli (Role – Task – Format)
İyi bir prompt kurgulamakta zorlanıyorsanız, profesyonellerin kullandığı RTF formülünü bir şablon olarak aklınızda tutun. Bir prompt yazarken şu üç unsuru eksiksiz doldurun:
- Role (Rol): AI kimin gibi davranmalı?
- Task (Görev): AI tam olarak ne yapmalı?
- Format (Biçim): Çıktı size nasıl sunulmalı? (Tablo, JSON kodu, liste, maddeler halinde vb.)
- Örnek RTF Promptu: “Bir finans analisti olarak hareket et (Rol). Teknoloji hisselerinin son çeyrek raporlarını inceleyerek risk analizini yap (Görev). Sonuçları avantajlar ve dezavantajlar olarak iki sütunlu bir tablo halinde sun (Format).”
4. Düşünce Zinciri Yaratma (Chain of Thought – CoT)
Yapay zekadan doğrudan karmaşık bir matematiksel problemi çözmesini veya derin bir mantık analizi yapmasını isterseniz yanılabilir. Ancak ona adım adım düşünme fırsatı verirseniz doğruluk oranı %90’ın üzerine çıkar.
Promptunuzun sonuna şu sihirli cümleyi ekleyin: “Bu sonuca ulaşırken attığın adımları mantıksal sırayla, adım adım açıkla.” Yapay zeka önce problemi kendi içinde parçalara bölecek, ardından hatasız nihai sonuca ulaşacaktır.
5. Pozitif Çerçeveleme ve “Pembe Fil” Problemi
Yapay zekaya ne yapmaması gerektiğini söylediğinizde, model o kelimeye odaklanabilir. Buna yapay zeka literatüründe “Pembe fili düşünme” denir (Bunu söylediğimde aklınıza ilk gelen şey pembe bir fil olur).
- Hatalı Kullanım: “Yazıda akademik terimler kullanma, sıkıcı olmasın.”
- Doğru Kullanım: “Yazıyı 12 yaşındaki bir çocuğun bile kolayca anlayabileceği, basit, akıcı ve günlük bir dille yaz.”
6. XML Etiketleri ile Hiyerarşi Kurma
Eğer yapay zekaya analiz etmesi için uzun bir metin veya veri veriyorsanız, komutlarınızla o verinin birbirine karışmaması için XML etiketlerinden faydalanın. Modeller bu hiyerarşiyi acayip sever:
Sen bir editörsün. Aşağıdaki <metin> etiketleri arasında kalan yazıyı imla ve anlatım bozuklukları açısından incele:
<metin> Buraya incelenmesini istediğiniz uzun yazıyı yapıştırın… </metin>
Özet: Prompt Mühendisliği Bir Döngüdür
Unutmayın, en iyi prompt tek seferde yazılmaz. Yapay zeka mühendisliği deneme-yanılma ve rafine etme (refinement) sürecidir. İlk aldığınız çıktıyı inceleyin, eksik yönünü görün ve promptunuzu beslemeye devam edin: “Harika oldu, şimdi bu yazıya bir de dikkat çekici 3 farklı başlık alternatifi ekle.”
Promptlar boşta durmasın, onları doğru komutlarla eğitin ve yapay zekanın sınırlarını zorlayın!
