Prompt Mühendisliğinin Temelleri
Fundamentals of Prompt Engineering
Bu fazda yapay zekânın aslında nasıl çalıştığını, iyi bir istemin dört temel direğini ve örneksiz (Zero-Shot) istemlemeyi öğreniyoruz.
1. Large Language Models (Büyük Dil Modelleri)
Yapay zekânın kalbi nasıl çalışır?
Yapay zekânın kalbinde Large Language Models (LLM) yatar. Bu modeller, devasa metin veri setleriyle eğitilmiş derin öğrenme algoritmalarıdır. Temel çalışma mantıkları bir sorunun cevabını “bilmek” veya “ezberlemek” değil, Next-Token Prediction (Sonraki Kelime Tahmini) yapmaktır.
Model, verdiğiniz komuttaki bağlama ve kelimelerin birbirleriyle olan istatistiksel ilişkilerine bakarak, gelmesi gereken en mantıklı kelimeyi hesaplar. Bu yüzden altın kural şudur:
Ne kadar net bir bağlam sunarsanız, model o kadar keskin ve doğru cevaplar üretir. Belirsiz soru = belirsiz cevap.
Günlük hayattan benzetme: LLM, yıllarca arşivde çalışmış, milyonlarca belge okumuş bir mesai arkadaşı gibidir. Ona “geçen seneki o yazıyı getir” derseniz bocalar; ama “2025 Mart ayında Fen İşleri'ne gönderilen asfalt ihalesi yazısını getir” derseniz anında bulur.
2. Anatomy of a Prompt (Bir İstemin Anatomisi)
Başarılı bir istemin 4 temel direği
Başarılı bir istem, rastgele yazılmış bir soru değil, mühendislik harikası bir formüldür. OpenAI ve Anthropic gibi geliştiricilerin kılavuzlarına göre en etkili sonuçlar için bir istem şu dört bileşenden oluşmalıdır. Sekmelere tıklayarak her bileşeni inceleyin:
Role (Rol)
Modele bir kimlik atamak, onun hangi kelime dağarcığını ve uzmanlık seviyesini seçeceğini doğrudan etkiler. "Sen kimsin?" sorusunun cevabını siz verirsiniz.
Sen belediyemizin yazı işleri müdürlüğünde çalışan, resmî yazışma kurallarına hâkim deneyimli bir uzmansın.
Dördünü birleştirince:
Sen belediyemizin yazı işleri müdürlüğünde çalışan deneyimli bir uzmansın. (ROL) Vatandaşlardan gelen park ve bahçe taleplerine cevap hazırlıyoruz; elimizde talep özeti ve teknik görüş var. (BAĞLAM) Talebe olumlu yanıt veren, süreci açıklayan bir cevap taslağı hazırla. (GÖREV) Resmî yazışma formatında, en fazla 200 kelime; sonuna 3 maddelik işlem adımları listesi ekle. (BİÇİM)
3. Zero-Shot Prompting (Sıfır Örnekli İstemleme)
Örnek vermeden, doğrudan sormak
Zero-Shot Prompting, modele ne yapmasını istediğinizi herhangi bir örnek (örnek girdi/çıktı çifti) sunmadan, doğrudan ve tek seferde sormanızdır. Modelin kendi içsel bilgi tabanına güvendiğimiz durumlarda; temel görevler, yapısal özetlemeler veya çeviriler için kullanılır. Model, geçmişte gördüğü devasa veriye dayanarak “sıfırdan” bir cevap üretir.
Belediyeye gelen vatandaş başvurularını konularına göre sınıflandırmak istiyorum. Aşağıdaki başvuru metnini şu kategorilerden birine ata: Temizlik, Ulaşım, İmar, Sosyal Yardım, Diğer. Başvuru: 'Sokağımızdaki çöp konteyneri iki gündür boşaltılmıyor.'
Burada modele sınıflandırmanın nasıl yapılacağına dair hiçbir örnek vermedik; sadece talimatı verdik ve kendi başına yapmasını bekledik. Basit ve net görevlerde bu yaklaşım genellikle yeterlidir. Peki ya yeterli olmazsa? İşte o zaman bir sonraki faza geçiyoruz: örneklerle öğretme.