İleri Seviye Prompt Teknikleri

İleri Seviye Prompt Teknikleri Kapsamlı Rehberi

Bu rehber, yapay zeka modellerinden maksimum verim almak için kullanılan ileri düzey prompt mühendisliği tekniklerini kapsamlı olarak ele almaktadır. Temel prompting in ötesine geçerek, karmaşık problemleri çözmek, tutarlı çıktılar almak ve AI modellerinin yeteneklerini tam olarak kullanmak için gereken stratejileri öğreneceksiniz.

🧠 Önemli Not: Bu rehber temel prompt yazımını bildiğinizi varsayar. Teknikler farklı AI modellerinde (GPT-4, Claude, Gemini vb.) çalışır ancak sonuçlar modele göre değişebilir. Her tekniği kendi kullanım senaryonuzda test edin.

Temel Kavramlar ve Terminoloji

Prompt Mühendisliği Nedir?

Prompt engineering in temelleri ve önemi.

PROMPT MÜHENDİSLİĞİ



TANIM:

AI modellerinden istenen çıktıyı almak için

girdileri (promptları) sistematik olarak

tasarlama ve optimize etme disiplini.



NEDEN ÖNEMLİ:



1. Kalite Farkı:

   Kötü prompt: Belirsiz, genel yanıtlar

   İyi prompt: Spesifik, kullanılabilir çıktılar

   Fark: 10x veya daha fazla kalite artışı



2. Maliyet Optimizasyonu:

   Daha az deneme-yanılma

   Daha az token kullanımı

   Daha hızlı sonuç



3. Tutarlılık:

   Tekrarlanabilir sonuçlar

   Öngörülebilir çıktılar

   Otomasyon imkanı



4. Yetenek Açığa Çıkarma:

   Modelin gizli yetenekleri

   Daha karmaşık görevler

   Daha yaratıcı çözümler



PROMPT YAPISI:



Temel Bileşenler:

1. Bağlam (Context): Arka plan bilgisi

2. Talimat (Instruction): Ne yapılacağı

3. Girdi (Input): İşlenecek veri

4. Çıktı Formatı (Output): Beklenen format



Örnek:

[BAĞLAM]

Sen bir kıdemli yazılım mühendisisin.



[TALİMAT]

Aşağıdaki kodu review et ve iyileştirme öner.



[GİRDİ]

[kod buraya]



[ÇIKTI FORMATI]

Bulgularını şu formatta sun:

1. Kritik sorunlar

2. İyileştirme önerileri

3. Olumlu yönler



TERMİNOLOJİ:



Zero-shot: Örnek vermeden doğrudan soru

Few-shot: Örneklerle birlikte soru

Chain of Thought: Adım adım düşünme

System Prompt: Model davranışını belirleyen talimat

Temperature: Yaratıcılık/rastgelelik ayarı

Token: Modelin işlediği metin birimi

Context Window: Modelin görebildiği maksimum token

Grounding: Yanıtları kaynaklara dayandırma

Hallucination: Modelin uydurduğu yanlış bilgi

Reasoning (Akıl Yürütme) Teknikleri

Chain of Thought (CoT)

Adım adım düşünme tekniği.

CHAIN OF THOUGHT (COT)



NEDİR:

Modeli adım adım düşünmeye teşvik eden teknik.

Karmaşık problemlerde doğruluk oranını artırır.

"Düşünme sürecini göster" yaklaşımı.



NEDEN ETKİLİ:

- Ara adımlar hataları azaltır

- Mantık zinciri takip edilebilir

- Debugging kolaylaşır

- Karmaşık problemler parçalanır



TEMEL KULLANIM:



Zero-shot CoT:

Sadece "Adım adım düşün" eklemek.



Prompt:

"Bu problemi çöz. Adım adım düşün.



Bir mağazada 3 gömlek ve 2 pantolon aldım.

Gömlekler 150 TL, pantolonlar 200 TL.

%10 indirim uygulandı.

Toplam ne ödedim?"



Yanıt:

Adım 1: Gömlek tutarı = 3 × 150 = 450 TL

Adım 2: Pantolon tutarı = 2 × 200 = 400 TL

Adım 3: Toplam = 450 + 400 = 850 TL

Adım 4: İndirim = 850 × 0.10 = 85 TL

Adım 5: Ödenecek = 850 - 85 = 765 TL



Few-shot CoT:

Örneklerle birlikte.



Prompt:

"Örnekteki gibi adım adım çöz.



Örnek:

Soru: 5 elma ve 3 armut aldım. Elmalar 10 TL, armutlar 15 TL. Toplam?

Düşünce: 

- Elma tutarı: 5 × 10 = 50 TL

- Armut tutarı: 3 × 15 = 45 TL

- Toplam: 50 + 45 = 95 TL

Cevap: 95 TL



Soru: [Yeni problem]

Düşünce:"



COT VARYASYONLARI:



1. Let's think step by step:

   En basit tetikleyici

   "Adım adım düşünelim"



2. Explain your reasoning:

   "Mantığını açıkla"

   Daha detaylı açıklama



3. Show your work:

   "Çalışmanı göster"

   Matematik problemleri için



4. Break this down:

   "Bunu parçalara ayır"

   Karmaşık görevler için



KULLANIM ALANLARI:



Matematik problemleri

Mantık bulmacaları

Kod debugging

Karar verme süreçleri

Analiz görevleri

Planlama



İPUÇLARI:



1. Açık tetikleyici kullanın:

   "Step by step", "Adım adım"



2. Format belirtin:

   "Her adımı numaralandır"

   "Her adımı yeni satırda yaz"



3. Son cevabı isteyin:

   "Son olarak cevabı belirt"

   "Sonucu özetle"

Tree of Thoughts (ToT)

Dallanarak düşünme tekniği.

TREE OF THOUGHTS (TOT)



NEDİR:

CoT un gelişmiş versiyonu.

Birden fazla düşünce yolu keşfedilir.

Her yol değerlendirilir ve en iyisi seçilir.

Ağaç yapısında problem çözme.



FARK (CoT vs ToT):

CoT: Tek bir düşünce zinciri

ToT: Birden fazla dal, değerlendirme, seçim



TEMEL YAPI:



1. Problem tanımla

2. Olası yaklaşımları listele (dallar)

3. Her dalı değerlendir

4. En umut verici dalı seç

5. O dalda ilerle

6. Gerekirse geri dön ve başka dal dene



PROMPT ŞABLONU:



"[Problem]



Bu problemi çözmek için birden fazla yaklaşım düşün.



Adım 1: Olası Yaklaşımlar

En az 3 farklı çözüm yolu öner.

Her yaklaşımı kısaca açıkla.



Adım 2: Değerlendirme

Her yaklaşımı şu kriterlere göre değerlendir:

- Uygulanabilirlik (1-5)

- Başarı olasılığı (1-5)

- Karmaşıklık (1-5, düşük daha iyi)



Adım 3: Seçim

En yüksek puan alan yaklaşımı seç.

Seçim nedenini açıkla.



Adım 4: Uygulama

Seçilen yaklaşımı adım adım uygula.



Adım 5: Doğrulama

Sonucu kontrol et.

Gerekirse alternatif yaklaşıma geç."



ÖRNEK:



Problem: "24 oyunu - 4, 7, 8, 3 sayılarını kullanarak 24 e ulaş"



Yaklaşım 1: Çarpma odaklı

4 × 7 = 28, sonra 28 - 3 - ? (8 kullanılmadı) ❌



Yaklaşım 2: Bölme kullan

8 ÷ (3 - 7/4) = ? (karmaşık) △



Yaklaşım 3: Parantez kombinasyonları

(7 - 3) × (8 - 4) = 4 × 4 = 16 ❌

3 × 8 × (7 - 4) / 3 = ? 



Yaklaşım 4: Farklı sıralama

(3 + 7 - 4) × 8 / ? 

3 × 8 = 24, 7 - 4 = 3, 24 / 3 × 3 = 24? 

(7 - 4 + 3) × 8 / ? 



En iyi: 8 × 3 × (7 - 4) / 3 = 8 × 3 × 3 / 3 = 24 ❌

Tekrar: (8 - 4) × (7 - 3) = 4 × 4 = 16 ❌

       8 × (7 - 4) - 3 = 24 - 3 = 21 ❌

       8 × 3 - 7 + 4 = 24 - 7 + 4 = 21 ❌

       8 × 3 + 7 - 4 = 24 + 3 = 27 ❌

       (8 + 4) × (7 - 3) / ? 

       8 / (3 - 7/4) değerlendir...



KULLANIM ALANLARI:



Karmaşık problem çözme

Strateji geliştirme

Yaratıcı yazarlık

Oyun stratejileri

Optimizasyon problemleri

Karar ağaçları

Self-Consistency

Tutarlılık ile doğruluk artırma.

SELF-CONSISTENCY



NEDİR:

Aynı soruyu birden fazla kez sorma.

Farklı reasoning yolları deneme.

En çok tekrar eden cevabı seçme.

Çoğunluk oyu ile doğruluk artırma.



NEDEN ETKİLİ:

- Rastgele hatalar elenir

- Tutarlı cevaplar güvenilir

- Belirsizlik azalır

- Doğruluk oranı artar



UYGULAMA YÖNTEMİ:



1. Aynı soruyu N kez sor (genelde 3-5)

2. Her seferinde CoT kullan

3. Cevapları topla

4. En çok tekrar edeni seç



PROMPT ŞABLONU:



"Bu problemi 3 farklı şekilde çöz.

Her çözümde farklı bir yaklaşım dene.

Sonunda en güvendiğin cevabı belirt.



Problem: [Problem]



Çözüm 1:

[Farklı yaklaşım]

Cevap 1: ?



Çözüm 2:

[Farklı yaklaşım]

Cevap 2: ?



Çözüm 3:

[Farklı yaklaşım]

Cevap 3: ?



Tutarlılık Kontrolü:

Cevaplar aynı mı?

En güvenilir cevap: ?

Güven seviyesi: ?"



ÖRNEK:



Problem: "15 kişilik bir grupta kaç farklı 3 kişilik komite oluşturulabilir?"



Çözüm 1 (Kombinasyon formülü):

C(15,3) = 15! / (3! × 12!)

= (15 × 14 × 13) / (3 × 2 × 1)

= 2730 / 6 = 455

Cevap 1: 455



Çözüm 2 (Adım adım):

İlk kişi: 15 seçenek

İkinci kişi: 14 seçenek

Üçüncü kişi: 13 seçenek

Toplam: 15 × 14 × 13 = 2730

Sıralama önemsiz: 2730 / 6 = 455

Cevap 2: 455



Çözüm 3 (Doğrulama):

Küçük örnekle test: 5 kişiden 3

C(5,3) = 10 (manuel sayılabilir)

Formül doğru, C(15,3) = 455

Cevap 3: 455



Tutarlılık: 3/3 aynı cevap

Final Cevap: 455

Güven: Yüksek



OTOMATİK UYGULAMA:



API kullanıyorsanız:

- Temperature > 0 ayarlayın

- Aynı promptu N kez gönderin

- Cevapları programatik karşılaştırın

- Çoğunluğu seçin

ReAct (Reasoning + Acting)

Düşünme ve eylem döngüsü.

REACT (REASONING + ACTING)



NEDİR:

Düşünme ve eylem adımlarını birleştiren teknik.

Model düşünür, eylem yapar, gözlemler, tekrar düşünür.

Araç kullanımı ile birleştirilir.

Agentic AI için temel yaklaşım.



DÖNGÜ:

Thought → Action → Observation → Thought → ...



TEMEL YAPI:



Thought: Ne yapmalıyım? (düşünme)

Action: [Araç/Eylem] (yapma)

Observation: Ne oldu? (gözlem)

... (tekrar)

Final Answer: Sonuç



PROMPT ŞABLONU:



"Görevi tamamlamak için düşün ve hareket et.



Kullanılabilir Eylemler:

- Search[query]: Web araması yap

- Calculate[expression]: Hesaplama yap

- Lookup[term]: Terim ara

- Finish[answer]: Görevi tamamla



Format:

Thought: [Düşüncen]

Action: [Eylem türü][parametre]

Observation: [Sonuç]

... (gerektiği kadar tekrar)

Thought: Cevabı buldum

Action: Finish[final cevap]



Görev: [Görev tanımı]"



ÖRNEK:



Görev: "Türkiye nin en kalabalık şehrinin nüfusu kaçtır ve bu dünya sıralamasında kaçıncı?"



Thought: Önce Türkiye nin en kalabalık şehrini bulmalıyım.

Action: Search[Türkiye en kalabalık şehir]

Observation: İstanbul, Türkiye nin en kalabalık şehridir.



Thought: Şimdi İstanbul un nüfusunu bulmalıyım.

Action: Search[İstanbul nüfusu 2024]

Observation: İstanbul nüfusu yaklaşık 16 milyon.



Thought: Dünya sıralamasını bulmam gerekiyor.

Action: Search[dünya en kalabalık şehirler sıralaması]

Observation: 1. Tokyo, 2. Delhi, 3. Shanghai, 4. Sao Paulo, 5. Mexico City... İstanbul genelde 15-20 arasında.



Thought: Yeterli bilgiye sahibim.

Action: Finish[İstanbul yaklaşık 16 milyon nüfusa sahiptir ve dünya sıralamasında yaklaşık 15. sıradadır.]



KULLANIM ALANLARI:



Araştırma görevleri

Bilgi toplama

Karmaşık sorgular

Çok adımlı problemler

Araç kullanan agentlar

Otonom sistemler



ARAÇ ENTEGRASYONU:



ReAct + Tools:

- Web search

- Calculator

- Code interpreter

- Database query

- API calls

- File operations



Modern AI sistemlerinde (ChatGPT, Claude)

tool use bu prensibe dayanır.

Yapısal Prompting Teknikleri

Few-Shot Learning

Örneklerle öğretme tekniği.

FEW-SHOT LEARNING



NEDİR:

Modele birkaç örnek vererek

istenen davranışı öğretme.

Örnekler pattern oluşturur.

Model pattern i taklit eder.



ÖRNEK SAYISI:

Zero-shot: 0 örnek

One-shot: 1 örnek

Few-shot: 2-5 örnek

Many-shot: 5+ örnek



TEMEL ŞABLON:



"[Görev açıklaması]



Örnek 1:

Girdi: [örnek girdi 1]

Çıktı: [örnek çıktı 1]



Örnek 2:

Girdi: [örnek girdi 2]

Çıktı: [örnek çıktı 2]



Örnek 3:

Girdi: [örnek girdi 3]

Çıktı: [örnek çıktı 3]



Şimdi sen yap:

Girdi: [gerçek girdi]

Çıktı:"



ÖRNEK - DUYGU ANALİZİ:



"Metinlerin duygusunu analiz et.



Örnek 1:

Metin: "Bu ürün harika, çok memnunum!"

Duygu: Pozitif



Örnek 2:

Metin: "Kargo çok geç geldi, berbat deneyim."

Duygu: Negatif



Örnek 3:

Metin: "Ürün idare eder, fiyatına göre normal."

Duygu: Nötr



Şimdi sen yap:

Metin: "Beklentilerimi karşıladı ama wow demedi."

Duygu:"



ÖRNEK - FORMAT DÖNÜŞÜMÜ:



"Adresleri standart formata çevir.



Örnek 1:

Girdi: "istanbul kadıköy moda cad no 15"

Çıktı: {

  "il": "İstanbul",

  "ilce": "Kadıköy",

  "mahalle": "Moda",

  "cadde": "Moda Caddesi",

  "no": "15"

}



Örnek 2:

Girdi: "ankara çankaya kızılay atatürk bulvarı 100/5"

Çıktı: {

  "il": "Ankara",

  "ilce": "Çankaya",

  "mahalle": "Kızılay",

  "cadde": "Atatürk Bulvarı",

  "no": "100",

  "daire": "5"

}



Şimdi sen yap:

Girdi: "izmir karşıyaka bostanlı 2456 sok no 8 d 3"

Çıktı:"



ÖRNEK SEÇİMİ İPUÇLARI:



1. Çeşitlilik:

   Farklı durumları kapsayan örnekler

   Edge case örnekleri dahil



2. Temsiliyet:

   Gerçek kullanımı yansıtan örnekler

   Beklenen girdi türleri



3. Netlik:

   Açık ve net örnekler

   Belirsizlik içermeyen



4. Denge:

   Sınıflandırmada her sınıftan örnek

   Pozitif/negatif denge



5. Sıralama:

   Basit → Karmaşık

   Veya rastgele (bias önleme)



KAÇ ÖRNEK:



Basit görevler: 1-2 örnek

Orta karmaşıklık: 3-5 örnek

Karmaşık/hassas: 5-10 örnek

Çok fazla: Context window sınırı

Role Prompting

Rol atama ve persona oluşturma.

ROLE PROMPTING



NEDİR:

Modele bir rol/karakter atama.

O rolün bakış açısından yanıt alma.

Uzmanlık ve ton kontrolü.

Tutarlı persona oluşturma.



TEMEL ŞABLON:



"Sen [rol/uzmanlık] olarak davran.

[Ek özellikler ve kısıtlamalar]



Görev: [görev]"



ROL KATEGORİLERİ:



1. Meslek Rolleri:

   "Sen kıdemli bir yazılım mühendisisin"

   "Sen deneyimli bir editörsün"

   "Sen bir veri bilimcisisin"



2. Uzmanlık Rolleri:

   "Sen Python uzmanısın"

   "Sen SEO uzmanısın"

   "Sen finansal analist olarak"



3. Kişilik Rolleri:

   "Sen sabırlı bir öğretmensin"

   "Sen eleştirel düşünen bir danışmansın"

   "Sen yaratıcı bir reklamcısın"



4. Bileşik Roller:

   "Sen 10 yıllık deneyime sahip, 

   startup larda çalışmış, 

   kullanıcı deneyimi odaklı 

   bir ürün yöneticisisin"



DETAYLI ROL ŞABLONU:



"Sen [ROL] olarak davran.



Arka Planın:

- [Deneyim]

- [Uzmanlık alanları]

- [Çalıştığın sektörler]



Yaklaşımın:

- [Metodoloji]

- [Öncelikler]

- [Değerler]



İletişim Tarzın:

- [Ton]

- [Detay seviyesi]

- [Teknik terim kullanımı]



Kısıtlamalar:

- [Yapmaması gerekenler]

- [Sınırlar]



Görev: [görev]"



ÖRNEK - TEKNİK MENTOR:



"Sen kıdemli bir yazılım mühendisi ve mentor olarak davran.



Arka Planın:

- 15 yıllık yazılım geliştirme deneyimi

- FAANG şirketlerinde çalışmış

- Backend ve sistem tasarımı uzmanı

- Birçok junior geliştirici yetiştirmiş



Yaklaşımın:

- Sokratik metot (sorularla yönlendirme)

- Best practice odaklı

- Pratik ve uygulanabilir öneriler

- Hataları öğrenme fırsatı olarak görme



İletişim Tarzın:

- Destekleyici ama dürüst

- Teknik detayları basitleştiren

- Kod örnekleri ile açıklayan



Görev: Aşağıdaki kodu review et ve junior bir geliştiriciyi 

eğitir gibi geri bildirim ver.



[kod]"



ÖRNEK - YARATICI YAZAR:



"Sen ödüllü bir bilim kurgu yazarı olarak davran.



Tarzın:

- Asimov ve Clarke etkisi

- Bilimsel doğruluk öncelikli

- Karakter derinliği önemli

- Felsefi sorular soran



Güçlü yönlerin:

- Dünya inşası (world-building)

- Bilim ve kurgu dengesi

- Sürpriz sonlar



Görev: [yazım görevi]"



ROLE PROMPTING ETKİSİ:



1. Uzmanlık Simülasyonu:

   Domain bilgisi aktive olur

   Jargon ve terminoloji uygun



2. Ton Kontrolü:

   Tutarlı iletişim tarzı

   Beklenen ses (voice)



3. Perspektif:

   O rolün bakış açısı

   Öncelikler ve değerler



4. Kısıtlama:

   Rol dışı davranış engeli

   Odaklanma

Structured Output

Yapılandırılmış çıktı alma teknikleri.

STRUCTURED OUTPUT



NEDİR:

Modelden belirli bir formatta çıktı alma.

JSON, XML, tablo, liste vb.

Programatik işlenebilir çıktılar.

Tutarlı ve öngörülebilir format.



FORMAT TÜRLERİ:



1. JSON:

   En yaygın yapısal format

   Programlarla kolay entegrasyon



2. XML:

   Hiyerarşik veri için

   Bazı sistemlerle uyumluluk



3. Markdown Tablo:

   İnsan okunabilir

   Karşılaştırmalar için



4. YAML:

   Konfigürasyon benzeri

   Okunabilir yapısal



5. Liste/Numara:

   Basit sıralama

   Adım adım talimatlar



JSON ÇIKTI ŞABLONU:



"[Görev açıklaması]



Yanıtını SADECE aşağıdaki JSON formatında ver.

Başka hiçbir metin ekleme.



{

  "alan1": "değer tipi açıklaması",

  "alan2": "değer tipi açıklaması",

  "alan3": ["liste elemanları"],

  "alan4": {

    "alt_alan": "değer"

  }

}



Girdi: [girdi]"



ÖRNEK - ÜRÜN ANALİZİ:



"Bu ürün yorumunu analiz et.



Yanıtını SADECE şu JSON formatında ver:



{

  "genel_duygu": "pozitif|negatif|nötr",

  "puan": 1-5 arası sayı,

  "olumlu_noktalar": ["liste"],

  "olumsuz_noktalar": ["liste"],

  "anahtar_kelimeler": ["liste"],

  "ozet": "tek cümle özet"

}



Yorum: Bu telefonu 2 aydır kullanıyorum. Kamera kalitesi 

harika, özellikle gece çekimleri çok iyi. Batarya bir gün 

gidiyor ama hızlı şarj var. Fiyatı biraz yüksek ama değer."



ÖRNEK - TABLO ÇIKTI:



"Aşağıdaki şehirleri karşılaştır ve Markdown tablo formatında sun.



| Şehir | Nüfus | İklim | Yaşam Maliyeti | Puan |

|-------|-------|-------|----------------|------|

| ... | ... | ... | ... | ... |



Şehirler: İstanbul, Berlin, Tokyo"



ÖRNEK - YAML:



"Bu teknik gereksinimi YAML formatında yapılandır:



api_endpoint:

  path: string

  method: GET|POST|PUT|DELETE

  parameters:

    - name: string

      type: string

      required: boolean

  response:

    success: object

    error: object



Gereksinim: Kullanıcı profili getirme API si, 

user_id parametresi alır, profil bilgilerini döner."



TUTARLILIK İPUÇLARI:



1. Format örneği ver:

   Boş şablon göster

   Doldurulmuş örnek ekle



2. Kısıtlamaları belirt:

   "SADECE JSON"

   "Başka metin ekleme"

   "Bu şemaya uy"



3. Doğrulama iste:

   "JSON geçerli olmalı"

   "Tüm alanlar dolu olmalı"



4. Tip belirt:

   "sayı", "string", "boolean"

   "liste", "object"



PROGRAMATIK KULLANIM:



response = model.generate(prompt)

try:

    data = json.loads(response)

    # Yapısal veri ile çalış

except JSONDecodeError:

    # Hata yönetimi

İleri Düzey Teknikler

Meta-Prompting

Prompt üreten promptlar.

META-PROMPTING



NEDİR:

AI yi kullanarak prompt yazdırma.

Prompt optimizasyonu için AI kullanma.

Kendi kendini geliştiren promptlar.

Prompt mühendisliğinin otomasyonu.



KULLANIM ALANLARI:



1. Prompt Üretimi:

   Belirli görev için prompt oluşturma



2. Prompt İyileştirme:

   Mevcut promptu optimize etme



3. Prompt Değerlendirme:

   Prompt kalitesini analiz etme



4. Prompt Varyasyonu:

   Alternatif versiyonlar üretme



PROMPT ÜRETME ŞABLONU:



"Sen uzman bir prompt mühendisisin.



Görev: [Görev açıklaması]

Hedef Model: [GPT-4 / Claude / vb.]

Beklenen Çıktı: [Çıktı türü]

Kısıtlamalar: [Varsa]



Bu görev için etkili bir prompt yaz.

Prompt şunları içermeli:

- Net talimatlar

- Gerekli bağlam

- Çıktı formatı

- Örnekler (gerekiyorsa)



Promptu şu formatta ver:



PROMPT BAŞI

[Prompt içeriği]

PROMPT SONU



Sonra promptun neden etkili olduğunu açıkla."



PROMPT İYİLEŞTİRME ŞABLONU:



"Aşağıdaki promptu analiz et ve iyileştir.



Mevcut Prompt:

[prompt]



Sorunlar:

1. Belirsizlikler var mı?

2. Eksik bağlam var mı?

3. Format net mi?

4. Daha etkili olabilir mi?



İyileştirilmiş versiyonu yaz ve 

değişiklikleri açıkla."



PROMPT DEĞERLENDİRME ŞABLONU:



"Bu promptu değerlendir.



Prompt:

[prompt]



Değerlendirme kriterleri:

1. Netlik (1-10)

2. Spesifiklik (1-10)

3. Format (1-10)

4. Bağlam yeterliliği (1-10)

5. Hata potansiyeli (1-10, düşük iyi)



Her kriter için puan ve açıklama ver.

Genel değerlendirme ve öneriler sun."



PROMPT VARYASYONU ŞABLONU:



"Bu promptun 3 farklı versiyonunu oluştur.



Orijinal Prompt:

[prompt]



Varyasyonlar:

1. Daha kısa/öz versiyon

2. Daha detaylı versiyon

3. Farklı yaklaşım (few-shot, role, vb.)



Her versiyon için avantaj/dezavantaj belirt."



ITERATIF İYİLEŞTİRME:



Adım 1: İlk promptu yaz

Adım 2: Test et, sonuçları değerlendir

Adım 3: AI ye iyileştirme iste

Adım 4: Tekrar test et

Adım 5: Gerekirse tekrarla

Prompt Chaining

Zincirleme prompt tekniği.

PROMPT CHAINING



NEDİR:

Karmaşık görevi alt görevlere bölme.

Her alt görev ayrı prompt.

Bir promptun çıktısı sonrakinin girdisi.

Pipeline yaklaşımı.



NEDEN KULLANILIR:



1. Karmaşıklık Yönetimi:

   Büyük görev → küçük parçalar

   Her parça yönetilebilir



2. Kalite Artışı:

   Her adım optimize edilebilir

   Hata izolasyonu



3. Kontrol:

   Ara sonuçları inceleme

   Gerekirse müdahale



4. Tekrar Kullanım:

   Modüler yapı

   Parçalar başka yerde kullanılabilir



TEMEL YAPI:



Görev → [Prompt 1] → Çıktı 1

         ↓

Çıktı 1 → [Prompt 2] → Çıktı 2

         ↓

Çıktı 2 → [Prompt 3] → Final Çıktı



ÖRNEK - BLOG YAZISI PIPELINE:



Prompt 1 (Araştırma):

"[Konu] hakkında blog yazısı için araştırma yap.

- 5 ana nokta belirle

- Her nokta için kısa açıklama

- Potansiyel kaynaklar"



Çıktı 1 → Prompt 2 e girdi



Prompt 2 (Taslak):

"Bu araştırma notlarını kullanarak blog taslağı oluştur:

[Çıktı 1]



Yapı:

- Dikkat çekici başlık

- Giriş (hook)

- 5 ana bölüm

- Sonuç (CTA)"



Çıktı 2 → Prompt 3 e girdi



Prompt 3 (Yazım):

"Bu taslağı tam blog yazısına dönüştür:

[Çıktı 2]



Stil: Konuşma dili, eğitici

Uzunluk: 1500 kelime

SEO: Anahtar kelime doğal entegre"



Çıktı 3 → Prompt 4 e girdi



Prompt 4 (Düzenleme):

"Bu blog yazısını düzenle:

[Çıktı 3]



Kontrol et:

- Dil bilgisi

- Akış ve tutarlılık

- Tekrarları kaldır

- Güçlendir"



ÖRNEK - KOD GELİŞTİRME PIPELINE:



Prompt 1 (Tasarım):

"Bu özellik için teknik tasarım yap: [özellik]

- Gerekli fonksiyonlar

- Veri yapıları

- API tasarımı"



Prompt 2 (Kod):

"Bu tasarıma göre kodu yaz: [Çıktı 1]"



Prompt 3 (Test):

"Bu kod için test yaz: [Çıktı 2]"



Prompt 4 (Dokümantasyon):

"Bu kod için dokümantasyon yaz: [Çıktı 2]"



Prompt 5 (Review):

"Bu kodu review et, iyileştir: [Çıktı 2]"



PARALEL CHAINING:



Bazı adımlar paralel çalışabilir:



         → [Prompt 2a] → Çıktı 2a

Çıktı 1 →                        → Birleştir → Final

         → [Prompt 2b] → Çıktı 2b



Örnek:

Araştırma → Paralel: Lehte argümanlar

                     Aleyhte argümanlar

         → Birleştir: Dengeli makale



UYGULAMA İPUÇLARI:



1. Her adım bağımsız test edilebilir olsun

2. Ara çıktıları kaydedin

3. Hata durumunda geri dönüş planı

4. Gereksiz zincir oluşturmayın

Constitutional AI Prompting

Prensip tabanlı yönlendirme.

CONSTITUTIONAL AI PROMPTING



NEDİR:

Modele prensipler/kurallar verme.

Bu kurallara göre davranış bekleme.

Self-critique mekanizması.

Değer hizalaması (alignment).



TEMEL YAPI:



1. Prensipleri tanımla

2. Görevi ver

3. Prensiplere göre yanıtla

4. Kendi yanıtını değerlendir

5. Gerekirse revize et



PRENSIP ŞABLONU:



"Aşağıdaki prensiplere uyarak yanıtla:



PRENSİPLER:

1. [Prensip 1]

2. [Prensip 2]

3. [Prensip 3]

...



GÖREV:

[Görev]



YANIT:

[Yanıtını yaz]



DEĞERLENDİRME:

Yanıtın her prensibe uygunluğunu kontrol et.

Uyumsuzluk varsa revize et."



ÖRNEK - ETİK YAZI:



"Aşağıdaki prensiplere uyarak yanıtla:



PRENSİPLER:

1. Dürüstlük: Yanıltıcı bilgi verme

2. Tarafsızlık: Tüm görüşleri dengeli sun

3. Saygı: Hiçbir grubu aşağılama

4. Kanıt: İddiaları destekle

5. Şeffaflık: Belirsizlikleri belirt



GÖREV:

[Tartışmalı konu] hakkında bilgilendirici yazı yaz.



Yazıyı tamamladıktan sonra, her prensibi kontrol et

ve gerekirse revizyonlar yap."



ÖRNEK - GÜVENLİ KOD:



"Aşağıdaki güvenlik prensiplerine uyarak kod yaz:



GÜVENLİK PRENSİPLERİ:

1. Input Validation: Tüm girdileri doğrula

2. SQL Injection: Parametreli sorgular kullan

3. XSS: Çıktıları encode et

4. Authentication: Yetkilendirme kontrol et

5. Secrets: Hassas verileri hardcode etme

6. Logging: Güvenlik olaylarını logla



GÖREV:

Kullanıcı giriş formu işleyen API endpoint yaz.



Kodu yazdıktan sonra, her güvenlik prensibine

uygunluğunu kontrol et ve açıkla."



SELF-CRITIQUE ŞABLONU:



"[İlk yanıt]



Şimdi bu yanıtı eleştirel değerlendir:



1. Doğruluk: Bilgiler doğru mu?

2. Tamlık: Eksik bir şey var mı?

3. Netlik: Anlaşılır mı?

4. Uygunluk: Göreve uygun mu?

5. Prensipler: Tüm prensiplere uyuyor mu?



Sorunları belirle ve düzeltilmiş versiyon yaz."



KULLANIM ALANLARI:



Etik içerik üretimi

Güvenli kod yazımı

Tarafsız analiz

Hassas konular

Kurumsal standartlar

Yasal uyumluluk

Prompt Optimizasyonu

Token Optimizasyonu

Verimli token kullanımı.

TOKEN OPTİMİZASYONU



NEDEN ÖNEMLİ:

- API maliyeti token başına

- Context window sınırlı

- Daha kısa = daha hızlı

- Odaklanma artışı



TOKEN SAYMA:

Kaba hesap: 1 token ≈ 4 karakter (İngilizce)

Türkçe: 1 token ≈ 3 karakter (daha az verimli)

Kesin: Tokenizer araçları kullanın



KISALTMA TEKNİKLERİ:



1. Gereksiz Kelimeleri Çıkar:

   Önce: "Lütfen bana yardımcı olur musunuz ve aşağıdaki..."

   Sonra: "Aşağıdaki metni..."



2. Tekrarları Kaldır:

   Önce: "Özetle. Kısa bir özet yaz. Özet istiyorum."

   Sonra: "Kısa özetle."



3. Örnekleri Azalt:

   5 örnek yerine 2-3 kaliteli örnek



4. Talimatları Birleştir:

   Önce: "Türkçe yaz. Resmi ton kullan. 200 kelime."

   Sonra: "200 kelime, resmi Türkçe."



5. Varsayılanları Kullan:

   Model zaten iyi yaptığı şeyleri söyleme

   Sadece farklı istekleri belirt



BAĞLAM PENCERESI YÖNETİMİ:



1. Önemli Bilgiyi Başa/Sona:

   Modeller başı ve sonu daha iyi hatırlar

   "Lost in the middle" problemi



2. Chunking:

   Uzun metinleri parçala

   Her parça için ayrı işlem

   Sonuçları birleştir



3. Summarization Pipeline:

   Uzun metin → Özet

   Özet + Soru → Yanıt



4. Relevant Selection:

   Tüm bilgiyi verme

   Sadece alakalı kısımları seç

   Embedding/search ile filtrele



ÖRNEK OPTİMİZASYON:



Optimize Edilmemiş (150+ token):

"Merhaba, size bir konuda yardımcı olmanızı rica ediyorum. 

Aşağıda bir metin var ve bu metni özetlemenizi istiyorum. 

Özet yaparken lütfen ana noktaları koruyun ve gereksiz 

detayları çıkarın. Özet 100 kelimeyi geçmesin. Türkçe 

yazın ve resmi bir ton kullanın. İşte metin: [metin]"



Optimize Edilmiş (30 token):

"100 kelime, resmi Türkçe özet:



[metin]"



TOKEN TASARRUFU TABLOSU:



Değişiklik                  | Tasarruf

Gereksiz kibarlık           | %10-20

Tekrar eden talimatlar      | %5-15

Fazla örnek                 | %20-40

Uzun açıklamalar            | %15-30

Toplam potansiyel           | %30-60

Prompt Test ve İterasyon

Sistematik prompt geliştirme.

PROMPT TEST VE İTERASYON



NEDEN ÖNEMLİ:

İlk prompt nadiren en iyi

Sistematik test gerekli

Veri ile karar verme

Sürekli iyileştirme



TEST SÜRECİ:



1. Baseline Oluştur:

   İlk promptu yaz

   Birkaç örnek ile test et

   Sonuçları kaydet



2. Değişken Belirle:

   Ne değiştirmek istiyorsun?

   Tek değişken ile test et



3. A/B Test:

   Orijinal vs değiştirilmiş

   Aynı girdiler ile

   Sonuçları karşılaştır



4. Metrik Belirle:

   Başarı nasıl ölçülür?

   Kalite, doğruluk, format, vb.



5. İterasyonu Tekrarla:

   En iyi versiyonu seç

   Başka değişken dene



DEĞİŞKENLER:



1. Talimat değişkenleri:

   - Kelime seçimi

   - Cümle yapısı

   - Detay seviyesi



2. Yapı değişkenleri:

   - Sıralama (talimat önce/sonra)

   - Format (paragraf vs liste)

   - Bölümleme



3. Teknik değişkenler:

   - Zero-shot vs few-shot

   - Örnek sayısı

   - CoT kullanımı



4. Parametre değişkenleri:

   - Temperature

   - Max tokens

   - Model seçimi



TEST ŞABLONU:



"TEST KAYDI



Test ID: [benzersiz id]

Tarih: [tarih]

Hedef: [ne test ediliyor]



PROMPT VERSİYONLARI:

Versiyon A: [prompt]

Versiyon B: [prompt]



TEST GİRDİLERİ:

1. [girdi 1]

2. [girdi 2]

3. [girdi 3]



SONUÇLAR:



Versiyon A:

- Girdi 1 sonuç: [puan/değerlendirme]

- Girdi 2 sonuç:

- Girdi 3 sonuç:

- Ortalama:



Versiyon B:

- Girdi 1 sonuç:

- Girdi 2 sonuç:

- Girdi 3 sonuç:

- Ortalama:



KARAR:

Kazanan: [A/B]

Neden: [açıklama]

Sonraki adım: [ne yapılacak]"



YAYGIN HATALAR:



1. Tek örnek ile karar verme

   Çözüm: En az 5-10 örnek



2. Subjektif değerlendirme

   Çözüm: Net metrikler belirle



3. Çok fazla değişken

   Çözüm: Tek değişken değiştir



4. Baseline olmadan test

   Çözüm: Her zaman karşılaştırma yap



5. Sonuçları kaydetmeme

   Çözüm: Sistematik dokümantasyon

Pratik Uygulamalar

Kod Geliştirme Promptları

Yazılım geliştirme için ileri promptlar.

KOD GELİŞTİRME PROMPTLARI



KOD ÜRETİMİ (Gelişmiş):



"Sen kıdemli bir [dil] geliştiricisisin.



GÖREV:

[Fonksiyon/modül açıklaması]



GEREKSİNİMLER:

- [Fonksiyonel gereksinim 1]

- [Fonksiyonel gereksinim 2]

- [Non-functional: performans, güvenlik, vb.]



KISITLAMALAR:

- [Kullanılacak/kullanılmayacak kütüphaneler]

- [Kod stili kuralları]

- [Versiyon kısıtlamaları]



ÇIKTI FORMATI:

1. Önce tasarım kararlarını açıkla

2. Sonra kodu yaz

3. Kullanım örneği ekle

4. Edge case leri belirt

5. Test önerileri sun"



KOD REVIEW (Gelişmiş):



"Bu kodu kıdemli bir mühendis gözüyle review et.



KOD:

[kod]



REVIEW KRİTERLERİ:

1. Doğruluk: Beklenen işi yapıyor mu?

2. Güvenlik: Açıklar var mı?

3. Performans: Optimize edilebilir mi?

4. Okunabilirlik: Anlaşılır mı?

5. Maintainability: Bakımı kolay mı?

6. Best Practices: Standartlara uygun mu?



Her kriter için:

- Puan (1-5)

- Bulgular

- Öneriler



Sonunda:

- Kritik sorunlar (blocker)

- Önemli öneriler

- Minör iyileştirmeler

- Olumlu yönler"



DEBUG (Gelişmiş):



"Bu hata için root cause analysis yap.



HATA:

[Hata mesajı]



KOD:

[İlgili kod]



BAĞLAM:

[Ne zaman oluşuyor, hangi inputlar, vb.]



ANALİZ ADIMLARI:

1. Hata mesajını yorumla

2. Olası nedenleri listele (en muhtemel → en az)

3. Her neden için kontrol yöntemi

4. En muhtemel nedenin çözümü

5. Benzer hataları önleme stratejisi"



REFACTORING (Gelişmiş):



"Bu kodu refactor et.



MEVCUT KOD:

[kod]



REFACTORING HEDEFLERİ:

- [ ] SOLID prensipleri

- [ ] DRY (tekrar yok)

- [ ] Okunabilirlik

- [ ] Test edilebilirlik

- [ ] [Özel hedef]



KISITLAMALAR:

- API değişmemeli

- Backward compatible

- [Diğer kısıtlamalar]



ÇIKTI:

1. Mevcut sorunların analizi

2. Refactoring planı (adımlar)

3. Refactored kod

4. Değişikliklerin özeti

5. Potansiyel riskler"



MİMARİ TASARIM:



"[Sistem/özellik] için mimari tasarım yap.



GEREKSİNİMLER:

- Fonksiyonel: [liste]

- Non-functional: [ölçeklenebilirlik, güvenlik, vb.]

- Kısıtlamalar: [teknoloji, bütçe, vb.]



ÇIKTI:

1. High-level mimari (bileşenler)

2. Veri akışı

3. API tasarımı

4. Veritabanı şeması

5. Teknoloji seçimleri ve gerekçeleri

6. Trade-off analizi

7. Ölçeklendirme stratejisi"

İçerik Üretimi Promptları

Yazı ve içerik için ileri promptlar.

İÇERİK ÜRETİMİ PROMPTLARI



BLOG YAZISI (Gelişmiş):



"Sen deneyimli bir içerik stratejisti ve yazarsın.



GÖREV: [Konu] hakkında blog yazısı



HEDEF KİTLE:

- Demografik: [yaş, meslek, vb.]

- Bilgi seviyesi: [başlangıç/orta/ileri]

- Aradıkları: [bilgi/eğlence/çözüm]



İÇERİK STRATEJİSİ:

- Anahtar kelime: [ana anahtar kelime]

- İkincil kelimeler: [liste]

- Rakip içeriklerden farkı: [unique angle]



YAPI:

- Başlık: Dikkat çekici, SEO uyumlu

- Giriş: Hook + değer vaadi

- Ana bölümler: [sayı] bölüm

- Her bölüm: Alt başlık + içerik + örnek

- Sonuç: Özet + CTA



FORMAT:

- Uzunluk: [kelime sayısı]

- Ton: [resmi/samimi/profesyonel]

- Paragraf: Max 3-4 cümle

- Görsel önerileri dahil et"



TEKNIK DOKÜMANTASYON:



"[Konu] için teknik dokümantasyon yaz.



HEDEF OKUYUCU:

- [Geliştirici/Admin/End-user]

- Bilgi seviyesi: [başlangıç/orta/ileri]



KAPSAM:

- [Dahil edilecekler]

- [Hariç tutulacaklar]



DOKÜMANTASYON YAPISI:

1. Genel Bakış (ne, neden)

2. Hızlı Başlangıç (5 dakikada çalışır)

3. Kurulum (detaylı)

4. Yapılandırma (tüm seçenekler)

5. Kullanım (örneklerle)

6. API Referansı (varsa)

7. Troubleshooting

8. FAQ



HER BÖLÜM İÇİN:

- Net açıklama

- Kod örnekleri

- Olası hatalar ve çözümleri

- İpuçları ve uyarılar"



SOSYAL MEDYA SERİSİ:



"[Konu/Ürün] için sosyal medya içerik serisi oluştur.



PLATFORM: [Twitter/LinkedIn/Instagram]

SERİ UZUNLUĞU: [sayı] paylaşım

KAMPANYA HEDEFİ: [farkındalık/etkileşim/dönüşüm]



HER PAYLAŞIM İÇİN:

- Ana metin

- Görsel önerisi/açıklaması

- Hashtag önerileri

- En iyi paylaşım zamanı

- CTA



SERİ AKIŞI:

1. Hook/dikkat çekici

2-4. Değer/bilgi

5. Sosyal kanıt/örnek

6. CTA/dönüşüm



Paylaşımlar arasında tutarlılık ve hikaye akışı sağla."



E-POSTA SERİSİ:



"[Amaç] için e-posta serisi yaz.



SERİ TÜRÜ: [Hoşgeldin/Nurture/Satış/Onboarding]

E-POSTA SAYISI: [sayı]

GÖNDERIM ARALIĞI: [günler]



HER E-POSTA İÇİN:

- Konu satırı (A/B test için 2 versiyon)

- Önizleme metni

- E-posta gövdesi

- CTA butonu metni

- P.S. notu (opsiyonel)



SERİ STRATEJİSİ:

E-posta 1: [Amaç]

E-posta 2: [Amaç]

...



Dönüşüm hunisinde ilerleme sağla."

Özet ve İpuçları

Reasoning Teknikleri:

• Chain of Thought: Adım adım düşünme için
• Tree of Thoughts: Birden fazla yol keşfi için
• Self-Consistency: Tutarlılık ile doğruluk artırma
• ReAct: Düşünme ve eylem döngüsü

Yapısal Teknikler:

• Few-Shot: Örneklerle pattern öğretme
• Role Prompting: Persona ve uzmanlık atama
• Structured Output: Format garantisi

İleri Teknikler:

• Meta-Prompting: AI ile prompt geliştirme
• Prompt Chaining: Pipeline yaklaşımı
• Constitutional AI: Prensip tabanlı davranış

Optimizasyon:

• Token optimizasyonu ile maliyet düşürme
• Sistematik test ve iterasyon
• Baseline ve metrikler ile karar verme

Genel İpuçları:

• Tek teknik yerine kombinasyon kullanın
• Göreve uygun teknik seçin
• Her zaman test edin ve ölçün
• Basit başlayın, gerekirse karmaşıklaştırın
• Sonuçları dokümante edin
• Farklı modellerde deneyin