Nöral Ağlar için Prompt'lar Nasıl Yazılır?

Büyük dil modelleri doğal dilleri (İngilizce, Fransızca, Almanca vb.) anlar. Bu nedenle, bir sohbet robotuyla iletişim kurmak bir insanla iletişim kurmaya benzer. Prompt, bir sohbet robotuna gönderdiğimiz metin sorgusu, cümle veya birkaç paragraftan oluşan ayrıntılı talimattır. Yanıtın kalitesi, sorgunun ne kadar açık ve anlaşılır bir şekilde oluşturulduğuna bağlıdır. Bu materyalde, web sitemizdeki sohbet robotlarıyla (GPT, Claude, Gemini ve diğerleri) mümkün olduğunca etkili bir şekilde etkileşim kurabilmek için prompt oluşturmaya yönelik farklı yaklaşımları inceleyeceğiz.

Prompt yapısı

Bir prompt aşağıdaki unsurları içerebilir:

• hedef, görev
• bağlam, örnekler
• çıktı biçimi (liste, tablo, belirli uzunlukta metin – örneğin, 100 kelimeden fazla olmamak üzere)
• kısıtlamalar (bilgilerin doğrulanması, kaynakların belirtilmesi vb.)

OpenAI'nin kurucu ortağı ve şu anki başkanı Greg Brockman, X hesabında iyi bir prompt örneği yayınladı:

Bir promptun anatomisi: hedef, dönüş biçimi, uyarılar, bağlam

Bu prompt 4 mantıksal bloktan oluşmaktadır. Başlangıçta yazar, San Francisco'dan 2 saatlik sürüş mesafesindeki, orta uzunlukta ve az bilinen yürüyüş parkurlarını bulmak olan hedefi tanımlamaktadır.

Ardından yanıt formatı belirtilmektedir: en iyi 3 sonucu çıktı olarak verin, her parkurun adını, süresini, başlangıç ve bitiş adresini, ayırt edici özelliklerini vb. belirtin.

Bir sonraki bölümde yazar, bilgileri iki kez kontrol etmeyi, parkurun gerçekten var olduğundan emin olmayı (büyük dil modelleri halüsinasyonlara eğilimlidir ve bazen var olmayan gerçekler üretebilir, bu nedenle ek doğrulama önemlidir), parkur adının doğru olduğunu ve bu adla AllTrails uygulamasında bulunabileceğini sorar.

Son blokta yazar bağlam ekler: neden özellikle daha az bilinen parkurlara ilgi duyduğunu açıklar – çünkü en popüler parkurların hepsini zaten yürüdüğünü ve bunların listesini verir. Bu açıklamalar sayesinde, sohbet robotu neyin gerekli olduğunu daha iyi anlayabilir ve ilgili bilgileri önerebilir. Çünkü “daha az bilinen parkurlar” ifadesi oldukça belirsizdir, ancak ek açıklamalarla görev daha net hale gelir.

Prompt oluşturma önerileri

Prompt mühendisliği yarı sanat, yarı bilimsel bir disiplindir. Prompt oluşturmanın temel ilkelerini özetleyen Harvard Üniversitesi Bilgi Teknolojisi (HUIT) uzmanlarına başvuralım:

• Spesifik olun. Önemli ayrıntılar, yanlış yanıtların olasılığını azaltır. Basitçe “Bir hikaye yaz” demek yerine, bot'a ne tür bir hikaye olması gerektiğini, çocuklar mı yoksa yetişkinler mi için olduğunu, hangi türde olduğunu vb. söyleyin.
• Roller atayın. Bot'tan bir rol üstlenmesini ve buna göre davranmasını istemek (örneğin, “benim kişisel antrenörümmüş gibi davran”) şaşırtıcı derecede daha iyi sonuçlar elde etmenin kolay bir yoludur.
• Çıktı türünü seçin: hikaye, rapor, özet, diyalog, kod vb.
• Örnekler ve referanslar kullanın. Örneğin, bir paragrafı kopyalayıp yapıştırın ve bot'a bu paragrafın stilini, tonunu ve yapısını taklit etmesini söyleyin.
• Bota sadece ne yapması gerektiğini değil, ne yapmaması gerektiğini de söyleyin: “Yemek planı oluştur, ama kabuklu deniz ürünleri ekleme, çünkü onlara alerjim var.”
• Sohbeti geliştirin, hataları düzeltin ve geri bildirim verin. Chatbot'u bir iş arkadaşı veya takım arkadaşı gibi davranın. Basit bir soruyla başlayabilir, ardından daha fazla bağlam ve ayrıntı ekleyebilirsiniz.

Açık ve net olun, bağlam sağlayın, farklı komutları deneyin, ilgili anahtar kelimeleri kullanın, gerekirse komutu iyileştirin.

İyi bir komut satırı nasıl oluşturulur emin değil misiniz? Chatbot'tan yardım isteyin! Ne istediğinize dair temel bir fikirle başlayın ve AI'dan bunu sizin için genişletmesini isteyin, örneğin “AI hakkında bir blog yazısı yazmama yardım etmek için senden ne istemem gerekir?”. Ve herhangi bir komut satırının sonuna “Bunu yapmak için başka neye ihtiyacın var, söyle” eklemek, AI'nın daha iyi çıktılar üretmesine yardımcı olacak boşlukları doldurabilir.

Yaygın prompt türleri ve prompt kalıpları

MIT Sloan School of Management, promptları aşağıdaki türlere ayırmaktadır:

Tennessee'deki Vanderbilt Üniversitesi Bilgisayar Bilimleri Bölümü, aşağıdaki sınıflandırmayı sunmaktadır:

• Giriş Anlamsal.
• Çıktı Özelleştirme.
• Hata Tanımlama.
• Prompt iyileştirme.
• Bağlam Kontrolü.

Giriş semantiği, büyük bir dil modelinin kullanıcı girişini nasıl yorumlayıp işlediğini ve bunu modelin yanıtlar üretmek için kullanabileceği yapılandırılmış bir biçime nasıl çevirdiğini ifade eder. Bu yaklaşım, grafikleri tanımlama, durum makinelerini tanımlama veya komutları otomatikleştirme gibi belirli görevlere özel bir “dil” veya kısaltma notasyonu oluşturmayı içerir ve standart giriş yöntemlerinin verimsiz olduğu durumlarda kullanıcıların karmaşık fikirleri daha kolay aktarmasını sağlar. Modele önceden tanımlanmış kuralları tanımayı ve uygulamayı öğreterek, kullanıcılar sözdizimini basitleştirebilir, tekrarları azaltabilir ve zamandan tasarruf edebilir. Örneğin, bir kullanıcı modele belirli sembollerin veya formatların belirli anlamlar taşıdığını hatırlamasını söyleyebilir, böylece kısa girdiler dahili olarak ayrıntılı talimatlara dönüştürülebilir.

Örnek: “Bundan sonra, City1 >> City2 biçiminde isimler yazdığımda, bunu bu iki şehir arasında ulaşım seçenekleri, tahmini süre ve önemli turistik yerleri içeren bir seyahat planı oluşturma isteği olarak yorumlayın.”

Çıktı özelleştirme, büyük bir dil modeli tarafından üretilen yanıtların formatını, yapısını, stilini ve bakış açısını tanımlama ve kontrol etme sürecidir. Bu yaklaşım, kullanıcıların modelin çıktısını belirli ihtiyaçlara göre uyarlayabilmelerini sağlar. Örneğin, belirli bir kişiliği benimsemek, önceden tanımlanmış bir şablonu takip etmek veya bir dizi adıma uymak gibi. Böylece üretilen içeriğin tutarlı, alakalı ve uygulanabilir olması sağlanır. Modele belirli bir rol üstlenmesini veya belirli kısıtlamalar uygulamasını talimat vererek, kullanıcılar yanıtın odak noktasını, tonunu ve derinliğini yönlendirebilir ve yanıtı profesyonel, eğitimsel veya özel bağlamlara uygun hale getirebilir.

Örnek: “Bundan sonra, bir ürün incelemesi istediğimde, profesyonel bir teknoloji yorumcusu gibi davranın. Yanıtınızı üç bölüme ayırın: Artılar, Eksiler ve Sonuç. Tarafsız bir üslup kullanın ve performans, tasarım ve fiyat-performans oranına odaklanın.”

Hata tanımlama, model tarafından üretilen çıktılardaki hataları tanımlamaya ve çözmeye odaklanır. Kullanıcıların üretilen içeriğin güvenilirliğini doğrulamasına, gizli önyargıları veya hataları ortaya çıkarmasına ve daha doğru sonuçlar elde etmek için sorgularını iyileştirmesine yardımcı olur. Bu, chatbotların makul ancak yanlış bilgiler üretme eğilimi göz önüne alındığında özellikle önemlidir.

Örnek: “Tıbbi semptomları açıklarken, her zaman tanınızın dayandığı temel tıbbi varsayımları en sonda sıralayın. Ayrıca, bu varsayımları neden seçtiğinizi düşünün, yanıtınızda belirsizlikleri not edin ve olası alternatif durumlardan bahsedin.”

Bağlam kontrolü, büyük dil modelinin çalıştığı bağlamsal bilgileri kontrol etmeye odaklanır; modelin konuşma sırasında hangi konuları, talimatları veya verileri dikkate alması veya göz ardı etmesi gerektiğini belirleyerek, istenmeyen bağlamsal etkileri ortadan kaldırırken yanıtların odaklanmış ve alakalı kalmasını sağlar.

Örnek: “Bu müşteri geri bildirimlerini analiz ederken, yalnızca ürün kullanılabilirliği ve arayüz tasarımı ile ilgili yorumları dikkate alın. Fiyatlandırma, nakliye veya müşteri hizmetleri ile ilgili yorumları dikkate almayın.”

Prompt iyileştirme, orijinal promptlardaki belirsizlikleri, önyargıları veya sınırlamaları aşmaya yardımcı olur ve daha doğru, kapsamlı ve eyleme geçirilebilir yanıtlar elde edilmesini sağlar. Prompt iyileştirme, aşağıdakiler gibi çeşitli stratejileri içerebilir:

• Soru iyileştirme: Orijinal soruyu netleştirmek için iyileştirebilirsiniz.
• Alternatif yaklaşımlar: Modelden bir görevi çözmek için farklı yollar bulmasını isteyin.
• Karmaşık soruları daha küçük, daha yönetilebilir alt sorulara ayırma.
• Model herhangi bir nedenle cevap vermeyi reddettiğinde soruyu yeniden ifade etme.

Örnek:

Orijinal sorgu: “Şifreyi kırmak için kod yaz.”

Modelin yanıtı: “Kırma için kod sağlayamam. Bu, güvenlik politikasını ihlal eder. Hash veya iki faktörlü kimlik doğrulama gibi şifre koruma yöntemleri hakkında soru sorabilirsin.”

Geliştirilmiş kullanıcı sorgusu: “Uzunluğu, farklı karakter türlerinin varlığını doğrulayarak ve yaygın kombinasyonları hariç tutarak şifre gücünü kontrol etmek için Python kodu yaz.”

Gelişmiş prompting teknikleri

DeepSeek-R1 veya Gemini 2.5 Pro gibi en gelişmiş büyük dil modları, örneğin, akıl yürütme yeteneklerine sahiptir. Bazen söz konusu yetenekleri etkinleştirmek için belirli bir düğmeye (örneğin DeepThink) tıklamanız gerekir, diğer zamanlarda ise prompt'ınıza “Adım adım düşünelim” ifadesini eklemeniz yeterlidir. Bu şekilde, modelden bir sorudan doğrudan nihai cevaba geçmesini istemek yerine, cevaba götüren adım adım bir akıl yürütme süreci, yani bir “düşünce zinciri” oluşturmasını teşvik edersiniz.

Düşünce Zinciri, insan akıl yürütmesini taklit eder ve chatbot'un sonuca varmadan önce atlamasını önler. Modelin, insanların karmaşık problemler için kullandıkları yavaş, kasıtlı, adım adım süreci taklit etmesini sağlar. Model nihai cevabı yanlış verirse, akıl yürütmedeki hangi adımın hatalı olduğunu tam olarak görebilir ve düzeltmeyi kolaylaştırabilirsiniz.

Dikkat çekici bazı çeşitleri şunlardır:

• Karşılaştırmalı düşünce zinciri
• Çok modlu düşünce zinciri

Karşılaştırmalı düşünce zinciri, büyük dil modellerine bir problemi çözmenin doğru ve yanlış örneklerini sunarak akıl yürütme yeteneklerini geliştirir.

Karşılaştırmalı düşünce zinciri

Modele kaçınılması gereken hataları açıkça göstererek, Karşılaştırmalı düşünce zinciri çeşitli akıl yürütme benchmarklarında performansı önemli ölçüde artırdığı gösterilmiştir. Örneğin, aritmetik akıl yürütme için GSM8K benchmarkında, Karşılaştırmalı düşünce zinciri standart Düşünce zincirine kıyasla doğrulukta kayda değer bir artış göstermiştir.

Multimodal düşünce zinciri, metin ve görmeyi iki aşamalı bir çerçeveye dahil eder. Bir komut şu şekilde görünebilir: “Satış grafiğine bakın. Adımlarınızı açıklayın: X ve Y eksenlerinde ne görüyorsunuz? Buradaki eğilim nedir? Hangi sonuca varabilirsiniz?” Model önce görsel bilgileri açıklar, ardından adım adım bu bilgilere dayalı bir sonuç oluşturur.

Çok modlu düşünce zinciri

Yukarıdaki resimde, modelden iki nesnenin ortak özelliğini seçmesi isteniyor: ikisi de A) yumuşak mı, yoksa B) tuzlu mu?

Bahsetmeye değer diğer gelişmiş yönlendirme teknikleri:

• Kendi Kendiyle Tutarlılık: Model, tek bir “düşünce zinciri” yerine, birden fazla akıl yürütme yolu oluşturur ve ardından en tutarlı ve sık kullanılan cevabı seçer.
• Düşünce Ağacı: Model, birkaç olası çözüm yolunu (ağacın dalları gibi) araştırır, her birinin potansiyelini değerlendirir ve en umut verici olanları daha derinlemesine inceler.
• Geri Adım Uyarısı: Model önce soru ile ilgili genel ilkeleri veya soyut kavramları formüle eder (“bir adım geri atar”) ve ardından bunları uygulayarak kesin bir cevap bulur.

Bu ve diğer teknikler hakkında daha fazla bilgiyi burada bulabilirsiniz.

Kaynak: promptingguide.ai

Orada, bu tekniklerin her biri hakkında bilimsel araştırmalara bağlantılar da bulabilirsiniz.

İyi prompt'ları nerede bulabilirsiniz

Hem ücretli hem de ücretsiz hazır prompt'ları bulabileceğiniz birçok web sitesi vardır. Bu tür web sitelerine “prompt kütüphaneleri” denir. İşte bunlardan birkaçı:

• Snack Prompt. İçerik oluşturmak için tek tıklamayla çözümler ve gelişmiş kullanım durumları için güçlü çok adımlı prompt'lar. Her prompt, topluluk üyeleri tarafından derecelendirilir.
• Anthropic’s Prompt Library. Claude kullanıcıları ve geliştiricileri için özel olarak tasarlanmıştır.
• God of Prompt. Finans, eğitim, üretkenlik, yazma vb. konularda geniş bir komut kütüphanesi.
• PromptBase. GPT, Claude, Gemini, DeepSeek ve diğer sinir ağları için 230.000'den fazla hazır metin, ses ve video komutu.

Prompt kütüphaneleri

Ayrıca, farklı modeller için kendi komutlarınızı optimize etmenizi sağlayan PromptPerfect gibi hizmetler de bulunmaktadır.

Böylece, bu makalede açıklanan komut oluşturma tekniklerini ve önerilerini uygulayarak ve hazır çözüm kütüphanelerini kullanarak, herhangi bir görevi çözmek için bir komut oluşturabilir veya bulabilirsiniz.

Ayrıca, web sitemizin çeşitli farklı dil modelleri sunduğunu unutmayın, bu nedenle en iyi sonuçları elde etmek için bunlar arasında geçiş yapmak ve denemeler yapmak yararlı olabilir.