Prompt Nedir, Nasıl Yazılır? Prompt Mühendisliği Gerçeği

Prompt, bir yapay zekâ modeline verdiğiniz talimatın (sorunun, isteğin, yönergenin) adıdır. Yazdığınız her mesaj bir prompt'tur.

Bu kadar basit bir kavramın etrafında koca bir mitoloji oluştu: "sihirli kelimeler", "gizli formüller", "prompt mühendisliği kursları"... Bu rehber hem pratiği hem de mitolojinin dürüst bir değerlendirmesini içerir.

Prompt ne demek?

Kelimenin İngilizce karşılığı "harekete geçirmek, yönlendirmek, suflörlük etmek"tir. Tiyatroda suflörün oyuncuya repliği fısıldaması da aynı kelimeyle anlatılır ve benzetme fena değil: siz yönü verirsiniz, sahnedeki oyunu model oynar.

Teknik olarak prompt, modelin cevabını üretmeden önce okuduğu metnin tamamıdır. Buna yalnızca son yazdığınız cümle değil, o sohbetteki geçmiş de dahildir. Dil modelleri bir sonraki kelimeyi bu metne bakarak tahmin ettiği için, prompt'unuz cevabın hammaddesidir. Eksik hammadde, eksik cevap üretir.

Türkçede "istem" veya "komut" olarak da karşılanıyor; ama "komut" biraz yanıltıcı, çünkü modele emir vermiyorsunuz, bağlam veriyorsunuz. Yaygın kullanım prompt olarak yerleşti.

İyi prompt'un 4 bileşeni

Sihirli kelime yok; net iletişim var. İyi prompt, iyi bir brief'le aynı iskelete sahiptir:

1. Bağlam: Kimsiniz, durum ne? "Bir e-ticaret sitesi için ürün açıklaması yazıyorum. Hedef kitle 25-40 yaş, ton samimi ama profesyonel."

2. Görev: Tam olarak ne istiyorsunuz? "Bu ürün özelliklerinden 150 kelimelik bir açıklama yaz." (Belirsiz: "bununla ilgili bir şeyler yaz.")

3. Kısıtlar: Ne olmasın, sınırlar ne? "Abartılı pazarlama dili kullanma, teknik jargondan kaçın, fiyattan bahsetme."

4. Format: Çıktı neye benzesin? "Üç paragraf: sorun, çözüm, öne çıkan özellikler madde listesi."

Bu dördü varsa, prompt'unuz çoğu "uzman şablonundan" iyi çalışır. Ezberlemek için basit bir kontrol sorusu: bu metni işi hiç bilmeyen yeni bir stajyere versem, ne sorardı? Soracağı her şey, prompt'unuzdaki eksiktir.

Kötü prompt, iyi prompt: karşılaştırmalı örnekler

Teoriyi somutlaştıralım. Aşağıdaki üç çift, aynı işin zayıf ve güçlü hâlleri.

Örnek 1 — Metin yazımı

Zayıf: "Bana bir e-posta yaz."

Güçlü: "Bir haftadır yanıt vermeyen kurumsal müşteriye nazik bir hatırlatma e-postası yaz. Teklifimizin süresi cuma günü doluyor. Ton: baskı kurmayan, profesyonel. En fazla 120 kelime, tek bir net soruyla bitir."

Örnek 2 — Analiz

Zayıf: "Bu verileri yorumla."

Güçlü: "Aşağıda son 6 ayın aylık abone kaybı sayıları var. Önce eğilimi bir cümleyle özetle, sonra dikkat çeken iki ayı ve olası sebeplerini yaz. Emin olmadığın çıkarımları 'varsayım' diye işaretle."

Örnek 3 — Karar desteği

Zayıf: "Hangi render motorunu seçmeliyim?"

Güçlü: "İki kişilik bir mimari görselleştirme ekibiyiz, ayda ~15 iç mekân karesi üretiyoruz, revizyon temposu yüksek. Elimizde 16 GB VRAM'li bir ekran kartı var. Hız ve kontrol dengesi açısından hangi motoru önerirsin, gerekçesiyle yaz."

Örneklerdeki ortak fark, uzunluk değil karar verilebilirlik. Güçlü versiyonlarda model, sizin yerinize varsayım yapmak zorunda kalmıyor. Kötü çıktıların büyük kısmı, modelin sizin doldurmadığınız boşlukları ortalama tahminlerle doldurmasından gelir.

Prompt yazarken bilmeniz gereken kavramlar

Birkaç terim işinizi kolaylaştırır:

• Sistem prompt'u: Sohbetin başında, uygulamanın modele verdiği gizli yönergedir ("sen bir müşteri destek asistanısın"). Sizin yazdığınız kullanıcı prompt'undan farklı ve genelde daha yüksek önceliklidir.
• Bağlam penceresi: Modelin aynı anda okuyabileceği metin miktarı. Uzun sohbetlerde baştaki bilgiler kapsam dışına düşebilir; ayrıntısı token ve bağlam penceresi yazısında.
• Sıcaklık (temperature): Yaratıcılık ayarı. Düşük değer daha tutarlı, yüksek değer daha çeşitli cevap üretir.
• Zero-shot / few-shot: Örneksiz veya birkaç örnekli istek. Format kritikse örnek vermek en etkili yöntemdir; teknikleri prompt engineering yazısında topladım.

En sık yapılan 5 prompt hatası

1. Her şeyi tek seferde istemek. Uzun, karmaşık tek prompt yerine adım adım ilerleyin: önce taslak, sonra düzeltme, sonra cila. AI ile çalışmak diyalogdur, sipariş fişi değil.
2. Bağlamı es geçmek. Model sizin sektörünüzü, kitlenizi, amacınızı bilmez. Bilmediği her şeyi varsayar; genel ve ortalama cevaplar da bu varsayımlardan çıkar.
3. İlk çıktıyı final sanmak. İlk cevap ham maddedir. "Şu kısmı derinleştir", "bu tonu değiştir" turları, asıl kaliteyi üretir.
4. Örneksiz çalışmak. Beğendiğiniz bir örnek vermek ("şu üsluba benzesin"), sayfalarca tarif yazmaktan etkilidir.
5. Doğrulamayı unutmak. Model ikna edici yanlışlar üretebilir; neden uydurduğunu ayrı bir yazıda anlattım. Kritik bilgiyi (rakam, tarih, teknik detay) her zaman kontrol edin.

"Prompt mühendisliği" meslek mi? Dürüst cevap

Kısa cevap: Bir beceri olarak evet, kalıcı bir meslek unvanı olarak temkinliyim.

Nedeni şu: modeller geliştikçe "özel söz dizimi bilme"nin değeri düşüyor. Bugünkü modeller, iki yıl öncesinin prompt akrobasisine gerek bırakmıyor. Kalıcı olan katman ise başka bir şey: neyi istediğini net bilmek ve net ifade etmek. Bu da yeni bir meslek değil; iyi düşünme ve iyi brief yazma becerisinin AI araçlarına uygulanmış hâli.

Benim ürün tarafındaki ilkem de buradan gelir: iyi bir üründe prompt yazma yükü kullanıcıya değil, ürünün içine gömülmüş uzmanlığa aittir. Kullanıcı prompt yazmak zorunda kalmamalı yazısında savunduğum şey tam olarak bu: kullanıcıya "doğru prompt'u öğren" demek, ürün tasarımının görevini kullanıcıya devretmektir.

Prompt yazmayı nasıl geliştirirsiniz?

Kurs aramadan önce şu üç alışkanlık, çoğu eğitimden hızlı sonuç verir:

Kötü çıktıyı analiz edin. Beğenmediğiniz cevap geldiğinde modeli suçlamadan önce sorun: bu sonucu üretmek için hangi varsayımı yapmak zorunda kaldı? Cevap, prompt'unuzdaki eksiği gösterir.

İşe yarayanı saklayın. İyi çalışan prompt'ları bir dosyada biriktirin. Zamanla elinizde kendi şablon kütüphaneniz oluşur ve bu, internetteki genel şablonlardan çok daha isabetli olur çünkü sizin işinize göre evrilmiştir.

Model değişince yeniden test edin. Bir modelde harika çalışan prompt, yenisinde gereksiz ayrıntı içeriyor olabilir. Yeni modeller genelde daha az elle tutmayı gerektirir.

Sıkça sorulan sorular

Prompt'u İngilizce mi yazmalıyım?

Modern büyük modellerde Türkçe gayet iyi çalışır ve Türkçe çıktı istiyorsanız Türkçe yazmak genelde daha doğal sonuç verir. İngilizce'nin hâlâ hafif avantajlı olduğu yerler: çok teknik veya niş konular ve bazı görsel üretim modelleri. Önce kendi dilinizde deneyin, sonuç yetersizse İngilizce'yi test edin.

Aynı prompt neden her seferinde farklı sonuç veriyor?

Modeller olasılıksal çalışır; aynı soruya her seferinde kelimesi kelimesine aynı cevabı vermezler. Tutarlılık kritikse: daha net kısıtlar, örnekler ve (araç izin veriyorsa) düşük sıcaklık ayarı kullanın.

Sistem prompt'u ile kullanıcı prompt'u arasındaki fark nedir?

Sistem prompt'u uygulamanın modele önceden verdiği çerçevedir ve genelde kullanıcıya görünmez; kullanıcı prompt'u ise sizin yazdığınızdır. Sistem yönergesi daha yüksek önceliklidir ama mutlak değildir; kötü niyetli metinlerin bu önceliği ezmeye çalışmasına prompt injection denir.

Prompt yazmak için kurs almak gerekir mi?

Gerekmez. Dört bileşeni (bağlam, görev, kısıt, format) uygulayıp kendi işinizde iki hafta pratik yapmak, çoğu kursun kazandıracağından fazlasını kazandırır. Kursların gerçekten katkı sağladığı yer, temel değil ileri teknikler ve otomasyon kurulumlarıdır.

Görsel üretim prompt'u metin prompt'undan farklı mı?

Evet, mantığı farklıdır. Metinde cümle kurarsınız; görselde daha çok tarif edersiniz: konu, kompozisyon, ışık, açı, üslup. Ayrıca görsel modellerde negatif tarif (istemediğiniz şey) ve referans görsel kullanımı öne çıkar. Difüzyon modellerinin nasıl çalıştığı yazısında bunu ayrıntılandırdım.

Bir modelde çalışan prompt diğerinde de çalışır mı?

Genelde büyük ölçüde çalışır ama birebir aynı sonucu vermez. Her modelin kendi üslubu ve varsayılan davranışı var. Kritik işlerde model değiştirirken prompt'larınızı yeniden test etmek gerekir.

Yazdığım prompt'lar saklanıyor mu?

Kullandığınız plana bağlı. Kurumsal planlar genelde veriyi model eğitiminde kullanmama taahhüdü verir; ücretsiz tüketici sürümlerinde varsayılan çoğu zaman bunun tersidir. Hassas bilgi girmeden önce yapay zekâda veri gizliliği yazısındaki ayrımı okumanızı öneririm.

---

Bu rehber, AI destekli ürün geliştirme pratiğimden derlenmiştir.