Multi-step Prompt – (Çok Adımlı İstem)

Çok Adımlı İstem, üretken yapay zekâ modeline karmaşık bir görevi tek işlemde tamamlaması yerine, görevi birden fazla açık ve mantıksal adıma ayırarak gerçekleştirmesi için verilen yapılandırılmış istemdir. Bu yaklaşımda kullanıcı, modelin hangi aşamalardan geçeceğini önceden belirleyebilir veya modelden görevi uygun alt adımlara ayırmasını isteyebilir. Temel amaç, karmaşık bir problemi daha küçük ve yönetilebilir işlemlere bölerek çıktıların tutarlılığını, kontrol edilebilirliğini ve görev başarısını artırmaktır.

Multi-step Prompting’in temel mantığı şu şekilde gösterilebilir:

Karmaşık Görev → Adım 1 → Adım 2 → Adım 3 → … → Nihai Çıktı

Örneğin kullanıcı yapay zekâya yalnızca: “Bu araştırma makalesini değerlendir.” diyebilir. Bu oldukça genel bir istemdir. Aynı görev Multi-step Prompt biçiminde şöyle yapılandırılabilir:

“Aşağıdaki araştırma makalesini şu adımları izleyerek değerlendir:

Adım 1: Araştırmanın temel problemini ve amacını belirle.
Adım 2: Araştırma soruları veya hipotezleri incele.
Adım 3: Kullanılan teorik çerçeveyi değerlendir.
Adım 4: Araştırma yöntemini ve örneklemi incele.
Adım 5: Kullanılan analiz yöntemlerinin araştırma sorularına uygunluğunu değerlendir.
Adım 6: Bulgular ile hipotezlerin tutarlılığını kontrol et.
Adım 7: Tartışmanın bulguları literatürle yeterince ilişkilendirip ilişkilendirmediğini değerlendir.
Adım 8: Çalışmanın güçlü ve zayıf yönlerini belirle.
Adım 9: Nihai değerlendirme raporunu oluştur.”**

Bu yapıda modelin gerçekleştirmesi gereken büyük görev, dokuz daha küçük işleme ayrılmıştır. Her işlem nihai değerlendirmenin belirli bir bileşenini oluşturur.

Multi-step Prompt Nasıl Çalışır?

Multi-step Prompting’de görevlerin birbirleriyle ilişkili olması önemlidir. Bazı uygulamalarda her adım bağımsız olarak gerçekleştirilebilirken, bazı durumlarda önceki adımın sonucu sonraki adım için gerekli olabilir. Örneğin:

Adım 1: Kullanıcının araştırma konusunu belirle.
Adım 2: Konuya ilişkin temel kavramları çıkar.
Adım 3: Bu kavramlara uygun literatür arama terimleri oluştur.
Adım 4: Literatürdeki temel temaları sınıflandır.
Adım 5: Araştırma boşluklarını belirle.
Adım 6: Belirlenen boşluklara dayanarak araştırma soruları öner.

Burada altıncı adımın sağlıklı gerçekleştirilebilmesi için önceki aşamalardan elde edilen bilgiler önem taşımaktadır. Böylece model, karmaşık bir araştırma sürecini aşamalı olarak yürütür.

Akademik Araştırmalarda Multi-step Prompt

Multi-step Prompting akademik çalışmalarda oldukça kullanışlıdır. Örneğin literatür taraması için şu yapı oluşturulabilir:

Adım 1: Araştırma konusunun temel kavramlarını belirle.
Adım 2: Kavramların İngilizce karşılıklarını ve eş anlamlılarını oluştur.
Adım 3: Boolean arama dizilerini hazırla.
Adım 4: Dahil etme ve dışlama kriterlerini belirle.
Adım 5: Bulunan çalışmaların amaçlarını sınıflandır.
Adım 6: Kullanılan teorileri karşılaştır.
Adım 7: Kullanılan yöntemleri karşılaştır.
Adım 8: Ortak ve çelişkili bulguları belirle.
Adım 9: Literatürdeki araştırma boşluklarını çıkar.
Adım 10: Yeni araştırma önerileri geliştir.

Bu tür bir istem, yapay zekânın doğrudan genel bir literatür özeti üretmesi yerine araştırma sürecini daha sistematik biçimde ele almasını sağlar.

Multi-step Prompting’in Kullanım Alanları

Multi-step Prompting yalnızca akademik araştırmalarda kullanılmaz. Yazılım geliştirme, veri analizi, proje yönetimi, stratejik planlama, eğitim, raporlama, belge inceleme ve yapay zekâ ajanlarında da uygulanabilir.

Örneğin bir veri analizi görevi:

Adım 1: Veri setindeki değişkenleri tanımla.
Adım 2: Eksik verileri kontrol et.
Adım 3: Değişkenlerin dağılımlarını incele.
Adım 4: Araştırma sorusuna uygun istatistiksel yöntemi belirle.
Adım 5: Yöntemin varsayımlarını kontrol et.
Adım 6: Analizi gerçekleştir.
Adım 7: Sonuçları yorumla.
Adım 8: Bulguları akademik rapor biçiminde sun.

şeklinde yapılandırılabilir.

Multi-step Prompt ve Sequential Prompt Arasındaki Fark

Bu iki kavram oldukça benzerdir ve uygulamada sıklıkla birbirinin yerine kullanılabilir. Bununla birlikte vurgu açısından küçük bir ayrım yapılabilir.

Multi-step Prompting, karmaşık bir görevin birden fazla alt adıma bölünmesine odaklanır.

Sequential Prompting ise bu adımların belirli bir sıra içerisinde birbirini takip etmesine vurgu yapar.

Örneğin:

Multi-step yapı:

Araştırmanın teorisini değerlendir.
Yöntemi değerlendir.
Bulguları değerlendir.

Buradaki temel özellik görevin üç parçaya ayrılmasıdır.

Sequential yapı:

Önce araştırma problemini belirle → Buna dayanarak araştırma sorusunu oluştur → Araştırma sorusuna göre yöntemi seç → Yönteme göre analiz planını oluştur.

Burada her aşamanın bir önceki aşamaya bağlı olması daha belirgindir. Dolayısıyla her Sequential Prompt çok adımlı bir yapı içerebilir; ancak her Multi-step Prompt’ta adımların birbirine sıkı biçimde bağımlı olması gerekmez.

Multi-step Prompt ve Prompt Chaining Arasındaki Fark

Multi-step Prompt, bir görevin çok sayıda adıma ayrılmasını ifade eder. Bu adımlar tek bir uzun prompt içerisinde tanımlanabilir.

Prompt Chaining ise çoğunlukla her adımın ayrı bir prompt olarak çalıştırıldığı ve bir adımın çıktısının sonraki promptun girdisine aktarıldığı iş akışını ifade eder.

Örneğin Multi-step Prompt: “Önce metni özetle, sonra temel kavramları çıkar, ardından araştırma boşluklarını belirle.” Tek bir prompt içerisinde üç görev içermektedir.

Prompt Chaining ise:

Prompt 1: Metni özetle.
↓
Çıktı 1

Prompt 2: Bu özetten temel kavramları çıkar.
↓
Çıktı 2

Prompt 3: Bu kavramlardan hareketle araştırma boşluklarını belirle.

şeklinde ayrı işlemler hâlinde yürütülebilir.

Multi-step Prompt ve Hierarchical Prompt Arasındaki Fark

Multi-step Prompting görevlerin adımlara ayrılmasına, Hierarchical Prompting ise görevlerin üst ve alt düzeyler hâlinde örgütlenmesine odaklanır.

Multi-step yapı:

Adım 1 → Adım 2 → Adım 3 → Adım 4

Hierarchical yapı:

Ana Görev
↳ Alt Görev 1
 ↳ Görev 1.1
 ↳ Görev 1.2
↳ Alt Görev 2
 ↳ Görev 2.1
 ↳ Görev 2.2

Bu iki teknik birlikte de kullanılabilir. Önce görev hiyerarşik olarak parçalara ayrılabilir, ardından her alt görev çok adımlı bir süreç hâlinde yürütülebilir.

Multi-step Prompting’in Avantajları

Multi-step Prompting’in temel avantajı karmaşıklığı yönetilebilir hâle getirmesidir. Modelin tek seferde çok sayıda gereksinimi karşılamaya çalışması yerine, görevin belirli bileşenlerine odaklanması sağlanabilir. Ayrıca süreç daha kolay kontrol edilebilir. Kullanıcı belirli bir aşamada hata olduğunu fark ettiğinde tüm görevi yeniden başlatmak yerine ilgili adımı düzeltebilir. Bir diğer avantaj şeffaf görev organizasyonudur. Kullanıcı, yapay zekânın hangi işlemleri gerçekleştirmesi gerektiğini önceden tanımlayabildiği için nihai çıktının kapsamını daha iyi kontrol edebilir. Bununla birlikte çok fazla adım oluşturulması istemin gereksiz yere karmaşıklaşmasına neden olabilir. Ayrıca ilk aşamalarda yapılan bir hata, sonraki adımlar önceki çıktılara bağımlıysa sürecin geri kalanını etkileyebilir. Bu nedenle kritik aşamalarda ara doğrulama noktaları kullanılması yararlı olabilir.

AI Agent Sistemlerinde Multi-step Prompting

Multi-step Prompting, modern AI Agent sistemlerinin temel çalışma biçimlerinden biriyle yakından ilişkilidir. Karmaşık bir görev alan ajan, görevi daha küçük işlemlere ayırabilir:

Planla → Bilgi topla → Analiz et → Araç kullan → Sonucu kontrol et → Nihai cevap oluştur

Örneğin bir araştırma ajanı önce araştırma sorusunu analiz edebilir, ardından akademik kaynakları arayabilir, bulunan kaynakları değerlendirebilir, gerekli verileri çıkarabilir ve son olarak bunları bir araştırma raporunda sentezleyebilir. Bu nedenle Multi-step Prompting özellikle uzun ve karmaşık görevleri yerine getiren yapay zekâ ajanları, araştırma asistanları ve otomatik iş akışlarında önemli bir tasarım yaklaşımıdır.

Sonuç olarak Multi-step Prompt, yapay zekâya yalnızca “bu görevi gerçekleştir” demek yerine, “bu görevi belirli alt işlemlere ayır ve her birini sistematik biçimde tamamlayarak nihai sonuca ulaş” yaklaşımına dayanmaktadır. Karmaşık problemlerin yönetilmesini kolaylaştırması, görev kapsamını açık hâle getirmesi ve ara kontrole olanak sağlaması nedeniyle akademik araştırmalardan veri analizine, yazılım geliştirmeden AI Agent sistemlerine kadar geniş bir kullanım alanına sahiptir.

Not: Multi-step Prompting, Zero-shot veya Few-shot Prompting kadar sınırları kesinleşmiş tek bir standart prompt kategorisi değildir. Literatürde multi-step prompting, stepwise prompting, task decomposition ve prompt chaining gibi yakın kavramlar farklı biçimlerde kullanılabilmektedir. Bu nedenle akademik bir sınıflandırmada Multi-step Prompting ile Sequential Prompting ve Prompt Chaining arasındaki kavramsal örtüşmenin belirtilmesi daha doğru olacaktır.