Prompt Genişletme Nasıl Yapılır?

Üretken yapay zekâ sistemlerinden alınan yanıtın niteliği, çoğu zaman kullanılan istemin açık ve yeterli olmasına bağlıdır. “Bir makale yaz”, “Bu veriyi analiz et” veya “Bir görsel oluştur” gibi kısa komutlar modele temel amacı bildirir; ancak hedef kitle, kapsam, yöntem, çıktı biçimi ve kalite ölçütleri belirtilmediğinde sonuç yüzeysel veya beklentiden uzak kalabilir. Prompt genişletme, kısa ya da eksik bir istemin amacını değiştirmeden; bağlam, görev ayrıntıları, kısıtlamalar, örnekler ve çıktı ölçütleri eklenerek daha açıklayıcı hâle getirilmesidir. Prompt genişletme, yalnızca istemi uzatmak anlamına gelmez. Amaç, modele gereksiz ayrıntılar vermek değil, görevi doğru yorumlayabilmesi için ihtiyaç duyduğu bilgileri sağlamaktır. Etkili bir genişletme işlemi sonunda ortaya çıkan istem daha uzun olabilir; fakat asıl ölçüt uzunluk değil, bilgi yoğunluğu ve açıklıktır.

Prompt genişletme: Prompt genişletme, kullanıcının temel talebini daha yapılandırılmış ve uygulanabilir bir komuta dönüştürme işlemidir. Kısa istemde örtük kalan beklentiler açık hâle getirilir. Örneğin:

Kısa istem: Yapay zekâ hakkında yaz.

Bu istemin genişletilmiş biçimi şöyle olabilir:

Genişletilmiş istem: “Yapay zekânın sağlık hizmetlerindeki kullanımını lisans öğrencilerine yönelik akademik fakat anlaşılır bir dille açıkla. Metin yaklaşık 1000 kelime olsun. Tanım, kullanım alanları, avantajlar, riskler ve etik sorunlar ayrı başlıklar altında ele alınsın. Doğrulanabilir akademik kaynaklara dayan ve metnin sonunda APA 7 biçiminde kaynakça ver.” Bu istemde konu aynı kalmıştır; ancak hedef kitle, kapsam, uzunluk, dil, yapı ve kaynak kullanımı netleştirilmiştir.

Prompt neden genişletilir: Büyük dil modelleri, kullanıcının zihnindeki amacı doğrudan bilemez. Model, yalnızca kendisine verilen istemi ve mevcut bağlamı yorumlayabilir. Bu nedenle eksik veya belirsiz talimatlar farklı biçimlerde anlaşılabilir. Prompt genişletme özellikle şu sorunları azaltmak için kullanılır:

• Yanıtın gereğinden kısa veya genel kalması
• Hedef kitlenin yanlış belirlenmesi
• İstenen bölümlerin atlanması
• Uygun olmayan dil ve anlatım biçiminin kullanılması
• Kaynaksız ya da doğrulanamayan bilgi sunulması
• Çıktının istenen formatta hazırlanmaması
• Modelin kullanıcı beklentisini tahmin etmek zorunda kalması

Araştırmalar, istemlerin içerik ve biçim açısından sistematik olarak iyileştirilmesinin model performansını etkileyebileceğini göstermektedir. Bununla birlikte otomatik istem iyileştirme yöntemlerinin her zaman hatanın gerçek nedenini doğru belirleyemediği ve tek aşamalı genişletmenin her görevde en iyi sonucu vermediği de bildirilmektedir. Bu nedenle genişletilmiş istemlerin gerçek örnekler üzerinde test edilmesi gerekir.

Prompt genişletme nasıl yapılır?

1. Temel amacı koruyun: İlk aşamada kullanıcının aslında ne istediği tek cümleyle belirlenmelidir. Örneğin: Çalışan motivasyonu hakkında bir metin hazırlamak. Genişletme sırasında bu görev başka bir amaca dönüştürülmemelidir. Kullanıcı yalnızca açıklama istiyorsa modelden araştırma modeli kurması veya anket geliştirmesi istenmemelidir.

2. Göremi açık bir eylemle tanımlayın: “Bak”, “bir şeyler yap” veya “değerlendir” gibi belirsiz ifadeler yerine, beklenen işlem açıkça yazılmalıdır.  Kullanılabilecek görev fiilleri şunlardır:

• Açıkla
• Karşılaştır
• Sınıflandır
• Özetle
• Eleştir
• Analiz et
• Yeniden yaz
• Örnek oluştur
• Tabloya dönüştür
• Kaynaklarla destekle

Örneğin: Dijital liderliği açıkla. Yerine “ Dijital liderlik ile geleneksel liderliği temel özellikleri, gerekli yetkinlikler ve çalışanlar üzerindeki etkileri açısından karşılaştır”.

3. Bağlam ekleyin: Bağlam, modelin görevi hangi koşullar içinde yerine getireceğini açıklar. Konu, kurum, araştırma alanı, kullanım amacı veya mevcut sorun belirtilmelidir. Örnek: “Bu metin, sağlık yönetimi bölümünde okutulan lisans düzeyindeki bir ders için hazırlanacaktır” Bağlam eklenmediğinde model çoğunlukla genel bir yanıt üretir. Ancak gereksiz kişisel veya görevle ilgisiz bilgiler isteme eklenmemelidir.

4. Hedef kitleyi belirtin: Aynı konu farklı hedef kitleler için farklı biçimde anlatılır. Bir kavramın lise öğrencisine, akademisyene veya sektör yöneticisine sunulma biçimi aynı değildir. Hedef kitle örnekleri:

• Konuyu ilk kez öğrenen kullanıcılar
• Lisans öğrencileri
• Doktora öğrencileri
• Alan uzmanları
• Sağlık çalışanları
• Üst düzey yöneticiler
• Genel kamuoyu

Örnek: Kavramı yapay zekâ konusunda teknik bilgisi olmayan üniversite öğrencilerine yönelik olarak açıkla.

5. Modelin rolünü yalnızca gerektiğinde tanımlayın: Rol tanımlama, modelin konuya hangi perspektiften yaklaşacağını belirleyebilir. Örnek: “Bir bilim iletişimcisi gibi yaz”. Ancak “dünyanın en iyi uzmanı ol” gibi abartılı roller yerine somut uzmanlık ve görev bağlamı verilmelidir. Daha etkili bir örnek: “Yönetim ve organizasyon alanında çalışan bir akademisyen perspektifiyle değerlendir”. Rol tek başına yeterli değildir. Görev, kapsam ve çıktı koşulları yine açık biçimde yazılmalıdır.

6. Kapsamı belirleyin: Modelin hangi noktaları ele alacağı ve hangi noktaların kapsam dışında kalacağı belirtilmelidir. Örnek: “Metinde kavramın tanımı, tarihsel gelişimi, başlıca uygulama alanları, avantajları ve riskleri ele alınsın. Teknik algoritma ayrıntılarına girilmesin”. Bu yaklaşım, yanıtın konudan sapmasını ve gereksiz bölümler içermesini azaltır.

7. Kısıtlamaları ekleyin: Kısıtlamalar, modelin uyması gereken sınırları gösterir. Bunlar şu unsurları içerebilir:

• Kelime sayısı
• Dil
• Ton
• Teknik düzey
• Kaynak türü
• Tarih aralığı
• Kullanılmaması gereken ifadeler
• Zorunlu başlıklar
• Tablo veya madde kullanımı

Örnek: “Metin 800–1000 kelime arasında olsun. Akademik fakat anlaşılır bir dil kullan. Doğrulanamayan istatistiklere yer verme”. Kısıtlamaların birbiriyle çelişmemesi gerekir. “Çok ayrıntılı açıkla” ve “100 kelimeyi geçme” gibi talepler aynı istemde verildiğinde modelin öncelik belirlemesi zorlaşır.

8. Çıktı formatını tanımlayın: Modelden yalnızca içerik değil, içeriğin sunuluş biçimi de istenmelidir. Örnek çıktı formatları:

• Haber metni
• Akademik açıklama
• Karşılaştırma tablosu
• Yönetici özeti
• Soru-cevap biçimi
• Sosyal medya paylaşımı
• JSON
• Sunum planı
• Ders notu
• Kontrol listesi

Örnek: “Yanıtı kısa bir giriş, beş ana başlık, uygulama örneği ve sonuç bölümü şeklinde düzenle”.

9. Kalite ölçütleri ekleyin: “İyi yaz” gibi öznel ifadeler yerine, çıktının hangi ölçütlere göre başarılı sayılacağı açıklanmalıdır. Örnek: “Her ana iddia açıklansın, kavramlar birbirinden ayrıştırılsın, tekrar eden cümlelerden kaçınılsın ve verilen örnekler doğrudan konuyla ilişkili olsun.”

Akademik görevlerde şu ölçütler eklenebilir: “Kaynaklar gerçek ve doğrulanabilir olsun. Metin içi atıflar ile kaynakça birbiriyle eşleşsin. Emin olunmayan bilgiler kesin bir dille sunulmasın.”

10. Gerekirse örnek gösterin: Modelden belirli bir üslup veya biçim bekleniyorsa kısa bir örnek verilebilir. Bu yaklaşım, özellikle sınıflandırma, başlık oluşturma ve standart metin üretme görevlerinde yararlıdır. Örnek: Başlıklar şu biçimde olsun: “Yapay Zekâ İş Dünyasını Nasıl Değiştiriyor?”

Aynı haber diliyle üç yeni başlık oluştur. Örnekler, modelin hem içeriği hem de biçimi anlamasına yardımcı olur. Few-shot prompting yaklaşımında modele birden fazla örnek verilerek beklenen çıktı örüntüsü gösterilir.

11. Belirsizliği yönetme talimatı ekleyin: Modelin eksik bilgileri uydurmaması için belirsizlik durumunda nasıl davranacağı belirtilmelidir. Örnek: “Gerekli bilgi verilmemişse tahminde bulunma. Eksik noktayı açıkça belirt veya uygun bir yer tutucu kullan”. Bu talimat halüsinasyonu tamamen ortadan kaldırmaz; ancak modelin daha temkinli davranmasına katkı sağlayabilir.

12. İstemi bölümlere ayırın: Uzun istemler tek paragraf olarak yazıldığında bazı kurallar gözden kaçabilir. Bu nedenle başlıklar veya ayırıcılar kullanılabilir.

Örnek:

ROL: Yönetim alanında çalışan bir akademisyen.

GÖREV: Dijital liderlik kavramını açıkla.

HEDEF KİTLE: Lisans öğrencileri.

KAPSAM: Tanım, temel özellikler, yetkinlikler, avantajlar ve sınırlılıklar.

BİÇİM: Yaklaşık 1000 kelimelik, başlıklı akademik metin.

KURALLAR: Doğrulanabilir kaynaklara dayan, APA 7 kaynakça ekle, Tekrar eden ifadeler kullanma.

Biçimlendirme, istemin içerik kadar önemli bir boyutudur. Güncel çalışmalar, içerik ve formatın birlikte optimize edilmesinin yalnızca kelimeleri değiştirmeye dayalı yaklaşımlardan daha etkili olabileceğini araştırmaktadır.

Beş aşamalı pratik prompt genişletme formülü

Kısa bir istemi genişletmek için şu formül kullanılabilir:

Görev + Bağlam + Kapsam + Kısıtlamalar + Çıktı biçimi

Örneğin:

Kısa istem: Bir haber yaz.

Genişletilmiş istem: Üniversitelerde yapay zekâ kullanımının artışı hakkında genel okuyucuya yönelik bir teknoloji haberi yaz. Haberde eğitimde kullanım alanları, öğrencilere sağlayabileceği faydalar, akademik dürüstlük sorunları ve öğretim elemanlarının değişen rolü ele alınsın. Metin 600–800 kelime arasında olsun. Tarafsız ve açıklayıcı bir haber dili kullan. Abartılı gelecek tahminlerinden kaçın. Başlık, kısa spot, giriş, üç ara başlık ve sonuç bölümü oluştur.

Yapay zekâdan promptu genişletmesini isteme

Kullanıcı mevcut istemini başka bir yapay zekâ modeline vererek genişletilmiş bir sürüm hazırlatabilir.

Kullanılabilecek örnek komut: “Aşağıdaki kısa istemi, temel amacını değiştirmeden daha açık ve uygulanabilir hâle getir. Görev, bağlam, hedef kitle, kapsam, kısıtlamalar, çıktı formatı ve kalite ölçütleri ekle. Eksik bilgileri kesin gerçeklermiş gibi uydurma. Gerekli alanları köşeli parantez içinde kullanıcı tarafından doldurulacak değişkenler olarak bırak”.

Kısa istem: “[İSTEMİ BURAYA YAZ]”

Daha kontrollü bir sürüm: “Aşağıdaki istemi genişletmeden önce içerdiği temel amacı tek cümleyle belirle. Daha sonra anlamını değiştirmeden yapılandırılmış bir istem oluştur. Gereksiz rol tanımları, tekrarlar ve süslü ifadeler ekleme. Son çıktıyı “Görev, Bağlam, Girdiler, Kurallar, Çıktı Formatı ve Başarı Ölçütleri” başlıklarıyla sun.”

Farklı amaçlar için prompt genişletme örnekleri

Akademik yazım

Kısa istem: İş tatmini hakkında yaz.

Genişletilmiş istem: İş tatmini kavramını yönetim ve organizasyon literatürü çerçevesinde açıklayan akademik bir metin hazırla. Kavramın tanımı, temel kuramsal yaklaşımlar, öncüller, örgütsel sonuçlar ve güncel araştırma eğilimleri ayrı başlıklar altında ele alınsın. Metin doktora düzeyindeki okuyuculara yönelik olsun. Hakemli akademik kaynaklara dayan, metin içi atıfları APA 7 biçiminde ver ve doğrulanamayan kaynak üretme.

Görsel üretimi

Kısa istem: Yapay zekâ görseli oluştur.

Genişletilmiş istem: İnsan ile yapay zekâ arasındaki iş birliğini anlatan sade bir dijital illüstrasyon oluştur. Görselde bir akademisyen ile yarı saydam bir yapay zekâ arayüzü aynı masa üzerinde bir araştırma raporunu incelesin. Kompozisyon yatay olsun. Arka plan açık ve minimal tasarlansın. Metin, logo veya filigran bulunmasın. Görsel teknoloji odaklı ancak gerçekçi ve güven veren bir atmosfer taşısın.

Veri analizi

Kısa istem: Veriyi analiz et.

Genişletilmiş istem: Yüklediğim veri setini eksik değerler, aykırı gözlemler, değişken türleri ve dağılımlar açısından incele. Önce veri kalitesi sorunlarını belirt. Ardından uygun tanımlayıcı istatistikleri üret. Sayısal değişkenler için ortalama, standart sapma, medyan, minimum ve maksimum; kategorik değişkenler için frekans ve yüzde ver. Analiz sırasında herhangi bir değişkeni otomatik olarak silme. Yaptığın varsayımları açıkça belirt ve sonuçları tablo hâlinde sun.

Metin düzenleme

Kısa istem: Bu paragrafı düzelt.

Genişletilmiş istem: Aşağıdaki paragrafı akademik Türkçe açısından düzenle. Anlamı, iddiaları ve atıfları değiştirme. Anlatım bozukluklarını, gereksiz tekrarları, yazım ve noktalama hatalarını gider. Cümleler arasındaki mantıksal geçişleri güçlendir. Yeni kaynak veya bilgi ekleme. Önce düzeltilmiş paragrafı ver, ardından yaptığın önemli değişiklikleri en fazla beş maddede açıkla.

Prompt genişletme ile prompt refinement arasındaki fark

Prompt genişletme, kısa veya eksik bir isteme gerekli ayrıntıların eklenmesidir.
Prompt refinement, mevcut bir istemin test sonuçlarına göre düzeltilmesi ve daha iyi hâle getirilmesidir.

Örneğin:

• “Bir özet yaz” komutunun hedef kitle, uzunluk ve format eklenerek geliştirilmesi prompt genişletmedir.
• Genişletilmiş istemin ürettiği özet çok teknik kaldığı için dil düzeyinin yeniden ayarlanması prompt refinement işlemidir.

Bu iki süreç çoğu uygulamada birlikte yürütülür.

Prompt genişletme sırasında yapılan hatalar

1. İstemi gereksiz yere uzatmak: Uzun istem her zaman iyi istem değildir. Görevle ilgisi olmayan ayrıntılar modelin odağını dağıtabilir.
2. Çelişkili talimatlar vermek: “Çok ayrıntılı yaz” ve “yalnızca iki cümle kullan” gibi kurallar aynı anda verildiğinde sonuç tutarsız olabilir.
3. Modelin bilmediği bilgileri varsaymak: “Kurumumuzun politikasına göre yaz” deniyorsa ilgili politika metni de verilmelidir.
4. Her göreve rol eklemek: Basit bir düzeltme işi için uzun bir uzman kimliği tanımlamak çoğu zaman gerekli değildir.
5. Çıktı biçimini belirtmemek: Model doğru içeriği üretse bile tablo yerine paragraf veya kısa yanıt yerine uzun rapor verebilir.
6. Kaynak istemekle doğruluğu garanti etmek: “Kaynak ekle” talimatı, verilen her kaynağın gerçek olacağını garanti etmez. Kaynakların ayrıca doğrulanması gerekir.
7. Tek denemeyle yetinmek: Prompt genişletme çoğu zaman yinelemeli bir süreçtir. İlk çıktı incelenmeli, eksikler belirlenmeli ve istem buna göre yeniden düzenlenmelidir. Otomatik prompt optimizasyonu çalışmalarında da aday istemlerin performans ölçütleri üzerinden tekrar tekrar değerlendirilmesi temel yöntemlerden biridir.

Genişletilmiş prompt kontrol listesi: Bir istemi kullanmadan önce şu sorular sorulabilir:

• Modelden istenen görev açık mı?
• Konu ve bağlam yeterince belirtilmiş mi?
• Hedef kitle tanımlanmış mı?
• Kapsama alınacak konular belli mi?
• Kapsam dışında kalacak noktalar belirtilmiş mi?
• Çıktının uzunluğu ve biçimi açık mı?
• Kalite ölçütleri tanımlanmış mı?
• Talimatlar birbiriyle uyumlu mu?
• Eksik bilgi karşısında modelin nasıl davranacağı belirtilmiş mi?
• Gereksiz tekrar veya ayrıntı var mı?

Sonuç

Prompt genişletme, kısa bir komutu rastgele biçimde uzatmak değil, kullanıcı niyetini modele daha açık şekilde aktarmaktır. Etkili bir genişletilmiş istem; görevi, bağlamı, hedef kitleyi, kapsamı, kısıtlamaları, çıktı biçimini ve başarı ölçütlerini açıkça tanımlar. Bununla birlikte en iyi istem tek seferde bulunmayabilir. Üretilen çıktı değerlendirilmeli, sorunlar belirlenmeli ve istem gerçek kullanım sonuçlarına göre yeniden düzenlenmelidir. Doğru uygulandığında prompt genişletme; daha ayrıntılı, tutarlı ve kullanılabilir çıktılar elde edilmesini sağlar. Yanlış uygulandığında ise gereksiz uzunluk, çelişkili talimatlar ve bağlam kalabalığı nedeniyle model performansını düşürebilir. Bu nedenle temel ilke şudur: İstemi yalnızca uzatmayın; modelin görevi doğru yapabilmesi için gerekli bilgileri ekleyin.