Prompt Design – (İstem Tasarımı)

Prompt Design (İstem Tasarımı), üretken yapay zekâ (Generative AI) sistemlerinden istenen çıktıyı elde edebilmek amacıyla istemlerin (promptların) planlı, açık ve etkili biçimde oluşturulması sürecidir. İstem tasarımı; görevin tanımlanması, gerekli bağlamın sağlanması, modelin rolünün belirlenmesi, kısıtlamaların eklenmesi ve beklenen çıktı biçiminin açıkça ifade edilmesini kapsar. Amaç, yapay zekâ modelinin kullanıcı niyetini doğru anlamasını sağlayarak daha doğru, tutarlı ve kullanışlı sonuçlar üretmesine yardımcı olmaktır. Prompt Design ile Prompt Engineering kavramları birbiriyle yakından ilişkilidir ancak aynı anlama gelmez. Prompt Design, tek tek istemlerin nasıl yazılacağına odaklanan uygulamalı bir süreçtir. Prompt Engineering ise istem tasarımının yanı sıra istemlerin sistematik olarak test edilmesi, optimize edilmesi, değerlendirilmesi ve farklı modeller için uyarlanmasını da kapsayan daha geniş bir uzmanlık alanıdır. Başka bir ifadeyle, Prompt Design; Prompt Engineering’in temel bileşenlerinden biridir.

Büyük dil modelleri (Large Language Models – LLM’ler) kendilerine verilen istemi analiz ederek yanıt üretir. Model, kullanıcının gerçek niyetini doğrudan bilemez; yalnızca istemde yer alan bilgileri yorumlar. Bu nedenle iyi tasarlanmış bir istem, modelin doğru bağlamı anlamasını ve istenen biçimde çıktı üretmesini sağlar. Örneğin aşağıdaki iki istem karşılaştırılabilir:

Yetersiz istem: “Yapay zekâyı anlat.” Bu istem oldukça genel olduğundan model farklı uzunluklarda ve farklı odaklarda cevaplar verebilir.

İyi tasarlanmış istem: “Yapay zekâyı sağlık yönetimi lisans öğrencileri için akademik bir dille yaklaşık 1000 kelime olarak açıkla. Tarihçesi, temel teknolojileri, kullanım alanları, avantajları ve dezavantajlarını ele al. APA 7 formatında kaynakça ekle.”  Bu istem; hedef kitleyi, kapsamı, uzunluğu, yazım biçimini ve çıktı formatını açıkça belirttiği için daha kaliteli ve amaca uygun sonuç üretir.

Prompt Design’ın Temel Bileşenleri

Başarılı bir istem tasarımı genellikle aşağıdaki bileşenlerden oluşur.

1. Görev (Task)

Modelden yapılması istenen iş açık biçimde tanımlanır. Örnek:

• Makale yaz.
• Metni özetle.
• Kod geliştir.
• Tablo oluştur.

2. Bağlam (Context)

Göreve ilişkin arka plan bilgisi verilir. Örnek: “Bu içerik yüksek lisans öğrencileri için hazırlanacaktır.”

3. Rol (Role)

Modele belirli bir uzmanlık rolü atanır. Örnek: “Bir yapay zekâ profesörü olarak cevap ver.”

4. Kısıtlamalar (Constraints)

Çıktının sınırları belirlenir. Örnek:

• En az 1000 kelime olsun.
• APA 7 kullan.
• Tablo oluşturma.
• Madde işaretleri kullanma.

5. Çıktı Formatı (Output Format)

Yanıtın hangi biçimde sunulacağı belirtilir. Örneğin:

• Akademik makale
• Tablo
• JSON
• Markdown
• Rapor
• Sunum taslağı

6. Değerlendirme Ölçütü (Evaluation Criteria)

Bazı uygulamalarda modelden kendi çıktısını belirli ölçütlere göre değerlendirmesi de istenebilir. Örneğin: “Yanıtın sonunda eksik kalan noktaları belirt.”

Etkili Prompt Design İlkeleri

Başarılı istem tasarımında aşağıdaki ilkelere dikkat edilmelidir:

• Açık ve anlaşılır ifadeler kullanılmalıdır.
• Belirsiz kelimelerden kaçınılmalıdır.
• Gereksiz bilgi verilmemelidir.
• Hedef kullanıcı belirtilmelidir.
• Beklenen ayrıntı düzeyi ifade edilmelidir.
• Gerekirse örnekler eklenmelidir.
• Çıktı uzunluğu belirtilmelidir.
• Kaynak veya atıf isteniyorsa açıkça yazılmalıdır.

Prompt Design Örneği

Aşağıdaki örnek, yapılandırılmış bir istem tasarımını göstermektedir.

Görev: Akademik metin yaz.

Bağlam: Sağlık yönetimi öğrencileri için hazırlanacaktır.

Rol: Üniversitede görev yapan bir profesör gibi yaz.

Kısıtlamalar:

• 1500 kelime
• APA 7
• En az 10 kaynak
• Akademik dil

Çıktı: Başlıklar içeren akademik makale.

Bu yapı sayesinde model, kullanıcı beklentisini çok daha doğru anlayabilir.

Kullanım Alanları

Prompt Design günümüzde aşağıdaki alanlarda yaygın olarak kullanılmaktadır:

• Akademik araştırmalar
• Eğitim teknolojileri
• Yazılım geliştirme
• İçerik üretimi
• Pazarlama
• Veri analizi
• Hukuk
• Sağlık
• Müşteri hizmetleri
• Kurumsal yapay zekâ uygulamaları

Avantajları

• Yapay zekâ çıktılarının doğruluğunu artırır.
• Yanıtların daha tutarlı olmasını sağlar.
• Halüsinasyon riskini azaltmaya yardımcı olur.
• Farklı görevler için standart istem şablonları oluşturulabilir.
• Yapay zekâ kullanım verimliliğini artırır.

Dezavantajları

• Etkili istem hazırlamak deneyim gerektirir.
• Aynı istem farklı modellerde farklı sonuçlar verebilir.
• Gereğinden uzun istemler model performansını her zaman artırmayabilir.
• Sürekli deneme ve iyileştirme gerekebilir.

Prompt Design ve Prompt Engineering Arasındaki Fark

Özellik	Prompt Design	Prompt Engineering
Amaç	Tek bir istemi etkili biçimde oluşturmak	İstemleri sistematik olarak geliştirmek ve optimize etmek
Kapsam	İstem yazımı	İstem yazımı, test, optimizasyon ve değerlendirme
Odak	Yapı ve içerik	Performans ve verimlilik
Kullanım	Günlük yapay zekâ kullanımı	Araştırma, ürün geliştirme ve kurumsal uygulamalar

Özet

Prompt Design, üretken yapay zekâ modelleriyle etkili iletişim kurabilmek için istemlerin planlı ve yapılandırılmış biçimde hazırlanması sürecidir. Görevin açık tanımlanması, bağlamın verilmesi, rolün belirlenmesi, kısıtlamaların ifade edilmesi ve çıktı biçiminin açıklanması, modelin daha doğru ve kaliteli sonuçlar üretmesini sağlar. Günümüzde Prompt Design, üretken yapay zekâ araçlarını verimli kullanmanın temel becerilerinden biri olarak kabul edilmektedir.

İlgili Kavramlar: Prompt, Prompt Engineering, Large Language Model (LLM), ChatGPT, GPT, Gemini, Claude, Role Prompting, Zero-shot Prompting, Few-shot Prompting, Chain-of-Thought Prompting

Kaynakça

Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1921.

Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1–35.

OpenAI. (2023). GPT-4 technical report. arXiv. https://doi.org/10.48550/arXiv.2303.08774

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., et al. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in Neural Information Processing Systems, 35, 24824–24837.