Prompt Programming – (İstem Programlama)

İstem Programlama, büyük dil modellerinin (Large Language Models – LLM’ler) davranışlarını yalnızca doğal dil komutlarıyla değil, yazılım kodu, mantıksal akışlar ve dinamik istem üretimi kullanarak kontrol etme yaklaşımıdır. Başka bir ifadeyle Prompt Programming, istemlerin bir yazılımın parçası olarak oluşturulması, yönetilmesi ve çalıştırılması sürecidir. Bu yaklaşım, üretken yapay zekâ modellerini uygulamalara entegre etmek isteyen yazılım geliştiricileri için temel tekniklerden biridir. Prompt Programming, klasik Prompt Engineering‘den farklıdır. Prompt Engineering daha çok insanların etkili istem yazmasına odaklanırken, Prompt Programming bu istemlerin yazılım tarafından otomatik oluşturulmasını, değişkenlerle yönetilmesini ve farklı senaryolara göre dinamik olarak değiştirilmesini kapsar. Örneğin bir kullanıcı, ChatGPT’ye doğrudan şu istemi yazabilir: “Yapay zekâyı lise öğrencileri için açıkla.” Bu, Prompt Engineering kapsamına girer. Buna karşılık bir yazılım uygulaması kullanıcıdan aldığı bilgileri kullanarak otomatik olarak şu istemi oluşturabilir: “Yapay zekâyı {hedef_kitle} için {uzunluk} kelime olacak şekilde açıkla.” Burada {hedef_kitle} ve {uzunluk} gibi değişkenler kullanıcı girdilerine göre program tarafından doldurulur. Bu süreç Prompt Programming örneğidir.

Prompt Programming Neden Gereklidir?

Modern yapay zekâ uygulamalarında milyonlarca kullanıcı farklı ihtiyaçlarla sisteme bağlanmaktadır. Her kullanıcı için istemleri manuel olarak hazırlamak mümkün değildir. Prompt Programming sayesinde:

• istemler otomatik oluşturulur,
• kullanıcı bilgilerine göre özelleştirilir,
• uygulama içinde yönetilir,
• farklı senaryolara uyarlanır,
• tekrar kullanılabilir hâle gelir.

Bu yaklaşım özellikle sohbet robotları, kurumsal yapay zekâ sistemleri ve akıllı asistanlarda yaygın olarak kullanılmaktadır.

Prompt Programming Nasıl Çalışır?

Genel iş akışı aşağıdaki gibidir:

Kullanıcı Girdisi – Program Mantığı – Dinamik Prompt Oluşturma – LLM API’ye Gönderme – Model Yanıtı – Sonucun Kullanıcıya Sunulması

Bu süreçte istem, sabit bir metin olmaktan çıkar; yazılım tarafından gerçek zamanlı olarak oluşturulan dinamik bir bileşen hâline gelir.

Prompt Programming’in Temel Bileşenleri

1. Prompt Template (İstem Şablonu)

Yazılım içerisinde tekrar kullanılabilir istem kalıpları oluşturulur. Örnek:

“Konu: {konu}

Hedef kitle: {hedef}

Uzunluk: {kelime}

Çıktı biçimi: {format}”

2. Değişkenler (Variables)

Şablon içerisindeki alanlar kullanıcı verileriyle doldurulur. Örneğin:

• {konu}
• {dil}
• {rol}
• {çıktı}
• {uzunluk}

3. Koşullu Mantık (Conditional Logic)

Program, farklı durumlara göre farklı istemler oluşturabilir. Örneğin:

• Öğrenci ise sade anlat.
• Akademisyen ise bilimsel dil kullan.
• Yönetici ise özet rapor hazırla.

4. Bellek Yönetimi (Memory Management)

Sohbet geçmişi veya önceki kullanıcı girdileri isteme eklenebilir. Bu sayede model konuşmanın bağlamını koruyabilir.

5. API Entegrasyonu

Hazırlanan istem, model sağlayıcısının API’sine gönderilir ve dönen yanıt uygulama tarafından işlenir.

Prompt Programming Teknikleri

Prompt Programming içerisinde çeşitli teknikler kullanılmaktadır.

a)Template-Based Prompting: İstemler hazır şablonlardan oluşturulur.

b) Dynamic Prompt Generation: İstemler kullanıcı verilerine göre gerçek zamanlı oluşturulur.

c) Retrieval-Augmented Prompting: Haricî veri kaynaklarından alınan bilgiler isteme eklenir. Bu yaklaşım, Retrieval-Augmented Generation (RAG) sistemlerinin temelini oluşturur.

d) Multi-step Prompting: Bir görevin çözümü birkaç isteme bölünür. Örneğin:

1. Bilgiyi topla.
2. Analiz et.
3. Özet oluştur.

e) Prompt Chaining: Bir istemin çıktısı, sonraki istemin girdisi olarak kullanılır. Bu yöntem karmaşık iş akışlarında yaygın olarak kullanılmaktadır.

Prompt Programming Örneği

Bir eğitim uygulamasında kullanıcı şu bilgileri girsin:

• Ders: Yapay Zekâ
• Seviye: Lisans
• Uzunluk: 1500 kelime

Program otomatik olarak şu istemi oluşturabilir: “Bir üniversite öğretim üyesi gibi davran. Yapay zekâyı lisans öğrencileri için yaklaşık 1500 kelime olarak açıkla. Akademik dil kullan. Başlıklar oluştur. APA 7 formatında kaynakça ekle.” Bu istem kullanıcı tarafından değil, uygulama tarafından oluşturulmaktadır.

Kullanım Alanları

Prompt Programming aşağıdaki alanlarda yaygın olarak kullanılmaktadır.

• Sohbet robotları
• Kurumsal yapay zekâ sistemleri
• Akıllı asistanlar
• Eğitim platformları
• Kod üretim araçları
• Veri analizi uygulamaları
• Hukuk teknolojileri
• Sağlık bilişimi
• İçerik üretim sistemleri
• Müşteri hizmetleri

Avantajları

• İstemleri otomatik oluşturur.
• Tekrar kullanılabilir yapı sağlar.
• Büyük ölçekli uygulamalara uygundur.
• Kullanıcıya göre özelleştirme yapılabilir.
• Yazılım sistemleriyle kolayca bütünleşir.

Dezavantajları

• Yazılım geliştirme bilgisi gerektirir.
• Karmaşık uygulamalarda yönetimi zor olabilir.
• Yanlış tasarlanmış istem şablonları sistematik hatalara yol açabilir.
• Sürekli bakım ve güncelleme gerektirebilir.

Prompt Programming ile Prompt Engineering Arasındaki Fark

Özellik	Prompt Programming	Prompt Engineering
Odak	Yazılım içinde istem oluşturma ve yönetme	Etkili istem tasarlama ve optimize etme
Kullanıcı	Yazılım geliştiriciler	Son kullanıcılar, araştırmacılar ve geliştiriciler
Araçlar	Programlama dilleri, API’ler, şablonlar	Doğal dil istemleri
Amaç	Dinamik ve otomatik istem üretimi	Daha kaliteli model çıktıları elde etmek
Ölçek	Büyük uygulamalar ve otomasyon	Tekil veya tekrarlayan görevler

Prompt Programming ile Prompt Engineering Birlikte Nasıl Kullanılır?

Modern yapay zekâ uygulamalarında bu iki yaklaşım genellikle birlikte kullanılır:

1. Prompt Engineering ile etkili istemler tasarlanır ve test edilir.
2. Başarılı istemler Prompt Programming kullanılarak yazılım şablonlarına dönüştürülür.
3. Uygulama, kullanıcı bilgilerine göre bu şablonları dinamik olarak doldurur ve modele gönderir.

Bu sayede hem kaliteli hem de ölçeklenebilir yapay zekâ uygulamaları geliştirilebilir.

Özet

Prompt Programming, büyük dil modelleriyle çalışan yazılım uygulamalarında istemlerin programatik olarak oluşturulması, yönetilmesi ve yürütülmesi sürecidir. Şablonlar, değişkenler, koşullu mantık, bellek yönetimi ve API entegrasyonları kullanılarak dinamik istemler üretilir. Prompt Engineering’in tasarım ilkelerini yazılım geliştirme süreçleriyle birleştiren bu yaklaşım, günümüzde sohbet robotlarından kurumsal yapay zekâ platformlarına kadar birçok uygulamanın temel bileşenlerinden biridir.

İlgili Kavramlar: Prompt Engineering, Prompt Design, Prompt Template, Prompt Chaining, RAG (Retrieval-Augmented Generation), API, Large Language Model (LLM), ChatGPT, GPT, Dynamic Prompting

Kaynakça

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., et al. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems, 33, 9459–9474.

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

White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., et al. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. arXiv. https://doi.org/10.48550/arXiv.2302.11382

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