Üretken Yapay Zekâda Prompt Türleri, Teknikleri ve Yöntemleri

Prompt türlerinin evrensel ve kapalı bir listesi yoktur. Araştırma makaleleri, uygulamalı prompt engineering kaynakları ve LLM/agent literatürü sürekli yeni adlandırmalar üretmektedir; ayrıca bazı terimler gerçek bir “prompt türü”, bazıları “prompting tekniği”, bazıları “framework”, bazıları ise “agentic reasoning yöntemi”dir.

A. Temel ve örnek kullanımına göre prompting

1. Zero-shot Prompting — Modele herhangi bir örnek göstermeden doğrudan görev verilmesidir.
2. One-shot Prompting — Görevin nasıl yapılacağını göstermek için tek bir örnek verilmesidir.
3. Few-shot Prompting — Modele birkaç örnek gösterilerek istenen örüntünün öğretilmesidir.
4. Multi-shot Prompting — Modele çok sayıda örnek verilerek davranış veya çıktı biçiminin daha güçlü biçimde yönlendirilmesidir.
5. In-context Learning Prompting — Modelin ağırlıkları değiştirilmeden, prompt içindeki örnek ve bilgilerden göreve uyum sağlamasıdır.
6. Demonstration Prompting — Beklenen davranışın örnek girdiler ve çıktılar aracılığıyla gösterilmesidir.
7. Example-based Prompting — Modelin cevabını yönlendirmek amacıyla örneklerin kullanıldığı genel istem yaklaşımıdır.
8. Negative-example Prompting — Modele yalnızca doğru değil, kaçınılması gereken yanlış çıktı örneklerinin de gösterilmesidir.
9. Contrastive Prompting — Doğru ve yanlış ya da iyi ve kötü örneklerin karşılaştırmalı biçimde verilmesidir.

B. Rol, kimlik ve perspektif temelli prompting

10. Role Prompting — Modele belirli bir mesleki veya işlevsel rol verilmesidir.
11. Persona Prompting — Model için ayrıntılı bir kişilik, uzmanlık veya davranış profili tanımlanmasıdır.
12. Expert Prompting — Modelin belirli bir alandaki uzman gibi değerlendirme yapmasının istenmesidir.
13. Perspective Prompting — Problemin belirli bir kişinin, grubun veya bakış açısının perspektifinden değerlendirilmesidir.
14. Audience Prompting — Çıktının belirli bir hedef kitlenin bilgi düzeyi ve özelliklerine göre oluşturulmasıdır.
15. Style Prompting — Modelden belirli bir dilsel, akademik, teknik veya iletişimsel üslup kullanmasının istenmesidir.
16. Tone Prompting — Çıktının resmî, samimi, eleştirel, ikna edici gibi belirli bir tonda hazırlanmasıdır.

C. Talimat ve kontrol temelli prompting

17. Instruction Prompting — Modele ne yapması gerektiğinin açık ve doğrudan talimatlarla belirtilmesidir.
18. Constraint Prompting — Modelin uyması gereken uzunluk, biçim, kapsam veya içerik sınırlarının belirlenmesidir.
19. Conditional Prompting — Model davranışının “eğer X ise Y yap” türündeki koşullara bağlanmasıdır.
20. Rule-based Prompting — Modelin önceden tanımlanmış kurallar doğrultusunda cevap vermesinin sağlanmasıdır.
21. Guided Prompting — Modelin görevi belirlenen yol, ölçüt veya aşamalar doğrultusunda gerçekleştirmesidir.
22. Directive Prompting — Model davranışının açık ve emir niteliğindeki direktiflerle yönlendirilmesidir.
23. Priority Prompting — Birden fazla gereksinim arasında hangilerinin öncelikli olduğunun tanımlanmasıdır.
24. Boundary Prompting — Modelin hangi kapsam içinde kalacağı ve hangi alanlara girmeyeceğinin belirlenmesidir.
25. Format Prompting — Çıktının tablo, JSON, madde listesi, rapor gibi belirli bir biçimde üretilmesinin istenmesidir.
26. Schema Prompting — Çıktının önceden belirlenmiş alanlardan oluşan yapısal bir şemaya uymasının istenmesidir.

D. Bağlam temelli prompting

27. Contextual Prompting — Görevi doğru gerçekleştirebilmesi için modele ilgili arka plan bilgisinin verilmesidir.
28. Context-enriched Prompting — Promptun ek bilgiler, belgeler veya açıklamalarla zenginleştirilmesidir.
29. Long-context Prompting — Çok uzun belge veya bağlamların tek istem içerisinde kullanılmasına dayanan yaklaşımdır.
30. Memory-based Prompting — Önceki etkileşimlerden veya saklanan bilgilerden yararlanılarak promptun kişiselleştirilmesidir.
31. Retrieval-Augmented Prompting — Harici kaynaklardan getirilen bilgilerin prompta eklenerek yanıt üretilmesidir.
32. Grounded Prompting — Modelin cevabını verilen veya getirilen güvenilir kaynaklara dayandırmasının istenmesidir.
33. Document-grounded Prompting — Modelin cevabını özellikle sağlanan belge veya belgelerle sınırlandıran prompting biçimidir.
34. Knowledge-augmented Prompting — Modele dış bilgi sağlanarak mevcut model bilgisinin desteklenmesidir.

E. Görev parçalama ve süreç temelli prompting

35. Multi-step Prompting — Karmaşık görevin birden fazla açık alt adıma bölünmesidir.
36. Sequential Prompting — Görevlerin önceden belirlenmiş bir sıra içerisinde gerçekleştirilmesidir.
37. Prompt Chaining — Bir promptun çıktısının sonraki promptun girdisi olarak kullanılmasıdır.
38. Decomposition Prompting — Karmaşık problemin daha küçük ve yönetilebilir alt problemlere ayrılmasıdır.
39. Hierarchical Prompting — Ana görev ve alt görevlerin üst-alt ilişkisi içinde katmanlandırılmasıdır.
40. Nested Prompting — Bir ana istem içerisinde başka alt istemlerin veya görevlerin iç içe yerleştirilmesidir.
41. Recursive Prompting — Bir çıktının tekrar modele verilerek aşamalı biçimde geliştirilmesidir.
42. Iterative Prompting — Prompt veya cevabın birden fazla turda geri bildirimle iyileştirilmesidir.
43. Progressive Prompting — Görevin giderek daha ayrıntılı talimatlarla aşamalı biçimde geliştirilmesidir.
44. Incremental Prompting — Bilgi ve talimatların modele küçük parçalar hâlinde eklenmesidir.
45. Least-to-Most Prompting — Problemin önce daha kolay alt problemlere ayrılıp bunlardan daha karmaşık çözüme ilerlenmesidir.

F. Akıl yürütme ve problem çözme prompting teknikleri

46. Chain-of-Thought (CoT) Prompting — Karmaşık problemlerin ara muhakeme adımları üzerinden çözülmesini teşvik eden tekniktir.
47. Zero-shot Chain-of-Thought — Örnek göstermeden modele sistematik akıl yürütme yapmasını teşvik eden CoT yaklaşımıdır.
48. Few-shot Chain-of-Thought — Örneklerde ara çözüm mantığı gösterilerek benzer muhakemenin yeni probleme aktarılmasıdır.
49. Self-Consistency Prompting — Birden fazla çözüm yolu üretilip sonuçlar arasındaki tutarlılıktan yararlanılmasıdır.
50. Tree-of-Thoughts (ToT) — Birden fazla olası muhakeme dalının oluşturulup değerlendirilerek çözüm aranmasıdır.
51. Graph-of-Thoughts (GoT) — Muhakeme parçalarının doğrusal zincir yerine grafik yapısı içinde ilişkilendirilmesidir.
52. Algorithm-of-Thoughts (AoT) — Modelin problem çözmesini algoritmik çözüm prosedürleriyle yapılandıran yaklaşımdır.
53. Skeleton-of-Thought — Önce cevabın temel iskeletinin çıkarılıp ardından bölümlerin geliştirilmesidir.
54. Thread-of-Thought — Uzun ve karmaşık bağlamlarda önemli bilgi dizisinin sistematik biçimde izlenmesine yönelik yaklaşımdır.
55. Tabular Chain-of-Thought — Ara değerlendirmelerin tablo benzeri yapı içerisinde organize edilmesidir.
56. Program-of-Thoughts (PoT) — Sayısal veya mantıksal işlemlerin doğal dil yerine programlama ifadeleriyle yürütülmesidir.
57. Chain-of-Symbol — Karmaşık muhakemenin doğal dil yerine daha kompakt sembolik gösterimlerle desteklenmesidir.
58. Chain-of-Verification (CoVe) — İlk cevabın ardından doğrulama soruları oluşturulup cevabın kontrol edilmesidir.
59. Deliberate Prompting — Modelin doğrudan cevap vermeden önce alternatifleri ve koşulları daha dikkatli değerlendirmeye yönlendirilmesidir.
60. Step-back Prompting — Spesifik problemi çözmeden önce daha genel ilke veya kavramların değerlendirilmesidir.
61. Analogical Prompting — Yeni problemi çözmek için benzer problemlerin veya analojilerin oluşturulup kullanılmasına dayanır.
62. Plan-and-Solve Prompting — Modelin önce çözüm planı oluşturup ardından bu planı uygulamasıdır.

G. Yansıtma, eleştiri ve doğrulama temelli prompting

63. Self-Reflection Prompting — Modelin kendi cevabını yeniden değerlendirerek sorunları belirlemesidir.
64. Self-Critique Prompting — Modelin kendi çıktısındaki hata, eksiklik ve zayıflıkları eleştirmesidir.
65. Critique-and-Revise Prompting — Önce çıktı oluşturulup ardından eleştirilerek yeniden düzenlenmesidir.
66. Self-Refine — Modelin geri bildirim üretip kendi çıktısını iteratif biçimde iyileştirmesidir.
67. Reflection Prompting — Önceki sonuçlardan çıkarım yapılarak sonraki yanıt veya çözümün geliştirilmesidir.
68. Verification Prompting — Modelin oluşturduğu cevabı belirli doğruluk ölçütleri açısından kontrol etmesidir.
69. Fact-checking Prompting — Çıktıdaki olgusal iddiaların ayrıca doğrulanmasına yönelik istemdir.
70. Error-detection Prompting — Modelin bir çözüm veya metindeki olası hataları sistematik olarak aramasıdır.
71. Confidence Prompting — Modelden cevabındaki belirsizlik veya güven düzeyini değerlendirmesinin istenmesidir.

H. Dinamik, uyarlanabilir ve etkileşimli prompting

72. Dynamic Prompting — Prompt içeriğinin çalışma anındaki verilere göre otomatik oluşturulması veya değiştirilmesidir.
73. Adaptive Prompting — İstem stratejisinin kullanıcı, performans veya önceki sonuçlara göre değiştirilmesidir.
74. Interactive Prompting — Görevin kullanıcı ile yapay zekâ arasındaki çok turlu etkileşimle geliştirilmesidir.
75. Conversational Prompting — Promptların tek bir komut yerine devam eden diyalog bağlamında oluşturulmasıdır.
76. Multi-turn Prompting — Bir görevin birden fazla konuşma turu boyunca yürütülmesidir.
77. Feedback-driven Prompting — Sonraki istemlerin kullanıcı veya sistem geri bildirimlerine göre değiştirilmesidir.
78. Clarification Prompting — Modelin eksik veya belirsiz bilgileri kullanıcıya sorarak netleştirmesidir.
79. Personalized Prompting — Prompt veya çıktının belirli bir kullanıcının ihtiyaç ve tercihlerine göre uyarlanmasıdır.
80. Branching Prompting — Kullanıcı yanıtlarına veya sonuçlara göre sürecin farklı prompt yollarına ayrılmasıdır.

I. Modelin prompt üretmesi ve otomatik prompt geliştirme

81. Self-Prompting — Modelin görevi gerçekleştirmek için ihtiyaç duyduğu alt istemleri kendisinin üretmesidir.
82. Meta-Prompting — Bir promptun başka promptları oluşturmak, değerlendirmek veya düzenlemek amacıyla kullanılmasıdır.
83. Prompt Generation — Bir modelin belirli görev için otomatik olarak prompt üretmesidir.
84. Automatic Prompt Engineering (APE) — Yüksek performanslı promptların otomatik olarak oluşturulup değerlendirilmesidir.
85. Automatic Prompt Optimization — Promptların performans ölçütlerine göre otomatik biçimde optimize edilmesidir.
86. Prompt Tuning — Görev performansını artırmak amacıyla öğrenilebilir prompt temsillerinin optimize edilmesidir.
87. Soft Prompting — İnsan tarafından okunabilir metin yerine öğrenilebilir sürekli vektörlerin prompt olarak kullanılmasıdır.
88. Prefix Tuning — Model katmanlarına öğrenilebilir sürekli prefix temsillerinin eklenmesiyle yapılan parametre-verimli uyarlamadır.
89. P-Tuning — Öğrenilebilir sürekli prompt embeddingleri aracılığıyla model davranışının göreve uyarlanmasıdır.
90. Discrete Prompt Optimization — İnsan tarafından okunabilir tokenlardan oluşan promptların algoritmik olarak optimize edilmesidir.

J. Araç, eylem ve ajan temelli prompting

91. ReAct Prompting — Muhakeme ile araç kullanma/eylem gerçekleştirme süreçlerini birlikte yapılandıran yaklaşımdır.
92. Tool-use Prompting — Modelin hesap makinesi, arama motoru, API veya başka araçları ne zaman ve nasıl kullanacağının yönlendirilmesidir.
93. Function-calling Prompting — Modelin uygun yapılandırılmış fonksiyon veya API çağrısını seçmesinin sağlanmasıdır.
94. Agentic Prompting — Modelin hedef belirleme, planlama, araç kullanma ve görev yürütme davranışlarının yapılandırılmasıdır.
95. Planning Prompting — Modelden görevi gerçekleştirmeden önce bir eylem veya çözüm planı oluşturmasının istenmesidir.
96. Plan-and-Execute Prompting — Önce planın oluşturulup daha sonra adım adım uygulanmasıdır.
97. Replanning Prompting — Ara sonuçlara göre mevcut planın yeniden düzenlenmesidir.
98. Multi-Agent Prompting — Birden fazla yapay zekâ ajanının farklı roller veya görevler üstlenerek birlikte çalışmasının sağlanmasıdır.
99. Debate Prompting — Birden fazla model/ajan perspektifinin karşılıklı argüman üretip değerlendirme yapmasıdır.
100. Society-of-Mind Prompting — Problemin farklı uzman rolleri üstlenen çoklu akıl yürütme birimleriyle çözülmesine dayanan yaklaşımdır.

K. Bilgi üretme ve bilgiyi kullanma teknikleri

101. Generated Knowledge Prompting — Modelin önce konuyla ilgili yararlı bilgiler üretip ardından bu bilgileri nihai cevap için kullanmasıdır.
102. Knowledge Generation Prompting — Ana görevden önce gerekli arka plan bilgisinin model tarafından oluşturulmasıdır.
103. Knowledge Integration Prompting — Birden fazla bilgi kaynağının birleştirilerek cevap üretilmesidir.
104. Evidence-based Prompting — Modelden iddialarını açık kanıtlarla desteklemesinin istenmesidir.
105. Citation-grounded Prompting — Üretilen ifadelerin belirli kaynak veya atıflarla ilişkilendirilmesidir.
106. Query Expansion Prompting — Arama başarısını artırmak amacıyla başlangıç sorgusundan yeni arama terimleri üretilmesidir.
107. Query Reformulation Prompting — Kullanıcının sorgusunun bilgi erişimine daha uygun biçimde yeniden oluşturulmasıdır.
108. HyDE (Hypothetical Document Embeddings) — Arama için önce varsayımsal ilgili bir belge oluşturulup bunun temsilinden yararlanılmasıdır.

L. Soru ve diyalektik yöntemlere dayalı prompting

109. Socratic Prompting — Modelin doğrudan cevap vermek yerine yönlendirici sorularla düşünmeyi geliştirmesidir.
110. Question Decomposition Prompting — Karmaşık bir sorunun daha küçük alt sorulara ayrılmasıdır.
111. Self-Ask Prompting — Modelin ana soruyu çözmek için gerekli ara soruları kendisinin üretip cevaplamasıdır.
112. Question Refinement Prompting — Belirsiz veya geniş bir sorunun daha kesin araştırma sorularına dönüştürülmesidir.
113. Dialectical Prompting — Bir iddianın tez, karşı tez ve değerlendirme yoluyla incelenmesidir.
114. Devil’s Advocate Prompting — Bir görüşün zayıflıklarını ortaya çıkarmak amacıyla karşı argüman oluşturulmasıdır.
115. Counterargument Prompting — Mevcut bir argümana sistematik karşı argümanlar üretilmesidir.

M. Yaratıcılık ve alternatif üretme prompting

116. Brainstorming Prompting — Çok sayıda fikir veya çözüm alternatifinin üretilmesidir.
117. Divergent Prompting — Bir problem için mümkün olduğunca farklı çözüm yollarının araştırılmasıdır.
118. Convergent Prompting — Çok sayıdaki alternatif arasından en uygun seçeneklerin seçilip daraltılmasıdır.
119. Creative Constraint Prompting — Yaratıcı üretimin belirli sınırlar veya kurallar altında gerçekleştirilmesidir.
120. Alternative-generation Prompting — Aynı problem için birden fazla alternatif cevap veya çözüm üretilmesidir.
121. Counterfactual Prompting — “Eğer durum farklı olsaydı ne olurdu?” türü varsayımsal senaryoların değerlendirilmesidir.
122. Scenario Prompting — Belirli varsayımsal koşullar altında sonuç veya davranışların analiz edilmesidir.
123. Simulation Prompting — Modelin belirli bir sistem, süreç veya etkileşimi simüle etmesinin istenmesidir.

N. Karşılaştırma ve değerlendirme prompting

124. Comparative Prompting — İki veya daha fazla seçenek ya da kavramın belirli ölçütlerle karşılaştırılmasıdır.
125. Evaluation Prompting — Bir çıktının önceden belirlenmiş değerlendirme kriterlerine göre incelenmesidir.
126. Rubric-based Prompting — Modelin değerlendirmeyi açık bir puanlama veya değerlendirme rubriğine göre yapmasıdır.
127. Ranking Prompting — Alternatiflerin belirlenen kriterlere göre sıralanmasıdır.
128. Pairwise Comparison Prompting — Alternatiflerin ikili karşılaştırmalar yoluyla değerlendirilmesidir.
129. LLM-as-a-Judge Prompting — Bir dil modelinin başka çıktıları kalite veya doğruluk ölçütlerine göre değerlendirmesidir.

O. Dönüştürme ve çıktı üretimi odaklı prompting

130. Summarization Prompting — Metnin temel bilgilerini koruyarak daha kısa biçimde yeniden ifade edilmesidir.
131. Extraction Prompting — Metinden belirli bilgi, kavram, değişken veya yapıların çıkarılmasıdır.
132. Classification Prompting — Girdilerin önceden tanımlanmış kategorilere atanmasıdır.
133. Transformation Prompting — Girdinin anlamı korunarak başka bir biçim veya yapıya dönüştürülmesidir.
134. Translation Prompting — İçeriğin bir dilden diğerine aktarılmasıdır.
135. Rewriting Prompting — Metnin belirli amaç veya üsluba göre yeniden yazılmasıdır.
136. Expansion Prompting — Kısa bir girdinin ayrıntılandırılarak genişletilmesidir.
137. Compression Prompting — Bilginin anlamı mümkün olduğunca korunarak daha kompakt hâle getirilmesidir.
138. Simplification Prompting — Karmaşık içeriğin daha kolay anlaşılabilir biçimde yeniden ifade edilmesidir.
139. Structured-output Prompting — Model çıktısının önceden belirlenmiş makinece işlenebilir yapıya uymasının sağlanmasıdır.

P. Multimodal prompting

140. Multimodal Prompting — Metin, görüntü, ses veya video gibi birden fazla veri türünün aynı görevde kullanılmasıdır.
141. Image Prompting — Bir görüntünün analiz veya üretim sürecinin girdisi olarak kullanılmasıdır.
142. Text-to-Image Prompting — Metinsel açıklamadan görüntü üretilmesidir.
143. Image-to-Text Prompting — Görsel içeriğin açıklanması, analiz edilmesi veya metne dönüştürülmesidir.
144. Image-to-Image Prompting — Bir görselin başka bir görsel üretmek veya dönüştürmek için referans olarak kullanılmasıdır.
145. Visual Prompting — Model davranışının görsel işaretler, örnekler veya görsel girdiler aracılığıyla yönlendirilmesidir.
146. Audio Prompting — Ses girdisinin model görevini yönlendirmek için kullanılmasıdır.
147. Video Prompting — Video içeriğinin analiz veya üretim görevinde istem bileşeni olarak kullanılmasıdır.

Q. Güvenlik ve adversarial prompting ile ilişkili türler

148. Adversarial Prompting — Modelin sınırlarını, dayanıklılığını veya güvenlik davranışını test etmek amacıyla zorlayıcı girdiler oluşturulmasıdır.
149. Red-team Prompting — Modeldeki güvenlik açıklarını sistematik biçimde belirlemek amacıyla test istemlerinin kullanılmasıdır.
150. Jailbreak Prompting — Modelin güvenlik veya davranış kısıtlamalarını aşmaya yönelik istem girişimlerini ifade eder.
151. Prompt Injection — Güvenilmeyen girdilerin modelin mevcut talimatlarını değiştirmeye veya geçersiz kılmaya çalışmasıdır.
152. Indirect Prompt Injection — Zararlı talimatların kullanıcıdan değil, modelin okuduğu harici içerikten gelmesidir.
153. Defensive Prompting — Modelin güvenilmeyen girdiler ve talimat çatışmalarına karşı daha güvenli davranmasını sağlayacak istem tasarımıdır.

R. Prompt geliştirme ve yönetimiyle ilgili kavramlar

154. Prompt Design — Bir istemin amaç, bağlam, talimat ve çıktı gereksinimleri doğrultusunda tasarlanmasıdır.
155. Prompt Engineering — LLM davranışını istenen sonuca yönlendirmek için istemlerin sistematik biçimde tasarlanması ve test edilmesidir.
156. Prompt Optimization — Mevcut promptun performansını artıracak biçimde geliştirilmesidir.
157. Prompt Refinement — Promptun belirsizlik, gereksiz ifade ve yapısal sorunlardan arındırılmasıdır.
158. Prompt Expansion — Prompta gerekli bağlam, kriter veya ayrıntıların eklenmesidir.
159. Prompt Compression — Aynı işlevi koruyarak promptun daha kısa ve ekonomik hâle getirilmesidir.
160. Prompt Simplification — Karmaşık bir promptun daha açık ve anlaşılır hâle getirilmesidir.
161. Prompt Template — Değişken alanları bulunan tekrar kullanılabilir istem şablonudur.
162. Prompt Framework — Prompt oluşturmayı belirli bileşenler ve kurallar üzerinden sistematikleştiren çerçevedir.
163. Prompt Pattern — Tekrarlanan problemlerde kullanılabilen genel istem çözüm kalıbıdır.
164. Prompt Library — Yeniden kullanılmak üzere saklanan prompt koleksiyonudur.
165. Prompt Repository — Promptların sistematik biçimde depolandığı ve yönetildiği kaynaktır.
166. Prompt Catalog — Promptların amaç veya kullanım alanlarına göre sınıflandırılmış kataloğudur.
167. Prompt Versioning — Prompt değişikliklerinin sürümler hâlinde izlenmesidir.
168. Prompt Lifecycle — Promptun tasarım, test, kullanım, izleme, güncelleme ve emeklilik süreçlerinin bütünüdür.
169. Prompt Reusability — Bir promptun farklı ancak benzer görevlerde yeniden kullanılabilme özelliğidir.
170. Prompt Maintainability — Promptların zaman içinde kolayca güncellenebilir ve yönetilebilir biçimde tasarlanmasıdır.

S. Sistem içindeki konumuna göre prompt türleri

171. System Prompt — Modelin genel davranışını, rolünü ve üst düzey kurallarını belirleyen talimat katmanıdır.
172. Developer Prompt — Uygulama geliştiricisinin model davranışını ürün veya görev düzeyinde yönlendiren talimatlarıdır.
173. User Prompt — Kullanıcının modele doğrudan verdiği soru, görev veya talimattır.
174. Assistant-generated Prompt — Modelin süreç içinde kendisi veya başka bir model için oluşturduğu istemdir.
175. Meta Prompt — Başka promptların üretilmesini, değerlendirilmesini veya iyileştirilmesini yöneten üst düzey istemdir.

T. Özellikle akademik ve profesyonel kullanımda karşılaşacağınız ek adlandırmalar

176. Research Prompting — Literatür taraması, araştırma sorusu geliştirme ve bilimsel sentez gibi araştırma görevlerine yönelik istem tasarımıdır.
177. Literature-review Prompting — Akademik literatürün bulunması, sınıflandırılması ve sentezlenmesine yönelik istemdir.
178. Evidence-synthesis Prompting — Birden fazla bilimsel kaynaktaki kanıtların sistematik biçimde birleştirilmesidir.
179. Data-analysis Prompting — Veri setlerinin analiz edilmesi ve sonuçlarının yorumlanmasına yönelik istem yaklaşımıdır.
180. Code Prompting — Programlama kodunun oluşturulması, açıklanması, test edilmesi veya düzeltilmesine yönelik istemdir.
181. Debugging Prompting — Kod veya sistemdeki hataların belirlenip düzeltilmesine yönelik istemdir.
182. SQL Prompting — Doğal dil gereksinimlerinin SQL sorgularına dönüştürülmesine yönelik istemdir.
183. Prompt-to-Code — Doğal dilde verilen gereksinimlerden program kodu oluşturulmasıdır.
184. Chain-of-Code — Akıl yürütme ile kod üretimi/çalıştırma mantığını bir araya getiren problem çözme yaklaşımıdır.

Not: 184 maddenin tamamını “184 bağımsız prompt türü” şeklinde sunmak akademik açıdan tam doğru değildir. Örneğin Zero-shot, Few-shot, Role ve Chain-of-Thought yerleşik prompting teknikleridir; Prompt Library ve Prompt Versioning ise prompt yönetimi kavramlarıdır; RAG bir sistem mimarisiyle bağlantılıdır; Prefix Tuning ve Soft Prompting öğrenilebilir model uyarlama teknikleridir; Prompt Injection ise bir saldırı sınıfıdır.