İstem Mühendisliği Rehberi: Yapay Zekâdan İsabetli Sonuç Almak İçin 10 Teknik
Aynı yapay zekâ aracı bir kullanıcıya vasat, diğerine mükemmel sonuç verebilir. Fark çoğu zaman istemdedir. Rol vermekten örnekle öğretmeye, adım adım düşünmeden çıktı biçimine kadar 10 pratik tekniği örnekleriyle anlattık.

“Yapay zekâ işe yaramıyor, hep genel geçer cevaplar veriyor” şikâyetini sık duyuyoruz. Çoğu durumda sorun modelde değil, ona verdiğimiz talimattadır. Yapay zekâ araçlarına yazdığımız talimatlara istem (prompt), bu talimatları bilinçli şekilde tasarlama işine de istem mühendisliği (prompt engineering) denir.
İyi haber şu: İstem mühendisliği programlama bilgisi gerektirmez. Birkaç temel ilkeyi alışkanlık hâline getirmek yeterlidir. Bu yazıdaki teknikler ChatGPT, Microsoft Copilot, Gemini, Claude gibi tüm sohbet tabanlı araçlarda geçerlidir.
İyi bir istemin anatomisi
Etkili istemlerin çoğu şu bileşenlerden bir kısmını içerir:
| Bileşen | Soru | Örnek |
|---|---|---|
| Rol | Model kim gibi davranmalı? | “Deneyimli bir lise kimya öğretmenisin.” |
| Görev | Ne yapılacak? | “Mol kavramını anlatan bir etkinlik hazırla.” |
| Bağlam | Arka plan nedir? | “Öğrenciler 10. sınıf, konuyu ilk kez görüyor.” |
| Kısıtlar | Sınırlar neler? | “40 dakikalık ders, laboratuvar yok.” |
| Biçim | Çıktı nasıl görünmeli? | “Tablo hâlinde: süre, etkinlik, materyal.” |
| Örnek | Beklenen kaliteye örnek | “Şuna benzer bir yapı istiyorum: …” |
Her istemde altısının birden olması gerekmez; ama sonuç beklentinizi karşılamıyorsa eksik olan bileşeni arayın.
10 temel teknik
1. Net ve spesifik olun
Zayıf istem:
Toplantı notu yaz.
Güçlü istem:
Aşağıdaki ham notlardan bir toplantı özeti hazırla. Başlıklar:
Alınan kararlar, Sorumlu kişiler ve tarihler, Açık konular.
Her başlık altında en fazla 5 madde olsun. Resmi ama sade bir dil kullan.
[Ham notlar]
2. Rol verin
“Bir İK uzmanı olarak”, “kıdemli bir PowerShell geliştiricisi olarak” gibi roller, modelin kelime seçimini, ayrıntı düzeyini ve bakış açısını şekillendirir. Rol tek başına mucize yaratmaz ama hedef kitle ve uzmanlık düzeyiyle birleştiğinde etkilidir.
3. Hedef kitleyi belirtin
“Fotosentezi anlat” ile “Fotosentezi 8 yaşındaki bir çocuğa anlat” ve “Fotosentezi biyoloji lisans öğrencisine anlat” istemleri çok farklı sonuçlar üretir. Kimin okuyacağını söylemek, en az emekle en çok kalite artışı sağlayan adımdır.
4. Örnekle öğretin (few-shot)
Modelden belirli bir kalıpta çıktı istiyorsanız birkaç örnek verin. Buna az örnekli istem (few-shot prompting) denir.
Müşteri yorumlarını olumlu, olumsuz veya nötr olarak sınıflandır.
Yorum: "Kargo çok hızlı geldi, teşekkürler." -> olumlu
Yorum: "Ürün açıklamadaki gibi değil." -> olumsuz
Yorum: "Paket salı günü teslim edildi." -> nötr
Yorum: "Fiyatına göre fena değil ama kutusu ezikti." ->
Örnekler, uzun açıklamalardan çok daha etkili bir şekilde beklentinizi aktarır.
5. Adım adım düşünmesini isteyin
Mantık, hesap ya da çok aşamalı karar gerektiren sorularda modelden cevabı vermeden önce akıl yürütmesini açıklamasını isteyin: “Önce verilen bilgileri listele, sonra adım adım hesapla, en sonda sonucu ver.” Bu yaklaşım literatürde düşünce zinciri (chain-of-thought) olarak bilinir ve hata oranını düşürebilir. Yeni nesil “akıl yürüten” modeller bunu kendiliğinden yaptığından, bu modellerde talimatı kısa tutmak genellikle yeterlidir.
6. Çıktı biçimini tanımlayın
Tablo, madde listesi, JSON, e-posta, slayt başlıkları… Biçimi siz belirleyin. Özellikle verileri başka bir araca aktaracaksanız şablon verin:
Cevabı yalnızca şu JSON yapısında ver, açıklama ekleme:
{"ad": "", "departman": "", "talep_turu": "", "oncelik": "dusuk|orta|yuksek"}
7. Sınırlayıcılar kullanın
İstem içinde talimat ile işlenecek metni ayırın. Üç tırnak, köşeli parantezli etiketler ya da XML benzeri etiketler işe yarar:
Aşağıdaki <metin> etiketleri arasındaki e-postayı 3 cümlede özetle.
<metin>
...
</metin>
Bu, modelin metnin içindeki ifadeleri talimat sanmasını da zorlaştırır.
8. Ne yapılmaması gerektiğini de söyleyin, ama olumlu ifade tercih edin
“Teknik terim kullanma” yerine “Teknik terim yerine günlük dil kullan, gerekiyorsa terimi parantez içinde açıkla” demek daha iyi sonuç verir. Modeller “yapma” talimatlarından çok “şunu yap” talimatlarını iyi takip eder.
9. Büyük işi parçalara bölün
Tek istemle 20 sayfalık rapor istemek yerine:
- Önce ana hatları çıkarttırın.
- Ana hatları siz düzenleyin.
- Her bölümü ayrı ayrı yazdırın.
- Son olarak bütünlük ve tutarlılık kontrolü yaptırın.
Buna istem zincirleme (prompt chaining) denir. Her aşamada kontrol sizde kalır.
10. Yineleyin ve geri bildirim verin
İlk cevap nadiren son cevaptır. “Daha kısa olsun”, “ikinci maddeyi bir örnekle genişlet”, “tonu daha samimi yap” gibi geri bildirimlerle sonucu iyileştirin. Modelden kendi cevabını eleştirmesini istemek de işe yarar: “Bu metni bir editör gözüyle değerlendir; zayıf üç noktayı belirt ve düzelt.”
Sık yapılan hatalar
- Belirsiz kapsam: “Bana pazarlama stratejisi yaz” gibi istemler genel geçer metin üretir. Sektör, bütçe, hedef kitle ve süre ekleyin.
- Kaynak uydurma riskini göz ardı etmek: Modelden kaynakça istediğinizde var olmayan makaleler üretebilir. Kaynakları mutlaka kontrol edin ya da belgeyi kendiniz sağlayın.
- Gizli bilgiyi istemle paylaşmak: Kurumunuzun onaylamadığı araçlara kişisel veri, müşteri bilgisi ya da gizli belge yapıştırmayın.
- Tek seferde mükemmellik beklemek: Diyalog kurun; istem mühendisliği bir sohbettir.
Tekrar kullanılabilir şablon
Sık yaptığınız işler için kendi istem kütüphanenizi oluşturun. Örneğin:
Rol: [uzmanlık]
Görev: [ne yapılacak]
Bağlam: [kim, ne zaman, neden]
Girdi: <girdi> ... </girdi>
Kısıtlar: [uzunluk, ton, yasaklar]
Çıktı biçimi: [tablo / liste / e-posta / JSON]
Kontrol: Cevabı vermeden önce kısıtlara uyup uymadığını kontrol et.
Bu şablonları OneNote, Loop ya da basit bir metin dosyasında tutup ekiple paylaşmak, kurum içinde tutarlı sonuçlar almanın en kolay yoludur.
Senaryolarla örnekler
Teknikleri birlikte kullandığınızda fark daha belirgin hâle gelir. İki farklı okur profili için birer örnek verelim.
Öğretmen için:
Rol: 7. sınıf fen bilimleri öğretmenisin.
Görev: "Maddenin tanecikli yapısı" konusu için 10 soruluk çoktan seçmeli
bir değerlendirme hazırla.
Kısıtlar: 4 seçenekli olsun; 3 kolay, 4 orta, 3 zor soru. Her sorunun
altında doğru cevabı ve hangi kavram yanılgısını ölçtüğünü yaz.
Biçim: Numaralı liste.
BT yöneticisi için:
Rol: Kurumsal BT destek uzmanısın.
Görev: Kullanıcılara gönderilecek, çok faktörlü kimlik doğrulamanın
neden zorunlu hâle geldiğini anlatan bir duyuru e-postası yaz.
Hedef kitle: Teknik bilgisi olmayan idari personel.
Kısıtlar: En fazla 150 kelime, korkutucu değil güven veren bir ton,
sonunda yardım için iletişim bilgisi alanı bırak.
Her iki örnekte de rol, görev, hedef kitle, kısıt ve biçim bir aradadır. Bu yapıyı birkaç kez uyguladıktan sonra istemlerinizi neredeyse otomatik olarak bu şekilde yazmaya başlarsınız.
Akıl yürüten modellerde istem
Son dönemde yaygınlaşan ve cevap vermeden önce uzun bir iç düşünme süreci yürüten modellerde bazı alışkanlıkları gözden geçirmek gerekir. Bu modellerde adım adım düşünme talimatını ayrıca vermeye genellikle gerek yoktur; bunun yerine hedefi, başarı ölçütlerini ve kısıtları net tanımlamak daha önemlidir. “Nasıl düşüneceğini” değil, “neyin iyi bir sonuç sayılacağını” anlatın.
Sonuç
İstem mühendisliği, yapay zekâ araçlarını “bazen işe yarayan oyuncak” olmaktan çıkarıp güvenilir bir çalışma arkadaşına dönüştürür. Net görev, doğru bağlam, belirli biçim ve birkaç örnek çoğu durumda yeterlidir. En önemlisi de şu: Çıktıyı her zaman bir taslak olarak görün, doğrulayın ve son sözü siz söyleyin.


