Prompt mühendisliği rehberi
ChatGPT, Claude ve Gemini için ücretsiz bir prompt mühendisliği rehberi: istem nasıl yazılır, temel teknikler, kod için istemler ve modellerin nerede yanıldığı. Bu sayfalardaki her istemi düzenleyip kendi yapay zekâ uygulamanda açabilirsin.
Rehberli bir AI Prompts yolculuğuna başlaBaşlarken
- Prompt nedirPrompt, bir yapay zekâ modeline ne üretmesi gerektiğini söyleyen metindir. İçine neler girdiğini, metin, kod ve görsel için gerçek prompt örneklerini ve promptun yanıttan ve sistem promptundan farkını gör.
- Prompt mühendisliğiPrompt mühendisliği, bir yapay zekâ modeline verdiğin talimatları ihtiyacın olan çıktıyı üretecek şekilde yazma ve test etme işidir. Bu rehber neden işe yaradığını anlatıyor ve bütün temel teknikleri haritalıyor.
- Prompt nasıl yazılırİyi bir prompt kısa bir brieftir: bir rol, bir görev, modelin tahmin edemeyeceği bağlam, üzerinde çalışılacak malzeme, cevabın şekli ve sınırlar. Her parça, cevabın ters gidebileceği farklı bir yolu kapatır.
- Prompt örnekleriÖğrenme, kodlama, yazma ve planlama için kopyalanmaya hazır on üç prompt. Boşlukları doldur, sonra promptu kopyala ya da ChatGPT veya Claude'da aç.
- Sistem promptuSistem promptu, bir yapay zekâ modeliyle yapılan sohbetin tamamına uygulanan kalıcı talimatlardır. Nerede durduğunu, içine ne yazılacağını ve kullanıcı mesajından farkını öğren.
- Token ve bağlamYapay zekâ modelleri metni token denen küçük kelime parçaları olarak okur ve aynı anda sadece sınırlı sayıda tokeni tutabilir: bağlam penceresi. İkisinin nasıl çalıştığını ve sohbet uzadığında ne yapacağını öğren.
- TemperatureTemperature, bir dil modelinin sıradaki her kelimeyi seçerken ne kadar rastgelelik kullanacağını belirler. Her kelimenin olasılığını nasıl değiştirdiğini, ne zaman düşük ya da yüksek tutulacağını ve top_p'den farkını gör.
Temel teknikler
- Zero-shot promptingZero-shot prompting, bir modelden bir görevi cevaba dair hiç örnek göstermeden, sadece talimatla yapmasını istemektir. Çoğu insan ChatGPT, Claude ve Gemini'yi böyle kullanır ve görev yaygın, talimat net olduğunda iyi çalışır.
- Few-shot promptingFew-shot prompting, prompta her biri bir girdi ve istediğin cevaptan oluşan birkaç çözülmüş örnek koyar, model de kalıbı kopyalar. Modelin tahmin edemeyeceği bir biçimi, etiket setini ya da kurum içi üslubu öğretmenin en hızlı yoludur.
- Chain of thoughtChain of thought prompting, bir modelden cevabı vermeden önce akıl yürütmesini yazmasını ister. En çok çok adımlı matematik ve mantık problemlerinde işe yarar; cevaplamadan önce zaten düşünen akıl yürütme modelleri için daha az önemlidir.
- Rol vermeRol verme (role prompting), modele öğretmen, kod inceleyici ya da mülakatçı gibi oynayacağı bir rol verir. Rol, cevabın kimin için yazıldığını ve hangi standarda uyduğunu değiştirir; modelin bilmediği bir bilgiyi eklemez.
- Yapılandırılmış çıktıYapılandırılmış çıktı (structured output), modelden cevabı JSON, tablo ya da şablon gibi sabit bir şekilde istemektir; böylece bir program ya da insan onu yeniden düzenlemeden kullanabilir. Şemayı ver, eksik değerlerde ne yapılacağını söyle ve sonucu kodda doğrula.
- Ayırıcılar ve XML etiketleriAyırıcılar yapıştırılan malzemenin nerede başlayıp bittiğini işaretler, böylece model talimatlarını üzerinde çalışacağı metinden ayırabilir. Tırnaklar, üç ters tırnak, ### satırları ve XML etiketleri işe yarar; prompt birden fazla malzeme içerdiğinde en iyi ölçeklenen XML etiketleridir.
- Prompt şablonlarıPrompt şablonu, daha önce test ettiğin ve her seferinde değişen kısımları boşluk olarak bırakılmış bir prompttur. Doldurulacak alanları olan hazır şablonları kopyala, sonra en iyi promptunu beş adımda şablona çevir.
İleri teknikler
- Prompt zincirlemePrompt zincirleme (prompt chaining), bir işi her adımın çıktısının bir sonrakinin girdisi olduğu daha küçük promptlardan oluşan bir diziye böler. Her adım tek bir iş yapar ve bir sonraki çalışmadan önce sonucunu kontrol edebilirsin.
- Self-consistencySelf-consistency prompting aynı akıl yürütme sorusunu birkaç kez sorar, her denemenin kendi yolundan akıl yürütmesine izin verir ve en sık çıkan cevabı tutar. Nasıl çalıştığını, elle ve kodla nasıl yapıldığını anlatıyoruz.
- Tree of thoughtTree of thought prompting, modelin birkaç kısmi çözümü denemesini, her birini değerlendirmesini ve sadece umut vadeden dalları tutmasını sağlar. Orijinal yöntemin nasıl çalıştığını, deneyebileceğin tek promptluk bir sürümü ve o sürümün nerede yetersiz kaldığını anlatıyoruz.
- ReAct promptingReAct prompting, modelin bir görev hakkında akıl yürütmekle bir araç çağırmak arasında gidip gelmesini ve bir sonraki adıma karar vermeden önce her sonucu okumasını sağlar. Çoğu yapay zekâ ajanının arkasındaki döngü budur.
- Meta promptingMeta prompting, bir modeli promptlar üzerinde çalıştırmaktır: sıfırdan bir prompt yazdırmak, elindekini iyileştirtmek ya da bir görevi başka model çağrıları için promptlara böldürmek. Her birini şişirilmiş bir prompt geri almadan nasıl yapacağını anlatıyoruz.
- Bağlam mühendisliğiBağlam mühendisliği, her çağrıda bir modelin bağlam penceresine giren her şeye karar vermektir: talimatlar, belgeler, araç sonuçları, hafıza ve sohbet geçmişi, bir de bunların sırası. Yazdığın prompt sadece bir parçadır.
Kod için istemler
- Kod yazma promptlarıKodlama promptları küçük bir tanım (spec) gibi okunduğunda işe yarar: dil ve sürüm, girdiler ve çıktılar, uç durumlar ve kodun geçmesi gereken testler. Her seferinde küçük bir adım iste.
- Hata ayıklama promptlarıChatGPT ya da Claude ile hata ayıklamak için hatanın tamamını ve ona yol açan kodu yapıştır, ne beklediğini ve bunun yerine ne olduğunu söyle, daha önce neleri denediğini listele ve düzeltmeden önce sebebi iste.
- Kod açıklamaYapay zekâdan kodu senin seviyende, satır satır ve çalışırken değerlerin nasıl değiştiğini gösteren bir tabloyla açıklamasını iste. Açıklamanın bulunduğun yerden başlaması için zaten ne bildiğini söyle.
- Kod inceleme promptlarıİyi bir kod inceleme promptu neye bakılacağını söyler, her bulgu için bir önem derecesi ister, somut bir hatalı girdi ve bir diff talep eder ve modele üslubu atlamasını söyler. Sonra her bulguyu kontrol edersin, çünkü bazıları yanlış olacaktır.
Sınırlar ve güvenlik
- Yapay zekâ halüsinasyonuYapay zekâ halüsinasyonu, kendinden emin ama yanlış bir cevaptır: uydurma bir bilgi, kaynak, fonksiyon ya da paket. Bir dil modeli bir şeye bakmak yerine olası metni tahmin ettiği için olur. Promptlar onu azaltabilir; onu ancak kontrol etmek yakalar.
- Prompt injectionPrompt injection, modelin okuduğu bir metnin, bir kullanıcının yazdığı ya da bir e-postaya, web sayfasına veya dosyaya gizlenmiş olsun, uygulamanın ona verdiği talimatları ele geçirdiği bir saldırıdır. Ayırıcılar yardım eder ama onu durdurmaz; modelin yapabileceklerini sınırlamak durdurur.
- Promptları yinelemekBir promptu iyileştirmek en iyi küçük bir deney olarak işler: iyi bir cevabın neye benzediğine karar ver, birkaç sabit test girdisi tut, her seferinde tek bir şeyi değiştir ve çıktıları yan yana karşılaştır.
