Giriş

Yapay dil modelleriyle çalışırken doğru sonuç almak için sadece doğru model değil, doğru prompt mimarisi de önemlidir. Bu yazıda iki yaygın yaklaşımı — rol tabanlı prompting (role prompting) ve zincirleme prompting (prompt chaining / chain-of-thought) — ele alıyoruz. Her bir yöntemin mantığını, güçlü ve zayıf yönlerini, uygulama adımlarını ve pratik örneklerini bulacaksınız.

İlgili akademik ve teknik kaynaklara örnek olarak rol tabanlı prompting üzerine bir çalışma: Better Zero-Shot Reasoning with Role-Play Prompting (arXiv, 2023), zincirleme düşünme/chain-of-thought üzerine kapsamlı bir inceleme: Towards Understanding Chain-of-Thought Prompting (ACL, 2023) ve prompt chaining tanımı için bir teknik özet: TechTarget — What is prompt chaining? başvurulabilir.

Rol Tabanlı Prompting (Role Prompting) Nedir?

Rol tabanlı prompting, modele belirli bir "rol" veya persona atayarak çıktı üretmesini sağlamaya yönelik bir tekniktir. Bu yaklaşımda prompt içinde modelin üstleneceği rol açıkça belirtilir: örneğin "sen deneyimli bir veri analistisin" veya "sen bir ortaokul matematik öğretmenisin" gibi. Bu yöntem, ton, format ve bağlam beklentilerini kontrol etmek için kullanılır.

ArXiv'de yayımlanan bir çalışma, rol oynatmanın belirli sıfır-örnek (zero-shot) akıl yürütme senaryolarında fayda sağlayabileceğini bildirmiştir; bu, rol tanımının model davranışını yönlendirmede etkili olabileceğine işaret eder (turn0academia13).

Örnek rol prompt: "Sen deneyimli bir proje yöneticisisin. Aşağıdaki gereksinimleri dikkate alarak 3 adımlı bir yol haritası oluştur. Her adımı kısa bir başlık ve bir-iki cümle açıklama ile yaz."

Zincirleme Prompting / Chain-of-Thought Nedir?

Zincirleme prompting, modelin karmaşık bir problemi adım adım çözmesi veya ara düşünce adımlarını açıkça üretmesi için tasarlanmış bir yaklaşımdır. Amaç, bir sonuca doğrudan atlamaktansa süreci açığa çıkararak doğruluk ve izlenebilirlik kazanmaktır. Hem tek bir uzun "düşünme zinciri" istemek hem de bir dizi ardışık prompt ile sonuçları birleştirmek (prompt chaining) bu kapsama girer.

ACL çalışması, chain-of-thought tarzı prompting'in etkililiğinin birçok faktöre bağlı olduğunu; örneğin verilen örneklerin biçimi, model kapasitesi ve yönergelerin nasıl yazıldığı gibi etmenlerin rol oynadığını ele alır (turn0search3).

Örnek chain-of-thought prompt: "Lütfen problemi adım adım çöz: 1) İlk çıkarımları yaz, 2) ara hesaplamaları göster, 3) son sonucu açıkla. Soru: Bir karenin alanı kenar uzunluğu 7 olduğuna göre nedir?"

Temel Farklar: Kısa Karşılaştırma

Yaklaşım Güçlü Yönleri Sınırlamaları
Rol tabanlı prompting Ton, format ve uzmanlık hissini kontrol eder; yaratıcı ve müşteri-odaklı çıktılarda faydalıdır. Rol tanımı belirsizse veya fazla uzun ise model beklenen davranışı yakalayamayabilir.
Zincirleme prompting Karmaşık, çok adımlı problemlerde doğruluğu ve izlenebilirliği artırır; mantıksal akışı görünür kılar. Uzun çıktı üretimi token maliyetini ve gecikmeyi artırabilir; bazı modellerde iç tutarsızlık olabilir.

Pratikte bu iki yaklaşım birbirinin yerine değil, tamamlayıcısı olarak kullanılabilir; hangisinin daha uygun olduğu görev türüne ve hedefe bağlıdır (turn0search2).

Uygulama Rehberi: Adım Adım

Rol Tabanlı Prompting İçin Adımlar

  1. Rolü netleştirin: Kim gibi konuşmasını istediğinizi kısa cümlelerle belirtin (ör. "uzman UX araştırmacısı").
  2. Beklenen formatı tanımlayın: Çıktı maddeler, başlıklar, özet veya örnek bir çıktı formatı ile sınırlandırın.
  3. Bağlam verin: Gerekli arka plan bilgisi, hedef kitle veya kısıtlamaları ekleyin.
  4. Örnek isteyin: İstediğiniz tarzı veya seviyeyi örnek bir çıktı ile gösterin (kısa örnekler genellikle etkilidir).
  5. Test & iyileştir: Farklı rol tanımları deneyin; kısa, orta ve uzun rolleri kıyaslayın.

Zincirleme / Prompt Chaining İçin Adımlar

  1. Sorunu bölün: Karmaşık görevi mantıksal alt-adımlara ayırın.
  2. Her alt-adım için prompt yazın: Tek bir adımı çözmesi için kısa, hedefe yönelik promptlar hazırlayın.
  3. Ara çıktıların doğruluğunu kontrol edin: Her adımın çıktısını doğrulayıp sonraki adıma besleyin.
  4. Gerekirse geri dönüp düzeltin: Bir adım hatalıysa, o adımı yeniden sorarak zinciri düzeltin.
Örnek prompt zinciri (basit problem çözümü): Adım 1 prompt: "Problemi okuyup ana verileri çıkar: ..." Adım 2 prompt: "Adım 1 çıktısına göre ara hesaplamaları yap: ..." Adım 3 prompt: "Tüm adımları birleştirip son sonucu açıkla ve kısa özet ver."

Hibrit Kullanım: Rol + Zincirleme

Bir rol tanımı ile zincirleme adımlar birleştirilerek hem ton/uzmanlık hem de izlenebilirlik sağlanabilir. Örneğin bir "finansal analist" rolü verip, her adımda neden böyle karar verdiğini adım adım açıklaması istenebilir. Bu kombinasyon, özellikle değerlendirme ve raporlama gerektiren görevlerde etkilidir.

Hibrit örnek: "Sen kıdemli bir veri bilimcisisin. Verilen veriyi ayrıştır, her adımdaki kararını kısa gerekçeyle açıkla ve son olarak üç maddelik öneri sun."

Pratik İpuçları ve Kontrol Listesi

  • Rol tanımını kısa ve ölçülebilir tutun; belirsizlik bırakmayın.
  • Chain-of-thought bekliyorsanız, açık adımları ve beklenen ara formatı belirtin.
  • Uzun çıktıların token maliyetini hesaba katın; kritik adımlarda kısaltmalar kullanın.
  • Her iki yöntemde de bir insan değerlendirmesi planlayın; otomatik metrikler tek başına yeterli olmayabilir.
  • Modelin verdiği ara çıktıları doğrulamak için test vakaları hazırlayın.

Ne Zaman Hangi Yaklaşım?

  • Yaratıcı yazım, marka sesi, müşteri yanıtları: Rol tabanlı prompting öne çıkar.
  • Matematik, mantık, planlama ve çok adımlı kararlar: Zincirleme prompting veya prompt chaining tercih edilir.
  • Raporlama + mantıklı gerekçe gerektiren işler: Hibrit yaklaşım en uygun seçenek olabilir.

Sınırlamalar, Güvenlik ve Etik Notları

Her iki teknik de modelin çıktısını iyileştirmeye yardımcı olabilir, ancak modeller hâlâ hatalı veya tutarsız bilgi üretebilir. Zincirleme adımlar daha fazla açıklık sağlar fakat çıktı uzunluğu ve maliyeti artırır. Ayrıca her zaman insan denetimi ve kalite kontrol mekanizmalarıyla çalışılmalıdır. Bu rehber genel bilgilendirme amaçlıdır; özel hukuki, tıbbi veya güvenlikle ilgili kararlar için ilgili uzmanlara danışılmalıdır.

Kaynaklar ve İleri Okuma

Sonuç

Rol tabanlı prompting, modelin tonunu ve persona davranışını kontrol etmek için güçlü bir araçtır; zincirleme prompting ise çok adımlı akıl yürütme ve izlenebilirlik sağlar. Hangi yöntemin daha uygun olduğu kullanım senaryosuna, modele ve beklenen çıktıya bağlıdır. Çoğu gerçek dünya uygulamasında en iyi sonuçlar, açık görev tanımları, insan değerlendirmesi ve gerekirse rol + zincirleme kombinasyonunun dikkatli tasarımı ile elde edilir.