Çok Aşamalı Promptlar ve Zincirleme Düşünce: Uygulamalı Örnekler

Modern büyük dil modellerinden (LLM) daha güvenilir, izlenebilir ve doğru sonuçlar almak için çok aşamalı prompt (multi-stage prompts) ve zincirleme düşünce (chain-of-thought) teknikleri giderek daha fazla kullanılıyor. Araştırmalar, bu yaklaşımların bazı karmaşık görevlerde modelin adım adım düşünmesini teşvik ederek performansı iyileştirebildiğini gösteriyor; bu konuda genel bir giriş için bakılabilir kaynaklar bulunmaktadır (KDnuggets, ACL Findings 2023).

Temel kavramlar: Çok aşamalı prompt ve zincirleme düşünce nedir?

Çok aşamalı prompt, tek bir karmaşık isteği birçok daha küçük, açık adımlara bölerek modele sırayla vermektir. Her aşamada modelden belirli bir ara çıktı veya doğrulama istenir. Zincirleme düşünce ise modelin mantıksal adımlarını açıkça üretmesini isteyerek iç hesaplamaları ve ara sonuçları görünür kılmayı amaçlar. Akademik çalışmalar bu yaklaşımın model davranışını daha anlaşılır hale getirdiğini ve bazı görevlerde doğruluk artışı sağladığını raporlamıştır (ACL Findings 2023, ACL 2023 Long).

Neden çok aşamalı yaklaşımlar işe yarar?

Temel faydalar şunlardır:

  • Açıklık: Modelin hangi adımı nasıl çözdüğü görünür olur; hatalar daha kolay izole edilir.
  • Kontrol: Ara doğrulamalar modelin yanlış bir yöne gitmesini erken aşamada yakalayabilir.
  • Tekrar üretilebilirlik: Aynı adım yapısı ile farklı girdilerde tutarlı davranış elde etmek daha kolaydır.

Bu davranışsal etkiler akademik ve endüstri çalışmalarıyla desteklenmiştir; örneğin zincirleme düşünce prompting'in etkileri üzerine genel değerlendirmeler KDnuggets ve ACL makalelerinde özetlenmektedir.

Uygulamalı örnek 1 — Matematiksel problem: adım adım doğrulama

Soru: "Bir havuz, A musluğu ile 3 saatte, B musluğu ile 4 saatte dolar. İkisi birlikte kaç saatte doldurur?" Gibi klasik bir problemi çok aşamalı bir yaklaşımla çözmek için örnek akış:

  1. Aşama 1 — Planlama: Modelden çözüm adımlarını numaralandırmasını isteyin: (1) birim hızları hesapla, (2) birlikte dolma hızını hesapla, (3) zamanı bul.
  2. Aşama 2 — Ara hesaplamalar: Her adımı ayrı satırda ve ara sonuçları göstererek yazmasını isteyin.
  3. Aşama 3 — Doğrulama: Ara sonuçların tutarlılığını kontrol etmesini ve sonucun birimlerle uyumlu olduğunu doğrulamasını isteyin.
Örnek çok aşamalı prompt (blok metin): "1) Çözüm adımlarını numaralandır. 2) Her adım için ara hesaplamaları göster. 3) Sonuç bulunduktan sonra sonucun mantıklı olduğunu iki cümleyle doğrula."

Bu yapı sayesinde modelin tek seferde verdiği cevaba göre daha kolay hata yakalanır; eğer ara hesaplamalarda tutarsızlık varsa, modelin hangi adımda hata yaptığı bellidir.

Uygulamalı örnek 2 — Veri çıkarımı ve JSON formatlama

Görev: Bir müşteri e-posta gövdesinden isim, tarih ve talebi çıkart ve JSON'a dönüştür. Çok aşamalı akış:

  1. Aşama 1: Metindeki olası tarih, isim ve anahtar kelimeleri listele.
  2. Aşama 2: Her alan için doğrulama kuralları uygula (tarih formatı YYYY-MM-DD gibi) ve bulunduysa örnek ara sonuçlar göster.
  3. Aşama 3: Geçerliyse temiz JSON çıktısı üret; eğer alan eksikse bir uyarı alanı ekle.
Örnek çıktı isteği: "{"name":"...","date":"...","request":"...", "notes":"..."} - Eğer tarih yoksa date alanını null olarak bırak ve notes alanına açıklama yaz."

Bu yaklaşım, formatlama hatalarını azaltır ve son çıktının makine tarafından daha güvenli işlenmesini kolaylaştırır.

Uygulamalı örnek 3 — İçerik üretimi ve iterasyon

İçerik üretiminde çok aşamalı yaklaşım genellikle şu akışı izler:

  1. Fikir üretme (5 kısa başlık önerisi).
  2. Seçilen başlık için detaylı bir ana hat (outline) oluşturma.
  3. Her bölüm için kısa taslak yazma.
  4. Taslağı düzenleme: uyum, ton ve uzunluk kontrolü.
  5. Son doğrulama: referanslar, tutarlılık kontrolleri.

Burada zincirleme düşünce, modelden her aşamada neden böyle bir seçim yaptığını kısaçe açıklamasını istemek için kullanılır; bu, editöryal kararları insanın daha kolay değerlendirmesini sağlar.

Ara adım kontrolleri ve hata ayıklama

Prompt geliştirme sırasında karşılaşılan yaygın sorunlara yönelik pratik bir kontrol listesi:

  • Açık talimat verildi mi? (Adımlar numaralandırıldı mı?)
  • İstenen ara çıktı formatı net mi? (JSON, tablo, madde listesi gibi)
  • Modelden ara doğrulama isteniyor mu? (Her adımın geçerliliğini kontrol etmesi)
  • Karşılaştırmalı örnekler verdiniz mi? (Doğru ve yanlış örnekler—contrastive promptlar işe yarayabilir)
  • Olası hata modları için test girdileri oluşturuldu mu?

Özellikle Contrastive Chain-of-Thought yaklaşımı, modele doğru ve yanlış örnekleri aynı anda göstererek daha güvenilir ara adımlar üretmeyi hedefler; bu teknik, tasarım aşamasında kullanılabilecek güçlü bir stratejidir.

Hata ayıklama akışı (5 adım)

  1. Tekrarlama: Hatanın tekrar üretilebildiğinden emin olun.
  2. İzole etme: Hangi aşama veya ara çıktı hatalı belirleyin.
  3. Sınırlandırma: Karmaşıklığı azaltarak sadece sorunlu adımı çalıştırın.
  4. Doğrulama ekleme: Ara adımlara açık doğrulama soruları veya mantık kontrolleri ekleyin.
  5. Testset: Değişiklikleri küçük bir test setinde deneyin ve tutarlılığı ölçün.

En iyi uygulama ipuçları

  • Her adımı net bir hedefle tanımlayın; "hesapla" yerine "iki ondalıklı sayıla çarp" gibi spesifik komutlar verin.
  • Numaralandırma ve madde kullanımı modelin adımları takip etmesini kolaylaştırır.
  • Gerekirse ara sonuçları makinece doğrulanabilecek formata dönüştürün (ör. standart tarih formatı, JSON şeması).
  • Karşılaştırmalı (contrastive) örneklerle hangi davranışın doğru olduğunu gösterin; bu yöntem akademik literatürde etkililiği tartışılan bir yaklaşımdır (Hugging Face).
  • Yüksek riskli kararlar veya kritik doğruluk gerektiren görevlerde insan doğrulaması ekleyin.

Sınırlamalar ve dikkat edilmesi gerekenler

Zincirleme düşünce ve çok aşamalı promptlar birçok durumda yararlı olsa da tam güvence sağlamaz. Modeller bazen mantıklı görünen ama yanlış ara adımlar üretebilir; akademik çalışmalar bu yöntemlerin görevler arasında değişen etkileri olabileceğini vurgular (ACL 2023). Yüksek riskli uygulamalarda insan onayı her zaman gereklidir.

Sonuç olarak, çok aşamalı promptlar ve zincirleme düşünce, prompt engineering içinde uygulanması pratik ve etkili stratejilerdir. Bu rehberde verilen akışlar ve kontrol listeleri, gerçek dünya projelerinde başlangıç noktası olarak kullanılabilir; her zaman görev özelinde test ve ince ayar yapılması önerilir.

Seçilmiş kaynaklar