Giriş — Neden rol atama ve çok adımlı promptlar?

Rol atama ve çok adımlı prompt teknikleri, bir yapay zeka modelinin verdiğiniz görevi bağlam içinde daha iyi anlamasına yardımcı olur. Rol atama, modele belirli bir uzmanlık veya kimlik vererek yanıtları uzmanlaşmış ve tutarlı hale getirir; çok adımlı promptlar ise karmaşık görevleri yönetilebilir parçalara ayırır ve her adımı ayrı ayrı ele almayı sağlar. Birlikte kullanıldıklarında, modelin hem tonu hem de adım adım üretim süreçleri üzerinde daha fazla kontrol elde edersiniz (örnek uygulamalar için bkz. kaynaklar: Mrebi, Hazır Promptlar).

Temel kavramlar

  • Rol atama (role-based prompting): Modele açık bir sistem mesajı veya başlangıç talimatı vererek onun hangi bakış açısıyla yanıt üreteceğini belirlemek.
  • System mesajı: Chat tabanlı API'lerde modelin davranışını ilk başta belirleyen talimat. Genelde ton, biçim ve rol burada tanımlanır.
  • Çok adımlı prompt / prompt zincirleme: Tek bir karmaşık isteği adımlara bölerek her adımda ayrı girdiler almak ve ara çıktıları kullanarak son sonuca ulaşmak.
  • Chain-of-thought (düşünce zinciri): Modelden adım adım akıl yürütmesini veya değerlendirmesini istemek; bazı görevlerde akıl yürütme performansını artırabilir (araştırma: arXiv).

Rol atama nasıl çalışır? — Basit yapı ve örnek

Rol atama, modelin hangi perspektiften yanıt vereceğini açıkça belirtir. Etkili bir rol atama mesajı kısa, spesifik ve test edilebilir olmalıdır: hedef kitle, ton, çıktı formatı ve kesin kısıtlar yer alır.

Örnek system mesajı:

"You are a senior technical writer who explains AI concepts clearly in Turkish for non-expert readers in the US. Provide structured outputs: 1) kısa özet, 2) 3-5 maddelik ana fikirler, 3) örnek. Yanıtları 400-600 kelimeyle sınırla."

Bu tür bir mesaj, modelin hem üslubunu hem de çıktının biçimini sınırlar. Rolü daha da spesifik hale getirmek isterseniz; alan bilgisini, örnekleri veya hariç tutulacak içerikleri ekleyin (bkz. Mrebi).

Çok adımlı promptlar (prompt zincirleme) ile görev bölme

Çok adımlı prompt yaklaşımı bir görevi sırayla işleyen ara adımlara böler. Her adım daha dar bir hedefe odaklanır; ara çıktılar sonraki adımları besler. Bu yöntem, büyük ve karmaşık görevlerde doğruluk ve kontrolü artırır (örnek uygulamalar için bkz. Hazır Promptlar).

Basit zincirleme örneği — Blog yazısı üretme

  1. Adım 1 — Konu ve ana hat: Modelden 5 başlıktan oluşan bir taslak isteyin.
  2. Adım 2 — Bölüm yazımı: Taslağın her başlığı için ayrı istekle 150-250 kelimelik paragraflar üretin.
  3. Adım 3 — Birleştirme ve akıcılık kontrolü: Üretilen parçaları birleştirip tutarlılık, tekrar ve üslup kontrolü yapın.
  4. Adım 4 — Son düzenleme: Kısa meta açıklama, anahtar cümleler ve önerilen başlık varyasyonları oluşturun.

Chain-of-thought (düşünce zinciri) ne zaman kullanılır?

Chain-of-thought, modelden adım adım akıl yürütmesini istemek suretiyle özellikle mantık, matematiksel problem çözme veya karmaşık çıkarım gerektiren görevlerde yardımcı olabilir. Akademik çalışmalarda bu tekniğin bazı görevlerde performansı iyileştirdiği rapor edilmiştir (arXiv), ancak her durumda denemek ve açıkça değerlendirmek gerekir.

Rol atama + Çok adımlı prompt: Adım adım uygulama örneği

Aşağıda bir birleşik akış örneği var; blog yazısı senaryosu üzerinden ilerliyor.

  1. System (rol): "You are an experienced technical writer who explains prompt engineering simply in Turkish for a general US audience. Use plain language and provide examples."
  2. Adım 1 — Keşif: Kullanıcı: "Hedef: prompt engineering nedir, 600 kelimelik bir yazı istiyorum. Önce 5 başlıklı bir taslak oluştur."
  3. Adım 2 — Geliştirme: Her başlık için ayrı prompt gönder: "Bu başlığın 180 kelimelik bölümünü yaz."
  4. Adım 3 — Değerlendirme: Ara çıktıları birleştir ve şu kriterlere göre düzelt: tutarlılık, tekrar, hedef kitle uygunluğu.
  5. Adım 4 — Son Revize: Kısa meta açıklama ve 3 alternatif başlık üret.

Bu akış, her adımda farklı talimatlar ve gerektiğinde role hatırlatmaları içerebilir. Adım bazlı validasyon (ör. insan denetimi veya otomatik kontrol) hata riskini azaltır.

Pratik ipuçları ve kontrol listesi

  • Rolü net tanımlayın: hedef kitle, ton, çıktı formatı ve kelime sınırı yazın.
  • Açık çıktı biçimleri isteyin: JSON, başlıklar, madde listesi gibi makineler tarafından kolay işlenen yapılar tercih edin.
  • Karmaşık görevleri küçük, test edilebilir adımlara bölün.
  • Her adımda beklenen girdiyi ve çıktıyı örnekleyin.
  • Chain-of-thought kullanırken ek token maliyetini ve potansiyel yanlış akıl yürütme riskini göz önünde bulundurun; sonuçları doğrulayın.
  • Değişkenleri sabitleyin: tarih, dil, yerel bağlam gibi faktörleri sistem mesajında belirtin.

Test ve değerlendirme

İyi bir test planı A/B denemeleri, insan geribildirimi ve otomatik metriklerin birleşimini içerir. Değerlendirme kriterleri şunlar olabilir: alaka (relevance), tutarlılık (coherence), eksiksizlik (completeness) ve doğruluk (factuality). Tek bir metrikle yetinmeyin; özellikle bilgi gerektiren çıktılarda insan onayı önemlidir.

Sınırlar ve dikkat edilmesi gerekenler

Chain-of-thought gibi teknikler bazı görevlerde işe yararken, her bağlamda üstün sonuç vermez; belirli görevlerde sınırlamalar olabileceği için denemeli ve değerlendirmelisiniz (kaynak). Ayrıca otomatik sistem çıktılarının doğruluğunu mutlaka kontrol edin; modelin ürettiği bilgileri kritik kararlar için tek başına kullanmayın.

Kaynaklar ve daha fazla okuma