Giriş
Yapay zeka komutları (promptlar) ile net ve yapılandırılmış iletişim kurmak, modelin beklenen çıktıyı üretme olasılığını artırır. İyi tasarlanmış talimatlar, belirsizliği azaltır; düzenli geribildirim döngüleri ise çıktının kalitesini kademeli olarak iyileştirir. Aşağıdaki yaklaşımlar pratik odaklıdır ve hem başlangıç düzeyindeki kullanıcılar hem de düzenli AI kullanıcıları için uygulanabilir.
Detaylı teknik ve uygulama önerileri için şu kaynaklara bakabilirsiniz: Yapay Zeka Akademi rehberi ve Microsoft Copilot Studio'nun komut rehberi.
Temel ilkeler: Netlik, yapı ve kapsayıcılık
- Amaç belirleyin: Komuta başlamadan önce modelden tam olarak ne istediğinizi tek cümlede ifade edin.
- Girdi ve çıktı örneği verin: Beklenen formatı örnekle gösterin (başlık, maddeler, uzunluk vb.).
- Kısıtları açıkça yazın: Karakter sınırı, uygun olmayan içerik hariç tutma veya hedef kitle gibi kısıtları belirtin.
- Kapsayıcı dil tercih edin: Cinsiyet varsayımlarından kaçının ve geniş kitlelere hitap eden ifadeler kullanın.
- Döngüsel iyileştirme: İlk çıktıyı değerlendirin, somut geri bildirim verin, sonra yeniden isteyin — Microsoft belgeleri geribildirim döngülerinin etkisini vurgular.
Açık komut yapısı: 4 bölümlü şablon
İyi bir prompt genellikle dört öğeden oluşur: Amaç, Girdi (context), Kısıtlar, Beklenen çıktı biçimi. Bu yapıyı kullanarak belirsizlikleri azaltabilirsiniz.
- Amaç: Ne yapılmalı ve neden? (1-2 cümle)
- Girdi: İlgili bilgiler, örnekler veya veri.
- Kısıtlar: Uzunluk, ton, dışlama kuralları.
- Çıktı biçimi: Madde listesi, başlık, JSON veya kısa özet gibi net format.
Örnek: Kötü vs İyi komut
Kötü örnek:
"Bana bir e-posta yaz."
İyileştirilmiş komut (şablon uygulandı):
Amaç: Yeni bir müşteri için tanıtım e-postası yaz. Girdi: Ürün: X mobil uygulaması; hedef: ABD'deki küçük işletme sahipleri; ana fayda: zaman tasarrufu. Kısıtlar: 120-160 kelime, resmi ton, bir eylem çağrısı (CTA) ekle. Çıktı biçimi: Konu satırı ve 3 kısa paragraftan oluşan e-posta gövdesi.
Geribildirim döngüleri: Sistematik iyileştirme
Geribildirim döngüsü, bir çıktıyı değerlendirip model için daha net, daha dar talimatlar vermeniz üzerine kuruludur. Microsoft'un Copilot rehberi, üretken modellerle çalışırken adım adım yönlendirmenin ve geri bildirimin önemini vurgular.
Adım adım geribildirim döngüsü
- İlk çıktı: Modelden ilk yanıtı alın.
- Değerlendirme: Net ölçütlere göre kontrol edin (doğruluk, ton, uzunluk, biçim).
- Sapma analizi: Beklenen ile gerçekleşen arasındaki farkları not edin.
- Düzeltici talimat: Hangi maddelerin değişmesi gerektiğini açıkça yazın.
- Yineleme: Yeni talimatla tekrar isteyin ve sonuçları karşılaştırın.
Geribildirim için kullanılabilecek cümle örnekleri
- "Daha kısa bir özet ver (50-70 kelime)."
- "Teknik terimleri basitçe açıkla, hedef kitle yeni başlayanlar."
- "Maddeleri numaralandır ve her birine bir kısa örnek ekle."
Örnek döngü
- İlk istek: "Ürün raporunu özetle."
- Değerlendirme: Özet çok genel, ana metrikler eksik.
- Düzeltme: "Satış, dönüşüm oranı ve müşteri memnuniyeti metriklerini başlıklar halinde kısa madde olarak ekle."
- Tekrar: Yeni özet daha yapılandırılmış gelir ve karşılaştırma yapma kolaylığı sağlar.
Kapsayıcı dil: Neden ve nasıl?
Kapsayıcı dil kullanmak, modelin üretimini daha geniş ve çeşitli kitlelere uygun hale getirir. Bu, varsayımları azaltır ve iletişimin erişilebilirliğini artırır. Yapay Zeka Akademi'nin rehberindeki öneriler, örneklerle kapsayıcı dil uygulamalarını destekler (kaynak).
- Genel ifadeler kullanın; belirli demografik varsayımlardan kaçının.
- Cinsiyet tarafsız ifadeler tercih edin (ör. "kullanıcı" yerine "kişi").
- Okunabilirlik için kısa cümleler ve açık terimler kullanın.
Hata ayıklama ve kalite kontrolü
Doğru sonuç alamadığınızda kontrol edilecek hızlı bir liste:
- Bilgi eksikliği: Girdi yeterli mi? Örnek veya veri ekleyin.
- Format belirsizliği: Beklenen çıktı biçimini netleştirin.
- Çok geniş talimat: Görevi alt adımlara bölün.
- Ton/kelime sınırı: Tonu ve uzunluğu belirtin.
- Geri bildirim ekleyin: Modeli hangi kriterlere göre değerlendirdiğinizi paylaşın.
Pratik şablonlar: Hemen kullanabileceğiniz örnekler
Aşağıda farklı amaçlar için basit, uygulanabilir şablonlar ve kısa açıklamaları yer alır.
E-posta özeti (pazarlama)
Amaç: Yeni kampanya için tanıtım e-postası yaz. Girdi: Ürün adı, hedef kitle, ana fayda. Kısıtlar: 100-140 kelime, sıcak ama profesyonel ton. Çıktı: Konu satırı + 3 kısa paragraf + CTA.
Blog iskeleti (içerik üretimi)
Amaç: 800-1000 kelimelik blog için başlık ve madde başlıkları oluştur. Girdi: Konu, hedef kitle, önemli noktalar (3 adet). Kısıtlar: SEO dostu başlık, H2/H3 yapısı. Çıktı: Başlık + giriş + 4 H2 alt başlığı + kısa özet.
Teknik açıklama (kısa ve net)
Amaç: Bir API özelliğini teknik olmayan yöneticilere açıklamak. Girdi: Özellik tanımı, temel fayda, örnek kullanım. Kısıtlar: Basit dil, 3 maddede özet. Çıktı: 3 maddelik özet + bir örnek cümle.
Uygulama önerileri ve ölçüm
İyi tasarlanmış talimatların etkisini ölçmek için aşağıdaki yöntemleri kullanabilirsiniz:
- Kullanıcı değerlendirmeleri: İnsan geri bildirimi ile çıktı kalitesini puanlayın.
- A/B testi: Farklı prompt versiyonlarını karşılaştırın.
- İş hedefleriyle eşleştirme: Model çıktılarının iş hedeflerine katkısını izleyin (zaman tasarrufu, dönüşüm artışı vb.).
Kapanış ve ek kaynaklar
Bu rehber, net talimat yazımı ve geribildirim döngüleri konusunda uygulamalı bir başlangıç sunar. Daha derin teknikleri ve örnekleri incelemek isterseniz şu kaynaklar faydalıdır: Yapay Zeka Akademi, Microsoft Copilot Studio rehberi, PromptHubTR ve Prompt Örnekleri FAQ.
Not: Bu rehber genel bilgilendirme amaçlıdır. Özel hukuki veya tıbbi durumlar için ilgili uzmanlara danışın.