Prompt Engineering Teknikleri: LLM Optimizasyonu Rehberi

Prompt engineering, yapay zeka modellerinden istenen çıktıyı almak için girdilerin sistematik olarak tasarlanması sanatı ve bilimidir. Doğru prompt stratejileri, model performansını %50'ye kadar artırabilir.

Prompt Engineering Temelleri

Prompt Anatomisi

Etkili bir prompt şu bileşenlerden oluşur:

1. Sistem Talimatı: Modelin rolü ve davranış kuralları
2. Bağlam: Görevle ilgili arka plan bilgisi
3. Örnek(ler): İstenen çıktı formatı örnekleri
4. Görev: Spesifik istek veya soru
5. Çıktı Formatı: Beklenen yanıt yapısı

Temel Prompt Yapısı

1[Rol Tanımı]
2Sen bir {uzmanlık alanı} uzmanısın.
3
4[Bağlam]
5{İlgili bilgiler}
6
7[Görev]
8{Spesifik istek}
9
10[Format]
11{Beklenen çıktı formatı}

Temel Prompt Teknikleri

1. Zero-Shot Prompting

Örnek vermeden doğrudan görev tanımı:

Aşağıdaki metni özetle:
{metin}

Kullanım alanları:

• Basit görevler
• Genel bilgi soruları
• Sınıflandırma

2. Few-Shot Prompting

Örneklerle görev tanımı:

1Metin: "Bu ürün harika, çok memnunum"
2Duygu: Pozitif
3
4Metin: "Berbat bir deneyimdi, tavsiye etmem"
5Duygu: Negatif
6
7Metin: "Fiyatına göre idare eder"
8Duygu: ?

Best Practices:

• 3-5 örnek genellikle yeterli
• Çeşitli edge case'ler ekleyin
• Örnekleri rastgele sıralayın

3. Chain-of-Thought (CoT)

Adım adım düşünme:

1Soru: Bir mağazada 15 elma var. 8 elma satıldı, 
2sonra 6 elma daha geldi. Kaç elma var?
3
4Adım adım düşünelim:
51. Başlangıçta 15 elma var
62. 8 elma satıldı: 15 - 8 = 7 elma kaldı
73. 6 elma geldi: 7 + 6 = 13 elma
8
9Cevap: 13 elma

4. Self-Consistency

Aynı soruya farklı reasoning path'leri:

1Bu problemi 3 farklı şekilde çöz ve en tutarlı cevabı seç:
2
3[Problem]

5. Tree of Thoughts (ToT)

Dallanmış düşünce ağacı:

1Problem: {karmaşık problem}
2
3Düşünce 1: {yaklaşım A}
4  → Alt düşünce 1.1: {detay}
5  → Alt düşünce 1.2: {detay}
6  
7Düşünce 2: {yaklaşım B}
8  → Alt düşünce 2.1: {detay}
9  
10En uygun yolu değerlendir ve seç.

İleri Düzey Teknikler

ReAct (Reasoning + Acting)

Düşünme ve aksiyon döngüsü:

1Soru: İstanbul'un nüfusu Paris'in kaç katı?
2
3Düşünce: İki şehrin nüfusunu bulmam gerekiyor
4Aksiyon: [search] İstanbul nüfusu
5Gözlem: İstanbul nüfusu ~16 milyon
6
7Düşünce: Şimdi Paris nüfusunu bulmam gerekiyor
8Aksiyon: [search] Paris nüfusu  
9Gözlem: Paris nüfusu ~2.2 milyon
10
11Düşünce: Oranı hesaplayabilirim
12Aksiyon: [calculate] 16 / 2.2
13Gözlem: 7.27
14
15Cevap: İstanbul'un nüfusu Paris'in yaklaşık 7.3 katıdır.

Constitutional AI Prompting

Etik ve güvenlik kuralları tanımlama:

1Sistem: Sen yardımcı bir asistansın.
2
3Kurallar:
41. Zararlı içerik üretme
52. Kişisel bilgileri paylaşma
63. Yasadışı aktivitelere yardım etme
74. Her zaman dürüst ol
8
9Kullanıcı sorusu: {soru}

Role Prompting

Spesifik uzmanlık alanı tanımlama:

1Sen 20 yıllık deneyime sahip bir siber güvenlik uzmanısın.
2Fortune 500 şirketlerinde CISO olarak çalıştın.
3Teknik detayları açık ve anlaşılır şekilde anlatabilirsin.
4
5Kullanıcının sorusu: {soru}

Prompt Optimization Stratejileri

1. Spesifiklik Artırma

❌ Kötü:

Bir blog yazısı yaz

✅ İyi:

1Hedef kitle: Yazılım geliştiriciler
2Konu: Docker container güvenliği
3Uzunluk: 1500-2000 kelime
4Ton: Teknik ama erişilebilir
5Format: Giriş, 5 ana bölüm, sonuç

2. Output Format Belirleme

1Yanıtını şu JSON formatında ver:
2{
3  "özet": "string",
4  "ana_noktalar": ["string"],
5  "sonraki_adımlar": ["string"],
6  "güven_skoru": number
7}

3. Negative Prompting

İstenmeyen davranışları belirtme:

1Şunları YAPMA:
2- Spekülatif bilgi verme
3- Kaynak göstermeden iddia yapma
4- Kullanıcıyı yönlendirme
5- Aşırı uzun yanıtlar verme

4. Delimiter Kullanımı

Bölümleri netleştirme:

1###BAĞLAM###
2{bağlam bilgisi}
3
4###GÖREV###
5{yapılacak iş}
6
7###FORMAT###
8{çıktı formatı}

Model-Spesifik Optimizasyonlar

GPT İçin

1- System message'ı etkili kullan
2- JSON mode aktifleştir: response_format={"type": "json_object"}
3- Temperature: Yaratıcı görevler için 0.7-1.0, analitik için 0.1-0.3

Claude İçin

1- XML tag'leri kullan: <context>, <task>, <format>
2- Uzun context'te önemli bilgileri sona koy
3- Thinking tag'lerini değerlendir

Gemini İçin

1- Multimodal prompt'lar için optimize
2- Grounding ile güncel bilgi
3- Safety settings'i ayarla

Prompt Testing ve İterasyon

A/B Testing Framework

1Prompt A: {versiyon 1}
2Prompt B: {versiyon 2}
3
4Metrikler:
5- Doğruluk: %
6- Tutarlılık: 1-5
7- Latency: ms
8- Token kullanımı: #

Prompt Versiyonlama

1prompt_v1.0: İlk versiyon
2prompt_v1.1: Typo düzeltmeleri
3prompt_v2.0: CoT eklendi
4prompt_v2.1: Output format değişti

Kurumsal Prompt Yönetimi

Prompt Library Oluşturma

1/prompts
2  /classification
3    - sentiment_analysis.json
4    - intent_detection.json
5  /generation
6    - blog_writer.json
7    - code_reviewer.json
8  /extraction
9    - entity_extraction.json
10    - data_parsing.json

Prompt Template Sistemi

1class PromptTemplate:
2    def __init__(self, template, variables):
3        self.template = template
4        self.variables = variables
5    
6    def render(self, **kwargs):
7        return self.template.format(**kwargs)
8
9# Kullanım
10sentiment_prompt = PromptTemplate(
11    template="Analyze sentiment: {text}",
12    variables=["text"]
13)

Yaygın Hatalar ve Çözümleri

Hata 1: Aşırı Belirsiz Prompt

Problem: Model ne istediğinizi anlamıyor Çözüm: Spesifik talimatlar ve örnekler ekle

Hata 2: Çok Uzun Prompt

Problem: Token limiti aşılıyor, maliyetler artıyor Çözüm: Gereksiz bilgileri çıkar, özet kullan

Hata 3: Çelişkili Talimatlar

Problem: Model tutarsız davranıyor Çözüm: Kuralları önceliklendirin ve netleştirin

Hata 4: Hallucination

Problem: Model uydurma bilgi veriyor Çözüm: Grounding, citation zorunluluğu, lower temperature

Sonuç

Prompt engineering, AI projelerinin başarısında kritik bir faktördür. Doğru teknikler ve sistematik yaklaşım ile model performansını önemli ölçüde artırabilirsiniz.

Veni AI olarak, kurumsal müşterilerimize özelleştirilmiş prompt stratejileri geliştiriyoruz. Profesyonel destek için bizimle iletişime geçin.