AI ile Etkili İletişim: Netlik, Ton ve Beklenti Tanımlama Rehberi

TL;DR: Yapay zeka komutları (prompts) için 3 hızlı kural

• Netlik: Hedef + bağlam + kısıt + format + örnekleri tek yerde topla.
• Ton: “Profesyonel yaz” demek yerine Ton Kartı ile resmiyet, uzunluk ve üslubu tarif et.
• Beklenti: Kabul kriterleri ekle; sonra küçük bir test setiyle ölç, iyileştir ve sürümle (OpenAI – Evaluation best practices).

Bu rehber neyi çözer?

Günlük kullanımda bir yapay zeka asistanıyla konuşmak kolaydır; zor olan aynı kaliteyi tekrar tekrar almak ve çıktıyı ihtiyacınıza uygun bir formata “ilk seferde” yönlendirmektir. Bu rehberde üç şeyi sistematik hale getireceğiz:

• Netlik: Modelin ne yapacağını ve ne yapmayacağını açıkça tanımlamak.
• Ton: Resmiyet, uzunluk, hedef kitle ve ifade biçimini tutarlı kılmak.
• Beklenti: Başarı kriterlerini ölçülebilir hale getirmek ve test ederek iyileştirmek.

Ayrıca pratik bir üretim yaklaşımı olarak değerlendirme (evaluation), test setleri ve ölçütlerle iterasyon döngüsünü ele alacağız (OpenAI – Evaluation best practices).

1) Talimat katmanları: “Kalıcı kurallar” vs “anlık görev”

Pek çok yapay zeka ürününde iki tür talimat birlikte çalışır:

• Kalıcı kurallar (ürün/ekip standardı): Yazım dili, güvenlik sınırları, biçim kuralları, kalite standardı gibi daha “sabit” beklentiler.
• Anlık görev (kullanıcı isteği): O an ne üretileceği: “Şunu özetle”, “Şuna yanıt yaz”, “Şu veriyi düzenle” gibi.

Not: Uygulamaya göre bu katmanlar farklı isimlerle (ör. başlangıç talimatı, geliştirici talimatı vb.) kurgulanabilir. Önemli olan, kalıcı kuralları tek yerde tutmak ve her görevde yeniden yazmak zorunda kalmamaktır.

2) Yapay zeka komutları için 5 parçalı “netlik” çerçevesi

En hızlı iyileşme, komutu 5 parçaya bölünce gelir. Bu parçaları tek bir kullanıcı komutunda da, ürününüzün kalıcı kural setinde de kullanabilirsiniz.

Derleme çalışmalar, prompt tekniklerinin etkisinin görev ve modele göre değişebildiğini; bu yüzden tek bir “evrensel şablon” yerine, bu parçaları ihtiyaca göre uyarlamanın daha güvenilir olduğunu vurgular (MDPI Applied Sciences – Prompt engineering derlemesi).

3) Tonu tarif edin: Ton Kartı yaklaşımı

“Daha profesyonel yaz” çoğu zaman yetersizdir; çünkü profesyonellik, uzunluk ve kelime seçimi gibi bileşenlere ayrılır. Komutunuza şu Ton Kartını ekleyin (özellikle tekrarlanan işler için):

• Resmiyet: Resmi / yarı resmi / samimi
• Hedef kitle: Genel okuyucu / teknik ekip / yönetici özeti
• Uzunluk: Kısa / orta / detaylı
• Dil: Türkçe; gerekiyorsa İngilizce terimler parantez içinde
• Üslup: Net, ölçülü, adım adım
• Kaçınılacaklar: Belirsiz genellemeler, gereksiz tekrar

4) Beklentiyi ölçülebilir hale getirin: “Kabul kriterleri” ekleyin

Bir komutun en güçlü parçası çoğu zaman “ne istediğiniz” değil, başarının nasıl anlaşılacağıdır. Kabul kriterleri için pratik örnekler:

• Belirsizlik kuralı: “Emin değilsen belirt; uydurma ayrıntı ekleme.”
• Kapsam: “Sadece şu üç konu başlığını ele al.”
• Kaynak disiplini: “Verilen metin dışına çıkma; varsayım yaparsan açıkça işaretle.”
• Format: “Her madde ‘Neden’ ve ‘Nasıl’ içersin.”

Üretimde tutarlılık için bu kriterleri küçük bir test setiyle düzenli ölçmek, skorlamak ve iterasyon yapmak önerilen bir yaklaşımdır (OpenAI – Evaluation best practices).

5) End-to-end örnekler: Zayıf prompt → Geliştirilmiş prompt

Aşağıdaki örneklerde aynı işi önce “zayıf” bir promptla, sonra 5 parçalı netlik çerçevesi + Ton Kartı + kabul kriterleriyle daha kontrol edilebilir hale getiriyoruz. Her örnekte iyileştirmeler etiketlenmiştir.

Örnek 1: Toplantı notlarından eylem listesi

Zayıf prompt

Bu notlardan yapılacaklar çıkar.

Geliştirilmiş prompt (etiketli)

Hedef: Aşağıdaki toplantı notlarından 8 maddelik eylem listesi çıkar.

Bağlam: Notlar ürün ekibinin haftalık planlama toplantısından. Okuyucu: ekip üyeleri.

Kısıtlar: Sadece notlarda geçenlere dayan. Eksik bilgi varsa en fazla 2 net soru sor. Emin olmadığın yerlerde “belirsiz” diye işaretle.

Çıktı formatı: Her madde şu şablonda olsun: Sahip — İş — Son tarih — Bağımlılık.

Ton Kartı: Kısa, net, yarı resmi.

Kabul kriterleri: Notlarda olmayan kişi/son tarih uydurma; eksikse “TBD” yaz ve soru sor.

Girdi notlar: [Notları buraya yapıştır]

İyileştirme özeti: Hedef sayısallaştı (8 madde), format standardı geldi, belirsizlik davranışı tanımlandı.

Örnek 2: Müşteri destek yanıtı (gecikme özrü)

Zayıf prompt

Müşteriye gecikme için özür maili yaz.

Geliştirilmiş prompt (etiketli)

Hedef: Kargo gecikmesi yaşayan müşteriye e-posta yanıtı yaz.

Bağlam: Müşteri sipariş no: [X]. Ürün: [Y]. Planlanan teslim: [tarih]. Yeni tahmin: [tarih/“bilinmiyor”].

Kısıtlar: Politika/iadeye dair verilmeyen vaatlerde bulunma. Tarih net değilse seçenek sunma; bunun yerine net bir takip aksiyonu belirt.

Çıktı formatı: Konu satırı + 2 paragraf + 3 maddelik “sonraki adımlar” listesi.

Ton Kartı: Nazik, sorumluluk alan, kısa (120–160 kelime).

Kabul kriterleri: (1) Özür + durum netliği, (2) Müşterinin yapması gereken tek aksiyon, (3) Şirketin takip edeceği zaman penceresi.

İyileştirme özeti: Vaat riski azaltıldı, uzunluk kontrol altına alındı, “sonraki adımlar” kullanıma hazır hale geldi.

Örnek 3: Blog paragrafını yeniden yazma (SEO + okunabilirlik)

Zayıf prompt

Bu paragrafı daha iyi yaz.

Geliştirilmiş prompt (etiketli)

Hedef: Aşağıdaki paragrafı daha anlaşılır ve akıcı hale getir.

Bağlam: Konu: yapay zeka komutları. Okuyucu: teknik olmayan genel kitle.

Kısıtlar: Anlamı değiştirme. Yeni bilgi ekleme. En fazla 120 kelime.

Çıktı formatı: 1 paragraf + ardından 3 maddelik kısa özet.

Ton Kartı: Eğitim odaklı, net, ölçülü.

Kabul kriterleri: (1) Cümleler kısalsın, (2) Jargon varsa parantez içinde açıklansın, (3) Tekrarlar temizlensin.

Metin: [Paragrafı buraya yapıştır]

İyileştirme özeti: “Daha iyi” belirsizliği ölçülebilir kriterlere dönüştü.

6) Çok adımlı iş akışları: Tek komut yerine “pipeline” düşünün

Özellikle içerik üretimi ve eğitim materyali gibi alanlarda, tek bir uzun komut yerine ardışık adımlar daha kontrol edilebilir sonuç verir:

1. Plan çıkar: Başlıklar ve akış
2. Taslak yaz: Belirlenen akışa göre
3. Kontrol et: Kapsam, ton, format, tekrarlar
4. Son düzenleme: Kısaltma, netleştirme, özet

Bu yaklaşım, her adımı ayrı ayrı değerlendirmeyi (kriterlere göre skorlamayı) kolaylaştırır (OpenAI – Evaluation best practices).

7) Test, sürümleme ve ölçüm: “İyi prompt”u kalıcı hale getirin

Girdiler değişir, bağlam uzar, model davranışı farklılaşabilir. Bu yüzden komutu bir “doküman” gibi değil, ürün bileşeni gibi yönetin:

Hızlı test kontrol listesi

• 10 örnek senaryo seçin (kolay, zor, köşe durumlar).
• Her senaryo için kabul kriteri yazın (format, kapsam, belirsizlik belirtme).
• Skorlayın: Talimata uyum, uygunluk, riskli çıktı olasılığı.
• Komutu değiştirince sürüm etiketi koyun (v1, v2) ve değişiklik notu ekleyin.

Test setleri ve ölçütlerle iterasyon, üretimde daha tutarlı kalite için sık kullanılan bir pratiktir (OpenAI – Evaluation best practices).

8) Güvenlik ve gizlilik: Talimat metinlerine hassas bilgi koymayın

Kalıcı talimatlar ve bağlama eklenen metinler, yanlış yapılandırılmış sistemlerde gereğinden fazla kişiye/akışa yayılabilir. Ayrıca güncel araştırmalar, modellerin başlangıç talimatlarından sapma veya talimatları aşındırma girişimlerine karşı bazı koşullarda kırılgan olabileceğini tartışır (arXiv – A Closer Look at System Prompt Robustness).

Pratik önlemler (genel prensipler)

• Hassas bilgileri metne gömmeyin: Anahtarlar, özel müşteri verileri, gizli iç yönergeler gibi içerikler için ayrı güvenli depolama ve erişim kontrolü kullanın.
• En az veri ilkesi: Modelin görevi için gerekmeyen veriyi bağlama eklemeyin.
• Çatışma senaryosu tasarlayın: Talimatlar çelişirse (ör. kullanıcı farklı bir şey isterse) ne yapılacağını önceden belirleyin: soru sorma, kapsam daraltma, yanıtı kısıtlama gibi.
• Düzenli yeniden test: Yeni köşe durumları test setinize ekleyin.

Not: Bu bölüm genel bilgilendirme amaçlıdır; gereksinimler kullanım senaryosuna göre değişir.

9) Kopyala-uyarla şablonlar

Aşağıdaki şablonları kendi işinize göre uyarlayın. Derleme çalışmalar, tekniklerin model/görev bazında değişen etkisini vurgular (MDPI).

Şablon A: Kalıcı kural seti (genel)

KALICI KURALLAR: Net ve ölçülü anlat. Önce amacı doğrula; eksik bağlam varsa en fazla 2 kısa soru sor. İstenilen formatta üret. Emin olmadığın noktaları açıkça belirt. Gereksiz tekrar yapma.

Şablon B: Ton + format odaklı komut (e-posta)

Hedef: Aşağıdaki bilgileri kullanarak bir e-posta taslağı yaz.

Bağlam: Alıcı bir iş ortağı. Amaç: toplantı zamanını netleştirmek.

Ton Kartı: Yarı resmi, kısa, net, nazik. 120–160 kelime.

Format: Konu satırı + 2 paragraf + 3 maddelik seçenekli zaman önerisi.

Kabul kriterleri: Varsayım yapma; tarih/saat belirsizse önce soru sor.

Bilgiler: [Buraya maddeler halinde notlar]

10) Sık sorunlar ve hızlı düzeltmeler

• Sorun: Çıktı çok uzun. Düzeltme: “Maksimum X kelime” + “yalnızca Y madde” sınırı koyun.
• Sorun: Format tutmuyor. Düzeltme: Formatı örnekle gösterin; başlık/madde şablonu verin.
• Sorun: Gereksiz varsayım yapıyor. Düzeltme: “Eksik bilgi varsa önce 2 soru sor” kuralı ekleyin.
• Sorun: Ton değişiyor. Düzeltme: Ton Kartı’nı sabitleyin ve tekrarlanan görevlerde kullanın.
• Sorun: Aynı komut farklı günlerde farklı kalite veriyor. Düzeltme: Test seti + skor + sürümleme yaklaşımıyla iterasyon yapın (OpenAI).

Sonuç: Daha iyi iletişim, daha az tahmin işi

Yapay zeka komutları, “doğru cümleyi bulma” yarışından çok net hedef + doğru bağlam + ölçülebilir beklenti kurma işidir. Tonu tarif edip kabul kriterleri eklediğinizde çıktı daha öngörülebilir olur. En önemlisi: Komutlarınızı test edin, sürümleyin ve hassas veri/gizlilik tarafında temkinli tasarlayın.

İlkeler ve güvenli davranış çerçeveleri hakkında genel bir referans olarak Anthropic – Claude’s Constitution incelenebilir; prompt tekniklerinin model/görev bazlı değişimi için MDPI derlemesi ve başlangıç talimatlarının dayanıklılığına dair tartışmalar için arXiv çalışması fikir verebilir.