İstem mühendisliği, yapay zeka modellerinin daha etkili ve verimli bir şekilde kullanılmasını sağlayan yeni bir alandır. Bu teknikler, modellerin istenen şekilde çıktı üretmesi için istem (prompt) üzerine odaklanır. Bu yazıda, iyi istem yazma teknikleri, sık yapılan hatalar, gerçek dünya örnekleri, LLM ayarları, güvenirliği arttırma ve istem korsanlığı gibi konuları ele alacağız.

İyi İstem Yazma Noktaları

1. Verileri istemden ayırmak için sınırlayıcılar (delimiters) kullanın
2. Yapılandırılmış bir çıktı isteyin
3. Çıktı tonunu değiştirmek için stil bilgileri ekleyin
4. Modele koşullar verin ve doğrulanıp doğrulanmadığını sorun
5. Görevleri tamamlamaya ilişkin başarılı örnekler verin ve soru sorun
6. Bir görevi gerçekleştirmek için gereken adımları belirtin
7. Cevapları vermeden önce modele kendi çözümünü bulması için talimat verin

İstem Mühendisliği Teknikleri

1. Rol İstemleme (Role Prompting)

• Belirli bir rol, karakter veya bakış açısını benimsetmek
• Daha odaklanmış, yaratıcı veya empatik tepkiler alınabilir

2. Sıralı İstemleme (Chain-of-Thought Prompting)

• Modele adım adım düşünme sürecini anlatan bir istem sağlamak
• Daha anlaşılır ve temeli olan çıktılar üretilir

3. Açıklayıcı İstemleme (Explainable Prompting)

• Modelin nasıl çıkarımlarda bulunduğunu açıklamasını istemek
• Güvenilirliği ve şeffaflığı artırır

4. Yönerge İstemleme (Instruction Following)

• Modele açık adımlar halinde talimatlar vermek
• Daha kesin ve istenen sonuçlar elde etmeyi sağlar

5. Çok Görevli İstemleme (Multi-Task Prompting)

• Tek bir istemde birden fazla görevi birleştirmek
• Daha kapsamlı ve çok yönlü çıktılar elde edilebilir

Örnek İstem Mühendisliği Uygulamaları

1. Rol İstemleme (Role Prompting)

Rol istemleme, modelin belirli bir karakter, kişilik veya bakış açısına bürünmesini sağlayan bir tekniktir. Bu, modelin daha odaklanmış, yaratıcı veya empatik yanıtlar vermesini sağlayabilir.

Örnek istem: “Siz, ünlü bir edebiyat eleştirmenisiniz. Bu kitabın incelemesini en objektif ve profesyonel şekilde yazın.”

2. Sıralı İstemleme (Chain-of-Thought Prompting)

Sıralı istemleme, modele adım adım düşünme sürecini açıklayan bir istem sağlar. Bu, daha anlaşılır ve temeli olan çıktılar üretilmesine yardımcı olur.

Örnek istem: “Aşağıdaki matematiksel problemi çözmek için adım adım düşünme sürecinizi açıklayın:
5x + 3 = 23
Lütfen çözüm adımlarını aşağıdaki biçimde yazın:
Adım 1 – …
Adım 2 – …
Adım 3 – …”

3. Açıklayıcı İstemleme (Explainable Prompting)

Açıklayıcı istemleme, modelin çıkarımlarda bulunma sürecini açıklamasını ister. Bu, modelin güvenilirliğini ve şeffaflığını artırır.

Örnek istem: “Aşağıdaki senaryoya dayanarak hangi sonuca ulaştığınızı ve bu sonuca nasıl vardığınızı adım adım açıklayın:
Bir restoranda yemek yerken, garson size hatalı hesap getiriyor. Bunun üzerine nasıl bir tepki verirsiniz ve neden?”

4. Yönerge İstemleme (Instruction Following)

Yönerge istemleme, modele açık ve detaylı talimatlar vererek istenen sonuçların elde edilmesini sağlar.

Örnek istem: “Aşağıdaki adımları takip ederek bir kâğıt uçak yapın:
Adım 1 – Kâğıdı düz bir şekilde önünüze alın.
Adım 2 – Kâğıdın ortasını kendinize doğru katlayın.
Adım 3 – …
Adım 10 – Uçağı fırlatın ve uçuşunu gözlemleyin.”

5. Çok Görevli İstemleme (Multi-Task Prompting)

Çok görevli istemleme, tek bir istemde birden fazla görevi birleştirir. Bu, daha kapsamlı ve çok yönlü çıktılar elde edilmesini sağlar.

Örnek istem: “Aşağıdaki hikaye parçasını özetleyin, ana karakterleri tanımlayın ve ana fikri çıkarın:
{{{ Hikaye metnini buraya ekleyin }}}”

6. Değişken İstemleme (Variable Prompting)

Değişken istemleme, istemde dinamik değişkenler kullanarak modelin daha esnek ve bağlama uygun çıktılar üretmesini sağlar.

Örnek istem: “Bu ({variable_name}) hakkında bir {variable_type} yazın.”

7. İşbirlikçi İstemleme (Collaborative Prompting)

İşbirlikçi istemleme, modele belirli görevleri paylaştırarak birlikte çalışmasını sağlar. Bu, daha kompleks problemlerin çözülmesine yardımcı olabilir.

Örnek istem: “Sen bir pazarlama uzmanısın ve müşteri memnuniyetini artırmak için bir kampanya önerisi hazırlayacaksın. Ben de bir yazılım mühendisiyim ve kampanyayı teknik olarak uygulayabilirim. Birlikte çalışarak kampanya fikrini geliştirip sunum haline getirelim.”

8. Kısıtlayıcı İstemleme (Constrained Prompting)

Kısıtlayıcı istemleme, modelin istenen sınırlar içinde çıktı üretmesini sağlar. Bu, model çıktılarının güvenirliğini artırabilir.

Örnek istem: “Aşağıdaki 5 maddelik listenin her biri için birer cümle ile özet yazın. Her özet en fazla 15 kelime olmalıdır.”

9. Öz-Değerlendirmeli İstemleme (Self-Evaluative Prompting)

Öz-değerlendirmeli istemleme, modelden kendi çıktısını değerlendirmesini ister. Bu, modelin çıktısının kalitesini ve güvenilirliğini artırabilir.

Örnek istem: “Yazdığınız makale hakkında kendi değerlendirmenizi yapın. Makalenin güçlü ve zayıf yönlerini, olası iyileştirme alanlarını belirtin.”

10. Çoklu Modelle İstemleme (Multi-Model Prompting)

Çoklu modelle istemleme, bir görev için farklı dil modellerinin veya yapay zeka sistemlerinin birlikte kullanılmasını içerir. Bu sayede, her bir modelin güçlü yönlerinden faydalanılarak daha kapsamlı ve doğru sonuçlar elde edilebilir.

Örnek istem: “Bu konuya ilişkin özgün bir metin yazın. İlk olarak, giriş bölümünü ile yazın. Ardından, gelişme bölümünü ile, sonuç bölümünü ise ile yazın.”

11. Öngörü İstemleme (Anticipatory Prompting)

Öngörü istemleme, modelin gelecekteki durumları veya çıktıları tahmin etmesini sağlar. Bu yaklaşım, daha proaktif ve öngörücü çıktılar elde edilmesine yardımcı olabilir.

Örnek istem: “Önümüzdeki 5 yıl içinde, [konu] alanındaki en önemli gelişmelerin neler olacağını tahmin edin ve açıklayın.”

12. Çoklu Perspektif İstemleme (Multi-Perspective Prompting)

Çoklu perspektif istemleme, bir konuya farklı bakış açılarından yaklaşılmasını sağlar. Bu, daha kapsamlı ve objektif çözümler üretilmesine katkı sağlar.

Örnek istem: “Bu soruna [A kişisinin], [B kişisinin] ve [C kişisinin] bakış açısından yaklaşın ve her birinin görüşlerini açıklayın.”

13. Gerçek Zamanlı İstemleme (Real-Time Prompting)

Gerçek zamanlı istemleme, kullanıcı girişlerine veya diğer dinamik verilere dayalı olarak istemlerin anlık güncellenebilmesini sağlar. Bu, kullanıcı deneyimini iyileştirir ve daha uyarlanabilir çıktılar üretilmesine yardımcı olur.

Örnek istem: “Yazınıza verilen geribildirimler doğrultusunda, metnin [belirli bir bölümünü] yeniden yazın.”

14. Çok Dilli İstemleme (Multilingual Prompting)

Çok dilli istemleme, modelin birden fazla dilde çalışabilmesini sağlar. Bu, daha geniş bir kitleye ulaşılmasını ve çok kültürlü uygulamaların geliştirilmesini destekler.

Örnek istem: “Bu makaleyi [Dil 1], [Dil 2] ve [Dil 3] dillerinde özetleyin.”

İstem Mühendisliği Araçları

İstem mühendisliği, yeni ve gelişmekte olan bir alan olduğundan, bu konuda kullanılabilecek çeşitli araçlar da hızla gelişmektedir. Aşağıda bazı önemli araç örnekleri yer almaktadır:

• Anthropic’s Claude: Gelişmiş bir dil modeli olan Claude, istem mühendisliği için güçlü bir araçtır.
• Hugging Face Transformers: Popüler bir derin öğrenme kütüphanesi olan Transformers, çeşitli dil modellerini istem mühendisliği için kullanmanızı sağlar.
• OpenAI Playground: OpenAI’ın dil modeli deneylerini yapmak için kullanabileceğiniz web tabanlı bir araçtır.
• Prompt Engineering Guide: learnprompting.org gibi siteler, istem mühendisliği hakkında kapsamlı bilgiler sunar.

YZ Teknoloji Haber Finansal Danışman Promptu

İmtiyaz Reddi
Bu prompt, yalnızca bilgi amaçlıdır ve gerçek bir finansal tavsiye veya yatırım tavsiyesi olarak kabul edilmemelidir. YZ Teknoloji Haber Finansal Danışman Promptu, kişisel finans, yatırımlar ve risk yönetimi konusunda geniş bilgi ve deneyime sahip ChatGPT’de bir finansal danışman rolünü üstlenmektedir. Ancak, bu prompt, bireysel durumunuza uygun bir finansal plan oluşturmak için bir profesyonel ile görüşmeniz gerektiği gerçeğinin yerini alamaz.

Finansal kararlar almadan önce, lisanslı bir finansal danışmanla görüşmeniz, kişisel durumunuzu ve hedeflerinizi değerlendirmeniz ve bu promptta sunulan bilgilerin sizin için geçerli olup olmadığını belirlemeniz önemlidir. YZ Teknoloji Haber, bu promptta sunulan bilgilerden kaynaklanan herhangi bir kayıp veya zarardan sorumlu tutulamaz.

Prompt Kullanımı: Linkte yer alan promptun tamamını kopyalayıp, yapıştırın.