Etkili Prompt Tasarımı

Bir yapay zekâ sisteminden yararlı sonuç almak, tek cümlelik bir komut bulmaktan çok işi, kaynakları, sınırları ve kabul ölçütünü birlikte tanımlamayı gerektirir. Bu modül, belirsiz bir isteği yeniden kullanılabilir bir çalışma akışına dönüştürmenize yardım eder. Oturumun sonunda yalnızca prompt yazmayacak; bağlamı seçecek, uygun aracı ayıracak, sonucu sınayacak ve yüksek etkili adımlarda insan onayını koruyacaksınız.

Modül künyesi

Alan Bilgi Hedef kitle Kurumsal çalışanlar, yöneticiler ve program kolaylaştırıcıları; teknik ön koşulu olmayan katılımcılar Önerilen süre (toplam dakika) 180 Ön koşul Modül 2’deki temel yapay zekâ kavramları; kurumun veri sınıflarını ve onay akışını kabaca bilmek Kullanılan araçlar (araç tarafsız) Kurumsal sohbet veya çalışma alanı, dosya deposu, tablo ya da hesaplama aracı, gerektiğinde görsel/video üretim aracı; ürün ve plan seçimi kurum politikasına göre yapılır Modül sonunda üretilen çıktı Bir gerçek iş için PICO veya eşdeğer görev kartı, bağlam dosyası taslağı, takip döngüsü, araç seçimi…

Öğrenme çıktıları

Bu modülün sonunda: Belirsiz bir işi amaç, bağlam, sınır, çıktı ve kabul ölçütüyle yapılandırabilirsiniz. PICO’yu ve en az iki alternatif görev çerçevesini işin riskine göre seçebilirsiniz. Rol talimatının ne zaman yararlı, ne zaman yanıltıcı olduğunu ayırt edebilirsiniz. Reverse prompting ile eksik gereksinimleri adım adım ortaya çıkarabilirsiniz. Dosya, görsel, video ve hesaplama işlerinde doğru araç ile doğrulama yöntemini eşleştirebilirsiniz. Promptu kalıcı bağlam, beceri paketi ve insan onayı içeren bir çalışma döngüsüne dönüştürebilirsiniz.

Oturum planı

Sıra Konu Süre (dk) Yöntem 1 İşi ve beklenen sonucu tarif etmek 8 Anlatım ve kısa alıştırma 2 PICO ve alternatif çerçeveler 14 Anlatım ve alıştırma 3 Akıl yürütme modelleri ve rol sınırları 12 Anlatım ve tartışma 4 Reverse prompting 10 Canlı gösterim ve alıştırma 5 Bağlam mühendisliği 16 Anlatım, vaka ve alıştırma 6 Beceri paketleri 12 Anlatım ve tasarım çalışması 7 İlk cevaptan döngü mühendisliğine 16 Canlı gösterim ve vaka 8 Ton ve marka sesi 10 Anlatım ve örnek inceleme 9 Örnekle yönlendirme 8 Alıştırma 10 Dosyalarla çalışma 14 Canlı gösterim ve alıştırma 11 Görsel ve video brifi 10 Anlatım…

3.1 İşi ve beklenen sonucu tarif etmek

“Bir rapor yaz” bir görev adı bile değildir; raporun hangi kararı destekleyeceğini, hangi veriye dayanacağını ve tamamlandığında nasıl değerlendirileceğini söylemez. Model bu boşluğu genel kalıplarla doldurur. Sonuç akıcı olsa bile kurumun terimlerini, karar ölçütlerini veya veri sınırlarını taşımayabilir. İlk adım, promptu değil iş sonucunu yazmaktır. Şu beş soruyu cevaplayın: Soru Yazılacak bilgi Sonuç neyi değiştirecek? Verilecek karar, hazırlanacak teslimat veya çözülecek iş sorunu Kim kullanacak? Hedef kişi, ekip, bilgi seviyesi ve karar yetkisi Hangi kanıt var? Dosya, tablo, kayıt, bağla…

3.2 PICO ve alternatif çerçeveler

PICO, bir istekte sık unutulan dört alanı hatırlatan pratik bir çerçevedir: Persona veya Rol, Instruction veya Talimat, Context veya Bağlam, Output veya Çıktı. Bu bir kalite garantisi değildir. Eksik bir kaynağı, belirsiz bir amacı veya zayıf bir kontrolü dört başlık da tek başına telafi edemez. PICO parçası Ne yazılır? Kontrol sorusu Persona / Rol Bakış açısı, değerlendirme standardı veya davranış biçimi Bu rol çıktının kararını ya da ölçütünü gerçekten değiştiriyor mu? Instruction / Talimat Yapılacak iş, öncelik, başarı ölçütü ve eylem sınırı Modelden hangi fiili gerçekleştirmesini istiyorum…

3.3 Akıl yürütme modelleri ve rol sınırları

Akıl yürütme özelliği bulunan bir model ile iyi yazılmış prompt aynı şey değildir. Model daha fazla hesaplama veya farklı bir çalışma yöntemi kullanabilir; fakat yanlış kaynak, eksik veri ya da kötü tanımlanmış amaç varsa daha uzun bir hata üretebilir. Prompt, modelin hangi problemi çözeceğini ve sonucu hangi kanıtla sınayacağını belirler. Akıl yürütme gerektiren işlerde gizli düşünce dökümünü istemek yerine denetlenebilir ara ürünler isteyin: Varsayımları ve eksik girdileri listeleme. Seçilen yöntemi kısa gerekçeyle açıklama. Alternatifleri ve elenme nedenlerini gösterme. Kaynak iddialarını i…

3.4 Reverse prompting

Sonucu tam tarif edemediğinizde doğrudan taslak istemek yerine modelden kısa bir keşif görüşmesi yürütmesini isteyin. Reverse prompting olarak adlandırılan bu yöntem, modelin önce gereksinimlerinizi açığa çıkarmasına dayanır. Model bir soru sorar, cevabınızı bekler, belirsiz bir sıfatı somutlaştırır ve yeterli bilgi oluştuğunda hedef ile teslimatı özetler. Bu yöntem özellikle marka sesi, yeni bir proje, paydaş beklentisi veya birbirine zıt öncelikler söz konusu olduğunda işe yarar. Yine de modelin soruları sizin karar sorumluluğunuzu ortadan kaldırmaz. Görüşme sonunda modelin çıkardığı gereksi…

3.5 Bağlam mühendisliği

Prompt o anki işi tarif eder; bağlam mühendisliği ise modelin o işi doğru yapabilmesi için seçilen bilgi, kural, örnek, araç ve geçmiş durumun düzenlenmesidir. Uzun bir dosyayı olduğu gibi eklemek otomatik olarak iyi bağlam sağlamaz. Gereksiz bilgi, eski bilgi ve birbiriyle çelişen talimatlar seçimi zorlaştırır. Bağlamı şu katmanlarda düşünün: Katman İçerik Bakım sorusu Kaynak Kanonik politika, tablo, sözleşme, kayıt Bu bilgi nereden geliyor ve güncel mi? Görev Bu oturumda yapılacak iş ve öncelik Şimdi hangi karar veya teslimat gerekiyor? Tercih Dil, terim, biçim, ton, erişilebilirlik Bu kural…

3.6 Beceri paketleri

Beceri paketi, tekrarlanan bir işi adıyla çağrılabilir hâle getiren küçük bir iş akışıdır. Uzun bir promptu her seferinde yeniden yazmaktan daha verimli olabilir; fakat beceri paketi sihirli bir kural değildir. Girdi, işlem, çıktı, test, sahiplik ve sürüm bilgisi açık değilse yalnızca uzun bir talimat dosyasına dönüşür. Araçtan bağımsız bir beceri paketinde şu bölümler bulunabilir: BECERİ PAKETİ: [iş adı] Amaç: [hangi iş sonucunu üretir] Girdi: [zorunlu ve isteğe bağlı dosyalar/veriler] Ön koşul: [izin, veri sınıfı, tarih, kaynak] İş akışı: [yüksek seviyeli işlem adımları] Karar noktaları: [Eğ…

3.7 İlk cevaptan döngü mühendisliğine

İlk cevap bir teslimat değil, denetlenecek ilk sürümdür. “İyi mi?” sorusu yerine şu soruları sorun: Hangi iddia kaynağa bağlı? Hangi bölüm eksik? Hangi varsayım sonucu değiştiriyor? Sonraki kullanıcı kim? Çıktı hangi formata geçecek? Hangi hatada durmalı? Takip komutu, ilk cevabı derinleştirebilir, eleştirebilir veya başka bir teslimata dönüştürebilir. Takip komutlarını rastgele eklemek yerine döngünün amacıyla eşleştirin: Döngü amacı Takip isteği Eksikliği bulma “Kabul ölçütlerine göre eksik alanları ve nedenlerini listele.” Doğrulama “Her sayıyı kaynak alanına bağla; kaynakta olmayanları bel…

3.8 Ton ve marka sesi

“Benim tarzımda yaz” model için ölçülebilir bir talimat değildir. Tonu davranışlara çevirin: hitap biçimi, cümle uzunluğu, teknik terim kullanımı, kanıtın sunuluşu, iddia kesinliği, mizah sınırı, başlık alışkanlığı ve kaçınılacak kalıplar. Bir ses profili için tek örneğe güvenmeyin. Farklı konu ve uzunlukta güncel örneklerden şu özellikleri çıkarın: Hedef okur ve ilişki biçimi. Tercih edilen fiil, terim ve hitap biçimi. Giriş, geçiş ve kapanış düzeni. Cümle ritmi ve paragraf uzunluğu. Kesinlik derecesi ve kaynak gösterme biçimi. Kullanılmayan kelime ve kalıplar. Asla değişmemesi gereken iddia,…

3.9 Örnekle yönlendirme

Soyut sıfatlar geniş yorum alanı bırakır. Girdi-çıktı örnekleri ise modelin hangi özelliği koruyacağını daha açık gösterir. Örnek verirken konuyu değil davranışı öğretin. İyi bir örnek setinde üç ayrım bulunur: Ayrım Açıklama Korunacak Başlık düzeni, cümle ritmi, hitap, alan adı veya tablo şeması Değişmeyecek Ana fikir, kanıt, tarih, ölçü birimi veya kurum terimi Kopyalanmayacak Kişisel ayrıntı, tekil olay, konuya özgü ifade veya gizli veri Aşağıdaki örnekleri yalnızca biçim ve karar ölçütünü öğrenmek için kullan. Korunacak özellikler: [ritim / alan adları / başlık yapısı] Korunmayacak içerik:…

3.10 Dosyalarla çalışma

Dosya işlerinde başarı, prompt kadar dosya düzenine ve izinlere bağlıdır. Kök klasörde kısa bir README.md, dosya sahipliği ve güncelleme tarihi bulunabilir. Kanonik kaynak ile türetilmiş kopyayı aynı adla saklamayın. Arşiv kopyalarını aktif çalışma alanından ayırın. Örnek bir klasör iskeleti: [proje-adi]/ ├── README.md # amaç, kapsam, sahip, güncelleme tarihi ├── 01_kaynaklar/ # kanonik politika, veri ve kayıtlar ├── 02_calisma/ # geçici analiz ve taslaklar ├── 03_sablonlar/ # onaylı çıktı biçimleri ├── 04_testler/ # örnek girdi, beklenen sonuç, hata senaryosu ├── 05_teslim/ # insan onayından …

3.11 Görsel ve video brifi

Görsel veya video üretiminde “etkileyici bir tasarım yap” isteği, amaç ve kontrol ölçütü içermediği için zayıftır. İyi bir brif, üretim aracına değil kullanım senaryosuna göre yazılır. Brif alanı Belirtilmesi gereken bilgi Amaç Açıklama, eğitim, karar, duyuru veya ikna hedefi Hedef kişi Kim görecek, ne biliyor, hangi eylemi yapacak Ana mesaj İzleyicide kalması gereken tek cümle İçerik Sahne, nesne, kişi, veri, metin ve zorunlu öğeler Görsel dil Renk, ışık, kompozisyon, tempo, gerçekçilik ve ton Sınırlar Logo, renk, iddia, yüz, telif, hassas konu ve kullanılmayacak öğeler Format Dikey/yatay, or…

3.12 Hesaplamalarda araç seçimi

Metin modeli formülü açıklayabilir, değişkenleri çıkarabilir ve tablo yapısını önerebilir. Çok satırlı aritmetik, finansal rapor, tekrar edilebilir hesap veya denetlenebilir karar söz konusuysa tablo, hesap makinesi ya da kod kullanın. Modelin güvenli görünen bir cümleyle yanlış sayı vermesi mümkündür. Durum İlk tercih Kontrol Tek ve basit işlem Hesap makinesi veya güvenilir tablo Girdi, birim ve sonuç yeniden hesaplanır Çok satırlı veri Elektronik tablo veya kod Örnek satır, toplam, boşluk ve birim denetlenir Finansal/yönetsel karar Sürümü kayıtlı tablo veya kod; model yalnız açıklama ve yoru…

3.13 Bellek ve kalıcı bağlam

Bellek, bir sistemin geçmişten bazı tercihleri veya bilgileri sonraki çalışmaya taşımasıdır. Bellek kaynak doğruluğu anlamına gelmez. Eski bir tercih, yanlış kaydedilmiş bir özet veya artık geçerli olmayan proje durumu sonraki çıktıları sessizce bozabilir. Belleği dört sınıfa ayırın: Bellek sınıfı Örnek Risk ve bakım Oturum Bu konuşmadaki geçici karar Oturum bitince kapsamı ve saklamayı bilin Proje Terimler, hedef, dosya düzeni, sürüm Proje kapanınca arşivle veya temizle Kurum Onaylı politika, rol, güvenlik sınırı Sahip, sürüm ve erişim yetkisi olmalı Kullanıcı tercihi Dil, biçim, ayrıntı sevi…

3.14 Araç seçimi ve eşdeğerlik

Aynı model farklı ürünlerde farklı dosya, izin, bağlayıcı ve çıktı yüzeyleriyle çalışabilir. Bu nedenle “en iyi model” yerine görev için gereken yetenekleri tanımlayın: okuma mı, taslak mı, hesap mı, dış eylem mi; hangi veri sınıfı; hangi denetim izi; hangi insan onayı? Önce araçtan bağımsız karar tablosunu doldurun: İhtiyaç Araç sınıfı Seçim ölçütü Kaynaklı soru-cevap Yetkili çalışma alanı veya arama aracı Kaynak gösterme, tarih filtresi, veri politikası Dosya analizi Dosya erişimli çalışma alanı İzin, sürüm, dosya türü ve dış içerik ayrımı Tekrarlanan iş Beceri veya otomasyon katmanı Girdi ş…

3.15 Uygulayıcıdan orkestratöre

Uygulayıcı tek bir talimat gönderip sonucu alır. Orkestratör ise işin hangi kaynaktan besleneceğini, hangi aracın kullanılacağını, hangi kontrolün çalışacağını, hangi noktada durulacağını ve insanın neyi onaylayacağını tasarlar. Bu geçiş, prompt yazmayı bırakmak değil promptu daha büyük bir iş sisteminin bir parçası olarak ele almaktır. Bir orkestrasyon planında şu akış bulunur: Katman Temel soru Somut çıktı Amaç Hangi iş sonucu isteniyor? İş sonucu kartı Kaynak Hangi bilgi kanonik ve güncel? Kaynak seçimi ve sürüm izi Bağlam Hangi bilgi şimdi gerekli? Seçilmiş bağlam paketi Talimat Model ne y…

3.16 Benimseme, kalite ve iş yükü

Prompt becerisi gerçek iş akışına taşınmadığında yalnızca gösterişli denemeler üretir. Bir çalışan hız kazandığını hissedebilir; fakat çıktı başka bir ekipte yeniden yazılıyor, doğrulanıyor veya hatası düzeltiliyorsa toplam iş yükü artabilir. Düşük emekle üretilmiş, yüzeyde makul fakat işi ilerletmeyen çıktıya “workslop” denir. Kalite ölçütünü çıktıyı alan kişinin işi üzerinden de tanımlayın. Araştırmalar AI etkisinin görev ve kullanıcıya göre değiştiğini gösterir. Müşteri hizmetleri çalışmasındaki verimlilik artışını her işlev için genelleyemezsiniz. Bilgi görevleri deneylerinde model bazı gö…

Kurumunuza uyarlama

Bu modülü kurumunuzda uygularken aynı promptu herkese dağıtmak yerine ortak ilkeleri ve role özgü örnekleri ayırın. Finans, İK, satış, hukuk, operasyon ve yönetim ekiplerinin veri sınıfı, hata maliyeti, dış iletişim yetkisi ve onay sahibi farklıdır. Her ekip kendi görev kartını üretmeli; merkezi ekip yalnızca asgari güvenlik, kaynak ve kayıt koşullarını tanımlamalıdır. Önce bir kullanım envanteri çıkarın: araç ve hesap, model veya ürün, veri türü, ülke ve sağlayıcı, okuma/yazma yetkisi, insan onayı, çıktı kullanıldığı yer ve saklama süresi. Kişisel veri içeren işlerde amaç, hukuki sebep, minim…

Uygulama görevi

Bu görevi 30–60 dakikada tamamlayın. İşinizde bu hafta en az iki kez yaptığınız ve sonunda bir belge, tablo, mesaj veya karar notu oluşan tek bir işi seçin. Kişisel veya gizli veriyi gerçek biçimde yüklemeyin; gerekiyorsa anonimleştirilmiş örnek kullanın. İş sonucunu bir cümleyle yazın. Çıktıyı kimin kullanacağını ve yanlış sonucun etkisini belirtin. PICO veya görev kartı seçin. Amaç, kaynak, bağlam, çıktı, sınır ve kabul ölçütünü doldurun. Eksik gereksinim varsa reverse prompting isteğiyle en fazla beş soru hazırlayın. Kaynak dosyaları ayırın. Kanonik, eski, türetilmiş ve dışarıdan gelen içer…

Kontrol listesi

İş sonucunu ve hedef kullanıcıyı açıkça tanımladım. Kaynakları, tarihleri, sürümleri ve veri sınıfını ayırdım. PICO veya başka bir görev çerçevesini işin riskine göre seçtim. Rolü yalnızca bakış açısını veya değerlendirme ölçütünü değiştirdiği yerde kullandım. Eksik gereksinim için modelin soru sormasını sağladım. Dış içerikteki talimatları veri olarak değerlendirdim. Çıktı biçimini, uzunluğu, dili ve kabul ölçütünü yazdım. İlk cevabı takip komutu, kaynak kontrolü veya eleştiriyle sınadım. Hesaplamayı bağımsız araçla yeniden kontrol ettim. Dosya değişikliği için plan, etki, onay ve geri alma y…

Sık yapılan hatalar

Hata Neden sorun Doğrusu “Bana iyi bir rapor yaz” demek Amaç, kanıt, hedef kişi ve kabul ölçütü belirsiz kalır İş sonucunu, kaynakları, biçimi, sınırı ve kontrolü yazın Her prompta uzun bir uzman rolü eklemek Rol yetki veya güncel bilgi sağlamaz; gereksiz metin üretir Rolü yalnızca bakış açısı veya değerlendirme standardı değiştiğinde kullanın Akıl yürütme modelinden gizli düşünce dökümü istemek Denetlenebilir kanıt yerine uzun ve hassas bir metin alabilirsiniz Varsayım, yöntem, kontrol ve belirsizlik notu isteyin İlk cevabı teslimat saymak Kaynak, kapsam veya iş akışı hataları görünmeyebilir …

Kendinizi sınayın

“Yönetim için haftalık rapor hazırla” isteğini iş sonucu kartıyla nasıl genişletirsiniz? PICO ile şema öncelikli yaklaşım arasındaki temel fark nedir ve hangi işte şema öncelikli yaklaşımı seçersiniz? Akıl yürütme özelliği bulunan bir modelden neden gizli düşünce dökümü yerine denetlenebilir ara ürünler istemelisiniz? Dışarıdan gelen bir PDF veya web sayfasında eylem talimatı gördüğünüzde bağlam ve izin açısından ne yaparsınız? Bir dosya değiştirme döngüsünde insan onayı, durma koşulu ve geri alma yolu neden ayrı alanlardır? Aynı modelin ürün adları farklı çalışma alanlarında neden doğrudan eş…

Kaynaklar ve ileri okuma

Regulatory framework for AI — Avrupa Komisyonu — 1 Kasım 2026’da kontrol edilen mevzuat ve uygulama takvimi. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai Regulation (EU) 2024/1689 — Avrupa Birliği — 2024; Madde 4 yapay zekâ okuryazarlığı metni. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng İş Yerlerinde Üretken Yapay Zekâ Araçlarının Kullanımı — KVKK — 5 Mart 2026. https://www.kvkk.gov.tr/Icerik/8674/is-yerlerinde-uretken-yapay-zeka-araclarinin-kullanimi Yurt Dışına Aktarım — KVKK — 2024 sonrası aktarım çerçevesi. https://www.kvkk.gov.tr/Icerik/2053/Yurtdisina…