Ana içeriğe geç

Asistan Prompt Nasıl Yazılır?

İyi bir asistan promptu, modeli "ne yapacağını bilen bir uzmana" çevirir. Bunun için kimlik (rol), amaç, kitle, ton, bağlam, çıkış biçimi/kısıtları ve kalite ölçütleri net olmalıdır. Aşağıdaki çerçeve, her kullanım senaryosunda tutarlı sonuç almanızı sağlar.

1) Temel Çerçeve (PTCF+)​

  • Persona (Rol): Asistan kim? (örn. "Kıdemli teknik editör", "B2B pazarlama uzmanı").
  • Task (Görev/Amaç): Tam olarak ne yapacak, başarı ölçütü ne? (örn. "400 kelimede lansman yazısı; sonunda CTA").
  • Context (Bağlam): Ürün/hizmet özeti, kısıtlar, referans dokümanlar/bağlantılar.
  • Format (Biçim/Kısıtlar): Uzunluk, dil, yapı (başlıklar, tablo, madde işaretleri), CTA/çıktı formatı.
  • Ton/Üslup: İlham verici, kurumsal, resmi, sıcak vb.
  • Kalite Ölçütleri: Doğruluk, tutarlılık, kaynak/kanıt, tekrar yok, jargon sınırlı. Araçlar/Yetenekler (Opsiyonel): Web arama, veri analizi, görsel üretimi, eylemler (API) gibi kapasiteler gerekiyorsa belirtin.

İpucu: "Optimize 🚀" bu alanların çoğunu otomatik tamamlar (rol/ton/hedef/bağlam/biçim), eksikleri doldurur ve standartlaştırır; daha az revizyonla öngörülebilir çıktı üretir.

47
47

Tek Tıkla AI Desteği: Optimize​

  • Komutunuzu yazın
  • Optimize'a tıklayın.
  • Sistem; rol/ton/hedef/bağlam/biçim/kısıtlar alanlarını tamamlar, kontrol listesini uygular, tek seferde Ajan Promptuna dönüştürür.
  • Prompt otomatilk olarak kaydedilir, dilerseniz "Geri Al" butonuna tıklarsanız eski promptta geri dönecektir.
    48
    48

Prompt'u İyileştirme​

Çıkış çok uzun/dağınık: Kelime/karakter sınırını LLM ayarlarından ayarlayın. Örnek olarak yapı (başlıklar) ekleyin.

Üslup kaçıyor: Tonu örnek cümlelerle sabitleyin; marka ton notunu ekleyin. Asistana konuşma örnekleri yazın.

Bilgi eksik: "Eksik alanları soru olarak sor ve bekle" kuralı ekleyin.

Güncellik sorunları: Web arama yeteneğini açın ve kaynak isteyin.

Prompt Yazma Teknikleri​

Aşağıdaki teknikler, asistanlarının daha tutarlı ve öngörülebilir sonuç üretmesini sağlar. Her tekniği tek başına ya da birlikte kullanabilirsin.

1) Zero-shot Prompting​

Tanım: Örnek vermeden, net bir talimatla görevi yaptırma. LLM'ler geniş ön-eğitimleri sayesinde sınıflandırma, çeviri, "bilinen" bilgiye dayalı soru cevap gibi genel görevlerde örneksiz de çalışabilir.

Ne zaman? Hızlı, basit görevler; kuralları ve formatı standart olan işler. Daha nüanslı/biçim hassas çıktılar için few-shot tercih edin.

Örnek: "Metni 'memnun/kararsız/memnun değil' olarak sınıflandır."

Optimize 🚀 ipucu: Zero-shot'ta bile rol/ton/hedef/biçim alanlarını tek tıkla ekleterek belirsizliği azalt. (Örn. kelime sınırı, CTA, tablo çıktısı.)

2) Few-shot Prompting​

Tanım: İstediğin çıktıya 2–4 örnek vererek modeli biçim ve nüanslara hizalama. Daha tutarlı ve doğru sonuçlar üretir.

Ne zaman? Karmaşık/ince ayarlı görevler; belirli şablon/etiket/ton gereksinimi; tutarlı çıktı yapısı istediğinde.

Örnek: "Harika destek aldım." - memnun "Ürün rezalet." - memnun değil "Fena değil." - kararsız "Bu cümleyi etiketle: …"

3) Chain-of-Thought (Adım Adım Düşün)​

Tanım: Modele "adım adım düşün" gibi açık talimat vererek akıl yürütmeyi dışsallaştırmak; gerekirse çerçeve (framework) ve düşünme/cevap ayrımı için etiketler kullanmak.

Ne zaman? Çok adımlı akıl yürütme, karmaşık analiz, hata eğilimli senaryolar.

Örnek: "Şu çerçeveyi izle: (1) Veri durumu (2) Etkenler (3) Doğrudan etkiler (4) Dolaylı etkiler (5) Öngörü. Adım adım düşün."

4) Role Prompting (Modele Rol Vermek)​

Tanım: Modele "kıdemli ürün yöneticisi", "B2B pazarlama uzmanı" gibi persona atamak, ilgili bilgi kalıplarını aktive eder ve alan-diline uygun sonuçlar üretir.

Ne zaman? Alan uzmanlığı, metodolojiye bağlı işler (PM çerçeveleri, pazarlama taktikleri vb.).

Örnek: "Bir growth marketing uzmanı gibi yaz; kuzey yıldızı metriklerini kullan."

5) Clear & Specific Instructions (Net Talimat)​

Tanım: Belirsiz komutlar genelleşir; kapsam, sınır ve beklentiyi açık yaz. (Konu, kapsam, derinlik, zorunlu kısımlar.)

Örnek: "Güneş sistemine kısa bir genel bakış yaz; gezegen adları ve her birinin 1 ana özelliği yer alsın."

Chain Prompts (Zincirleme)​

Tanım: Birden çok görevi tek prompta yığmak yerine numaralı adımlar ya da birkaç ardışık prompt halinde böl; dikkat dağınıklığını azalt.

Örnek:

  • Belgelerde hata dosyalarını ara.
  • Önem sırasına göre sırala.
  • Teams için 10 maddelik özet yaz.