Üretken yapay zekânın ilk döneminde “işe yarayan prompt şablonları” konuşuluyordu. “Bir uzman gibi davran” ya da “adım adım düşün” gibi ifadeler, modelden daha iyi çıktı almanın kısa yollarıydı. Bu ifadeler bugün de işe yarayabilir; ama ürün ve iş akışı kuran biri için sorun değişti: Doğru cümleyi yazmak yetmiyor; model hangi bilgiyi, nereden, nasıl alıyor?
Hayır. İyi bir talimat hâlâ önemlidir: rolü, hedefi ve çıktı biçimini net söylemek sonucu iyileştirir. Değişen şey, bunun tek başına yeterli sayılmaması. “Adım adım düşün” gibi kalıplar modeli istenen bölgeye yaklaştıran basit bir yönlendirmeydi; ama modelin elindeki veri yanlış, eksik ya da eski ise en iyi cümle de bunu düzeltemez.
Dil modelleri temelde bir sonraki parçayı olasılıkla tahmin eder. Bir işletmenin ya da analistin ise çoğu zaman öngörülebilir ve denetlenebilir bir sonuca ihtiyacı vardır. Modeli tamamen deterministik yapmak mümkün değildir; ama sistemi, modelin her şeyi kendi başına “uydurmasına” gerek kalmayacak biçimde tasarlayarak tutarlılığı artırabilirsin.
Katmanlı hafıza: Anlık konuşma, oturum geçmişi ve kalıcı kayıtlar ayrı katmanlardır; hangi bilginin nerede durduğu ve modele ne zaman verildiği önceden kurallıdır.
Ortak protokoller (örneğin MCP): Model Context Protocol, Anthropic’in 2024’te tanıttığı ve sonradan birçok araç tarafından benimsenen açık bir standarttır; modelin dosyalara, servislere ve uygulamalara aynı yöntemle bağlanmasını sağlar. Bağlantının güvenli olup olmadığı protokolden çok hangi yetkilerin verildiğine bağlıdır.
Fonksiyon çağırma: Model her şeyi kendi “tahmin eder” yerine, hesap gerektiğinde bir hesaplama aracını, veri gerektiğinde bir sorguyu çağırır. Böylece sayılar tahmin edilmez, hesaplanır.
| Yalnızca prompt | Bağlam mimarisi |
|---|---|
| Uzun, kırılgan talimat blokları | Modüler, ayrıştırılmış şema ve kurallar |
| Tüm veriyi tek seferde metne yapıştırmak | İhtiyaç anında arama veya araç çağrısı |
| Biçimi “lütfen şöyle yaz” diye istemek | Çıktıyı şema ile (ör. Pydantic, Zod) doğrulamak |
| Konuşma bitince kaybolan bilgi | Oturumlar arası taşınan yapılandırılmış bağlam |
Özetle: yapay zekâyla iyi sonuç almak giderek “nasıl konuşacağını bilmekten” çok modelin önüne ne koyduğunu tasarlamaya kayıyor. Bu yazı teknik veya mali tavsiye değildir; kendi işine uygun yapıyı küçük denemelerle sına.
Web araması, kredi hesabı, sunum hazırlama gibi işleri araç çağırarak yapar. Hesaplar yapay zekâya değil kodla yaptırılır.
Bu yazı genel bilgi amaçlıdır; teknik, hukuki veya mali tavsiye değildir. Şemalar kavramı anlatmak için sadeleştirilmiştir. Yapay zekâ alanı hızlı değiştiği için ayrıntılar zamanla eskiyebilir.
Merak edilenler
Hayır. İyi bir talimat hâlâ önemlidir, ama ciddi işlerde tek başına yetmez. Modelin hangi bilgiyi, nereden ve hangi araçlarla aldığı da sonucu belirler; buna bağlam mimarlığı denir.
Modelin önüne doğru bilgiyi, doğru zamanda ve doğru araçlarla getirmek için kurulan sistem tasarımıdır: katmanlı hafıza, arama, araç çağırma ve ortak protokoller içerir.
Anthropic’in 2024’te tanıttığı, sonradan birçok araç tarafından benimsenen açık bir standarttır; modellerin dosyalara, servislere ve uygulamalara aynı yöntemle bağlanmasını sağlar. Güvenlik, verilen yetkilere bağlıdır.
Model, hesap veya veri gerektiğinde bir aracı çağırır; sayılar tahmin edilmez, hesaplanır. Böylece sonuçlar daha öngörülebilir ve denetlenebilir olur.
Hayır. Dil modelleri olasılıksal çalışır; ama sistemi iyi tasarlayarak modelin her şeyi kendi başına üretmesi gereksinimi azaltılabilir ve tutarlılık artırılabilir.