Başlangıç, Prompt değildir

İyi bir yapay zekâ diyaloğu neden doğru başlangıç noktasıyla başlar

Çoğu insan yapay zekâyla çalışmaya yanlış yerden başlar. Boş bir giriş alanı açar, olabildiğince akıllıca bir cümle yazar ve karşı tarafta sorununu anlayan bir şeyin ortaya çıkmasını umar. Belki bir strateji. Belki bir metin. Belki de koca bir web sitesi.

Bu biraz, bir taksiciye yalnızca „Beni Berlin'e götür" demeye benzer. Araç yola çıkar. Hem de gayet ikna edici biçimde yola çıkabilir. Ama ne bulunduğun yeri bilir, ne varman gereken adresi, ne de oraya yetişmek istediğin randevuyu. Eksik kalan her ayrıntıyla birlikte, sürücünün kendi başına doldurması gereken alan büyür. Yapay zekâda da durum farklı değildir. Tek fark, bu alanı yol bilgisiyle değil, olasılıkla doldurmasıdır.

İlk prompt tam da bu yüzden bu kadar belirleyicidir. Sihirli bir formül olduğu için değil; modelin bir sonraki olası yönünü hesapladığı başlangıç noktasını işaretlediği için. Yalnızca „Bana bir yapay zekâ stratejisi yap" yazan, çoğu zaman istatistiksel olarak birçok şirkete uyabilecek bir strateji alır. Buna karşılık şirketin şu an nerede durduğunu, hangi verilerin var olduğunu, neye dokunulmaması gerektiğini, iki hafta içinde hangi kararın verileceğini ve iyi bir sonucun neyle anlaşılacağını anlatan, bambaşka bir şey alır: sıradan bir yanıt değil, bir çalışma zemini.

Prompt bir görevdir. Başlangıç noktası ise durumdur.

Karışıklık küçük, sonuçları büyüktür. Bir prompt çoğunlukla ne olması gerektiğini tarif eder. „Bir makale yaz." „Bu verileri analiz et." „Bana bir uygulama kur." Bu, görevdir.

Başlangıç noktası ise görevden önceki gerçek durumu tarif eder: Şimdiye dek ne oldu? Hangi malzemeler mevcut? Onlarla kim çalışıyor? Hangi karar buna bağlı? Hangi dil, hangi kalite ve hangi sınırlar geçerli? Ancak orada bir talimat, yapay zekânın hangi dünyaya adım attığını tahmin etmek zorunda kalmadığı bir Context'e dönüşür.

İyi bir başlangıç noktası, makinenin düşünme işini elinden almaz. Yalnızca enerjisini yanlış dünyaya harcamasını önler.

Prompt engineering ile context engineering arasındaki fark da budur. Prompt engineering şunu sorar: Talimatı nasıl formüle ederim? Context engineering ise şunu sorar: Bu talimatın anlamlı biçimde işlenebilmesi için yapay zekânın hangi gerçekliği bilmesi gerekir? Ve bundan da önce intent engineering gelir: Sonuç ne için gerekiyor – ve gerçek dünyada nasıl bir etkisi olmalı?

Bir yapay zekâ sana ilk soruda çöken çok güzel bir plan yazabilir. Sana belgelerinle, ekibinle, sınırlarınla ve bir sonraki adımınla gerçekten örtüşen gösterişsiz bir plan da yazabilir. İkinci plan neredeyse her zaman daha iyi bir başlangıç noktasıyla başlar.

Başlangıç noktası altı şeyden oluşur

Bunun için katı bir şablon yok. Ama altı soru, neredeyse her yapay zekâ işini havadan yere indirir.

Birincisi: Şu an neredeyiz? Gerçek durumu tarif et, hayal edilen sürümü değil. Yarım kalmış bir konsept, üç eski sohbet geçmişi, belirsiz bir görev ve önümüzdeki hafta verilecek bir karar dürüst bir başlangıç noktasıdır. „Yenilikçi olmak istiyoruz" değildir.

İkincisi: Elimizde ne var? İlgili dosyaları, notları, verileri, örnekleri, önceki denemeleri ve kişileri say. İyi bir model malzemeyle çalışabilir. Ama hangi PDF'in esas olduğunu, hangisinin yalnızca eski bir fikir içerdiğini tahmin edemez.

Üçüncüsü: Ne değişmeli? Yalnızca bir çıktı değil, bir hareket tanımla. Dağınık notlardan uygulanabilir bir plan mı çıkmalı? Bir uzmanlık rutini yeniden kullanılabilir bir yapay zekâ Workflow'una mı dönüşmeli? Bir ekip, sonuçtan sonra karar verebilir hâle mi gelmeli?

Dördüncüsü: Ne olmamalı? Sınırlar fren değildir. Kalite ölçütüdür. Müşteri verisi dışarı çıkmasın, dayanaksız iddia olmasın, mevcut tasarım sistemine dokunulmasın, hukuki değerlendirme denetimsiz yapılmasın: Böyle cümleler yapay zekâya tutunacak bir yer verir.

Beşincisi: Sonuç kimin için? Bir yönetim kurulu için bir metin, yeni başlayanlar için bir alıştırma ve bir Agent için teknik bir Handoff, içerik olarak aynı konudan söz edip yine de bambaşka biçimler gerektirebilir. Hedef kitle Context'tir.

Altıncısı: İyi olduğunu neyle anlarsın? Bunu söyleyemiyorsan, yapay zekâ da bilemez. „Somut", „kullanılabilir", „denetlenebilir", „riskleri açıkça belirtilmiş", „Markdown dosyaları hâlinde yapılandırılmış" – bunlar kozmetik istekler değil, kabul kriterleridir.

Bu, özellikle uzun projelerde neden önemli

Tek bir soruda insan kendini doğaçlamayla kurtarabilir. Bir projede kurtaramaz. Orada her sohbetle, her dosyayla ve her kararla yeni bağımlılıklar büyür. Başlangıcı doğru anlamayan bir yapay zekâ, ilk hatasını ileriye taşır. Çarpık bir kavramın üzerine inşa eder, yanlış bir varsayımı birden çok belgede yineler ve tam da bu kadar hızlı formüle edebildiği için ikna edici görünür.

Panzehir her cümleyi denetlemek değildir. Çalışma alanını görünür kılmaktır. İyi ekipler ilk büyük turdan önce küçük bir başlangıç notu hazırlar. İyi bireyler de aynısını yapar — ona bir ad vermeseler bile. Neyin bilindiğini, neyin açık olduğunu, hangi kaynakların geçerli olduğunu ve bir sonraki Handoff'un nasıl görünmesi gerektiğini kayda geçirirler.

Yapay zekâ çalışmasının olgunlaştığı an budur. Prompt uzadığı için değil; öncesindeki düşünce netleştiği için.

Pratik için bir başlangıç notu

Aşağıdaki bloğu yeni bir sohbetin, bir projenin veya bir Agent görevinin başında kullanabilirsin. Bilerek yalın tutuldu. Yalnızca görev için gerçekten önemli olanı ekle.

BAŞLANGIÇ NOKTASI

Mevcut durum:
[Gerçek başlangıç durumu nedir?]

Eldeki malzeme:
[Dosyalar, kaynaklar, önceki sonuçlar, ilgili bağlantılar]

Sonraki çalışma aşamasının hedefi:
[Hangi somut değişiklik veya karar mümkün olmalı?]

Hedef kitle ve ton:
[Sonuç kimin için ve nasıl bir etki bırakmalı?]

Sınırlar ve riskler:
[Ne olmamalı? Ne denetlenmeli, anonimleştirilmeli
veya açıkça işaretlenmeli?]

Başarı kriterleri:
[Sonuç neye göre kabul edilecek?]

Görev:
[Yapay zekâya verilecek asıl görev]

İçindeki belirleyici cümle sondaki görev değildir. Baştaki durumdur. Bir yapay zekâya yönü söylemeden önce ona doğru yeri ver.

Alıştırma: Belirsiz bir görevi gerçek bir başlangıç noktasına dönüştürmek

Zaten yapman gereken bir işi al. Bir atölye, bir başvuru, bir müşteri süreci, bir web sitesi, bir ders modülü veya özel bir karar olabilir. Önce, kendiliğinden gireceğin prompt'u yaz. Muhtemelen kısa olacaktır.

Ardından başlangıç notunu doldur. Bir roman gibi değil, kesin bir durum tarifi olarak. Sonra yapay zekâya tam olarak tek bir görev ver: Önce hangi bilgilerin eksik olduğunu, hangi varsayımları yapmaması gerektiğini ve işi ele almak için nasıl bir plan önerdiğini denetlesin. Ancak bu planı kabul ettiğinde ayrıntılandırmasına izin ver.

İki sonucu karşılaştır. Yalnızca üslup açısından değil. Kendine sor: Hangi sonuç benim gerçekliğimi daha iyi tanıyor? Hangisini yarın gerçekten kullanabilirim? Yapay zekâ nerede daha az uydurmak zorunda kaldı?

O zaman context engineering'in özünü yalnızca anlamış değil, yaşamış olursun. Bu makalenin iki çalışma malzemesi — konu özeti ve doldurulacak çalışma alanına sahip alıştırma sayfası — burada indirilebilir:

Geriye ne kalıyor

Bir prompt sihirli bir formül değildir. Bir kapıdır. Ama bir kapı, hangi binaya girdiğini biliyorsan işine yarar.

Bu yüzden her yapay zekâ görevinden önce en verimli soru şu değildir: „Bunu nasıl kusursuz formüle ederim?" Şudur: „Bu makine hangi noktadan düşünmeye başlamalı?"

Bu noktayı temiz koyan, otomatik olarak hakikat elde etmez. Ama güzel bir çıktıdan çok daha değerli bir şeyin önkoşulunu yaratır: doğru yerde birlikte çalışan bir yapay zekâ.