Google’ın Prompt Rehberi: İyi Komutun Anatomisi

Yapay zekâyla çalışan herkes bunu çok hızlı fark ediyor: aynı model, aynı araç, hatta bazen aynı gün içinde bile bambaşka sonuçlar çıkabiliyor. Geçen ay Kadıköy’de bir editör masasında bunu yine yaşadım; ekipten biri “şunu toparla” diye tek cümlelik bir şey atmıştı, çıkan metin tam bir yamuktu. Ben biraz daha yapı kurunca iş değişti. Yani mesele modelin “zekâsı” değil, sizin ona ne kadar net konuştuğunuz.

Küçük bir detay: Google’ın yeni prompt rehberi de tam buraya dokunuyor (ciddiyim). Açık konuşayım — bu rehber öyle teorik süslemelerle dolu bir PDF değil. Daha çok sahada iş gören bir kullanım kılavuzu gibi hani. Mutfakta ölçüsüz tarifle yemek yaparsınız ya… Bazen tutar, çoğu zaman tutmaz. Prompt yazmak da biraz o hesap. Ölçü yoksa sonuç da sallantılı oluyor.

Durun, bir saniye.

İyi Prompt Neden Şansa Bırakılmaz?

İşin aslı şu: prompt yazmayı hâlâ “yaratıcı ilham anı” gibi gören çok kişi var. Oysa Google’ın yaklaşımı gayet sade — iyi sonuçlar çoğunlukla yapıdan geliyor. Ben 2023 sonbaharında Ankara’da küçük bir SaaS ekibiyle çalışırken bunu net gördüm; herkes farklı tarzda prompt atıyordu ve aynı göreve üç farklı cevap çıkıyordu, üstelik hiçbiri tam istenilen şey değildi. Sonra basit bir çerçeve belirledik, cevapların kalitesi gözle görülür biçimde düzeldi.

Bu çerçeve dört parçadan oluşuyor: rol, görev, bağlam ve format. Dördünü genelde kullanmak zorunda değilsiniz — ama birkaçını eklemek bile işi toparlıyor. Mesela “bunu düzelt” yerine “sen kıdemli backend mühendisisin, şu API’yi mikroservise çevirirken bağımlılıkları ayır (şaşırtıcı ama gerçek). Çıktıyı madde madde ver” dediğiniz anda model başka bir moda geçiyor. Siz hiç denediniz mi? Ciddi fark var.

İnanın, Burada can alıcı nokta şu: modelden mucize beklemek yerine ona yol haritası vermek gerekiyor. Kulağa basit geliyor. Pratikte ise çoğu kişi bunu atlıyor, sonra da “AI saçmaladı” diyor (bizzat test ettim). Hayır — bazen saçmalayan bizim komut oluyor.

Dört Parça Kuralı: Rol, Görev, Bağlam, Format

Rol kısmı modeli sahneye çıkarıyor. “Sen deneyimli hukuk danışmanısın” derseniz cevap başka türlü akar; “sen ürün yöneticisisin” derseniz bambaşka yere gider. Bu kısmı ben bazen aşırı kullanmanın riskli olduğunu düşünüyorum — fazla süslü roller modeli gereksiz yere daraltabiliyor. Siz ne dersiniz? Kağıt üstünde güzel duruyor ama pratikte ham kalıyor bazen.

Görev ise işin omurgası. Ne istiyorsunuz? Özet mi, kod mu, eleştiri mi, fikir üretimi mi? Eğer görev bulanıksa model de sağa sola savruluyor. Geçenlerde İstanbul’da bir arkadaşım müşteri destek botu için prompt hazırlıyordu; sadece “yardımcı ol” demişti. Bir saat sonra çıkan cevaplar tam anlamıyla havada kalmıştı, ne soran memnun ne model.

Garip gelecek ama, Bağlam kısmını ise çoğu kişi küçümsüyor. Ama asıl farkı orası yaratıyor olabilir — çünkü model sizin sektörünüzü bilmiyor; sisteminizin neden eski olduğunu bilmiyor; müşterinin hangi ülkede olduğunu da bilmiyor, siz söylemezseniz (eh, fena değil). Bu yüzden arka plan vermek, kafasına rastgele puzzle parçası atmak yerine resmi tamamlamak gibi çalışıyor. Mantıklı değil mi? Baya mantıklı aslında.

Format da ayrı önemli. Bazı işler için düz paragraf yeterli olur ama çoğu profesyonel senaryoda liste, tablo ya da başlıklandırılmış çıktı çok daha iyi iş görüyor — özellikle ekip içinde paylaşılacak yanıtlar alıyorsanız format istemek neredeyse şart.

Bileşen	Ne işe yarar?	Kötü örnek	Daha iyi örnek
Rol	Cevabın bakış açısını belirler	Bana yardım et	Kıdemli güvenlik analisti gibi davran
Görev	Neyi yapacağını söyler	Bunu incele	Zafiyetleri bul ve önceliklendir
Bağlam	Cevabı gerçek duruma oturtur	Açıklama yok	Kubernetes üzerinde çalışan çok kiracılı sistem
Format	Çıktının düzenini sabitler	Seni anladım sanırım…	Önce özet, sonra risk listesi, en sonda aksiyonlar

Peki Ya Tek Seferde Mükemmel Çözüm?

Size bir şey söyleyeyim, Lafı gevelemeden söyleyeyim: böyle bir şey pek yok. Prompting tek atışlık oyun değil; iteratif ilerleyen bir süreç. İlk deneme çoğu zaman sadece başlangıç oluyor, sonra siz onu törpülüyorsunuz (evet, doğru duydunuz). Dur bir saniye, önce şunu söyleyeyim — en iyi sonuçları ben genelde ikinci veya üçüncü turda alıyorum. İlk çıktıya bakıp “olmadı” demek değil mesele; ne eksik olduğunu görüp bir sonraki turda onu kapatmak asıl iş. Bu konuyla ilgili MCP ve A2A: 2025’te Çok Ajanlı Mimari Neden İkisine de Muhtaç? yazımıza da göz atmanızı tavsiye ederim.

İyi prompt yazmak ezber değil; geri bildirim döngüsü kurmaktır. İlk cevabı alın, eksikleri görün, bağlam ekleyin ve sınırları yeniden çizin.

Bu noktada küçük ekiplerle kurumsal ekipler arasında bayağı fark var. Küçük bir startup’ta iki kişinin aynı dili konuşması yetebilir. Ama enterprise tarafta satış ekibi başka şey isterken güvenlik ekibi bambaşka kurallar koyuyor olabilir — derken prompting bireysel beceri olmaktan çıkıp operasyon konusu oluyor. Fark ettiniz mi? Bu kayma çok hızlı oluyor. Daha fazla bilgi için PDF Dünyasında Bir Nefes: Ücretsiz ve Limitsiz Araçlar yazımıza bakabilirsiniz.

Vallahi, Neyse uzatmayalım… Ben kendi projelerimde şöyle yapıyorum: önce kaba taslak isterim, sonra format talep ederim, ardından ton. Uzunluğu daraltırım. Bir seferinde Levent’teki bir müşteri toplantısı öncesi sunum özeti çıkarttırmıştım; ilk çıktı fazlasıyla uzun geldiği için ikinci turda “maksimum altı madde” dedim ve iş çözüldü. Bu kadar. OpenRig Neden Doğdu: Ajan Karmaşasına Son Veren Fikir yazımızda bu konuya da değinmiştik.

Kopyala-Yapıştır Dönemi Bitiyor mu?

Yani, Tabi burada biraz can sıkıcı bir gerçek de var: internetten alınan hazır prompt’lar her zaman işe yaramıyor (ki bu çoğu kişinin gözünden kaçıyor). Çünkü sizin veri setiniz başka, hedefiniz başka, kısıtınız başka… Hazır şablonlar ancak başlangıç noktası olabilir, hepsi bu. Bu ne anlama geliyor? Onu da bilerek kullanmak lazım.

Küçük Ekipler İçin Ne İşe Yarıyor?

Yani, Küçük ekiplerde en büyük fayda hızdır — ama dezavantaj da tam aynı yerden geliyor aslında. Herkes kafasına göre ilerleyince kaos büyür. Bu yüzden kısa. Standartlaştırılmış prompt kalıpları çok işe yarar; mesela içerik üretimi yapan iki kişilik bir ekipte aynı rol tanımıyla başlamak bile kaliteyi dengeler, baya fark yaratır. Bir de çıktı formatını sabitlemek işleri kolaylaştırıyor.

Bakın, burayı atlarsanız yazının kalanı anlamsız kalır.

Büyük Organizasyonlarda Neden Daha Zor?

Büyük organizasyonda mesele sadece doğru cevap almak değil — tutarlı cevap almak. Aynı soruya farklı departmanlardan farklı yanıt çıkması güven kaybettirir. Güvenlik politikaları devreye girer, marka tonu devreye girer, hukuki sınırlar devreye girer; derken prompting bireysel beceri olmaktan çıkıp operasyon konusu oluyor. Bunu küçümsemeyin. LLM Nedir? Büyük Dil Modelleri Nasıl Çalışıyor? yazımızda bu konuya da değinmiştik.

Ben Olsam Nasıl Kurarım?

Editör masasında bu haberi görünce hemen test etmek istedim doğrusu. Önce tek cümlelik doğal dil kullandım, sonra aynı işi rol-görev-bağlam-format düzenine çevirdim. Sonuç barizdi — ikinci versiyon daha az laf kalabalığıyla daha net çıktı verdi. Mantıklı değil mi? Burada sihir falan yok, sadece düzgün brifing var.

# Basit iskelet
Rol: Sen deneyimli bir ürün analistisin.
Görev: Aşağıdaki geri bildirimleri tema bazında grupla.
Bağlam: Geri bildirimler mobil uygulamamızın ödeme ekranından geliyor.
Format:
1) Ana temalar
2) Örnek yorumlar
3) Öncerikli aksiyon önerileri
Ton: Kısa, net ve yöneticiye uygun
Sınırlama: Teknik jargonu azalt

Bakın şimdi: bu tip şablonları körü körüne kullanmayın demiyorum —. Kendi iş akışınıza uyarlayın diyorum. Bir finans şirketinde ton ciddi olmalı; oyun stüdyosunda ise biraz daha esnek olabilir, tabii marka çizgisini bozmadan (ben de ilk duyduğumda şaşırmıştım). Aynı iskelet herkese uyar diye düşünmek hata olur. Gerçekten.

İşte tam da bu noktada devreye giriyor. Butterfly CSS: 2026’da Dikkat Çeken Hafif Bir Seçenek yazımızda bu konuya da değinmiştik.

• Kötü prompt = belirsiz istek + sıfır bağlam + rastgele format
• Daha iyi prompt = rol + görev + birkaç kritik detay
• İyi prompt = net amaç + sınırlamalar + beklenen çıktı biçimi
  — ciddi fark yaratıyor
• Mükemmele yakın prompt = bunların üstüne geri bildirim döngüsü

Neden Şimdi Daha Önemli?

Doğrusu, Pazar hızla değişiyor. Modeller artık yalnızca bireysel kullanıcıların oyuncağı değil — ürünlere gömülüyorlar, destek süreçlerine giriyorlar, içerik hatlarının tam ortasına yerleşiyorlar. Geçen yıl bunun ilk sinyallerini görüyorduk; bu yıl ise iş iyice ciddiye bindi. Hmm, belki “ciddiye bindi” de hafif kaçtı aslında — zorunluluk haline geldi desek daha doğru.

Şahsen, Ama işte burada ufak bir hayal kırıklığı da var: herkes yapay zekâ konuşuyor fakat yöntem konuşulmuyor. Çok sayıda ekip hâlâ deneme-yanılma ile gidiyor. Google’ın rehberinin değerli tarafı tam burada ortaya çıkıyor — prompting’i mistik hale getirmeden günlük çalışma pratiğine indiriyor. Fena değil yani.

OpenAI’nin 100 Dolarlık ChatGPT Pro Paketi Ne Anlatıyor?

Sıkça Sorulan Sorular

Prompt engineering nedir?

İtiraf edeyim, Prompt engineering, yapay zekâ modellerine daha doğru ve faydalı çıktı alacak şekilde komut verme işidir. Kısaca modele ne istediğinizi düzgün anlatma sanatıdır diyebiliriz.

Dört bileşenin hepsini her zaman kullanmak gerekir mi?

Hayır,her durumda şart değil. Ama rol,görev,bağlam ve format öğelerinden birkaçını eklemek bile sonucu belirgin şekilde iyileştirir.

Neden aynı prompt farklı sonuç veriyor?

Bazen model sürümü değişmiştir,bazen de bağlam eksiktir. Ayrıca belirsiz ifadeler modeli farklı yorumlara götürür;bu yüzden tekrar edilebilir yapı kurmak önemli.

Küçük ekiplerde standart prompt şablonu mantıklı mı?

Evet,hatta çoğu zaman gerekli. Aynı işi herkes farklı üslupla yaptığında kalite dalgalanır;standart şablon bunu azaltır.

Tekrar ederek prompt geliştirmek gerçekten işe yarıyor mu?

Evet,çoğu senaryoda en iyi sonuç ikinci veya üçüncü turda geliyor. İlk yanıtı temel alıp eksikleri düzeltmek genelde en pratik yöntemdir. (inanın bana)

Kaynaklar ve İleri Okuma

Google Gemini Prompt Guide

Google AI Studio / Gemini Prompting Dokümantasyonu

Google Developers Blogu

CI/CD’de Test Katmanı: Build’den Sonra Asıl Sınav

​