Kazanimlar:
- İlk çıktının nadiren mükemmel olduğunu ve iterasyonun normal bir süreç olduğunu kavrar
- Bir çıktıyı hedefli, tek değişkenli geri bildirimle sistematik olarak iyileştirebilir
- Başarılı bir prompt'u tekrar kullanılabilir şablona dönüştürmenin mantığını bilir
Yeni başlayanların en büyük yanılgısı, ilk prompt'un mükemmel çıktı vermesini beklemektir. İlk çıktı beklentiyi karşılamayınca da "AI bu işi yapamıyor" diye vazgeçerler. Oysa deneyimli kullanıcılar için ilk çıktı bir bitiş değil, bir başlangıçtır. Bu ünitede prompt yazmayı tek seferlik bir atış değil, bir diyalog ve iyileştirme süreci olarak görmeyi öğreneceğiz. İterasyon, prompt mühendisliğinin kalbidir.
İterasyon Nedir ve Neden Normaldir?
İterasyon, bir çıktıyı alıp neyi beğenmediğinizi belirterek prompt'u veya isteği düzeltip yeniden üretmektir. İlk çıktının kusurlu olması bir başarısızlık değil, sürecin doğal parçasıdır. Çünkü siz de çoğu zaman ne istediğinizi ancak ilk çıktıyı görünce tam netleştirirsiniz. İyi kullanıcı, ilk çıktıyı bir "taslak" gibi görür ve onu hedefe doğru yontar.
İki tür iterasyon vardır:
- Sohbet içinde düzeltme: Aynı konuşmada "bunu daha kısa yap", "üçüncü maddeyi çıkar" gibi geri bildirimlerle ilerlemek. Hızlıdır; model önceki çıktıyı hatırlar.
- Prompt'u yeniden yazma: Öğrendiklerinizi baştaki prompt'a işleyip sıfırdan, daha iyi bir talimatla başlamak. Tekrar kullanılacak işler için değerlidir.
Hedefli Geri Bildirim Verme
İterasyonun sırrı, geri bildirimin hedefli olmasıdır. "Beğenmedim, tekrar yaz" demek modele yön vermez; büyük ihtimalle benzer bir çıktı gelir. Bunun yerine tam olarak neyi, nasıl değiştireceğinizi söyleyin:
- Zayıf: "Bu iyi değil."
- Güçlü: "Giriş çok uzun; ilk paragrafı tek cümleye indir. Ton fazla resmi; biraz daha samimi yap. İkinci maddedeki iddiayı çıkar çünkü doğrulayamıyoruz."
Tek değişkenli iyileştirme
Bilimsel bir alışkanlık edinin: her seferinde tek bir şeyi değiştirin. Aynı anda tonu, uzunluğu ve yapıyı değiştirirseniz, çıktı iyileşse de bozulsa da hangi değişikliğin etkili olduğunu anlayamazsınız. Tek değişkenli ilerlemek, işe yarayanı öğrenmenizi ve kalıcı hale getirmenizi sağlar.
İterasyon Döngüsü
Adım
Ne yaparsın
1. Üret
İlk prompt'la çıktıyı al
2. Değerlendir
Neyi beğendin, neyi beğenmedin — somut yaz
3. Tek değişiklik
Bir sorunu hedefleyen tek düzeltme yap
4. Yeniden üret
Değişikliğin etkisini gör
5. Karşılaştır
İyileşti mi? Evetse koru, hayırsa geri al
6. Sabitleme
İyi sonucu veren prompt'u şablona kaydet
Dört Kopyalanabilir Şablon
1) Hedefli düzeltme:
Önceki çıktı iyiydi ama şunları değiştir:- [tek somut değişiklik 1]- [tek somut değişiklik 2]Geri kalan her şeyi aynı tut.
2) Çıktıyı kritik ettirme:
Az önce ürettiğin metni bir editör gözüyle eleştir.Zayıf 3 noktayı bul ve her biri için somut bir düzeltme öner.Sonra düzeltilmiş sürümü yaz.
3) Varyant üretme (A/B):
Bu metnin 2 farklı versiyonunu yap:A) Daha resmi ve kısa.B) Daha samimi ve örnekli.İkisini de ver; hangisinin hangi durumda daha uygun olduğunu 1 cümleyle söyle.
4) Prompt'u kendine iyileştirtme:
Şu prompt'u kullanıyorum ama sonuç yeterince [sorun].Bu prompt'u nasıl daha net ve etkili yazabileceğimi öner;iyileştirilmiş prompt'u yaz ve neyi neden değiştirdiğini açıkla.Prompt: [mevcut prompt]
Zayıf Prompt / Güçlü Prompt (geri bildirim olarak)
Zayıf geri bildirim:
Olmamış, bir daha dene.
Güçlü geri bildirim:
İçerik doğru ama üç sorun var:1) 210 kelime; 120'ye indir.2) İkinci paragraf teknik; jargonu sadeleştir.3) Kapanış zayıf; net bir sonraki adım cümlesiyle bitir.Diğer her şeyi koru.
İkinci geri bildirim modele tam olarak nereye dokunacağını söyler; sonuç tek turda hedefe yaklaşır.
Üç Mini Vaka
Vaka 1 — İçerik üretimi. Bir pazarlamacı bir tanıtım metnini 6 kez "beğenmedim, tekrar yaz" diyerek denedi ve hiç ilerleyemedi. Yaklaşımını değiştirip her turda tek somut değişiklik (önce uzunluk, sonra ton, sonra kapanış) isteyince 3 turda yayınlanabilir metne ulaştı. Toplam süre yarıdan aza indi.
Vaka 2 — Rapor. Bir analist ilk özetin fazla teknik olduğunu görüp "yönetici bunu anlamaz, teknik terimleri günlük dile çevir, uzunluğu koru" dedi. Tek değişkenli düzeltme sayesinde rapor hem sadeleşti hem de kapsamını kaybetmedi; ikinci bir tam yeniden yazıma gerek kalmadı.
Vaka 3 — Şablonlaştırma. Bir destek ekibi aynı tip yanıtı her seferinde iterasyonla düzeltiyordu. Sonunda ideal prompt'u bir şablona kaydettiler; artık her yeni vakada sıfırdan iterasyon yapmak yerine şablonu küçük değişikliklerle kullanıyorlar. Bu, iterasyonun asıl amacını gösterir: bir kere iyi yap, sonra tekrar kullan.
İpucu: Modelden kendi çıktısını eleştirmesini isteyin ("bu metnin zayıf 3 yönünü bul"). Model çoğu zaman kendi hatasını fark eder ve düzeltir; bu, sizin adınıza bir ön editörlük yapar.
Dikkat: İterasyonun bir sınırı vardır. 5-6 turda hâlâ hedefe yaklaşmıyorsanız, sorun küçük düzeltmelerde değil, temel yaklaşımdadır: rolü, bağlamı veya görevi baştan yanlış kurmuş olabilirsiniz. O noktada yamamayı bırakıp prompt'u sıfırdan yeniden tasarlayın.
İki İterasyon Yolu: Sohbet mi, Yeniden Yazma mı?
İterasyon yaparken hangi yolun daha verimli olduğunu bilmek zaman kazandırır. Kural şudur: tek seferlik bir iş için sohbet içinde düzeltmek en hızlısıdır; çünkü model önceki çıktıyı hatırlar ve siz sadece farkı söylersiniz. Ama tekrar edeceğiniz bir iş için, öğrendiklerinizi baştaki prompt'a işleyip temiz bir şablon üretmek daha değerlidir; çünkü bir sonraki sefer iterasyona hiç gerek kalmadan iyi çıktı alırsınız.
Pratikte ikisini birleştirmek en verimlisidir: önce sohbet içinde hızlıca deneyerek doğru talimatı keşfedin, sonra bulduğunuz talimatı temiz bir prompt'a dökerek kütüphaneye kaydedin. Böylece hem hızlı ilerler hem de emeğinizi kalıcı bir varlığa çevirmiş olursunuz.
İterasyonu bir öğrenme kaydı olarak görmek
Her iterasyon turu size bir şey öğretir: hangi ekleme çıktıyı iyileştirdi, hangi kısıt gereksizdi, model neyi yanlış anladı. Bu öğrenimleri bir kenara not etmek, zamanla kişisel bir "ne işe yarıyor" rehberi oluşturur. Örneğin "bu tip özetlerde 'yorum katma' kısıtı şart", "başlık üretiminde 3 örnek yeterli, 5 gereksiz" gibi çıkarımlar, bir sonraki benzer işte ilk denemede doğru prompt'u yazmanızı sağlar. Bu birikim, deneyimli kullanıcıyı yeni başlayandan ayıran asıl şeydir: onlar her işe sıfırdan değil, önceki iterasyonların dersleriyle donanmış olarak başlar.
Modeli iterasyon ortağı yapmak
İterasyonu tek başınıza yürütmek zorunda değilsiniz. Modele "bu çıktıyı hedefime nasıl daha çok yaklaştırabilirim, 3 somut öneri ver" diyebilirsiniz. Model çoğu zaman kendi çıktısındaki zayıflıkları isabetle teşhis eder ve düzeltme yollarını önerir. Bu, iterasyonu bir "deneme-yanılma" olmaktan çıkarıp hedefli bir iş birliğine dönüştürür; siz neyi istediğinizi, model ise oraya nasıl varılacağını söyler.
Sık yapılan hatalar
- Aynı prompt'u tekrar göndermek. Değiştirmeden yeniden denemek; sonuç değişmez.
- Muğlak geri bildirim. "Beğenmedim" deyip neyi düzelteceğini söylememek.
- Aynı anda çok şey değiştirmek. Neyin işe yaradığını öğrenememek.
- İyi prompt'u kaydetmemek. Aynı iterasyonu her seferinde baştan yapmak.
- Sonsuz iterasyon. Temelden yanlış bir prompt'u yamayarak düzeltmeye çalışmak.
Özetle
- İlk çıktı nadiren mükemmeldir; iterasyon bir başarısızlık değil, sürecin doğal parçasıdır.
- Etkili iterasyon, muğlak değil hedefli geri bildirimle ilerler.
- Her turda tek bir şeyi değiştirin; böylece neyin işe yaradığını öğrenirsiniz.
- Modelden kendi çıktısını eleştirmesini isteyerek ön editörlük yaptırabilirsiniz.
- İyi sonuç veren prompt'u şablona kaydedin; iterasyonun amacı tekrar kullanılabilir bir varlık üretmektir.
Uygulama görevi
Bir çıktıyı alıp bilinçli olarak üç tur iterasyon yapın: her turda yalnızca tek bir şeyi (önce uzunluk, sonra ton, sonra kapanış) değiştirin ve her turu kaydedin. Üçüncü turdan sonra hangi değişikliğin en çok fark yarattığını belirleyin ve nihai prompt'u tekrar kullanılabilir bir şablon olarak saklayın.
Kontrol listesi
- [ ] İlk çıktıyı bir taslak olarak görüyorum, bitmiş iş olarak değil.
- [ ] Geri bildirimlerimi somut ve hedefli veriyorum.
- [ ] Her turda tek bir değişiklik yapıyorum.
- [ ] Modelden kendi çıktısını eleştirmesini isteyebiliyorum.
- [ ] İyi sonuç veren prompt'ları şablona kaydediyorum.