---
title: "Few-shot prompting nedir? İstemde örnek vermek | BroadRouter"
description: "Few-shot prompting, isteme birkaç çözülmüş örnek koyar; model de kalıbı taklit eder. Nasıl çalışır, kaç örnek kullanılmalı ve örneklerin maliyeti nedir?"
url: https://broadrouter.com/tr/glossary/few-shot-prompting/
lang: tr
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/glossary/few-shot-prompting/) (güncelleme: 2026-11-16).

# Few-shot prompting (az örnekli istem)

Güncellendi 2026-11-16

Few-shot prompting (az örnekli istem), istemin gerçek girdiden önce az sayıda çözülmüş girdi-çıktı örneği içerdiği bir tekniktir; dil modeli görevi ve biçimi bu örneklerden çıkarır. Modelin ağırlıkları değişmez; zero-shot hiç örnek kullanmaz, one-shot ise bir örnek kullanır.

Diğer adları: few-shot prompting, az örnekli istem, birkaç örnekli istem, few-shot öğrenme, bağlam içi örnekler, one-shot istem, few-shot learning, multishot prompting, in-context examples, one-shot prompting

Göstermek, anlatmaktan iyidir. Birkaç örnek, biçimi ve tonu çoğu zaman bir paragraf kuraldan daha hızlı düzeltir.

## Nasıl çalışır

Terimi Brown ve arkadaşlarının GPT-3 makalesi yaygınlaştırdı. Makale 175 milyar parametreli bir modeli, gradyan güncellemesi veya ince ayar olmadan, “specified purely via text interaction with the model” (çeviri: tamamen modelle metin etkileşimi yoluyla belirtilen) görevlerle test etti ve few-shot performansının model boyutuyla güçlü biçimde arttığını buldu. Makale üç ayar tanımlar:

| Ayar | İstemdeki örnekler |
| --- | --- |
| Zero-shot | hiç yok, yalnızca bir talimat |
| One-shot | bir |
| Few-shot | birkaç, bağlam penceresiyle sınırlı |

Destek taleplerini etiketlemek için bir few-shot istem şöyle görünebilir:

```text
Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->
```

Model kalıbı sürdürür. Anthropic’in rehberi örnekleri biçimi, tonu ve yapıyı “one of the most reliable ways to steer” (çeviri: yönlendirmenin en güvenilir yollarından biri) olarak niteler ve modelin onları talimatlardan ayırt edebilmesi için örneklerin ilgili, çeşitli ve etiketlerle sarılmış olmasını ister.

## Neden önemli

-   **Biçim kontrolü.** Örnekler, boş bir alanın nasıl yazılacağı gibi kuralların kaçırdığı uç durumları gösterir. Katı JSON için onları [yapılandırılmış çıktı](https://broadrouter.com/tr/glossary/structured-output/) ile birlikte kullanın.
-   **Maliyet.** Her örnek her çağrıda girdi olarak yeniden gönderilir. 200 token’lık beş örnek, istek başına 1.000 token ekler. Sabit bir öneke yerleştirilirlerse [önbellekli girdi token’ları](https://broadrouter.com/tr/glossary/cached-input-tokens/) olarak faturalanabilirler.
-   **Akıl yürütme.** Yalnızca yanıtı değil adımları da gösteren örnekler, [chain-of-thought](https://broadrouter.com/tr/glossary/chain-of-thought/) istemidir.
-   **Ne zaman durmalı.** Yüzlerce örneğe ihtiyacınız varsa, [ince ayar](https://broadrouter.com/tr/glossary/fine-tuning/) çağrı başına bunları her seferinde göndermekten daha ucuz olabilir.

## BroadNet Inference’ta

Few-shot prompting özel bir API özelliği gerektirmez; `messages` içinde düz metindir. BroadNet `usage` içinde `cached_tokens` bildirir; böylece örnek bloğunuzun önbellekten okunup okunmadığını kontrol edebilirsiniz. Kullandıkça öde (PAYG) anahtarında önbellekli fiyat girdi fiyatından düşüktür; DeepSeek V4.1 Flash’ta bu, 1M token başına $0.0055 ve $0.175 karşılaştırmasıdır. Arapça görevler için [Arapça istem mühendisliği](https://broadrouter.com/tr/blog/arabic-prompt-engineering/) yazısına, örneklerle belge çıkarma için de [Arapça faturalar rehberine](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) bakın.

## Sık yapılan hatalar

-   Hepsi aynı etiketi veya uzunluğu paylaşan örnekler kullanmak. Model bu yanlılığı kopyalar.
-   Örnekleri her istekte değiştirmek. Bu, önbellekli öneki bozar ve sonuçları karşılaştırmayı zorlaştırır.

## Sık sorulan sorular

### Bir few-shot istemde kaç örnek olmalı?

Anthropic en iyi sonuç için 3 ila 5 örnek önerir. Daha fazla örnek her çağrıda daha fazla girdi token'ı demektir; kalite artmayı bıraktığında örnek eklemeyi bırakın.

### Few-shot prompting, ince ayar ile aynı şey mi?

Hayır. Few-shot örnekleri istemin içinde yaşar ve her istekte yeniden gönderilir. İnce ayar ise model ağırlıklarını bir kez değiştirir; böylece örneklerin artık gönderilmesi gerekmez.

### Örnekler sistem istemine mi, sohbet turları olarak mı konmalı?

İkisi de olur. Sabit ve önbelleğe alınabilir bir önek oluşturmaları için onları başa yakın sabit bir konumda tutun.

## Ayrıca bakın

-   [Sistem istemi (system prompt)](https://broadrouter.com/tr/glossary/system-prompt/) (terim)
-   [Düşünce zinciri (chain-of-thought, CoT)](https://broadrouter.com/tr/glossary/chain-of-thought/) (terim)
-   [İnce ayar (fine-tuning)](https://broadrouter.com/tr/glossary/fine-tuning/) (terim)
-   [Önbellekli girdi token'ları (cached input tokens)](https://broadrouter.com/tr/glossary/cached-input-tokens/) (terim)
-   [Yapılandırılmış çıktı (structured output)](https://broadrouter.com/tr/glossary/structured-output/) (terim)
-   [Prompt mühendisliği (istem mühendisliği)](https://broadrouter.com/tr/glossary/prompt-engineering/) (terim)
-   [Arapça faturaları ve fişleri bir görü modeliyle okuyun](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) (rehber)
-   [Arapça istem mühendisliği: dil düzeyi, RTL, rakamlar, karışık metin](https://broadrouter.com/tr/blog/arabic-prompt-engineering/) (yazı)
-   [Önek önbelleğe alınsın diye istem nasıl yapılandırılır?](https://broadrouter.com/tr/blog/prompt-structure-for-caching/) (yazı)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-few-shot-prompting&utm_content=page-cta) ·

**Kaynaklar**

-   [Brown vd. (2020), Language Models are Few-Shot Learners (kontrol tarihi 2026-11-16)](https://arxiv.org/abs/2005.14165)
-   [Anthropic, istem yazma en iyi uygulamaları (örnekleri etkili kullanma) (kontrol tarihi 2026-11-16)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)
-   [BroadNet Inference API referansı, önbellekli token'lar (kontrol tarihi 2026-11-16) (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-few-shot-prompting&utm_content=sources)
