Bir istem (prompt) bir şartnamedir. Prompt mühendisliği onu iyi yazmak ve modelin ona uyup uymadığını kontrol etmektir.
Nasıl çalışır
OpenAI’nin rehberi prompt mühendisliğini “the process of writing effective instructions for a model” (çeviri: bir model için etkili talimatlar yazma süreci) olarak tanımlar; amaç modelin “consistently generates content that meets your requirements” (çeviri: gereksinimlerinizi karşılayan içeriği tutarlı biçimde üretmesi) olmasıdır. Temel teknikler sağlayıcılar arasında örtüşür:
| Teknik | Ne yapılır |
|---|---|
| Roller | Kuralları sistem istemine (veya developer mesajına), isteği kullanıcı mesajına koyun |
| Yapı | Sistem istemini kimlik, talimatlar, örnekler, bağlam sırasıyla dizin; bölümleri Markdown başlıkları ve XML etiketleriyle işaretleyin |
| Örnekler | Farklı durumları kapsayan birkaç girdi-çıktı çifti ekleyin (few-shot istem) |
| Akıl yürütme | Adım adım düşünme isteyin (düşünce zinciri) ya da bir akıl yürütme modeli kullanın |
| Çıktı biçimi | Sabit bir biçim isteyin ya da API destekliyorsa yapılandırılmış çıktı kullanın |
| Kararlılık | Davranışın siz farkında olmadan değişmemesi için bir model sürümüne sabitlenin |
Anthropic’in genel bakışı üç şeyle başlamayı önerir: açık başarı ölçütleri, bunlara karşı test etmenin bir yolu ve ilk taslak istem. Pratikte bu, bir eval seti demektir.
Öncesi ve sonrasıyla kısa bir örnek:
Before: Summarize this ticket.
After: You summarize support tickets for an engineering team.
Write 3 bullet points: the problem, the customer impact, the next step.
Use the customer's words for error messages. Do not guess at causes.
<ticket>...</ticket>
(Önce: “Bu talebi özetle.” Sonra: model bir mühendislik ekibi için destek taleplerini özetliyor; sorun, müşteriye etkisi ve sonraki adım olmak üzere 3 madde yazıyor; hata mesajlarında müşterinin kelimelerini kullanıyor ve nedenler hakkında tahmin yürütmüyor.)
Ajanlarda istem, daha büyük bir bağlamın yalnızca bir parçasıdır. Anthropic’in bağlam mühendisliği yazısı prompt mühendisliğini, yani “methods for writing and organizing LLM instructions” (çeviri: LLM talimatlarını yazma ve düzenleme yöntemleri), modelin gördüğü diğer her şeyi yöneten bağlam mühendisliğinden ayırır.
Neden önemli
- Eğitim olmadan kalite. Daha iyi bir istem, ince ayardan veya daha büyük bir modelden önce denenecek en ucuz çözümdür.
- Maliyet. Sistem istemi her istekte yeniden gönderilir. Çıktıyı değiştirmeyen kısımları atın; istem token’larını azaltma yazısına bakın.
- Geçiş. Bir model için ayarlanmış istem başka bir modelde farklı davranabilir. Model değiştirdiğinizde eval setinizi yeniden çalıştırın.
BroadNet Inference’ta
BroadNet’in sohbet modelleri standart Chat Completions messages listesini alır; bu yüzden system, user ve assistant rolleri ve few-shot örnekleri her zamanki gibi çalışır. Kod yazmadan önce istemleri playground’da deneyebilirsiniz. Arapça çıktı için Arapça prompt mühendisliği yazısı üslubu, lehçeyi, rakamları ve sağdan sola biçimlendirmeyi ele alır.
Yapılandırılmış çıktı GLM 5.3 ve Qwen3.8 27B için belgelenmiştir. DeepSeek V4.1 Flash, GLM 5.3 ve Qwen3.8 27B’de akıl yürütme max_tokens sınırına dahildir; bu yüzden “adım adım düşün” diyen bir istem bütçede de yer ister.