Clarity and Specificity: From Vague to Surgical Prompts
Vague prompts produce vague answers. Learn to surface the true intent under fuzzy requests and acquire surgical specificity.
Şükrü Yusuf KAYA
11 min read
Beginner
Tek bir kural
Bir AI'a verdiğin prompt'u bir stajyere e-posta olarak yaz. Stajyer 'bu ne demek?' sorusunu soracak mı? Sorarsa, prompt'un eksik.
Belirsizlik Vergisi
Belirsiz bir prompt çift bedel ödetir:
- Tahmin maliyeti: Claude eksik bilgileri tahmin eder, çoğu zaman yanlış.
- Düzeltme maliyeti: İlk cevabı senin beklentine uydurmak için ek mesajlar gerekir.
Yani aslında "kısa prompt" yazarak hız kazandığını sanırken, üç-beş tur düzeltmeye girer ve toplamda daha çok zaman / token harcarsın.
Belirsiz: ⚠️#
"Müşteri verisini analiz et"
Spesifik: ✅#
"Aşağıdaki CSV'de son 90 günlük abonelik
verisi var. Şu üçünü çıkar:
- Aylık churn oranı (%) — ay-ay tablo
- En çok churn eden 3 kohort (ülke, plan, kanal eksenlerinden hangisinde fark istatistiksel anlamlıysa)
- İki cümlelik yönetici özeti
Format: tablolar Markdown, özet ayrı paragraf.
Hesaplamaları code interpreter'ı kullanarak doğrula.
Yanlış olabilecek tüm varsayımları sonda listele."
Spesifiklik Kontrol Listesi#
Bir prompt'u göndermeden önce şu 7 sorudan geç:
- Kim: Hedef kitle / kullanıcı kim?
- Ne: Tam olarak hangi çıktı isteniyor?
- Neden: Bu çıktı hangi karara hizmet ediyor?
- Nasıl: Hangi yöntem / yaklaşım?
- Hangi sınırlarda: Uzunluk, dil, ton, mevzuat?
- Hangi formatta: Markdown, JSON, tablo, prose?
- Başarı kriteri: Çıktı 'iyi' sayılır mı?
Bu 7 soruya cevap veremiyorsan prompt henüz hazır değil.
text
# Spesifiklik kontrol listesi şablonu <task>...</task> <audience>...</audience> <purpose>Bu çıktı hangi karara hizmet edecek?</purpose> <constraints>- Uzunluk: ...- Ton: ...- Mevzuat / kısıtlama: ...</constraints> <format>- ...</format> <success_criteria>- ...- ...</success_criteria>Şablon — yeni bir prompt yazarken kopyala, doldur, gönder.
Mini egzersiz: Belirsiz prompt'u dönüştür#
Aşağıdaki Python parçası bir 'belirsizlik skoru' tahmin eder. Sezgisel ama eğitici. Düşük skorlu prompt'lar genelde daha iyi cevap döndürür.
python
def fuzziness_score(prompt: str) -> int: fuzzy_words = ["güzel", "iyi", "düzgün", "akıllı", "uygun", "bir şekilde"] score = 0 for w in fuzzy_words: score += prompt.lower().count(w) if "format" not in prompt.lower(): score += 2 if len(prompt) < 60: score += 3 return score ornek = "Müşteri için iyi bir e-posta yaz"print("Fuzziness:", fuzziness_score(ornek)) # yüksek ornek2 = """Kıdemli SaaS satış koçusun. 50-200 kişilikfirmaların CFO'larına 120 kelime, profesyonel ton, tek CTAile soğuk satış e-postası yaz. Format: konu + 3 paragraf."""print("Fuzziness:", fuzziness_score(ornek2)) # düşükBoşluk doldur · text
Belirsiz prompt'lar _____ vergisi yaratır. Spesifiklik için 7 soruyu kontrol etmeliyiz: kim, ne, _____ , nasıl, kısıtlar, _____ , başarı kriteri.Sıralama · text
Köprü cümlesi
Eksik bilgi varsa Claude'a şu cümleyi ekleyebilirsin: "Cevap vermeden önce, başarılı bir çıktı için sana sormam gereken eksik bilgi varsa beni durdur ve sor." Claude eksik bilgiyi doğru biçimde çıkarmak için bunu kullanır.
Frequently Asked Questions
A well-structured long prompt usually costs fewer total tokens because it eliminates correction loops. With prompt caching, the reusable system prompt becomes 75-90% cheaper.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...
Related Content
Connected pillar topics