Prompt Engineering

Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi

Prompt Engineering eğitimine hoş geldin. Bu derste eğitimin yol haritasını, ön gereksinimleri, kurulması gereken araçları ve nasıl en verimli şekilde çalışılacağını öğreneceksin.

Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita

Yapay zekâ, makine öğrenmesi, derin öğrenme, üretken yapay zekâ ve büyük dil modelleri (LLM) arasındaki ilişkiyi netleştir. Tarihsel bağlamı ve paradigma değişimlerini öğren.

LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)

Tokenization, embedding, attention mekanizması ve next-token prediction — LLM'in iç işleyişini görselleştirilmiş, uygulamalı bir dersle sıfırdan inşa et.

Prompt Engineering Nedir, Neden Bir Disiplin Oldu?

Prompt Engineering'in tanımı, kapsamı, neden ayrı bir mühendislik disiplini haline geldiği. Maliyet/kalite/hız üçgeni ve kurumsal ROI.

Modern LLM Ekosistemi: Claude · GPT · Gemini · Llama · Mistral

2026'nın LLM manzarası. Frontier modellerin (Claude Opus 4.6, GPT-5, Gemini 2.5) kıyaslaması, açık kaynak alternatifler ve hangi senaryoda hangisi.

Sampling Parametreleri: Temperature, Top-p, Top-k, Penalty

Aynı prompt'tan farklı çıktılar nasıl üretilir? Temperature, top-p, top-k, frequency/presence penalty parametrelerinin canlı kıyaslamalı incelemesi.

İlk Promptun: API ile Hands-on Lab

Anthropic ve OpenAI SDK'larıyla ilk API çağrını yap. Sistem mesajı, kullanıcı mesajı, parametreler ve hata yönetimi ile uçtan uca bir mini chatbot inşa et.

Prompt Bileşenleri: System / User / Assistant / Tool Mesajları

Modern LLM API'lerinin temel rolleri (system, user, assistant, tool) ve her birinin görevi. Mesaj sırası, prefilling, multi-turn yönetimi.

Net Talimat (Instruction) Yazma Sanatı: CLEAR-T Çerçevesi

İyi bir prompt nasıl yazılır? CLEAR-T çerçevesi: Concrete, Limited, Examples, Audience, Result, Tone. 7 boyutlu kontrol listesi ve bol örnek.

Bağlam (Context) Sağlama: Tekniği, Tuzakları, Limitleri

Modelin bilmesi gereken arka plan bilgisini nasıl ve nereye yerleştirirsin? Bağlam pencereleri, lost-in-the-middle problemi ve XML/Markdown ayraç teknikleri.

Çıktı Formatlama: Markdown · Tablo · JSON · XML · YAML

LLM çıktısını programatik olarak işlemek için doğru formatı seçme. Markdown vs JSON vs XML trade-off'ları, parse-edilebilir çıktı pattern'leri.

Kısıtlamalar ve Negatif Talimatlar — 'Yapma' Listeleri

Modelin yapmaması gereken davranışları açıkça belirtmek. Negatif talimatlar, kapsam kontrolü, off-topic filtreleme ve guardrail'lerin temelleri.

20 Vaka: Kötü Prompt vs İyi Prompt — Karşılaştırma Galerisi

Aynı görevin kötü ve iyi prompt versiyonlarının yan yana karşılaştırması. 20 farklı senaryo: yazım, sınıflandırma, kod, özetleme, çıkarım.

Anti-Pattern Müzesi: Kaçınmanız Gereken 12 Hata

Sıklıkla yapılan 12 prompt engineering hatası: sihirli kelimeler, agresiflik, çelişkili talimatlar, sonsuz örnek, kurban-rolü, ve daha fazlası.

Modül 2 Bitirme Sınavı: 15 Soru Karma Quiz

Modül 1 ve 2'nin bilgilerini ölçen 15 soruluk karma sınav. Çoktan seçmeli, doğru-yanlış, sıralama ve kısa cevap formatlarında.

Zero-Shot: Ne Zaman, Nasıl, Hangi Sınırla?

Hiç örnek vermeden modele görev tanımı yaparak çıktı almak. Zero-shot'ın güçlü ve zayıf olduğu görevler, performans ölçümü.

Few-Shot: Örnek Sayısı, Sıralama ve Çeşitlilik Etkisi

1, 3, 5, 10 örnekle few-shot performansının değişimi. Örnek sıralaması, çeşitlilik, semantic similarity ile örnek seçimi.

Örnek Seçim Stratejileri: Random · Similar · Diverse · Hard-Negative

Few-shot örneklerini büyük havuzdan nasıl seçersin? Random, semantic similarity, diversity-driven, hard negative mining karşılaştırması.

Format Bulaşması (Format Contagion) ve Çözümleri

Few-shot örneklerinin formatına model'in 'kilitlenmesi' problemi. Tanı, ölçüm ve çözüm yöntemleri.

Hands-on: Sınıflandırma + Özetleme + Çeviri Görevleri

3 farklı görevde zero-shot vs few-shot karşılaştırması. Eval skoruyla performansı ölç, kendi prompt'unu iyileştir.

Chain-of-Thought (CoT): 'Adım Adım Düşün'den Fazlası

Modeli adım adım düşünmeye yönlendirme. Zero-shot CoT, manual CoT, scratchpad teknikleri. Hangi görevde CoT işe yarar, hangi görevde değil.

Self-Consistency, Tree-of-Thoughts, Graph-of-Thoughts

CoT'nin gelişmiş türevleri: aynı soruyu N kez çalıştırıp majority voting yapan self-consistency, ağaç arama benzeri ToT, ve grafsal GoT.

ReAct: Reasoning + Acting Bütünleşmesi

Düşünme + tool kullanma karışımı. Modelin Thought → Action → Observation döngüsüyle problem çözmesi. Agent'ların temel pattern'i.

Step-Back ve Plan-and-Solve Pattern'leri

Önce yüksek seviye konsepti çıkarmak (step-back), önce plan oluşturup sonra adım adım çözmek (plan-and-solve). Karmaşık görevlerde dramatik fark.

Self-Critique ve Reflexion ile İyileştirme Döngüsü

Modelin kendi cevabını eleştirmesi ve iyileştirmesi. Self-critique, Reflexion, n-best-then-rerank pattern'leri.

Reasoning Modelleri ile Çalışmak (Claude thinking, o-series)

Extended thinking modu olan modellerin (Claude Sonnet thinking, o1/o3) farklı kullanım pattern'leri. Ne zaman kullanılır, ne zaman kullanılmaz.

Mantık & Matematik Lab: 10 Klasik Problem

Klasik akıl yürütme problemleri: monty hall, river crossing, weighing puzzles. CoT, self-consistency, reasoning model karşılaştırması.

Persona Tasarımı: 5 Boyut Çerçevesi

Profesyonel persona inşa etmek için 5 boyut: uzmanlık, ton, sınır, hedef kitle, stil. Her boyutun doldurulması, kontrol listeleri.

Marka Sesi (Brand Voice) Korumak: Style Guide Promptları

Şirket içi style guide'ı LLM promptuna nasıl çevirirsin? Brand voice attribute'ları, dos/don'ts, golden examples ile tutarlılık.

Tone-Locking ve Multi-Persona Çatışması

Tone'un üretim boyunca tutarlı kalmasını sağlamak. Multi-persona orchestration, tone drift tespiti.

Sektörel Persona Galerisi: 5 Profesyonel Persona

Hukuk asistanı, mali müşavir, klinik özetleyici, kıdemli yazılım mentor'u, satış koçu — her biri için tam persona promptu.

JSON Mode & Structured Outputs (Anthropic & OpenAI)

Vendor'ların yapılandırılmış output desteği. JSON Mode (OpenAI), prefilling (Anthropic), tool-use ile schema garantisi.

JSON Schema ile Sıkı Sözleşmeler

JSON Schema standardı ile detaylı validation kuralları: pattern (regex), enum, minimum/maximum, format. Modeli sıkı tutmak.

Function/Tool Calling: Şema Tasarımı, Validation, Hata Yönetimi

Tool calling'in API perspektifinden detayı. Tool şeması, parameter validation, error recovery, paralel tool çağırımları.

Pydantic & Zod ile Otomatik Doğrulama

Python (Pydantic) ve TypeScript (Zod) ile schema-first development. LLM çıktılarını type-safe data class'lara dönüştürme.

Streaming Yapılandırılmış Çıktıları İşlemek

Yavaş tek seferlik bekleyiş yerine streaming ile UX'i iyileştirme. Partial JSON parsing, ilk-kelime-hızı (TTFT), backpressure.

Sektör Vakası: Faturadan Kalem Çıkarma + e-Fatura Entegrasyonu

Türkiye'de yaygın senaryo: PDF/görsel faturadan satır kalemlerini çıkarıp e-Fatura formatına dönüştürme. Tam pipeline.

Sektör Vakası: CV Parsing + ATS Skorlama

İK için: CV'leri yapılandırılmış formata dönüştür, açık pozisyona göre ATS skorla, otomatik short-list üret.

RAG Mimarisi 101: Niçin, Ne Zaman, Nasıl?

Retrieval-Augmented Generation: LLM'i kendi belgelerinle besleme. Mimari, faydalar, fine-tuning ile karşılaştırma.

Chunking Stratejileri: Sabit · Recursive · Semantic · Document-Aware

Belgeleri parçalara nasıl bölersin? Sabit boyut, recursive, semantic, document-aware (markdown, code) chunking. Boyut + örtüşme.

Embedding Modelleri: OpenAI · Voyage · Cohere · BGE

Embedding model seçimi: kalite, dil, boyut, fiyat trade-off'ları. MTEB benchmark'ta en iyi 5 model.

Retrieval: BM25, Vector, Hybrid, Re-ranking

Vector search yetmez. BM25 + vector hybrid retrieval, cross-encoder re-ranking. Her birinin güçlü/zayıf yönü.

Bağlam Yerleştirme: Lost-in-the-Middle Önleme + Citation

Retrieve edilen chunk'ları LLM prompt'una nasıl yerleştirirsin? Sıralama, ayraçlar, citation enforcement.

Halüsinasyon Azaltma: Grounding Promptları

RAG'de hallucination'ı dramatik azaltma teknikleri: 'sadece belgeden', uncertainty acknowledgement, fact-check loops.

Hands-on: Mini RAG — Şirket El Kitabı Q&A Botu

Sıfırdan çalışan mini RAG: Markdown belgeden chunk → embed → Postgres pgvector → retrieval → Claude yanıt.

Agent Anatomisi: Plan, Act, Observe, Reflect

Agent nedir, niçin agent? Plan-Act-Observe-Reflect döngüsü, basit chatbot vs agent farkı.

Multi-Step Agent Tasarımı: Loop, Termination, Guardrails

Agent loop'u nasıl yazarsın? Adım sayısı, budget, error handling, infinite loop önleme. Production patterns.

Multi-Agent: Orchestrator/Worker, Debate, Hierarchy Pattern'leri

Tek agent yetmiyorsa multi-agent. Orchestrator-worker, debate (multiple agents argue), hierarchical decomposition.

Memory: Short-term · Long-term · Episodic · Semantic

Agent'lara hafıza ekleme: konuşma geçmişi (short), öğrenilenler (long), olay belleği (episodic), kavram belleği (semantic).

Sektör Vakası: Müşteri Destek Ajanı (eskalasyon, iade, FAQ)

Tam customer support agent: intent detection, knowledge base RAG, ticket creation, eskalasyon, sentiment-aware tone.

Sektör Vakası: Araştırma Asistanı (web search + sentez + raporlama)

Tam research agent: query decomposition, parallel search, source synthesis, structured report generation.

Vision: Görsel Anlama, OCR, Schema-driven Extraction

Modern LLM'lerin görsel anlama yetisi. Photo description, OCR, görsel sınıflandırma, schema-driven extraction.

Belge Analizi: PDF + Tablo + Grafik (Uygulamalı)

Karmaşık PDF'leri (tablo, grafik, formül dahil) yapısal veriye dönüştürme. Multi-page strategy, table extraction.

Ses ve Video Promptları

Whisper ile audio transcription, video frame extraction, multi-modal pipelines. Toplantı transkriptleri, podcast özeti.

Sektör Vakası: Üretim Hattı Görsel Kalite Kontrolü

Üretim hattındaki ürünlerin görsel kalite kontrolü. Defekt tespiti, anomali yakalama, OK/NG sınıflandırması.

Sektör Vakası: Perakende Görsel Arama + Ürün Etiketleme

E-ticaret için: kullanıcı fotoğrafından ürün arama, otomatik ürün etiketleme, görsel-metin eşleştirme.

Prompt Injection: Direct, Indirect, Stored, Multi-modal Vektörler

LLM uygulamalarının en yaygın güvenlik açığı: prompt injection. 4 saldırı vektörü ve gerçek vakalar.

Jailbreak Taksonomisi ve Savunma Katmanları

Jailbreak teknikleri (DAN, role-play, encoding, payload splitting) ve savunma katmanları (input filtering, output validation, sandbox).

PII / Veri Sızıntısı / GDPR-KVKK Uyumlu Promptlama

Kişisel veriyi LLM'e göndermeden önce maskeleme. KVKK ve GDPR uyumu, on-premise vs bulut karar matrisi.

Halüsinasyon: Tanı, Önleme, Doğrulama Stratejileri

Halüsinasyon türleri (faktüel, kaynak, mantıksal), tespit yöntemleri, önleme teknikleri.

Bias ve Adillik: Tanıma + Mitigasyon

LLM'lerde bias kaynakları, ölçüm metrikleri, mitigasyon teknikleri. Cinsiyet, yaş, etnisite, sosyo-ekonomik bias örnekleri.

Guardrails: System Prompt, İçerik Filtreleri, Allow/Deny Listeleri

Pratik guardrail kütüphaneleri (Guardrails AI, NeMo, Llama Guard). Allow/deny listeleri, content moderation API'leri.

Eval Tasarımı: Golden Set, Rubric, Coverage

Eval'siz prompt = belirsiz prompt. Golden set inşası, rubric tanımı, kapsam kontrolü.

LLM-as-Judge: Pro'ları, Tuzakları, Kalibrasyonu

Subjektif çıktıları (yazım kalitesi, tone) LLM ile skorlamak. Avantajları, bias'ları, insan onayıyla kalibrasyon.

A/B Testleri ve Prompt Versiyonlama

Prompt değişikliklerini gerçek kullanıcılar üzerinde test. Versiyon kontrolü, traffic split, rollback stratejisi.

Hata Analizi: Failure Mode Catalog

Hatalı çıktıları sistematik tasnif: failure mode catalog. Cluster analiz, kök neden, iyileştirme stratejisi.

Maliyet, Latans, Token Optimizasyonu

Production'da maliyet ve latans nasıl düşürülür? Prompt compression, caching, batching, model routing.

Hands-on: Mini Eval Pipeline (Python + Promptfoo)

Sıfırdan eval pipeline: golden set, judge, A/B comparison, regression alarm. Promptfoo ile pratik örnek.

Prompt Yönetimi: Template, Version Control, Registry

Production'da prompt'lar nasıl yönetilir? Template engine, version registry, environment-based config.

Prompt-as-Code: Git, CI/CD, Otomatik Test

Prompt değişikliklerini Git workflow'una entegre etme. Pull request yorumlarında otomatik eval, deployment gates.

Observability: Logging, Tracing, LangSmith / Langfuse

Production LLM gözlemlenebilirliği: structured logs, distributed tracing, anomaly detection. LangSmith, Langfuse, Helicone karşılaştırması.

Caching, Streaming, Batch, Prompt Compression

Production performans teknikleri: response caching, prompt caching (vendor), streaming UI, batch processing, prompt compression.

Vendor Diversifikasyonu, Failover, Maliyet Yönetimi

Tek vendor riski. Multi-vendor abstraction (LiteLLM, LangChain). Failover, cost-based routing, vendor outage scenarios.

Yazılım: PR Review + Test Üretimi + Migration Asistanı

Senior engineering productivity için: PR review automation, test generation, migration helper. GitHub Actions entegrasyonu.

Pazarlama: SEO Brief, Reklam Copy, Brand-Locked Üretim

Pazarlama ekipleri için: SEO içerik brief, reklam copy varyantları, brand voice ile bağlı içerik üretimi.

E-Ticaret: Ürün Açıklaması, Akıllı Arama, Kişiselleştirme

E-ticaret platformları için: 100K ürün açıklaması, semantic search, kişiselleştirilmiş öneri promptları.

Finans: Yıllık Rapor Özeti, Risk Sınıflandırma, KAP Belgesi Analizi

Finansal kurumlar için: 10-K/yıllık rapor özeti, kredi risk sınıflandırma, Türkiye KAP belge analizi (Türkiye odaklı).

Hukuk: Sözleşme Analizi + Risk Skoru + Türkçe Mevzuat Q&A

Hukuk firmaları için: sözleşme due diligence, risk skoru, Türk hukuk mevzuatı sorgu sistemi.

Sağlık: Klinik Not Özetleme + Hasta Bilgilendirme

Hastaneler için: hekim transcript → SOAP not, hasta bilgilendirme metni üretimi (yasal disclaimer'larla).

Eğitim: Adaptif Tutor + Otomatik Quiz Üretimi

Eğitim teknolojileri için: kişiselleştirilmiş tutor, otomatik quiz/test üretimi, öğrenci feedback'i.

İK: CV Tarama + Mülakat Soru Üretimi + Politika Q&A

İK takımları için: CV scoring (bias-aware), pozisyona özel mülakat soruları, çalışan politika asistanı.

Müşteri Hizmetleri: Çok Dilli Bot + Sentiment + Eskalasyon

Çok dilli (TR, EN, AR, RU, DE) müşteri destek botu. Sentiment-aware response, akıllı eskalasyon, ticket routing.

Prompt Compression ve Long-Context Optimizasyonu

Uzun bağlam ve uzun prompt'ları sıkıştırma teknikleri: LLMLingua, summarization-first, structured pruning.

Constitutional AI, Self-Refinement, Critic Modelleri

Anthropic'in Constitutional AI yaklaşımı ve uygulama. Critic-corrector loop, principles-based generation.

Prompt vs Fine-tuning vs RAG: Karar Çerçevesi

Tek başlarına ve birlikte kullanım. Hangi senaryoda hangisi? Maliyet, kalite, esneklik karar matrisi.

MLOps + Prompt Engineering Entegrasyonu

Mevcut MLOps stack'e prompt engineering entegrasyonu. Model registry, monitoring, deployment pipelines.

2026+ Trendleri: Computer Use, Long-running Agents, On-device LLMs

Önümüzdeki 12-24 ayın trendleri: Anthropic Computer Use, persistent agents, on-device LLM (Apple, Qualcomm), AGI tartışması.

Kapanış Projesi: Sektörel Asistan Tasarla, Eval'le, Dağıt

Eğitim boyunca öğrendiğin her şeyi kullanarak: kendi sektöründe çözeceğin gerçek bir problem için uçtan uca bir LLM asistanı tasarla.

Sertifika Sınavı: 50 Soru Karma + Sertifika

Tüm 14 modülü kapsayan 50 soruluk karma sınav. Çoktan seçmeli, kod, senaryo. %70 geçme. Geçince sertifika otomatik.