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.
Şükrü Yusuf KAYA
16 min read
Beginner20 Vaka: Kötü vs İyi Prompt
Soyut "iyi prompt yaz" tavsiyesi yerine, 20 spesifik vaka. Her birinde:
- 🔴 Kötü versiyon — yaygın hata
- 🟢 İyi versiyon — CLEAR-T uygulanmış
- Niçin farkı yarattığı
Vaka 1: Blog Yazımı#
🔴 Kötü#
"Yapay zekâ hakkında bir blog yaz."
Sorun: Konu çok geniş, hedef kitle yok, uzunluk yok, format yok.
🟢 İyi#
"800-1000 kelimelik, KOBİ sahipleri için yazılmış, '5 İlk Adımda AI Pilot Projesi' başlıklı blog yaz.
- Hook: 1 paragraf gerçek vaka
- 5 alt başlık (her biri ~150 kelime)
- 1 kontrol listesi
- Soft CTA: 'eğitim için iletişim'
Tone: pratik, net, jargonsuz."
Vaka 2: Kod Yazımı#
🟢 İyi#
"FastAPI ile basit bir 'todo' API'si yaz.
Endpoint'ler:
- POST /todos (yeni todo)
- GET /todos (liste)
- DELETE /todos/{id}
Veritabanı: in-memory dict (sade tutalım).
Pydantic model: Todo(id: int, text: str, done: bool).
Hata: 404 not found, 422 validation.
Tek dosyada (main.py).
Pytest ile 3 unit test ekle."
Vaka 3: Özetleme#
text · diff modu
Senin kodun
Hedefe karşı diff
+ Aşağıdaki makaleyi özetle.++ Hedef kitle: Senior engineering yöneticileri (CTO/VP Engineering).+ Format: 5 bullet, her biri 1 cümle, ilkini "Ana iddia:" diye başlat.+ Yapma: Kişisel görüş, "umarız", "belki" gibi belirsiz ifadeler.++ Makale:+ <makale>{{makale_metin}}</makale>- Bu makaleyi özetle:- [5000 kelimelik teknik makale]
Özetleme prompt'u — niceleyici detaylar fark yaratır
Vaka 4: Sınıflandırma#
🔴 Kötü#
"Bu yorum olumlu mu olumsuz mu?"
🟢 İyi#
"Aşağıdaki müşteri yorumunu 3 kategoriden birine ata: olumlu | nötr | olumsuz.
Karar kuralları:
- Şikâyet + öneri varsa nötr
- Sadece şikâyet → olumsuz
- Hem olumlu hem olumsuz → 'nötr', detayını açıkla
Çıktı (kesinlikle bu format):
{"sentiment": "olumlu|nötr|olumsuz", "confidence": 0-1, "ana_neden": "kısa cümle"}
Yorum: {{review}} "
Vaka 5: JSON Çıkarımı#
🔴 Kötü#
"Bu CV'den bilgileri çıkar JSON formatında ver."
Sorun: Hangi alanlar? Hangi tipler? Eksik bilgi → null mı, "bilinmiyor" mu?
🟢 İyi#
"Aşağıdaki CV'den bu schemayı doldur:
{
"ad_soyad": "string",
"email": "string | null",
"telefon": "string | null // boşluksuz, +90 prefix",
"deneyim_yil": "number | null",
"yetkinlikler": "string[] // duplicate yok"
}
Eksik bilgi → null. Tahmin etme.
Sadece JSON, başka metin yok.
CV: {{cv_text}} "
Vaka 6: Çeviri#
text · diff modu
Senin kodun
Hedefe karşı diff
+ Aşağıdaki cümleyi İngilizce'ye çevir.++ Bağlam: Bir B2B yazılım şirketinin satış ekibinden kurumsal müşteriye email kapanışı.+ Tone: Profesyonel ama erişilebilir (aşırı resmi değil).+ Yapma: 'Kind regards' (Amerika için fazla İngiliz), 'Cheers' (gayri resmi).+ Kullan: 'Best regards' veya 'Best,'.++ Cümle: "Saygılarımla, ekibimizden bir kişi sizi arayacak."- Bunu İngilizce'ye çevir: "Saygılarımla, ekibimizden bir kişi sizi arayacak."
Bağlam ekleme = doğru lokalizasyon
Vaka 7: SQL Sorgu Üretimi#
🔴 Kötü#
"Veritabanından kullanıcıları getir."
🟢 İyi#
"PostgreSQL için SQL yaz.
Schema:
users(id, name, email, created_at, region)
orders(id, user_id, total, created_at)
Görev: Son 30 günde 5+ sipariş veren ve toplam harcaması 1000 TL üstü olan, İstanbul bölgesindeki kullanıcıların email + total_spent.
Sıralama: total_spent DESC, limit 50.
İndeks önerisi de sun (yorum satırında)."
Vaka 8: Email Yazımı#
text · diff modu
Senin kodun
Hedefe karşı diff
+ Müşteriye iade onaylandı bildirimi yaz.++ Bilgiler:+ - Müşteri adı: {{musteri_adi}}+ - Sipariş no: {{siparis_no}}+ - İade tutarı: {{tutar}} TL+ - Geri yatma süresi: 5-7 iş günü++ Yapı:+ 1. Selam ("Merhaba [ad]")+ 2. Onay teyit (1 cümle)+ 3. Tutar + süre+ 4. Sorularda nasıl ulaşacağı (info@..., 0850-...)+ 5. Kapanış ("İyi günler dileriz")++ Tone: Sıcak ama kurumsal. Maks 100 kelime.- Müşteriye iade onaylandı emaili yaz.
Email prompt — verili veri + yapı şart
Vaka 9: Kod Review#
🔴 Kötü#
"Bu kodu review et."
🟢 İyi#
"Aşağıdaki Python kodunu Senior backend mühendisi gözüyle review et.
Kontrol et:
- Hatalar (bug, race condition, None dereferans)
- Performans (N+1, gereksiz allocation)
- Güvenlik (injection, secrets in code)
- Okunabilirlik (naming, fonksiyon uzunluğu)
- Test edilebilirlik (mock'lanabilir mi?)
Format (her bulgu için):
- Konum: dosyaır
- Sorun: 1 cümle
- Öneri: kod örneği
- Önem: kritik | yüksek | orta | düşük
Kod: "
{{kod}}Vaka 10: Brainstorm#
text · diff modu
Senin kodun
Hedefe karşı diff
+ Yeni B2B SaaS ürünümüz için 10 isim öner.++ Ürün: KOBİ'lere yönelik AI destekli muhasebe asistanı (Türkiye odaklı).++ Kriterler:+ - 2-3 hece+ - .com domain müsait olabilir+ - Türkçe kulağa hoş gelmeli ama ENG telaffuz edilebilmeli+ - Trademark çatışması az+ - "AI", "Smart" gibi yorgun ekler kullanma++ Format: tablo (isim | açıklama | duygu çağrışımı | risk).+ 10 farklı stil dene: kısa-tek kelime, isimlendirme uydurma, metafor, vb.- İsim öner.
Brainstorm prompt — kriter + çeşitlilik
Vaka 11-20: Diğer Vakalar (Hızlı Geçiş)#
Karşılaştırma egzersizi: Yukarıdaki 20 vakanın kötü versiyonlarını gerçek API'ye gönder, sonra iyi versiyonu gönder. Kalite farkını kendi gözünle görmek, yüz tane "iyi prompt yaz" tavsiyesinden değerli.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...
Related Content
1. Temeller — Yapay Zekâ ve LLM'lere Giriş
Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi
Start Learning1. Temeller — Yapay Zekâ ve LLM'lere Giriş
Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita
Start Learning1. Temeller — Yapay Zekâ ve LLM'lere Giriş
LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)
Start LearningConnected pillar topics