Prompt mühendisliği, katılımcılar gerçek görevden başladığında, her değişikliği gözlenen kusura bağladığında ve test vakası, veri sınırı ile sorumluyu pattern'le birlikte tuttuğunda yeniden kullanılabilir hale geliyor.

Katılımcılar gerçek bir görev ve çıktının karşılaması gereken ölçütlerle geliyor. Laboratuvarda işi ayrıştırıyor, prompt varyasyonlarını temsili ve zor vakalarda karşılaştırıyor, kusurları doğruluyor ve sınırıyla sorumlusu belli pattern'ler hazırlıyorlar.

Katılımcılar görev ayrıştırmaları, prompt uygulama dosyaları, incelenmiş örnekler ve sınırı, doğrulama adımı ile sonraki workflow sorumlusu yazılmış onaylı pattern'lerle ayrılıyor.

Bu çalışmayı konuşalım Ana hizmeti inceleyin

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör

Prompt laboratuvara görevin bir parçası olarak giriyor. Her revizyon gözlenen bir hataya yanıt veriyor. Paylaşılacak pattern ise test vakaları, veri sınırı ve onu güncel tutacak kişiyle birlikte çıkıyor.

Önce gerçek görev geliyor
Katılımcılar prompt yazmadan önce işi, kullanıcıyı, mevcut bağlamı, kısıtları, örnekleri, kalite ölçütlerini ve veri sınırını tanımlar.
Yapay zeka desteği
Katılımcının örneğinden aday görev ayrıştırmasını taslaklar.
İnsan onayı
Görev, temsili vakalarla test edilecek kadar açık mı? Ayrıştırmanın tahmin değil gerçek işi yansıttığını katılımcı onaylar.
Varyasyonlar gözlenen hataya yanıt veriyor
Prompt varyasyonlarını, yapılandırılmış çıktıları, örnekleri ve araç ayarlarını karşılaştırır. Kolaylaştırıcı gizli varsayımları görünür kılar.
Yapay zeka desteği
Grup karşılaştırması için prompt varyasyonları üretir.
İnsan onayı
Her değişiklik kişisel tercihe değil, gözlenen bir hataya mı yanıt veriyor? Hangi varyasyonun gözlenen bir hatayı gerçekten hedeflediğine kolaylaştırıcı karar verir.
Zor vakalar kusuru görünür kılıyor
Katılımcılar temsili ve zor vakaları çalıştırır, çıktıyı doğrular, kusurları sınıflandırır. Kanıt destekliyorsa promptu veya workflow'unu değiştirir.
Yapay zeka desteği
Test vakalarını çalıştırıp kusur gibi görünen çıktıları işaretler.
İnsan onayı
Pattern en kolay örneğin dışında da çalışıyor mu? İşaretlenen bir çıktının gerçekten kusur olup olmadığını katılımcı doğrular.
Pattern sınırı ve sorumlusuyla çıkıyor
Grup, yararlı çalışmanın sürmesi için pattern'leri, sınırları, test vakalarını ve sonraki workflow sorumlularını belgeler.
Yapay zeka desteği
Oturumda incelenen promptlardan pattern yazımının taslağını çıkarır.
İnsan onayı
Pattern'i ve test vakalarını kim güncel tutacak? Yeniden kullanıma açılmadan önce pattern'i adı belli sorumlu kabul eder.

Teslimatta yalnızca iyi çalışan ifade kalmıyor, deneyin tamamı korunuyor. Görev ayrıştırması, vakalar, kusur kanıtı, incelenmiş örnekler, bilinen sınırlar ve sonraki workflow sorumlusu birlikte veriliyor.

Atölye kaydı
Kolaylaştırıcılı prompt laboratuvarı egzersiz planı
Gündemi, rol gruplarını, araçları, veri sınırlarını, hedef görevleri, alıştırmaları ve inceleme noktalarını toplar.
Müfredat
Görev ayrıştırma ve prompt uygulama dosyası
Görev ayrıştırma, bağlam, kısıt, örnek, çıktı yapısı ve doğrulama için yönlendirmeli uygulama.
Test kanıtı
Temsili vaka rubriği ve incelenmiş örnek dosyası
Laboratuvarda kullanılan temsili vakaları, kalite ölçütlerini, kusur sınıflarını ve örnekleri içerir.
Playbook
Onaylı prompt pattern'leri, sınırlar ve sorumlu listesi
Amaç, sınır, doğrulama adımı ve sonraki workflow sorumlusuyla birlikte incelenmiş pattern'ler.

Ekip prompt yazabiliyor olabilir. Eksik olan, promptun görevde çalışıp çalışmadığına, nerede bozulduğuna ve sonraki değişikliğin hangi kanıta dayandığına aynı yöntemle karar vermektir.

Şu durumlarda iyi bir seçim

Bir prompt iyi yazılmış göründüğü için dolaşıma giriyor, ama davranışı değerlendirmek için kullanılan test vakasını veya kalite ölçütünü kimse gösteremiyor.
Katılımcılar talimat yazıyor, ancak gerçek görevin hangi bağlamı, kısıtı, örneği veya çıktı yapısını istediğine karar veremiyor.
Ekipler yeniden kullanılabilir prompt pattern'leri istiyor, ama paylaşım sırasında onaylı model, veri sınırı ve doğrulama adımı pattern'e bağlanmıyor.
Gerçek görev atölyeye tek parça geliyor, bu yüzden bağlam, kısıt, örnek ve çıktı ayrılmadan prompt ifadesi değiştiriliyor.
Aynı hatalar varyasyonlarda geri dönüyor, ama her prompt değişikliğinin hangi gözlenen kusuru düzeltmesi gerektiği kaydedilmiyor.
Test vakaları ve yapılandırılmış çıktılar bulunuyor, ancak grup bunları ortak rubrik ve kusuru doğrulayacak kişi olmadan karşılaştırıyor.
Yararlı prompt pattern'leri laboratuvardan çıkıyor, ama bilinen sınırları, test vakaları, sonraki workflow sorumlusu ve taahhütleri kaydedilmiyor.

Şu durumlarda başka bir çalışma daha doğru

Hassas içeriği onaylanmamış bir araçta kullanmak istiyorsunuz. Atölye onaylı veri kurallarında kalıyor, araç izni politika sorumlusunda bulunuyor.
Davranışı kontrol etmeden prompt ifadesini kabul etmek istiyorsunuz. Laboratuvar temsili ve zor vakaları çalıştırıyor, kusurları katılımcılar doğruluyor.
Atölyede production prompt altyapısı veya entegrasyon geliştirilmesini istiyorsunuz. Laboratuvar incelenmiş pattern'lerde bitiyor, mühendislik ayrı kapsam gerektiriyor.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: Ana hizmeti inceleyin

Eğitimlerimizi yürüten kişiler haftanın geri kalanında AI sistemleri kurup işletiyor. Anlattıklarımız da gerçekten teslim ettiğimiz işlerden geliyor. Zeo 2011'den bu yana bu sektörde çalışıyor ve Digitalzone konferans topluluğunu da yürütüyor, bu da sektördeki ekiplerin bu araçları nasıl benimsediğini yakından izlememizi kolaylaştırıyor.

Bu konuda ürettiğimiz içerikler

YazıCan MutioğluFew-Shot Prompting Tekniği Nedir? Nasıl Kullanılır?YazıEzgi Gülsen YaylıYapay Zekada Chain of Thought (Düşünce Zinciri) ile Yönlendirme VideoOzan KetenciA Hands-On Guide to Elevating Efficiency with OpenAI's Custom GPT - Ozan Ketenci, Zeo VideoYiğit KonurAI's Future: Mastering Prompt Engineering & AI Integration - @Yiğit Konur , Wope

OpenAI
Katılımcıların prompt varyantlarını doğrudan denediği iki canlı modelden biri
Anthropic
Prompt kalıbının sağlayıcılar arasında çalışıp çalışmadığını sınayan ikinci canlı model
PromptLayer
Her prompt varyantını versiyonlayıp gelişmeyi belirli değişikliğe bağlayan araç
Braintrust
Hangi prompt kalıplarının sınırlarıyla birlikte ayakta kaldığını puanlayan platform
Jupyter
Zor vaka testlerini yeniden üretilebilir kodla çalıştıran notebook ortamı

Görevi, onaylı araçları, veri sınırını ve kalite ölçütlerini seçin. Davranışı test edelim, gözlenen hataları düzeltelim ve neyin yeniden kullanılabileceğini kayda alalım.

Zeo ile konuşun

Prompt mühendisliği yalnızca daha iyi ifade yazmak mıdır?

Hayır. Görev tanımı, bağlam, kısıtlar, örnekler, çıktı yapısı, model veya araç ayarları, doğrulama ve çevresindeki workflow da sonucu belirler. Atölye yalnızca iyi görünen promptu değil, ortaya çıkan davranışı test eder.

Katılımcılar ne getirmeli?

Hedef roller ve görevler, onaylı model ve araçlar, veri işleme kuralları, günlük iş örnekleri, mevcut beceri seviyesi, yönetici veya elçiler ve karşılaştırmak istediğiniz çıktılar için kalite ölçütleri gerekir.

Kendi örneklerimizi kullanabilir miyiz?

Araç ve veri kullanımı onaylıysa evet. Hassas iş temizlenebilir veya güvenli bir vakayla temsil edilebilir. Örnek yine de promptu zorlaştıran görev özelliklerini korumalıdır.

Bir pattern'in yeniden kullanılabilir olduğuna nasıl karar verirsiniz?

Gerçek ve zor test vakalarında çalıştırıyoruz, kusurları inceliyoruz, kullanım amacını ve sınırlarını kaydediyoruz. Yeniden kullanım, her görevde değişmeden çalışmak değil, kanıt ve doğrulama adımına sahip olmak demektir.

Ekibe göre

Sektöre göre

Araca göre

Uygulamalı Prompt Mühendisliği Atölyesi

Çalışma şeklimiz

Önce gerçek görev geliyor

Varyasyonlar gözlenen hataya yanıt veriyor

Zor vakalar kusuru görünür kılıyor

Pattern sınırı ve sorumlusuyla çıkıyor

Elinize geçenler

Kolaylaştırıcılı prompt laboratuvarı egzersiz planı

Görev ayrıştırma ve prompt uygulama dosyası

Temsili vaka rubriği ve incelenmiş örnek dosyası

Onaylı prompt pattern'leri, sınırlar ve sorumlu listesi