0Pricing
AI Prompt Engineering · Ders

Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?

Arka plan bilgilerinin modelin yanıt yönünü nasıl şekillendirdiğini öğrenin.

Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?, CoddyKit'te ücretsiz bir AI Prompt Engineering dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, AI Prompt Engineering öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. AI Prompt Engineering kursu toplamda 4 dersten oluşur.

Bağlam: Modele Arka Plan Bilgisi Sunma

Bağlam, modelin ilgili, doğru ve uygun düzeyde ayarlanmış bir yanıt vermesini sağlayan arka plan bilgisidir.

Bağlam olmadığında model kim olduğunuzu, neye ihtiyaç duyduğunuzu, hangi alanda çalıştığınızı ve hangi ayrıntı düzeyinin uygun olduğunu tahmin eder. Bu tahminler gerçek durumunuza değil, istatistiksel olarak en ortalama yoruma dayanır.

Bağlam Olmadan Ne Olur

Aynı konu hakkındaki şu iki isteği karşılaştırın:

Bağlam olmadan: 'Veritabanı sorunuyla ilgili ne yapmalıyım?'
Model hangi veritabanını kullandığınızı, sorunun ne olduğunu veya sizin durumunuzda 'yapmak'ın ne anlama geldiğini bilmiyor.

Bağlamla: 'AWS RDS üzerinde PostgreSQL 15 çalıştırıyoruz. Dün gerçekleştirilen bir şema geçişinden sonra sorgu yanıt süremiz 20 ms'den 800 ms'ye yükseldi. Geçişe 3 yeni dizin eklendi. İlk olarak neyi incelemeliyim?'

İkinci soru; alanı, teknolojiyi, zaman çizelgesini, belirtileri ve yakın zamanda yapılan değişikliği içeriyor — yararlı bir yanıt için gereken her şeyi.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

no_context = 'What should I do about the database issue?'

with_context = (
    'We are running PostgreSQL 15 on AWS RDS. '
    'Query response time spiked from 20ms to 800ms after a schema migration yesterday. '
    'The migration added 3 new indexes on the orders table (500M rows). '
    'No other infrastructure changes were made. '
    'What should I investigate first to diagnose the slowdown?'
)

for label, prompt in [('NO CONTEXT', no_context), ('WITH CONTEXT', with_context)]:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=200,
        messages=[{'role': 'user', 'content': prompt}]
    )
    print(f'--- {label} ---')
    print(response.content[0].text[:300])
    print()

Dört Bağlam Türü

Her istem, en fazla dört tür bağlamdan yararlanabilir:

  1. Alan bağlamı — çalıştığınız alan veya sektör
  2. Hedef kitle bağlamı — çıktıyı kimin kullanacağı veya okuyacağı
  3. Hedef bağlamı — sonunda neyi başarmaya çalıştığınız
  4. Kısıt bağlamı — hangi sınırlamaların bulunduğu (zaman, bütçe, teknoloji yığını, kurallar)

Her istem için dört türün tümüne ihtiyacınız yoktur; ancak kategorileri anlamak, nelerin eksik olduğunu belirlemenize yardımcı olur.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Prompt with all 4 context types explicitly labelled
response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Domain context: B2B SaaS, fintech, invoice reconciliation.\n'
            'Audience context: mid-market CFOs with basic Excel skills, no coding.\n'
            'Goal context: write a one-pager that convinces them to book a demo.\n'
            'Constraint context: max 300 words, no technical jargon, no pricing mentioned.\n\n'
            'Task: Write the one-pager.'
        )
    }]
)
print(response.choices[0].message.content)

Alan Bağlamı

Alan bağlamı, modelin hangi alanda, sektörde veya konu başlığında çalıştığınızı anlamasını sağlar. Kullanılan kelime dağarcığını, varsayılan bilgi düzeyini ve dikkate alınması gereken ilgili noktaları belirler.

Aynı soru, farklı alanlarda tamamen farklı anlamlara gelebilir. Yazılım mühendisliğinde “Hataları düzgün bir şekilde nasıl ele alırım?” sorusu istisna yönetimiyle ilgilidir; müşteri hizmetlerinde gerilimi düşürme teknikleriyle, tıpta ise ramak kala olayların bildirilmesiyle ilgilidir.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Same question, different domain context
domains = [
    ('Software Engineering', 'We build Python microservices.'),
    ('Customer Service', 'We run a 50-agent call center for an e-commerce brand.'),
    ('Surgical Team', 'We are a hospital OR team implementing WHO checklists.'),
]

for domain, context in domains:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': f'Context: {context}\n\nQuestion: How do I handle errors gracefully? (1 sentence answer)'
        }]
    )
    print(f'[{domain}]: {response.content[0].text.strip()}')
    print()

Hedef Kitle Bağlamı

Hedef kitle bağlamı, çıktıyı kimin okuyacağını, duyacağını veya kullanacağını modele bildirir. Bu, aşağıdakileri belirler:

  • Kelime dağarcığı düzeyi ve varsayılan bilgi
  • Gerekli açıklama derinliği
  • Üslup (resmî veya sohbet havasında)
  • Kullanılacak benzetmeler
  • Nelerin dışarıda bırakılacağı (fazla temel veya fazla ileri düzey bilgiler)

Her şeyi hedef kitle şekillendirir. Bir anaokulu çocuğuna açıklanan aynı kavram, bir doktora öğrencisine açıklanandan tamamen farklı görünmelidir.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

audiences = [
    'a 10-year-old who loves video games',
    'a first-year computer science university student',
    'a senior software architect with 15 years of experience'
]

for audience in audiences:
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': f'Explain recursion in 2 sentences for {audience}.'
        }]
    )
    print(f'Audience: {audience}')
    print(response.choices[0].message.content.strip())
    print()

Amaç Bağlamı

Amaç bağlamı, çıktının nihai olarak ne için kullanılacağını açıklar. Bu, görevin kendisinden farklıdır; söz konusu olan, sonraki kullanım amacıdır.

  • Görev: “Bir ürün açıklaması yazın”
  • Amaç: “Bu metin, bizi daha önce hiç duymamış soğuk trafiği dönüşüme yönlendirmek için bir PPC açılış sayfasında kullanılacak”

Model amacı bildiğinde nelerin dahil edileceği, ne düzeyde ikna edici bir üslup kullanılacağı ve okuyucunun hangi soruları olabileceği konusunda daha iyi seçimler yapar.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

goals = [
    'Internal documentation for our own engineering team',
    'A sales one-pager to send cold prospects who know nothing about our product',
    'A support article for existing customers who are confused about the feature'
]

for goal in goals:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=100,
        messages=[{
            'role': 'user',
            'content': (
                f'Goal: {goal}\n\n'
                f'Task: Write 2 sentences about our new AI-powered search feature '
                f'that finds relevant documents from a knowledge base.'
            )
        }]
    )
    print(f'Goal: {goal}')
    print(response.content[0].text.strip())
    print()

Kısıt Bağlamı

Kısıt bağlamı, çıktının içinde çalışması gereken sınırlamaları açıklar:

  • Teknik: “İnternet erişimi olmadan çalışmalı”, “Yalnızca Python 3.9, üçüncü taraf kitaplık yok”
  • Bütçe: “Yalnızca ücretsiz katman”, “Çözümün aylık maliyeti 50 doların altında olmalı”
  • Düzenleyici: “HIPAA uyumlu”, “GDPR geçerli — istemlerde kullanıcı verisi bulunmayacak”
  • Kurumsal: “Yayına almadan önce hukuk ekibinden onay alınmalı”, “Veritabanı şemasını değiştiremeyiz”

Kısıt bağlamı, modelin gerçek durumunuzda uygulanması mümkün olmayan çözümler önermesini engeller.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Suggest 3 ways to cache API responses in a Python backend.\n\n'
            'Constraint context:\n'
            '- Python 3.11, stdlib only (no Redis, no Memcached, no third-party libraries)\n'
            '- The backend is a single process (no distributed cache needed)\n'
            '- Cache must expire after 5 minutes automatically\n'
            '- Solution must work on a server without internet access'
        )
    }]
)
print(response.choices[0].message.content)

Bağlam Eksik Olduğunda Model Tahminde Bulunur

Şu temel zihinsel modeli aklınızda tutun: eksik olan her bağlam parçası, modelin sizin adınıza verdiği bir karardır ve model bunu size söylemez.

Eksik alan → model bu konu için en yaygın alanı seçer
Eksik hedef kitle → model en yaygın okuyucuya göre yazar
Eksik amaç → model en açık amacı seçer
Eksik kısıtlar → model tüm sınırlamaları göz ardı eder

Bu sessiz seçimler, aldığınız yanıtların neden çoğu zaman biraz uygunsuz göründüğünü açıklar: Yanıtlar teknik olarak doğrudur, ancak sizin durumunuza uygun değildir.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Demonstrate: same question, very different useful answers with context
without_context = 'How should I structure my data?'

with_full_context = (
    'Domain: mobile gaming backend, 10M daily active users.\n'
    'Technology: Python FastAPI + PostgreSQL + Redis.\n'
    'Goal: store player inventory items (weapon skins, power-ups) with fast reads.\n'
    'Constraint: reads happen 50x more than writes; schema changes are expensive.\n\n'
    'How should I structure my data? Give 2 options with tradeoffs.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=300,
    messages=[{'role': 'user', 'content': with_full_context}]
)
print(response.content[0].text)

Her Bağlam Türünün En Önemli Olduğu Durumlar

Her istemde dört bağlam türünün tamamı gerekmez; ancak bazı görev kategorileri belirli bağlam türlerinden özellikle yararlanır:

  • Teknik görevler: alan ve kısıt bağlamı en kritik olanlardır
  • Yazma görevleri: hedef kitle ve amaç bağlamı en büyük iyileşmeyi sağlar
  • Açıklamalar: yalnızca hedef kitle bağlamı bile çıktı kalitesini tamamen değiştirebilir
  • Karar desteği: kısıt bağlamı işe yaramayan önerileri engeller
  • Yaratıcı görevler: amaç ve alan bağlamı doğru yaratıcı çerçeveyi belirler
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Context selection for a creative task
response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Domain: luxury skincare brand (eco-conscious, premium, women 35-55).\n'
            'Goal: Valentine\'s Day campaign headline — will run on Instagram and in email.\n'
            'Constraint: must not mention price, discount, or sale. Max 8 words.\n\n'
            'Generate 5 headline options.'
        )
    }]
)
print(response.choices[0].message.content)

Bağlam ve İstem Kirliliği

Daha fazla bağlam her zaman daha iyi değildir. İlgisiz bağlam istemi kirletir ve modeli şaşırtarak konu dışı yanıtlar vermesine yol açabilir.

Temiz bağlam için kurallar:

  • Yalnızca çıktıyı doğrudan etkileyen bilgileri dahil edin
  • İki cümlelik bir özet yeterliyken belgelerin tamamını yapıştırmayın
  • Kendi içinde çelişen bağlamı kaldırın
  • Bağlamın ilgili olup olmadığından emin değilseniz dışarıda bırakın; yalnızca çıktı kötüleşirse ekleyin
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Polluted context (too much irrelevant info)
polluted = (
    'I started my company in 2019. We have 12 employees. We use Slack. '
    'Our office is in Berlin. We had a good Q3. Our CEO is named Thomas. '
    'We have a dog-friendly office. We use Python for our backend. '
    'Last year we moved to a new CRM. We sponsor a local football team.\n\n'
    'Write a 2-sentence company bio for our website.'
)

# Clean context (only relevant info)
clean = (
    'Company: B2B SaaS, Berlin, founded 2019, 12 employees. '
    'Product: Python-based CRM for mid-market sales teams.\n\n'
    'Write a 2-sentence company bio for our website.'
)

for label, prompt in [('POLLUTED', polluted), ('CLEAN', clean)]:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=100,
        messages=[{'role': 'user', 'content': prompt}]
    )
    print(f'--- {label} ---')
    print(response.content[0].text.strip())
    print()

Bağlamı Standart Bir Uygulama Olarak Kullanma

En etkili istem yazarları, bağlamı her görev yönergesinden önce gelen standart bir şablon bölümü olarak ele alır.

Basit bir şablon:

Context: [domain, technology, role, situation]
Audience: [who reads/uses the output]
Goal: [what this will accomplish]
Constraints: [what must/must not be included]
Task: [the actual instruction]

Her istemden önce bu şablonu doldurmak 30 saniye sürer ve saatlerce yeniden yazmayı önler.

# Standard context template implementation
def build_prompt(context, audience, goal, constraints, task):
    sections = []
    if context:     sections.append(f'Context: {context}')
    if audience:    sections.append(f'Audience: {audience}')
    if goal:        sections.append(f'Goal: {goal}')
    if constraints: sections.append(f'Constraints: {constraints}')
    sections.append(f'Task: {task}')
    return '\n'.join(sections)

prompt = build_prompt(
    context='Python open-source project, MIT license, 2,000 GitHub stars',
    audience='New contributors who know Python but are unfamiliar with our codebase',
    goal='Help them submit their first pull request within 30 minutes of reading',
    constraints='Max 400 words. No command-line flags beyond git basics. No Docker.',
    task='Write a Getting Started contributing guide.'
)
print(prompt)

Bilgi Kontrolü

Bir geliştirici yapay zekâdan şunu ister: “Sorgularımı iyileştirmeme yardım edin.” Yapay zekâ, onların yapılandırmasına uymayan genel SQL iyileştirme önerileri verir. En kritik (MOST) ölçüde eksik olan bağlam türü hangisidir?

Yapay Zekâ İstemlerinde Bağlam — Özet

Bağlam, modelin genel bir yanıt yerine yararlı ve hedefe yönelik bir yanıt verebilmesi için ihtiyaç duyduğu arka plandır. Dört türü vardır:

  • Alan bağlamı: alan, sektör, teknoloji yığını
  • Hedef kitle bağlamı: çıktıyı kimin okuduğu, bu kişilerin geçmişi ve uzmanlığı
  • Amaç bağlamı: çıktının nihai olarak ne için kullanılacağı
  • Kısıt bağlamı: hangi sınırlamalara uyulması gerektiği

Eksik olan her bağlam unsuru, modelin sizin adınıza sessizce verdiği bir karardır. Her önemli istemden önce önemli bilgileri sistematik olarak dahil etmek için bir bağlam şablonu kullanın.

Sıkça Sorulan Sorular

“Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?” dersi ücretsiz mi?

Evet — “Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve AI Prompt Engineering kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. AI Prompt Engineering kursu toplamda 4 dersten oluşur.

“Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?” dersinde ne öğreneceğim?

Arka plan bilgilerinin modelin yanıt yönünü nasıl şekillendirdiğini öğrenin. AI Prompt Engineering ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

AI Prompt Engineering öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te AI Prompt Engineering, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu AI Prompt Engineering dersinde kod yazıp çalıştırabilir miyim?

Evet. Her AI Prompt Engineering dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

  1. Yapay Zeka İstemlerinde Bağlam Ne Anlama Gelir?
  2. Arka Plan Bilgileri Sağlama
  3. Sahneyi Etkili Biçimde Kurma
  4. Bağlam Uzunluğu ve Uygunluk
← AI Prompt Engineering Sayfasına Dön