Negatif Prompting ile AI Çıktılarını Rafine Edin

Negatif Prompting ile AI Çıktılarını Rafine Edin

Bir yapay zeka modeline istediğinizi anlatmak için saatler harcadınız, ama çıkan sonuç hâlâ tam istediğiniz gibi değil. Belki çok uzun, belki yanlış bir ton kullanıyor, belki de istemediğiniz bilgileri sürekli tekrar ediyor. Çoğu kullanıcı bu noktada daha ayrıntılı bir açıklama yazmaya çalışır; ne istediğini büyük bir özenle anlatır. Ama bazen asıl çözüm, ne istediğinizi değil ne istemediğinizi söylemektir.

Negatif prompting, prompt mühendisliğinin çoğunlukla göz ardı edilen ama son derece güçlü bir yönüdür. Bu teknik, modele çıktıdan dışlanmasını istediğiniz unsurları açıkça belirterek çalışır. Sonuç genellikle şaşırtıcı derecede keskin ve kullanılabilir olur.

1. Negatif Prompting Nedir

Negatif prompting, bir AI modelinden aldığınız yanıtı şekillendirmek için kısıtlayıcı yönergeler ekleme pratiğidir. Sadece görsel üretim araçlarına özgü değildir; ChatGPT, Claude, Gemini gibi dil modellerinde de aynı mantıkla uygulanabilir.

Nasıl çalışıyor: Model, verdiğiniz pozitif yönergeleri yerine getirmeye çalışırken negatif yönergeleri filtreleme kriterleri olarak kullanır. Örneğin "bir pazarlama metni yaz" derken "klişe ifadeler kullanma, abartılı vaatlerden kaçın, madde listeleri ekleme" gibi kısıtlamalar eklerseniz model bu sınırlar içinde hareket eder.

İpucu: Negatif yönergelerinizi prompt'un sonuna değil ortasına ya da başına yerleştirin. Araştırmalar, büyük dil modellerinin uzun prompt'larda başa ve ortaya daha fazla dikkat ayırdığını göstermektedir.

Bu yaklaşım, özellikle şu durumlarda işe yarar:

• Model sürekli aynı kalıpları tekrarlıyorsa
  
• Ton ve üslup kontrolü sağlamak istiyorsanız
  
• Belirli bir konudan uzak durmasını istiyorsanız
  
• Çıktı uzunluğunu ve yapısını disipline etmek istiyorsanız
  
• Yaratıcı içeriklerde öngörülebilir sonuçlardan kaçınmak istiyorsanız
  

2. Temel Negatif Yönerge Türleri

Negatif prompting'i etkili kullanabilmek için hangi kısıtlama kategorilerini uygulayabileceğinizi bilmek gerekir.

Üslup ve Ton Kısıtlamaları

Modeller, varsayılan olarak belirli bir ton benimser; çoğunlukla kibar, nötr ve biraz resmi. Bu her zaman istenen şey değildir. Üslup kısıtlamaları, bu varsayılan eğilimi kırmak için kullanılır.

Prompt örneği:


Bu tür bir prompt, modelin standart basın bülteni kalıplarının dışına çıkmasını zorlar ve çok daha özgün bir metin üretmesine neden olur.

İçerik ve Kapsam Kısıtlamaları

Zaman zaman modelinizin belirli bir konu etrafında dolaşmasını değil, o konuya hiç girmemesini istersiniz. Bu özellikle hassas konuları işlerken ya da odak sağlamak istediğinizde önemlidir.

Prompt örneği:

Yapı ve Format Kısıtlamaları

Modeller, belirsiz durumlarda madde listesi kullanmayı sever. Bazen bu yararlıdır, bazen akışı bozar. Format kısıtlamaları tam burada devreye girer.

Dikkat: Format kısıtlamalarını uygularken modele alternatif bir yapı da önerin. Sadece "liste kullanma" demek yeterli olmayabilir; "bunun yerine akıcı paragraflarla anlat" gibi bir yönlendirme ekleyin.

3. Görsel AI Araçlarında Negatif Prompting

Negatif prompting kavramı aslında Midjourney ve Stable Diffusion gibi görsel üretim araçlarında çok daha köklüdür. Bu araçlarda negative prompt alanı zaten ayrıca mevcuttur ve görsel kalitesini doğrudan etkileyen kritik bir parametredir.

Stable Diffusion tabanlı araçlarda negatif prompt alanına yazılan terimler, üretilen görselden bu unsurları uzaklaştırmak için kullanılır.

Prompt örneği (görsel üretim):


Bu ayrım neden önemli? Çünkü görsel modeller, negatif prompt olmadan belirsizlikleri kendi varsayılan eğilimleriyle doldurur. Ekstra parmaklar, deforme yüzler ya da bozuk metinler çoğunlukla bu belirsizliklerin ürünüdür.

İpucu: Görsel araçlarda negatif prompt yazarken virgülle ayrılmış kısa terimler kullanmak, uzun cümlelerden çok daha etkilidir. Model bu terimleri kavramsal etiket olarak işler.

4. Dil Modellerinde İleri Düzey Uygulama

ChatGPT veya Claude gibi dil modellerinde negatif prompting'i daha sistematik hale getirmek için birkaç strateji mevcuttur.

Kısıtlama Bloğu Kullanımı

Prompt'unuzu iki bölüme ayırın: biri ne istediğinizi, diğeri ne istemediğinizi açıklar. Bu yapı modelin yönergeleri daha net sınıflandırmasını sağlar.

Prompt örneği:


Bu yapı, özellikle düzenli olarak benzer içerikler üretiyorsanız şablon haline getirilebilir ve her seferinde sadece ürün bilgisini değiştirmeniz yeterli olur.

Yinelemeli Negatif Prompting

İlk çıktıyı aldıktan sonra beğenmediğiniz unsurları tespit edip bunları bir sonraki prompt'a kısıtlama olarak ekleyin. Bu yöntem, özellikle yaratıcı projelerde çok etkilidir çünkü modelin hangi yönde ilerlememesi gerektiğini somut örneklerle gösterir.

Nasıl çalışıyor: İlk yanıtı alın, ardından şu yapıyı kullanın:



Bu yinelemeli yaklaşım, modeli adım adım istediğiniz kaliteye yaklaştırır. Birkaç turda gerçekten işe yarar bir çıktı elde etmek mümkündür.

5. Yaygın Hatalar ve Kaçınılması Gerekenler

Negatif prompting'de de hatalar yapılabilir. En sık karşılaşılanlar şunlardır:

Çok fazla kısıtlama eklemek: Onlarca kısıtlama yazmak modeli felç eder. Gerçekten kritik olanları seçin, geri kalanını serbest bırakın. Genel kural olarak beş ila sekiz kısıtlama yeterlidir.

Belirsiz negatif yönergeler yazmak: "Kötü yazma" ya da "sıradan olma" gibi yönergeler modele fazla bir şey söylemez. Negatif yönergeleriniz somut ve ölçülebilir olmalıdır. "Pasif cümle yapısı kullanma" ya da "her paragrafı aynı cümle yapısıyla başlatma" gibi.

Pozitif ve negatif yönergeleri çakıştırmak: "Kısa tut ama kapsamlı ol" ya da "resmi bir dil kullan ama rahat hissettir" gibi çelişkili yönergeler modeli kararsızlığa iter. Bir yönde negatif kısıtlama koyuyorsanız diğer yönde de net bir pozitif yönerge olsun.

Dikkat: Negatif yönergeleriniz çok katı olursa model, mecbur kaldığı için kalitesiz ama kısıtlamaları teknik olarak karşılayan içerikler üretebilir. Bu durumu fark etmek için çıktıyı sadece kısıtlamalara göre değil genel kaliteye göre de değerlendirin.

Pratik Başlangıç Şablonları

Aşağıdaki şablonları kendi projelerinize uyarlayarak hemen kullanmaya başlayabilirsiniz.

Blog yazısı için:


E-posta taslağı için:


Bu şablonları bir metin dosyasına kaydedin ve tekrar eden görevlerde her seferinde sıfırdan yazmak yerine şablonunuzu kullanın.

Negatif Prompting ile Kazanılan Kontrol