Prompt Mühendisliği Terimleri

A1 terim

Az Örnekli İstemFew-shot PromptingAz örnekli istem (few-shot), modele görevle birlikte birkaç girdi–çıktı örneği vererek istenen kalıbı göstermektir.

B2 terim

Bağlam İçi ÖğrenmeICL · In-context LearningBağlam içi öğrenme, modelin parametreleri değişmeden, yalnızca prompttaki talimat ve örneklerden yeni bir görevi kavrayıp uygulayabilmesidir.Bağlam MühendisliğiContext EngineeringBağlam mühendisliği, modelin bir görevi doğru yapabilmesi için ihtiyaç duyduğu tüm bilgiyi (talimatlar, belgeler, araçlar, geçmiş) doğru miktarda ve doğru sırada bağlam penceresine yerleştirme işidir.

Ç1 terim

Çıktı BiçimiOutput FormatÇıktı biçimi, modelin cevabını hangi yapıda vereceğinin promptta belirtilmesidir: madde listesi, tablo, JSON, e-posta, kod bloğu gibi.

D2 terim

Düşünce AğacıToT · Tree of ThoughtsDüşünce ağacı (ToT), modelin bir problemi çözerken birden fazla olası düşünce yolunu ağaç gibi dallandırıp değerlendirdiği ve en umut verici yolu seçtiği tekniktir.Düşünce ZinciriCoT · Chain-of-ThoughtDüşünce zinciri (CoT), modelden cevaba doğrudan atlamak yerine akıl yürütmesini adım adım yazmasını isteyen prompt tekniğidir.

E1 terim

En Azdan Çoğa İstemLeast-to-most PromptingEn azdan çoğa istem, karmaşık bir problemi önce basit alt problemlere ayırıp bunları kolaydan zora doğru sırayla çözdürme tekniğidir.

G1 terim

Geri Adım İstemiStep-back PromptingGeri adım istemi, modelden ayrıntılı soruya geçmeden önce konunun genel ilkesini ya da üst düzey kavramını açıklamasını isteyen tekniktir.

H1 terim

Hedef KitleTarget AudienceHedef kitle, üretilecek içeriğin kime hitap ettiğinin promptta tanımlanmasıdır; ayrıntı düzeyini, dili ve örnekleri belirler.

K1 terim

KısıtlamaConstraintKısıtlama, promptta cevabın uzunluğu, dili, tonu, içermesi ya da içermemesi gerekenler gibi sınırları belirleyen kurallardır.

M2 terim

Mega PromptMega prompt, rol, bağlam, hedef, kurallar, örnekler ve çıktı biçimini tek seferde ayrıntılı olarak veren uzun ve kapsamlı prompttur.Meta PromptMeta PromptingMeta prompt, yapay zekâdan doğrudan sonuç değil, bir görev için daha iyi bir prompt yazmasını istemektir.

Ö3 terim

Ön DoldurmaPrefillÖn doldurma, modelin cevabının ilk kelimelerini senin yazman ve modelin cevaba oradan devam etmesidir.Öz EleştiriSelf-critique / ReflectionÖz eleştiri, modelden ürettiği cevabı belirli ölçütlere göre kendisinin değerlendirmesini ve ardından düzeltmesini isteyen tekniktir.Öz TutarlılıkSelf-consistencyÖz tutarlılık, aynı soruyu modele birkaç kez farklı akıl yürütme yollarıyla çözdürüp en sık çıkan cevabı seçme tekniğidir.

P8 terim

PersonaPersona, modele ya da hedef kullanıcıya biçilen; yaşı, mesleği, ilgi alanları ve konuşma tarzı tanımlanmış ayrıntılı karakter profilidir.PromptPrompt, bir yapay zekâ modeline ne yapmasını istediğini anlatmak için yazdığın talimat, soru ya da metindir.Prompt DeğişkeniPrompt VariablePrompt değişkeni, bir prompt şablonunda her kullanımda farklı değerle doldurulan [KONU], {isim} gibi yer tutuculardır.Prompt KütüphanesiPrompt LibraryPrompt kütüphanesi, denenmiş ve işe yaradığı görülmüş promptların kategorilere ayrılarak saklandığı, tekrar kullanıma hazır koleksiyondur.Prompt MühendisliğiPrompt EngineeringPrompt mühendisliği, yapay zekâ modellerinden istenen sonucu tutarlı biçimde almak için promptları tasarlama, deneme ve iyileştirme becerisidir.Prompt SıkıştırmaPrompt CompressionPrompt sıkıştırma, bir promptun anlamını ve işlevini bozmadan daha az token kullanacak şekilde kısaltılmasıdır.Prompt ŞablonuPrompt TemplatePrompt şablonu, tekrar tekrar kullanılmak üzere hazırlanmış, değişken alanları boş bırakılmış hazır prompt kalıbıdır.Prompt ZincirlemePrompt ChainingPrompt zincirleme, karmaşık bir işi birkaç küçük adıma bölüp her adımın çıktısını bir sonraki promptun girdisi olarak kullanmaktır.

R2 terim

ReActReason + ActReAct, modelin bir görevi çözerken düşünme (reason) ve araç kullanma (act) adımlarını sırayla birbirine bağladığı ajan tekniğidir.Rol VermeRole PromptingRol verme, prompta modelin belirli bir uzman ya da karakter gibi davranmasını isteyen bir rol tanımı eklemektir.

S3 terim

Sıfır Atışlı İstemZero-shot PromptingSıfır atışlı istem (zero-shot), modele hiç örnek vermeden yalnızca görevi tarif ederek sonuç istemektir.SınırlayıcıDelimiterSınırlayıcı, prompttaki talimatları, örnekleri ve işlenecek metni birbirinden ayırmak için kullanılan tırnak, üçlü tırnak, ### ya da etiket gibi işaretlerdir.Sistem PromptuSystem PromptSistem promptu, bir sohbetin başında modele verilen ve tüm konuşma boyunca geçerli olan rol, kural ve davranış talimatlarıdır.

T3 terim

Talimat İzlemeInstruction FollowingTalimat izleme, bir modelin prompttaki kurallara, kısıtlamalara ve biçim isteklerine ne ölçüde uyduğunu anlatan yetenektir.Tek Örnekli İstemOne-shot PromptingTek örnekli istem (one-shot), modele görevi tarif ederken istenen sonuca dair tek bir örnek vermektir.Ton ve ÜslupTone of VoiceTon ve üslup, bir metnin resmî, samimi, esprili, ikna edici ya da tarafsız gibi hangi havada yazılacağını belirleyen özelliktir.

X1 terim

XML EtiketleriXML TagsXML etiketleri, promptun bölümlerini <talimat>, <belge>, <ornek> gibi açılıp kapanan etiketlerle düzenleme yöntemidir.

Y1 terim

Yinelemeli PromptIterative PromptingYinelemeli prompt, ilk cevabı başlangıç kabul edip geri bildirimle adım adım istenen sonuca yaklaşma yöntemidir.