Yapay zekâya bir kod parçasını hızla yazdırmak mümkün. Asıl kazanım, hangi problemi çözdüğünü daha iyi anlamak ve önerilen çözümün hangi varsayımlara dayandığını görebilmek. Bu yüzden AI'ı yalnızca cevap veren bir araç olarak değil, sorumu keskinleştiren ve taslağımı eleştiren bir yardımcı olarak kullanıyorum.
İyi bir istemin sihirli kelimeleri yok. İşe yarayan şey bağlam, hedef ve doğrulama ölçütü. Soruyu ChatGPT, Claude veya Gemini sohbetinde netleştirebilir; depo üzerinde çalışmak gerektiğinde Codex, Claude Code ya da Gemini CLI gibi bir kod ajanına geçebilirsin. Araç değişse de problemin tanımı ve beklenen sonuç aynı kalmalı.
Önce kendi problem cümleni kur
AI'a gitmeden önce üç satır yazarım: Şu anda ne oluyor? Ne olmasını bekliyorum? Bu farkı nasıl gözlemledim? Ardından sınırları eklerim: teknoloji ve sürüm, değiştiremeyeceğim koşullar, gerçek veri kullanıp kullanamayacağım ve yanlış çözümün maliyeti.
"Uygulama yavaş" yerine "liste ekranı belirli bir filtreyle belirgin biçimde yavaşlıyor; veritabanı sorgusu mu, ağ mı, arayüz mü bilmiyorum" demek farklı bir cevap üretir. İkinci cümle AI'a hemen optimizasyon yazdırmak yerine hangi ölçümü isteyeceğini sordurur.
İstemin dört parçası
Tek bir kalıp her işe uymaz, ama çoğu teknik soruda şu dört parça yardımcı olur:
- Bağlam: Sistem ve gözlenen davranış.
- Hedef: Hangi sonuca ulaşmak istediğin.
- Sınır: Değiştirilemeyen koşullar ve paylaşılmaması gereken bilgiler.
- Çıktı: AI'dan şu anda ne beklediğin: soru listesi, olası nedenler, karşılaştırma veya test planı.
Örneğin ilk tur şöyle olabilir:
Bir rapor ekranı beklediğimden yavaş. Elimde henüz ölçüm yok. Çözüm veya kod yazma. Önce sorunu ağ, veritabanı ve arayüz olarak ayırmamı sağlayacak en fazla beş soru sor. Her soru için hangi ölçümü toplamam gerektiğini belirt. Gizli kayıtları paylaşmadan ilerleyebileceğim bir yol öner.
Bu istemin sonunda doğrudan çözüm çıkmasa da sonraki adım daha güvenilir olur.
İstemi AI'a da iyileştirt
Ne sormam gerektiğini bilmediğimde kendi taslağımı modele veririm: "Bu isteği yanıtlamadan önce belirsiz veya çelişkili yerlerini bul. Eksik bağlamı sor. Aynı hedefi koruyarak daha kısa ve net bir istem öner." Böylece AI, ilk cevabı üretmeden önce sorunun biçimini iyileştirir.
Ama bu turda eklenen her varsayımı kabul etmem. "Kullanıcı sayısı yüksek" veya "veritabanı PostgreSQL" gibi söylenmemiş bilgiler öneriye sızarsa, bunları ya doğrularım ya da çıkarırım.
İlk cevabı son cevap sayma
İkinci turda AI'dan kendi önerisini eleştirmesini isterim: hangi durumda çalışmaz, hangi veri eksik, en küçük doğrulama deneyi ne? Çıkan ölçütleri test ve gözlemle sınarım. Kütüphane, platform veya sağlayıcı davranışı söz konusuysa ilgili sürümün resmi belgesine bakarım. Kaynak bağlantısı istemek yararlıdır; bağlantının iddiayı gerçekten destekleyip desteklemediğini yine benim kontrol etmem gerekir.
AI'ın makul görünen bir açıklaması, ölçümün yerini tutmaz. Bir hata için üretilen test yalnızca modelin kendi varsayımını tekrar ediyorsa da güven vermez; beklenen sonucu bağımsız olarak tanımlamak gerekir.
Paylaşılacak verinin sınırını çiz
İşyerine ait kod, müşteri bilgisi, sağlık veya ödeme verisi, erişim anahtarı ve iç belgeler bir isteme olduğu gibi yapıştırılmamalı. Çoğu teknik soru, alan adları değiştirilmiş küçük bir örnekle tartışılabilir. Gerçek bağlam zorunluysa kurumun veri paylaşım kuralları ve kullanılan AI hizmetinin ayarları önce incelenmeli.
AI ile çalışma biçimimin özeti şu: problemi tarif ederim, eksikleri sordururum, seçenekleri karşılaştırırım, kendi kararımı veririm ve sonucu ölçerim. İstemin kalitesi kadar bu son adımın ciddiyeti de önemlidir.
Bu yaklaşım tek bir sağlayıcıya bağlı değil. OpenAI Docs'un istem rehberi, Claude Code'un iyi uygulamaları ve Gemini'nin istem stratejileri farklı ürünler için bağlamı açık vermeyi ve çıktıyı yinelemeli olarak sınamayı öneriyor.
