Eyni ChatGPT, eyni Claude, eyni Gemini — amma bəziləri bu alətlərdən inanılmaz nəticələr alır, bəziləri isə "bu Sİ-lər heç işə yaramır" deyərək kənara qoyur. Fərq texnologiyada deyil. Fərq necə soruşduğunuzdadır. Prompt engineering — yəni süni intellekt modellərindən maksimum fayda əldə etmək üçün düzgün təlimatlar vermək sənəti — son iki ildə tamamilə yeni bir peşəyə çevrilib. LinkedIn-də "Prompt Engineer" vəzifəsi üçün elanlar artdı, universitetlər bu mövzuya kurslar açdı. Lakin işin əslini öyrənmək üçün universitetə getməyə ehtiyac yoxdur. Bu məqalədə sizinlə real nümunələrlə işləyən 7 qızıl qaydanı paylaşacağam.
🤔 Prompt Engineering Nədir, Niyə Vacibdir?
Prompt engineering — dil modelinə (ChatGPT, Claude, Gemini və s.) düzgün kontekst, rol, format və məqsəd verərək istədiyiniz nəticəyə çatmaq texnikasıdır. Modelin özü dəyişmir. Siz dəyişirsiniz. OpenAI-nin öz sənədlərindəki qeydlərə görə, eyni model üçün yaxşı hazırlanmış prompt ilə pis hazırlanmış prompt arasında nəticə keyfiyyətinin fərqi əhəmiyyətli ola bilir. Bu, nə qədər güclü modeldən istifadə etdiyinizdən daha çox onu necə istifadə etdiyinizə bağlıdır.
Sİ modellərinin hazırlandığı texnologiyaya "transformer" deyilir. Bu modellər, aldığı kontekstə görə davranışını kəskin şəkildə dəyişdirə bilir. Sadəcə "bir mütəxəssis kimi cavab ver" demək belə nəticəni yaxşılaşdırır. Buna rol vermə (role prompting) texnikası deyilir.
✏️ Zəif prompt vs Güclü prompt
❌ Zəif: "Marketinq haqqında nəsə yaz."
✅ Güclü: "Sən 10 illik təcrübəyə sahib bir B2B SaaS marketinq direktoru kimi düşün. Startup şirkətlər üçün LinkedIn üzərindən ilk 100 müştərini əldə etmək üçün addım-addım strategiya hazırla. Hər addımda nə etmək lazım olduğunu, nə qədər vaxt aparacağını və uğurun göstəricilərini qeyd et."
Fərq nədir? İkinci promptda model kim olduğunu, kimə danışdığını, nə formatda cavab verəcəyini bilir.
İnsanlarla danışanda çox şeyi "anlaşılan" kimi qəbul edirik. Sİ modeli isə söylədiklərinizin hərfi mənasına əsaslanır. Nə qədər çox kontekst versəniz, cavab bir o qədər dəqiq olur. Bu, modelin "ağıllı" olduğu üçün deyil — ona verilen informasiyanı daha yaxşı emal etdiyi üçündür.
📋 Yaxşı Kontekstin 4 Elementi
1️⃣ Məqsəd: Bu cavabla nə edəcəksiniz? (email göndərmək, qərar vermək, məqalə yazmaq)
2️⃣ Hədəf kütlə: Cavab kimə yönəlidir? (texniki ekspert, adi oxucu, uşaq)
3️⃣ Mövcud vəziyyət: Əlinizdə nə var? (məlumat, məhdudiyyətlər, xüsusi şərtlər)
4️⃣ İstənilən format: Nə görmək istəyirsiniz? (siyahı, esse, cədvəl, addımlar)
Sözlə izah etmək çətin olduğunda nümunə göstərmək hər şeyi sadələşdirir. Bu texnikaya "few-shot prompting" deyilir — modellərə bir neçə nümunə verib ardından istədiyiniz şeyi soruşmaq. OpenAI-nin öz araşdırmalarında göstərildiyi kimi, nümunəsiz (zero-shot) promptlarla müqayisədə nümunəli (few-shot) promptlar xüsusilə formatlaşdırma və ton saxlama tapşırıqlarında xeyli güclü nəticə verir.
🔍 Few-Shot Nümunəsi: Sosial Media Başlıqları
"Mənim üçün Instagram başlığı yaz. İşdə nümunələrim:
Məhsul: Üzvi qəhvə → Başlıq: "Hər qurtumda səhərin ən yaxşı hissəsi ☕"
Məhsul: Əl işi sabun → Başlıq: "Dərinizin hər gün layiq olduğu qayğı 🌿"
İndi mənim məhsulum üçün yaz: Azərbaycan xalçası."
Niyə işləyir? Model ton, uzunluq və formatı avtomatik götürür. Siz "emosional, qısa, emoji ilə" deməsəniz belə, nümunədən öyrənir.
Sİ modelləri mürəkkəb məsələləri həll edərkən bəzən tələsib yanlış cavab verir. Lakin onlara "addım-addım düşün" deməyiniz bu xətanı əhəmiyyətli dərəcədə azaldır. Bu texnikaya "Chain of Thought" (CoT) prompting deyilir. Google-un 2022-ci ildəki bir araşdırması göstərdi ki, bu texnika mürəkkəb riyaziyyat və məntiqi çıxarım tapşırıqlarında modelin düzgün cavab vermə ehtimalını artırır.
🧩 Chain of Thought: Sadə Tətbiq
❌ "Bizim startupımız gəlirli olacaqmı?" → Model qeyri-müəyyən cavab verir.
✅ "Startapımızın gəlirliliyini qiymətləndir. Əvvəlcə hansi amilləri nəzərə alacağını sırala, sonra hər birini bizim vəziyyətimizdə təhlil et, nəhayət ümumi qiymətini bildirmək üçün bu məlumatlardan nəticə çıxar." → Strukturlu, izlənilə bilən analiz alırsınız.
İnsanlar çox vaxt yalnız "nə istədiklərini" deyir, "nə istəmədiklərini" unutur. Amma mənfi təlimatlar bəzən müsbət olanlardan daha effektiv olur. Model nəyi etməməli olduğunu bildikdə daha cəhətli nəticə verir.
🚫 Məhdudiyyətlər Necə Qoyulur?
✅ "CV yaz. Amma klişe ifadələr — 'çalışqan', 'komanda oyunçusu', 'stresə dözümlü' — işlətmə."
✅ "Bu məqalənin xülasəsini çıxar. 3 cümlədən çox olmasın. Texniki terminlərdən istifadə etmə."
✅ "Marketinq planı hazırla. Sosial mediaya toxunma — biz yalnız email kanalına fokuslanırıq."
Qayda sadədir: "İstəmirəm", "olmasın", "istisna et", "yalnız" kimi sözlər modeli düzgün istiqamətə yönləndirir.
"Yaxşı cavab ver" demək kifayət deyil. Sİ modeli sizin üçün nəyin "yaxşı" olduğunu bilmir. İstədiyiniz formatı açıq şəkildə bildirin: cədvəl, siyahı, başlıqlı bölmələr, JSON, markdown, sadə paraqraf — hansı formanı istəyirsinizsə, deyin.
📐 Format Nümunələri
📊 "Cədvəl şəklində göstər: üst sütunlar A, B, C olsun."
📝 "Hər bölmənin başlığı H2 kimi formatla, altında maksimum 3 abzas olsun."
🔢 "5 maddəlik nöqtəli siyahı ver, hər maddə bir cümlə olsun."
💻 "JSON formatında ver: {ad, qiymət, kateqoriya} sahələri ilə."
🗣️ "Texniki dil işlətmə. 12 yaşlı uşağa izah edirmiş kimi yaz."
Peşəkar prompt engineerlərin ən böyük sirri budur: onlar da ilk promptda mükəmməl nəticə almır. Fərq ondadır ki, onlar ilk nəticəni başlanğıc nöqtəsi kimi görür və üzərindən davam edir. Bu yanaşmaya iterative prompting deyilir.
🔄 Iterative Prompting: Real Axış
Addım 1: İlk promptu yazın → nəticəni alın
Addım 2: "Bu hissəni daha ətraflı açıqla" → dərinləşdirin
Addım 3: "Tonu daha rəsmi et" → tonunu tənzimləyin
Addım 4: "3-cü maddəni bizim bazarımıza uyğunlaşdır" → fərdiləşdirin
Addım 5: "Bütünü yenidən yaz, daha qısa versiyasını ver" → finallaşdırın
Unutmayın: Sİ modeli ilə söhbət bir "bir-dəfəlik sorğu" deyil, əməkdaşlıq prosesidir.
Yuxarıdakı 7 əsas qaydanı mənimsədikdən sonra bu əlavə texnikalar nəticəni bir pillə daha yüksəldə bilər.
⚡ Əlavə Texnikalar
🎭 Persona Laylaması: "Sən həm marketoloq, həm də psixoloq kimi düşün — hər iki perspektivdən analiz et."
🔁 Özünü Yoxlama: "Cavabını verdikdən sonra hansı nöqtəni atladığını özün qiymətləndir."
🎯 Əks Prompt: "Bu məqaləyə qarşı ən güclü arqumenti yaz." → sonra həmin arqumentlə öz məqaləni gücləndirin.
📏 Token Limiti: "Cavabın maksimum 150 söz olsun" demək modeli daha dəqiq ifadə seçiminə məcbur edir.
🧪 A/B Test: Eyni tapşırıq üçün 2 fərqli prompt yazın, nəticələri müqayisə edin — daha yaxşısını saxlayın.
Qaydaları öyrənmək qədər nəyi etmədiyinizi bilmək də vacibdir. Prompt yazarkən bu tuzaqlardan qaçın.
🚨 Ən Yaygın Prompt Səhvləri
⛔ Çox geniş sual: "Biznesim haqqında nəsə yaz" → model nəyi bilir ki yazsın?
⛔ Eyni söhbətdə fərqli mövzular: Model əvvəlki kontekstə qarışır, fokus itirilir.
⛔ İlk cavabı qəbul etmək: "Yaxşı deyil" deyib söhbəti bağlamaq — düzəltmək daha faydalıdır.
⛔ Xəstəhallanma: Hər cavaba "Çox gözəl, əla etdin!" demək modelin davranışını deyil, sizdəki vərdişi dəyişdirir.
⛔ Faktları yoxlamamaq: Xüsusilə rəqəmlər, tarixlər, adlar — modeli həmişə ikinci mənbə kimi görün.
Prompt Engineering-i öyrənmək üçün proqramlaşdırma bilmək lazımdır?
Xeyr. Əsas prompt engineering texnikaları — bu məqalədəki 7 qayda daxil — heç bir texniki bilik tələb etmir. Siz sadəcə ChatGPT, Claude və ya Gemini interfeysinə daxil olub yazmağı bilirsinizsə, başlaya bilərsiniz. Daha irəli səviyyəli "sistem promptu" yazmaq, API inteqrasiyası kimi sahələr üçün isə müəyyən texniki kontekst faydalıdır.
ChatGPT, Claude, Gemini üçün ayrı promptlar yazmaq lazımdır?
Prinsipcə bu məqalədəki qaydalar bütün böyük dil modelləri üçün keçərlidir. Lakin hər modelin güclü tərəfləri fərqlidir: Claude uzun sənəd təhlilində, ChatGPT ümumi yaradıcılıq tapşırıqlarında, Gemini isə Google xidmətləri ilə inteqrasiyada nisbətən öndədir. Vakansiyalara görə seçim etmək daha ağıllıdır.
Model "hallüsinasiya" edirsə — yəni yanlış məlumat verirsə — nə etmək lazımdır?
Hallüsinasiya — modelin qondarma, lakin inandırıcı görünən məlumat verməsi — bütün dil modellərinin real problemidir. Buna qarşı ən effektiv üsul: "Əmin olmadığın hallarda bunu açıq bildir" kimi bir təlimat əlavə etmək, rəqəm və faktları həmişə müstəqil mənbədən yoxlamaq, modeli "məlumat mənbəyi" kimi deyil, "düşüncə ortağı" kimi görmək.
Daha uzun prompt həmişə daha yaxşı nəticə verir?
Mütləq deyil. Uzun prompt daha çox kontekst verir, lakin lazımsız məlumat da modeli çaşdıra bilər. Optimal yanaşma: zəruri konteksti verin, qeyri-zəruri olanı buraxın. "Daha çox detalı" "daha dəqiq detalı" ilə qarışdırmayın — keyfiyyət, kəmiyyətdən üstündür.
Azərbaycan dilində prompt yazmaq Azərbaycanlı istifadəçiləri üçün daha yaxşı nəticə verir?
Bu, mövzuya və modelə bağlıdır. Ümumi dünyəvi mövzularda (texnologiya, biznes, elm) ingilis dilindəki promptlar daha zəngin nəticə verir — çünki modellər əsasən ingilis dilindəki məlumatla hazırlanıb. Azərbaycanın yerli kontekstini — Bakı bazarı, lokal qanunlar, milli mədəniyyət — tələb edən mövzularda isə Azərbaycan dilindəki prompt daha uyğun cavab çıxara bilir.