Güvenilir AI Çıktısı için 7 Prompt Kalıbı (Kopyala-Kullan)

Bir otomasyon pipeline'ı kuruyorsunuz, her şey hazır; ama AI düğümü bazen mükemmel, bazen anlamsız çıktı veriyor. Sorunu modelde aramak çok kolay — ama çoğu zaman sorun promptun kendisinde.

Bu yazıda hem manuel araştırma hem de otomasyon akışlarında kullanabileceğiniz 7 prompt kalıbını şablonlarıyla paylaşıyorum. Kalıpların her biri neden işe yaradığını ve nasıl adapt edeceğinizi açıklıyor. Kopyalayın, boşlukları doldurun, deneyin.

---

Kalıp 1 — Rol verme (Persona)

Neden işe yarar: LLM'ler, "sen X uzmansın" gibi bir bağlam aldıklarında cevabı o uzmanlığın kelime dağarcığı ve bakış açısıyla şekillendiriyor. Belirsiz sorulardan kaçınarak yanıtın odaklanmasını sağlıyor.

Sen deneyimli bir [ROL] olarak davranıyorsun.
Hedef kitle: [KİTLE]
Görev: [GÖREV]
Kısıtlama: [VAR İSE KISITLAMA]

Örnek:

Sen B2B SaaS şirketleri için pazarlama stratejileri geliştiren,
10 yıllık deneyimli bir içerik stratejistisin.
Hedef kitle: 5-50 çalışanlı yazılım şirketlerinin pazarlama müdürleri.
Görev: Aşağıdaki blog yazısı başlığı için 5 farklı alt başlık öner.
Başlık: "Otomasyon ile müşteri desteği nasıl ölçeklenir?"

---

Kalıp 2 — Az-örnekli öğrenme (Few-shot)

Neden işe yarar: Modelin ne istediğinizi "tahmin etmesini" beklemek yerine, doğru çıktının nasıl göründüğünü iki-üç örnekle gösteriyorsunuz. Biçim tutarlılığı için ideal.

Aşağıdaki örnekleri incele ve aynı formatta yanıt üret:

Örnek 1:
Girdi: [ÖRNEK_GİRDİ_1]
Çıktı: [ÖRNEK_ÇIKTI_1]

Örnek 2:
Girdi: [ÖRNEK_GİRDİ_2]
Çıktı: [ÖRNEK_ÇIKTI_2]

Şimdi sıra:
Girdi: [GERÇEK_GİRDİ]
Çıktı:

Kullanım alanı: E-posta sınıflandırma, ürün etiketleme, konu-duygu analizi gibi yapılandırılmış kategorizasyon görevleri.

---

Kalıp 3 — Zincirleme akıl yürütme (Chain-of-Thought)

Neden işe yarar: "Adım adım düşün" ifadesi, modelin sonuca atlamak yerine ara adımlarını yazmasını sağlıyor. Özellikle matematik, mantık ve çok adımlı karar problemlerinde hata oranını belirgin şekilde düşürüyor.

Problemi çözmeden önce adım adım düşün. Her adımı numaralı liste olarak yaz,
sonra en altta sadece nihai cevabı ver.

Problem: [PROBLEM]

İpucu: Sonucu otomasyona aktaracaksanız modele "Nihai cevabı şu formatta yaz: CEVAP: [değer]" gibi belirgin bir etiket ekleyin; parse etmek kolaylaşır.

---

Kalıp 4 — JSON'a zorlama

Neden işe yarar: Serbest metin yerine yapılandırılmış JSON çıktısı, bir sonraki düğümde JSON.parse() ya da n8n'deki Code veya Set düğümüyle doğrudan kullanılabilir; regex hacklerine gerek kalmaz.

Aşağıdaki metni analiz et ve YALNIZCA geçerli bir JSON nesnesi döndür.
Başka açıklama, yorum ya da markdown code fence ekleme.

Beklenen şema:
{
  "duygu": "pozitif" | "negatif" | "nötr",
  "güven_skoru": 0.0-1.0,
  "anahtar_konular": ["konu1", "konu2"],
  "özet": "maks 2 cümle"
}

Metin:
"""
[METİN]
"""

n8n'deki kullanım: Bu prompt'u AI/LLM düğümüne koyun, çıktısını Code düğümüyle JSON.parse(items[0].json.text) ile alın; ardından IF veya Switch düğümüyle duygu alanına göre dallandırın.

---

Kalıp 5 — Kısıtlama listesi (Constraints)

Neden işe yarar: Modele "ne yapmasını" söylemek kadar "ne yapmamasını" söylemek de önemlidir. Özellikle pazarlama metni, müşteri desteği yanıtı veya hukuki risk taşıyan içerik üretiminde kritik.

Görevi tamamlarken şu kurallara kesinlikle uy:
- [KISITLAMA_1]
- [KISITLAMA_2]
- [KISITLAMA_3]

Görev: [GÖREV]

Örnek kısıtlamalar:

• Rakip ürünlerin adını kesinlikle kullanma
• Fiyat taahhüdünde bulunma; fiyatlar için müşteriyi satış ekibine yönlendir
• Yanıt 3 cümleyi geçmesin
• Türkçe yaz; teknik terimleri bile Türkçeleştir

---

Kalıp 6 — Kendini kontrol ettirme (Self-check)

Neden işe yarar: Modelin kendi çıktısını bir kontrol listesiyle incelemesini isteyince, tek seferlik bir geçişte gözden kaçan hatalar ikinci turda yakalanıyor. Özellikle fact-check gerektiren içerikler için değerli.

Aşağıdaki taslağı oluşturduktan sonra kendini şu kriterler listesiyle kontrol et
ve gerekirse düzelt. Düzeltilmiş final versiyonu ver.

Kontrol listesi:
[ ] Başlıkta hedef anahtar kelime geçiyor mu?
[ ] Hipotetik veya belirsiz önerme yok mu? ("muhtemelen", "olabilir" gibi)
[ ] Harekete geçirici ifade (CTA) var mı?
[ ] 400 kelimeyi geçiyor mu?

Taslak görevi: [GÖREV]

---

Kalıp 7 — Çıktı formatı belirleme (Output Blueprint)

Neden işe yarar: Modele sadece "bir rapor yaz" demek yerine, istediğiniz belgenin iskeletini vererek boşlukları doldurmasını istiyorsunuz. Çıktı her seferinde tutarlı bir yapıya sahip oluyor.

Aşağıdaki şablonu doldur. Şablonun dışına çıkma; eksik bir bölüm varsa
[VERİ YOK] yaz.

## Özet
[1-2 cümle]

## Temel Bulgular
- [Bulgu 1]
- [Bulgu 2]
- [Bulgu 3]

## Önerilen Sonraki Adım
[Tek, somut eylem]

---
Kaynak metin:
"""
[METİN]
"""

---

Prompt'u otomasyona koymadan önce sağlamlaştırma

Bir prompt'u n8n workflow'una veya bir agent'a gömmeden önce şu kontrolleri yapın:

1. Belirsiz zamir yok: "Bunu yap" değil, tam nesne adı.
2. Örnek verin ya da şema gösterin: Modelin hayal gücüne bırakmayın.
3. Çıktı sınırı koyun: "200 kelimeden az", "sadece JSON", "maksimum 5 madde".
4. Dinamik veriyi açıkça ayırın: Promptun sabit kısmını """ veya --- ile girdiden ayırın; böylece n8n'in Set düğümünden gelen değerleri yerleştirmek kolaylaşır.
5. En az 3 farklı girdiyle test edin: Sınır durumları (boş girdi, çok uzun metin, başka dilde girdi) genellikle üretimde ilk bozulan şeydir.

---

AgentRoost'ta farklı modellerde risksiz deneyin

Bir prompt kalıbını oturttuktan sonra gerçek soru şu: Bu prompt GPT-4o'da mı daha iyi, Claude'da mı, Mistral'da mı?

AgentRoost aboneliğinize AI kredileri dahil — ayrıca bir LLM sağlayıcısında hesap açmanıza ya da API anahtarı almanıza gerek yok. 350'den fazla model arasından dilediğinizi seçip aynı prompt'u karşılaştırabilirsiniz; abonelik ücretinizin dışında ekstra fatura çıkmaz.

n8n kullanıyorsanız: Kendi n8n instance'ınızda (sizin girişiniz, sizin verileriniz) AI düğümlerini açın, model seçiciden başka bir LLM'e geçin, workflow'u çalıştırın. Herhangi bir düğümün system_prompt alanına yukarıdaki kalıplardan birini yapıştırın — faturaya bakmanıza gerek yok.

Hermes veya OpenClaw kullanıyorsanız: Agent konfigürasyonunuzdan modeli değiştirin, Telegram üzerinden aynı soruyu tekrar gönderin; cevapları karşılaştırın.

Başlamak için: Planları karşılaştır ya da doğrudan n8n instance'ı kur.

14 gün içinde memnun kalmazsanız ücret iadesi var — kart bilgisi girerken tereddüt etmeyin.