B\u00fcy\u00fck Dil Modelleri (LLM’ler), yaz\u0131l\u0131m geli\u015ftirme d\u00fcnyas\u0131nda bir devrim yarat\u0131yor. Ancak, bu g\u00fc\u00e7l\u00fc ara\u00e7lar\u0131 \u00fcretim ortam\u0131nda g\u00fcvenilir bir \u015fekilde kullanmak, tahmin edildi\u011fi kadar kolay de\u011fil. LLM’lerin serbest formdaki, yarat\u0131c\u0131 ve bazen de tutars\u0131z \u00e7\u0131kt\u0131lar\u0131, uygulamalar\u0131m\u0131z\u0131n beklenmedik davran\u0131\u015flar sergilemesine neden olabilir. \u0130\u015fte tam da bu noktada “Schema-First Prompt Engineering” yakla\u015f\u0131m\u0131 devreye giriyor ve \u00f6zellikle Gemini gibi modellerin sundu\u011fu yeteneklerle, \u00fcretim uygulamalar\u0131n\u0131z\u0131 kurtaracak kritik bir ders sunuyor.<\/p>\n
LLM’ler, metin \u00fcretme, \u00f6zetleme, \u00e7eviri gibi bir\u00e7ok g\u00f6revde inan\u0131lmaz yeteneklere sahip. Ancak, bu modellerin \u00e7\u0131kt\u0131lar\u0131n\u0131n do\u011fas\u0131 gere\u011fi de\u011fi\u015fken olmas\u0131, onlar\u0131 do\u011frudan bir API \u00e7\u0131kt\u0131s\u0131 gibi kullanmay\u0131 zorla\u015ft\u0131r\u0131yor. Bir uygulaman\u0131n, bir LLM’den her zaman belirli bir formatta, belirli alanlara sahip bir yan\u0131t almas\u0131n\u0131 beklemek, genellikle hayal k\u0131r\u0131kl\u0131\u011f\u0131yla sonu\u00e7lan\u0131r. Bu durum, \u00f6zellikle kullan\u0131c\u0131 deneyiminin ve sistem entegrasyonunun kritik oldu\u011fu \u00fcretim ortamlar\u0131nda b\u00fcy\u00fck sorunlara yol a\u00e7abilir.<\/p>\n
LLM’ler, ayn\u0131 prompt’a farkl\u0131 zamanlarda veya farkl\u0131 s\u0131cakl\u0131k (temperature) ayarlar\u0131yla bamba\u015fka yan\u0131tlar verebilir. Bu de\u011fi\u015fkenlik, bir JSON nesnesi beklerken d\u00fcz metin almak, beklenen alanlardan birinin eksik olmas\u0131 veya veri tiplerinin uyu\u015fmamas\u0131 gibi sorunlara yol a\u00e7ar. Bu t\u00fcr tutars\u0131zl\u0131klar, downstream sistemlerin hata vermesine veya yanl\u0131\u015f kararlar almas\u0131na neden olabilir.<\/p>\n
Geleneksel prompt m\u00fchendisli\u011fi genellikle do\u011fal dil talimatlar\u0131na odaklan\u0131r: “Bana X hakk\u0131nda bir \u00f6zet ver,” “Bu metni Y diline \u00e7evir.” Bu yakla\u015f\u0131mlar, insan-LLM etkile\u015fimi i\u00e7in harika olsa da, makine-makine entegrasyonunda yetersiz kal\u0131r. “Bana bir JSON \u00e7\u0131kt\u0131s\u0131 ver” demek bile, modelin her zaman ge\u00e7erli ve beklenen \u015femaya uygun bir JSON d\u00f6nd\u00fcrece\u011fini garanti etmez.<\/p>\n
\u00dcretim uygulamalar\u0131nda otomasyon ve g\u00fcvenilirlik esast\u0131r. Bir LLM \u00e7\u0131kt\u0131s\u0131n\u0131 manuel olarak kontrol etmek veya karma\u015f\u0131k regex’lerle ayr\u0131\u015ft\u0131rmaya \u00e7al\u0131\u015fmak s\u00fcrd\u00fcr\u00fclebilir de\u011fildir. Uygulamalar\u0131m\u0131z\u0131n, LLM’den ald\u0131\u011f\u0131 veriyi do\u011frudan i\u015fleyebilmesi, veritaban\u0131na kaydedebilmesi veya ba\u015fka bir servise iletebilmesi i\u00e7in \u00e7\u0131kt\u0131n\u0131n \u00f6ng\u00f6r\u00fclebilir, yap\u0131sal ve do\u011frulanabilir olmas\u0131 gerekir. \u0130\u015fte burada schema-first yakla\u015f\u0131m\u0131n\u0131n \u00f6nemi ortaya \u00e7\u0131kar.<\/p>\n
Schema-First Prompt Engineering, LLM’den beklenen \u00e7\u0131kt\u0131n\u0131n yap\u0131s\u0131n\u0131 (\u015femas\u0131n\u0131) \u00f6nceden, a\u00e7\u0131k ve makine taraf\u0131ndan okunabilir bir formatta (genellikle JSON Schema) tan\u0131mlayarak prompt’u bu \u015femaya g\u00f6re olu\u015fturma prati\u011fidir. Bu yakla\u015f\u0131m, LLM’ye sadece ne istedi\u011fimizi de\u011fil, ayn\u0131 zamanda *nas\u0131l* istedi\u011fimizi de net bir \u015fekilde belirtmemizi sa\u011flar.<\/p>\n
Veri \u015femas\u0131, bir veri yap\u0131s\u0131n\u0131n plan\u0131 gibidir. Hangi alanlar\u0131n olmas\u0131 gerekti\u011fini, bu alanlar\u0131n veri tiplerini (string, number, boolean vb.), minimum\/maksimum uzunluklar\u0131, olas\u0131 de\u011fer listelerini ve zorunluluklar\u0131n\u0131 tan\u0131mlar. Schema-First yakla\u015f\u0131m\u0131nda, bu \u015fema, LLM’ye verilen talimatlar\u0131n ayr\u0131lmaz bir par\u00e7as\u0131 haline gelir. Model, bu \u015femaya uygun bir \u00e7\u0131kt\u0131 \u00fcretmek \u00fczere y\u00f6nlendirilir.<\/p>\n
Yap\u0131land\u0131r\u0131lm\u0131\u015f \u00e7\u0131kt\u0131, LLM’lerin yeteneklerini \u00fcretim sistemlerine entegre etmenin anahtar\u0131d\u0131r. Bir uygulaman\u0131n, bir LLM’den gelen yan\u0131t\u0131 do\u011frudan ayr\u0131\u015ft\u0131rabilmesi, do\u011frulu\u011funu kontrol edebilmesi ve i\u015f ak\u0131\u015f\u0131na dahil edebilmesi i\u00e7in bu yap\u0131land\u0131rma \u015fartt\u0131r. Bu sayede, LLM’ler sadece yarat\u0131c\u0131 metin \u00fcreticileri olmaktan \u00e7\u0131k\u0131p, veri i\u015fleme ve karar alma s\u00fcre\u00e7lerinin g\u00fcvenilir bir par\u00e7as\u0131 haline gelir.<\/p>\n
Schema-First yakla\u015f\u0131m\u0131 sadece \u00e7\u0131kt\u0131y\u0131 de\u011fil, bazen giri\u015fi de yap\u0131land\u0131rmay\u0131 i\u00e7erebilir. \u00d6zellikle karma\u015f\u0131k sorgularda veya birden fazla parametre gerektiren durumlarda, giri\u015fin de belirli bir \u015femaya g\u00f6re d\u00fczenlenmesi, LLM’nin prompt’u daha iyi anlamas\u0131na yard\u0131mc\u0131 olabilir. Ancak, as\u0131l odak noktas\u0131, LLM’den beklenen *\u00e7\u0131kt\u0131* \u015femas\u0131d\u0131r. Bu \u015fema, modelin “hayal g\u00fcc\u00fcn\u00fc” belirli s\u0131n\u0131rlar i\u00e7ine alarak, i\u015flevsel ve kullan\u0131labilir bir \u00e7\u0131kt\u0131 \u00fcretmesini sa\u011flar.<\/p>\n
Google’\u0131n Gemini modelleri, \u00f6zellikle yap\u0131sal \u00e7\u0131kt\u0131 yetenekleri konusunda di\u011fer LLM’lerden ayr\u0131\u015fan \u00f6nemli \u00f6zellikler sunar. Bu yetenekler, Schema-First Prompt Engineering’i sadece bir teori olmaktan \u00e7\u0131kar\u0131p, pratik ve son derece etkili bir strateji haline getirir.<\/p>\n
Gemini’nin en g\u00fc\u00e7l\u00fc \u00f6zelliklerinden biri, bir kullan\u0131c\u0131n\u0131n iste\u011fine yan\u0131t olarak belirli bir fonksiyonu \u00e7a\u011f\u0131rmak i\u00e7in gerekli arg\u00fcmanlar\u0131 JSON format\u0131nda \u00fcretebilmesidir. Bu, LLM’in bir eylem plan\u0131 \u00f6nermesini ve bu eylemi ger\u00e7ekle\u015ftirmek i\u00e7in gereken verileri yap\u0131land\u0131r\u0131lm\u0131\u015f bir \u015fekilde sa\u011flamas\u0131n\u0131 sa\u011flar. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n “Bana \u0130stanbul’daki hava durumunu s\u00f6yle” demesi \u00fczerine Gemini, Gemini’nin bir di\u011fer kritik \u00f6zelli\u011fi ise “JSON modu”dur. Bu mod etkinle\u015ftirildi\u011finde, modelin \u00e7\u0131kt\u0131s\u0131 her zaman ge\u00e7erli bir JSON nesnesi olmak zorundad\u0131r. Bu, modelin serbest form metin \u00fcretme e\u011filimini k\u0131s\u0131tlayarak, uygulaman\u0131z\u0131n bekledi\u011fi formatta bir yan\u0131t almas\u0131n\u0131 b\u00fcy\u00fck \u00f6l\u00e7\u00fcde garanti eder. Ayr\u0131ca, Gemini API’sinde belirli bir JSON \u015femas\u0131n\u0131 do\u011frudan modele ileterek, modelin \u00e7\u0131kt\u0131s\u0131n\u0131 bu \u015femaya uydurmas\u0131n\u0131 talep edebilirsiniz. Bu, Schema-First yakla\u015f\u0131m\u0131n\u0131n do\u011frudan bir uygulamas\u0131d\u0131r.<\/p>\n Gemini’nin bu yap\u0131sal yetenekleri sayesinde, \u00fcretim ortam\u0131nda LLM entegrasyonlar\u0131n\u0131n g\u00fcvenilirli\u011fi katlanarak artar. Uygulaman\u0131z, LLM’den her zaman parse edilebilir bir JSON alaca\u011f\u0131n\u0131 bildi\u011fi i\u00e7in, hata y\u00f6netimi basitle\u015fir ve i\u015f ak\u0131\u015flar\u0131 daha sorunsuz hale gelir. Bu, \u00f6zellikle kritik i\u015f s\u00fcre\u00e7lerinde LLM’leri kullan\u0131rken paha bi\u00e7ilmez bir avantaj sa\u011flar.<\/p>\n Schema-First Prompt Engineering’i uygulamak, belirli bir metodoloji izlemeyi gerektirir. \u0130\u015fte bu s\u00fcreci ad\u0131m ad\u0131m nas\u0131l uygulayabilece\u011finize dair bir rehber:<\/p>\n \u0130lk ad\u0131m, LLM’den ne t\u00fcr bir bilgi bekledi\u011finizi ve bu bilginin hangi yap\u0131ya sahip olmas\u0131 gerekti\u011fini netle\u015ftirmektir. \u00d6rne\u011fin, bir \u00fcr\u00fcn de\u011ferlendirme sistemi i\u00e7in \u00fcr\u00fcn ad\u0131, puan, yorum metni ve yazar gibi alanlara ihtiyac\u0131n\u0131z olabilir. Bu alanlar\u0131 ve veri tiplerini kullanarak bir JSON Schema tan\u0131mlay\u0131n.<\/p>\n <\/code><\/p>\n \u015eemay\u0131 tan\u0131mlad\u0131ktan sonra, LLM'ye bu \u015femaya uygun bir \u00e7\u0131kt\u0131 \u00fcretmesi talimat\u0131n\u0131 veren bir prompt olu\u015fturun. Prompt'unuzda \u015femay\u0131 a\u00e7\u0131k\u00e7a belirtin ve modelden bu \u015femaya tam olarak uymas\u0131n\u0131 isteyin. Gemini gibi modellerde, API \u00e7a\u011fr\u0131n\u0131zda do\u011frudan \u015femay\u0131 iletme se\u00e7ene\u011finiz olabilir.<\/p>\n <\/code><\/p>\n LLM'den gelen \u00e7\u0131kt\u0131y\u0131 ald\u0131ktan sonra, uygulaman\u0131z\u0131n bu \u00e7\u0131kt\u0131y\u0131 tan\u0131mlad\u0131\u011f\u0131n\u0131z \u015femaya g\u00f6re do\u011frulamas\u0131n\u0131 sa\u011flay\u0131n. <\/code><\/p>\n Her m\u00fchendislik yakla\u015f\u0131m\u0131nda oldu\u011fu gibi, Schema-First Prompt Engineering'in de kendine \u00f6zg\u00fc avantajlar\u0131 ve potansiyel zorluklar\u0131 vard\u0131r.<\/p>\n En b\u00fcy\u00fck avantaj\u0131, LLM \u00e7\u0131kt\u0131lar\u0131n\u0131n \u00f6ng\u00f6r\u00fclebilir ve g\u00fcvenilir olmas\u0131d\u0131r. Bu, uygulaman\u0131z\u0131n daha az hata yapmas\u0131n\u0131, daha istikrarl\u0131 \u00e7al\u0131\u015fmas\u0131n\u0131 ve di\u011fer sistemlerle daha kolay entegre olmas\u0131n\u0131 sa\u011flar. Veri d\u00f6n\u00fc\u015f\u00fcm\u00fc ve ayr\u0131\u015ft\u0131rma maliyetleri \u00f6nemli \u00f6l\u00e7\u00fcde azal\u0131r.<\/p>\n \u015eema tan\u0131mlama, geli\u015ftirme s\u00fcrecinin ba\u015f\u0131nda beklentileri netle\u015ftirdi\u011fi i\u00e7in, LLM entegrasyonuyla ilgili belirsizlikleri azalt\u0131r. Geli\u015ftiriciler, LLM'den ne bekleyeceklerini bildikleri i\u00e7in daha h\u0131zl\u0131 ve daha g\u00fcvenli kod yazabilirler. Test s\u00fcre\u00e7leri de kolayla\u015f\u0131r, \u00e7\u00fcnk\u00fc belirli bir \u015femaya uygunluk test edilebilir bir kriter haline gelir.<\/p>\n Schema-First yakla\u015f\u0131m\u0131n\u0131n ilk kurulum maliyeti, geleneksel prompt'lara g\u00f6re daha y\u00fcksek olabilir. \u015eema tan\u0131mlama, prompt'u \u015femaya g\u00f6re optimize etme ve \u00e7\u0131kt\u0131 do\u011frulama mekanizmalar\u0131n\u0131 kurma zaman ve efor gerektirir. Ayr\u0131ca, JSON Schema gibi ara\u00e7lara a\u015fina olmayan ekipler i\u00e7in bir \u00f6\u011frenme e\u011frisi s\u00f6z konusu olabilir. Ancak, bu ba\u015flang\u0131\u00e7 maliyeti, \u00fcretim ortam\u0131nda kazan\u0131lan g\u00fcvenilirlik ve uzun vadeli bak\u0131m kolayl\u0131\u011f\u0131 ile fazlas\u0131yla telafi edilir.<\/p>\n Schema-First Prompt Engineering'den en iyi \u015fekilde yararlanmak i\u00e7in baz\u0131 en iyi uygulamalar\u0131 takip etmek \u00f6nemlidir.<\/p>\n \u015eemalar\u0131n\u0131z\u0131 m\u00fcmk\u00fcn oldu\u011funca a\u00e7\u0131k ve detayl\u0131 bir \u015fekilde tan\u0131mlay\u0131n. Her alan\u0131n amac\u0131n\u0131, beklenen veri tipini, k\u0131s\u0131tlamalar\u0131n\u0131 (min\/max de\u011ferler, regex desenleri) ve \u00f6rneklerini belirtin. Unutmay\u0131n, \u015fema hem sizin hem de LLM i\u00e7in bir s\u00f6zle\u015fmedir.<\/p>\n Uygulaman\u0131z geli\u015ftik\u00e7e \u015femalar\u0131n\u0131z da de\u011fi\u015febilir. \u015eemalar\u0131n\u0131z\u0131 versiyonlamak, geriye d\u00f6n\u00fck uyumlulu\u011fu y\u00f6netmek ve farkl\u0131 API s\u00fcr\u00fcmleri aras\u0131nda ge\u00e7i\u015f yapmay\u0131 kolayla\u015ft\u0131rmak i\u00e7in kritik \u00f6neme sahiptir. \u015eema de\u011fi\u015fikliklerini dikkatlice y\u00f6netin ve test edin.<\/p>\n Prompt'unuzu ve \u015feman\u0131z\u0131 tan\u0131mlad\u0131ktan sonra, LLM'nin \u00e7\u0131kt\u0131s\u0131n\u0131 s\u00fcrekli olarak test edin. Farkl\u0131 senaryolar\u0131 deneyin ve modelin \u015femaya ne kadar iyi uydu\u011funu g\u00f6zlemleyin. Geri bildirimleri kullanarak prompt'unuzu veya \u015feman\u0131z\u0131 iyile\u015ftirin. Gemini gibi modellerde, API'nin hata mesajlar\u0131 da prompt'u optimize etmenize yard\u0131mc\u0131 olabilir.<\/p>\n Schema-First Prompt Engineering, B\u00fcy\u00fck Dil Modellerini \u00fcretim uygulamalar\u0131na entegre ederken kar\u015f\u0131la\u015f\u0131lan en b\u00fcy\u00fck zorluklardan biri olan \u00e7\u0131kt\u0131 g\u00fcvenilmezli\u011fi sorununa g\u00fc\u00e7l\u00fc ve zarif bir \u00e7\u00f6z\u00fcm sunar. Gemini gibi modellerin geli\u015fmi\u015f yap\u0131sal \u00e7\u0131kt\u0131 yetenekleriyle birle\u015fti\u011finde, bu yakla\u015f\u0131m, LLM'leri sadece \"oyuncak\" olmaktan \u00e7\u0131kar\u0131p, i\u015f s\u00fcre\u00e7lerinizin ayr\u0131lmaz, g\u00fcvenilir ve otomatize edilebilir bir par\u00e7as\u0131 haline getirir. \u0130lk kurulum maliyetine ra\u011fmen, uzun vadede sa\u011flad\u0131\u011f\u0131 g\u00fcvenilirlik, bak\u0131m kolayl\u0131\u011f\u0131 ve geli\u015ftirme verimlili\u011fi ile Schema-First Prompt Engineering, modern LLM tabanl\u0131 uygulamalar i\u00e7in vazge\u00e7ilmez bir stratejidir. \u00dcretim uygulamalar\u0131n\u0131z\u0131n gelece\u011fini kurtarmak istiyorsan\u0131z, bu dersi g\u00f6z ard\u0131 etmeyin.<\/p>\n Evet, temel prensipler her LLM ile uygulanabilir. Ancak, Gemini gibi modellerin JSON modu veya fonksiyon \u00e7a\u011f\u0131rma gibi yerle\u015fik yap\u0131sal \u00e7\u0131kt\u0131 yetenekleri, bu yakla\u015f\u0131m\u0131 \u00e7ok daha etkili ve kolay hale getirir. Di\u011fer modellerde, \u015femay\u0131 prompt metnine daha detayl\u0131 bir \u015fekilde dahil etmeniz ve \u00e7\u0131kt\u0131 ayr\u0131\u015ft\u0131rma\/do\u011frulama ad\u0131mlar\u0131n\u0131 daha sa\u011flam hale getirmeniz gerekebilir.<\/p>\n Hay\u0131r, zorunlu de\u011fil ancak \u015fiddetle tavsiye edilir. JSON Schema, veri yap\u0131lar\u0131n\u0131 standart, makine taraf\u0131ndan okunabilir ve do\u011frulanabilir bir \u015fekilde tan\u0131mlamak i\u00e7in end\u00fcstri standard\u0131 bir ara\u00e7t\u0131r. Bu, \u015fema y\u00f6netimini, do\u011frulamas\u0131n\u0131 ve farkl\u0131 sistemler aras\u0131nda payla\u015f\u0131m\u0131n\u0131 kolayla\u015ft\u0131r\u0131r. Basit durumlar i\u00e7in sadece prompt i\u00e7inde metinsel olarak \u015fema tan\u0131mlar\u0131 da kullan\u0131labilir.<\/p>\n \u015eema de\u011fi\u015fiklikleri dikkatli y\u00f6netilmelidir. Minor de\u011fi\u015fiklikler (\u00f6rn. yeni iste\u011fe ba\u011fl\u0131 alan ekleme) genellikle geriye d\u00f6n\u00fck uyumlulu\u011fu bozmaz. Ancak major de\u011fi\u015fiklikler (\u00f6rn. mevcut alan ad\u0131n\u0131 de\u011fi\u015ftirme, veri tipini de\u011fi\u015ftirme, zorunlu hale getirme) geriye d\u00f6n\u00fck uyumlulu\u011fu bozabilir. Bu durumda, \u015femay\u0131 versiyonlamak ve uygulaman\u0131z\u0131n eski veya yeni \u015femay\u0131 i\u015fleyebilecek \u015fekilde g\u00fcncellendi\u011finden emin olmak \u00f6nemlidir.<\/p>\n \u015eema tan\u0131mlama ve do\u011frulama ad\u0131mlar\u0131 ek bir i\u015flem y\u00fck\u00fc getirse de, bu genellikle \u00e7ok d\u00fc\u015f\u00fckt\u00fcr ve LLM \u00e7a\u011fr\u0131s\u0131n\u0131n kendisinin gecikmesi yan\u0131nda ihmal edilebilir. Aksine, \u00e7\u0131kt\u0131 g\u00fcvenilirli\u011fini art\u0131rarak hatalardan kaynaklanan yeniden denemeleri veya manuel m\u00fcdahaleleri azaltarak genel sistem performans\u0131na ve verimlili\u011fine olumlu katk\u0131da bulunur.<\/p>\n","protected":false},"excerpt":{"rendered":"Schema-First Prompt Engineering: Gemini Dersleriyle \u00dcretim Uygulamalar\u0131n\u0131z\u0131 Kurtar\u0131n\nB\u00fcy\u00fck Dil Modelleri (LLM’ler), yaz\u0131l\u0131m geli\u015ftirme d\u00fcnyas\u0131nd…","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-39295","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\nget_weather(city=\"\u0130stanbul\")<\/code> gibi bir fonksiyon \u00e7a\u011fr\u0131s\u0131 JSON’\u0131 \u00fcretebilir. Bu, LLM’in bir “ara\u00e7” olarak kullan\u0131labilece\u011fi senaryolar i\u00e7in m\u00fckemmeldir.<\/p>\nJSON Modu ve Do\u011frudan \u015eema Uygulamas\u0131<\/h4>\n
\u00dcretim Ortam\u0131nda G\u00fcvenilirlik Art\u0131\u015f\u0131<\/h4>\n
Ad\u0131m Ad\u0131m Schema-First Uygulamas\u0131<\/h3>\n
\u0130htiya\u00e7 Analizi ve \u015eema Tan\u0131mlama<\/h4>\n
{\n \"$schema\": \"http:\/\/json-schema.org\/draft-07\/schema#\",\n \"title\": \"\u00dcr\u00fcn De\u011ferlendirmesi\",\n \"description\": \"Bir \u00fcr\u00fcn i\u00e7in kullan\u0131c\u0131 de\u011ferlendirmesi\",\n \"type\": \"object\",\n \"required\": [\"urunAdi\", \"puan\", \"yorum\"],\n \"properties\": {\n \"urunAdi\": {\n \"type\": \"string\",\n \"description\": \"De\u011ferlendirilen \u00fcr\u00fcn\u00fcn ad\u0131.\"\n },\n \"puan\": {\n \"type\": \"integer\",\n \"description\": \"\u00dcr\u00fcne verilen puan (1-5 aras\u0131).\",\n \"minimum\": 1,\n \"maximum\": 5\n },\n \"yorum\": {\n \"type\": \"string\",\n \"description\": \"Kullan\u0131c\u0131n\u0131n \u00fcr\u00fcn hakk\u0131ndaki yorumu.\"\n },\n \"yazar\": {\n \"type\": \"string\",\n \"description\": \"De\u011ferlendirmeyi yapan ki\u015finin ad\u0131 (iste\u011fe ba\u011fl\u0131).\",\n \"default\": \"Anonim\"\n }\n }\n}<\/pre>\nPrompt'u \u015eemaya G\u00f6re Haz\u0131rlama<\/h4>\n
\"A\u015fa\u011f\u0131daki metni analiz et ve bir \u00fcr\u00fcn de\u011ferlendirmesi \u00e7\u0131kar. \u00c7\u0131kt\u0131y\u0131 a\u015fa\u011f\u0131daki JSON \u015femas\u0131na uygun olarak formatla. Yorum metni ne kadar uzun olursa olsun, tamam\u0131n\u0131 'yorum' alan\u0131na ekle. Puan 1 ile 5 aras\u0131nda olmal\u0131d\u0131r.\n\nMetin: 'Bu X marka kahve makinesi hayat\u0131m\u0131 de\u011fi\u015ftirdi! Kahvelerim hi\u00e7 bu kadar lezzetli olmam\u0131\u015ft\u0131. Kurulumu \u00e7ok kolayd\u0131 ve tasar\u0131m\u0131 da mutfa\u011f\u0131ma \u00e7ok yak\u0131\u015ft\u0131. Kesinlikle 5 y\u0131ld\u0131z\u0131 hak ediyor. Yorumu yazan: Ay\u015fe Y\u0131lmaz'\n\nJSON \u015eemas\u0131:\n{\n \\\"$schema\\\": \\\"http:\/\/json-schema.org\/draft-07\/schema#\\\",\n \\\"title\\\": \\\"\u00dcr\u00fcn De\u011ferlendirmesi\\\",\n \\\"description\\\": \\\"Bir \u00fcr\u00fcn i\u00e7in kullan\u0131c\u0131 de\u011ferlendirmesi\\\",\n \\\"type\\\": \\\"object\\\",\n \\\"required\\\": [\\\"urunAdi\\\", \\\"puan\\\", \\\"yorum\\\"],\n \\\"properties\\\": {\n \\\"urunAdi\\\": {\n \\\"type\\\": \\\"string\\\",\n \\\"description\\\": \\\"De\u011ferlendirilen \u00fcr\u00fcn\u00fcn ad\u0131.\\\"\n },\n \\\"puan\\\": {\n \\\"type\\\": \\\"integer\\\",\n \\\"description\\\": \\\"\u00dcr\u00fcne verilen puan (1-5 aras\u0131).\\\",\n \\\"minimum\\\": 1,\n \\\"maximum\\\": 5\n },\n \\\"yorum\\\": {\n \\\"type\\\": \\\"string\\\",\n \\\"description\\\": \\\"Kullan\u0131c\u0131n\u0131n \u00fcr\u00fcn hakk\u0131ndaki yorumu.\\\"\n },\n \\\"yazar\\\": {\n \\\"type\\\": \\\"string\\\",\n \\\"description\\\": \\\"De\u011ferlendirmeyi yapan ki\u015finin ad\u0131 (iste\u011fe ba\u011fl\u0131).\\\",\n \\\"default\\\": \\\"Anonim\\\"\n }\n }\n}\"<\/pre>\n\u00c7\u0131kt\u0131y\u0131 Do\u011frulama ve Hata Y\u00f6netimi<\/h4>\n
jsonschema<\/code> gibi k\u00fct\u00fcphaneler bu do\u011frulama i\u015flemini kolayla\u015ft\u0131r\u0131r. E\u011fer \u00e7\u0131kt\u0131 \u015femaya uymuyorsa, uygun bir hata y\u00f6netimi stratejisi uygulay\u0131n (\u00f6rne\u011fin, yeniden deneme, varsay\u0131lan de\u011fer kullanma veya hata kayd\u0131 tutma).<\/p>\nimport json\nfrom jsonschema import validate, ValidationError\n\n# LLM'den gelen varsay\u0131msal \u00e7\u0131kt\u0131\nllm_output_str = \"\"\"\n{\n \"urunAdi\": \"X Marka Kahve Makinesi\",\n \"puan\": 5,\n \"yorum\": \"Bu X marka kahve makinesi hayat\u0131m\u0131 de\u011fi\u015ftirdi! Kahvelerim hi\u00e7 bu kadar lezzetli olmam\u0131\u015ft\u0131. Kurulumu \u00e7ok kolayd\u0131 ve tasar\u0131m\u0131 da mutfa\u011f\u0131ma \u00e7ok yak\u0131\u015ft\u0131. Kesinlikle 5 y\u0131ld\u0131z\u0131 hak ediyor.\",\n \"yazar\": \"Ay\u015fe Y\u0131lmaz\"\n}\n\"\"\"\n\nllm_output = json.loads(llm_output_str)\n\n# Daha \u00f6nce tan\u0131mlad\u0131\u011f\u0131m\u0131z \u015fema\nschema = {\n \"$schema\": \"http:\/\/json-schema.org\/draft-07\/schema#\",\n \"title\": \"\u00dcr\u00fcn De\u011ferlendirmesi\",\n \"description\": \"Bir \u00fcr\u00fcn i\u00e7in kullan\u0131c\u0131 de\u011ferlendirmesi\",\n \"type\": \"object\",\n \"required\": [\"urunAdi\", \"puan\", \"yorum\"],\n \"properties\": {\n \"urunAdi\": {\n \"type\": \"string\",\n \"description\": \"De\u011ferlendirilen \u00fcr\u00fcn\u00fcn ad\u0131.\"\n },\n \"puan\": {\n \"type\": \"integer\",\n \"description\": \"\u00dcr\u00fcne verilen puan (1-5 aras\u0131).\",\n \"minimum\": 1,\n \"maximum\": 5\n },\n \"yorum\": {\n \"type\": \"string\",\n \"description\": \"Kullan\u0131c\u0131n\u0131n \u00fcr\u00fcn hakk\u0131ndaki yorumu.\"\n },\n \"yazar\": {\n \"type\": \"string\",\n \"description\": \"De\u011ferlendirmeyi yapan ki\u015finin ad\u0131 (iste\u011fe ba\u011fl\u0131).\",\n \"default\": \"Anonim\"\n }\n }\n}\n\ntry:\n validate(instance=llm_output, schema=schema)\n print(\"LLM \u00e7\u0131kt\u0131s\u0131 \u015femaya uygun ve ge\u00e7erli.\")\n # Burada \u00e7\u0131kt\u0131y\u0131 g\u00fcvenle i\u015fleyebilirsiniz\n print(f\"\u00dcr\u00fcn Ad\u0131: {llm_output['urunAdi']}, Puan: {llm_output['puan']}\")\nexcept ValidationError as e:\n print(f\"LLM \u00e7\u0131kt\u0131s\u0131 \u015femaya uymuyor: {e.message}\")\n # Hata durumunu y\u00f6netin\nexcept json.JSONDecodeError:\n print(\"LLM \u00e7\u0131kt\u0131s\u0131 ge\u00e7erli bir JSON de\u011fil.\")\n # Hata durumunu y\u00f6netin<\/pre>\nSchema-First Yakla\u015f\u0131m\u0131n\u0131n Avantajlar\u0131 ve Zorluklar\u0131<\/h3>\n
Artan G\u00fcvenilirlik ve Entegrasyon Kolayl\u0131\u011f\u0131<\/h4>\n
Geli\u015ftirme S\u00fcrecinde Verimlilik<\/h4>\n
\u0130lk Kurulum Maliyeti ve \u00d6\u011frenme E\u011frisi<\/h4>\n
En \u0130yi Uygulamalar ve \u0130pu\u00e7lar\u0131<\/h3>\n
A\u00e7\u0131k ve Detayl\u0131 \u015eema Tan\u0131mlar\u0131<\/h4>\n
Versiyonlama ve Bak\u0131m<\/h4>\n
Iteratif Test ve Geri Bildirim D\u00f6ng\u00fcleri<\/h4>\n
Sonu\u00e7<\/h3>\n
SSS (S\u0131k Sorulan Sorular)<\/h3>\n
Schema-First Prompt Engineering her LLM ile \u00e7al\u0131\u015f\u0131r m\u0131?<\/h4>\n
JSON Schema kullanmak zorunlu mu?<\/h4>\n
\u015eema de\u011fi\u015firse ne yapmal\u0131y\u0131m?<\/h4>\n
Bu yakla\u015f\u0131m performans\u0131 etkiler mi?<\/h4>\n