Bölüm 2 — LLM ve Prompt Engineering¶
Neden bu bölüm?¶
Platformun gerçek başlangıcı burası. Bölüm 0 + 1 zemindi; burada Claude'la konuşmaya başlıyorsun. Python'dan messages.create(...) çağrısı atıyorsun, cevap geliyor, parayı nereden ve ne zaman harcadığını görüyorsun.
Niye 8 sayfa? Çünkü "merhaba Claude" demek ile "Claude'u üretim kalitesinde kullanmak" arasında dağlar var. Sistem prompt olmadan yazılmış chatbot'lar niye çuvallıyor, temperature 0 vs 1 ne demek, few-shot prompting neyi kurtarıyor — hepsi somut örneklerle bu bölümde. 8 sayfa sonunda prompt'u "şiir yazdırmak" gibi değil, "ürünümde istikrarlı üretken modül kurmak" gibi düşünüyor olacaksın.
Üçüncüsü: Anthropic'in en güçlü olduğu alan prompt engineering. docs.claude.com'un en dolu bölümü prompting; courses repo'sunun en uzun notebook'u prompt engineering tutorial. Bu bölüm onların üstüne Türkçe bir rampa kurar — kendi kaynaklarına gittiğinde yabancılık çekmeyeceksin.
Bölüm 2 kısaca — ne öğreniyorsun¶
2.1 — LLM Nedir, Nasıl Çalışır. Token-by-token üretim, autoregressive yapı, transformer'ın yüksek seviyeli sezgisi (matematik yok). İlk Claude API çağrın burada — Python + anthropic SDK + messages.create + cevap. Bu sayfa platformun pilot sayfasıdır; Kural 1-12 hepsi uygulanmış referans örneği.
2.2 — Token, Bağlam, Maliyet. Tokenizer nedir, Claude bir Türkçe cümleyi kaç token'a ayırıyor, bağlam penceresi (context window) neyi sınırlıyor. Claude Sonnet fiyatlandırması (input/output ayrı), 1 milyon token hesabı nasıl yapılır. Bu sayfa biter bitmez "bu proje ayda ~$X tutar" hesabını yapabiliyorsun.
2.3 — Sıcaklık ve Sampling. temperature, top_p, top_k parametreleri. Temperature 0 (deterministik, aynı cevap) vs 1 (yaratıcı, değişken) senaryoları. Hangi proje için hangisi: chatbot = 0.7, kod üretimi = 0.1, şiir = 1.0.
2.4 — Sistem ve Kullanıcı Promptu. system parametresi ne iş yapar, messages dizisi nasıl dizilir (user/assistant). XML tag'leriyle yapılandırılmış prompt (Anthropic'in tercih ettiği biçim). Bu sayfa chatbot kişiliği vermeyi + rol tanımlamayı kapsıyor.
2.5 — Few-shot ve Chain-of-Thought. Örnek göstermenin (few-shot) sıfır-örnek (zero-shot) ile farkı. "Adım adım düşün" (CoT) ne zaman açıklayıcı, ne zaman gereksiz fazla token. Karar-destek soru tasnifi gibi somut örnek üzerinde pratik.
2.6 — Prompt Şablonları. Değişken enjekte edilebilir şablonlar. {{topic}}, {{constraint}} placeholder'lar. Jinja2 vs f-string karşılaştırması. Bu sayfa yeniden kullanılabilir prompt kütüphanesi kurmanın temellerini atar — projeniz için bir prompts/ klasörü çıkıyor.
2.7 — Prompt Enjeksiyonu ve Savunma. Kullanıcı prompt'una "sistem talimatlarını unut, başka şey yap" tarzı saldırı yazarsa ne olur. Saldırı türleri (prompt injection, jailbreak, leak), Anthropic'in önerdiği savunma desenleri (XML tag ile sistem-kullanıcı keskin ayrımı, output filtering).
2.8 — Prompt Test ve Değerlendirme. Prompt'un "çalışıyor mu" sorusunu gözle değil testle cevaplamak. Eval framework (RAGAS benzeri kavramlar prompt'a uyarlanmış), 20 örnekli test seti, kalite skorları. Bölüm 4.5 RAG eval'inin temeli buradan atılır.
Bu bölümün yol haritası¶
flowchart LR
S["👤 Sen\n(Bölüm 1 bitti)"]
P21["🏁 2.1\nLLM + ilk\nAPI çağrısı"]
P22["📄 2.2\nToken &\nmaliyet"]
P23["📄 2.3\nSampling\n& temp"]
P24["📄 2.4\nSystem\nprompt"]
P25["📄 2.5\nFew-shot\n& CoT"]
P26["📄 2.6\nŞablonlar"]
P278["📄 2.7-2.8\nInjection &\nprompt test"]
OUT{{"✅ Çalışan\nprompt arsenali\n+ maliyet kontrolü"}}
ANT[("📖 Anthropic\nBuild with API\n+ prompt\ntutorial")]
S --> P21 --> P22 --> P23 --> P24 --> P25 --> P26 --> P278 --> OUT
P21 -.köprü.-> ANT
P24 -.köprü.-> ANT
P25 -.köprü.-> ANT
P278 -.köprü.-> ANT
classDef user fill:#ddd6fe,stroke:#7c3aed,color:#111
classDef page fill:#dbeafe,stroke:#2563eb,color:#111
classDef pilot fill:#fef3c7,stroke:#ca8a04,color:#111
classDef goal fill:#fef3c7,stroke:#ca8a04,color:#111
classDef ext fill:#fed7aa,stroke:#ea580c,color:#111
class S user
class P22,P23,P24,P25,P26,P278 page
class P21 pilot
class OUT goal
class ANT extAktör tablosu¶
| Düğüm | Nerede | Ne iş yapıyor |
|---|---|---|
| 👤 Sen | Python venv aktif, terminal açık | Her sayfada python pratik.py çalıştırıyor, çıktıyı görüyorsun |
| 🏁 2.1 LLM + API çağrısı | bolum-2/01-llm-temelleri.md |
Pilot sayfa — v3.2 standardının canlı örneği. İlk messages.create burada |
| 📄 2.2 Token & maliyet | Platform + terminal | Tokenizer ile kendi metninin token sayısını ölç, fiyat hesabı yap |
| 📄 2.3 Sampling & temp | Platform + terminal | Aynı prompt'u 3 farklı temperature'la çağır, farkı gör |
| 📄 2.4 System prompt | Platform + terminal | Chatbot'a "Sen X rolündesin" de, cevabı nasıl değişir gör |
| 📄 2.5 Few-shot & CoT | Platform + terminal | Karar destek soru seti kur, 0-shot vs 3-shot karşılaştır |
| 📄 2.6 Şablonlar | Platform + prompts/ klasörün |
Kendi prompt kütüphanen ilk kez yazılır |
| 📄 2.7-2.8 Injection & test | Platform + test dosyan | Prompt enjeksiyonu saldırılarına savunma kur, prompt'un doğruluğunu eval seti ile otomatik ölç |
| 📖 Anthropic API & Academy | docs.claude.com, anthropics/courses | Her sayfada ilgili docs + notebook linki |
| ✅ Çıktı (OUT) | Repo'nda prompts/ + 2-bolum-denemeler/ |
8 sayfa sonunda çalışan prompt arsenalin + maliyet tablon |
Bu bölüm bittiğinde elinde ne olacak¶
- Çalışan Claude çağrıları: İlk "merhaba Claude" + parametreli varyantlar,
messages.createhafızanda - Kendi
prompts/klasörün: Sistem prompt + kullanıcı prompt şablonları, projede kopyala-yapıştır hazır - Maliyet farkındalığı: Bir API çağrısının ne kadar token + ne kadar dolar tuttuğunu bilmen — "Claude pahalı mı?" sorusunun cevabı artık rakamlı
- Temperature/sampling refleksi: Yeni bir proje geldiğinde "bu deterministik mi yaratıcı mı?" sorusunu sorup doğru temperature'ı seçebiliyorsun
- Few-shot yazma becerisi: 0-shot denemeden önce 2-3 örnek hazırlayıp %20-40 daha iyi sonuç alma refleksi oturmuş
- Prompt eval temeli: Prompt'un "çalışıyor mu" sorusunu gözle değil testle cevaplayan bir mini framework'ün var
- Prompt enjeksiyon savunması: En azından 3 bilinen saldırı vektörüne karşı kendi sistem promptunu test ettin
- Prompt eval iskeleti: 20 örnekli test setiyle promptlarının doğruluğunu sayısal ölçen mini framework
- Anthropic ekosistemine ilk girişin: docs.claude.com'un prompting bölümü + courses repo'nun prompt tutorial notebook'u senin için artık yabancı değil
Bu çıktı 3. bölüme (embeddings + vektör DB) geçmeden önce zorunlu: Embedding'le arama yapabilmen için önce "LLM ne konuşuyor" hissini kazanmış olman gerek.
Bölüm 2 Anthropic'in en güçlü olduğu alandır. Üç kanalda zengin içerik var:
1. Academy — "Claude with the API" + "Tool Use" + "MCP" kursları. Anthropic Academy'deki ücretsiz, sertifikalı kurs setinde Bölüm 2'yi kapsayan iki ana kurs ("Claude with the API" + "Prompt Engineering Best Practices") var. Biz Türkçe pratikle başlatıyoruz; bu kurslar İngilizce geniş perspektif veriyor. 2.4'ten sonra aç — biz Türkçe pratiği gösteriyoruz, Anthropic İngilizce farklı örneklerle aynı kavramı anlatıyor — iki kanaldan duymak hafızaya oturtur.
2. Dokümantasyon — Claude prompting best practices. Claude Prompting Best Practices Anthropic'in kanonik rehberi (2026'da tüm prompt engineering alt sayfaları — XML tag'leri, CoT, system prompts, prompt templates — bu tek sayfada birleşti). Anthropic sözlüğüne alıştırıyor.
3. GitHub — anthropics/prompt-eng-interactive-tutorial. Jupyter notebook, 9 bölüm, her bölümde çalışan kod. 2.5 (few-shot) ve 2.7-2.8 (güvenlik + test) için özellikle zengin. Notebook'u Colab'de aç, kendi API anahtarınla çalıştır — 2-3 saat harcadığın en iyi pratik budur. Biz bu notebook'un temel kavramlarını Türkçeleştirip senaryoluyoruz; sen Colab'de pratik etmeye devam ediyorsun.
Kaynak: Anthropic — Prompt Engineering Interactive Tutorial (İngilizce, Jupyter notebook, ücretsiz, ~3 saat). 2.5 sonrasında aç — Colab'de kendi API anahtarınla çalıştır. Bu notebook bu bölümün en güçlü eşlikçisidir.
Kural dışı notlar (Tip A bölüm girişi)¶
Bölüm 2'nin ilk sayfası (2.1) aynı zamanda platformun pilot sayfasıdır — Kural 1-12'yi canlı uygulayan referans örneği. Diğer 7 sayfa 2.1'in yapısını takip eder. Bölümün "Uygulama" ağırlığı %80 (her sayfada çalıştırılacak Python kodu), okuma %20.
Bir sonraki adım → 2.1 LLM Nedir, Nasıl Çalışır (45 dk, platformun pilot sayfası — ilk Claude çağrın)