Claude Code’ın Yaratıcısı Daha İyi İstemler İçin Sadece 3 Şey Gerektiğini Söyledi, Ben de Yaklaşımı Test Ettim.

Artık herkesin yapay zekâyı nasıl yönlendirmeniz gerektiğine bir görüşü olduğu bir aşamaya başarıyla ulaştık. Aynı hafta içinde, size birinin mümkün olduğunca fazla bağlamı bir isteme beslemenizi, belirsiz olmanızı ve detayları LLM‘nin kendi başına çözmesini önerdiğini duyacaksınız. Ardından, tam tersini yapmanızı söyleyen başka biriyle karşılaşacaksınız: istemlerinizi kısa tutun, ne istediğiniz konusunda absürt derecede spesifik olun ve tamamen yapay zekânın yorumuna bırakmayın.

Doğrusu, iki taraf da yaklaşımının daha iyi sonuçların anahtarı olduğuna yemin eder. Bu yüzden en iyi ipuçlarının, bu modelleri gerçekten inşa edenlerden ve onların gücünü kullanan araçlardan gelmesi gerektiğini düşünüyorum. Zaten bir yapay zekâ aracından en iyi şekilde yararlanmayı size kim anlatır? Onu oluşturmaya rol veren biri kadar mı?

İşte bu yüzden, Claude Code‘un yaratıcısı Boris Cherny’nin son paylaşımı dikkatimi çekti. Parıldayan yeni, karmaşık bir yönlendirme çerçevesini ya da izlemeniz gereken absürt derecede uzun bir şablonu paylaşmak yerine, iyi bir istemin yalnızca üç şeye ihtiyacı olduğunu söylüyor.

Boris Cherny, yönlendirmede gizli bir şey olmadığını söylüyor

Üç ipucu, sihirli formül yok

Cherny, X hesabında sık sık Claude Code kurulum ipuçlarını paylaşıyor ve 6 Ekim 2026’da paylaştığı bir paylaşım oldukça büyük ilgi gördü. Paylaşımda, Acquired podcast’inin Home Depot bölümünü eşlik eden, Claude kullanarak inşa ettiği etkileşimli bir web sitesi paylaştı. İlginç olan, insanların konuşmasını sağlayan şey web sitesi değildi. Bunun yerine, onu oluşturmak için kullandığı istemdi.

İstemi paylaştıktan sonra kullanıcılar, onun ne kadar basit ve sohbet eder gibi olduğuna şaşırdı. Karmaşık talimatlar, karmaşık yönlendirme çerçeveleri ya da özel hileler yoktu. Temelde Claude’a, bir iş arkadaşına konuşur gibi konuşuyordu; bu da birkaç kişinin yapay zekâ araçlarını hep benzer şekilde yönlendirdiklerini fark etmesine yol açtı.

Tepkiler sonunda Cherny’yi yaklaşımını açıklamaya itti ve o da yönlendirmede gerçekten gizli bir şey olmadığını açıkladığında geldi. Ona göre iyi bir istem yalnızca üç şeye indirgeniyor.

İlk olarak, isteminizin ne yapmasını istediğinizi açıkça ilettiğindan emin olun. Bu oldukça açıklayıcı, ama temelde yapay zekânın aklınızda ne olduğunu tahmin etmesine izin vermek yerine, neyi başarmaya çalıştığınız konusunda net olmak anlamına geliyor. Her küçük detayı açıklayan bir paragraf yazmanız gerekmiyor, ancak modelin ne yapmanızı istediğinizi ve sonucun nasıl görünmesini beklediğinizi iyi anlaması gerekiyor.

Anthropic’in son zamanlarda sık sık öne çıkardığı şey, kullanıcılara bir modelin bir görevi çözerken harcadığı zaman ve hesaplama çabasının miktarı üzerinde daha fazla kontrol vermektir; buna çaba deniyor. Fikir oldukça basit: her görev aynı miktarda düşünme gerektirmiyor. Claude’a basit bir soruyu çözmek için birkaç dakika harcamasını istemeyebilirsiniz, ancak oldukça karmaşık bir şey için ona düşünmek için daha fazla alan vermek fark yaratabilir. Aslında bu, Cherny’nin ikinci ipucunun özetlediği şeydir: yapay zekânın göreve ayırması gereken çabayı tam olarak iletin.

Son olarak, Cherny’nin neredeyse tüm Claude Code kurulum ipucu makalelerinde paylaştığı başka bir ipucu da araca kendi çalışmalarını doğrulayabileceği bir yol vermektir. Sadece yapay zekânın sizden istediğinizi doğru yaptığını varsaymak yerine, ona çıktısını kontrol edebileceği bir yol verin. Örneğin, Claude Code’dan bir uygulama inşa etmenizi istiyorsanız, her şeyin amaçlandığı gibi çalıştığından emin olmak için testleri çalıştırmasını isteyebilirsiniz. Fikir, modelin sizden istediğinizi gerçekten başardığını belirleyebileceği net bir yol vermek; sadece yaptığıны varsaymak yerine.

Cherny’nin kendi istemi, tavsiyelerinin neredeyse mükemmel bir örneği

Söylediklerini (neredeyse) uygular

Cherny’nin önerilerini kendi yazdığım bir prompt ile de gösterebilirdim, ancak bu konuşmanın başlangıcında yer alan tam da o prompt’tan daha iyi bir örnek olamaz. Zira, eğer prompt yazma önerilerini Claude Code’ın yaratıcısından alıyorsak, kendi önerilerini nasıl hayata geçirdiğine bakmak mantıklı olur.

Home Depot’un son edinilen bölümü gerçekten inanılmaz. Bu bölümün tamamını anlatan bir nesne (artifact) oluşturmanı istiyorum. Güz ve etkileşimli ol, ayrıca bölüm boyunca iş dünyasından öğütleri aktarmaya odaklan. Çok iyi olsun, çok fazla token kullan ve kendinden memnun kalana kadar tekrar et. Belki suluboya illüstrasyonları ve tarihi fotoğrafları bölümler boyunca ekle; New Yorker ya da nytimes veri görselleştirmesi havasına yaklaş, ama daha iyisi. Suluboya görseller için OpenCV kullanabilirsin sanırım.

İlk ipucundan başlayalım: Ne istediğini açıkça iletmek. Cherny, prompt’una Claude’tan Home Depot bölümünün tamamını anlatan bir nesne oluşturmasını isteyerek başlar. Ardından aklında neler olduğunu anlatan birkaç ayrıntı daha verir. Nesnenin güzel, etkileşimli ve bölümün iş derslerini aktaran bir biçimde olmasını ister. Hatta Claude’a yaratıcı bir yön verir: suluboya illüstrasyonlar, tarihi fotoğraflar ve The New Yorker ya da The New York Times’tan esinlenen bir görsel tarz önerir.

İlginç olan, Claude’a nesneyi nasıl inşa edeceğini tam olarak söylememesi. Sonucun nasıl görünmesini istediğini açıklar ve ince ayrıntıları modele bırakır. İkinci ipucu ise fark etmek için daha da kolay. Cherny, Claude’a açıkça “çok fazla token kullan” ve sonuçtan memnun kalana kadar tekrar etmesini söyler. Aslında modele, görevi aceleye getirip geçmek yerine ciddi bir emek harcamasını istediğini belli eder.

Şimdi üçüncü ipucu, işlerin biraz ilginçleştiği yer. Cherny Claude’tan memnun kalana kadar tekrar etmesini istese de, aslında işini doğrulayacak somut bir yol vermez. Test çalıştırmaya ya da son nesneyi belirli bir gereksinim kümesiyle karşılaştırmaya yönelik hiçbir talimat yok. Bunun yerine, çıktısının kalitesini değerlendirmesi ve geliştirmesi için Claude’a güveniyor.

Böylece, prompt’u ilk iki ilkeyi açıkça gösterse de, üçüncüsü biraz daha belirsiz. Bence bu özellikle dile getirmeye değer, çünkü Cherny’nin bile bu üç ipucunu her prompt’un uyması gereken katı bir formül olarak ele almadığını gösteriyor.

Son birkaç gündür yaklaşımını denedikten sonra, Cherny’nin söylediklerinde oldukça fazla gerçek olduğunu fark ettim. Mükemmel bir prompt uydurmak ya da internette karşılaştığım karmaşık bir çerçeveyi izlemek için saatler harcamaktansa, net biçimde ne istediğimden, AI’dan ne kadar emek beklediğimden ve işini nasıl kontrol etmesi gerektiğinden yana oldum. Şu ana kadar, hangi AI modelini kullanırsam kullanayım, bu basit yaklaşımın şaşırtıcı derecede iyi çalıştığını gördüm.

Prompt yazma önerilerinin sorunu iyi dayanmaması

Prompt yazma önerilerinin şaşırtıcı derecede kısa bir raf ömrü var

Tam dürüst olmak gerekirse, en iyi prompt yazma ipucunun bu AI modellerini ve araçları gerçekten inşa eden kişilerden geldiğini söylediğimde, diğer herkesin önerisinin kesinlikle yanlış olduğunu kastetmiyordum. Elbette LinkedIn’in prompt mühendisliği hocaları, önerilerini destekleyecek pek çok niteliğe sahip olmayabilir, ancak bu onların ipucunu otomatik olarak daha az faydalı yapmaz. Sorun, prompt yazma önerilerinin şaşırtıcı derecede kısa bir raf ömrüne sahip olması ve bugün harika çalışan bir şeyin birkaç ay sonra neredeyse o kadar iyi çalışmaması.

Eğer OpenAI ilk modelini halka sunduğu günden bu yana bu AI şirketlerinin hızını takip ediyorsanız, yavaşlama işaretinin hiç göstermediğini fark etmiş olabilirsiniz. Yeni bir model neredeyse her iki haftada bir düşüyor (ya da en azından hissiyat böyle), ve bu yayınlamanın tüm amacı, öncekilerin üzerinde iyileşmek. Doğal olarak, bu aynı zamanda bu modellerle etkileşim kurma biçimimizin de sürekli değiştiği anlamına geliyor.

Bir modelde mükemmel işe yarayan bir şey, bir sonraki modelde aynı derecede işe yarayamayabilir; birkaç ay önce neredeyse kutsal kabul edilen bir istemleme tavsiyesi artık güncelliğini yitirmiş olabilir. Buna ek olarak, her yapay zekâ sağlayıcısının dil modelleri birbirinden farklıdır. Claude ile harika sonuçlar veren bir istemleme tekniği, üç modeli de aynı görevi yapmaları için sorgulasanız bile ChatGPT veya Gemini’de aynı etkiyi üretmeyebilir.

Bu yüzden, sürekli yeni model sürümleriyle rekabet eden yapay zekâ şirketlerinin modelleri arasındaki farklar bir yana, herkesin sürekli bir sonraki büyük istemleme hilesini bulmaya çalışması şaşırtıcı değildir.

Bu üç ipucu yalnızca Claude için değil

Cherny’nin tavsiyeleri Claude Code’u inşa etme ve kullanma deneyiminden geliyor olsa da, bu ipuçlarından hiçbiri Claude’a özgü değil. ChatGPT, Gemini veya yerel bir dil modeli kullanın ya da kullanmayın; ne istediğinizi, görevin ne kadar emek gerektirdiğini ve modelin işini nasıl doğrulaması gerektiğini açıkça iletmek daha iyi sonuçlar almanıza yardımcı olabilir.

Nihayetinde, bunlar belirli bir modele veya araca bağlı karmaşık istemleme hileleri değil, neredeyse her yapay zekâ asistanına uygulanabilecek basit ilkelerdir!