Haziran 8 2026

Claude ile Kod Yazmak: Prompt’tan Çalışan Uygulamaya

Yazılım dünyası garip ve bir o kadar da heyecan verici bir yere doğru evriliyor. Eskiden saatlerce Stack Overflow forumlarında hata kodu ararken, bugün yapay zekayla (ai) kahve eşliğinde sohbet ederek kod yazıyoruz. Peki, Anthropic firmasının göz bebeği olan claude gibi modern bir llm (büyük dil modeli), gerçekten bizim yerimize hatasız kodlama yapabilir mi? Yoksa her şey sadece süslü bir prompt engineering pazarlamasından mı ibaret? Bu yazıda büyük vaatleri bir kenara bırakıp, Claude’u masaya yatırıyor ve sıfırdan çalışan bir uygulamayı nasıl ayağa kaldıracağımızı adım adım deniyoruz.

Neden Claude? (Ve Neden Şimdi?)

Piyasada GPT-4o, Gemini ve Llama gibi devasa rakipler varken neden Claude? Özellikle yazılımcılar arasında Claude 3.5 Sonnet modelinin bu kadar popüler olmasının arkasında iki temel neden var: Bağlam yönetimi (Context Window) ve mantıksal akıl yürütme yeteneği.

Bağlam penceresi, bir modelin tek seferde ne kadar bilgiyi aklında tutabildiğini belirler. Claude, kod blokları arasındaki ilişkileri ve projenin genel yapısını rakiplerine göre çok daha iyi kavrıyor. Kodu sadece “tamamlamıyor”, projenin mimarisini anlayarak mantıklı öneriler sunuyor.

Sistem Promptu ve Context Yönetimi: Claude’a “Kim Olduğunu” Söyleyin

Doğrudan “Bana bir yapılacaklar listesi uygulaması yaz” derseniz, Claude size ortalama, jenerik ve muhtemelen hatalarla dolu bir kod sunacaktır. İyi bir çıktı almanın sırrı, ona doğru bir rol (System Prompt) vermektir.

Claude API kullanırken ya da arayüz üzerinden çalışırken şu tarz bir sistem tanımı yapmak işleri tamamen değiştirir:

Sen kıdemli bir Python ve React geliştiricisisin. 
Yazdığın kodlar temiz, okunabilir (clean code prensiplerine uygun) ve optimize olmalı. 
Hataları açıklamadan önce doğrudan çalışan kodu ver, ardından kısa açıklamalar ekle.

Bu basit dokunuş, yapay zekanın “gevezelik etmesini” engeller ve doğrudan sonuca odaklanmasını sağlar.

Gerçek Bir Deney: Python ile CLI Harcama Takipçisi

Sözü daha fazla uzatmayalım ve Claude’un yeteneklerini test edelim. Amacımız, harcamalarımızı terminal üzerinden kaydeden, bunları bir JSON dosyasında tutan ve basit bir rapor sunan Python tabanlı bir uygulama yazmak.

Claude’a verdiğimiz ilk prompt şu oldu: “Bana kullanıcıdan harcama adı ve tutar alan, bunları local bir JSON dosyasında saklayan ve ‘rapor’ komutuyla toplam harcamayı gösteren basit bir Python CLI aracı yaz.”

Claude’un bize saniyeler içinde ürettiği kod tam olarak şuydu:

import json
import os

DB_FILE = "harcamalar.json"

def verileri_yukle():
    if not os.path.exists(DB_FILE):
        return []
    with open(DB_FILE, "r", encoding="utf-8") as file:
        return json.load(file)

def verileri_kaydet(veriler):
    with open(DB_FILE, "w", encoding="utf-8") as file:
        json.dump(veriler, file, indent=4, ensure_ascii=False)

def harcama_ekle(isim, miktar):
    veriler = verileri_yukle()
    veriler.append({"isim": isim, "miktar": float(miktar)})
    verileri_kaydet(veriler)
    print(f"✓ {isim} ({miktar} TL) başarıyla eklendi!")

def rapor_goster():
    veriler = verileri_yukle()
    toplam = sum(item["miktar"] for item in veriler)
    print("\n--- HARCAMA RAPORU ---")
    for item in veriler:
        print(f"- {item['isim']}: {item['miktar']} TL")
    print(f"----------------------\nToplam: {toplam} TL\n")

# Basit bir döngü ile CLI yönetimi
if __name__ == "__main__":
    while True:
        islem = input("1. Harcama Ekle\n2. Rapor Göster\n3. Çıkış\nSeçiminiz: ")
        if islem == "1":
            isim = input("Harcama kalemi: ")
            miktar = input("Tutar: ")
            try:
                harcama_ekle(isim, miktar)
            except ValueError:
                print("Lütfen geçerli bir sayı girin!")
        elif islem == "2":
            rapor_goster()
        elif islem == "3":
            break
        else:
            print("Geçersiz seçim!")

Kodu kopyalayıp terminalimizde çalıştırdık. Ve bilin bakalım ne oldu? Kod ilk seferde, hiçbir kütüphane çakışması veya yazım hatası olmadan çalıştı.

[Görsel: Python CLI uygulamasının terminalde sorunsuz çalışarak harcama verilerini JSON formatında kaydettiği anın ekran görüntüsü]

Ancak bu çok temel bir uygulamaydı. “Acaba veri doğrulama (validation) kısmında patlar mı?” diye düşünüp sayı yerine harf girmeyi denedik. Claude yazdığı try-except bloğu sayesinde bu hatayı da önceden öngörmüştü. İşte Claude’u rakiplerinden ayıran “detaycılık” tam olarak bu.

Claude ile Kod Yazmanın Artıları ve Eksileri

Birkaç haftalık yoğun kullanım testlerimizin ardından, bu süreci objektif bir şekilde değerlendirmek gerekiyor.

Artıları (+) Eksileri (-)
Prototip süresini %80 azaltır. Büyük projelerde bazen bağlamı kaybedip saçmalayabilir (halüsinasyon).
Hata kodlarını (Debugging) çok hızlı çözer. API kullanımı yoğun projelerde pahalı olabilir.
Bilmediğiniz dillerde hızlıca temel atmanızı sağlar. Yazılımcıyı tembelliğe alıştırıp öğrenme sürecini köreltebilir.

Cüzdanı Üzmeyelim: Claude Fiyatlandırması ve Ücretsiz Alternatifler

Claude’u kullanmanın birkaç yolu var. İhtiyacınıza ve bütçenize göre en uygun olanı seçebilirsiniz:

  • Claude.ai Web Arayüzü: Ücretsiz seçeneği var ancak günlük limitleri oldukça katı. Claude Pro ise aylık 20$.
  • Anthropic API: Kullandıkça öde (pay-as-you-go) modeli. Küçük projeler için oldukça ucuzdur; girdiğiniz ve aldığınız token miktarına göre ücretlendirilirsiniz.

Peki ya Ücretsiz Alternatifler?

Eğer cebinizden para çıksın istemiyorsanız, şu yolları izleyebilirsiniz:

  • Cursor: Yapay zeka destekli bu kod editörü, Claude 3.5 Sonnet’i belirli bir kota dahilinde ücretsiz denemenize izin verir.
  • Hugging Face / OpenRouter: Benzer yeteneklere sahip açık kaynaklı alternatif modelleri (örneğin Llama 3) tamamen ücretsiz olarak buralarda deneyebilirsiniz.
  • Ollama (Yerel Kullanım): Bilgisayarınızın donanımı güçlüyse, yerel olarak çalışan modellerle internet bağlantısı olmadan, tamamen ücretsiz ve sınırsız kodlama yapabilirsiniz.

Son Söz: Geliştirici Koltuğu Hâlâ Sizin

Yapay zeka araçları ne kadar gelişirse gelişsin, ortaya çıkan kodun kalitesini, güvenliğini ve mimarisini denetlemek hâlâ insanın sorumluluğunda. Claude harika bir yardımcı pilot (co-pilot) ancak uçağı uçuran kaptan pilot hâlâ sizsiniz. Prompt yazma yeteneğinizi geliştirerek, sıkıcı işleri ona devredebilir ve siz sadece uygulamanızın mantığına odaklanabilirsiniz.

Category: Genel | LEAVE A COMMENT
Mayıs 21 2026

Perplexity ile Araştırma Yapmak: Google’ı Nasıl Geçiyor?

Google’da arama yapıp ilk üç sayfanın reklam, sonraki beş sayfanın ise içi boş SEO çöplüğü çıktığı o sinir bozucu anları hepimiz yaşıyoruz. İşte tam bu noktada, geleneksel arama motorlarının tahtını sallayan perplexity ve onun başını çektiği yeni nesil ai search dalgası imdadımıza yetişiyor. Klasik arama motorları bize sadece web sitelerinin adreslerini verirken, modern llm tabanlı bu sistemler doğrudan sorumuzun cevabını sentezleyip sunuyor. Peki, üretken yapay zeka dünyasının en popüler tools listelerinde zirveye oynayan bu araçla gerçekten derinlemesine bir araştırma yapmak mümkün mü? Yoksa bu da sadece geçici bir heves mi? Gelin, lafı uzatmadan doğrudan deneyimlerimize ve test sonuçlarımıza bakalım.

Perplexity Nedir ve Neden Farklı?

Klasik yapay zeka sohbet robotları (ChatGPT veya Claude gibi), eğitildikleri veri kümesine sıkışıp kalırlar. Bilgileri eski olabilir veya bilmedikleri konularda “halüsinasyon” görerek bize tamamen uydurma bilgiler sunabilirler. Perplexity ise bu sorunu temelden çözüyor. O sadece bir dil modeli değil; interneti aktif olarak tarayan, kaynakları okuyan ve size sunduğu her cümlenin yanına referans linki bırakan akıllı bir arama motoru.

Kaynak Gösterme Mekanizması: Bilgi Nereden Geliyor?

Perplexity’nin en büyük gücü, şeffaflığında yatıyor. Yazdığı her cümlenin sonuna küçük rakamlar (1, 2, 3…) yerleştiriyor. Bu rakamlara tıkladığınızda, bilginin hangi web sitesinden, hangi makaleden alındığını anında görebiliyorsunuz. “Neden böyle?” sorusunun cevabı basit: Yapay zekaya güvenmek zordur ama kaynağı doğrulamak kolaydır. Perplexity size “bana güven” demiyor, “bak, buradaki verilere dayanarak bunu söylüyorum” diyor.

[Görsel: Perplexity arayüzünde bir arama sonucu ve metin içindeki kaynak gösterim numaralarının yakın plan görünümü]

Gerçek Dünya Testleri: Perplexity İş Başında

Sözü fazla uzatmayalım ve bu aracı gerçek hayatta en çok zorlandığımız iki farklı senaryoda test edelim. Promp’larımızı hazırladık ve sonuçları raporluyoruz.

Senaryo 1: Akademik Araştırma ve Literatür Taraması

Test etmek istediğimiz konu şu oldu: “Grafen bazlı bataryaların elektrikli araçlarda (EV) kullanılmasının önündeki temel teknik engeller nelerdir?”

Bu soruyu Google’a sorduğumuzda karşımıza sponsorlu siteler, popüler teknoloji bloglarının yüzeysel yazıları ve forum tartışmaları çıkıyor. Akademik bir makaleye ulaşmak için Google Scholar’da saatler harcamamız gerekiyor.

Aynı soruyu Perplexity’nin sol alt köşesindeki “Focus” (Odak) menüsünden “Academic” modunu seçerek sorduk. Sonuç şaşırtıcı derecede temizdi:

  • Doğrudan IEEE, ScienceDirect ve arXiv üzerindeki güncel makaleleri taradı.
  • “Isıl yönetim sorunları”, “üretim maliyetleri” ve “anot stabilitesi” gibi teknik engelleri başlıklar halinde özetledi.
  • Her başlığın altına, ilgili akademik yayının linkini ve yazar isimlerini iliştirdi.

[Görsel: Perplexity’nin “Academic Focus” modu aktifken yaptığı teknik literatür taraması ekran görüntüsü]

Senaryo 2: Sıcak Gelişmeler ve Güncel Haber Takibi

Yapay zeka dünyası çok hızlı değişiyor. İkinci test sorumuz: “Son 48 saat içinde OpenAI cephesinde yaşanan en önemli yönetimsel gelişmeler nelerdir?”

Bildiğiniz gibi standart LLM modelleri güncel internet erişimi olmadan bu soruya cevap veremez. Perplexity ise “Writing” yerine “All” (Genel Arama) modunu kullanarak X (Twitter), TechCrunch ve Reuters gibi platformları anında taradı. Gelişmeleri kronolojik bir sırayla, saat saat önümüze koydu. Birbirinden farklı haber kaynaklarındaki çelişkili bilgileri bile “Bazı kaynaklar X derken, diğerleri Y olduğunu belirtiyor” şeklinde analiz ederek sundu.

Pro vs. Ücretsiz Sürüm: Kasanın Durumu Nedir?

Perplexity’yi tamamen ücretsiz olarak kullanabilirsiniz. Ancak bir de aylık 20 dolar fiyat etiketine sahip olan “Pro” sürümü bulunuyor. Peki bu parayı ödemeye gerçekten gerek var mı?

Ücretsiz sürüm, hızlı günlük aramalar ve basit sorular için fazlasıyla yeterli. Ancak iş profesyonel araştırmaya, kod yazmaya veya büyük PDF dosyalarını analiz etmeye geldiğinde Pro sürümünün sunduğu avantajlar öne çıkıyor:

  • Model Seçimi: Pro üyeler, aramayı arkada hangi yapay zeka modelinin işleyeceğini seçebiliyor. Claude 3.5 Sonnet, GPT-4o veya Perplexity’nin kendi optimize edilmiş modelleri arasında geçiş yapabiliyorsunuz. Özellikle derin analizlerde Claude 3.5 Sonnet kullanmak tam bir cankurtaran.
  • Dosya Yükleme: Pro sürümde 100 sayfalık bir finansal raporu veya PDF kitabını sisteme yükleyip, “Bu raporun 50. sayfasındaki tabloya göre şirketin borç oranı nedir?” gibi spesifik aramaları internet verileriyle birleştirerek yapabiliyorsunuz.

[Görsel: Perplexity Pro ayarlar panelinde kullanıcıya sunulan GPT-4o, Claude 3.5 Sonnet ve Llama 3 model seçenekleri]

Artılar ve Eksiler Tablosu

Her aracın olduğu gibi Perplexity’nin de zayıf ve güçlü yanları var. Yaptığımız testler sonucunda ortaya çıkan tablo şu şekilde:

Özellik Artıları (+) Eksileri (-)
Kaynak Doğruluğu Her iddiaya doğrudan tıklanabilir linkler veriyor, bilgi kirliliğini önlüyor. Bazen çok popüler ama güvenilmez blogları da kaynak olarak seçebiliyor.
Kullanım Kolaylığı Reklamsız, sade ve doğrudan sonuca odaklı arayüz. Geleneksel “görsel arama” veya “alışveriş” kategorilerinde Google kadar pratik değil.
Esneklik (Pro) Claude 3.5 Sonnet ve GPT-4o gibi en güçlü modelleri tek bir abonelikte sunuyor. Aylık 20 dolarlık ücret, sadece arada sırada arama yapanlar için yüksek kalabilir.
Hız Saniyeler içinde onlarca siteyi tarayıp özet çıkarıyor. Çok karmaşık sorgularda arama süresi bazen 10-15 saniyeyi bulabiliyor.

Fiyatlandırma ve Ücretsiz Alternatifler

Eğer bütçeniz kısıtlıysa veya “Ben bir aramaya ayda 20 dolar vermem” diyorsanız, piyasada kullanabileceğiniz harika ücretsiz veya daha uygun fiyatlı alternatifler mevcut:

  • Phind: Özellikle yazılımcılar ve geliştiriciler için harika bir ücretsiz AI search aracı. Kod bloklarını ve teknik dökümantasyonları çok iyi tarıyor.
  • Microsoft Copilot: Microsoft Edge tarayıcısıyla entegre gelen Copilot, GPT-4 altyapısını ücretsiz olarak internet aramalarıyla birleştirerek sunuyor.
  • Consensus: Tamamen bilimsel ve akademik makaleler üzerine odaklanmış, kanıta dayalı bir yapay zeka arama motoru.

Sonuç: Google’ı Tamamen Hayatımızdan Çıkarıyor muyuz?

Dürüst olalım: Yakın bir gelecekte mahallenizdeki en iyi pizzacıyı bulmak, uçak bileti fiyatlarını karşılaştırmak veya hızlıca bir spor ayakkabı satın almak için yine Google’ı kullanacaksınız. Google, bu tarz “operasyonel” işlerde hala çok pratik.

Ancak konu derinlemesine bir konuyu öğrenmek, makale yazmak, karmaşık teknik bir problemi çözmek veya bir sektör raporunu analiz etmek olduğunda, Perplexity klasik aramayı çoktan tarihe gömmüş durumda. Bilgiyi aramakla vakit kaybetmek istemiyor, doğrudan öğrenmeye başlamak istiyorsanız Perplexity’ye mutlaka bir şans vermelisiniz.

Category: Genel | LEAVE A COMMENT
Aralık 20 2024

Prompt Engineering: ChatGPT’den En İyi Yanıtı Almanın Formülü

Yapay zeka hayatımıza girdiğinden beri hepimiz birer “yapay zeka fısıldayıcısı” olduk. Ancak chatgpt ekranının karşısına geçip “Bana bir diyet listesi yaz” veya “Şu e-postayı profesyonelce yanıtla” dediğimizde aldığımız yanıtlar genellikle can sıkıcı derecede genel ve ruhsuz oluyor. İşte tam bu noktada, ai dünyasından maksimum verimlilik elde etmemizi sağlayan sihirli değnek devreye giriyor: prompt engineering. Peki ama bu kavram sadece yapay zeka gurularına özel bir teknik mi, yoksa günlük işlerimizi kolaylaştıracak pratik bir formülü var mı? Lafı uzatmadan, kendi deneyimlerimizle test ettiğimiz yöntemleri masaya yatıralım.

Neden Doğrudan Sormak Yetmiyor? (İşin Arkasındaki Mantık)

Bir llm (Büyük Dil Modeli), sizin ne düşündüğünüzü veya şirketinizin kültürünü tahmin edemez. O, özünde devasa bir “sonraki kelime tahmin motorudur”. Ona ne kadar çok bağlam (context) ve sınır verirseniz, olasılık havuzunu o kadar daraltır ve tam hedefi vuran bir yanıt üretir. Yani kötü yanıt aldığınızda suç yapay zekada değil, büyük ihtimalle ona verdiğiniz eksik talimatlardadır.

[Görsel: Sıradan ve yüzeysel bir prompt ile detaylı yapılandırılmış bir promptun ürettiği sonuçların yan yana karşılaştırması]

En Etkili 3 Prompt Engineering Tekniği ve Test Sonuçlarımız

1. Rol Atama (Role Prompting)

Yapay zekaya bir kimlik kazandırmak, alacağınız yanıtın tonunu ve derinliğini tamamen değiştirir. Sadece “Sosyal medya için başlık yaz” demek yerine, ona bir rol verin.

Denediğimiz Şablon:

"Sen 10 yıllık kıdemli bir dijital pazarlama uzmanısın. Hedef kitlen teknolojiye meraklı genç profesyoneller. Yeni bir üretkenlik uygulaması için merak uyandıran 3 farklı Instagram başlığı yaz."

Neden işe yarıyor?: Yapay zeka, “dijital pazarlama uzmanı” rolünü üstlendiğinde sıradan kelimeleri eliyor ve hedef kitleye uygun, sektörel jargona hakim bir dil kullanıyor.

2. Few-Shot Prompting (Örnekleme)

Modelin nasıl bir çıktı üretmesini istediğinizi anlatmakta zorlanıyorsanız, ona birkaç örnek gösterin. Bu teknik, özellikle veri formatlama veya belirli bir üslubu yakalama konusunda hayat kurtarır.

Denediğimiz Şablon:

Müşteri yorumlarını analiz etmeni istiyorum.
Örnek 1: "Kargo çok hızlı geldi, ürün harika." -> [Durum: Olumlu, Kategori: Lojistik]
Örnek 2: "Arayüzü hiç beğenmedim, çok karışık." -> [Durum: Olumsuz, Kategori: UX/Tasarım]
Şimdi bu yorumu analiz et: "Ödeme adımında sürekli hata alıyorum, kartımı kabul etmedi." ->

Neden işe yarıyor?: Yapay zeka kuralları tahmin etmek yerine verdiğiniz şablonu doğrudan kopyalar. Sonuç sıfır hata!

3. Chain-of-Thought (Düşünce Zinciri)

Eğer mantık yürütme, matematik veya karmaşık kodlama gerektiren bir iş yapıyorsanız, yapay zekaya doğrudan cevabı sormayın. Ondan “adım adım düşünmesini” isteyin.

Denediğimiz Şablon:

"Şirketimiz bu ay %15 büyüdü. Geçen ayki gelirimiz 120.000 TL ise, bu ayki net kârımızı bulmak için önce yeni geliri hesapla, ardından %20 vergi oranını düşerek adım adım açıkla."

Neden işe yarıyor?: LLM’ler işlem sırasını atladıklarında saçmalayabilirler (buna halüsinasyon diyoruz). Adım adım gitmesini söylediğinizde, kendi yaptığı hataları işlem sırasında fark edip düzeltir.

Hangi Görev İçin Hangi Modeli Seçmeli?

Her iş için aynı modeli kullanmak, her çiviyi aynı çekiçle çakmaya çalışmaya benzer. İşte sahada yaptığımız testlere göre en iyi modeller:

  • Yaratıcı Yazarlık ve Metin Tonlama: Claude 3.5 Sonnet. Türkçe dil hakimiyeti ve insan benzeri yazım tonu konusunda şu an ChatGPT’nin bir adım önünde.
  • Hızlı Bilgi Arama ve Kod Yazma: GPT-4o. Hızı ve mantıksal problem çözme yeteneği inanılmaz düzeyde.
  • Büyük Doküman Analizi: Google Gemini 1.5 Pro. Dev devasa bağlam penceresi sayesinde yüzlerce sayfalık PDF’leri tek seferde yutup analiz edebiliyor.

Prompt Engineering Artı ve Eksi Analizi

Avantajları (Artılar) Zorlukları (Eksiler)
Yapay zekadan alınan yanıtların kalitesini %80’e kadar artırır. Doğru promptu yazmak ilk başta zaman alır ve deneme-yanılma gerektirir.
Tekrar eden işleri (raporlama, formatlama) tamamen otomatize eder. Modeller güncellendikçe bazen aynı prompt farklı sonuçlar verebilir.
Halüsinasyon (uydurma bilgi) oranını minimuma indirir. Uzun promptlar, API kullanımında daha fazla token tüketimi (maliyet) demektir.

Maliyetler ve Ücretsiz Alternatifler

Prompt engineering yeteneğinizi geliştirmek tamamen ücretsizdir. Bu bir yazılım değil, bir düşünme biçimidir. Ancak bu teknikleri uygulayabileceğiniz platformların maliyet durumları şöyle:

  • Ücretli Seçenekler: ChatGPT Plus (aylık 20$) veya Claude Pro (aylık 20$). En gelişmiş modellere (GPT-4o, Claude 3.5 Sonnet) sınırsız erişim sağlarlar.
  • Ücretsiz Alternatifler:
    • ChatGPT Free: GPT-4o mini modelini ücretsiz sunar. Günlük basit işler ve prompt denemeleri için fazlasıyla yeterli.
    • Microsoft Copilot: Arka planda ücretsiz GPT-4 kullanır ve güncel internet erişimi vardır.
    • Hugging Face & LM Studio: Bilgisayarınızın gücü yetiyorsa, Llama 3 gibi açık kaynaklı modelleri tamamen ücretsiz ve internetsiz olarak lokalde çalıştırabilirsiniz.

Son Söz: Denemekten Korkmayın

Prompt engineering gözünüzü korkutmasın. Yapay zeka ile konuşurken karşınızda stajyer bir üniversite öğrencisi varmış gibi hayal edin. Ona görevi ne kadar net anlatır, ne kadar çok örnek gösterir ve sınırları ne kadar iyi çizerseniz, akşam masanıza gelecek olan rapor o kadar kusursuz olur. Şimdi ChatGPT ekranını açın ve ilk rol tanımlamanızı yaparak farkı kendi gözlerinizle görün!

Category: Genel | LEAVE A COMMENT