Intent Engineering Nedir? Uygulamalı Rehber

Intent engineering (niyet mühendisliği), insan amacını bir yapay zekânın doğru kararlar verebileceği; bağlam, sınırlar, öncelikler ve başarı ölçütleri içeren açık bir görev tanımına dönüştürme disiplinidir.

Bir yapay zekâ aracına “Bana iyi bir blog yazısı yaz” dediğinizde çoğu zaman düzgün ama sıradan bir metin alırsınız. Dil bilgisi doğrudur, başlıklar yerindedir, fakat yazı tam olarak ne işe yarayacağını bilmez. Sorun modelin kelime üretememesi değildir. Sorun, “iyi” kelimesinin sizin için ne anlama geldiğinin konuşmada hiç tanımlanmamış olmasıdır.

Intent engineering tam bu boşlukla ilgilenir: Yapay zekâya yalnızca ne yapacağını değil; neden yaptığını, kimin için yaptığını, hangi sınırlar içinde karar verebileceğini ve sonucun ne zaman başarılı sayılacağını anlatma disiplinidir.

İyi bir istek, komuttan çok küçük bir çalışma anlaşmasına benzer.

Intent engineering nedir?

Türkçeye “niyet mühendisliği” diye çevirebileceğimiz intent engineering, henüz tek bir resmî standarda bağlı bir alan değil. En faydalı hâliyle onu şöyle düşünebiliriz: İnsan amacını, bir yapay zekânın doğru kararlar verebileceği açık bir görev tanımına dönüştürme işi.

Burada “niyet”, yalnızca istenen çıktı değildir. Şunların birleşimidir:

Sonuç: İş bittiğinde elimizde ne olmalı?
Gerekçe: Bu sonuca neden ihtiyaç duyuyoruz?
Bağlam: Kim kullanacak, mevcut durum ne, hangi bilgiler önemli?
Sınırlar: Neler yapılabilir, neler yapılmamalı?
Öncelikler: Hız, doğruluk, maliyet ve kalite çatışırsa hangisi kazanmalı?
Başarı ölçütü: Doğru sonuca ulaştığımızı nasıl anlayacağız?

Model bu parçaları bildiğinde sadece cümlelerinizi takip etmez; belirsizlikle karşılaştığında niyetinize uygun kararlar da verebilir.

Prompt engineering ile farkı ne?

Prompt engineering çoğunlukla modele gönderilen mesajın nasıl yazıldığına odaklanır: rol vermek, örnek göstermek, çıktı biçimi istemek veya adımları tarif etmek gibi. Bunların hepsi değerlidir. Intent engineering ise bir katman yukarı çıkar ve önce şu soruyu sorar: “Aslında hangi problemi çözüyoruz?”

Aradaki ilişkiyi şöyle kurabiliriz:

Prompt engineering, isteğin nasıl ifade edildiğini iyileştirir.
Context engineering, modelin karar vermesi için doğru bilgileri seçer.
Intent engineering, bütün bu çalışmanın hangi amaca hizmet edeceğini ve hangi karar kurallarına uyacağını belirler.

Bunlar rakip yöntemler değildir. Niyet yönü gösterir, bağlam haritayı sağlar, prompt ise ilk hareketi başlatır.

Zayıf istekten güçlü niyete

Şu isteği düşünün:

Web sitemin ana sayfasını daha iyi yap.

Model burada “daha iyi” ifadesini kendi varsayımlarıyla doldurmak zorundadır. Daha modern mi, daha hızlı mı, daha erişilebilir mi, yoksa daha çok satış yapan bir sayfa mı? Güçlü bir niyet tanımı aynı işi şöyle çerçeveler:

AMAÇ
İlk kez gelen ziyaretçinin ürünü 10 saniye içinde anlamasını ve demo talep etmesini kolaylaştır.

BAĞLAM
Ürün, küçük e-ticaret ekipleri için stok takibi yapıyor. Ziyaretçilerin çoğu mobil cihazdan geliyor ve teknik değil.

SINIRLAR
Mevcut marka renklerini ve sayfadaki gerçek müşteri yorumlarını koru. Yeni bir özellik veya kanıt uydurma. Önce geri döndürülebilir arayüz değişikliklerine odaklan.

BAŞARI ÖLÇÜTLERİ
Değer önerisi ilk ekranda görünmeli, ana eylem tek ve açık olmalı, sayfa klavyeyle kullanılabilmeli ve mobil düzen bozulmamalı.

TESLİM
Önce sorunları önem sırasıyla açıkla, sonra değişiklikleri uygula ve son olarak ölçütlerin her birini nasıl doğruladığını raporla.

İkinci istek daha uzun olduğu için değil, karar vermeyi kolaylaştırdığı için daha güçlüdür. Model artık bir tasarım tercihiyle karşılaştığında hangi sonuca hizmet etmesi gerektiğini bilir.

İyi bir niyet tanımının altı parçası

1. Çıktıyı değil, sonucu tarif edin

“Bir tablo oluştur” bir çıktıdır. “Ekip liderinin geciken işleri iki dakikada fark edebileceği bir tablo oluştur” ise sonuçtur. Çıktı biçimi değişebilir; amaç sabit kalır. Modelin çözüm alanını gereksiz yere daraltmadan önce istenen etkiyi söyleyin.

2. Gerekli bağlamı seçin

Daha çok bağlam her zaman daha iyi değildir. İyi bağlam, verilecek kararı değiştirebilecek bilgidir. Hedef kitle, mevcut sistem, önceki kararlar, gerçek veriler ve önemli istisnalar genellikle değerlidir. Konuyla ilgisiz uzun geçmiş ise modelin dikkatini dağıtabilir.

3. Sınırlarla tercihleri ayırın

“Kullanıcı verilerini dış servise gönderme” bir sınırdır; ihlal edilmemelidir. “Mümkünse mevcut bileşenleri kullan” ise bir tercihtir; güçlü bir gerekçe varsa esneyebilir. Bu ayrım, modelin hangi kuralları kesin ve hangilerini pazarlığa açık görmesi gerektiğini anlatır.

4. Çatışan öncelikleri sıralayın

“Hızlı, ucuz ve kusursuz olsun” karar vermeye yardım etmez. Bunun yerine “Önce doğruluk, sonra kullanıcı güvenliği, sonra hız; maliyet optimizasyonu bunlardan sonra gelir” deyin. Böylece model, bütün hedeflerin aynı anda karşılanamadığı anda nasıl davranacağını bilir.

5. Bitiş çizgisini görünür yapın

“İyileştir” sonsuz bir görevdir. “Üç ana kullanıcı akışı testlerden geçsin, erişilebilirlik hatası kalmasın ve yapılan varsayımlar raporlansın” ise tamamlanabilir bir görevdir. Başarı ölçütleri modele öz değerlendirme için bir kontrol listesi verir.

6. Yetki sınırını belirtin

Bir yapay zekâ ajanı dosya değiştirebiliyor, API çağırabiliyor veya veri silebiliyorsa niyet kadar yetki de açık olmalıdır. Örneğin: “Geri döndürülebilir kod değişikliklerini yap; veri silme, ödeme veya dışarıya mesaj gönderme öncesinde onay iste.” Bu cümle, hız ile güven arasında pratik bir sınır kurar.

Uygulanabilir bir çalışma döngüsü

Intent engineering tek seferde kusursuz bir metin yazma yarışı değildir. Aşağıdaki kısa döngü çoğu işte yeterlidir:

Niyeti yazın: Amaç, kullanıcı ve beklenen etkiyi bir veya iki cümlede açıklayın.
Kararları bulun: Modelin hangi noktalarda seçim yapacağını düşünün.
Rayları döşeyin: Sınırları, öncelikleri ve yetki seviyesini ekleyin.
Kanıt isteyin: Test, kaynak, karşılaştırma veya kontrol listesi gibi doğrulama yöntemini tanımlayın.
Çıktıyı değerlendirin: “İstediğimi yaptı mı?” yerine “Amaçlanan etkiyi üretiyor mu?” diye sorun.
Niyeti düzeltin: Yanlış varsayımı veya eksik karar kuralını bir sonraki turda görünür hâle getirin.

Bu döngünün önemli yanı, hatayı yalnızca modelde aramamasıdır. Kötü bir sonuç bazen yetersiz modelden, bazen eksik veriden, bazen de belirsiz bir niyetten doğar. Hangisinin sorun olduğunu ayırmak, sistemi gerçekten geliştirmenizi sağlar.

Kod yazan bir ajan için örnek

“Giriş sistemini düzelt” demek yerine niyeti şöyle kurabilirsiniz:

AMAÇ
Süresi dolmuş oturuma sahip kullanıcıların boş sayfada kalmak yerine güvenli biçimde giriş ekranına dönmesini sağla.

BAĞLAM
Uygulama Next.js kullanıyor. Sorun yalnızca sayfa yenilendiğinde görülüyor. Mevcut kullanıcıların oturum formatını değiştirmek istemiyoruz.

KISITLAR
Kimlik doğrulama sağlayıcısını değiştirme. Token değerlerini loglama. İlgisiz dosyaları yeniden düzenleme.

ÇALIŞMA BİÇİMİ
Önce çağrı zincirini inceleyip nedeni kanıtla. Ardından en küçük güvenli düzeltmeyi uygula. Geri döndürülebilir yerel değişiklikler için onay bekleme; dış sistem veya veri değişikliği gerekiyorsa dur.

DOĞRULAMA
Geçerli oturum, süresi dolmuş oturum ve oturumsuz kullanıcı senaryolarını test et. Sonuçta kök nedeni, değişen dosyaları ve test kanıtını özetle.

Bu tanım modele çözümü dikte etmez. Yine de güvenlik, kapsam ve tamamlanma konusunda güçlü bir yön verir. İyi intent engineering’in hedefi tam olarak budur: mikro yönetim yapmadan güvenilir özerklik sağlamak.

Sık yapılan hatalar

Çözümü problem sanmak: “Bir chatbot ekle” demeden önce hangi kullanıcı probleminin çözüleceğini açıklayın.
Sıfatları ölçüt sanmak: “Modern, etkileyici, profesyonel” yerine gözlenebilir özellikler kullanın.
Her şeyi en yüksek öncelik yapmak: Gerçek bir sıralama yoksa model çatışmayı gizli varsayımlarla çözer.
Bağlamı yığmak: Kararı etkilemeyen belgeler, kritik sinyali gürültüye dönüştürür.
Doğrulama istememek: Akıcı bir cevap doğruymuş gibi görünebilir. Kanıt biçimini önceden belirleyin.
Belirsizliği saklamak: Emin olunmayan noktaları açıkça işaretlemek, sahte kesinlikten daha değerlidir.

Kopyalayıp kullanabileceğiniz şablon

AMAÇ
[İş bittiğinde hangi etki oluşmalı?]

KULLANICI VE BAĞLAM
[Kim kullanacak? Mevcut durum ve kararı değiştiren bilgiler neler?]

TESLİM EDİLECEKLER
[Somut çıktılar ve istenen format]

SINIRLAR
[Kesinlikle yapılmaması gerekenler, kapsam ve kaynak sınırları]

ÖNCELİKLER
[Hedefler çatışırsa hangi sıra izlenmeli?]

YETKİ
[Model kendi başına ne yapabilir, ne zaman onay istemeli?]

BAŞARI ÖLÇÜTLERİ
[Sonucun doğru ve tamamlanmış olduğunu nasıl anlayacağız?]

RAPORLAMA
[Varsayımlar, kanıtlar, riskler ve sonraki adımlar nasıl sunulmalı?]

Her görevde bütün başlıkları doldurmak zorunda değilsiniz. Basit bir işte amaç ve başarı ölçütü yeterli olabilir. Riskli veya çok adımlı işlerde ise sınırlar, yetki ve doğrulama bölümleri kritik hâle gelir.

Son söz

Yapay zekâ ile iyi çalışmak, gizli bir sihirli prompt bulmak değildir. Asıl beceri, zihninizdeki örtük beklentileri görünür kararlara dönüştürmektir. Ne istediğinizi, neden istediğinizi ve neyin “başarılı” sayılacağını açıkça ifade ettiğinizde model yalnızca daha iyi cevap vermez; sizinle daha tutarlı biçimde çalışır.

Bir sonraki isteğinizi göndermeden önce kendinize üç soru sorun: Hangi etkiyi istiyorum? Model nerede karar vermek zorunda kalacak? Sonucun doğru olduğunu nasıl anlayacağım? Bu üç cevap, çoğu zaman onlarca “sihirli” prompt tekniğinden daha değerlidir.

Kaynaklar ve ileri okuma

“Intent engineering” henüz tek bir resmî standarda bağlı değildir. Bu yazıdaki yaklaşım; amaç, bağlam, sınır ve doğrulama tasarımını ele alan aşağıdaki birincil uygulama rehberleriyle birlikte okunabilir:

Intent Engineering: Yapay Zekâya Gerçek Niyetini Anlatmak