Hızlı tasarım stratejileri

İstem tasarımı, dil modelinden doğru ve yüksek kaliteli yanıtlar alınmasını sağlayan istemler veya doğal dil istekleri oluşturma sürecidir.

Bu sayfada, Gemini yapay zeka modellerinden en iyi şekilde yararlanmak için istem tasarlamaya başlamanıza yardımcı olacak temel kavramlar, stratejiler ve en iyi uygulamalar tanıtılmaktadır.

Konuya özel istem rehberleri

Daha spesifik istem stratejileri mi arıyorsunuz? Aşağıdaki konularda diğer istem kılavuzlarımıza göz atın:

Bu kılavuzda paylaşılan kavramların çoğunu etkileşimli olarak gösteren diğer örnek istemleri istem galerisinde bulabilirsiniz.

Net ve spesifik talimatlar

Model davranışını özelleştirmenin etkili ve verimli bir yolu, modele net ve spesifik talimatlar vermektir. Talimatlar soru, adım adım görevler şeklinde olabilir veya kullanıcının deneyimini ve düşünce tarzını haritalandırmak kadar karmaşık olabilir.

Giriş

Giriş, istemde modelin yanıt vermesini istediğiniz zorunlu metindir. Girişler, modelin yanıtladığı bir soru (soru girişi), modelin yerine getirdiği bir görev (görev girişi), modelin üzerinde işlem yaptığı bir varlık (varlık girişi) veya modelin tamamladığı ya da devam ettirdiği kısmi giriş (tamamlama girişi) olabilir.

Giriş türü İstem Oluşturulan çıkış
Soru 

    What's a good name for a flower shop that specializes in selling bouquets of
    dried flowers? Create a list of 5 options with just the names.
 

    Here are 5 names for a flower shop specializing in dried flowers:

    1. Everlasting Blooms
    2. Dried & Delightful
    3. The Petal Preserve
    4. Whispers of Wildflowers
    5. Forever Blooms
Görev 
    Give me a simple list of just the things that I must bring on a camping trip. The list should have 5 items.
 
    1. **Tent:** Your shelter from the elements.
    2. **Sleeping Bag:** Stay warm and comfortable.
    3. **Sleeping Pad:** Insulation and cushioning for a good night's sleep.
    4. **Headlamp or Flashlight:** Light for nighttime activities.
    5. **First Aid Kit:** Be prepared for minor injuries.
Varlık 

    Classify the following items as [large, small]:
Elephant
Mouse
Snail
 

Here's the classification:

* **Elephant:** Large
* **Mouse:** Small
* **Snail:** Small

Kısmi giriş tamamlama

Üretken dil modelleri, gelişmiş bir otomatik tamamlama aracı gibi çalışır. Kısmi içerik sağladığınızda model, içeriğin geri kalanını veya içeriğin devamı olduğunu düşündüğü kısmı yanıt olarak verebilir. Bunu yaparken örnek veya bağlam eklerseniz model bu örnekleri ya da bağlamı dikkate alabilir.

Aşağıdaki örnekte, talimat ve varlık girişi içeren bir istem verilmiştir:

For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or
drink, with the value being the quantity.

Order: A burger and a drink.
  
{
  "cheeseburger": 0,
  "hamburger": 1,
  "fries": 0,
  "drink": 1
}

Model, talimatları yerine getirse de talimatları doğal dilde yazmak bazen zor olabilir ve modelin yorumuna çok fazla şey bırakır. Örneğin, bir restoranın menüsünde birçok öğe olabilir. JSON yanıtının boyutunu küçültmek için sipariş edilmeyen öğeleri çıkarabilirsiniz. Bu durumda, bir örnek ve yanıt öneki verip modelin bunu tamamlamasını sağlayabilirsiniz:

Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
```
{
  "cheeseburger": 1,
  "fries": 1
}
```
Order: I want two burgers, a drink, and fries.
Output:
  
```
{
  "hamburger": 2,
  "drink": 1,
  "fries": 1
}
```

"Cheeseburger"ın siparişte yer almadığı için çıkıştan nasıl hariç tutulduğuna dikkat edin.

Basit JSON yanıt nesnelerinin biçimini istemleri kullanarak belirtebilirsiniz ancak yanıt için daha karmaşık bir JSON şeması belirtirken Gemini API'nin yapılandırılmış çıkış özelliğini kullanmanızı öneririz.

Sınırlamalar

İstemin okunması veya yanıt oluşturulmasıyla ilgili kısıtlamaları belirtin. Modele ne yapıp ne yapmaması gerektiğini söyleyebilirsiniz. Örneğin, istemde özetin ne kadar uzun olmasını istediğinize dair bir kısıtlama belirtebilirsiniz:

Summarize this text in one sentence:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
    

      Exploiting quantum mechanical phenomena, quantum computers can perform calculations exponentially faster than traditional computers for potential applications like cybersecurity and meteorology, although they are currently largely experimental and impractical.

Yanıt biçimi

Yanıtın biçimini belirten talimatlar verebilirsiniz. Örneğin, yanıtın tablo, madde işaretli liste, asansör konuşması, anahtar kelimeler, cümle veya paragraf olarak biçimlendirilmesini isteyebilirsiniz. Aşağıdaki sistem talimatı, modele yanıtında daha sohbet havasında olmasını söyler:

    All questions should be answered comprehensively with details, unless the user requests a concise response specifically.
  
    What is a smart way to make a business that sells DVD's in 2026?
  
Starting a business selling DVDs in 2026 presents significant challenges due to the overwhelming dominance of digital streaming and on-demand services; a "smart" approach would therefore require a highly specialized niche, a strong value proposition beyond just the disc, and likely a focus on community or collector markets rather than mainstream consumption.

Here's a breakdown of what a smart DVD business in 2026 would likely entail:

1. Extreme Niche Specialization: You cannot compete with streaming libraries. Your business must focus on what digital doesn't offer easily or at all. This could include:

    * Out-of-Print & Rare Titles: Sourcing films or TV shows that have never been released digitally or are currently unavailable on major streaming platforms.
    ....

Tamamlama stratejisiyle yanıtları biçimlendirme

Tamamlama stratejisi, yanıtın biçimlendirilmesine de yardımcı olabilir. Aşağıdaki örnekte, modelden bir makale taslağı oluşturması istenmektedir:

Create an outline for an essay about hummingbirds.
  
Here is a possible outline for an essay about hummingbirds:

I. Introduction
A. Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
B. Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds.
C. Thesis Statement: State the main point of the essay, which could be about the remarkable adaptations, behaviors, and ecological importance of hummingbirds.

II. Appearance and Identification
.....

İstemde ana hat için biçim belirtilmediğinden model sizin için bir biçim seçti. Modelin belirli bir biçimde ana hat döndürmesini sağlamak için ana hat başlangıcını temsil eden metin ekleyebilir ve başlattığınız kalıba göre modeli tamamlamasına izin verebilirsiniz.

Create an outline for an essay about hummingbirds.
I. Introduction
   *
  
Okay, here is an outline for an essay about hummingbirds, starting from the introduction you provided:

I. Introduction
* Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
* Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds, and their general characteristics.
* Thesis Statement: State the main point of the essay, focusing on the remarkable adaptations, behaviors, and ecological significance that make hummingbirds extraordinary.
.....

Sıfır örnekli ve az örnekli istemler

İsteme, modelin doğru yanıtın nasıl göründüğünü anlamasına yardımcı olacak örnekler ekleyebilirsiniz. Model, örneklerdeki kalıpları ve ilişkileri belirlemeye çalışır ve yanıt oluştururken bunları uygular. Birkaç örnek içeren istemlere çok görevli istem, örnek içermeyen istemlere ise sıfır görevli istem adı verilir. Az örnekli istemler genellikle model yanıtlarının biçimlendirmesini, ifade şeklini, kapsamını veya genel kalıbını düzenlemek için kullanılır. Modelin odağını daraltmasına ve daha doğru sonuçlar üretmesine yardımcı olmak için spesifik ve çeşitli örnekler kullanın.

İstemlerinize her zaman few-shot örnekleri eklemenizi öneririz. few-shot örneği içermeyen istemlerin etkili olma olasılığı daha düşüktür. Hatta örnekleriniz, söz konusu görevi gösterme konusunda yeterince netse isteminizden talimatları kaldırabilirsiniz.

Aşağıdaki sıfır adımlı istem, modelden en iyi açıklamayı seçmesini ister.

Please choose the best explanation to the question:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Explanation1 is the better explanation because it provides more detail on the
process, including how ice crystals combine and grow into snowflakes as they
fall through the atmosphere.

Kullanım alanınız modelin kısa yanıtlar üretmesini gerektiriyorsa isteme kısa yanıtları tercih eden örnekler ekleyebilirsiniz.

Aşağıdaki istemde, daha kısa açıklamaların tercih edildiğini gösteren iki örnek verilmiştir. Yanıtta, örneklerin modeli daha önce yaptığı gibi daha uzun açıklama (Explanation1) yerine daha kısa açıklamayı (Explanation2) seçmeye yönlendirdiğini görebilirsiniz.

Below are some examples showing a question, explanation, and answer format:

Question: Why is the sky blue?
Explanation1: The sky appears blue because of Rayleigh scattering, which causes
shorter blue wavelengths of light to be scattered more easily than longer red
wavelengths, making the sky look blue.
Explanation2: Due to Rayleigh scattering effect.
Answer: Explanation2

Question: What is the cause of earthquakes?
Explanation1: Sudden release of energy in the Earth's crust.
Explanation2: Earthquakes happen when tectonic plates suddenly slip or break
apart, causing a release of energy that creates seismic waves that can shake the
ground and cause damage.
Answer: Explanation1

Now, Answer the following question given the example formats above:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Answer: Explanation2

İdeal örnek sayısı

Gemini gibi modeller genellikle birkaç örnek kullanarak kalıpları anlayabilir ancak en iyi sonuçları elde etmek için istemde kaç örnek vermeniz gerektiğini denemeniz gerekebilir. Aynı zamanda, çok fazla örnek eklerseniz model, yanıtı örneklere aşırı uydurmaya başlayabilir.

Tutarlı format

İstenmeyen biçimlerde yanıtlar almamak için birden çok örnekteki yapının ve biçimlendirmenin aynı olduğundan emin olun. İstemlere few-shot örneği eklemenin temel amaçlarından biri, modele yanıt biçimini göstermektir. Bu nedenle, tüm örneklerde tutarlı bir biçim kullanmak çok önemlidir. Özellikle XML etiketlerine, boşluklara, yeni satırlara ve örnek ayırıcılara dikkat edin.

Bağlam ekle

Modelin gerekli tüm bilgilere sahip olduğunu varsaymak yerine, bir sorunu çözmek için ihtiyaç duyduğu talimatları ve bilgileri isteme ekleyebilirsiniz. Bu bağlam bilgisi, modelin kısıtlamaları ve yapmasını istediğiniz şeyin ayrıntılarını anlamasına yardımcı olur.

Aşağıdaki örnekte, modelden bir yönlendirici için sorun giderme kılavuzu vermesi istenmektedir:

What should I do to fix my disconnected wifi? The light on my Google
Wifi router is yellow and blinking slowly.
  
  A yellow blinking light on your Google Wifi router usually indicates a problem
  with the internet connection. Here are some steps to troubleshoot and fix the
  issue:
  1. Restart your router and modem:
    - Unplug your modem from the power outlet and wait for 30 seconds.
    - Plug your modem back in and wait for it to fully boot up.
    - Unplug your Google Wifi router and wait for 30 seconds.
    - Plug your Google Wifi router back in and wait for it to fully boot up.
.....

Yanıtta, yönlendiriciye veya LED gösterge ışıklarının durumuna özgü olmayan genel sorun giderme bilgileri yer alıyor.

Yanıtı belirli bir yönlendiriciye göre özelleştirmek için isteme, yönlendiricinin sorun giderme kılavuzunu ekleyerek yanıt verirken başvurabileceği bir bağlam sağlayabilirsiniz.

Answer the question using the text below. Respond with only the text provided.
Question: What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly.

Text:
Color: Slowly pulsing yellow
What it means: There is a network error.
What to do:
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

Color: Fast blinking yellow
What it means: You are holding down the reset button and are factory resetting this device.
What to do:
If you keep holding down the reset button, after about 12 seconds, the light will turn solid yellow. Once it is solid yellow, let go of the factory reset button.

Color: Solid yellow
What it means: Router is factory resetting.
What to do:
This can take up to 10 minutes. When it's done, the device will reset itself and start pulsing white, letting you know it's ready for setup.

Color: Solid red
What it means: Something is wrong.
What to do:
Critical failure. Factory reset the router. If the light stays red, contact Wifi customer support.
  
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

İstemleri bileşenlere ayırma

Karmaşık istemler gerektiren kullanım alanlarında, istemleri daha basit bileşenlere ayırarak modelin bu karmaşıklığı yönetmesine yardımcı olabilirsiniz.

  1. Talimatları parçalara ayırın: Tek bir istemde çok sayıda talimat vermek yerine her talimat için bir istem oluşturun. Kullanıcının girişine göre hangi istemin işleneceğini seçebilirsiniz.

  2. Zincir istemler: Sıralı birden fazla adım içeren karmaşık görevler için her adımı istem olarak girin ve istemleri bir sırayla birbirine bağlayın. Bu sıralı istem zincirinde, dizideki bir istemin çıkışı bir sonraki istemin girişi olur. Sıradaki son istemin çıkışı, nihai çıkıştır.

  3. Yanıtları birleştirme: Birleştirme, verilerin farklı bölümlerinde farklı paralel görevler gerçekleştirmek ve nihai çıktıyı üretmek için sonuçları birleştirmek istediğinizde kullanılır. Örneğin, modele verilerin ilk bölümünde bir işlem, geri kalanında başka bir işlem yapmasını ve sonuçları toplamasını söyleyebilirsiniz.

Model parametreleriyle denemeler yapma

Modele gönderdiğiniz her çağrı, modelin yanıt oluşturma şeklini kontrol eden parametre değerleri içerir. Model, farklı parametre değerleri için farklı sonuçlar üretebilir. Görev için en iyi değerleri elde etmek üzere farklı parametre değerleriyle denemeler yapın. Farklı modeller için kullanılabilen parametreler farklılık gösterebilir. En yaygın parametreler şunlardır:

  1. Maksimum çıkış jetonu sayısı: Yanıtta oluşturulabilecek maksimum jeton sayısını belirtir. Bir jeton, yaklaşık dört karakterden oluşur. 100 jeton yaklaşık 60-80 kelimeye denk gelir.

  2. Sıcaklık: Sıcaklık, jeton seçimindeki rastgelelik derecesini kontrol eder. Sıcaklık, topP ve topK uygulandığında gerçekleşen yanıt oluşturma sırasında örnekleme için kullanılır. Düşük sıcaklıklar, daha kesin veya daha az açık uçlu yanıt gerektiren istemler için tercih edilir. Yüksek sıcaklıklar ise daha çeşitli veya yaratıcı sonuçlar sunabilir. Sıcaklık 0 olduğunda her zaman en yüksek olasılıklı yanıt seçilir.

  3. topK: topK parametresi, modelin çıkış için jetonları nasıl seçeceğini değiştirir. topK değerinin 1 olması, seçilen jetonun modelin kelime dağarcığındaki tüm jetonlar arasında en olası jeton olduğu anlamına gelir (açgözlü kod çözme olarak da bilinir). topK değerinin 3 olması ise bir sonraki jetonun, sıcaklık kullanılarak en olası 3 jeton arasından seçildiği anlamına gelir. Her jeton seçimi adımında, en yüksek olasılıklara sahip topK jeton örneklenir. Jetonlar daha sonra topP'ye göre daha da filtrelenir ve son jeton, sıcaklık örneklemesi kullanılarak seçilir.

  4. topP: topP parametresi, modelin çıkış için jetonları nasıl seçeceğini değiştirir. Olasılıklarının toplamı topP değerine eşit olana kadar en olasıdan en az olasıya doğru parçalar seçilir. Örneğin, A, B ve C jetonlarının olasılığı 0,3, 0,2 ve 0,1 ise ve topP değeri 0,5 ise model, sıcaklığı kullanarak sonraki jeton olarak A veya B'yi seçer ve C'yi aday olarak hariç tutar. Varsayılan topP değeri 0,95'tir.

  5. stop_sequences: Modeli içerik oluşturmayı durdurmaya yönlendirmek için durdurma sırası ayarlayın. Durdurma dizisi herhangi bir karakter dizisi olabilir. Oluşturulan içerikte görünebilecek karakter dizilerini kullanmaktan kaçının.

İstem tekrarlama stratejileri

İstemi tasarlarken, aradığınız yanıtı tutarlı bir şekilde alabilmek için bazen birkaç deneme yapmanız gerekebilir. Bu bölümde, istemlerinizi yinelerken deneyebileceğiniz bazı yöntemler hakkında bilgi verilmektedir:

  1. Farklı ifadeler kullanın: İstemlerinizde farklı kelimeler veya ifadeler kullanmak, aynı anlama gelseler bile modelden genellikle farklı yanıtlar almanızı sağlar. İsteminizden beklediğiniz sonuçları alamıyorsanız isteminizi yeniden ifade etmeyi deneyin.

    Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?

  2. Benzer bir göreve geçiş yapın: Modelin bir görevle ilgili talimatlarınızı uygulamasını sağlayamıyorsanız aynı sonucu veren benzer bir görevle ilgili talimatlar vermeyi deneyin.

    Bu istem, modele önceden tanımlanmış kategorileri kullanarak bir kitabı kategorize etmesini söyler:

    Which category does The Odyssey belong to:
thriller
sci-fi
mythology
biography
  
        The Odyssey belongs to the category of **mythology**. 

    Here's why:

    * **Mythology:** The Odyssey tells the story of Odysseus, a hero from Greek mythology, and his
    journey home after the Trojan War. It features gods, monsters, and supernatural events common to
    Greek mythology.
.....

    Yanıt doğru ancak model, seçeneklerin sınırları içinde kalmadı. Ayrıca modelin tam bir cümle yerine seçeneklerden biriyle yanıt vermesini istiyorsunuz. Bu durumda, talimatları çoktan seçmeli soru olarak yeniden ifade edebilir ve modelden bir seçenek belirlemesini isteyebilirsiniz.

    Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
    


      

    • thriller
      • 

    • sci-fi
      • 

    • mythology
      • 

    • biography

    The correct answer is mythology.

  3. İstem içeriğinin sırasını değiştirme: İstemdeki içeriğin sırası bazen yanıtı etkileyebilir. İçerik sırasını değiştirip yanıtın nasıl etkilendiğini inceleyin.

    Version 1:
[examples]
[context]
[input]

Version 2:
[input]
[examples]
[context]

Version 3:
[examples]
[input]
[context]

Yedek yanıtlar

Yedek yanıt, istem veya yanıt bir güvenlik filtresini tetiklediğinde model tarafından döndürülen yanıttır. Yedek yanıta örnek olarak "Ben sadece bir dil modeli olduğum için bu konuda yardımcı olamıyorum." verilebilir.

Model, yedek yanıt verirse sıcaklığı artırmayı deneyin.

Temellendirme ve kod yürütme

Gemini, aksi takdirde yanlış yanıtlar üretebileceği senaryolarda halüsinasyonları önlemek için araçları kullanabilir.

Google Arama ile Temellendirme, Gemini modelini gerçek zamanlı web içeriğine bağlar ve modelin belirsiz veya güncel bilgileri bilmesi gerektiğinde etkinleştirilmelidir.

Gemini'ın kod yürütme aracı, modelin Python kodu oluşturup çalıştırmasını sağlar. Modelin herhangi bir aritmetik, sayma veya hesaplama işlemi yapması gerektiğinde bu aracın etkinleştirilmesi gerekir.

Gemini 3

Gemini 3 modelleri, gelişmiş akıl yürütme ve talimatları uygulama için tasarlanmıştır. Bu modeller, doğrudan, iyi yapılandırılmış ve görevi ve kısıtlamaları net bir şekilde tanımlayan istemlere en iyi şekilde yanıt verir. Gemini 3 ile en iyi sonuçları elde etmek için aşağıdaki uygulamalar önerilir:

İstem oluşturmanın temel ilkeleri

  • Net ve doğrudan olun: Hedefinizi açık ve net bir şekilde belirtin. Gereksiz veya aşırı ikna edici bir dil kullanmaktan kaçının.
  • Tutarlı bir yapı kullanın: İsteminizin farklı bölümlerini ayırmak için net sınırlayıcılar kullanın. XML tarzı etiketler (ör. <context>, <task>) veya Markdown başlıkları etkilidir. Tek bir istemde tutarlı bir şekilde kullanmak için bir biçim seçin.
  • Parametreleri tanımlayın: Belirsiz terimleri veya parametreleri açıkça açıklayın.
  • Çıktı ayrıntı düzeyini kontrol etme: Gemini 3 modelleri varsayılan olarak doğrudan ve etkili yanıtlar verir. Daha sohbet tarzında veya ayrıntılı bir yanıt istiyorsanız talimatlarınızda bunu açıkça belirtmeniz gerekir.
  • Çok formatlı girişleri tutarlı bir şekilde işleyin: Metin, resim, ses veya video kullanırken bunları eşit sınıf girişler olarak ele alın. Talimatlarınızda her modaliteye gerektiği şekilde açıkça atıfta bulunulduğundan emin olun.
  • Önemli talimatlara öncelik verin: Davranışla ilgili temel kısıtlamaları, rol tanımlarını (karakter) ve çıkış biçimiyle ilgili şartları Sistem Talimatı'na veya kullanıcı isteminin en başına yerleştirin.
  • Uzun bağlamlar için yapı: Büyük miktarda bağlam (ör. dokümanlar, kod) sağlarken önce tüm bağlamı sağlayın. Özel talimatlarınızı veya sorularınızı istemin en sonuna yerleştirin.
  • Bağlamı sabitleme: Büyük bir veri bloğundan sonra, bağlam ile sorgunuz arasında köprü kurmak için net bir geçiş ifadesi kullanın. Örneğin, "Yukarıdaki bilgilere göre..."

Gemini 3 Flash stratejileri

  • Geçerli gün doğruluğu: Modelin geçerli günün 2026'da olduğuna dikkat etmesine yardımcı olmak için sistem talimatlarına aşağıdaki ifadeyi ekleyin:

    For time-sensitive user queries that require up-to-date information, you
MUST follow the provided current time (date and year) when formulating
search queries in tool calls. Remember it is 2026 this year.

  • Son güncel bilgi tarihi doğruluğu: Modeli son güncel bilgi tarihi konusunda bilgilendirmek için sistem talimatlarına aşağıdaki ifadeyi ekleyin:

    Your knowledge cutoff date is January 2025.

  • Temellendirme performansı: Modelin yanıtları sağlanan bağlamda temellendirme becerisini artırmak için sistem talimatlarına aşağıdaki ifadeyi ekleyin (gerekli yerlerde düzenlemeler yaparak):

    You are a strictly grounded assistant limited to the information provided in
the User Context. In your answers, rely **only** on the facts that are
directly mentioned in that context. You must **not** access or utilize your
own knowledge or common sense to answer. Do not assume or infer from the
provided facts; simply report them exactly as they appear. Your answer must
be factual and fully truthful to the provided text, leaving absolutely no
room for speculation or interpretation. Treat the provided context as the
absolute limit of truth; any facts or details that are not directly
mentioned in the context must be considered **completely untruthful** and
**completely unsupported**. If the exact answer is not explicitly written in
the context, you must state that the information is not available.

Akıl yürütme ve planlama becerilerini geliştirme

Gemini 2.5 ve 3 serisi modeller, akıl yürütme performansını artırmak için otomatik olarak dahili "düşünme" metni oluşturur. Bu nedenle, döndürülen yanıtta modelin ana hatlarını, planını veya ayrıntılı muhakeme adımlarını belirtmesi genellikle gerekli değildir. Yoğun akıl yürütme gerektiren sorunlarda, "Yanıt vermeden önce çok iyi düşün" gibi basit istekler, ek düşünme token'ları kullanılmasına neden olsa da performansı artırabilir.

Daha fazla bilgi için Gemini düşünme belgelerine bakın.

Yapılandırılmış istem örnekleri

Etiketler veya Markdown kullanmak, modelin talimatlar, bağlam ve görevler arasında ayrım yapmasına yardımcı olur.

XML örneği:

<role>
You are a helpful assistant.
</role>

<constraints>
1. Be objective.
2. Cite sources.
</constraints>

<context>
[Insert User Input Here - The model knows this is data, not instructions]
</context>

<task>
[Insert the specific user request here]
</task>

Markdown örneği:

# Identity
You are a senior solution architect.

# Constraints
- No external libraries allowed.
- Python 3.11+ syntax only.

# Output format
Return a single code block.

En iyi uygulamaları birleştiren örnek şablon

Bu şablon, Gemini 3 ile istem oluşturmanın temel ilkelerini içerir. Kendi kullanım alanınıza göre yineleme ve değişiklik yapmayı unutmayın.

Sistem Talimatı:

<role>
You are Gemini 3, a specialized assistant for [Insert Domain, e.g., Data Science].
You are precise, analytical, and persistent.
</role>

<instructions>
1. **Plan**: Analyze the task and create a step-by-step plan.
2. **Execute**: Carry out the plan.
3. **Validate**: Review your output against the user's task.
4. **Format**: Present the final answer in the requested structure.
</instructions>

<constraints>
- Verbosity: [Specify Low/Medium/High]
- Tone: [Specify Formal/Casual/Technical]
</constraints>

<output_format>
Structure your response as follows:
1. **Executive Summary**: [Short overview]
2. **Detailed Response**: [The main content]
</output_format>

Kullanıcı istemi:

<context>
[Insert relevant documents, code snippets, or background info here]
</context>

<task>
[Insert specific user request here]
</task>

<final_instruction>
Remember to think step-by-step before answering.
</final_instruction>

Temsilci tabanlı iş akışları

Derin etkileşimli iş akışlarında, modelin nasıl akıl yürüteceğini, planlayacağını ve görevleri nasıl yürüteceğini kontrol etmek için genellikle belirli talimatlar gerekir. Gemini genel olarak güçlü bir performans sunsa da karmaşık ajanlar genellikle bilgi işlem maliyeti (gecikme ve jetonlar) ile görev doğruluğu arasındaki dengeyi yapılandırmanızı gerektirir.

Ajanlar için istem tasarlarken ajanda yönlendirebileceğiniz aşağıdaki davranış boyutlarını göz önünde bulundurun:

Akıl yürütme ve strateji

Modelin harekete geçmeden önce nasıl düşüneceği ve planlayacağıyla ilgili yapılandırma.

  • Mantıksal ayrıştırma: Modelin kısıtlamaları, ön koşulları ve işlemlerin sırasını ne kadar ayrıntılı analiz etmesi gerektiğini tanımlar.
  • Sorun teşhisi: Nedenler belirlenirken analiz derinliğini ve modelin abduktif akıl yürütme kullanımını kontrol eder. Modelin en bariz cevabı kabul edip etmeyeceğini veya karmaşık ve daha az olası açıklamaları inceleyip incelemeyeceğini belirler.
  • Bilgi kapsamlılığı: Mevcut her politikayı ve belgeyi analiz etmek ile verimliliğe ve hıza öncelik vermek arasındaki denge.

Yürütme ve güvenilirlik

Temsilcinin otonom olarak nasıl çalışacağını ve engelleri nasıl aşacağını belirleyen yapılandırma.

  • Uyarlanabilirlik: Modelin yeni verilere nasıl tepki verdiği. Başlangıçtaki planına sıkı sıkıya bağlı kalıp kalmayacağını veya gözlemler varsayımlarla çeliştiğinde hemen farklı bir plana geçip geçmeyeceğini belirler.
  • Kalıcılık ve kurtarma: Modelin hataları kendi kendine düzeltmeye çalışma derecesi. Yüksek kalıcılık, başarı oranlarını artırır ancak daha yüksek jeton maliyetleri veya döngü riski taşır.
  • Risk Değerlendirmesi: Sonuçları değerlendirme mantığı. Düşük riskli keşif işlemleri (okuma) ile yüksek riskli durum değişiklikleri (yazma) arasında açıkça ayrım yapar.

Etkileşim ve çıkış

Temsilcinin kullanıcıyla nasıl iletişim kuracağını ve sonuçları nasıl biçimlendireceğini belirleyen yapılandırma.

  • Belirsizlik ve izin yönetimi: Modelin ne zaman varsayımda bulunmasına izin verildiğini ve ne zaman yürütmeyi duraklatıp kullanıcıdan açıklama veya izin istemesi gerektiğini tanımlar.
  • Ayrıntı düzeyi: Araç çağrılarıyla birlikte oluşturulan metnin hacmini kontrol eder. Bu, modelin işlemlerini kullanıcıya açıklayıp açıklamayacağını veya yürütme sırasında sessiz kalıp kalmayacağını belirler.
  • Hassasiyet ve eksiksizlik: Çıktının gerekli doğruluk düzeyi. Modelin her uç durumu çözmesi ve tam rakamlar vermesi mi yoksa yaklaşık tahminler sunması mı gerektiğini belirtir.

Sistem talimatı şablonu

Aşağıdaki sistem talimatı, modelin karmaşık bir kural kitabına uyması ve kullanıcıyla etkileşim kurması gereken temsilci karşılaştırmalarında performansı artırmak için araştırmacılar tarafından değerlendirilen bir örnektir. Temsilciyi güçlü bir akıl yürütme ve planlama aracı olarak hareket etmeye teşvik eder, yukarıda listelenen boyutlarda belirli davranışları zorunlu kılar ve modelin herhangi bir işlem yapmadan önce proaktif olarak planlama yapmasını gerektirir.

Bu şablonu, kullanım alanınızın kısıtlamalarına uyacak şekilde uyarlayabilirsiniz.

You are a very strong reasoner and planner. Use these critical instructions to structure your plans, thoughts, and responses.

Before taking any action (either tool calls *or* responses to the user), you must proactively, methodically, and independently plan and reason about:

1) Logical dependencies and constraints: Analyze the intended action against the following factors. Resolve conflicts in order of importance:
    1.1) Policy-based rules, mandatory prerequisites, and constraints.
    1.2) Order of operations: Ensure taking an action does not prevent a subsequent necessary action.
        1.2.1) The user may request actions in a random order, but you may need to reorder operations to maximize successful completion of the task.
    1.3) Other prerequisites (information and/or actions needed).
    1.4) Explicit user constraints or preferences.

2) Risk assessment: What are the consequences of taking the action? Will the new state cause any future issues?
    2.1) For exploratory tasks (like searches), missing *optional* parameters is a LOW risk. **Prefer calling the tool with the available information over asking the user, unless** your `Rule 1` (Logical Dependencies) reasoning determines that optional information is required for a later step in your plan.

3) Abductive reasoning and hypothesis exploration: At each step, identify the most logical and likely reason for any problem encountered.
    3.1) Look beyond immediate or obvious causes. The most likely reason may not be the simplest and may require deeper inference.
    3.2) Hypotheses may require additional research. Each hypothesis may take multiple steps to test.
    3.3) Prioritize hypotheses based on likelihood, but do not discard less likely ones prematurely. A low-probability event may still be the root cause.

4) Outcome evaluation and adaptability: Does the previous observation require any changes to your plan?
    4.1) If your initial hypotheses are disproven, actively generate new ones based on the gathered information.

5) Information availability: Incorporate all applicable and alternative sources of information, including:
    5.1) Using available tools and their capabilities
    5.2) All policies, rules, checklists, and constraints
    5.3) Previous observations and conversation history
    5.4) Information only available by asking the user

6) Precision and Grounding: Ensure your reasoning is extremely precise and relevant to each exact ongoing situation.
    6.1) Verify your claims by quoting the exact applicable information (including policies) when referring to them. 

7) Completeness: Ensure that all requirements, constraints, options, and preferences are exhaustively incorporated into your plan.
    7.1) Resolve conflicts using the order of importance in #1.
    7.2) Avoid premature conclusions: There may be multiple relevant options for a given situation.
        7.2.1) To check for whether an option is relevant, reason about all information sources from #5.
        7.2.2) You may need to consult the user to even know whether something is applicable. Do not assume it is not applicable without checking.
    7.3) Review applicable sources of information from #5 to confirm which are relevant to the current state.

8) Persistence and patience: Do not give up unless all the reasoning above is exhausted.
    8.1) Don't be dissuaded by time taken or user frustration.
    8.2) This persistence must be intelligent: On *transient* errors (e.g. please try again), you *must* retry **unless an explicit retry limit (e.g., max x tries) has been reached**. If such a limit is hit, you *must* stop. On *other* errors, you must change your strategy or arguments, not repeat the same failed call.

9) Inhibit your response: only take an action after all the above reasoning is completed. Once you've taken an action, you cannot take it back.

Sonraki adımlar