Uzun Sohbetlerde AI Kalitesini Korumak: Bağlam Bütçesi Rehberi

Bir AI sohbeti ilk turda doğru ilerleyip 30-40 dakika sonra alakasız öneriler vermeye başlıyorsa sorun çoğu zaman modelin ‘zekâsı’ değil, bağlamın dağılmasıdır. ChatGPT, Gemini ve Claude uzun metinleri işleyebilir; ancak her modelin bir bağlam penceresi, önceliklendirme biçimi ve kullanıcıdan aldığı sınırlı sinyaller vardır.

Bazı modellerde 128K, 200K veya 1M token gibi geniş bağlam pencereleri sunulabilir. Yine de bu, konuşmaya eklenen her bilginin aynı önemle hatırlanacağı anlamına gelmez. Özellikle geliştiriciler, kurucular, pazarlama ekipleri ve öğrenciler için temel kural şudur: AI ile uzun çalışmalarda iyi sonuç almak, daha uzun prompt yazmak değil, bağlam bütçesini yönetmek demektir.

Bağlam Bellek Değildir

ChatGPT, Gemini veya Claude ile çalışırken sohbet ekranı sürekli bir hafıza varmış gibi görünür. Oysa model, yanıt üretirken o anda erişebildiği konuşma geçmişine, eklenen dosyalara ve ürünün sağladığı bellek özelliklerine dayanır. ChatGPT’de özel talimatlar ve dosya yükleme, Claude’da Projects, Gemini’de Google Docs veya Drive ile çalışma gibi seçenekler yardımcı olabilir; fakat bunları sınırsız ve hatasız kurumsal bellek gibi kullanmak doğru değildir.

Uzun işlerde bilgiyi üç gruba ayırın:

• Kalıcı bilgi: Şirket adı, hedef müşteri, ürün konumlandırması, teknik mimari, marka tonu.
• Geçici görev bilgisi: Bugün yazılacak e-posta, incelenecek hata logu, hazırlanacak sunum.
• Karar geçmişi: Önceden neden A seçeneği yerine B seçeneğinin seçildiği.

Örneğin bir B2B SaaS girişimi için landing page metni, satış e-postası ve yatırımcı özeti üretecekseniz her yeni sohbete tüm geçmişi kopyalamayın. Bunun yerine 1 sayfalık bir bağlam dosyası hazırlayın. Notion, Google Docs, Obsidian veya düz bir Markdown dosyası yeterlidir. Dosyada en fazla şu bilgiler olsun: ürünün ne yaptığı, kime sattığı, fiyat aralığı, rakiplerden farkı, kullanılmaması gereken ifadeler ve son 3 kritik karar.

Bağlam Paketi Hazırlayın

AI ile düzenli iş yapıyorsanız her sohbetin başına ekleyebileceğiniz kısa bir bağlam paketi hazırlayın. Bu paket 300-600 kelime aralığında kalmalı; modelin hangi bilgiyi öncelikli göreceğini açıkça belirtmelidir. 2.000 kelimelik dağınık bir açıklama yerine 500 kelimelik net bir paket genellikle daha iyi sonuç verir.

Kullanabileceğiniz yapı:

• Rol: AI’dan ne bekliyorsunuz? Ürün danışmanı, kod inceleyici, Türkçe editör, hukuk dışı risk tarayıcı gibi.
• Amaç: Çıktı ne olacak? Blog yazısı, PRD, SQL sorgusu, müşteri yanıtı, yatırımcı güncellemesi.
• Kitle: Türkiye’deki KOBİ’ler, B2B SaaS kurucuları, üniversite öğrencileri, teknik ekip gibi.
• Kısıtlar: KVKK hassasiyeti, Türkçe ton, TL fiyatlama, yerel regülasyon, teknik borç, marka dili.
• Başarı ölçütü: Kısa, uygulanabilir, varsayımları belirten, tablo üreten, kaynak isteyen veya riskleri ayıran çıktı.

Kullanılabilir bir başlangıç istemi şöyle olabilir:

‘Aşağıdaki bağlam paketini önce oku. Yanıtlarında bu bağlamı varsay. Eksik bilgi varsa tahmin yürütmeden soru sor. Türkiye pazarını dikkate al. Kesin bilmediğin konuları olasılık olarak işaretle. Çıktının sonunda varsayımları ayrıca listele.’

Araç değişse de yöntem aynı kalır: önce bağlamı sabitle, sonra görevi ver. Claude Projects, ChatGPT dosya yükleme veya Gemini’nin Google dokümanlarıyla çalışma senaryolarında bu yaklaşım daha tutarlı sonuç üretir.

Uzun Görevi Parçalara Bölün

En sık hata, tek mesajda çok fazla iş istemektir: ‘Pazar araştırması yap, strateji çıkar, e-posta yaz, sunum hazırla, riskleri analiz et.’ Model buna yanıt verebilir; ancak çıktı çoğu zaman yüzeysel kalır, varsayımlar görünmez olur ve önemli ayrıntılar atlanır.

Daha güvenilir akış şu şekilde kurulabilir:

1. Özetlet: ‘Bu dokümandaki en önemli 10 noktayı çıkar.’
2. Sınıflandır: ‘Bu noktaları müşteri, ürün, fiyat, operasyon ve risk başlıklarına ayır.’
3. Seçenek üret: ‘Her başlık için 2 seçenek ve artı-eksi analizi hazırla.’
4. Çıktı üret: ‘Seçilen stratejiye göre 500 kelimelik yatırımcı güncellemesi yaz.’
5. Kontrol ettir: ‘Varsayımları, zayıf noktaları ve doğrulanması gereken bilgileri listele.’

Bu yöntem teknik işlerde de işe yarar. Örneğin hata ayıklarken tüm kod tabanını tek seferde açıklatmak yerine önce hata logunu, sonra ilgili fonksiyonu, sonra beklenen davranışı verin. Bir API hatasında sıralama şöyle olabilir: log satırları, endpoint adı, örnek request-response, son değişen commit, beklenen davranış. Böylece model hem daha az gereksiz bilgi işler hem de önerilerini daha somut hale getirir.

Gemini tarafında uzun doküman veya e-posta zincirlerinde önce özet, sonra kararlar, en son aksiyon maddeleri istemek daha güvenli ilerler. Örneğin 40 e-postalık bir müşteri yazışmasını doğrudan ‘yanıtla’ diye vermek yerine önce ‘karşı tarafın taleplerini ve açık kalan kararları çıkar’ demek daha iyi bir ilk adımdır.

Bağlam Bütçesini Temiz Tutun

Uzun sohbetlerde kaliteyi düşüren nedenlerden biri de eski ve artık geçerli olmayan bilgilerin konuşmada kalmaya devam etmesidir. İlk aşamada doğru olan bir hedef kitle, fiyat varsayımı, ürün kapsamı veya teknik karar daha sonra değişmiş olabilir. Model bunu kendiliğinden her zaman ayırt edemez; eski bilgiyle yeni bilgiyi aynı anda kullanıp tutarsız sonuçlar üretebilir.

Bu yüzden uzun çalışmalarda belirli aralıklarla kısa bir temizlik yapın. ‘Şu ana kadarki geçerli kararları özetle, artık geçerli olmayanları ayır’ gibi bir ara komut kullanın. Ardından yeni bir sohbete geçerken yalnızca güncel özet, açık kararlar, yapılacak iş ve önemli kısıtları taşıyın. Eski tartışmaları arşivde tutabilirsiniz; fakat her yeni göreve tamamını eklemek yerine süzülmüş bir bağlam paketi kullanın.

Pratik kural şudur: AI’a ne kadar çok şey verdiğinizden çok, hangi bilgiyi öncelikli hale getirdiğiniz önemlidir. Uzun sohbetleri düzenli özetleyin, değişen kararları açıkça işaretleyin, görevleri parçalara ayırın ve çıktıları kontrol adımıyla kapatın. Böylece ChatGPT, Gemini veya Claude ile çalışırken daha tutarlı, denetlenebilir ve işe yarar sonuçlar alabilirsiniz.