Bağlam Mühendisliği Nedir? Yapay Zekâdan Doğru Sonuç Almak

Bağlam mühendisliği, yapay zekâya bir iş verirken ona neyi, ne zaman ve hangi sırayla göstereceğinizi ayarlama işidir. Yani mesele “soruyu nasıl sordunuz” değil; model o soruya cevap verirken önünde ne olduğudur. 2026’da yapay zekâdan iyi sonuç almanın işi buraya kaydı. Model zaten yeterince akıllı; fark, ona verdiğiniz bağlamda ortaya çıkıyor.

Bir yıldır yapay zekâyı işimin tam göbeğinde kullanıyorum. Başta ben de “doğru soruyu bulayım” derdindeydim. Cümleyi ne kadar güzelleştirirsem sonuç o kadar iyi olur sandım. Olmadı. İşi asıl değiştiren şey, soruyla uğraşmayı bırakıp modele doğru bağlamı kurmak oldu. Basit bir fikir. Ama sonuçları benim için gece ile gündüz kadar farklıydı. Bu yazıda bunu anlatacağım: ne olduğunu ve küçük bir işletmenin nasıl kullanabileceğini, laf kalabalığı yapmadan.

Bağlam mühendisliği tam olarak nedir, prompt’tan farkı ne?

Terimi 2025’in ortasında Andrej Karpathy ortaya attı; Tesla’nın yapay zekâ direktörlüğünü yapmış, OpenAI’ın kurucu ekibinden bir isim. Şöyle tarif etmişti: bağlam mühendisliği, “bağlam penceresini bir sonraki adım için tam da doğru bilgiyle doldurmanın ince sanatı ve bilimidir.” O cümledeki “tam da doğru bilgi” kısmı, işin bütün özeti.

Prompt mühendisliği “bunu nasıl daha iyi yazarım?” diye sorar. Bağlam mühendisliği ise “model neyi görmeli, neyi görmemeli?” diye. Kulağa küçük geliyor. Ama sonucu tepeden tırnağa değiştiriyor.

Basit bir örnek vereyim. Yapay zekâdan bir müşteriye cevap yazmasını istiyorsunuz. Cümlenizi ne kadar cilalarsanız cilalayın, model marka dilinizi, o müşteriyle önceki yazışmayı ve fiyat sınırınızı bilmiyorsa ortalama bir şey çıkarır. Ama aynı modele marka rehberinizi, eski yazışmayı ve sınırlarınızı verirseniz, sizin ağzınızdan çıkmış gibi yazar. Değişen soru değil, modelin önündeki bilgiydi.

İşin bugüne bakan ilginç yanı şu: bu terimi ortaya atan Karpathy, 2026’da Anthropic’e katıldı; yani Claude’u yapan şirkete. Anthropic de geçen yıl bu konuda kapsamlı bir rehber yayımlamıştı. Orada meseleyi net koyuyorlar: asıl soru “hangi kelimeleri seçeyim” değil, “modelin istediğim davranışı göstermesi için en uygun bağlam yapılandırması ne?” Terimi bulan isimle işi en ciddiye alan şirketin aynı çatı altında buluşması, bu konunun neden bu kadar konuşulduğunu tek başına anlatıyor.

Neden “daha çok bağlam” her zaman daha iyi değil?

En sık yapılan hata şu: “Modele ne kadar çok bilgi verirsem o kadar iyi olur.” Çoğu zaman tam tersi. Bugünün modelleri milyonlarca kelimelik bağlamı okuyabiliyor; ama işe yarayan bilgi belli bir eşiği geçince, kabaca elli bin kelime civarında, dikkati dağılıyor ve isabeti düşüyor. Açıkçası insana benziyor: masanıza on klasör koyayım, işiniz kolaylaşmaz, zorlaşır.

O yüzden bu işin özü “eklemek” değil, “seçmek”. Marifet modele her şeyi vermek değil; o an lazım olan birkaç doğru bilgiyi verip gerisini masadan kaldırmak. Bunu kendi işimde en net şurada gördüm. Bir yapay zekâya kalıcı bir bağlam dosyası kurdum: kim olduğum, hangi markaları yürüttüğüm, her birinin kuralları ve kırmızı çizgileri. Ama o dosyayı şişirmek yerine sürekli buduyorum. Her yeni bilgi girmiyor, yalnızca kararı değiştirecek olan giriyor. Dosyayı yaklaşık %40 kısalttığımda çıktının gözle görülür şekilde keskinleştiğini fark ettim. Az bilgi, doğru bilgiyse, çok bilgiden iyidir.

Küçük bir işletme bu işe nasıl başlar?

Yazılımcı olmanıza gerek yok; en güzel tarafı da bu. Benim önerim üç adım.

Birincisi: tekrar eden bir iş seçin ve “modelin bilmesi gereken her şeyi” tek bir belgeye yazın. Ses tonunuz, birkaç örnek, kesinlikle yapılmayacaklar. Buna işinizin hafızası deyin. İkincisi: o belgeyi kısa ve güncel tutun. Kısası her zaman kazanır. İşe yaramayan her satır, modelin dikkatini çalan bir yüktür. Üçüncüsü: iyi bir çıktı aldığınızda onu bir kenara örnek olarak saklayın. İyi bir örnek, uzun uzadıya yazılmış bir açıklamadan çok daha fazla iş görür.

Bir de şunu söyleyeyim: bağlam ne kadar iyi olursa olsun, yapay zekâ hata yapar. Hem de gayet emin bir dille. Para, sözleşme, müşteriyle birebir temas gibi yerlerde son sözü insan söylemeli. Ben yapay zekâyı kendi kendine çalışan bir makine gibi değil, iyi brief verip kontrol ettiğim bir ekip gibi görüyorum.

Araçlar arasındaki fark her gün biraz daha kapanıyor. Bundan sonra öne çıkacak olan, en pahalı modele sahip olan değil; işini o modele en iyi anlatan olacak. İyi haber şu: bu teknik bir yetenek değil. Ne istediğinizi bilmek ve gereksiz olan her şeyi masadan kaldırmak.