30 Günde AI'da Uzmanlaşın: Kesin Yol Haritası

Çoğu insan iki yıldır yapay zeka kullanıyor ve hâlâ kutuya Google'da aratıyormuş gibi yazıyor. Belirsiz bir satır, cevaba bir omuz silkme, sekmeyi kapatma. "Yapay zeka kullanıyorlar" tıpkı üstüne tişört astığın bir koşu bandını "kullanmak" gibi.

İşte rahatsız edici kısım: Bu modellerden 10 kat verim alanlarla hiçbir şey alamayanlar arasındaki fark yetenek değil ve gizli bir model de değil. Bu bir sistem. 10x'lik ekip aynı birkaç hamleyi tekrar kullanır — her prompt, her gün — ta ki bu hamleler kas hafızası haline gelene kadar.

Ustalık daha fazla prompt bilmek değil. Düşünmeden çalıştırdığın tekrarlanabilir bir sisteme sahip olmaktır.

İşte bu sistem, 30 güne sıkıştırılmış halde. Dört hafta, on iki numaralı oyun, her biri bugün yapacağın bir şeyle bitiyor. Kopyalanabilir promptlar. Gerçek, çalıştırılabilir Python (Anthropic SDK, v0.109.1 ile doğrulanmış). Bu gece uygulamaya koyamayacağın hiçbir teori yok.

Kültürel başlangıç silahı, Andrej Karpathy'nin artık ünlü "vibe coding" sözüydü — "tamamen titreşimlere teslim oluyorsun... ve kodun varlığını unutuyorsun." Titreşim bu. Bunun altındaki disiplin ise titreşimin gerçekten işe yaramasını sağlıyor.

Bölüm 1 · 1. Hafta — Zihinsel Model ve İlk Kazanımlar (1-7. Günler)

Bu haftanın amacı bilgi değil. Bir kazanım. 7. güne kadar en az bir gerçek görevi bir modele devretmiş ve zamanın sana geri döndüğünü hissetmiş olmalısın. Geriye kalan her şey bu hissin üzerine inşa edilir.

01. Yapay zeka ile bugün gerçek bir görevi teslim et.

Bir kursla başlama. Zaten birine borçlu olduğun bir işle başla: gözünü korkutan bir e-posta, düzenlenecek notlar, taslağı çıkarılacak bir fonksiyon. Yapay zekayı "anlamanın" en hızlı yolu, ona gerçek riskler taşıyan bir şey vermek ve sonucu kendi yazacağın şeyle karşılaştırmaktır.

Yeni başlayanların yaptığı hata, bir brif yerine bir konu yazmaktır ("onboarding hakkında yaz"). Modele, ilk gününde keskin bir yeni çalışan gibi davran: yetenekleri var ama senin bağlamından hiçbiri yok. Ona bir rol, görev, bağlam ve istediğin tam çıktıyı ver.

Şu durumlarda kullan: Normalde bir saatten kısa sürede tek başına yapacağın herhangi bir görev — yazma, özetleme, yeniden biçimlendirme, beyin fırtınası, planlama.

1Sen benim <rol, örn. "açık sözlü yönetici editör">sun.
2Görev: <tek bir cümleyle somut bir görev>.
3Bağlam: <modelin bilmediği 2-3 satır — hedef kitle, amaç, kısıtlamalar>.
4Çıktı: <tam format — uzunluk, yapı, ton>.
5Eğer herhangi bir şey belirsizse, tahmin etmek yerine önce bana sor.

Bu son satır hile kodu. Tek seferlik bir tahmini kısa bir sohbete dönüştürür ve sohbetler neredeyse her zaman monologlardan daha iyidir.

Bunu şimdi yap: masandaki bir görevi seç, dört yuvayı doldur, çalıştır. Promptu sakla — tüm ay boyunca bu iskeleti tekrar kullanacaksın.

02. İşe yarayan bir promptun anatomisini öğren.

Her güvenilir promptun üç parçası vardır ve yeni başlayanlar bunlardan ikisini atlar. Netlik (tam olarak ne istediğini söyle), bağlam (neden ve kimin için olduğunu söyle) ve format (çıktının neye benzemesi gerektiğini söyle). Anthropic'in kendi rehberi buna "parlak ama yeni çalışan" kuralı der: ne kadar kesin açıklarsan, sonuç o kadar iyi olur — ve onların kelimesi kelimesine altın kuralı şudur: "promptunu asgari bağlamı olan bir iş arkadaşına göster; eğer kafası karışırsa, modelin de kafası karışacaktır."

En yüksek kaldıraçlı yükseltme motivasyon eklemektir. Sadece "asla üç nokta kullanma" deme. "Bu, bir metin-konuşma motoru tarafından sesli okunacak, bu yüzden asla üç nokta kullanma — telaffuz edemez" de. Model, sebepten yola çıkarak genelleme yapar. Bu bir emirle bir açıklama arasındaki farktır.

Şu durumlarda kullan: Bir cevap genel, tondan uzak veya teknik olarak doğru ama işe yaramaz geldiğinde. On vakadan dokuzunda, üç parçadan biri eksiktir.

1# Zayıf (konu, brif değil)
2Yeni özelliğimiz hakkında yaz.
3
4# Güçlü (netlik + bağlam + format)
5Yeni "Odak Modu"muz için 120 kelimelik bir ürün duyurusu yaz.
6Hedef kitle: Uygulamayı gürültülü bulan mevcut kullanıcılar.
7Amaç: Bu hafta bir kez denemelerini sağlamak.
8Ton: Sakin, kendinden emin, sıfır abartı.
9Format: 1 kısa paragraf + tek satırlık bir Harekete Geçirici Mesaj.

Bunu şimdi yap: dünkü zayıf promptu al ve üç parçanın da etiketlendiği şekilde yeniden yaz. İkisini de çalıştır. Farkı izle.

03. 6 temel tekniği — ve bir satır kodu — çal.

Bunlar, her ciddi prompt mühendisliği rehberinde karşımıza çıkar çünkü işe yaramaya devam ederler: (1) net ve doğrudan ol, (2) bağlam/motivasyon ekle, (3) örnekler ver, (4) XML tarzı etiketlerle yapılandır, (5) bir rol ata, (6) cevaplamadan önce düşünmesini söyle. 2. Hafta boyunca her birini çalışacaksın — bu harita.

İkisi hemen ellerine yerleştirmeye değer: roller ve etiketler. Sistem talimatındaki bir rol, tüm konuşma boyunca tonu ve muhakemeyi yönlendirir; tek bir cümle bile işe yarar. <context> ve <examples> gibi etiketler, modelin talimatlarını veriyle karıştırmasını engeller. İşte gerçek, çalıştırılabilir kod olarak rol tekniği — 3. Haftada yaşayacağın API'nin ilk tadı.

Şu durumlarda kullan: Birçok çağrıda tutarlı davranış istediğinde (rol) veya talimatları dağınık girdiyle karıştırdığında (etiketler).

1import anthropic
2
3client = anthropic.Anthropic()  # ANTHROPIC_API_KEY'i ortam değişkeninden okur
4
5msg = client.messages.create(
6    model="claude-opus-4-8",
7    max_tokens=1024,
8    system="Sen kıdemli bir metin editörüsün. Gereksiz süslemeleri kesersin ve yazarın sesini korursun.",  # rol
9    messages=[
10        {"role": "user", "content": "Bu paragrafı düzenle, ardından neyi değiştirdiğini listele:\n\n<taslak>...</taslak>"}
11    ],
12)
13print(msg.content[0].text)

Bunu şimdi yap: bir promptu açık bir rol ve girdinin etrafında <etiketler> ile yeniden yaz. Artık 6 tekniğin 2'sini kullandın — 2. Hafta seti tamamlıyor.

Bölüm 2 · 2. Hafta — Gerçek Çıktı için Prompt Mühendisliği (8-14. Günler)

Bu hafta "bir şekilde çalışıyor"u "her seferinde çalışıyor"a dönüştürüyorsun. Aynı görev, aynı şekil, aynı kalite — talep üzerine. Bu güvenilirlik, 3. Haftada otomasyonu mümkün kılıyor.

04. Tonu ve formatı çoklu örneklerle kilitle.

Modele ne istediğini söylemek iyidir. Göstermek daha iyidir. İyi seçilmiş birkaç örnek (tekniğe az örnekli veya çoklu örnekli promptlama denir), formatı, tonu ve uç durumları herhangi bir sıfattan daha güvenilir bir şekilde sabitler. Rehberlik alan genelinde tutarlıdır: 3-5 örnek ekleyin, bunları çeşitlendirin ki model yanlışlıkla bir kalıba takılmasın ve her birini etiketlerle sarın ki bunun bir talimat değil, örnek olduğu açıkça anlaşılsın.

Bu, tekrarlayan işler için en büyük kalite sıçramasıdır — sınıflandırma, çıkarma, biçimlendirme, yeniden yazma. Aynı tür görevi haftada ikiden fazla yapıyorsan, örnekleri hak ediyor.

Şu durumlarda kullan: Çıktı formatı çalıştırmalar arasında kaydığında veya modelin belirli bir ev stiline uyması gerektiğinde.

1Her destek bileti tam olarak şunlardan biri olarak sınıflandır: hata | faturalama | özellik.
2
3<örnekler>
4<örnek>
5Bilet: "Bu ay iki kez ücretlendirildim."
6Kategori: faturalama
7</örnek>
8<örnek>
9Bilet: "Dışa Aktarma düğmesi Safari'de hiçbir şey yapmıyor."
10Kategori: hata
11</örnek>
12<örnek>
13Bilet: "Lütfen bir karanlık mod ekleyin."
14Kategori: özellik
15</örnek>
16</örnekler>
17
18Bilet: "Bir PDF yüklediğimde uygulama çöküyor."
19Kategori:

Bunu şimdi yap: tekrarlayan bir görevi al, <örnek> etiketleri içinde 3 farklı örnek yaz ve çıktının şekillenmesini izle.

05. Modelin cevaplamadan önce düşünmesini sağla.

Muhakeme gerektiren her şey için — analiz, matematik, planlama, zorlu kararlar — yapabileceğin en kötü şey, cevabı hemen talep etmektir. Önce düşünmesi için alan tanı. Daha yeni modellerin uyarlanabilir şekilde düşünmesine izin verebilir veya düz sohbette zorlayabilirsin: bir <düşünme> bloğunda adım adım muhakeme, ardından bir <cevap> bloğunda sıkı bir nihai cevap iste. İkisini ayırmak, muhakemenin faydasını metin duvarı olmadan almanı sağlar.

Anthropic'in rehberliğinden bir bonus hamle: bitirmeden önce kendi kendini kontrol etmesini iste — "cevabını yukarıdaki kısıtlamalara karşı doğrula." Özellikle matematik ve mantıkta, kendi hatalarını şaşırtıcı sıklıkta yakalar.

Şu durumlarda kullan: Görevin birden fazla adımı, yanılabileceğin doğru bir cevabı veya tartılması gereken ödünleşimleri olduğunda.

1Soru: <gerçek bir ödünleşimi olan bir soru>
2
3İlk olarak, <düşünme> etiketleri içinde mantık yürüt: bildiklerini, eksik olanı
4ve ödünleşimleriyle birlikte iki aday cevabı listele.
5Ardından kararını <cevap> etiketleri içinde ver — en fazla 3 cümle.
6Bitirmeden önce, cevabının yukarıdaki hiçbir şeyle çelişmediğini doğrula.

Bunu şimdi yap: üzerinde düşündüğün bir kararı al, düşünme/cevap ayrımından geçir ve <düşünme> kısmını oku — değer orada saklı.

06. Tekrar kullanılabilir bir prompt kütüphanesi oluştur.

Artık bir düzine iyi prompt yazdın ve yarısını sohbet geçmişinde kaybettin. Dur. Profesyoneller promptları yeniden yazmaz — şablonları doldururlar. En iyi promptlarını, değişen kısımlar için {değişkenler} içeren tek bir dosyaya çek ve bir kerelik zekayı altyapıya dönüştürmüş oldun.

Bu, 30 günün tamamının menteşesidir: promptlarının tek kullanımlık olmaktan çıkıp birikmeye başladığı an. Başlamak için düz bir Python sözlüğü ve str.format yeterlidir — çerçeve veya bağımlılık yok.

Şu durumlarda kullan: Benzer bir promptu üç kez çalıştırdığında. Üçüncüde, şablon haline getir.

1# prompt_kutuphanesi.py — promptların yeniden kullanılabilir altyapı olarak
2SABLONLAR = {
3    "ozetle": (
4        "Sen bir {rol}sün.\n"
5        "Aşağıdaki metni {hedef_kitle} için özetle.\n"
6        "Format: {fmt}.\n\n"
7        "<metin>\n{metin}\n</metin>"
8    ),
9}
10
11def olustur(ad: str, **kwargs) -> str:
12    return SABLONLAR[ad].format(**kwargs)
13
14prompt = olustur(
15    "ozetle",
16    rol="teknik yazar",
17    hedef_kitle="teknik olmayan kullanıcılar",
18    fmt="3 madde işareti, her biri en fazla 15 kelime",
19    metin="...sürüm notlarını buraya yapıştır...",
20)
21print(prompt)  # bunu doğrudan client.messages.create(...) içine besle

Bunu şimdi yap: prompt_kutuphanesi.py'yi oluştur, en iyi 3 promptunu değişkenlerle şablon olarak içine taşı. Bu dosya tüm ay boyunca büyüyor.

Bölüm 3 · 3. Hafta — API ile Otomasyon (15-21. Günler)

Sohbet, öğrendiğin yerdir. API, ölçeklendirdiğin yerdir. Bu hafta, görevleri tek tek yapmaktan, yüzlercesini bir program dahilinde, sen uyurken çalıştırmaya geçiyorsun.

07. Sohbetten API'ye geç.

API, çağırabileceğin bir fonksiyondaki sohbet promptlarından ibarettir. Bir prompt yazabiliyorsan, bunu da yazabilirsin — on satır. Anahtarını bir ortam değişkeni olarak ayarla (asla koda yapıştırma), çağrıyı bir fonksiyona sar ve herhangi bir scripte atabileceğin yeniden kullanılabilir bir yapay zeka komutun olsun.

Pratik LLM kullanımını neredeyse herkesten daha iyi belgelemiş olan Simon Willison, kaldıracın egzotik kurulumlarda değil, modelleri zaten kullandığın küçük araçlara bağlamakta olduğunu söyler. Bu fonksiyon işte o teldir.

Şu durumlarda kullan: Aynı promptu her yerde kullanılabilir hale getirmek istediğinde — scriptlerde, cron işlerinde, diğer programlarda — sadece bir tarayıcı sekmesinde değil.

1import os
2import anthropic
3
4client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
5
6def sor(prompt: str) -> str:
7    msg = client.messages.create(
8        model="claude-opus-4-8",
9        max_tokens=1024,
10        messages=[{"role": "user", "content": prompt}],
11    )
12    return msg.content[0].text
13
14if __name__ == "__main__":
15    print(sor("Bir ürün lansman e-postası için 5 etkileyici konu satırı ver."))

Bunu şimdi yap: SDK'yı yükle (pip install anthropic), ANTHROPIC_API_KEY'i ayarla ve bu dosyayı çalıştır. İlk başarılı API çağrısı = 3. Hafta açıldı.

08. Günlük bir işi scripte dönüştür.

Zamanın asıl geri geldiği yer burasıdır. Bir klasördeki şeylere yaptığın herhangi bir görev — bu 50 transkripti özetle, bu 200 bileti etiketle, bu 30 ürün açıklamasını yeniden yaz — bir döngüdür. Tek öğeli sürümü bir kere yaz, bir klasöre yönlendir ve çekip git. Toplu işler için daha ucuz, daha hızlı bir model kullan; bir notu özetlemek için en güçlü modeline ihtiyacın yok.

Şu durumlarda kullan: Aynı yapay zeka görevini tekrar tekrar elle yaptığını fark ettiğinde. Bu tekrar, henüz yazmadığın bir scripttir.

1import pathlib
2import anthropic
3
4client = anthropic.Anthropic()
5GELEN_KUTUSU = pathlib.Path("./gelen_kutusu")        # .txt dosyalarını buraya bırak
6CIKTI = pathlib.Path("./ozetler")
7CIKTI.mkdir(exist_ok=True)
8
9def ozetle(metin: str) -> str:
10    msg = client.messages.create(
11        model="claude-haiku-4-5",      # ucuz + hızlı: toplu işler için doğru araç
12        max_tokens=300,
13        system="Somut 3 madde işaretiyle özetle. Gereksiz süsleme yok.",
14        messages=[{"role": "user", "content": metin}],
15    )
16    return msg.content[0].text
17
18for f in GELEN_KUTUSU.glob("*.txt"):
19    (CIKTI / f"{f.stem}.md").write_text(ozetle(f.read_text(encoding="utf-8")), encoding="utf-8")
20    print("özetlendi:", f.name)

Bunu şimdi yap: bir toplu iş bul, dosyaları ./gelen_kutusu klasörüne bırak, döngüyü çalıştır. Az önce bir saatlik işi bir dakikada yaptın.

09. Önbelleğe almayla maliyeti ve gecikmeyi düşür.

Gerçek bir hacimle çalışmaya başladığında iki şey önem kazanır: hız ve fatura. En büyük kaldıraç prompt önbelleğe almadır. Her çağrı uzun, değişmeyen bir öneki paylaşıyorsa — bir stil kılavuzu, bir bilgi tabanı, büyük bir sistem talimatı — her seferinde yeniden okumak için para ödüyorsundur. Bunu cache_control ile işaretle ve model önbelleğe alınmış sürümü yeniden kullanır: bir önbellek okuması, normal giriş fiyatının yaklaşık %10'una mal olurken, tek seferlik yazma +%25'tir. Bir öneki paylaşan toplu işler için Batch API, üstüne bir %50 indirim daha ekler.

Şu durumlarda kullan: Birçok çağrı büyük, statik bir bağlam parçasını paylaştığında (klasik durum: tüm bir iş boyunca yeniden kullanılan uzun bir sistem promptu).

1import anthropic
2
3client = anthropic.Anthropic()
4STIL_KILAVUZU = open("stil_kilavuzu.md").read()   # uzun, her çağrıda aynı
5
6msg = client.messages.create(
7    model="claude-opus-4-8",
8    max_tokens=1024,
9    system=[
10        {
11            "type": "text",
12            "text": STIL_KILAVUZU,
13            "cache_control": {"type": "ephemeral"},  # bu büyük öneki önbelleğe al
14        }
15    ],
16    messages=[{"role": "user", "content": "Bu e-postayı kılavuza uyacak şekilde yeniden yaz:\n\n..."}],
17)
18print(msg.usage)  # ilk çağrıdan sonra cache_read_input_tokens'ın yükselişini izle

Bunu şimdi yap: büyük, tekrarlanan bir öneki olan bir prompt bul, onu bir cache_control bloğuna sar ve iki kez çalıştır. msg.usage'ı yazdır ve önbelleğe alınmış okumanın devreye girdiğini izle.

Bölüm 4 · 4. Hafta — Araçlar, Veri ve Teslimat (22-30. Günler)

Son hafta, "konuşan" yapay zekadan "iş yapan" yapay zekaya geçiştir. Modele araçlar verir, onu gerçek verilerine bağlar ve her şeyi yıllarca çalıştıracağın bir iş akışına paketlersin.

10. Modele araçlar ver (fonksiyon çağrısı).

Tek başına bir model yalnızca metin üretebilir. Ona araçlar ver ve eylemler gerçekleştirebilir — takvimine bakabilir, bir API'ye erişebilir, bir hesaplama yapabilir. Her aracı bir ad, bir açıklama ve girdilerinin bir JSON şemasıyla tanımlarsın; model ne zaman çağıracağına karar verir ve çalıştırman için yapılandırılmış argümanlar iletir. Bu, duyduğun her "yapay zeka ajanının" altındaki temeldir.

Şu durumlarda kullan: Görev canlı veri veya modelin yalnızca metinden yapamayacağı bir eylem gerektirdiğinde ("bak", "getir", "hesapla" veya "gönder" içeren her şey).

1import anthropic
2
3client = anthropic.Anthropic()
4
5tools = [
6    {
7        "name": "takvim_etkinliklerini_al",
8        "description": "Kullanıcının belirli bir tarihteki etkinliklerini döndürür.",
9        "input_schema": {
10            "type": "object",
11            "properties": {
12                "tarih": {"type": "string", "description": "YYYY-AA-GG olarak tarih"}
13            },
14            "required": ["tarih"],
15        },
16    }
17]
18
19msg = client.messages.create(
20    model="claude-opus-4-8",
21    max_tokens=1024,
22    tools=tools,
23    messages=[{"role": "user", "content": "Gelecek Pazartesi takvimimde ne var?"}],
24)
25
26for block in msg.content:
27    if block.type == "tool_use":
28        print("Model şunu çağırmak istiyor:", block.name, "şununla:", block.input)
29        # şimdi SEN takvim_etkinliklerini_al(**block.input)'i çalıştır ve sonucu geri gönder

Bunu şimdi yap: gerçekten kullandığın bir şey için bir araç tanımla (takvim, hava durumu, bir arama) ve modelin temiz bir tool_use çağrısı ürettiğini izle. Henüz çalıştırmana bile gerek yok — sadece karar verdiğini gör.

11. Yapay zekayı MCP ile verilerine bağla.

Bağlamı elle yapıştırmak ölçeklenmez. Anthropic tarafından Kasım 2024'te tanıtılan Model Bağlam Protokolü (MCP), standart çözümdür — bunu yapay zeka için bir USB-C bağlantı noktası olarak düşün: tek bir konektör şartnamesi ve uyumlu herhangi bir uygulama dosyalarına, veritabanlarına ve araçlarına bağlanabilir. Aylar içinde dahili bir fikirden endüstri standardına dönüştü ve yapılandırma yoluyla ekleyebileceğin binlerce hazır sunucu var.

Çoğu sunucuyu kullanmak için kod yazmazsın — bir yapılandırma dosyasına bir girdi eklersin. İşte bir modele notlar klasörüne okuma erişimi veren bir dosya sistemi sunucusu:

Şu durumlarda kullan: Modele aynı gerçeği elle beslemeye devam ettiğinde — dokümanların, bir repo, bir veritabanı, bir bilgi tabanı.

1{
2  "mcpServers": {
3    "filesystem": {
4      "command": "npx",
5      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/sen/notlar"]
6    }
7  }
8}

Bunu şimdi yap: Mevcut MCP sunucularına göz at, haftalık olarak kullandığın verilere işaret eden birini seç ve istemcinin yapılandırmasına ekle. Sadece senin verilerinin cevaplayabileceği bir soru sor.

12. Sonsuza kadar yeniden kullanacağın bir iş akışı paketle.

1. Gün. Promptların, scriptlerin ve araçların var — şimdi onları adıyla çağırdığın bir şey haline getir. Anthropic'in Ajan Becerileri (Aralık 2025'te açık bir standart haline getirildi) bunun için temiz formattır: bir SKILL.md dosyası içeren, ne zaman kullanılacağına dair bir ad ve açıklama ile adımları tutan bir klasör. Model bunu yalnızca ilgili olduğunda yükler (aşamalı açıklama adı verilen bir tasarım ilkesi), böylece bağlamı şişirmeden düzinelerce istifleyebilirsin. API'ye bir daha dokunmasan bile, tekrarlayan görevlerini beceri olarak yazmak seni hızlı yapan alışkanlıktır.

Şu durumlarda kullan: Aylarca tekrarlayacağın çok adımlı bir görevin olduğunda — haftalık bir rapor, standart bir inceleme, bir biçimlendirme hattı.

1---
2name: haftalik-rapor
3description: Ham notlarımı standart haftalık rapora dönüştür. Notları yapıştırıp "haftalık olanı" istediğimde kullan.
4---
5
6# Haftalık rapor
7
8## Adımlar
91. Notları şu şekilde gruplandır: Teslim edildi, Devam ediyor, Engellendi.
102. Grup başına 2-3 madde işareti yaz, geçmiş zaman, gereksiz süsleme yok.
113. "Gelecek hafta" ile bitir — tam olarak 3 öncelik.
12
13## Format
14- Başlık: "Haftalık — <tarih>"
15- 200 kelimenin altında. Abartı yok.

Bunu şimdi yap: en çok tekrarladığın görevi seç, keskin bir açıklamayla SKILL.md olarak yaz. Bu açıklama, onu doğru anda ateşleyen şeydir — gerçekten çaba harca.

Tipik hatalar (ve çözümü)

1. Belirsiz promptlar. "X hakkında yaz" modelin niyetini tahmin etmesine neden olur — ve ortalama bir tahminde bulunur. Çözüm: her zaman rol + bağlam + format ver. Sen <rol>sün. Görev: <tek cümle>. Çıktı: <tam format>.

2. TÜMÜ BÜYÜK HARF aciliyetiyle aşırı promptlama. Daha yeni modeller talimatları hassas bir şekilde takip eder ve "KRİTİK!!! MUTLAKA"ya aşırı tepki verir. Anthropic'in kendi rehberliği: normal ifadelere dön, "Bu aracı şu durumlarda kullan…" gibi. Çözüm: Talimatları bir köpeğe bağırmak gibi değil, yetkin bir yetişkine brif verir gibi yaz.

3. Göstermek yerine tanımlamak. Sıfatlar ("profesyonel yap") zayıftır; örnekler güçlüdür. Çözüm: <örnek> etiketleri içinde 3-5 farklı örnek ekle ve desenin işi yapmasına izin ver.

4. "Yapma" olarak çerçevelemek. "Uzun olma" modelin uzunluk hakkında düşünmesini sağlar. Çözüm: Ne yapılacağını söyle — "2 kısa cümleyle yanıtla." Olumlu talimatlar yasaklamalardan daha iyi işler.

5. Kontrol etmediğin çıktıya güvenmek. Doğrulamadığın bir cevabı kopyalayıp yapıştırmak, hataların yayılma şeklidir. Çözüm: Gerçek odaklı çalışmalarda, iddiaları kaynaktan alıntılarla desteklemesini ve bitirmeden önce kendi kendini kontrol etmesini iste: Her iddiayı yukarıdaki metne karşı doğrula; emin olmadığın herhangi bir şeyi işaretle.

6. Bir döngünün yapabileceğini elle yapmak. Aynı promptu sohbette 50 kez çalıştırmak, öğleden sonranla yapabileceğin en pahalı şeydir. Çözüm: Tekrarı fark ettiğin an, Blok 08 döngüsünü yaz. Zamanın kıt kaynaktır, tokenlar değil.

Sonuç: sistem beceridir

Otuz gün seni bir yapay zeka araştırmacısı yapmaz. Seni daha kullanışlı bir şey yapar: bir sistemi olan biri. Herhangi bir görevi alabilir, ona temiz bir brif verebilir, örnekler gösterebilir, düşünmeye itebilir ve — tekrarladığında — otomatikleştirebilir, önbelleğe alabilir ve adıyla çağırdığın bir beceri olarak paketleyebilirsin.

10x'lik ekibin asla saklamadığı tüm sır budur. Daha fazla prompt değil. Daha iyi bir model değil. Refleks haline gelene kadar çalıştırılan küçük bir hamle seti. Artık hamlelere sahipsin. Geriye kalan tek değişken tekrarlar.

30 günlük kontrol listen — bugün başla:

1. Rol + bağlam + format promptuyla gerçek bir görevi teslim et (Blok 01).
2. prompt_kutuphanesi.py'yi başlat ve en iyi 3 promptunu şablon olarak içine taşı (Blok 06).
3. İlk API çağrını 10 satırlık sor() fonksiyonuyla yap (Blok 07).
4. Bir toplu işi klasör döngüsüyle otomatikleştir (Blok 08).
5. En çok tekrarladığın iş akışın için bir SKILL.md yaz (Blok 12).

Bu beşini yap ve "yapay zekaya girmeyi düşünen" herkesin %90'ını geçmiş olursun. Sonra sadece döngüyü çalıştırmaya devam et.