Programcılar için Prompt Engineering Playbook’u

• Yapay zeka kodlama yardımcıları bir projenin niyetini kendiliğinden bilemez; bu yüzden sonuç kalitesi, geliştiricinin bağlamı, hedefleri ve örnekleri ne kadar iyi verdiğine bağlı olarak büyük ölçüde değişir
• Hata ayıklamada yalnızca kodu ve hatayı vermek yerine beklenen davranışı, gerçek davranışı ve çalışma ortamını birlikte sunmalı; satır satır izleme veya minimum yeniden üretilebilir örnekle sorunun kapsamı daraltılmalıdır
• Refactoring ve optimizasyon için “daha iyi yap” demek yerine tekrarları kaldırma, paralel işleme, hata yönetimini koruma, sürüm kısıtları gibi başarı kriterleri açıkça belirtilmelidir
• Yeni özellik geliştirmede işin tamamını tek seferde devretmek yerine plan, iskelet, durum yönetimi, API entegrasyonu ve edge case’leri küçük adımlara bölüp gözden geçirerek genişletmek daha güvenlidir
• Muğlak sorular, aşırı kapsamlı istekler, soru içermeyen kod yığınları ve belirsiz referanslar sonuçları oynatır; yapay zeka tek seferlik bir üretici değil, tekrarlı diyalogla çalışan bir pair programmer olarak ele alınmalıdır

---

Yapay zeka kodlama yardımcılarını iyi kullanmak için temel ilkeler

• Yapay zeka kodlama yardımcıları fonksiyon otomatik tamamlama, hata düzeltme önerileri, modül ya da MVP oluşturma gibi işlerde yardımcı olabilir; ancak projenin somut niyeti, kullanıcının sağladığı bilgilere dayanır
• İyi bir prompt, yapay zekayı “söyleneni harfi harfine alan bir işbirlikçi” gibi ele alır ve istenen sonucu ve formatı açıkça tarif eder
• Temel ilkeler şunlardır
  • Zengin bağlam sağlama: Dil, framework, kütüphane, ilgili fonksiyonlar veya kod parçaları, kesin hata mesajı ve beklenen davranış dahil edilir
  • Hedefi somutlaştırma: “Neden çalışmıyor?” yerine “Bu JavaScript fonksiyonunun beklenen değer yerine neden undefined döndürdüğü ve nasıl düzeltileceği” gibi soru daraltılır
  • Karmaşık işleri parçalama: Büyük bir özelliği tek seferde istemek yerine React component iskeleti oluşturma, durum yönetimi ekleme, API çağrısını entegre etme gibi adımlarla ilerlenir
  • Girdi/çıktı örnekleri sağlama: [3,1,4] girdisinin [1,3,4] döndürmesi gerektiği türünden örnekler, gereksinimlerdeki belirsizliği azaltır
  • Rol verme: “senior React developer”, “JavaScript performance expert”, “code reviewer” gibi roller vermek yanıtın derinliğini ve tarzını ayarlayabilir
  • Yineleme ve düzeltme: İlk yanıt uygun değilse özyineleme yerine döngü kullanma, değişken adlarını iyileştirme, yorum ekleme gibi takip istekleriyle yön ayarlanır
  • Kod açıklığını koruma: Anlamlı fonksiyon ve değişken adları, tutarlı format, yorumlar ve docstring’ler, yapay zekanın kodun niyetini anlaması için ipucu olur

Hata ayıklama prompt kalıpları

• Hata ayıklama isteklerinde kodun ne yapması gerektiği, gerçekte neyin yanlış olduğu ve hangi hatanın oluştuğu birlikte yer almalıdır
• İyi bir hata ayıklama prompt’u genellikle şu bilgileri içerir
  • Kullanılan dil ve çalışma ortamı
  • Sorunlu kod
  • Kesin hata mesajı veya hatalı çıktı
  • Beklenen çıktı
  • Örnek girdi
  • Daha önce denenmiş yöntemler
• Karmaşık mantık hatalarında yapay zekadan satır satır yürütme izleme isteyerek durum değişimlerini takip etmesi sağlanabilir
  • Örn: “Bu fonksiyonda total değerinin her adımda nasıl değiştiğini izle ve birikimin nerede yanlış gittiğini bul”
• Kod tabanı büyük olsa bile hatayı yeniden üreten küçük bir kod parçası oluşturabiliyorsanız bunu minimum yeniden üretilebilir örnek olarak sunmak daha iyidir
• İlk yanıt yalnızca kısmen yararlıysa “Düzeltilmiş kodu göster”, “Bu değişikliğin sorunu neden çözdüğünü açıkla” gibi takip sorularıyla devam edilebilir

Hata ayıklama örneği: muğlak soru ve iyileştirilmiş soru

• Örnek kod, mapUsersById(users) fonksiyonunun kullanıcı dizisini ID tabanlı bir nesneye dönüştürmeye çalıştığı bir Node.js/JavaScript fonksiyonudur
• Hata `for (let i = 0; i