Gemini Prompt Rehberi (Türkçe)

Son güncelleme:

Google Gemini; metin, görsel ve uzun bağlam (context window) işleme konusunda güçlüdür. Bu rehberde Gemini Pro ve Flash modelleriyle Türkçe prompt yazarken nelere dikkat etmeniz gerektiğini, hangi görevlerde ChatGPT'den ayrıştığını anlatıyoruz.

  1. 1. Çok modlu güçlü yönü kullanın

    Gemini görsel + metin işlemede güçlüdür. Görsel yükleyip 'bu grafikten ne çıkıyor' veya 'bu ekran görüntüsündeki UX problemini bul' gibi görevlerde belirgin biçimde iyi performans verir.

  2. 2. Uzun bağlamdan faydalanın

    Gemini'nin context window'u büyüktür; uzun PDF, kod tabanı veya birden fazla makaleyi tek seferde verebilirsiniz. Bu, RAG kurmadan da derin sorgular yapmanıza imkân verir.

  3. 3. Yapılandırılmış çıktı isteyin

    Gemini, açıkça istendiğinde JSON ve Markdown çıktısında oldukça tutarlıdır. Şema'yı prompt içinde örnek bir çıktıyla göstermek format tutarlılığını artırır.

  4. 4. Kaynak ve gerekçe isteyin

    Gemini, Google arama sonuçlarına bağlı olduğunda kaynak gösterimi verebilir. 'Cevabını destekleyen 3 kaynak ekle' veya 'her madde için gerekçe yaz' gibi yönlendirmeler doğruluğu artırır.

  5. 5. Türkçe + İngilizce karışımına dikkat

    Gemini bazen Türkçe görevlerde İngilizce terim kullanmaya kayar. Prompt'a 'Tüm teknik terimleri Türkçeye çevir, İngilizce sadece marka adlarında kullan' gibi açık bir kural eklemek bu sorunu çözer.

Hazır Gemini promptlarını /araclar/gemini-promptlari sayfamızdan inceleyebilir, kendi prompt koleksiyonunuzu oluşturabilirsiniz.

Sıkça sorulan sorular

Gemini Pro ile Flash arasındaki fark nedir?

Pro yüksek kaliteli muhakeme ve uzun bağlam için, Flash ise hız ve düşük maliyet öncelikli görevler içindir. Aynı prompt Pro'da daha derin yanıt verir; Flash daha hızlı sonuç döner.

Gemini Türkçeyi diğer modellere göre nasıl?

Gemini Türkçede güçlüdür ancak teknik terimlerde bazen İngilizceye kayar. Açık dil kuralı eklemek bu sorunu büyük oranda çözer.

İlgili kategoriler ve araçlar

Sözlükten ilgili terimler

  • Token Yapay zeka modellerinin metni işlerken kullandığı en küçük birim — kabaca 4 karakterlik veya kelimenin parçası.
  • RAG (Retrieval-Augmented Generation) Modelin cevap üretirken kendi belge tabanınızdan ilgili pasajları getirip kullandığı yaklaşımdır.

Diğer rehberler