Defne İncekara'nın geçtiğimiz hafta yazdığı bir cümle vardı: "Yapay zeka mesaj değil, token sayar." Bu cümle bana modern programlamanın en az anlaşılan gerçeğini hatırlattı. Yapay zekayla çalışmak, bir insanla konuşmaya benzemiyor. Bir ekonomik birim olan token üzerinden kurulan bir alışveriş ilişkisidir. Ve bu ilişkide en pahalı para birimi net niyettir.

Claude, GPT-5, Gemini 3 — hepsi token üzerinden çalışıyor. Sen ne yazdın, kaç token oldu, model ne yazdı, kaç token oldu, kotanın ne kadarı bitti. Token budur. Karakter değildir, sözcük değildir; modelin işlediği en küçük birimdir. Türkçede ortalama bir kelime 2-3 token tutar. Yani 1.000 kelimelik bir prompt 2.000-3.000 token harcar. Bu pahalı yakıt, ne kadar net niyetle yazıldıysa o kadar uzağa götürür.

Niyet mimarisi nedir?

"Prompt engineering" deniyor ama bu terim eksik. Mesele bir mühendislikten çok bir niyet mimarisidir. Sen modelden ne istediğini, hangi sırayla, hangi kısıtlarla, hangi formatta beklediğini önceden zihinde inşa edersen, modelin yanıtı amacına yakın olur. Niyet bulanıksa cevap da bulanıktır. Üstelik bulanık niyet üç-dört kat fazla token tüketir, çünkü model hem soruyu yorumlamaya, hem cevaplamaya çalışır.

Bunu somut bir örnekle göstereyim. İki prompt karşılaştıralım:

Bulanık prompt: "Bana bu kod hakkında bir şeyler söyle, bug var mı?"
Net prompt: "Bu Python fonksiyonunda race condition riski var mı? Sadece thread güvenliği açısından bak. Bulgu yoksa 'temiz' yaz, varsa satır numarası + tek cümle açıklama."

İki prompt da aynı kodu inceler ama net olan üçte biri kadar token harcar ve cevabı kullanılabilir bilgidir. Bulanık olan kullanıcının sorduğunu bile bilmediği için her ihtimali kapsayan üç paragraflık bir özet üretir.

Claude limitlerini iki katına çıkaran sekiz alışkanlık

Defne İncekara'nın listesini AI ile yoğun çalışan geliştiricilerin tipik öğrenmeleriyle harmanlayarak özetleyelim:

  1. Sıfırdan başlama, devam et. Aynı sohbette bağlam birikir. Yeni sohbet açmak token sıfırlar ama bağlam sıfırdan kurulur. Bağlam pahalıdır; sıfırlama daha pahalıdır.
  2. Sorudan önce kısıt yaz. "300 kelimeyi geçme, başlık üretme, madde işareti kullan" — bu üç cümle modelin verdiği cevabı kabaca üçte bir kadar küçültür.
  3. Format şablonu ver. İstediğin çıktının iskeleti varsa modelin doldurması yeterlidir. İskelet vermezsen model her seferinde kendi iskeletini kurar; bu hem zaman hem token tüketir.
  4. Tek görev, tek mesaj. Aynı prompt'a beş soru sıkıştırma. Her sorunun altında bağlam katmanı var; karıştığında model en az iki tanesini geçiştirir.
  5. Önce planla, sonra yaz. Karmaşık bir görevde modelden önce plan iste. Plan yirmi token tutar. Plan onaylanınca uygulama bin token tutar. Plansız uygulama üç bin token tutar ve çoğu zaman yanlış yöne gider.
  6. Eski cevabı referansla. "Yukarıdaki çıktıyı kullanarak..." cümlesi modelin önceki cevabı kopyalamak yerine referans tutmasını sağlar. Token tasarrufu yüksektir.
  7. Karar versin, açıklamasın. "Üç seçenek arasından birini seç, neden seçtiğini iki cümleyi geçmeden anlat." Bu iki kısıt cevabı yarıya indirir.
  8. Hata varsa düzelt, sıfırdan yeniden yapma. Modelin ürettiği koddaki hata için "şu satırı düzelt" demek, "kodu yeniden yaz" demekten on kat ucuzdur.

Düşünce sermayesi: yeni okur-yazarlık

Yıllardır bilgisayarla çalışmanın yeni okur-yazarlık olduğunu düşünürdük. AI çağında bir kademe yukarı çıktık: net düşünmek yeni okur-yazarlık. Çünkü AI olmadığı dönemde yazılmış kötü prompt sadece kendine zarar verirdi; AI çağında kötü prompt para harcatır, hatalı kod üretir, kötü kararlar yayılır.

Bu beceri sadece geliştiriciler için değil. Bir öğretmen sınıf planını AI'a yazdırmak istiyorsa net düşünebilmeli. Bir avukat sözleşme taslağı için AI kullanıyorsa net düşünebilmeli. Bir terapist seans notlarını özetletmek istiyorsa net düşünebilmeli. Net düşünemeyen, AI'dan değer üretemiyor.

Niyet zayıfsa, üretim de zayıf

"Vibe coding" kavramı son aylarda yaygınlaştı: AI ile sezgisel bir akışta kod yazmak. Bu kavram doğru ama yanlış anlaşılıyor. Vibe coding niyetin akışkan olması demektir, niyetin belirsiz olması demek değildir. Müzik gibi düşün: caz akışkandır ama her notanın ne olduğunu müzisyen bilir. AI ile çalışmak da öyledir; akışta gibi görünür ama altında yapı vardır.

Niyet belirsizse model her ihtimali deneyecek bir kod üretir, çoğu uygun değildir, ya çok karmaşık ya çok abartılı. Sonra geliştirici "AI işe yaramıyor" der; oysa AI çok iyi çalışır, niyetin bulanık olduğu için faydasız bir cevap verir.

Üç pratik öneri

  • Promptu yazmadan önce cümleyi söyle. Sesli olarak, kendine. Söyleyemiyorsan yazamıyorsun demektir; yazsan da AI anlamaz.
  • Çıktıyı önceden hayal et. "AI cevabı şuna benzeyecek" diyebiliyor musun? Diyemiyorsan promptun eksik. Hayal edebildiğin sürece AI o hayale yaklaşır.
  • Token'ı para olarak gör. Her bin token bir lira gibi düşün. Soru: "Bu cevap için bin lira ödemeye değer miydi?" Cevap hayırsa promptun çok geniş, cevap çok küçükse promptun yanlış yönde gitmiş olabilir.
AI bir araç değil, bir aynadır. Net düşüneni güçlendirir, bulanık düşüneni daha bulanık eder. Token sayan dünyada en pahalı para birimi net niyettir; en ucuz yatırım, prompttan önceki üç saniyelik düşünmektir. O üç saniyeyi vermeyen, sonradan üç saatlik tekrar ödüyor.