Chain-of-Thought Prompt Teknikleri: Adım Adım Düşünen AI

Chain-of-Thought (CoT) — AI’a adım adım düşündürmek — karmaşık görevlerde doğruluğu %20-50 artıran bir tekniktir. Bu rehberde nasıl uygulanır, ne zaman gerekli, hangi varyantları var — hepsi var.

Temel Yöntem: Zero-shot CoT

En basit hali: prompt’a “Adım adım düşün” cümlesini ekle.

Soru: Roger 5 tenis topu var. 2 kutu daha alıyor, her kutuda 3 top. Toplam kaç topu var?

Adım adım düşünelim.

GPT-3.5 olmadan: bazen “11” gibi doğru, bazen yanlış cevaplar verirdi. “Adım adım düşünelim” ekleyince: tutarlı şekilde doğru.

Few-shot CoT

Daha güçlü: birkaç örnekte adımları göster.

Örnek 1:
Soru: Sınıfta 30 öğrenci vardı. 4 kişi 2 yarda gitti, sonra yarıdan 1/3'ü döndü. Şu an sınıfta kaç kişi?

Düşünelim:
- Başlangıçta 30 kişi
- 4 kişi gitti: 30 - 4 = 26
- Yarıda iken 1/3'ü döndü: 4 ÷ 3 ≈ 1.33 (≈ 1 kişi, anlamlı kişi sayısı için)
- 26 + 1 = 27 kişi

Cevap: 27

Örnek 2:
Soru: 24 elma vardı, 3 kişi her biri 5 elma istedi. Yeterli mi?

Düşünelim:
- İstenen: 3 × 5 = 15 elma
- Mevcut: 24 elma
- 24 ≥ 15

Cevap: Evet, yeterli. 9 elma artar.

Soru: Bir sınıfta 32 öğrenci var. 5 takım kurulacak, her takımda eşit sayıda öğrenci olsun. Kaçar kişilik takım?

Düşünelim:

Model otomatik adımları yazar.

Self-Consistency

Aynı problemi 5 farklı CoT ile çözdür, en sık gelen cevabı seç.

Bu, tekil CoT’ye göre %15-25 daha doğru sonuç verir ama 5x maliyet.

Algoritma:
1. Aynı prompt'u 5 kez çalıştır (temperature > 0 ile)
2. Her seferinde farklı muhakeme zinciri üretilir
3. Final cevapları say
4. En sık gelen cevabı seç

Tree-of-Thoughts (ToT)

CoT’un ileri versiyonu. Düz çizgi yerine dallanmış düşünce ağacı:

Düşünce 1: A yolunu dene
    ↓
    Bu sonuç verir mi?
    ↓
    Hayır → Düşünce 2: B yolunu dene
                ↓
                Sonuç → Cevap

Mantık bulmacaları, planlama, oyun stratejisi için güçlü.

ReAct (Reasoning + Acting)

CoT + araç kullanımı:

Düşünelim: Bu soruyu çözmek için güncel kura bakmam gerek.

[Eylem]: Web'de "USD/TRY kuru bugün" diye ara.

[Gözlem]: 35.40 TL

Devam: 100 USD × 35.40 = 3540 TL

Cevap: 3540 TL

AI agent sistemlerinin temeli.

Hangi Görevde CoT?

Görev	CoT gerekli mi?
Matematik (çok adımlı)	✓✓✓
Mantık bulmacaları	✓✓✓
Kod debug	✓✓
Karar verme (artı-eksi)	✓✓
Çeviri	✗
Yaratıcı yazı	✗
Soru-cevap (faktüel)	✗
Sınıflandırma	✗

Modern Modellerde

Çoğu modern model (GPT-5, Claude 4.7, O1, R1) otomatik CoT yapar:

• Karmaşık soru gelir → model “düşünme” moduna geçer
• Görünmez CoT zinciri kurar
• Final cevabı verir

OpenAI O1/O3 ailesi özellikle gizli reasoning tokens üretir — kullanıcıya gösterilmeyen ama maliyetlendirilen düşünme.

Manuel CoT Ne Zaman?

Modern modellerde bile manuel CoT işe yarar:

1. Specific format: Düşünme zincirini görmek istiyorsanız
2. Eğitim: Modele “böyle düşün” demek istiyorsanız
3. Audit: Sonradan denetlemek için
4. Eski modeller: Daha küçük/eski modellerde otomatik yok

Pratik Şablonlar

Matematik Problemi

Soru: [problem]

Düşünelim:
1. Verilenler: ...
2. İstenen: ...
3. Yöntem: ...
4. Hesaplama: ...
5. Doğrulama: ...

Cevap: ...

Karar Verme

Karar: [A mı B mi?]

Düşünelim:
- A'nın artıları: ...
- A'nın eksileri: ...
- B'nin artıları: ...
- B'nin eksileri: ...
- Kritik faktör: ...

Cevap: ...

Strateji

Hedef: [X]

Adım adım:
1. Mevcut durum analizi
2. Olası 3 yaklaşım
3. Her birinin risk/getiri
4. Önerilen yol
5. İlk somut adım

Sonuç: ...

Yaygın Hatalar

1. Basit görevde CoT: Token israfı
2. Mantık zinciri yanlış: Model emin sesle yanlış adım atar
3. Doğrulama unutmak: CoT sonucunu kontrol etmemek
4. Çok uzun zincir: Modeli dağıtır
5. Adımları atlama: Modele “kısaca düşün” deyince yararsız

CoT Limitleri

1. Maliyet: 4-10x daha fazla token
2. Latency: Daha uzun cevap, daha yavaş
3. Tutarsızlık: Bazı CoT yanlış sonuca götürür
4. Doğru-emin yanılma: CoT doğru görünüp yanlış olabilir

Sonraki Adımlar

• Chain-of-Thought Nedir? — Sözlük
• Few-shot Prompt Nasıl Yazılır?
• Sistem Prompt Yazma Rehberi
• Prompt Kontrol Listesi: 7 Adım

Özet

Chain-of-Thought, karmaşık görevlerde AI doğruluğunu önemli ölçüde artıran prompt tekniğidir. Matematik, mantık, planlama, çok adımlı karar verme görevlerinde devrim. Modern modellerde otomatik var ama bilinçli kullanmak hâlâ değerli. Self-consistency ve Tree-of-Thoughts gibi varyantlar daha da güçlü ama maliyetli.