Uzun Metinleri Katmanlı Özetleme İçin Komut Nasıl Tasarlanır

Uzun bir araştırma raporunu, akademik makaleyi veya onlarca sayfalık bir sözleşmeyi yapay zeka sohbet botuna "özetle" diye yapıştırmak çoğu zaman hayal kırıklığı yaratır: ya çok yüzeysel bir çıktı alırsınız ya da model metnin bir kısmını atlayıp geri kalanını tekrar eder. Bu sorunun çözümü tek seferlik bir komut değil, katmanlı özetleme mantığıyla tasarlanmış çok aşamalı bir prompt yapısıdır. Bu yazıda bu yapının nasıl kurulacağını, hangi unsurların mutlaka komuta eklenmesi gerektiğini ve farklı metin türlerine göre nasıl uyarlanacağını ele alıyoruz.

Katmanlı Özetleme Nedir ve Neden Önemlidir

Geleneksel tek aşamalı özetlemede modelden doğrudan "bu metni özetle" istenir ve tek bir çıktı beklenir. Bu yaklaşım kısa metinlerde işe yarasa da, uzun ve çok katmanlı içeriklerde modelin hangi bilgiyi öncelikli tutacağına dair bir rehberi olmadığı için önemli detaylar kaybolabilir ya da gereksiz ayrıntılar öne çıkabilir.

Katmanlı özetleme ise metni tek bir çıktıya sıkıştırmak yerine, birbirini besleyen birden fazla özet seviyesi üretmeyi hedefler: önce detaylı bir özet, sonra bu özetin orta yoğunlukta bir versiyonu, son olarak da birkaç cümlelik bir öz. Bu yapının birkaç somut avantajı vardır:

• Bilgi kaybı azalır, çünkü model önce ayrıntılı bir özet üretip sonra bunu sıkıştırdığı için kaynak metne daha yakın kalır.
• Kullanım senaryosuna göre esneklik sağlar; bir okuyucu hızlı taramak isteyebilir, bir diğeri detaylı inceleme yapmak isteyebilir, aynı çıktı seti her ikisine de hizmet eder.
• Yapay zeka modelleri, adım adım tanımlanmış talimatlara tek bir belirsiz talimata göre daha tutarlı yanıt verme eğilimindedir, çünkü her aşamanın beklentisi net olarak çerçevelenmiştir.

Etkili Katmanlı Özetleme Promptunun Temel Yapı Taşları

İyi tasarlanmış bir katmanlı özetleme komutu dört temel unsuru içermelidir.

Rol tanımlama. Modelden hangi perspektiften hareket etmesi gerektiğini belirtmek çıktının tonunu ve odağını belirler. Örneğin "Bir akademik editör gibi davran" ile "Bir yönetici asistanı gibi davran" talimatları çok farklı özetler üretir.

Bağlam belirleme. Belgenin türü (makale, rapor, haber, sözleşme), hedef kitle (uzman mı genel okuyucu mu) ve özetleme amacı (karar almak için mi, arşivlemek için mi) açıkça belirtilmelidir. Bağlam eksikliği modelin neyi önemli sayacağını tahmin etmeye çalışmasına yol açar.

Açık talimatlar. Kaç seviyede özet istendiği ve her seviyenin kriterleri (uzunluk, içerik yoğunluğu) net yazılmalıdır. "Kısa bir özet yap" yerine "150 kelimeyi geçmeyen, sadece ana bulguları içeren bir özet yaz" gibi ölçülebilir talimatlar tercih edilmelidir.

Kısıtlamalar. Hangi bilgilerin mutlaka korunması gerektiği (rakamlar, tarihler, isimler, sonuç cümleleri) ve hangi detayların çıkarılabileceği (örnekler, yan anlatılar, tekrarlar) belirtilmelidir.

Özetleme Seviyelerini Tanımlama Stratejileri

En yaygın ve pratik yaklaşım üç seviyeli bir modeldir:

1. Detaylı özet – kaynak metnin yaklaşık %25-30'u uzunluğunda, tüm ana ve yan fikirleri koruyan bir versiyon.
2. Orta düzey özet – detaylı özetin yarıya indirilmiş hali, sadece ana fikirler ve destekleyici en önemli detaylar.
3. Ultra kısa özet – birkaç cümle veya madde ile metnin özünü veren versiyon.

Her seviye için kelime sınırı belirtmek modelin çıktıyı tahmin edilebilir tutmasını sağlar. Örneğin "Seviye 1: 300-400 kelime, Seviye 2: 100-150 kelime, Seviye 3: 40 kelimeyi aşmayan tek paragraf" gibi net sayısal aralıklar vermek işe yarar.

Bu seviyeler arasında hiyerarşik bir bilgi yapısı kurmak da önemlidir: ana fikir en üstte, onu destekleyen yan fikirler altında, onları destekleyen örnek ve veriler en altta yer almalıdır. Prompt içinde bu hiyerarşiyi "önce ana tezi belirle, sonra bu tezi destekleyen 3-5 alt noktayı listele, son olarak her alt noktayı birer cümleyle açıkla" şeklinde tarif etmek modelin bilgiyi katmanlı düşünmesine yardımcı olur.

Seviyeler arası geçişin net olması da gerekir; yani model her seviyeyi ayrı ayrı ve birbirine referans vererek üretmeli, "yukarıdaki detaylı özete dayanarak" gibi ifadelerle seviyeler arasındaki bağı korumalıdır.

Çıktı Formatını Kontrollemek ve Yapılandırmak

İyi bir içerik üretilse bile dağınık sunulursa kullanışlılığı azalır. Çıktı formatını kontrol etmek için şu direktifler eklenebilir:

• Markdown başlıkları kullanarak her özetleme seviyesini ayrı bir bölüm halinde sunmasını isteyin (## Detaylı Özet, ## Orta Özet, ## Kısa Özet gibi).
• Madde işaretlerini sadece listelenebilir bilgiler için, paragraf yapısını ise akıcı anlatım gerektiren kısımlar için kullanmasını belirtin.
• Sayısal veriler için tutarlı bir format isteyin (örneğin tüm yüzdelerin aynı ondalık basamakla yazılması).
• Anahtar terimlerin kalın yazılmasını veya belirli bir işaretle vurgulanmasını talep edebilirsiniz; bu, hızlı tarama yapan okuyucular için faydalıdır.

Bu tür yapısal direktifler modelin "ne söyleyeceği" kadar "nasıl sunacağı" konusunda da rehber olur ve çıktının farklı promptlarda tutarlı kalmasını sağlar.

Uzun Dokümanları Parçalara Ayırma Teknikleri

Model bağlam penceresinin sınırları veya çok uzun metinlerde tutarlılık kaygısı nedeniyle, bazen metni tek seferde değil parçalar halinde işletmek gerekir. Bu durumda strateji şöyle işler:

1. Metni mantıksal bölümlere ayırın (bölüm başlıkları, alt başlıklar veya konu geçişleri üzerinden).
2. Her bölümü ayrı ayrı özetletin, ama her özet isteğinde "bu bölüm daha büyük bir belgenin parçasıdır, önceki bölümlerle tutarlı bir terminoloji kullan" gibi bir hatırlatma ekleyin.
3. Tüm bölüm özetlerini bir araya getirip bunları tekrar özetleyerek genel bir üst özet oluşturun — bu, katmanlı yapının bir üst seviyesi gibi düşünülebilir.

Parça sayısını optimize ederken çok fazla küçük parçaya bölmek bağlamın kopmasına, çok büyük parçalar kullanmak ise detay kaybına yol açabilir; metnin doğal bölüm yapısını takip etmek genelde en güvenli yoldur. Bölümler arası ilişkiyi korumak için modele "bu bölüm önceki bölümdeki X konusuyla nasıl bağlantılı, belirt" gibi ek bir talimat vermek faydalı olabilir.

Pratik Prompt Örneği ve Adım Adım Uygulaması

Aşağıda akademik bir makale için kullanılabilecek örnek bir prompt iskeleti yer almaktadır:

Rol: Akademik içerikleri sentezleyen bir araştırma asistanısın.
Bağlam: Aşağıdaki metin bir bilimsel makaledir, hedef kitle konuya aşina ama makaleyi okumamış araştırmacılardır.
Görev: Metni üç seviyede özetle.

Seviye 1 - Detaylı Özet (300-400 kelime):
Araştırma sorusunu, yöntemi, bulguları ve sınırlılıkları ayrı paragraflarda ele al.

Seviye 2 - Orta Özet (120-150 kelime):
Sadece ana bulgu ve bu bulgunun önemini açıkla.

Seviye 3 - Kısa Özet (en fazla 3 cümle):
Makalenin tek cümlelik "elevator pitch" versiyonunu ver.

Kısıtlamalar: Sayısal veriler ve istatistikler mutlaka korunmalı, yazar yorumları ve gelecek çalışma önerileri atlanabilir.

Bu yapı iş raporları için uyarlanırken "araştırma sorusu" yerine "iş problemi", "bulgular" yerine "öneriler ve aksiyon maddeleri" gibi alan terimleri değiştirilebilir. Haber metinleri içinse genelde üç seviye yerine iki seviye (ayrıntılı özet ve manşet-tipi tek cümle) yeterli olur, çünkü haberler zaten kısa ve yoğun yazılmıştır.

Her örnekte dikkat edilmesi gereken ortak nokta, kısıtlamalar bölümünün metin türüne göre değişmesidir: akademik metinde istatistikler korunurken, bir haber özetinde kaynak kişi isimleri ve tarihler önceliklidir.

Farklı Alan ve Metin Türleri İçin Özelleştirmeler

Katmanlı özetleme promptları, metnin türüne göre farklı "korunması gereken unsur" setleri gerektirir:

• Teknik dokümantasyon: Adım sıraları, parametre isimleri ve uyarı/dikkat notları mutlaka korunmalıdır; bunların atlanması kullanıcıyı yanlış yönlendirebilir.
• Hukuki belgeler: Doğruluk ve tamlık burada en kritik ölçüttür; özetleme sırasında anlam kaymasına yol açabilecek her türlü basitleştirmeden kaçınılmalı, maddeler ve referans numaraları olduğu gibi korunmalıdır. Bu tür belgelerde özetin "bilgilendirme amaçlı olduğu, hukuki tavsiye yerine geçmediği" şeklinde bir not eklenmesi de faydalıdır.
• Bilimsel yazılar: Metodoloji ve bulgular birbirinden ayrı ele alınmalı, hangi sonucun hangi yöntemle elde edildiği net olmalıdır.
• Pazarlama ve kreatif metinler: Burada öncelik bilgi yoğunluğu değil, tondur; özetleme sırasında markanın sesi ve ana mesajı korunmalı, metnin duygusal çekiciliği tamamen kaybolmamalıdır.

Bu farklılıklar, prompt tasarımında "kısıtlamalar" bölümünün her alan için yeniden düşünülmesi gerektiğini gösterir; tek bir evrensel şablon her metin türüne uymaz.

Başlıca Hatalar ve Bunlardan Kaçınma Yöntemleri

Katmanlı özetleme promptları tasarlarken sık yapılan hatalar şunlardır:

• Aşırı katı talimatlar: Her cümlenin yapısını, kelime sırasını veya aşırı detaylı biçim kurallarını dayatmak modelin doğal akıcılığını bozabilir ve çıktı kalitesini düşürebilir. Talimatlar net ama modelin doğal dil yeteneğine alan bırakacak şekilde yazılmalıdır.
• Seviyeleri net tanımlamamak: "Kısa ve uzun özet yap" gibi belirsiz talimatlar, modelin kendi yorumuna göre çok farklı uzunluklar üretmesine yol açar; sayısal sınırlar ve içerik kriterleri vermek bu karışıklığı önler.
• Bağlam eksikliği: Belgenin türünü veya hedef kitleyi belirtmemek, modelin yanlış öncelik sıralaması yapmasına neden olabilir.
• Tek seferde mükemmel prompt beklemek: Prompt tasarımı genelde tek seferde değil, test etme ve iyileştirme döngüsüyle olgunlaşır.

Prompt Optimizasyonu ve İteratif İyileştirme

Katmanlı özetleme promptunu oluşturduktan sonra iş bitmez; asıl değer test ve iyileştirme sürecinde ortaya çıkar. Pratik bir yaklaşım şöyledir:

1. Farklı uzunluk ve türde birkaç test metni seçin (kısa bir makale, uzun bir rapor, teknik bir doküman).
2. Çıktıları değerlendirmek için basit kriterler belirleyin: önemli bilgi kaybı var mı, format talimatlarına uyuldu mu, kelime sınırları karşılandı mı.
3. Sorunlu çıktılarda hangi talimatın belirsiz kaldığını analiz edin ve promptu buna göre netleştirin — örneğin model sürekli kelime sınırını aşıyorsa, "kesinlikle X kelimeyi geçme" gibi daha kesin bir ifade eklenebilir.
4. İşe yarayan yapıyı yeniden kullanılabilir bir şablon haline getirin ve hangi metin türü için hangi değişikliklerin yapıldığını not alın; bu dokümantasyon, ileride benzer işler için zamandan tasarruf sağlar.

Bu iteratif süreç, katmanlı özetleme promptlarını tek seferlik bir deneme olmaktan çıkarıp, uzun vadede güvenilir şekilde tekrar kullanılabilen bir araca dönüştürür.