[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-self-ask-prompting::tr":3,"gloss-cluster-self-ask-prompting::tr":23,"gloss-next-self-ask-prompting::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"self-ask-prompting","prompt-eng","Self-Ask Prompting","Self-ask (kendine sorma) yönlendirmesi, modelin nihai yanıta bağlanmadan önce kendi takip alt sorularını açıkça sorup yanıtlamasını sağlar. Press vd. (2022) tarafından tanıtılan yöntem, yanıtı birkaç olguyu zincirlemeyi gerektiren çok adımlı soruları hedefler — \"X'i üreten şirket kurulduğunda başkan kimdi?\" gibi. Model \"Takip sorusu: …\" yazar, yanıtlar, sonraki takip sorusunu sorar ve böyle devam eder; ara akıl yürütmeyi açık ve incelenmesi kolay hâle getirir. Makale ayrıca bir \"bileşimsellik açığı\" gösterdi: modeller her alt olguyu çoğu zaman bilir ama bunları birleştiremez; self-ask bu açığı daraltır. SaaS geliştiricileri için asıl değer şudur: kendine sorulan her soru, bir araç çağrısı için doğal bir kancadır — takip sorularını bir arama API'sine ya da kendi veritabanınıza yönlendirip self-ask'i soru yanıtlama için hafif bir ajan döngüsüne dönüştürebilirsiniz. Düz düşünce zincirine kıyasla yapılandırılmış soru\u002Fyanıt biçimi hem ayrıştırması hem de harici retrieval takması daha kolaydır. Tek olguluk sorgular için ise gereğinden fazladır.","Self-ask yönlendirmesi, modelin nihai yanıta bağlanmadan kendi takip alt sorularını sorup yanıtlamasını sağlar; çok adımlı sorular için tasarlanmıştır.",null,[11,14,17,20],{"slug":12,"name":13},"chain-of-thought-prompting","Chain-of-Thought Prompting (Düşünce Zinciri İstemi)",{"slug":15,"name":16},"function-calling","Function Calling (Araç Kullanımı)",{"slug":18,"name":19},"least-to-most-prompting","Least-to-Most Prompting",{"slug":21,"name":22},"react-prompting","ReAct Promptlama",[24,28,31,34,36,39,42,45,48,51,54,57],{"slug":25,"category":5,"name":26,"updated_at":27},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"automatic-prompt-optimization","Otomatik Komut Optimizasyonu",{"slug":32,"category":5,"name":33,"updated_at":27},"chain-of-density","Yoğunluk Zinciri (CoD)",{"slug":12,"category":5,"name":13,"updated_at":35},"2026-08-24T02:46:36+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"chain-of-verification","Chain-of-Verification",{"slug":40,"category":5,"name":41,"updated_at":35},"chunking","Chunking (Parçalama)",{"slug":43,"category":5,"name":44,"updated_at":35},"constrained-decoding","Kısıtlanmış Çözümleme (Constrained Decoding)",{"slug":46,"category":5,"name":47,"updated_at":35},"context-stuffing","Bağlam Doldurma (Context Stuffing)",{"slug":49,"category":5,"name":50,"updated_at":35},"delimiter","Ayırıcı (Delimiter)",{"slug":52,"category":5,"name":53,"updated_at":27},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":55,"category":5,"name":56,"updated_at":27},"emotion-prompting","Emotion Prompting",{"slug":58,"category":5,"name":59,"updated_at":35},"few-shot-prompting","Few-Shot Prompting (Az Örnekli İstem)"]