Context Engineering (Bağlam Mühendisliği), modelin ihtiyaç duyduğu bilgileri seçme, düzenleme ve yönetme yaklaşımıdır. Özellikle RAG uygulamalarında ve çok adımlı görevler yürüten yapay zekâ ajanlarında, her aşamada uygun bağlamın hazırlanmasını amaçlar.

Context Engineering Nedir?

Context Engineering, bir dil modeline sunulan talimatların, verilerin ve görev bilgilerinin birlikte tasarlanmasıdır.

Bu bağlam şu içeriklerden oluşabilir:

• Sistem talimatları: Görevin kuralları ve davranış sınırları.

• Kullanıcı mesajı: Yanıtlanacak soru veya tamamlanacak iş.

• Konuşma geçmişi: Önceki açıklamalar, düzeltmeler ve kararlar.

• Bilgi kaynakları: Getirilen belgeler ve kayıtlar.

• Bellek: Görevle ilgili geçmiş tercihler ve bilgiler.

• Araç sonuçları: Arama, hesaplama veya API işlemlerinden gelen çıktılar.

Bir bilginin veri tabanında bulunması, modelin onu gördüğü anlamına gelmez. Gerekli kayıtların bulunması ve mevcut isteğe uygun biçimde bağlama eklenmesi gerekir.

Context Engineering Nasıl Çalışır?

Bir kullanıcı, “Bu ayın satışlarını geçen ayla karşılaştırıp kısa bir rapor hazırla” dediğinde, modelin yalnızca yazım talimatına değil doğru satış verilerine de ihtiyacı vardır.

Örnek süreç şöyle ilerler:

1. İstek netleştirilir: Dönem, karşılaştırma ölçütleri ve çıktı biçimi belirlenir.

2. Kaynaklar seçilir: İlgili satış kayıtları ve gerekli açıklamalar bulunur.

3. Veriler kontrol edilir: Eksik, eski veya çelişkili kayıtlar değerlendirilir.

4. Bağlam düzenlenir: Talimatlar, veriler ve kaynak bilgileri ayrıştırılır.

5. Görev yürütülür: Gerekli hesaplamalar yapılarak rapor oluşturulur.

6. Bağlam güncellenir: Yeni sonuçlar korunur, gereksiz ayrıntılar azaltılır.

Bu süreç, uzun görevlerde tekrar edebilir. Modelin bir önceki adımda ihtiyaç duyduğu bütün bilgiler, sonraki adım için aynı ölçüde gerekli olmayabilir.

Prompt Engineering ile Arasındaki Fark Nedir?

Prompt Engineering, modele verilen talimatların, örneklerin ve ifade biçiminin tasarlanmasına odaklanır.

Context Engineering ise bunlara ek olarak hangi belgelerin getirileceğini, geçmişten hangi bilgilerin korunacağını ve araç çıktılarının nasıl sunulacağını ele alır.

İki yaklaşım birbirinden tamamen kopuk değildir. Prompt tasarımı, bağlam mühendisliğinin önemli bir parçasıdır. Bu nedenle Context Engineering’i, prompt yazımını gereksiz kılan bir yöntem olarak görmek doğru olmaz.

Daha Fazla Bilgi Her Zaman Daha İyi mi?

Hayır. Bağlam penceresinin büyük olması, modelin bütün bilgileri aynı başarıyla kullanacağını garanti etmez.

İlgisiz belgeler, tekrarlar ve eski talimatlar gerekli bilginin kullanılmasını zorlaştırabilir. Ayrıca modele gönderilen içerik arttıkça işlem maliyeti ve yanıt süresi de artabilir.

“Lost in the Middle” araştırması, incelenen modellerde ilgili bilginin bağlam içindeki konumunun performansı etkileyebildiğini göstermiştir. Bazı deneylerde girdinin başındaki veya sonundaki bilgiler daha başarılı kullanılmıştır. Ancak bu bulgu, bütün modeller için değişmez bir sıralama kuralı değildir.

Bağlam Yönetiminde Hangi Yöntemler Kullanılır?

İlgili Bilgiyi Seçmek

Sorguya uygun belgeler, kod parçaları veya kayıtlar getirilir. Her göreve bütün bilgi tabanını eklemek yerine ihtiyaç duyulan içerik seçilir.

Uzun Geçmişi Özetlemek

Konuşmanın temel kararları ve açık kalan işleri korunarak uzun geçmiş kısaltılabilir. Ancak önemli koşulların özet sırasında kaybolmaması gerekir.

Bilgiyi Gerektiğinde Getirmek

Ayrıntılar harici bir kayıtta tutulabilir ve ihtiyaç doğduğunda yeniden alınabilir. Bu yaklaşım, bağlamın sürekli büyümesini sınırlayabilir.

Görevleri Ayırmak

Farklı işlere ait bilgilerin birbirine karışması önlenebilir. Örneğin bir projenin kuralları başka bir projeye otomatik olarak taşınmamalıdır.

Araç Sonuçları Neden Önemlidir?

Bir araç doğru çalışsa bile çıktısı model için kullanışsız olabilir. Çok uzun kayıtlar, açıklanmayan alanlar veya belirsiz hata mesajları görevi zorlaştırabilir.

İyi bir araç çıktısı, gerekli bilgiyi anlaşılır biçimde sunmalıdır. Örneğin bir satış sorgusunda tutarın yanında tarih aralığının ve para biriminin belirtilmesi, verinin doğru yorumlanmasına yardımcı olur.

Araçların hangi durumda kullanılacağının açıkça tanımlanması da önemlidir. Anthropic’in araç geliştirme rehberi, açık araç tanımlarını ve bağlamı verimli kullanan sonuçları vurgular.

Hangi Faydaları Sağlayabilir?

Doğru hazırlanmış bağlam:

• Yanıt kalitesini artırabilir: Gerekli kaynakların kullanılmasını kolaylaştırır.

• Tekrarları azaltabilir: Önceki kararların yeniden anlatılması ihtiyacını düşürür.

• Token kullanımını sınırlayabilir: Gereksiz içeriğin gönderilmesini önler.

• Görev sürekliliğini destekleyebilir: Tamamlanan adımların ve kalan işlerin takip edilmesini sağlar.

Ancak iyi bağlam, hatasız cevap garantisi değildir. Kaynağın yanlış olması, önemli bir belgenin bulunamaması veya modelin veriyi hatalı yorumlaması sonucu etkileyebilir.

Güvenlik Açısından Nelere Dikkat Edilmeli?

Bağlama eklenen belgeler ve web içerikleri güvenilir talimatlarla aynı yetkiye sahip değildir. Harici bir kaynak, modelin görevini değiştirmeye çalışan ifadeler içerebilir.

OWASP, bu tür içeriklerin model davranışını saptırmasını dolaylı prompt injection riski kapsamında ele alır. Bu nedenle kaynak verileri ile uygulama talimatlarının ayrılması ve erişim izinlerinin korunması gerekir.

Context Engineering’in temel amacı, modele gerekli bilgiyi uygun biçimde sunmaktır. Başarısı yalnızca bağlamın kısalığıyla değil; görev başarısı, kaynaklara uygunluk, maliyet ve yanıt süresi birlikte değerlendirilerek ölçülmelidir.

Kaynaklar: Anthropic — Effective Context Engineering for AI Agents ve Writing Effective Tools for AI Agents; LangChain — Context Engineering for Agents; Liu ve arkadaşları — Lost in the Middle: How Language Models Use Long Contexts; OWASP — LLM01:2025 Prompt Injection.

Editör Notu

Bu içerik, kamuya açık yapay zekâ araştırmaları ve teknik açıklamalardan yararlanılarak hazırlanmış bir araştırma ve değerlendirme yazısıdır. İçerikte yer alan değerlendirmeler editoryal yorum niteliğindedir. Bağlam yönetimi yöntemlerinin başarısı; kullanılan modele, kaynakların kalitesine ve görevin gereksinimlerine göre değişebilir.