Context Engineering Nedir? Prompt Çağından Context Çağına Geçiş

Yıllarca “iyi bir prompt yaz, iyi sonuç al” mantığıyla yaşadık. Artık oyunun kuralları değişiyor. Anthropic, Gartner ve Shopify CEO’su Tobi Lütke aynı noktada buluşuyor: Kurumsal yapay zekâ projelerinde asıl rekabet alanı artık sadece prompt engineering değil, bundan çok daha geniş kapsamlı context engineering.

İçindekiler

• Context Engineering Nedir?
• Prompt vs Context Engineering
• Neden Şimdi? Agent Çağı Geldi
• Context’in Bileşenleri
• Basit Prompt vs Context-Engineered Sistem
• Software Örneği: CSV Ayrıştırma
• Shopify Örneği: Pratikte Kullanım
• Gartner’ın Önerileri
• Önümüzdeki 12-18 Ayda Ne Bekleniyor?
• Sonuç: Prompt Ölmedi, Alt Küme Oldu

Context Engineering Nedir?

Anthropic’in 2025 Eylül’ünde yayımladığı mühendislik yazısında, odağın neden prompt’tan context’e kaydığı şöyle tarif ediliyor:

“Prompt engineering yıllardır odak noktasındaydı. Şimdi yeni bir terim öne çıkıyor: context engineering. Dil modelleriyle çalışma, doğru kelime ve cümleleri bulmanın ötesine geçiyor ve daha geniş bir soruya dönüşüyor: ‘Modelin istenen davranışı üretmesi için hangi context konfigürasyonu en uygun?'”

— Anthropic Engineering Blog, Eylül 2025

Shopify CEO’su Tobi Lütke ise bu değişimi daha özlü bir dille anlatıyor:

“Context engineering terimini prompt engineering’e tercih ediyorum. Temel beceriyi daha iyi tanımlıyor: Görev için LLM tarafından makul biçimde çözülebilir olması için tüm context’i sağlama sanatı.”

— Tobi Lütke, Shopify CEO

Özetle context engineering, dil modelinin bir görevi çözerken gördüğü tüm bilgi evrenini (context window) tasarlama, seçme, sıralama ve optimize etme işidir. Prompt, bu evrenin sadece bir parçasıdır.

Prompt vs Context Engineering

Aynı problemi iki farklı disiplinin gözünden düşünelim: Biri sadece cümleye, diğeri cümlenin geçtiği sahneye odaklanıyor. Prompt engineering cümlenin kendisine; context engineering ise cümlenin sahnelenişine odaklanır.

Neden Şimdi? Agent Çağı Geldi

Eski OpenAI ve Tesla araştırmacısı Andrej Karpathy, context engineering’i şöyle özetliyor:

“Her endüstriyel LLM uygulamasında context engineering, context window’u bir sonraki adım için tam doğru bilgiyle doldurmanın hassas sanatı ve bilimidir. Çok az bilgi verirseniz LLM optimal performans gösteremez. Çok fazla veya alakasız bilgi verirseniz, maliyetler artar ve performans düşer.”

— Andrej Karpathy

Gartner’ın 2025 Ekim analizinde ise agent başarısızlıklarının kaynağı çok net tanımlanıyor:

“Agentic AI, uyumsuzluk ve zayıf koordinasyon nedeniyle yüksek başarısızlık oranlarına sahip. Context engineering, prompt engineering’in yapamadığı şeyi yapıyor: dinamik context’leri kurate etmek ve kalıcı context’leri yönetmek.”

— Gartner, Ekim 2025

Kısacası agent sistemleri bir döngü içinde çalışıyor ve her dönüşte yeni veri üretiyor. Prompt engineering statik bir talimat yazmakla ilgilenirken, context engineering her inference adımında hangi bilginin modele gideceğine karar veriyor.

Context’in Bileşenleri

Bir LLM’in gördüğü “context” yalnızca yazdığınız prompt değildir. Tipik bir üretim sisteminde şu katmanların tamamı birlikte çalışır:

• System Prompt: Modelin rolünü, tonunu ve kurallarını tanımlar.
• User Prompt: Kullanıcının anlık isteği/görevi.
• Conversation History: O oturumda daha önce geçen mesajlar.
• Long-Term Memory: Önceki oturumlardan kalıcı olarak tutulan bilgiler.
• Retrieved Information (RAG): Veritabanı, doküman, wiki gibi harici kaynaklardan çekilen bilgi.
• Available Tools: Modelin çağırabildiği fonksiyonlar, API’ler, arama servisleri.
• Output Format: JSON, tablo, e-posta taslağı vb. beklenen çıktı yapısı.

Context engineering, bu bileşenlerin her birini optimize ederek sınırlı context window içinde en etkili kombinasyonu kurma disiplinidir.

Basit Prompt vs Context-Engineered Sistem

Basit Prompt Yaklaşımı

Kullanıcı: "Geçen haftaki toplantı notlarını özetle."

Bu durumda model için belirsiz olan çok şey var: “Geçen hafta” hangi tarih? Hangi toplantı? Notlar nerede tutuluyor? Özet hangi formatta isteniyor? Sonuç genelde zayıf ve tutarsız olur.

Context-Engineered Yaklaşım

[SYSTEM PROMPT]
Sen bir kurumsal asistansın. Özet formatında yaz:
• Maksimum 5 madde
• Her madde tek cümle
• Aksiyon gerektiren maddeleri (A) ile işaretle

[RETRIEVED CONTEXT – RAG]
Toplantı: Q4 Strateji Toplantısı
Tarih: 22 Kasım 2025
Katılımcılar: Pazarlama, Ürün, Finans
Notlar: 2000 kelimelik toplantı dökümü

[USER PROMPT]
Bu toplantı notlarını özetle.

[OUTPUT FORMAT]
JSON: { "summary": […], "action_items": […] }

Böyle bir tasarımda model; ne yapacağını (özet), hangi veriyle çalışacağını (toplantı dökümü), hangi rolü oynadığını (kurumsal asistan) ve hangi formatta cevap vereceğini (JSON) net olarak bilir.

Software Örneği: CSV Ayrıştırma

Yazılım dünyasından somut bir örnek üzerinden gidelim.

Varsayılan prompt:

"CSV dosyasını ayrıştıracak (parse edecek) bir Python fonksiyonu yaz."

Bu prompt ile model gerekli bağlamdan yoksundur: Hangi domain, hangi kütüphaneler, veri tutarsızlıkları vb.

Context engineering tabanlı prompt:

"Fintech dashboard için Flask tabanlı bir web uygulamasında çalışan kıdemli bir backend mühendisi olarak hareket et. Finansal CSV raporları alacaksın, ancak ayraçlar tutarsız (bazen noktalı virgül, bazen virgül) ve başlıklar biraz farklı olabilir (örneğin, 'amount' ya da 'amt'). Pandas kullanarak bu tür dosyaları standart hale getirecek ve ayrıştıracak sağlam bir Python fonksiyonu yaz. Çıktı, temiz sütunlarla bir DataFrame döndürmelidir: tarih, miktar, açıklama. GUI veya yükleme mantığını göz ardı et."

Burada yaptıklarımız açıkça context engineering pratiğidir:

• Rol: Kıdemli backend mühendisi
• Proje kapsamı: Flask tabanlı fintech dashboard
• Gerçek dünya sorunları: Tutarsız ayraçlar, farklı başlık isimleri
• Kütüphane seçimi: pandas
• Beklenen çıktı: Belirli kolonlara sahip DataFrame

Shopify Örneği: Pratikte Kullanım

Shopify, context engineering’i günlük operasyonlarında şu tip agent’larla kullanıyor:

• RFP Agent: Yüzlerce soru içeren RFP’leri otomatik yanıtlıyor. Arka planda dokümantasyon + case study repository’sini kullanıyor, her yanıt için “certainty score” üretiyor.
• Haftalık Güncelleme Agent’ı: GitHub pull request’lerini, dokümanları ve Slack kanallarını inceleyerek otomatik haftalık özet hazırlıyor.
• Sales Engineer Dashboard: GSuite, Slack ve Salesforce verilerini birleştirerek “Bugün ne yapmalıyım?” sorusuna öncelik sıralı görev listesi üretiyor.

Bu kullanım örneklerinin tamamı, arka planda dikkatle tasarlanmış context pipeline’larına dayanıyor.

Gartner’ın Önerileri: Kurumsal Yol Haritası

Gartner, AI liderlerine context engineering’i kurumsal bir kas olarak ele almalarını öneriyor:

• Context engineering lideri veya ekibi atayın; AI mühendisliği ekipleriyle entegre çalışsın.
• Context bilgi pipeline’larını düzenli gözden geçirin; kullanıcı girdilerini bu sürece dahil edin.
• Otomatik araçlarla drift ve awareness boşluklarını tespit edin.
• Prompt engineering’i tooling ve template’lere devredin; stratejik odağı context’e kaydırın.

Önümüzdeki 12-18 Ayda Ne Bekleniyor?

• Kurumsal AI altyapılarında context engineering temel beceri haline gelecek.
• AI agent başarı oranı, prompt kalitesinden çok context kalitesiyle açıklanacak.
• RAG sistemleri context-first yaklaşımıyla yeniden tasarlanacak.
• Uzun context’lerde performans düşüşü anlamına gelen “context rot” için yeni çözüm pattern’leri ortaya çıkacak.

Sonuç: Prompt Ölmedi, Alt Küme Oldu

Prompt engineering ortadan kalkmıyor; context engineering’in bir alt kümesi haline geliyor. Prompt, context window’a ne yazdığın; context engineering ise o window’u neyle, hangi sırayla ve hangi yoğunlukla doldurduğuna karar verdiğin süreç.

Agent çağında asıl fark, tek bir cümleyi iyi kurmaktan değil, modelin içinde çalıştığı bağlam evrenini bilinçli şekilde tasarlamaktan geçiyor.

Peki ya siz? AI sistemlerinizin context’ini mühendislik etmeye başladınız mı, yoksa hâlâ tek bir prompt’un mucizeler yaratmasını mı bekliyorsunuz?

Kaynakça

• Anthropic Engineering – “Effective context engineering for AI agents” (Eylül 2025)
• Gartner – “Context engineering: Why it’s Replacing Prompt Engineering” (Ekim 2025)
• Tobi Lütke (Twitter/X) – Context engineering tanımı (Haziran 2025)
• Andrej Karpathy – Context engineering açıklamaları (Haziran 2025)
• First Round – “From Memo to Movement: Shopify’s Cultural Adoption of AI” (Temmuz 2025)
• DataCamp – “Context Engineering: A Guide With Examples” (Temmuz 2025)
• Prompting Guide – “Context Engineering Guide” (2025)