# TD-105 · Yeni başlayana ve uzmana farklı yardım et

AI herkese aynı yardımı verince yeni başlayan terimlerde boğuluyor, uzman bildiklerini kaydırarak sonucu arıyor. Desen düzeyi kullanıcıya seçtirir, yeni başlayana yolu, uzmana sonucu verir ve uyarıları her düzeyde tam tutar.

- Adres: https://tandem.komunite.com.tr/desen/yeni-baslayana-ve-uzmana-farkli-yardim-et
- Yer: Zamanla > Beceri
- Seviye: Temel. Her AI özelliğinde olmalı.
- Son inceleme: 28 Ekim 2026, Komünite editörlüğü

## 30 saniyede dene

1. Ürününe aynı isteği iki kez yaz. Birinde işe yeni başlayan biri gibi, ötekinde o işi yıllardır yapan biri gibi davran.
2. İki cevabı yan yana koy. Aynı mı? Uzman için olan cevapta sonuç kaçıncı satırda başlıyor?
3. Cevabın kısalmasını ya da sadeleşmesini iste ve bir sonraki isteğe geç. Ürün bu tercihi hatırlıyor mu, her seferinde yeniden mi söylemen gerekiyor?
4. Kısa cevapta bir uyarının, örneğin eşleşmeyen kayıt ya da veri kaybı uyarısının, hâlâ durup durmadığına bak.

## Sorun

İki kişi aynı veri asistanına aynı şeyi yazıyor: siparişler ile müşterileri müşteri numarasına göre birleştir. Biri işe bu ay başlamış bir analist, öteki on yıldır sorgu yazan bir veri mühendisi. İkisi de aynı cevabı alıyor. Cevap birleştirme türlerini sayıyor, boş değerlerden ve yinelenen kayıtlardan söz ediyor, üç seçenek sunuyor, sorgu en altta.

Yeni başlayan için bu cevap fazla. Aynı anda beş yeni terimle karşılaşıyor ve hangisinin şu an önemli olduğunu bilmiyor. Seçeneklerden birini rastgele seçiyor ya da her terimi ayrı ayrı soruyor. Uzman için cevap yavaş. Bildiği şeyleri kaydırarak geçiyor, sorguyu buluyor ve ertesi gün aynı isteğe “yalnız sorguyu ver” diye ekliyor. Ürün ikisine de ortalama bir kullanıcıya göre cevap veriyor.

Ortalamaya göre ayarlanmış yardım iki uçtaki kullanıcıya da yanlış oturur. Yeni başlayan boğulur, uzman yavaşlar.

## Neden atlanıyor

Tek cevap üretmek ucuz. Kullanıcının düzeyini bilmek bir ayar, bir durum alanı ve iki ayrı test demek. Ekip demoyu kendisi yapar, kendi düzeyine göre iyi görünen cevabı yeterli sayar.

Model de kendiliğinden ortalamaya yazar. Kullanıcı söylemedikçe model onun o işteki deneyimini bilmez ve çoğu zaman her ihtimale değinen bir cevap verir. Claude Code'un belgesi kısa çıktı stilini tam da bu durum için öneriyor, [varsayılan cevaplar istediğinden uzunsa](https://code.claude.com/docs/en/output-styles). Uzunluğu kullanıcının kendisi düzeltmek zorunda.

Ölçüm de farkı saklar. Ekipler ortalama kazanca bakar ve ortalama iyi görünür. Brynjolfsson, Li ve Raymond'ın 5.179 müşteri destek temsilcisiyle yaptığı çalışmada AI asistanı saatte çözülen sorun sayısını ortalama [%14 artırdı. Yeni başlayan ve düşük becerili temsilcilerde artış %34'tü, deneyimli ve yüksek becerili temsilcilerde etki çok azdı](https://www.nber.org/papers/w31161). Dergide yayımlanan sürüm bir adım daha ileri gidiyor. En deneyimli temsilciler [hızda küçük bir kazanç, kalitede küçük bir düşüş](https://doi.org/10.1093/qje/qjae044) gördü. Ortalama sayı uzmanın kaybını gösteren bir satır taşımaz.

## Desen

Yardımın miktarı ve biçimi kullanıcının o işteki deneyimine göre değişir. Yeni başlayan yolu görür, uzman sonucu görür ve ikisi de istediği an öbür düzeye geçer.

1. **Düzeyi kullanıcı seçsin.** İlk kullanımda iki seçenek yeter: “Adım adım anlat” ve “Kısa ver”. Seçim cevabın yanında görünür ve tek hareketle değişir. Davranıştan tahmin edilen düzey kullanıcıya öneri olarak gelir, sessizce uygulanmaz.
2. **Yeni başlayana yolu, uzmana sonucu ver.** Yeni başlayan için cevap bir sonraki adımla başlar, terimleri açıklar, seçenekleri ikiye indirir. Uzman için cevap sonuçla başlar: sorgu, formül, değişiklik. Kalyuga ve arkadaşlarının derlemesine göre yeni başlayanlarda çok işe yarayan öğretim teknikleri deneyimli öğrenicide [etkisini kaybedebiliyor, hatta zarar verebiliyor](https://web.archive.org/web/20231125021747/https://www.tandfonline.com/doi/abs/10.1207/S15326985EP3801_4).
3. **Açıklamayı katla, silme.** Uzmanın ekranında gerekçe bir tık uzakta durur. İçerik iki düzeyde de aynı, değişen varsayılan görünüm.
4. **Düzeyi işe bağla.** Aynı kişi sorgu yazmakta uzman, istatistikte yeni olabilir. Düzey kişiye tek bir etiket olarak yapışmaz, iş türüne göre ayrı tutulur.
5. **Uyarı her düzeyde tam kalır.** Veri kaybı, eşleşmeyen kayıt, güvenlik uyarısı ve geri dönüşü olmayan işlem kısa düzeyde kısalmaz.
6. **Yardım azalsın, geri gelebilsin.** Kullanıcı aynı işi açıklamalara bakmadan birkaç kez yapıyorsa ürün kısa düzeye geçmeyi önerir. Kullanıcı takıldığında açıklama geri gelir.

Bilgi iki ekranda da aynı. Değişen, sırası ve yoğunluğu.

## Önce ve sonra

Aynı birleştirme isteği, iki asistanla. Solda deneyimli analist her seferinde aynı uzun anlatımı alıyor ve sorguyu en altta arıyor. Sağda kendi seçtiği kısa düzeyde sorgu en üstte, gerekçe bir tık uzakta, eşleşmeyen kayıt uyarısı tam hâliyle duruyor.

Örnek ekran (kurgusal): Deneyimli bir analist gün içinde beşinci kez iki tabloyu birleştirmek istiyor. Asistan her kullanıcıya aynı uzunlukta yardım veriyor.

### Önce: Veri · asistan

- Kullanıcı: Siparişler ile müşterileri müşteri numarasına göre birleştir.
- AI: İki tabloyu birleştirmek için önce ortak bir sütun seçmen gerekir. Birleştirmenin dört türü var ve her biri boş değerlere farklı davranır. Aşağıda adım adım anlatıyorum.
- İçerik (Adım adım rehber): 1. Ortak sütunu bul. 2. Birleştirme türünü seç. 3. Yinelenen kayıtları kontrol et. 4. Boş değerleri ele al. 5. Sorguyu yaz. 6. Sonucu doğrula.
- İçerik (Sorgu): select * from siparisler s inner join musteriler m on m.no = s.musteri_no
- Kullanıcı: Bunları biliyorum, yalnız sorguyu ver.
- Bilgi: bugün aynı istek · 5. kez

1. Asistan deneyimli kullanıcıya da yeni başlayan rehberini veriyor. Sorgu cevabın en altında.
2. Kullanıcı her seferinde “yalnız sorguyu ver” yazıyor, tercih hatırlanmıyor. İç birleştirme eşleşmeyen siparişleri sessizce düşürüyor ve rehber bunu söylemiyor.

### Sonra: Veri · asistan

- Kullanıcı: Siparişler ile müşterileri müşteri numarasına göre birleştir.
- Bilgi: yardım düzeyi · kısa · sorgu işlerinde senin seçimin
- İçerik (Sorgu): select s.*, m.ad, m.sehir from siparisler s left join musteriler m on m.no = s.musteri_no
- Uyarı: 214 siparişin müşteri numarası müşteriler tablosunda yok. Sol birleştirme bu satırları tutuyor, müşteri alanları boş kalıyor.
- Düğmeler: Adım adım anlat · Eşleşmeyenleri göster
- Öneriler: Kısa · Adım adım

1. Sonuç en üstte, gerekçe bir tık uzakta. Düzeyi kullanıcı seçti, ekranda yazıyor ve tek tıkla değişiyor.
2. Eşleşmeyen kayıt uyarısı kısa düzeyde de tam. Yeni başlayan biri aynı istekte önce adım adım yolu görür.

## Piyasada

Claude Code'da varsayılanın yanında dört yerleşik çıktı stili var. Kısa stilde cevabın ilk cümlesi ne olduğunu söylüyor, giriş, adım adım anlatım ve kapanış özeti çıkıyor. Kullanıcı açıklama istediğinde ve güvenli davranmak için gereken her şeyde ise Claude [tam uzunlukta yazıyor](https://code.claude.com/docs/en/output-styles). Hata raporları, başarısız test çıktısı, güvenlik uyarıları ve yıkıcı işlem onayları kısalmıyor. Açıklamalı stil ise konuşmada, yazdığı kodun önüne ya da arkasına seçimlerinin nedenini anlatan kısa notlar ekliyor. Kullanıcı stili tek komutla değiştiriyor ve seçim proje düzeyinde kaydediliyor.

GitHub'da Copilot sohbeti kişisel talimatlarla ayarlanabiliyor. Belgenin örneklerinden biri tam bu desenin cümlesi: [“Keep explanations brief, but provide enough context to understand the code.”](https://docs.github.com/en/copilot/how-tos/configure-custom-instructions/add-personal-instructions) Kişisel talimat depo ve kuruluş talimatlarından önce geliyor. Düzey bir seçenek olarak sunulmuyor, kullanıcı onu kendi cümlesiyle yazıyor ve bütün konuşmalara aynı düzey uygulanıyor.

## Kanıt

Brynjolfsson ve arkadaşlarının çalışması yardımın kime yaradığını gösteriyor. Aynı asistan yeni başlayan temsilciye en çok, en deneyimliye en az katkı verdi ve yazarların dergi sürümünde en deneyimlilerin kalitesi biraz düştü. Yazarlar bunu asistanın daha yetenekli temsilcilerin yöntemlerini yaydığı yönünde yorumluyor. Deneyimli temsilci bu yöntemlerin çoğunu büyük olasılıkla zaten biliyor.

Dell'Acqua ve arkadaşlarının Boston Consulting Group'taki deneyi 758 danışmanla yapıldı. AI'ın iyi olduğu görevlerde başlangıç performansı ortalamanın altındaki danışmanların puanı [%43, üstündekilerin %17 arttı](https://web.archive.org/web/20241231173813/https://www.hbs.edu/faculty/Pages/item.aspx?num=64700). AI'ın sınırının dışında seçilen bir görevde ise AI kullananların doğru çözüme ulaşma ihtimali [19 puan düştü](https://web.archive.org/web/20241231173813/https://www.hbs.edu/faculty/Pages/item.aspx?num=64700). Yardımın değeri kişiye göre değiştiği gibi işe göre de değişiyor.

Uzmanın yavaşladığı da ölçüldü. METR'in olgun açık kaynak projelerinde çalışan deneyimli geliştiricilerle yaptığı kontrollü deneyde AI'a izin verilen görevler [%19 daha uzun sürdü](https://arxiv.org/abs/2507.09089). Geliştiriciler deneyden sonra bile AI'ın onları hızlandırdığını düşünüyordu.

Öğretim tasarımı bu etkiye yirmi yılı aşkın süredir bir ad veriyor. Kalyuga ve arkadaşları ona uzmanlığın tersine dönme etkisi dedi. Yeni bilgi sınırlı bir çalışma belleğinde işleniyor, deneyim bu yükü uzun süreli bellekteki şemalarla hafifletiyor. Çalışma belleğini rahatlatmak için kurulan teknikler bu yüzden yeni başlayanda ve deneyimlide farklı sonuç veriyor.

Bu çalışmalar yardımın kimde ne kadar işe yaradığını ölçüyor. Yardımın biçimini düzeye göre değiştirmenin AI ürünlerindeki etkisini ölçen yayımlanmış bir çalışma bu sayfanın kaynakları arasında yok.

## Ölçüm

- **Düzey düzeltmesi.** Kullanıcının “kısa ver”, “daha basit anlat” gibi cevabın düzeyini düzelttiği mesajlar. Düzey doğru kurulunca azalır.
- **Katlanmış açıklamanın açılması.** Kısa düzeydeki kullanıcıların gerekçeyi ne sıklıkla açtığı. Sık açılıyorsa düzey yanlış seçilmiş ya da yanlış tahmin edilmiş.
- **Yeni başlayanın ilk görevleri.** İlk birkaç görevde vazgeçme oranı ve aynı terim için sorulan ek soru sayısı.
- **Uzmanın hızı ve kalitesi.** Deneyimli kullanıcıların işi bitirme süresi ve çıktısının sonradan düzeltilme payı. AI'lı ve AI'sız işleri karşılaştır.
- **Düzey dağılımı.** Kullanıcıların hangi düzeyde çalıştığı ve bunun zamanla nasıl değiştiği. Herkes varsayılanda kalıyorsa seçim görünmüyor olabilir.

## Ajanına ver

Üç metin var. Denetim promptu ürününde AI cevabının uzunluğunu, açıklama yoğunluğunu ve sırasını belirleyen yerleri bulur, bunların kullanıcının deneyimine göre değişip değişmediğini ve uyarıların kısa cevapta korunup korunmadığını raporlar. Hiçbir dosyayı değiştirmez. Uygulama promptu iki düzeyli yardımı, düzey seçicisini ve katlanır açıklamayı kurar. Önce planı gösterir, onayınla uygular ve kısa düzeyde uyarının kaybolmadığını doğrulayan bir test ekler. Kural kodlama ajanının kendi çalışması için. Ajanın sana senin düzeyinde cevap versin.

## Sınır

Kullanıcıların hemen hepsi aynı deneyimdeyse, örneğin yalnız uzmanların kullandığı bir iç araçta, tek düzey yeter.

Düzeyi davranıştan gizlice tahmin etmek ters tepebilir. Kullanıcı neden bir gün kısa, bir gün uzun cevap aldığını anlamaz ve ürüne güvenmez. Tahmin edeceksen öneri olarak göster, kararı kullanıcıya bırak.

Düzey sayısını artırmak deseni bozar. İki düzey kullanıcının aklında kalır. Beş düzeyli bir kaydırıcıda kullanıcı hangisinin kendisine uyduğunu bilemez.

Kısa düzey öğretmez. Yeni başlayan kısa cevabı alır ve geçerse bir sonraki sefer de aynı yerde takılır. Öğrenmek isteyen kullanıcıya cevap yerine yolu gösteren mod ayrı bir desenin konusu.

## Promptlar

### Denetim promptu

```
Bu depoda kullanıcıya yardım eden bir AI özelliği var (sohbet asistanı, satır içi öneri, yardım paneli ya da ajan). Görevin, AI'ın yardımının kullanıcının deneyimine göre değişip değişmediğini denetlemek. Hiçbir dosyayı değiştirme, yalnız rapor yaz.

1. AI cevabının uzunluğunu, açıklama yoğunluğunu, terim kullanımını ve sırasını belirleyen yerleri bul: sistem promptu, prompt şablonları, yanıt biçimlendirme kodu, arayüzdeki cevap bileşeni.
2. Kullanıcının deneyimi ya da tercihi bu yerlere ulaşıyor mu? Bir ayar, profil alanı, oturum durumu ya da kullanıcı talimatı var mı? Varsa nerede tutuluyor ve prompta nasıl giriyor?
3. Kullanıcı "kısa ver" ya da "daha basit anlat" dediğinde ne oluyor? Tercih yalnız o mesaja mı uygulanıyor, kalıcı bir ayara mı dönüşüyor? Kullanıcı tercihi ekranda görüp değiştirebiliyor mu?
4. Düzey kişiye tek bir değer olarak mı bağlı, yoksa iş türüne göre ayrı mı tutuluyor?
5. Kısa ya da sade bir cevapta uyarılar korunuyor mu: veri kaybı, eşleşmeyen kayıt, güvenlik uyarısı, geri dönüşü olmayan işlem onayı? Kısaltma kodu bunları da kesiyor mu?
6. Açıklama tamamen mi siliniyor, yoksa katlanıp istenince açılabiliyor mu?

Rapor biçimi: her bulgu için dosya ve satır, ne olduğu, hangi kullanıcıyı nasıl etkilediği (yeni başlayan boğuluyor mu, uzman yavaşlıyor mu), olası sonuç (örnek: kısa modda bir uyarı kayboluyor) ve önerdiğin düzeltme. Uyarı kaybına yol açan bulguları en üste koy.

```

### Uygulama promptu

```
Bu depodaki AI özelliğine "yeni başlayana ve uzmana farklı yardım et" desenini uygula. Önce planı göster, onayımı aldıktan sonra kodu değiştir.

Hedef davranış:
1. İki yardım düzeyi tanımla: "adım adım" ve "kısa". Düzey bir durum alanında dursun, kullanıcı ve iş türü çiftine bağlansın (örnek: sorgu işlerinde kısa, grafik işlerinde adım adım).
2. İlk kullanımda kullanıcıya düzeyi tek soruyla seçtir. Seçili düzey cevabın yanında görünsün ve tek tıkla değişsin.
3. Adım adım düzeyde cevap bir sonraki adımla başlasın, terimleri açıklasın, seçenekleri en çok ikiye indirsin. Kısa düzeyde cevap sonuçla başlasın (sorgu, formül, değişiklik), gerekçe katlanmış bir bölümde dursun.
4. Uyarılar düzeyden bağımsız olsun: veri kaybı, eşleşmeyen ya da düşen kayıt, güvenlik uyarısı, geri dönüşü olmayan işlem. Bunlar kısa düzeyde de tam metinle gösterilsin.
5. Kullanıcı sohbette "kısa ver" ya da "adım adım anlat" derse bunu düzey değişikliği olarak işle ve ekranda göster. Tek seferlik mi kalıcı mı olduğunu kullanıcıya sor.
6. Davranıştan düzey tahmini yapacaksan (örnek: kullanıcı açıklamaları hiç açmıyor) bunu yalnız öneri olarak göster, sessizce uygulama.

Uygularken:
- Düzeyi yalnız prompt metnine yazma. Kod tutsun, prompt şablonu ve arayüz aynı yerden okusun.
- Uyarıları model cevabından ayrı bir alanda üret ki kısaltma onları kesemesin.
- Değişikliği küçük adımlarla yap, her adımdan sonra mevcut testleri çalıştır.
- Testler ekle: aynı isteğe iki düzeyde farklı yapıda cevap geldiğini, kısa düzeyde de uyarının tam göründüğünü ve seçilen düzeyin bir sonraki istekte korunduğunu doğrula.

```

### AGENTS.md kuralı

```
## Kullanıcının düzeyinde yardım et
- Kullanıcının bir işte yeni mi deneyimli mi olduğunu bilmiyorsan varsayma, kısa bir soruyla öğren ya da ilk cevabı sonuçla başlatıp ayrıntıyı ayrı ver.
- Kullanıcı "kısa ver" dediyse sonraki cevaplarda sonucu öne koy, açıklamayı yalnız istenince ver.
- Kullanıcı yeni başlıyorsa bir sonraki adımı söyle, terimleri açıkla, seçenekleri azalt.
- Kısa cevapta da uyarıyı kesme: veri kaybı, düşen kayıt, güvenlik riski ve geri dönüşü olmayan işlem tam yazılır.
- Kullanıcının bir konuda uzman olması öteki konuda da uzman olduğu anlamına gelmez. Düzeyi iş türüne göre ayrı tut.

```

## Kaynaklar

1. [Output styles](https://code.claude.com/docs/en/output-styles), Claude Code belgeleri
2. [Generative AI at Work (NBER Working Paper 31161)](https://www.nber.org/papers/w31161), Brynjolfsson, Li ve Raymond (NBER), Nisan 2023
3. [Generative AI at Work](https://doi.org/10.1093/qje/qjae044), Brynjolfsson, Li ve Raymond, Quarterly Journal of Economics 140(2), 4 Şubat 2025
4. [The Expertise Reversal Effect](https://web.archive.org/web/20231125021747/https://www.tandfonline.com/doi/abs/10.1207/S15326985EP3801_4), Kalyuga, Ayres, Chandler ve Sweller, Educational Psychologist 38(1), 2003
5. [Adding personal custom instructions for GitHub Copilot](https://docs.github.com/en/copilot/how-tos/configure-custom-instructions/add-personal-instructions), GitHub Docs
6. [Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality](https://web.archive.org/web/20241231173813/https://www.hbs.edu/faculty/Pages/item.aspx?num=64700), Dell'Acqua ve ark., HBS Working Paper 24-013 (Wayback kopyası), Eylül 2023
7. [Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity](https://arxiv.org/abs/2507.09089), Becker, Rush, Barnes ve Rein, METR (arXiv), 25 Temmuz 2025

---

Kaynak: https://tandem.komunite.com.tr · Metin CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.tr), promptlar ve kural MIT-0 (https://opensource.org/license/mit-0).