ChatGPT Hafıza Özelliği Nasıl Çalışır ve Nasıl Yönetilir?

ChatGPT hafıza özelliği, kullanıcı tercihlerini, kurumsal iş akışlarını ve geçmiş oturumlardaki bağlamsal girdileri oturumlar arasında kalıcı kılarak yapay zeka etkileşimlerini kişiselleştiren dinamik bir bellek altyapısıdır. Bu rehberde ChatGPT Hafıza Özelliği Nasıl Çalışır ve Nasıl Yönetilir? sorusunun teknik arka planını, kurumsal veri gizliliği protokollerini, model bağlam penceresiyle ilişkisini ve doğrudan operasyonel yönetim adımlarını inceleyeceğiz.

ChatGPT Hafıza Özelliği (Memory Feature) Nedir?

Büyük dil modelleri (LLM) geleneksel mimaride durumsuz (stateless) çalışan yapılardır. Her yeni oturum açıldığında model, önceki etkileşimleri bütünüyle unutur ve yalnızca aktif istem penceresine (prompt window) verilen girdiyi işler. ChatGPT hafıza özelliği, bu temel kısıtı aşmak üzere geliştirilmiş, kullanıcıya özgü parametreleri ve bilgileri oturumlar arası (cross-session) saklayan ve ilgili bağlam oluştuğunda bu verileri dinamik olarak çağıran bir katmandır. Bu altyapı, her sohbet başlatıldığında aynı sistem talimatlarını, kurumsal terminolojiyi ya da kodlama standartlarını yineleme zorunluluğunu ortadan kaldırır.

Bellek katmanı iki temel çalışma prensibine dayanır: otonom çıkarım ve doğrudan komutla kayıt. Otonom çıkarım sürecinde model, kullanıcının konuşma akışında paylaştığı rol, tercih, teknik altyapı ve operasyonel kuralları arka planda analiz eder. Kullanıcının bir teknoloji lideri olduğunu, projelerinde Python ve FastAPI mimarisi kullandığını ya da dokümantasyonların Markdown formatında hazırlanmasını istediğini tespit ettiğinde bu bilgiyi sessizce hafıza dizinine kaydeder. İkinci yöntemde ise kullanıcı doğrudan "Bu kodlama standartlarını hafızana kaydet" veya "Ekip büyüklüğümüzün 15 kişi olduğunu unutma" gibi açık talimatlar vererek bellek kaydını tetikler.

Bu sistemin arka planında çalışan mekanizma, basit bir metin dosyası mantığından ziyade semantik bir indeksleme yapısıdır. Model, saklanan her bellek parçasını kullanıcı profiliyle ilişkilendirir. Yeni bir oturum başlatıldığında ve kullanıcı bir soru sorduğunda, model arka plandaki arama katmanını tetikler; kullanıcının sorusuyla anlamsal olarak örtüşen bellek girdilerini tespit eder ve bunları gizli bir bağlam enjeksiyonu ile aktif oturumun başlangıcına dahil eder.

Yapay Zekada Bellek Mantığı: ChatGPT Sizi Nasıl Hatırlar?

ChatGPT'nin bir kullanıcıyı hatırlaması, modelin temel ağırlıklarının (weights) yeniden eğitilmesi (fine-tuning) anlamına gelmez. Temel model parametreleri sabit kalır; bellek özelliği, kullanıcıya tahsis edilmiş harici bir veri deposundan ilgili kayıtları dinamik olarak çekip o anki konuşma bağlamına ekleyen bir erişim artırımlı üretim (RAG - Retrieval-Augmented Generation) türevi gibi çalışır.

Sohbet sırasında paylaşılan bir bilgi hafızaya alındığında, metin ayrıştırılır ve özet bir bilgi parçacığına (memory snippet) dönüştürülür. Örneğin, 500 kelimelik bir proje açıklamasından model yalnızca "Kullanıcı Kubernetes tabanlı mikroservis mimarisi yönetiyor" çıkarımını yapar. Bu özet veri, kullanıcının hesap kimliğiyle eşleştirilmiş güvenli bir veritabanında saklanır. Model bir sonraki konuşmada "Dağıtım için bir YAML dosyası hazırla" komutu aldığında, genel bir dosya üretmek yerine hafızadaki bu Kubernetes parametresini kullanarak özelleştirilmiş çıktı üretir.

Belleğin dinamik doğası gereği, çelişkili veya güncellenen bilgiler paylaşıldığında sistem eski kaydı revize etmeye çalışır. "Artık AWS yerine Google Cloud Platform kullanıyoruz" dendiğinde, model bu yeni girdiyi işleyerek önceki altyapı kaydını geçersiz kılar veya günceller. Ancak bu işlem her zaman deterministik çalışmayabilir; bu nedenle bellek dizininin periyodik olarak manuel denetlenmesi kurumsal doğruluk açısından kritik bir operasyon adımıdır.

Büyük Dil Modellerinde (LLM) Bağlam Penceresi (Context Window) ve Vektör Bellek

Geleneksel LLM etkileşimlerinde hafıza sınırı, modelin bağlam penceresi (context window) kapasitesiyle sınırlıdır. Bir modelin bağlam penceresi 128.000 veya 1.000.000 token olsa dahi, bu kapasite yalnızca tek bir oturumun anlık işlem hacmini ifade eder. Oturum kapatıldığında veya pencere dolduğunda eski token'lar budanır (truncation) ya da tamamen kaybolur. Kalıcı hafıza özelliği, bağlam penceresi kısıtını oturum seviyesinden çıkarıp hesap seviyesine taşır.

Kalıcı belleğin teknik omurgasında vektör veritabanı (vector database) ve gömme (embedding) modelleri yer alır. Kullanıcıdan elde edilen bellek özetleri, yüksek boyutlu matematiksel vektörlere dönüştürülür. Kullanıcı yeni bir istem girdiğinde:

1. İstem metninin anlamsal vektörü hesaplanır.

2. Vektör arama algoritmaları (k-nearest neighbors veya cosine similarity gibi benzerlik ölçümleri) kullanılarak kullanıcının hafıza havuzundaki en ilişkili kayıtlar taranır.

3. Eşik değerin üzerinde benzerlik gösteren kayıtlar filtrelenir.

4. Bu kayıtlar, sistem istemi (system prompt) seviyesinde modelin aktif bağlam penceresine enjekte edilir.

Bu yöntem sayesinde model, milyonlarca kelimelik geçmişi her an bağlam penceresinde tutarak işlem maliyetini (token consumption) artırmaz; yalnızca ilgili anda gereken minimum ve en optimize veri parçasını işleme dahil eder.

"Hafıza" ile "Özel Talimatlar" (Custom Instructions) Arasındaki Farklar

ChatGPT ekosisteminde kullanıcı deneyimini özelleştirmek için sunulan iki temel mekanizma bulunur: Özel Talimatlar (Custom Instructions) ve Hafıza (Memory). Bu iki özellik sıklıkla birbiriyle karıştırılsa da çalışma mantıkları, veri yaşam döngüleri ve kontrol mekanizmaları açısından birbirini tamamlayan tamamen farklı mimarilere sahiptir.

Özel Talimatlar, kullanıcının manuel olarak tanımladığı, statik, iki kutucuktan oluşan bir sistem direktifidir. Kullanıcı buraya kendisi hakkında sabit bilgileri ("Ben bir SaaS kurucusuyum") ve modelin vermesini istediği yanıt formatını ("Yanıtları daima maddeler halinde ve Türkçe ver") yazar. Bu talimatlar, açılan her sohbete değişmeden, doğrudan ve tam metin olarak enjekte edilir. Model bu talimatları konuşma esnasında kendi kendine değiştiremez, genişletemez veya silemez.

Buna karşın Hafıza özelliği tamamen dinamik ve otonomdur. Kullanıcı sohbet ettikçe model kendi inisiyatifiyle veya açık komutlarla yeni parametreler öğrenir, bunları günceller ya da zamanla gereksiz hale gelenleri geçersiz kılabilir. Özel Talimatlar yapay zekanın "temel anayasasını" belirlerken, Hafıza özelliği yapay zekanın kullanıcıyla yaşadığı "deneyim birikimini" temsil eder.

Statik Bilgi Girişi (Custom Instructions) vs. Dinamik Öğrenme (Memory)

İki mimari arasındaki temel operasyonel ayrım, verinin sisteme giriş biçiminde ve güncellenme sıklığında yatar. Özel Talimatlar deterministiktir; yazılan her kural istisnasız her oturuma iletilir. Bu durum, sabit kurumsal standartlar (örneğin marka dili kılavuzu, kurumsal unvanlar, programlama dili sürümleri) için yüksek güvenilirlik sunar. Ancak Özel Talimatlar alanının belirli bir karakter sınırı (genellikle her alan için 1500 karakter) vardır ve bu sınır aşılamaz.

Dinamik Hafıza ise esnek bir depolama kapasitesine sahiptir. Model, zaman içinde yüzlerce farklı bağlamsal bilgiyi parça parça kaydedebilir. Örneğin bir hafta boyunca yürütülen bir lojistik projesinin detayları hafızaya eklenirken, sonraki hafta başlanan bir e-ihracat projesinin dinamikleri de mevcut belleğe entegre edilebilir. Model, o anki konuşmanın konusu lojistik ise yalnızca lojistikle ilgili bellek parçalarını çağırır; e-ihracat verilerini bağlama dahil etmeyerek gereksiz token tüketimini ve bağlam kirliliğini engeller.

Hangi Durumda Hangi Özelliği Kullanmalısınız?

Kurumsal verimlilik için bu iki özelliği hibrit bir stratejiyle kullanmak gerekir. Değişmeyen kurallar ve temel format standartları Özel Talimatlar bölümüne verilmelidir:

• Şirket içindeki rolünüz ve unvanınız.

• Tercih ettiğiniz varsayılan dil, ton ve hitap tarzı (örn. "Kurumsal, doğrudan, teknik jargona hakim").

• Çıktı formatı tercihleri (örn. "Teorik giriş yapma, doğrudan kod bloğu ve mimari şema ver").

Dinamik Hafıza ise zamana bağlı değişen, projeye özgü ve sohbet akışında doğal olarak biriken veriler için bırakılmalıdır:

• Üzerinde çalışılan güncel ürünün teknik özellikleri ve sürüm numaraları.

• Ekipteki kilit paydaşların isimleri ve sorumluluk alanları.

• Yaklaşan lansman tarihleri, hedef KPI değerleri ve sprint hedefleri.

• Modelin önceki yanıtlarda yaptığı ve kullanıcının düzelttiği operasyonel tercihler.

ChatGPT Hafıza Özelliği Adım Adım Nasıl Yönetilir?

ChatGPT hafıza altyapısının sağladığı kişiselleştirme avantajı, düzenli bir denetim ve veri yönetimi disiplini uygulanmadığında bağlam karmaşasına ve tutarsız yanıtlara yol açabilir. Bu nedenle işletme sahipleri, karar vericiler ve profesyoneller, hesaplarındaki bellek havuzunu periyodik olarak görüntülemeli, optimize etmeli ve gerektiğinde temizlemelidir. Özellik hem web arayüzünden hem de mobil uygulamalardan tam kontrol imkanı tanır.

Hafıza yönetiminin üç ana operasyonel bacağı bulunur: sistem genelinde özelliği etkinleştirme/kapatma, saklanan veri dizinini detaylı inceleyerek tekil öğeleri silme ve sohbet sırasında prompt komutları aracılığıyla anlık yönlendirme yapma.

ChatGPT Hafıza Özelliğini Açma ve Kapatma Yolları

Hafıza özelliğinin açık olması tüm projeler için ideal olmayabilir. Özellikle gizlilik derecesi yüksek AR-GE çalışmaları, bağımsız müşteri projeleri veya regülasyona tabi veri analizleri yürütülürken belleğin kapatılması gerekebilir.

Özelliği platformlar arası açma veya kapatma adımları şu şekildedir:

1. Web Arayüzü Üzerinden: Sol alt köşedeki profil simgesine tıklayın ve Ayarlar (Settings) menüsüne girin. Açılan pencerede Kişiselleştirme (Personalization) sekmesini seçin. Burada yer alan Hafıza (Memory) butonunu pasif (toggle off) hale getirin.

2. Mobil Uygulama (iOS / Android) Üzerinden: Profil simgesine dokunun, Hesap Ayarları menüsüne geçin. Kişiselleştirme başlığı altında Hafıza seçeneğini bulun ve anahtarı kapatın.

3. Geçici Sohbetler (Temporary Chat): Hafıza genel ayarlarda açık olsa dahi, tek bir oturum için hafızayı devre dışı bırakmak mümkündür. Arayüzün üst kısmındaki model seçici yanından "Geçici Sohbet" modunu açtığınızda; o oturumda konuşulan hiçbir veri hafızaya kaydedilmez, geçmişe eklenmez ve model eğitiminde kullanılmaz.

ChatGPT Belleğindeki Bilgileri Görüntüleme ve Yönetme

Zaman içinde model, artık güncelliğini yitirmiş projeleri, değişen telefon numaralarını veya terk edilmiş teknoloji yığınlarını hafızasında tutmaya devam edebilir. Bu durum modelin yanıltıcı veya eski parametrelerle yanıt vermesine neden olur.

Bellek dizinini yönetmek için:

• Ayarlar > Kişiselleştirme > Hafıza menüsü altındaki Yönet (Manage) butonuna tıklayın.

• Karşınıza modelin sizin hakkınızda çıkardığı ve kaydettiği tüm bellek parçacıklarının kronolojik veya önem sırasına göre listelendiği bir panel gelecektir.

• Her bellek kaydının yanında bir Çöp Kutusu (Sil) ikonu bulunur. İlgisini yitirmiş, yanlış anlaşılmış veya gizlilik riski taşıyan maddeleri tek tek silebilirsiniz.

• Listenin en altında bulunan Tümünü Temizle (Clear Memory) seçeneği, modelin sizinle ilgili tuttuğu tüm hafıza havuzunu kalıcı olarak sıfırlar. Bu işlem geri alınamaz.

Sohbet Esnasında Doğrudan Hafıza Yönetimi (Prompt ile Hafıza Kontrolü)

Ayarlar menüsüne gitmeden, doğrudan sohbet akışı içinde prompt mühendisliği tekniklerini kullanarak bellek üzerinde tam denetim kurabilirsiniz. Model, doğal dilde verilen bellek yönlendirme komutlarını yüksek doğrulukla algılar.

Uygulanabilecek doğrudan komut örnekleri:

• Kayıt Komutu: "Bu projede veritabanı olarak PostgreSQL 16 ve ORM olarak Prisma kullandığımızı hafızana ekle."

• Sorgulama Komutu: "Benim teknik tercihlerim ve şirketim hakkında hafızanda hangi bilgiler kayıtlı? Hepsini listele."

• Güncelleme Komutu: "Hafızandaki 'PHP geliştiricisi' bilgisini 'Go ve Rust sistem mimarı' olarak güncelle."

• Silme Komutu: "Önceki pazarlama kampanyasıyla ilgili tuttuğun tüm bütçe ve hedef kitle notlarını hafızandan sil."

• İzolasyon Komutu: "Bu konuşmada vereceğim finansal verileri hafızana kaydetme, sadece bu oturum özelinde analiz yap."

Kurumsal Kullanımda Riskler, Veri Gizliliği ve Güvenlik (Kurumsal Perspektif)

ChatGPT hafıza özelliği bireysel üretkenliği önemli ölçüde artırırken, kurumsal ölçekte kontrolsüz bırakıldığında ciddi siber güvenlik açıklarına, fikri mülkiyet sızıntılarına ve yasal regülasyon uyumsuzluklarına yol açabilir. Karar vericilerin yapay zeka araçlarını operasyonlarına dahil ederken veri akışını, saklama politikalarını ve erişim hiyerarşilerini kurumsal politikalarla güvence altına alması zorunludur.

Bellek mekanizması, istemlerde paylaşılan verileri kalıcı kıldığı için, çalışanların farkında olmadan paylaştığı kaynak kodlar, müşteri veritabanı dökümleri, ticari sırlar veya finansal projeksiyonlar modelin bellek havuzuna kalıcı olarak yerleşebilir. Bu durum, hesabın yetkisiz kişilerce ele geçirilmesi ya da paylaşımlı hesap kullanımlarında departmanlar arası veri sızıntılarına zemin hazırlar.

Hassas Veri Sızıntısı Riski ve KVKK/GDPR Uyumsuzluğu

Kişisel Verilerin Korunması Kanunu (KVKK), Avrupa Genel Veri Koruma Tüzüğü (GDPR) ve benzeri küresel regülasyonlar; kişisel verilerin işlenmesi, saklanması, aktarılması ve "unutulma hakkı" (right to be forgotten) kapsamında katı kurallar getirmektedir. ChatGPT hafızasına işlenen müşteri adları, e-posta adresleri, kimlik numaraları veya sağlık/finans verileri, yasal bağlamda "veri işleme ve depolama" sürecine girer.

Eğer şirketiniz ile yapay zeka sağlayıcısı arasında bir Veri İşleme Sözleşmesi (Data Processing Agreement - DPA) bulunmuyorsa ve genel tüketici hesapları (Free / Plus) üzerinden hafızaya kişisel veri aktarılıyorsa, bu durum açık bir regülasyon ihlali teşkil edebilir. Tüketici hesaplarında varsayılan olarak kullanıcı verileri model eğitiminde kullanılabilir (opt-out yapılmadığı sürece). Bu durum, şirketinizin ticari sırlarının veya müşteri verilerinin gelecekteki genel model çıktılarında kısmen açığa çıkma teorik riskini (data leakage) barındırır.

Kurumsal veri koruma standartlarını sağlamak için:

• Çalışanlara kişisel veri (PII), müşteri bilgisi ve şifrelenmemiş API anahtarlarının istemlerde asla kullanılmaması gerektiği konusunda eğitim verilmelidir.

• Kurumsal veri yönetimi politikalarında yapay zeka bellek havuzunun kapsamı açıkça tanımlanmalıdır.

• Tüketici hesapları kullanılıyorsa, veri paylaşımı ayarlarından "Model Eğitimi İçin Veri İyileştirme" seçeneği kapatılmalı (opt-out) veya kurumsal sürümlere geçilmelidir.

Kurumsal ChatGPT Sürümlerinde (Enterprise & Team) Hafıza Yönetimi

OpenAI, kurumsal işletmeler için geliştirdiği ChatGPT Team, ChatGPT Enterprise ve ChatGPT Edu planlarında veri gizliliği ve hafıza yönetimi konusunda standart tüketici hesaplarından farklı güvenlik katmanları sunar.

Kurumsal sürümlerde temel güvenlik garantileri şunları içerir:

1. Eğitim İzolasyonu: Kurumsal çalışma alanlarında (workspace) paylaşılan hiçbir veri ve hafıza kaydı, OpenAI modellerinin genel eğitiminde (training) varsayılan olarak kullanılmaz.

2. Çalışma Alanı İzolasyonu: Hafıza, kullanıcı düzeyinde veya kurumsal yapılandırmaya göre çalışma alanı düzeyinde izole edilir. Bir çalışanın kişiselleştirilmiş hafızası, diğer çalışma alanı üyeleri tarafından doğrudan görüntülenemez.

3. Yönetici (Admin) Denetimleri: Kurumsal yöneticiler, çalışma alanı genelinde hafıza özelliğini merkezi olarak açabilir, kapatabilir veya belirli departmanlar için kısıtlayabilir.

4. Sertifikasyon ve Uyumluluk: Enterprise sürümleri SOC 2 Tip II, ISO 27001 gibi güvenlik standartlarına uyumlu altyapılarda çalışır ve veriler hem aktarım sırasında (TLS 1.2+) hem de bekleme durumunda (AES-256) şifrelenir.

Yapay Zekada Halüsinasyon (Doğru Bilgiyi Yanlış Hatırlama) Riski ve İnsan Denetimi (Human-in-the-Loop)

Yapay zeka sistemlerinde karşılaşılan en büyük operasyonel risklerden biri halüsinasyon (hallucination), yani modelin gerçekte var olmayan bilgileri son derece ikna edici bir dille doğru gibi üretmesidir. Hafıza özelliği devreye girdiğinde, halüsinasyon riski yeni bir boyut kazanır: Hafıza Çarpıtması.

Model, geçmiş konuşmalardaki karmaşık bir teknik tartışmadan yanlış bir çıkarım yaparak bunu belleğe ekleyebilir. Örneğin, "A planını tartıştık ama B planında karar kıldık" şeklindeki bir konuşmadan belleğe yalnızca "Proje A planına göre yürütülüyor" notunu alabilir. Bu andan itibaren açılan tüm oturumlarda model, tüm stratejiyi, bütçeleri ve kodları hatalı olan A planına göre inşa eder.

[Kullanıcı İsteği] ──> [Semantik Arama] ──> [Hatalı/Eski Bellek Parçası]
                                                     │
                                                     ▼
[Hatalı Üretim / Halüsinasyon] <── [LLM Yanıt Üretimi + Bağlam Enjeksiyonu]
                                                     │
                                                     ▼
                               [Kritik Hata: İnsan Denetimi Olmadan Canlıya Alma]

Bu riskin önüne geçmek için insan denetimi (Human-in-the-Loop - HITL) prensibi tavizsiz uygulanmalıdır:

• Modelin hafızasından getirdiği ön kabuller ve parametreler kritik iş kararlarından önce doğrulanmalıdır.

• Kod, finansal tablo veya yasal metin üretimlerinde yapay zekanın "hatırladığı" kural setleri manuel olarak gözden geçirilmelidir.

• Hiçbir yapay zeka çıktısı, yetkili bir uzman tarafından teknik ve mantıksal denetimden geçirilmeden doğrudan canlı sistemlere (production) veya müşteri iletişimine aktarılmamalıdır.

Profesyoneller İçin ChatGPT Hafıza Özelliği Kullanım Senaryoları

ChatGPT hafıza özelliği doğru yapılandırıldığında, işletme sahipleri, ürün yöneticileri, yazılım geliştiricileri ve dijital pazarlamacılar için yüksek zaman tasarrufu sağlayan stratejik bir çalışma arkadaşına dönüşür. Özelliğin gücü, her profesyonelin kendi alanındaki tekrarlayan bağlamları yapay zekaya bir kez öğretip sürekli bu temel üzerinden çıktı alabilmesinde yatar.

Aşağıdaki senaryolar, yapay zekanın genel tavsiyeler vermek yerine işletmenizin özel parametrelerine göre optimize edilmiş çıktılar üretmesini sağlayacak profesyonel yapılandırma modellerini içerir.

Ürün Yöneticileri ve Geliştiriciler İçin Teknik Bellek Yönetimi

Yazılım geliştiriciler ve teknik ürün yöneticileri (Product Owner/Manager), her kod veya mimari sorgusunda teknoloji yığınını (tech stack), sürüm kısıtlamalarını ve şirket içi kodlama konvansiyonlarını yeniden açıklamak zorunda kalırlar. Hafıza özelliği bu sürtünmeyi tamamen ortadan kaldırır.

Teknik ekiplerin belleğe işlemesi önerilen parametreler:

• Mimari Standartlar: "Projelerimizde Clean Architecture ve Domain-Driven Design (DDD) prensiplerini uyguluyoruz. Çözümlerini daima bu katmanlı yapıya göre öner."

• Teknoloji Yığını ve Sürümler: "Backend altyapımız Node.js v20, TypeScript, NestJS ve PostgreSQL'den oluşur. ORM olarak TypeORM kullanıyoruz. Yanıtlarında asla eski JavaScript veya uyumsuz kütüphane önerme."

• Dokümantasyon Formatı: "Kullanıcı hikayelerini (User Stories) daima Gherkin formatında (Given-When-Then) ve kabul kriterleriyle (Acceptance Criteria) birlikte yaz."

• Test Standartları: "Kod örnekleri verirken Jest ile yazılmış birim (unit) test bloklarını ve minimum %85 test kapsamı (coverage) hedefini dahil et."

Bu bilgiler belleğe kaydedildiğinde, geliştirici sadece "Kullanıcı giriş servisi için bir e-posta doğrulama modülü yaz" dediğinde dahi model; NestJS, TypeScript ve TypeORM kullanan, Clean Architecture prensiplerine uyan ve Jest testlerini içeren eksiksiz bir kod bloğu döndürür.

Pazarlamacılar ve İçerik Üreticileri İçin Persona Odaklı Hafıza Kullanımı

Pazarlama ekipleri ve içerik stratejistleri için en büyük zorluk, yapay zekanın ürettiği metinlerin sıklıkla jenerik, ruhsuz ve kurumsal marka dilinden uzak olmasıdır. Hafıza özelliği, şirketin marka sesini (tone of voice), hedef kitle segmentlerini ve yasaklı kelime listelerini kalıcı hale getirir.

Pazarlama departmanları için optimize edilmiş bellek komutları:

• Marka Sesi ve Persona: "Markamız B2B SaaS alanında kurumsal karar vericilere hitap ediyor. İletişim dilimiz resmi, net, çözüm odaklı ve doğrudan olmalıdır. Samimi/laubali ifadeler veya aşırı heyecanlı pazarlama jargonu kullanma."

• Yasaklı İfadeler (Negative Prompting via Memory): "İçeriklerimizde 'günümüzde', 'çığır açan', 'dijitalleşen dünyada', 'hayati öneme sahip' gibi klişe dolgu kalıplarını asla kullanma."

• Hedef Müşteri Profili (ICP): "Hedef kitlemiz: İngiltere ve ABD pazarında faaliyet gösteren, 50-250 çalışana sahip e-ticaret şirketlerinin CTO ve E-Ticaret Direktörleridir."

• Çıktı Biçimlendirme Kuralları: "Blog içeriklerini doğrudan H2 ve H3 Markdown başlıklarıyla yapılandır, giriş paragraflarında doğrudan ana konuya odaklan ve maddeleri kısa tut."

Bu yapılandırma tamamlandıktan sonra pazarlama ekibi "Yeni e-ihracat modülümüz için bir e-posta bülteni taslağı hazırla" komutu verdiğinde; model doğrudan belirtilen hedef kitleye hitap eden, kurumsal tonu koruyan ve yasaklı kelimelerden arındırılmış yüksek dönüşümlü bir metin üretir.