1. Context (Bağlam) Tam Olarak Nedir?
Büyük Dil Modelleri (LLM) insan gibi kalıcı bir biyolojik hafızaya sahip değildir. Siz bir yapay zekaya 10. sorunuzu sorduğunuzda model önceki 9 soruyu "hatırlamaz"; arka planda sistem, sohbetin başından itibaren yazılan tüm geçmişi, sistem promptlarını ve araç çıktılarını yeni sorunuzun önüne ekleyerek modeli sıfırdan besler.
İşte modele her adımda girdi olarak gönderilen bu metin, sistem kuralı, dosya içerikleri ve konuşma geçmişinin toplamına Context (Bağlam) denir.
2. Context Window (Bağlam Penceresi) ve Token Sınırı
Her yapay zeka modelinin tek seferde işleyebileceği bir maksimum kelime/token limiti vardır. Buna Context Window (Bağlam Penceresi) adı verilir:
| Model | Context Boyutu | Eşdeğer Kapasite |
|---|---|---|
| GPT-4o | 128.000 Token (~100.000 Kelime) | Orta boy bir roman veya 300 sayfalık teknik doküman |
| Claude 3.5 Sonnet | 200.000 Token (~160.000 Kelime) | Büyük bir kod tabanının çekirdek modülleri |
| Gemini 1.5 Pro | 2.000.000 Token (~1.500.000 Kelime) | 1 saatlik video, ses kayıtları veya devasa kütüphaneler |
3. Context Neden Bu Kadar Önemlidir? Ne İşe Yarar?
- Tutarlılık ve Kişiselleştirme: Context ne kadar zengin ve temiz olursa yapay zeka size o kadar amaca yönelik, projenizin kurallarına uyan yanıtlar verir.
- Kodlama Ajanlarında Bütünlük: Bir AI kodlama asistanına (Antigravity, Cursor, Windsurf) context verilmediğinde, projenizdeki diğer fonksiyonların adını bilmediği için sıfırdan uyumsuz kodlar uydurur (halüsinasyon). Context sağlandığında ise mevcut mimariyi aynen taklit eder.
- Çoklu Adımlı Görevler (Reasoning): Karmaşık bir problemi çözerken önceki adımlarda ulaştığı sonuçları ve test loglarını context penceresinde görerek stratejisini günceller.
4. Context Şişmesi (Context Bloat) ve "Ortada Kaybolma" (Lost in the Middle)
Context penceresinin çok büyük olması her zaman mükemmel sonuç vereceği anlamına gelmez. Literatürde kanıtlanmış iki büyük problem vardır:
- Lost in the Middle (Ortada Kaybolma): Modeller context'in en başındaki (Sistem Komutu) ve en sonundaki (Son İstem) bilgilere en yüksek dikkati (Attention) verir. Çok uzun bir konuşmada tam ortalara gömülen detaylar modelin dikkatinden kaçar.
- Token ve Maliyet Patlaması: Her yeni mesajınızda tüm eski context baştan okunduğu için, şişmiş bir sohbet penceresinde tek bir "evet" yanıtı bile size 100.000 token okuma maliyeti olarak yansıyabilir.
- Hız Düşüşü: 100K tokenlik bir context penceresini işlemek, modelin ilk tokeni üretme süresini (TTFT - Time To First Token) ciddi oranda geciktirir.
5. Profesyoneller İçin Context Yönetim Taktikleri
- Gereksiz Konuşmaları Sıfırlayın: Bir görev veya hata çözüldüğünde yeni bir sohbet (Clean Context) başlatın.
- Damıtılmış Hafıza (Soğuk Kasa / 0-Token): Tüm kod tabanını modele dökmek yerine, yalnızca o an ilgilendiği fonksiyonu veya damıtılmış özetleri (SKILL.md / kurallar) yükleyin.
- Sistem Yönergeleri (System Prompt): Yapay zekaya rolünü ve değişmez kurallarını her sohbette tekrar anlatmak yerine sistem istemine (Custom Instructions) yazın.
- Model Context Protocol (MCP): İhtiyaç duyulan verileri modele peşinen yüklemek yerine, MCP araçları üzerinden sadece gerektiği anda sorgulatın (Just-in-Time Context).
Sonuç
Yapay zeka araçlarında başarı; modele ne kadar çok şey bildiğinizi göstermek değil, doğru anda tam olarak ihtiyaç duyduğu kadar rafine bilgiyi (Context) sunabilmektir. Context penceresini temiz tutan bir geliştirici, hem çok daha akıllı yanıtlar alır hem de token maliyetlerini %80'e varan oranda düşürür.
