[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-react-prompting::tr":3,"gloss-cluster-react-prompting::tr":20,"gloss-next-react-prompting::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"react-prompting","prompt-eng","ReAct Promptlama","ReAct (Reasoning + Acting \u002F Muhakeme + Eylem), 2022'de yayınlanan bir araştırma makalesinde tanıtılan ve açık muhakeme adımlarını somut eylemlerle -tipik olarak web araması, veritabanı sorgusu veya API çağrısı gibi araç çağrılarıyla- iç içe geçiren bir promptlama çerçevesidir. Tekrarlayan bir Düşünce → Eylem → Gözlem döngüsünde çalışır ve modelin, eğitim sırasında \"bildiği\" bilgiye tamamen güvenmek yerine görev sırasında yeni bilgi toplamasına olanak tanır. Bir ReAct döngüsünde model önce bir Düşünce yazar (bir sonraki adımda ne yapılacağına dair muhakemesi), ardından bir Eylem (search(\"Tokyo'da güncel hava durumu\") gibi belirli bir araç çağrısı) üretir; uygulama bu eylemi çalıştırır ve gerçek sonucu bir Gözlem olarak prompta geri döndürür; model bu yeni bilgi ışığında yeniden muhakeme ederek, Nihai Cevabı üretmeye yetecek bilgiye ulaşana kadar döngüyü tekrarlar. Bu desen, modern \"yapay zeka ajanı\" kavramının doğrudan kavramsal atasıdır: fonksiyon çağırma veya araç çağırma (tool calling) üzerine kurulu neredeyse tüm ajan çerçeveleri (LangChain ajanları, Claude'un araç kullanımı, OpenAI'nin çok adımlı döngülere sahip fonksiyon çağırması) kaputun altında ReAct döngüsünün bir varyantını uygular. ReAct, gerçek dünya çıktılarını modelin muhtemelen güncelliğini yitirmiş veya hatalı olabilecek içsel bilgisi yerine gerçek araç sonuçlarına dayandırdığı için, modelin yalnızca parametrik hafızasından yanıt vermesine kıyasla halüsinasyonu belirgin şekilde azaltır ve modelin cevabına neden ulaştığını tam olarak gösteren, hata ayıklanabilir bir denetim izi (Düşünce\u002FEylem\u002FGözlem günlüğü) sunar. SaaS geliştiricileri için ReAct tarzı döngüler, sadece statik bir prompttan metin üretmek yerine bilgi araması yapması, çok adımlı eylemler gerçekleştirmesi veya harici sistemlerle etkileşime girmesi gereken her \"ajansal\" (agentic) yapay zeka özelliğinin omurgasıdır. Somut örnek: \"Figma'nın en büyük rakibini satın alan şirketin şu anki CEO'su kim?\" sorusunu yanıtlayan bir yapay zeka araştırma asistanı özelliği bir ReAct döngüsü çalıştırır: Düşünce: \"Önce Figma'nın en büyük rakibini belirlemem gerekiyor.\" Eylem: search(\"Figma en büyük rakip tasarım aracı\"). Gözlem: \"Sketch ve Adobe XD sıkça anılıyor; Adobe'nin Figma'yı satın alma anlaşması 2023'te düştü, ama Adobe XD doğrudan bir rakip...\" Düşünce: \"Soru muhtemelen satın ALINAN bir şirketten bahsediyor. Satın alma geçmişini kontrol edeyim.\" Eylem: search(\"2024'te şirket tarafından satın alınan tasarım aracı\"). Gözlem: \"InVision kapandı; Framer bağımsız kalmaya devam ediyor...\" Düşünce: \"Artık tahmin etmek yerine kaynak göstererek doğru cevap verecek yeterli, dayanaklı bilgiye sahibim.\" Nihai Cevap: [kaynaklarla desteklenmiş, dayanaklı yanıt]. ReAct olmadan model tamamen eğitim verisinden yanıt verir ve güncelliğini yitirmiş veya uydurma bir cevap riski taşırdı; ReAct ile her iddia gerçek, zaman damgalı bir araç gözlemine kadar izlenebilir.","ReAct, muhakeme ile araç kullanımı eylemlerini iç içe geçirerek modelin düşünmesini, harekete geçmesini (arama\u002FAPI) ve sonucu gözlemlemesini sağlar.",null,[11,14,17],{"slug":12,"name":13},"agent","Ajan (Agent)",{"slug":15,"name":16},"prompt-chaining","Prompt Chaining (Prompt Zincirleme)",{"slug":18,"name":19},"tree-of-thought","Tree-of-Thought (Düşünce Ağacı)",[21,25,28,31,35,38,41,44,47,50,53,56],{"slug":22,"category":5,"name":23,"updated_at":24},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":26,"category":5,"name":27,"updated_at":24},"automatic-prompt-optimization","Otomatik Komut Optimizasyonu",{"slug":29,"category":5,"name":30,"updated_at":24},"chain-of-density","Yoğunluk Zinciri (CoD)",{"slug":32,"category":5,"name":33,"updated_at":34},"chain-of-thought-prompting","Chain-of-Thought Prompting (Düşünce Zinciri İstemi)","2026-08-24T02:46:36+00:00",{"slug":36,"category":5,"name":37,"updated_at":24},"chain-of-verification","Chain-of-Verification",{"slug":39,"category":5,"name":40,"updated_at":34},"chunking","Chunking (Parçalama)",{"slug":42,"category":5,"name":43,"updated_at":34},"constrained-decoding","Kısıtlanmış Çözümleme (Constrained Decoding)",{"slug":45,"category":5,"name":46,"updated_at":34},"context-stuffing","Bağlam Doldurma (Context Stuffing)",{"slug":48,"category":5,"name":49,"updated_at":34},"delimiter","Ayırıcı (Delimiter)",{"slug":51,"category":5,"name":52,"updated_at":24},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":54,"category":5,"name":55,"updated_at":24},"emotion-prompting","Emotion Prompting",{"slug":57,"category":5,"name":58,"updated_at":34},"few-shot-prompting","Few-Shot Prompting (Az Örnekli İstem)"]