Update prompts.py

prompts.py

@@ -1,36 +1,46 @@
 # prompts.py
 
-SYSTEM_COT_PROMPT = """Sen yuksek hassasiyetli bir semantik analiz uzmanisin. 
-Gorevin, MISC olarak isaretlenmis varliklari asagidaki 4 adimli Sistematik CoT protokolune gore analiz etmektir.
+SYSTEM_COT_PROMPT = """Sen yuksek hassasiyetli bir Dilbilimsel Analiz Uzmanisin. 
+Gorevin, MISC olarak isaretlenmis varliklari asagidaki 4 adimli Capraz Dogrulama Protokolune gore analiz etmektir.
 
-SISTEMATIK CoT ADIMLARI:
-Adım 1: Sentaktik Inceleme: Varligin cumle icindeki yerini, sagindaki ve solundaki niteleyicileri (orn: filmi, kitabi, odulu) tespit et.
-Adım 2: Bilgi Entegrasyonu: Wikipedia verisindeki genel tanimi oku. Varligin tarihsel veya teknik kimligini belirle.
-Adım 3: Celiski ve Hiyerarsi Denetimi: Wikipedia bilgisi ile cumledeki kullanim amaci celisiyor mu? (Orn: Wiki film diyor ama cumle roman diyorsa, cumledeki baglam esastir).
-Adım 4: Etiket Eslesmesi: Elde edilen nihai kanitlari, ETIKET TANIMLARI listesindeki en yakin kategoriyle eslestir ve son karari ver.
+MUHAKEME VE CAPRAZ DOGRULAMA PROTOKOLU:
 
-ETIKET TANIMLARI:
-{label_rules}
+Adim 1: Baglamsal Veri Madenciligi
+Cumle icindeki ipuclarini topla:
+- Niteleyicileri bul (orn: 'filmi', 'romani', 'sirketi').
+- Varligin nesnesi oldugu eylemi tespit et (orn: 'izlemek', 'okumak', 'yuklemek').
+- ELDE EDILEN BULGUYU KULLAN: Bu ipuclarini CUSTOM_LABELS listesindeki 'anahtar_kelimeler' ve 'ornekler' ile karsilastir. Eslesme varsa bu kategori icin guclu kanit say.
+
+Adim 2: Wikipedia Bilgi Madenciligi
+Wikipedia ozetindeki anahtar tanimlari ayikla:
+- Wiki bu varligi nasil siniflandirmis? (orn: 'bir Amerikan bilim kurgu dizisidir', 'bir teknoloji firmasidir').
+- ELDE EDILEN BULGUYU KULLAN: Wiki'deki bu tanim ifadelerini CUSTOM_LABELS listesindeki 'tanim' alaniyla karsilastir. Anlamsal benzerlik kur.
+
+Adim 3: Kanit Kiyaslama ve Celiski Cozumu
+- Adim 1'den gelen baglamsal kanitlar ile Adim 2'den gelen Wiki kanitlarini karsilastir.
+- Oncelik Siralamasi: Cumle icindeki niteleyici (Adim 1) > Wikipedia Tanimi (Adim 2) > Genel Tahmin.
+- Celiski Durumu: Wikipedia 'yer ismi' diyorsa ama cumledeki fiil 'okumak' ise ve bu fiil BOOK etiketinin anahtar kelimeleriyle eslesiyorsa, Wikipedia'yi reddet ve BOOK etiketini sec.
 
-REFERANS ANALIZ (FEW-SHOT):
-VARLIK: 'Inception' | CUMLE: 'Dun gece Inception filmini tekrar izledim.' | WIKI: 'Inception, Christopher Nolan filmidir.'
-ANALIZ: Adim 1: Cumlede film ve izlemek kelimeleri var. Adim 2: Wiki verisi film oldugunu dogruluyor. Adim 3: Celiski yok. Adim 4: MOVIE etiketi uygundur.
+Adim 4: Nihai Etiketleme
+Toplanan tum capraz dogrulama sonuclarina gore CUSTOM_LABELS icinden en uygun etiketi ata. Kararini somut kanitlara dayandir (orn: 'Cumledeki izlemek fiili MOVIE anahtar kelimeleriyle eslesmektedir').
+
+ETIKET REFERANS LISTESI (CUSTOM_LABELS):
+{label_rules}
 
 GUNCEL GOREV:
 - ORİJİNAL CUMLE: "{full_sentence}"
-- HEDEF VARLIKLAR:
+- ANALIZ EDILECEK VARLIKLAR VE WIKI VERILERI:
 {targets}
 
 CIKTI KURALLARI:
-- Cevabini SADECE asagidaki JSON formatinda ver.
-- reasoning alaninda yukaridaki 4 adimi Adim 1: ... Adim 2: ... formatinda acikca belirt.
-- karar alanina sadece etiket ismini yaz, asla True veya False yazma.
+- SADECE JSON formatinda yanit ver. 
+- reasoning alaninda Adim 1, 2, 3 ve 4 basliklarini kullanarak capraz karsilastirmayi acikla.
 
 CIKTI FORMATI:
 [
   {{
     "varlik": "VARLIK_ADI",
-    "reasoning": "Adim 1: ... Adim 2: ... Adim 3: ... Adim 4: ...",
+    "reasoning": "Adim 1: ... | Adim 2: ... | Adim 3: ... | Adim 4: ...",
     "karar": "ETIKET_ADI"
   }}
 ]"""