BURAK | AI PROMPTS

Tested AI prompts, workflows & agent systems.
Building with ChatGPT, Grok & Gemini, Claude.
New experiments every day.

[BURAK | AI PROMPTS @LordPromptX]

@PawankumarRj49 Biran olsun diyarbakırda bir kürt köyü sandım, sanırım bu hintlilerle kürtler aynı ırk .

[BURAK | AI PROMPTS @LordPromptX]

@ha_inh24324 Budget cyberpunk confirmed: the drone isn’t even cool, it just hovers over your drink and announces ‘Alcohol is prohibited in this area, leave immediately.’ We spent billions to invent a flying killjoy.😂

[BURAK | AI PROMPTS @LordPromptX]

The future is finally here.

No flying cars.
No robot servants.

Just a police drone hovering over your drink and yelling:

“Leave the area immediately.”

Humanity spent billions on technology just to invent a flying snitch. 😂

Welcome to budget cyberpunk.

[BURAK | AI PROMPTS @LordPromptX]

@RoundtableSpace The review agent is the whole system. Without it, you don’t have a self-running vault — you have an AI slowly rewriting your knowledge base with compounding errors.
Capture → Context → Draft → Review → Commit is the right loop. Most people stop at Draft.

[BURAK | AI PROMPTS @LordPromptX]

Önemli düzeltme:

Bu video Tesla’nın doğrulanmış resmî reklamı değil; konsept görüntülerden oluşuyor.

Tesla’nın güncel hedefi:

• Optimus üretimine 2026’nın sonlarında başlamak
• Dış müşterilere satışı 2027’nin ikinci yarısında başlatmak

Bunlar kesin tarihler değil. Elon Musk’ın önceki teknoloji takvimlerinde ciddi gecikmeler yaşandığını unutmayın.

Resmî gelişmeler:
https://t.co/2M60xlx9M1

[BURAK | AI PROMPTS @LordPromptX]

Terminatör’ü bilim kurgu sanıyorduk.

Meğer 30 yıl önceden yayımlanmış ürün fragmanıymış. 🤖

Tesla, insansı robotu Optimus’u 2027’nin ikinci yarısında dış müşterilere satmayı hedefliyor.

Ama mesele evde çay getiren havalı bir oyuncaktan çok daha büyük:

• Fabrikalarda tekrarlayan işleri yapabilecek
• Ağır ve tehlikeli görevleri üstlenebilecek
• Ev işlerinde yardımcı olabilecek
• Zamanla insanlarla aynı ortamlarda çalışabilecek

Şimdilik frene basalım:

Videodaki kusursuz robot hayatı gerçek bir Tesla demosu değil; geleceği gösteren sinematik bir konsept.

Bugünkü Optimus hâlâ sınırlı görevlerde test ediliyor. Güvenilirlik, el becerisi ve seri üretim tarafında çözülmesi gereken ciddi sorunlar var.

Ama asıl tehdit robotun kendisi değil.

Robot kullanan insanın, kullanmayan insandan ne kadar daha üretken olacağı.

“Robotlar işimizi alacak mı?” artık yanlış soru.

Doğru soru şu:

Robotlarla çalışmayı öğrenmeyenler rekabette nasıl ayakta kalacak?

Bu sonun başlangıcı değil…

Hazırlıksız olanların bahanesinin sonu.

Siz böyle bir robotu evinize alır mıydınız, kapıdan içeri sokmaz mıydınız?

[BURAK | AI PROMPTS @LordPromptX]

Yeni nesli küçümseyen dayılar iyi izlesin. 😂

Çocuk, basılı fotoğrafı tablet sanıp iki parmağıyla yakınlaştırmaya çalışıyor.

Biz bunun yaşındayken televizyonun arkasında insanları arıyorduk…

Bunlar teknoloji öğrenmiyor; fabrika çıkışı dokunmatik geliyor.

Maşallah, zehir gibi. Birkaç seneye bize yazılım güncellemesi atarlar. 😂

[BURAK | AI PROMPTS @LordPromptX]

Projelerin resmî GitHub bağlantıları:

OpenClaw
https://t.co/n8mo5z2xgN
ECC
https://t.co/8J7fJjmtaE
Superpowers
https://t.co/w3RAO3ipSQ
Vibe-Trading
https://t.co/No6jMLMYR1
Agency Agents
https://t.co/RVmoU9xUYn

Önemli uyarı:

GitHub’da popüler diye hiçbir projeyi körü körüne kurmayın. Çalıştırmadan önce izinleri, kurulum scriptlerini, açık sorunları ve güvenlik dosyalarını kontrol edin.

Açık kaynak olması; kullanılan model, API veya broker hizmetlerinin ücretsiz olduğu anlamına gelmez.

Sonra denemek için kaydedin.

[BURAK | AI PROMPTS @LordPromptX]

Yapay zekâya her ay para saçıp hâlâ yalnızca “bana şunu yaz” diyorsanız, teknolojiyi kullanmıyor; sohbet ediyorsunuz.

Gerçek güç modelde değil, modelin arkasına kurduğunuz sistemde.

İş yapış biçiminizi değiştirebilecek 5 açık kaynak GitHub projesi:

OpenClaw

Kendi cihazlarınızda çalışan kişisel yapay zekâ asistanı. Modelleri, araçları ve mesajlaşma kanallarını tek merkezde birleştiriyor.

ECC

Claude Code ve Codex’i basit kod üreticiden disiplinli mühendislik sistemine dönüştürüyor.

68 uzman agent, 286 skill, hafıza, güvenlik taraması, planlama, test ve doğrulama döngüleri içeriyor.

Superpowers

Kodlama agent’ının doğrudan projeye saldırmasını engelliyor.

Önce gereksinimleri çıkarıyor; ardından planlama, TDD, hata ayıklama ve kod inceleme süreçlerini uygulatıyor.

Vibe-Trading

Doğal dille piyasa araştırması, strateji üretimi ve backtest yapılmasını sağlayan açık kaynak finans araştırma sistemi.

Ama dikkat: Bu “kesin para kazandıran bot” değil.

Agency Agents

Frontend geliştiriciden güvenlik uzmanına, içerik stratejistinden gerçeklik denetçisine kadar 230’dan fazla uzman yapay zekâ rolü sunuyor.

Kısacası:

Yeni model kovalamayı bırakın.

Elinizdeki modeli daha planlı, uzman ve denetlenebilir çalıştıran sistemler kurun.

Yazılımcılar dürüstçe cevaplasın:

Bu araçlar gerçekten üretkenliği artırıyor mu, yoksa “agent karmaşası” yalnızca yeni bir pazarlama balonu mu?

[BURAK | AI PROMPTS @LordPromptX]

The exact prompt, for anyone who wants to run it themselves.

Return ONLY valid JSON matching this exact schema. No prose,
no markdown fence, no explanation before or after.

{
"invoice_id": "<string>",
"line_items": [{"sku": "<string>", "qty": <integer>, "unit_price": <number>}],
"discount_code": "<string or null>",
"total_after_discount": <number>
}

Rules:
- If no discount code is explicitly stated in the text, set
discount_code to null. Do not invent one.
- total_after_discount must be recalculated after any discount
mentioned in the text — do not copy the pre-discount total.
- Do not include any key not in the schema.

Text: "Invoice #4471. 3x SKU-A210 at $42.00, 2x SKU-B330 at
$18.50. A loyalty discount applies to this order but no code
was issued at checkout."

Same models, same temperature, 20 runs each is enough to see
the pattern — you don't need hundreds.

[BURAK | AI PROMPTS @LordPromptX]

Return ONLY valid JSON matching this exact schema. No prose,
no markdown fence, no explanation before or after.

{
"invoice_id": "<string>",
"line_items": [{"sku": "<string>", "qty": <integer>, "unit_price": <number>}],
"discount_code": "<string or null>",
"total_after_discount": <number>
}

Rules:
- If no discount code is explicitly stated in the text, set
discount_code to null. Do not invent one.
- total_after_discount must be recalculated after any discount
mentioned in the text — do not copy the pre-discount total.
- Do not include any key not in the schema.

Text: "Invoice #4471. 3x SKU-A210 at $42.00, 2x SKU-B330 at
$18.50. A loyalty discount applies to this order but no code
was issued at checkout."

[BURAK | AI PROMPTS @LordPromptX]

Repos + current notes 👇

Kirara AI
https://t.co/md4yVxmNlt

Grok Prompts
https://t.co/GL1LFeL6LT

Grok Bot reconstruction
https://t.co/d8faZ4hS9U

Aaron Marketing Skills
https://t.co/TjenY6GX10

OpenMausBot
https://t.co/8WhU0FWvkJ

Rakazo
https://t.co/SulgZYoBtA

Macai
https://t.co/aL5UfStbYs

Stars move fast — I checked the repos before posting instead of copying an old snapshot.

[BURAK | AI PROMPTS @LordPromptX]

I fact-checked a viral list of AI GitHub repos before reposting it.

Good thing I did.

Some of the numbers were already outdated.

But these 7 projects are still worth knowing:

1. Kirara AI
Multimodal AI bot across Telegram, Discord, WeChat, QQ + more.

2. Grok Prompts
xAI’s official repository containing prompts used by Grok and @grok.

3. Grok Bot 0.18 Reconstructed
An unofficial reconstruction of Grok Bot for macOS.
⚠️ Now archived.

4. Aaron Marketing Skills
120 installable AI marketing skills across SEO, social, email, ads + more.

5. OpenMausBot
Local-first AI agent teams with their own tools and computers.

6. Rakazo
Open-source Grok Bot alternative with your own model + sandbox.

7. Macai
Native macOS client for GPT, Claude, Grok, Gemini, Ollama + more.

The bigger trend isn’t another chatbot.

It’s this:

AI is moving from “answer my question” → “here are my tools, go do the work.”

My top 3:

🥇 Grok Prompts — learn how Grok is instructed
🥈 Aaron Skills — immediately useful
🥉 Rakazo — interesting agent architecture

Which one should I actually install and test next?

[BURAK | AI PROMPTS @LordPromptX]

The validator, since a few people will ask.

Schema guarantees the shape. This checks the values —
which is where the quiet failures live.

class Doc(BaseModel):
doc_date: date | None
total: float | None
vendor: str | None
currency: str | None

@field_validator("currency")
@classmethod
def iso(cls, v):
if v and len(v) != 3:
raise ValueError("not ISO-4217")
return v

@field_validator("total")
@classmethod
def range(cls, v):
if v is not None and not 0 <= v < 1_000_000:
raise ValueError("out of range")
return v

The currency check has caught more real errors than the
range check. Models are confident about currency in a way
they are not about numbers.

[BURAK | AI PROMPTS @LordPromptX]

I spent three weeks tuning a prompt to fix JSON drift. The
prompt was never the problem. I was on the wrong layer.

Old prompt: "Extract the key details and return them as JSON."

Run to run: "date", then "Date", then "document_date". Totals
as "1,299.00", then "1299". Keys silently missing. A fifth
field I never asked for.

So I did what the prompt advice says. Strict schema in the
prompt. "No prose, no markdown fence." "Use null, never
invent." Drift dropped. It never hit zero. It never does,
because a prompt is a request, not a constraint.

The real fix was one line of API config. Constrained decoding
masks invalid tokens at generation time — the container is
guaranteed before the model gets a chance to be creative
about it.

Here is the part the tutorials leave out: it costs you.
Latency goes up. And you trade a loud failure for a quiet
one. Invalid JSON is obvious. A schema-valid wrong answer is
not. I still run a validator on the values after the schema
guarantees the shape.

Three weeks of prompt work, replaced by a config flag and
twelve lines of validation.

If you are still fixing structured output with wording, which
layer are you actually on?

[BURAK | AI PROMPTS @LordPromptX]

🚨Google just changed how AI limits work.

Starting Sept. 2, Gemini Notebook limits will refresh every 5 hours instead of once a day.

But there’s a catch:

Complex prompts.
Long chats.
Too many sources.
Heavy outputs.

All of them burn more compute.

So the next AI skill isn’t just prompting.

It’s compute management.

My rule:

→ keep chats focused
→ separate deep research
→ avoid unnecessary context
→ generate heavy outputs only when needed

Bigger limits are nice.

Smarter usage is better.

Would you prefer:

A) Bigger daily limits
B) Faster resets

[BURAK | AI PROMPTS @LordPromptX]

@iamdefnee_ @grok bu nedir?

[BURAK | AI PROMPTS @LordPromptX]

Kod tabanını tek modele bağımlı bırakmamak için kullandığım prompt:

“Audit this AI coding workflow.

Identify every place where it depends on one specific model or provider.

Then redesign it so GPT, Claude, Grok or another frontier model can be swapped in without changing the core workflow.

Preserve:

context structure
project rules
testing
validation
output format

Flag every provider-specific dependency.”

AI model seçimi değişebilir.
Sistem değişmemeli.

[BURAK | AI PROMPTS @LordPromptX]

🚨 Cursor kullanıyorsan bunu görmezden gelme.

OpenAI, Cursor’a model erişimini 12 Kasım’da kapatmayı planlıyor.

Ama bence asıl haber şirket kavgası değil.

Asıl ders şu:

Tek bir AI modele bağımlı workflow kurmak artık risk.

Bugün GPT.
Yarın Claude.
Sonra Grok.

Kod tabanın model değişince dağılmamalı.

Ben artık projelerimde şu prensibi kullanacağım:

Model bağımsız promptlar.
Model bağımsız context.
Model bağımsız workflow.

2026’da en iyi AI modeli değil,

model değiştirebilen sistem kazanacak.

Cursor kullanıcıları: GPT giderse hangi modele geçersiniz?

Claude / Grok / başka?

[BURAK | AI PROMPTS @LordPromptX]

Before I watched this video, my Claude limit wouldn’t even last 40 minutes.

I kept seeing:

“Your token limit will reset at 9:00 PM.”

Then I realized something:

The problem wasn’t Claude.
It was how I was using Claude.

I cut unnecessary context.
Stopped making it reread the repo over and over.
Broke tasks into smaller pieces.
Started using /clear.

The result?

Same limit. A lot more work done.

If you use Claude Code, save this video.