Cara Menulis Prompt AI yang Lebih Baik Tanpa Perlu Menjadi Prompt Engineer - Cirebon Raya Jeh | Artificial Intelligence Financial System

Cara Menulis Prompt AI yang Lebih Baik Tanpa Perlu Menjadi Prompt Engineer

Arah · Artificial Intelligence

Jawaban AI hanya sebaik instruksi yang Anda berikan, dan sebagian besar instruksi yang gagal kurang jelas pada hal yang sama. Artikel ini menguraikan tujuh unsur prompt, enam langkah menyusunnya, dan cara menguji hasilnya tanpa perlu mempelajari istilah teknis. Anda juga mendapat pemeriksa prompt, penyusun prompt, lembar kerja, dan sepuluh templat siap pakai.

Pengantar

Sari bekerja sebagai manajer operasional sebuah toko daring kecil. Minggu malam ia menyalin tiga puluh ulasan pelanggan ke asisten AI dan mengetik satu kalimat, “Buatkan ringkasan ulasan pelanggan yang bagus.” Dalam beberapa detik muncul tiga paragraf yang rapi. Salah satunya menyebut bahwa sekitar 85 persen ulasan bernada positif. Besok paginya Sari menyampaikan angka itu di rapat tim gudang dan layanan pelanggan.

Sari dan ulasannya adalah tokoh dan data rekaan. Dalam cerita ini, ketika seorang staf menghitung ulang, ternyata hanya delapan belas dari tiga puluh ulasan yang bernada positif, yaitu 60 persen. Angka 85 persen tidak berasal dari data mana pun. Prompt Sari tidak menyebut untuk apa ringkasan itu dipakai, tidak membatasi AI pada ulasan yang ia tempel, dan tidak meminta AI menandai bagian yang tidak pasti. AI menjawab sebaik yang bisa ia tebak dari instruksi yang kabur.

Kebiasaan seperti ini umum. Karyawan mempercepat laporan, mahasiswa merangkum bacaan, pemilik usaha menyusun penawaran, dan investor atau trader ritel meminta AI membantu membaca laporan keuangan. Semuanya mengetik di kotak yang sama, dan banyak yang menyimpulkan bahwa AI memang tidak bisa diandalkan setelah dua atau tiga percobaan yang mengecewakan. Sebagian kekecewaan itu benar, karena AI memang bisa keliru. Sebagian lain berasal dari instruksi yang meninggalkan terlalu banyak tebakan.

Ada tiga alasan mengapa hal ini penting. Pertama, waktu. Prompt kabur mengundang putaran perbaikan yang panjang, dan tiap putaran memakan menit yang seharusnya bisa dipakai untuk bekerja. Kedua, keputusan. Jawaban yang tampak fasih mudah dipercaya, padahal kefasihan tidak membuktikan ketepatan. Ketiga, kepercayaan. Orang yang pernah dipermalukan oleh angka karangan di depan rekan kerja cenderung berhenti memakai alat yang sebenarnya berguna, atau justru memakainya tanpa memeriksa.

Penyedia model besar sudah menerbitkan panduan menyusun instruksi, dan isinya saling menguatkan. Panduan Anthropic (sumber 1) menyarankan instruksi yang jelas dan eksplisit serta menguji prompt dengan satu pertanyaan sederhana, yaitu apakah rekan kerja yang tidak tahu konteksnya akan bingung membacanya. Panduan OpenAI (sumber 2) menyebut empat bagian yang berguna untuk tugas yang lebih besar, yaitu tujuan, konteks, keluaran, dan batasan. Panduan Google (sumber 3) menekankan instruksi yang jelas dan spesifik, batasan, format respons, dan contoh. Ketiganya juga sepakat bahwa menyusun prompt adalah proses yang diulang dan diuji.

Penelitian akademik menambah alasan untuk berhati-hati. Sebuah studi di ICLR 2024 (sumber 5) menemukan bahwa model bahasa bisa sangat peka terhadap perubahan format prompt yang tidak mengubah makna, dengan selisih akurasi sampai 76 poin pada salah satu model terbuka yang diuji. Studi lain yang terbit di TACL 2024 (sumber 4) menemukan bahwa kinerja model bisa menurun ketika informasi penting berada di tengah konteks yang panjang. Kedua studi memakai model dan tugas uji tertentu, jadi hasilnya tidak bisa begitu saja diterapkan pada setiap alat. Pesan praktisnya tetap berguna. Jangan percaya satu prompt secara membabi buta, dan uji prompt Anda sendiri pada tugas Anda sendiri.

Artikel ini tidak mengajarkan profesi prompt engineer. Ia menyusun cara berpikir yang bisa dipakai setiap kali Anda hendak meminta sesuatu dari AI. Anda akan mempelajari istilah yang sering tertukar, tujuh unsur prompt, enam langkah menyusunnya, dan cara membaca hasil dengan kritis. Di bagian tengah ada dua alat yang berjalan di peramban Anda, yaitu pemeriksa kualitas prompt dan penyusun prompt. Di bagian akhir ada lembar kerja untuk menyusun aturan pribadi, sepuluh templat siap salin, daftar risiko, dan sumber yang bisa Anda periksa sendiri.

Hasil yang diharapkan sederhana. Setelah membaca, Anda mampu mengubah permintaan kabur menjadi instruksi yang jelas dalam beberapa menit, tahu bagian mana yang harus diperiksa sebelum memakai jawaban AI, dan memiliki templat yang bisa dipakai ulang untuk tugas yang berulang.

Artikel ini memberikan informasi umum tentang menulis instruksi untuk AI dan tidak menggantikan nasihat hukum, keuangan, kesehatan, atau keamanan siber dari profesional yang mengetahui kondisi Anda. Ketentuan dan fitur alat AI berubah dari waktu ke waktu, jadi periksa panduan resmi alat yang Anda pakai. Semua tokoh, angka, dan data contoh dalam artikel ini adalah ilustrasi dan data rekaan. Jangan menempelkan data pribadi atau rahasia ke alat AI tanpa menyamarkannya lebih dulu.

Ringkasan jawaban

Tidak ada satu rumus yang menjamin jawaban AI selalu tepat. Yang tersedia adalah kebiasaan yang mengurangi tebakan. Panduan dari tiga penyedia model yang berbeda sama-sama menekankan instruksi yang jelas, konteks yang cukup, contoh bila bentuk jawaban penting, dan perbaikan bertahap. Artikel ini merangkum kesamaan itu menjadi tujuh unsur dan enam langkah, lalu menambahkan satu kebiasaan yang jarang dibahas, yaitu memeriksa hasil sebelum memakainya.

Tujuh unsur itu adalah konteks, tujuan, data yang tersedia, tugas, batasan, format keluaran, dan bahasa. Anda tidak perlu mengisi semuanya setiap kali. Untuk pertanyaan singkat, satu kalimat jelas sudah cukup. Untuk tugas yang hasilnya akan dipakai orang lain atau menjadi dasar keputusan, semakin banyak unsur yang terisi, semakin sedikit yang harus ditebak AI.

  1. Tentukan lebih dulu apa yang akan Anda lakukan dengan hasilnya, karena tujuan menentukan bagian mana yang penting.
  2. Berikan konteks yang tidak dimiliki AI, yaitu siapa Anda, siapa pembaca hasilnya, dan situasinya.
  3. Sertakan bahan yang harus dipakai, dan samarkan data pribadi dan rahasia sebelum mengirim.
  4. Tulis tugas dengan kata kerja yang jelas dan satu hasil yang diminta.
  5. Pasang batasan dan format keluaran, termasuk larangan mengarang dan permintaan untuk bertanya bila data kurang.
  6. Baca hasil dengan kritis. Minta AI menyebut asumsinya, lalu periksa sendiri hal yang menentukan keputusan.
  7. Perbaiki satu hal per putaran, lalu simpan prompt yang berhasil sebagai templat.

Urutan ini mengikuti cara kerja orang yang memberi tugas kepada rekan baru. Anda menjelaskan situasi lebih dulu, memberi bahan, menyebut apa yang diminta, menetapkan batas, lalu memeriksa hasilnya. Panduan Anthropic menggambarkan hal serupa dengan membayangkan AI sebagai karyawan baru yang cerdas tetapi belum tahu kebiasaan dan alur kerja Anda.

Anda juga tidak perlu menulis prompt panjang untuk setiap hal. Panduan OpenAI menyebut bahwa prompt singkat sering sudah cukup, dan bahwa bagian yang perlu diisi hanyalah bagian yang membantu. Sebaliknya, untuk tugas yang berisiko, prompt yang terlalu singkat memindahkan beban ke tahap pemeriksaan, dan pemeriksaan biasanya lebih mahal daripada menulis beberapa kalimat tambahan di awal.

Di bagian tengah artikel ini ada pemeriksa prompt yang memberi skor berdasarkan ketujuh unsur tadi. Skornya adalah pemeriksaan kata kunci, jadi ia membantu Anda melihat unsur yang terlewat, tetapi tidak menilai mutu isi. Di bagian pustaka ada sepuluh templat yang sudah memuat urutan konteks, tujuan, data, tugas, batasan, format, dan bahasa, sehingga Anda tinggal mengganti penanda dalam kurung siku.

Definisi dan konsep dasar

Orang sering memakai istilah yang sama untuk hal berbeda, dan itu menimbulkan salah paham. Tabel berikut memisahkan istilah yang paling sering muncul dalam percakapan tentang prompt. Anda tidak perlu menghafalnya. Cukup kenali perbedaannya ketika membaca panduan atau mendengar rekan kerja berbicara tentang prompt engineering.

Istilah yang sering tertukar dalam menulis prompt
IstilahArti singkatContoh pemakaian
PromptTeks atau instruksi yang Anda kirim ke AI, termasuk pertanyaan, bahan, dan aturan.Seluruh pesan yang Anda ketik ke asisten AI.
KonteksInformasi latar yang tidak dimiliki AI, seperti peran Anda, pembaca hasilnya, dan situasinya.Saya manajer operasional toko daring kecil.
Instruksi sistem dan pesan penggunaInstruksi sistem berisi aturan tetap untuk seluruh percakapan, pesan pengguna berisi permintaan tiap giliran.Aturan bahasa di awal sesi, lalu tugas di pesan berikutnya.
Data atau bahanTeks, angka, atau dokumen yang harus dipakai AI sebagai dasar jawaban.Tiga puluh ulasan pelanggan yang ditempel di prompt.
Zero-shot dan few-shotZero-shot berarti tanpa contoh, few-shot berarti disertai beberapa contoh jawaban yang diharapkan.Memberi dua contoh klasifikasi sebelum meminta yang ketiga.
Konteks panjangJumlah teks yang bisa dibaca model dalam satu percakapan, sering diukur dalam token.Menempelkan dokumen puluhan halaman.
Rantai promptMemecah tugas besar menjadi beberapa prompt berurutan, tiap keluaran menjadi masukan berikutnya.Merangkum dulu, lalu menyusun kerangka dari ringkasan.
GroundingMengikat jawaban pada sumber yang diberikan atau dicari, tidak hanya pada ingatan model.Hanya pakai isi dokumen di bawah ini.
Suhu (temperature)Pengaturan yang memengaruhi keacakan pilihan kata, dan tersedia pada sebagian alat.Nilai rendah cenderung memberi jawaban yang lebih stabil.
IterasiMengulang prompt dengan perubahan kecil sambil membandingkan hasilnya.Mengubah satu batasan, lalu menjalankan ulang.

Dari istilah tadi, ada tujuh unsur yang akan dipakai sepanjang artikel. Konteks menjawab pertanyaan siapa dan dalam situasi apa. Tujuan menjawab untuk apa hasilnya dipakai. Data adalah bahan yang harus dipakai AI. Tugas adalah hasil yang diminta, dan sebaiknya diawali kata kerja. Batasan menetapkan hal yang harus dihindari atau dipatuhi. Format keluaran menentukan bentuk jawaban. Bahasa dan nada menentukan gaya penyampaian.

Tujuh unsur pada tiga tugas yang berbeda

Unsur yang sama muncul dalam bentuk berbeda pada tiap tugas. Untuk menulis ulang email, konteksnya adalah hubungan Anda dengan penerima, tujuannya adalah hasil yang Anda harapkan dari email itu, datanya adalah draf Anda, dan batasannya mencakup tenggat atau janji yang tidak boleh berubah. Untuk merangkum dokumen, konteksnya adalah keputusan yang menunggu, datanya adalah dokumen itu sendiri, dan batasannya adalah larangan menambah fakta dari luar dokumen.

Untuk membandingkan dua penawaran, konteksnya adalah posisi Anda sebagai pembeli, datanya adalah harga, jumlah minimum, dan waktu kirim dari kedua penawaran, dan batasannya adalah larangan memilihkan satu penawaran sebagai keputusan final. Format keluarannya mungkin sebuah tabel. Bahasanya mungkin bahasa Indonesia baku yang lugas. Setelah terbiasa, Anda akan melihat bahwa pertanyaan yang sama muncul pada hampir semua tugas, dan itulah alasan tujuh unsur ini mudah dipakai ulang.

Tujuan sering dikira sama dengan tugas, padahal keduanya berbeda. Tugas berbunyi ringkas ulasan ini. Tujuan berbunyi supaya saya bisa menentukan dua perbaikan yang paling mendesak. Dua prompt dengan tugas yang sama dan tujuan yang berbeda layak mendapat ringkasan yang berbeda, karena bagian yang penting bagi keputusan juga berbeda.

Panduan Anthropic menyarankan agar Anda menjelaskan alasan di balik sebuah instruksi. Contoh dalam panduan itu membandingkan larangan menggunakan tanda elipsis dengan penjelasan bahwa jawaban akan dibacakan oleh mesin pengubah teks menjadi suara, sehingga elipsis tidak bisa diucapkan. Dengan alasan itu, model dapat menggeneralisasi ke hal serupa yang tidak Anda sebutkan. Ini alasan mengapa unsur tujuan dan konteks lebih berguna daripada daftar larangan yang panjang.

Panduan Google menambahkan satu pelajaran lewat contoh sederhana. Pertanyaan tentang lampu kuning yang berkedip pada sebuah router menghasilkan jawaban pemecahan masalah yang umum. Ketika teks panduan perangkat itu ditempelkan sebagai konteks, jawabannya menjadi spesifik pada perangkat tersebut. Pelajarannya jelas. AI tidak tahu hal yang tidak Anda berikan, sehingga bahan yang relevan perlu Anda tempelkan sendiri.

Salah kaprah tentang menulis prompt dan yang lebih tepat
AnggapanYang lebih tepat
Prompt yang baik selalu panjang dan rumit.Prompt yang baik jelas dan cukup konteks. OpenAI menyebut bahwa prompt singkat sering sudah cukup, dan bagian yang diisi hanyalah yang membantu.
Ada kata ajaib atau rumus tunggal yang selalu berhasil.OpenAI menyebut Anda tidak memerlukan sintaks teknis atau rumus yang kaku. Google menyebut prompt engineering sebagai proses yang diulang dan diuji.
Memberi peran sebagai ahli membuat jawaban pasti benar.Menurut Anthropic, peran memfokuskan perilaku dan nada. Peran itu sendiri tidak membuktikan isi jawaban benar, jadi fakta tetap harus Anda periksa.
Larangan lebih kuat daripada penjelasan.Anthropic menyarankan menjelaskan alasan di balik instruksi, dan menyebut apa yang harus dilakukan, selain apa yang dilarang.
Prompt yang berhasil di satu alat akan berhasil di semua alat.Studi ICLR 2024 menemukan bahwa pengaruh format hanya berkorelasi lemah antarmodel. Anthropic menyarankan menguji ulang teknik pada model Anda sendiri.
Jawaban yang disampaikan dengan yakin pasti benar.Nada yakin tidak membuktikan ketepatan. Minta asumsi dan tingkat keyakinan, lalu periksa angka dan fakta yang menentukan keputusan.
Data penting boleh diletakkan di mana saja dalam prompt panjang.Studi TACL 2024 menemukan kinerja menurun ketika informasi relevan berada di tengah konteks panjang. Anthropic dan Google menyarankan data di awal dan pertanyaan di akhir.

Tabel salah kaprah di atas memuat klaim yang bersandar pada sumber. Dua di antaranya berasal dari penelitian dan perlu dibaca dengan hati-hati. Studi Sclar dan kawan-kawan (sumber 5) menguji sensitivitas terhadap format pada berbagai model dalam pengaturan few-shot. Mereka melaporkan selisih akurasi sampai 76 poin pada satu model terbuka, dan selisih sampai 56 poin dengan median 6,4 poin pada GPT-3.5 yang diuji lewat 320 format dan 53 tugas. Mereka juga melaporkan bahwa sensitivitas itu tidak hilang dengan model yang lebih besar, contoh yang lebih banyak, atau penyetelan instruksi.

Studi Liu dan kawan-kawan (sumber 4) menguji tanya jawab atas banyak dokumen dan pencarian pasangan kunci dan nilai. Hasilnya berbentuk kurva U. Kinerja paling baik ketika informasi relevan berada di awal atau akhir konteks, dan menurun ketika berada di tengah. Studi itu juga menemukan bahwa menambah dokumen dari 20 menjadi 50 hanya memperbaiki hasil sekitar 1,5 persen pada GPT-3.5-Turbo dan sekitar 1 persen pada claude-1.3.

Kedua studi memakai model generasi 2023 sampai 2024 dan tugas uji yang terstruktur, yang berbeda dari percakapan sehari-hari. Model yang lebih baru bisa berperilaku berbeda. Karena itu, anggap keduanya sebagai alasan untuk menguji sebelum percaya. Panduan Anthropic sendiri mengingatkan bahwa teknik yang disebut untuk model tertentu harus diperiksa ulang sebelum dipakai pada model lain.

Kerangka analisis

Kerangka ini terdiri dari enam langkah yang dikerjakan berurutan. Untuk tugas ringan, Anda bisa menyelesaikan semuanya dalam dua menit. Untuk tugas yang hasilnya menjadi dasar keputusan, langkah kelima layak mendapat waktu paling banyak. Tiap langkah menyebut data yang diperlukan supaya Anda tahu apa yang harus disiapkan sebelum mengetik.

  1. Tentukan hasilTulis satu kalimat tentang apa yang akan Anda lakukan dengan jawaban.
  2. Kumpulkan konteks dan dataSiapkan peran Anda, pembaca hasil, dan bahan yang sudah disamarkan.
  3. Tulis tugasSatu kata kerja jelas dan satu hasil yang diminta.
  4. Pasang batasan dan formatPanjang, larangan mengarang, bentuk keluaran, dan bahasa.
  5. Jalankan dan periksaBaca kritis, minta asumsi, cek angka yang menentukan keputusan.
  6. Perbaiki satu halUbah satu unsur per putaran dan simpan templat yang berhasil.
Ringkasan enam langkah menyusun prompt, data yang diperlukan, dan keluarannya
LangkahData yang diperlukanKeluaran
1. Tentukan hasilKeputusan atau pekerjaan yang akan memakai jawaban.Satu kalimat tujuan.
2. Kumpulkan konteks dan dataPeran Anda, pembaca hasil, bahan kerja, status penyamaran data.Blok konteks dan blok bahan yang bersih.
3. Tulis tugasKata kerja dan jenis hasil yang diminta.Satu kalimat tugas.
4. Pasang batasan dan formatBatas panjang, hal yang dihindari, bentuk keluaran, bahasa.Daftar batasan dan satu baris format.
5. Jalankan dan periksaJawaban AI, bahan asli, angka yang menentukan keputusan.Daftar temuan, asumsi, dan hal yang harus dicek.
6. Perbaiki satu halCatatan tentang bagian yang meleset.Prompt versi berikutnya dan templat yang disimpan.

Tidak setiap tugas memerlukan keenam langkah. Untuk pertanyaan sekali pakai yang risikonya rendah, langkah satu sampai tiga sudah cukup. Untuk tugas yang berulang, pasang semua langkah sekali, lalu simpan hasilnya sebagai templat supaya langkah dua sampai empat tinggal mengganti penanda. Untuk tugas yang hasilnya menjadi dasar keputusan, kerjakan semua langkah dan beri waktu lebih pada langkah kelima.

Langkah 1. Tentukan hasil

Mulailah dari akhir. Tanyakan pada diri sendiri apa yang akan Anda lakukan dengan jawaban ini. Mungkin Anda akan membacakannya di rapat, mengirimnya kepada klien, atau memakainya untuk memilih antara dua penawaran. Panduan OpenAI menyarankan Anda memberi tahu AI bagaimana hasil akan dipakai, karena hal itu membantunya memilih panjang, tingkat detail, dan urutan penyajian. Tulis tujuan itu dalam satu kalimat, lalu masukkan ke prompt.

Langkah 2. Kumpulkan konteks dan data

Konteks adalah hal yang sudah Anda ketahui tetapi belum diketahui AI. Peran Anda, pembaca hasil, dan situasi yang melatarbelakangi tugas termasuk di dalamnya. Data adalah bahan yang harus menjadi dasar jawaban. Sebelum menempel, periksa dua hal. Pertama, apakah bahan itu memuat data pribadi atau rahasia yang harus disamarkan. Kedua, apakah bahan itu sudah mencakup semua yang diperlukan, karena AI tidak bisa memakai hal yang tidak ia lihat.

Untuk bahan yang panjang, panduan Anthropic dan Google sama-sama menyarankan bahan diletakkan di bagian awal dan pertanyaan di bagian akhir. Anthropic melaporkan bahwa meletakkan pertanyaan di akhir dapat memperbaiki kualitas jawaban hingga 30 persen dalam pengujiannya, terutama pada masukan yang kompleks dengan banyak dokumen. Angka itu berasal dari pengujian penyedia sendiri, jadi perlakukan sebagai petunjuk arah. Beri pemisah yang jelas antara bahan dan instruksi, misalnya tiga tanda pagar atau tag seperti yang disarankan Anthropic dan Google.

Langkah 3. Tulis tugas

Tugas yang baik dimulai dengan kata kerja dan menyebut satu hasil. Kelompokkan ulasan menjadi tema lebih jelas daripada bantu saya dengan ulasan. Bila ada beberapa tugas, tulis satu per satu atau pecah menjadi beberapa prompt. Panduan Google menyarankan memecah instruksi yang banyak menjadi prompt terpisah, dan merantai prompt untuk tugas berurutan, ketika keluaran satu tahap menjadi masukan tahap berikutnya.

Panduan OpenAI menyarankan Anda mendeskripsikan hasil yang diinginkan lebih dulu, dan menulis daftar langkah hanya bila prosesnya sendiri penting. Dengan begitu AI punya ruang memilih cara yang paling cocok. Panduan Anthropic juga menyebut bahwa pada model yang berpikir sebelum menjawab, instruksi umum seperti berpikirlah dengan teliti sering menghasilkan penalaran yang lebih baik daripada rencana langkah demi langkah yang Anda tulis sendiri.

Langkah 4. Pasang batasan dan format

Batasan menahan AI dari hal yang akan merugikan Anda. Contoh dalam panduan OpenAI mencakup pemakaian sumber yang diberikan saja, menandai informasi yang hilang alih-alih menebak, dan menyiapkan pesan sebagai draf tanpa mengirimnya. Untuk hampir semua tugas, tiga batasan berikut layak dipasang. AI tidak boleh mengarang angka atau fakta. AI harus bertanya bila data kurang. AI harus menyebut asumsinya.

Format menentukan bentuk jawaban. Google menyebut format yang bisa diminta, antara lain tabel, daftar, paragraf, atau kata kunci. Anthropic menyarankan menyampaikan apa yang harus dilakukan, misalnya tulis dalam paragraf yang mengalir, daripada hanya melarang bentuk tertentu. Bahasa dan nada termasuk di sini, misalnya bahasa Indonesia baku yang lugas untuk laporan atau bahasa yang ramah untuk pengumuman.

Bila bentuk jawaban sangat penting, beri contoh. Anthropic menyarankan tiga sampai lima contoh yang relevan, beragam, dan dibungkus tag tersendiri. Google menyarankan contoh yang konsisten formatnya, dan memperingatkan bahwa terlalu banyak contoh bisa membuat model menyesuaikan diri berlebihan pada contoh itu.

Langkah 5. Jalankan dan periksa

Jalankan prompt, lalu baca hasilnya dengan sikap seperti memeriksa pekerjaan rekan baru. Cocokkan angka dengan bahan asli. Tandai kalimat yang terdengar meyakinkan tetapi tidak ada dasarnya di bahan Anda. Minta AI menyebut asumsi dan tingkat keyakinannya. Panduan OpenAI menyarankan untuk pekerjaan penting agar Anda meminta pemeriksaan akhir, lalu tetap meninjau hasilnya sendiri sebelum memakainya.

Untuk angka, jangan mengandalkan penjumlahan dalam percakapan. Panduan Google menyebut bahwa alat eksekusi kode sebaiknya dipakai ketika model perlu melakukan perhitungan, dan bahwa pencarian web sebaiknya dipakai ketika model mungkin memerlukan fakta yang jarang atau baru. Bila alat Anda tidak menyediakannya, hitung ulang sendiri di lembar kerja untuk angka yang menentukan keputusan.

Langkah 6. Perbaiki satu hal

Bila hasilnya meleset, ubah satu hal lalu jalankan lagi. Panduan Google menyarankan mencoba kalimat yang berbeda, mengganti ke tugas yang setara, dan mengubah urutan isi prompt. Mengubah banyak hal sekaligus membuat Anda tidak tahu perubahan mana yang membantu. Panduan OpenAI menggambarkan prompt pertama tidak perlu sempurna, dan Anda bisa meminta perubahan yang spesifik lewat pesan lanjutan. Setelah hasilnya memuaskan, simpan prompt itu sebagai templat dengan penanda isian.

Urutan isi prompt

Setelah unsur terkumpul, susunlah dengan urutan yang konsisten. Urutan yang dipakai di artikel ini adalah konteks, tujuan, data, tugas, batasan, format, lalu bahasa. Untuk bahan yang sangat panjang, pindahkan data ke bagian paling atas dan tugas ke bagian paling bawah, sesuai saran Anthropic dan Google. Panduan Google untuk model seri Gemini 3 menambahkan satu kebiasaan kecil, yaitu memakai kalimat penghubung seperti berdasarkan informasi di atas sebelum pertanyaan, supaya model menautkan pertanyaan itu pada bahan yang baru dibaca.

Panduan Google juga mencatat bahwa urutan isi prompt dapat memengaruhi jawaban, dan menyarankan Anda mencoba beberapa urutan bila hasilnya belum sesuai. Konsistensi pemisah ikut menentukan. Pilih satu gaya, misalnya tiga tanda pagar atau judul bagian, lalu pakai di seluruh prompt dan di semua contoh. Studi ICLR 2024 yang dikutip tadi menunjukkan bahwa perubahan kecil pada pemisah dan penulisan dapat mengubah hasil pada pengujian tertentu, jadi konsistensi punya dampak nyata.

Contoh dan simulasi

Semua tokoh, perusahaan, dan angka di bagian ini adalah ilustrasi buatan penulis dan data rekaan. Skor dihitung dengan pemeriksa prompt yang tersedia di bagian alat, dan hitungannya bisa Anda telusuri sendiri. Contoh ini tidak membuktikan bahwa prompt tertentu selalu menghasilkan jawaban tertentu. Ia menunjukkan cara memeriksa dan memperbaiki.

Studi kasus utama: ulasan pelanggan Sari

Kita kembali ke Sari. Prompt awalnya berbunyi buatkan ringkasan ulasan pelanggan yang bagus. Pemeriksa hanya menemukan satu dari tujuh unsur, yaitu tugas, dengan bobot 20. Kata bagus tergolong kabur sehingga mengurangi 3 poin. Skor akhirnya 20 - 3 = 17 dari 100.

Studi kasus Sari: perbandingan prompt awal dan prompt perbaikan (ilustrasi)
UnsurPrompt awalPrompt perbaikan
KonteksBelum adaAda: manajer operasional toko daring kecil, pembaca tim gudang dan layanan pelanggan
TujuanBelum adaAda: menentukan dua perbaikan paling mendesak bulan depan
Data yang tersediaBelum adaAda: tiga puluh ulasan dengan pemisah, nama dan nomor pesanan sudah dihapus
Tugas yang jelasAda: buatkan ringkasanAda: kelompokkan, hitung per tema, tandai dua tema teratas
BatasanBelum adaAda: jangan mengarang, tanyakan bila data kurang, sebutkan asumsi
Format keluaranBelum adaAda: satu tabel dan dua paragraf pendek
Bahasa dan nadaBelum adaAda: bahasa Indonesia baku yang lugas
Kata kaburDitemukan: bagusTidak ada
Skor pemeriksa17 dari 100100 dari 100

Skor prompt perbaikan dihitung dengan menjumlahkan bobot semua unsur, yaitu 15 + 15 + 15 + 20 + 15 + 15 + 5 = 100. Angka itu hanya berarti ketujuh unsur terdeteksi. Ia tidak menjamin jawabannya benar. Karena itu Sari tidak berhenti di prompt.

Misalkan AI mengembalikan pengelompokan seperti pada tabel berikut. Angka-angka ini ilustrasi. Langkah pertama pemeriksaan adalah menjumlahkan, yaitu 11 + 7 + 6 + 4 + 2 = 30, sama dengan jumlah ulasan yang ditempel. Persentase juga bisa dicek, misalnya 11 / 30 = 36,7 persen dan 7 / 30 = 23,3 persen.

Hasil pengelompokan ulasan oleh AI dan pemeriksaan hitungannya (ilustrasi)
TemaJumlah ulasanPersentase dari 30
Keterlambatan pengiriman1136,7%
Kemasan rusak atau penyok723,3%
Balasan admin lambat620,0%
Ukuran atau warna tidak sesuai413,3%
Lainnya26,7%
Total30100,0%

Penjumlahan yang cocok belum membuktikan pengelompokannya benar. Sari mengambil sepuluh ulasan secara acak, membaca ulang, dan mencocokkan temanya dengan hasil AI. Dalam ilustrasi ini sembilan cocok dan satu salah. Satu ulasan yang menyebut paket terlambat dan admin lambat dihitung sebagai balasan admin lambat, padahal keluhan utamanya keterlambatan. Tingkat kecocokan sampel adalah 9 / 10 = 90 persen.

Evaluasinya begini. Sampel sepuluh ulasan terlalu kecil untuk menyimpulkan akurasi seluruh hasil, tetapi cukup untuk menunjukkan bahwa pengelompokan bisa dipakai sebagai gambaran awal. Untuk keputusan yang bernilai besar, Sari bisa memperbesar sampel, atau meminta AI menandai ulasan yang masuk lebih dari satu tema. Ia juga meminta AI menyebut asumsinya, lalu menggunakan dua tema teratas hanya setelah menghitung ulang sendiri.

Perhatikan bahwa pada versi pertama Sari kehilangan tiga hal. Ia tidak memberi tujuan, sehingga AI tidak tahu bagian mana yang penting. Ia tidak memberi batasan, sehingga AI bebas menyebut angka. Ia juga tidak memeriksa hasilnya, sehingga angka karangan sampai ke rapat. Perbaikannya tidak rumit. Perbaikan itu hanya memerlukan beberapa kalimat tambahan di awal dan lima menit pemeriksaan di akhir.

Pola kegagalan yang berulang pada ketiga contoh

Ketiga contoh memperlihatkan pola yang sama. Prompt yang bermasalah tidak menyebut tujuan, tidak menetapkan batas, dan tidak menyediakan cara memeriksa hasil. Sari tidak memberi tujuan, Rudi tidak memberi batasan, dan Ratih pada putaran nol tidak memberi apa pun selain tugas. Skor ketiganya pada awal adalah 17, 0, dan 17, dan pola itu berulang. Prompt dengan skor rendah memaksa AI menebak, dan tebakan itu berubah menjadi masalah ketika hasilnya dipakai tanpa diperiksa.

Pola kedua adalah perbaikan yang murah. Ketiga perbaikan hanya memerlukan beberapa kalimat tambahan dan beberapa menit pemeriksaan. Pola ketiga adalah pemeriksaan yang bertumpu pada bahan asli. Sari mencocokkan jumlah dan sampel dengan ulasan, Rudi menghitung ulang rasio dari angka yang ia tempel, dan Ratih mencocokkan tanggal dengan jadwal. Pemeriksaan semacam itu tidak memerlukan keahlian teknis. Ia hanya memerlukan kebiasaan untuk tidak berhenti pada jawaban pertama.

Simulasi 1: membaca laporan keuangan fiktif

Rudi adalah investor ritel pemula rekaan yang sedang belajar membaca laporan keuangan. Ia menemukan cuplikan angka fiktif PT Contoh Fiktif Tbk dan bertanya kepada AI apakah sahamnya bagus dibeli. Prompt itu hanya memiliki satu kata kunci yang terdeteksi sebagai kata kabur, yaitu bagus, sehingga skornya 0. Tidak ada tugas yang jelas, data, ataupun batasan. Pertanyaan semacam itu mengundang opini, padahal AI tidak mengetahui kondisi keuangan, tujuan, dan toleransi risiko Rudi.

Simulasi 1: prompt yang mengundang rekomendasi dan prompt yang membatasi diri (ilustrasi)
AspekPrompt APrompt B
IsiApakah saham PT Contoh Fiktif Tbk bagus dibeli?Hitung pertumbuhan pendapatan, perubahan laba bersih, dan margin, lalu jelaskan artinya. Jangan memberi rekomendasi.
DataTidak adaCuplikan angka dalam pemisah
BatasanTidak adaTanpa rekomendasi, hitung hanya dari angka yang diberikan, tampilkan rumus
Skor pemeriksa0 dari 100100 dari 100
Risiko jawabanMendorong opini yang tidak berdasar data yang Anda milikiHasil bisa diperiksa terhadap perhitungan di atas

Prompt B meminta hal yang bisa diperiksa. Hitungannya terlihat pada tabel berikut. Pendapatan naik dari 480 menjadi 540 miliar rupiah, sehingga pertumbuhannya (540 - 480) / 480 = 12,5 persen. Laba bersih turun dari 36 menjadi 32,4 miliar rupiah, sehingga perubahannya (32,4 - 36) / 36 = -10,0 persen. Margin laba bersih turun dari 36 / 480 = 7,5 persen menjadi 32,4 / 540 = 6,0 persen.

Simulasi 1: membaca laporan fiktif PT Contoh Fiktif Tbk (angka ilustrasi)
BesaranTahun laluTahun iniPerhitungan
Pendapatan480 miliar rupiah540 miliar rupiahPertumbuhan = (540 - 480) / 480 = 12,5%
Laba bersih36 miliar rupiah32,4 miliar rupiahPerubahan = (32,4 - 36) / 36 = -10,0%
Margin laba bersih36 / 480 = 7,5%32,4 / 540 = 6,0%Selisih = 6,0% - 7,5% = -1,5 poin persentase

Dari angka ini Rudi bisa mengajukan pertanyaan yang lebih baik, misalnya mengapa pendapatan naik tetapi laba turun, dan bagian mana dari laporan yang menjelaskannya. Ia tidak mendapat saran beli atau jual, dan memang itu yang diminta prompt B. Keputusan investasi tetap berada pada Rudi, dan untuk keputusan yang besar ia sebaiknya berkonsultasi dengan penasihat keuangan berlisensi.

Simulasi 2: memperbaiki prompt pengumuman satu unsur per putaran

Ratih adalah staf administrasi sekolah dasar rekaan yang harus menulis pengumuman jadwal ulang rapat orang tua. Ia memulai dengan prompt satu kalimat, lalu memperbaikinya satu unsur per putaran. Tabel berikut mencatat skor tiap putaran dengan pemeriksa prompt.

Simulasi 2: enam putaran perbaikan satu unsur per putaran pada prompt pengumuman (ilustrasi)
PutaranPerubahanSkor pemeriksa
0Tulis pengumuman rapat yang menarik.17
1Menambah peran, pembaca, dan tujuan.50
2Menambah data jadwal lama dan jadwal baru.65
3Menambah format keluaran.80
4Menambah batasan: tidak menambah informasi di luar data, maksimal 80 kata.95
5Menambah bahasa dan nada.100

Perhatikan lonjakan terbesar terjadi pada putaran pertama, yaitu dari 17 ke 50, ketika Ratih menambah peran, pembaca, dan tujuan. Itu sejalan dengan saran panduan Anthropic dan OpenAI bahwa konteks dan tujuan sering menjadi pembeda terbesar. Skor 100 pada putaran terakhir hanya berarti ketujuh unsur terdeteksi. Ratih tetap harus membaca pengumuman itu dan mencocokkan tanggal dan jam dengan data yang ia punya.

Tools interaktif

Dua alat di bawah ini berjalan sepenuhnya di peramban Anda. Teks yang Anda ketik tidak dikirim ke server mana pun, dan tidak ada yang disimpan setelah Anda menutup halaman. Keduanya terisi contoh berlabel ilustrasi saat dibuka, supaya Anda langsung melihat bentuk hasilnya. Ganti isinya dengan prompt Anda sendiri.

Pemeriksa prompt memberi skor berdasarkan bobot pada tabel berikut. Skor adalah jumlah bobot unsur yang terdeteksi, dikurangi 3 poin untuk tiap kata kabur yang ditemukan dengan batas pengurangan 9 poin. Bila prompt kurang dari 12 kata, skor dibatasi paling tinggi 35. Pencocokan memakai daftar kata kunci bahasa Indonesia, jadi prompt dengan kata lain atau bahasa lain bisa terbaca kurang akurat.

Bobot unsur dalam skor pemeriksa prompt
UnsurBobotContoh kata yang dicari
Konteks15saya adalah, sebagai, situasi, pembaca, untuk tim
Tujuan15tujuan, supaya, agar, dipakai untuk, untuk memutuskan
Data yang tersedia15data yang tersedia, berikut, di bawah ini, pemisah ###
Tugas yang jelas20tulis, susun, ringkas, bandingkan, hitung, kelompokkan
Batasan15jangan, maksimal, tanpa, hindari, tanyakan, asumsi
Format keluaran15format, tabel, daftar, paragraf, kolom, bernomor
Bahasa dan nada5bahasa Indonesia, nada, baku, formal, lugas
Skor = jumlah bobot unsur yang terdeteksi - (3 x jumlah kata kabur, maksimal 3 kata) , dan paling tinggi 35 bila prompt kurang dari 12 kata.

Cara membaca hasilnya sederhana. Skor 80 ke atas berarti ketujuh unsur hampir lengkap. Skor 60 sampai 79 berarti satu atau dua unsur penting belum ada. Skor di bawah 40 berarti prompt masih terlalu terbuka, sehingga AI menebak banyak hal. Peringatan di bawah skor lebih penting daripada angkanya, terutama peringatan tentang data sensitif dan penanda isian yang belum diganti.

Penyusun prompt melakukan pekerjaan sebaliknya. Anda mengisi kolom yang Anda punya, dan alat menyusunnya dalam urutan konteks, tujuan, data, tugas, batasan, format, dan bahasa. Alat juga menambahkan tiga batasan standar dan satu pengingat bahwa keputusan akhir ada pada Anda. Bila Anda memilih status Belum disamarkan, alat menampilkan peringatan agar Anda menyamarkan data lebih dulu.

Pilih Belum disamarkan hanya bila itu keadaan sebenarnya. Pilihan itu tidak menyamarkan apa pun untuk Anda. Penyamaran harus Anda lakukan sendiri sebelum menyalin prompt, misalnya mengganti nama dengan [NAMA_1] dan angka rahasia dengan [ANGKA_1].

Cara memakai kedua alat dalam lima menit

Mulailah dari pemeriksa. Tekan Muat contoh lemah dan lihat unsur apa saja yang belum ada, lalu tekan Muat contoh kuat dan bandingkan. Ganti isi kolom dengan satu prompt nyata milik Anda, tekan Periksa, dan baca peringatan sebelum membaca skor. Bila ada penanda isian yang tertinggal atau data yang tampak sensitif, perbaiki dulu bagian itu.

Lanjutkan ke penyusun. Isi minimal kolom tugas, tambahkan konteks, tujuan, dan format bila Anda punya, lalu tekan Susun prompt. Bandingkan skornya dengan skor prompt asli Anda. Salin hasilnya, tempel ke alat AI yang Anda pakai, dan periksa hasilnya dengan kebiasaan langkah kelima. Bila hasilnya meleset, catat bagian mana yang kurang dan ubah satu unsur saja pada putaran berikutnya.

Pemeriksa dan penyusun prompt

Pemeriksa kualitas prompt

Tempel prompt Anda, lalu tekan Periksa. Alat ini mencari tujuh unsur dengan pencocokan kata kunci, memberi skor 0 sampai 100, dan menunjukkan unsur yang belum ada. Alat ini juga memberi peringatan bila ada kata kabur, penanda isian yang belum diganti, atau data yang tampak sensitif. Saat dibuka, kolom berisi contoh prompt lemah berlabel ilustrasi.

Penyusun prompt

Isi kolom yang Anda punya. Kolom kosong dilewati, dan skor di bawah hasil memakai pemeriksa yang sama. Tiga baris batasan standar ditambahkan otomatis agar AI tidak mengarang angka, bertanya bila data kurang, dan menyebut asumsinya. Saat dibuka, kolom berisi contoh berlabel ilustrasi.

Skor adalah pemeriksaan kata kunci. Prompt yang mencantumkan semua kata kunci bisa tetap berisi instruksi yang keliru, dan prompt yang bagus dengan kata lain bisa mendapat skor rendah. Pakai skor untuk menemukan unsur yang terlewat. Mutu isi tetap harus Anda nilai sendiri.

Worksheet penerapan

Lembar kerja ini membantu Anda mengubah artikel menjadi kebiasaan. Isilah dengan satu prompt nyata yang pernah mengecewakan Anda, setelah data pribadinya disamarkan. Kolom sengaja kosong karena jawaban yang berguna datang dari pekerjaan Anda sendiri. Tombol Susun ringkasan menggabungkan isian Anda, termasuk skor prompt awal dan prompt perbaikan, menjadi catatan yang bisa Anda simpan atau bagikan kepada rekan kerja.

Bagian keempat paling menentukan. Ciri hasil yang baik harus bisa dicek, misalnya jumlah kata, angka yang harus cocok dengan bahan, atau daftar yang harus memuat semua butir. Ciri yang tidak bisa dicek, seperti menarik atau profesional, tidak membantu Anda maupun AI. Pertanyaan uji balik juga perlu ditulis sebelum Anda melihat hasil, supaya Anda tidak tergoda menerima jawaban yang kebetulan terdengar baik.

1. Konteks

2. Prompt awal dan diagnosisnya

Unsur yang menurut saya belum ada

3. Prompt perbaikan

4. Cara saya menilai hasil

Pustaka prompt

Bagian ini adalah bonus untuk pembaca yang ingin langsung bekerja. Isinya sepuluh templat untuk tugas nyata yang berkaitan dengan topik artikel, yaitu membuka sesi, merangkum dokumen, menulis ulang pesan, membandingkan opsi, membaca laporan keuangan tanpa rekomendasi, mempelajari konsep, merapikan teks menjadi tabel, menyusun kerangka, menguji balik hasil AI, dan memperbaiki prompt Anda sendiri.

Semua templat disusun dengan urutan yang sama, yaitu konteks, tujuan, data yang tersedia beserta pernyataan penyamaran, tugas, batasan, format keluaran, dan bahasa. Tabel berikut meringkas fungsi tiap bagian. Penanda isian ditulis dengan kurung siku dan huruf besar, misalnya [NAMA_PENANDA], dan harus Anda ganti sebelum prompt dikirim. Pemeriksa prompt akan memperingatkan Anda bila ada penanda yang tertinggal.

Bagian prompt yang efektif dan fungsinya
BagianPertanyaan yang dijawabContoh isi (ilustrasi)
KonteksSiapa saya dan apa situasinya?Saya manajer operasional toko daring kecil.
Pernyataan dataBahan apa yang tersedia dan apakah sudah disamarkan?Tiga puluh ulasan di bawah ini, nama sudah dihapus.
TugasApa yang harus dikerjakan AI?Kelompokkan ulasan menjadi tema dan hitung jumlahnya.
BatasanApa yang tidak boleh atau wajib dilakukan?Jangan mengarang angka. Tanyakan bila data kurang.
FormatDalam bentuk apa jawabannya?Satu tabel dan dua paragraf pendek.

Dua templat punya peran khusus. Templat pertama adalah pembuka sesi, yaitu aturan yang berlaku untuk seluruh percakapan, sehingga Anda tidak perlu mengulang batasan di setiap pesan. Templat kesembilan adalah uji balik. Ia meminta AI mengkritik asumsi dan jawaban sebelumnya. Panduan OpenAI menyarankan pemeriksaan akhir untuk pekerjaan penting, dan templat ini adalah bentuk siap pakainya. Hasil uji balik tetap perlu Anda periksa sendiri karena AI bisa keliru saat mengkritik dirinya.

Prompt bukan pagar keamanan. Kalimat penyamaran dan larangan dalam templat mengarahkan perilaku AI, tetapi tidak menjamin data Anda aman setelah dikirim. Data pribadi, keuangan pribadi, kesehatan, dan rahasia bisnis harus Anda samarkan atau buang sebelum menempel, dan Anda perlu membaca kebijakan alat yang Anda pakai serta aturan organisasi Anda. Templat ini tidak meminta AI bertindak sebagai dokter, pengacara, atau penasihat investasi berlisensi, dan keputusan akhir selalu ada pada Anda.

Cara menyesuaikan templat

Ganti dulu semua penanda dalam kurung siku, lalu hapus baris yang tidak relevan dengan tugas Anda. Menghapus baris tidak berbahaya selama batasan tentang mengarang, bertanya bila data kurang, dan menyebut asumsi tetap ada. Bila bentuk jawaban penting, tambahkan dua atau tiga contoh di bagian format, dengan pemisah yang konsisten, seperti saran panduan Anthropic dan Google.

Simpan versi yang berhasil bersama catatan singkat tentang alat dan tanggal Anda memakainya. Catatan itu berguna karena prompt yang bekerja baik di satu alat tidak selalu bekerja sama baik di alat lain. Bila Anda memakai templat dalam tim, sepakati satu daftar penanda dan satu aturan penyamaran data, sehingga semua anggota tim mengisi templat dengan cara yang sama.

Templat prompt siap salin

Pilih tugas, baca kapan templat itu dipakai dan data apa yang harus Anda buang lebih dulu, lalu salin prompt-nya. Ganti setiap penanda dalam kurung siku dengan isi Anda sendiri. Data pribadi dan rahasia harus sudah Anda samarkan sebelum menempel.

Risiko dan keterbatasan

Metode ini bergantung pada beberapa asumsi, dan ada keadaan ketika ia tidak memadai. Asumsi pertama adalah bahwa Anda tahu hasil yang Anda inginkan. Bila Anda sendiri belum tahu apa yang diharapkan, prompt yang rapi hanya akan menghasilkan jawaban yang rapi atas pertanyaan yang belum matang. Dalam keadaan itu, gunakan AI untuk menjelajah dengan pertanyaan terbuka dulu, lalu susun prompt terstruktur setelah arahnya jelas.

Asumsi kedua adalah bahwa panduan penyedia model berlaku pada alat yang Anda pakai. Ketiga panduan yang dirujuk ditulis untuk produk masing-masing penyedia dan bisa berubah. Studi akademik yang dikutip memakai model generasi 2023 sampai 2024. Karena itu, anggap semua saran di sini sebagai hipotesis yang perlu Anda uji pada tugas dan alat Anda sendiri, dan periksa ulang panduan resminya.

Salah tafsir yang paling umum adalah menganggap skor pemeriksa sebagai nilai mutu. Skor hanya menandai keberadaan unsur lewat kata kunci. Prompt yang memuat kata jangan mengarang bisa tetap menerima jawaban yang mengarang, karena larangan tidak menjamin kepatuhan. Prompt yang baik dengan kosakata lain bisa mendapat skor rendah. Pakai skor untuk menemukan lubang. Skor tidak menyatakan prompt aman.

Salah tafsir kedua adalah mengira prompt yang lebih lengkap selalu lebih baik. Prompt yang penuh batasan yang saling bertabrakan bisa membingungkan, dan prompt yang terlalu panjang menambah risiko hal penting terselip di tengah. Panduan OpenAI menyarankan Anda memakai hanya bagian yang membantu. Bila tugasnya ringan, satu kalimat jelas lebih baik daripada tujuh bagian.

Ada keadaan ketika menulis prompt lebih baik tidak menolong. Pertama, ketika tugas menuntut fakta yang terbaru atau yang tidak ada dalam bahan Anda. Panduan Google menyarankan pencarian web untuk fakta yang jarang atau baru, dan alat tersebut tidak tersedia di semua layanan. Kedua, ketika tugas menuntut perhitungan yang tepat. Perhitungan dalam percakapan bisa keliru, dan angka yang menentukan keputusan harus dihitung ulang di lembar kerja atau lewat alat eksekusi kode. Ketiga, ketika tugas membutuhkan penilaian profesional, misalnya perjanjian hukum, diagnosis kesehatan, atau keputusan investasi bernilai besar. Di sana AI paling jauh membantu Anda memahami dan menyiapkan pertanyaan.

Risiko privasi juga berdiri sendiri. Menyamarkan data mengurangi risiko tetapi tidak menghilangkannya. Kombinasi detail yang tampak tidak berbahaya, seperti jabatan, kota, dan tanggal, kadang cukup untuk mengenali seseorang. Periksa kebijakan data alat yang Anda pakai, termasuk apakah percakapan dipakai untuk melatih model, dan ikuti aturan organisasi Anda. Untuk dokumen yang terikat perjanjian kerahasiaan, minta izin atau jangan gunakan.

Terakhir, ada biaya waktu. Menyusun prompt tujuh unsur untuk tugas yang selesai dalam satu menit kerja manual tidak masuk akal. Gunakan metode ini untuk tugas yang berulang, yang hasilnya dipakai orang lain, atau yang menjadi dasar keputusan. Untuk tugas lain, cukup pakai kebiasaan paling kecil, yaitu menyebut tujuan dan melarang AI mengarang.

Satu hal lagi menyangkut cara Anda menilai kemajuan. Mudah merasa prompt baru lebih baik hanya karena ia lebih panjang atau lebih rapi. Untuk tugas yang berulang, catat tanggal, versi prompt, skor pemeriksa, dan apakah hasilnya lolos pemeriksaan Anda, lalu bandingkan beberapa kali pemakaian. Sampel yang kecil mudah menipu, jadi jangan menyimpulkan dari satu dua percobaan, dan ingat bahwa jawaban AI bisa berbeda pada tiap putaran.

Informasi dalam artikel ini bersifat umum. Untuk keputusan hukum, keuangan, kesehatan, atau keamanan yang bernilai besar, konsultasikan dengan profesional yang berwenang. Artikel ini tidak merekomendasikan produk, instrumen investasi, atau alat AI tertentu, dan tidak menjanjikan hasil.

Pertanyaan umum

Apakah prompt yang panjang selalu lebih baik?

Tidak. Panduan OpenAI menyebut prompt singkat sering sudah cukup, dan bagian yang diisi cukup yang membantu. Panjang berguna ketika menambah konteks, data, atau batasan yang memang menentukan hasil. Bila tambahan kalimat hanya mengulang hal yang sama, ia menambah beban baca tanpa memperbaiki hasil.

Perlukah memberi peran seperti Anda adalah seorang ahli?

Peran bisa membantu memfokuskan nada dan perilaku, menurut panduan Anthropic, dan satu kalimat saja sudah berpengaruh. Namun peran tidak membuktikan isi jawaban benar. Untuk topik hukum, kesehatan, dan investasi, jangan meminta AI berperan sebagai profesional berlisensi. Minta ia membantu memahami dan menyiapkan pertanyaan, lalu bawa pertanyaan itu kepada profesional.

Berapa contoh yang sebaiknya saya berikan?

Anthropic menyarankan tiga sampai lima contoh untuk hasil yang andal, dan Google menyarankan contoh disertakan. Google juga memperingatkan bahwa terlalu banyak contoh dapat membuat model menyesuaikan diri berlebihan. Pastikan contoh beragam, relevan, dan konsisten formatnya. Mulailah dengan dua atau tiga contoh, lalu tambah hanya bila hasilnya belum sesuai.

Haruskah saya menyuruh AI berpikir langkah demi langkah?

Tergantung alatnya. Anthropic menyebut bahwa pada model yang berpikir sebelum menjawab, instruksi umum sering lebih baik daripada rencana langkah yang Anda tulis. Google menyebut bahwa model seri Gemini 2.5 dan 3 menghasilkan teks berpikir secara otomatis, sehingga biasanya tidak perlu meminta rincian penalaran dalam jawaban. Untuk tugas yang rumit, Anda bisa meminta AI berpikir teliti sebelum menjawab dan melihat apakah hasilnya membaik.

Mengapa jawaban berbeda padahal prompt sama?

Pembuatan jawaban melibatkan unsur keacakan. Google menjelaskan bahwa pengaturan suhu mengendalikan tingkat keacakan pemilihan kata, dan suhu rendah cocok untuk jawaban yang lebih deterministik. Banyak layanan percakapan tidak membiarkan Anda mengatur ini, jadi terimalah bahwa dua kali menjalankan prompt bisa berbeda. Itu alasan untuk memeriksa hal yang menentukan dan tidak berhenti pada satu jawaban.

Bagaimana menyusun prompt untuk dokumen yang sangat panjang?

Letakkan dokumen di awal, beri pemisah yang jelas, dan taruh pertanyaan di akhir, sesuai saran Anthropic dan Google. Anthropic juga menyarankan meminta AI mengutip bagian yang relevan lebih dulu sebelum menjawab, supaya ia memisahkan isi penting dari kebisingan. Bila dokumennya terlalu panjang, pecah menjadi beberapa bagian dan rantai beberapa prompt.

Apakah prompt yang sama bekerja di semua alat AI?

Belum tentu. Studi ICLR 2024 menemukan bahwa pengaruh format prompt hanya berkorelasi lemah antarmodel. Anthropic mengingatkan agar teknik yang disebut untuk model tertentu diuji ulang pada model lain. Simpan templat Anda, tetapi jalankan dulu pada beberapa contoh sebelum mengandalkannya di alat baru.

Bagaimana mencegah AI mengarang angka?

Tidak ada cara yang menjamin, tetapi Anda bisa menurunkan risikonya. Batasi AI pada bahan yang Anda berikan, minta ia menandai informasi yang hilang alih-alih menebak, dan minta ia menampilkan rumus untuk setiap hitungan. OpenAI memberi contoh batasan seperti hanya memakai sumber yang diberikan dan menandai informasi yang hilang. Setelah itu cocokkan angka penting dengan bahan asli.

Bolehkah saya menempelkan data kerja atau data pribadi?

Samarkan atau buang dulu. Ganti nama, nomor identitas, nomor rekening, dan angka rahasia dengan penanda. Periksa kebijakan alat yang Anda pakai dan aturan organisasi Anda. Penyamaran mengurangi risiko tetapi tidak menghapusnya, dan kalimat dalam prompt tidak berfungsi sebagai pagar keamanan. Bila ragu, jangan tempel.

Kapan saya harus berhenti memperbaiki prompt dan mengerjakan sendiri?

Berhentilah ketika dua atau tiga putaran perbaikan tidak membuat hasil lebih dekat ke yang Anda mau, ketika waktu yang terpakai melebihi waktu mengerjakan manual, atau ketika tugasnya menuntut penilaian yang tidak bisa Anda periksa. Pada keadaan itu, pakai AI untuk bagian yang paling aman, misalnya merapikan atau menyusun kerangka, dan kerjakan bagian intinya sendiri.

Sumber dan rujukan

  1. Anthropic. Prompting best practices. Claude Platform Docs. Panduan menyusun instruksi untuk model Claude, memuat saran instruksi yang jelas, konteks, contoh, struktur, dan data panjang. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
  2. OpenAI. Prompting. Dokumentasi ChatGPT Learn. Panduan menulis permintaan dengan tujuan, konteks, keluaran, dan batasan, serta memperbaikinya lewat pesan lanjutan. https://learn.chatgpt.com/docs/prompting
  3. Google. Prompt design strategies. Gemini API Docs. Panduan instruksi yang jelas, batasan, format respons, contoh few-shot, konteks, dan iterasi. https://ai.google.dev/gemini-api/docs/prompting-strategies
  4. Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., dan Liang, P. Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, jilid 12, 2024, halaman 157 sampai 173. https://aclanthology.org/2024.tacl-1.9/
  5. Sclar, M., Choi, Y., Tsvetkov, Y., dan Suhr, A. Quantifying Language Models’ Sensitivity to Spurious Features in Prompt Design or: How I learned to start worrying about prompt formatting. ICLR 2024. https://arxiv.org/abs/2310.11324

Semua tautan dibuka pada November 2026. Panduan produk dan fitur alat AI sering berubah, jadi periksa ulang halaman resminya sebelum menerapkan saran di sini.

Previous Post Next Post

Hubungi Kami