Prompt adalah kumpulan instruksi dan konteks yang Anda berikan kepada sistem kecerdasan buatan. Menulis prompt yang baik bukan soal menemukan kalimat rahasia, melainkan mengubah kebutuhan menjadi tugas yang dapat dinilai. Semakin jelas hasil yang diinginkan, semakin mudah membedakan jawaban yang sungguh membantu dari jawaban yang sekadar terdengar meyakinkan.
Model, alat, dan versinya terus berubah. Karena itu, pelajari prinsip yang dapat dipindahkan: tentukan tugas, berikan bahan tepercaya, batasi asumsi, jelaskan format keluaran, dan siapkan pengujian. Metode ini berguna untuk menulis, merangkum, mengekstrak informasi, membandingkan pilihan, maupun membuat kode. Sebelum melanjutkan, pahami apa itu AI generatif dan mengapa menghasilkan jawaban tidak sama dengan memverifikasinya.
Mulailah dari hasil, bukan tokoh
Kalimat “bertindaklah sebagai pakar terbaik di dunia” mungkin mengubah gaya, tetapi tidak memberi data atau ukuran keberhasilan. Sebaliknya, “ringkas laporan ini bagi tim nonteknis, pertahankan angka beserta satuannya, dan tandai klaim yang tidak memiliki sumber” menjelaskan tugas, pembaca, dan pengendalian.
Tentukan terlebih dahulu cara keluaran akan digunakan. Draf awal dapat menoleransi gagasan kreatif. Bahan pengambilan keputusan membutuhkan keterlacakan dan batas yang jelas. Konten yang akan diterbitkan atau dikirim harus melalui persetujuan manusia. Klasifikasi ini menentukan banyaknya konteks, pengujian, dan peninjauan yang dibutuhkan.
Pengujian cepat
Bayangkan instruksi itu diberikan kepada orang kompeten yang belum mengenal proyek Anda. Apakah ia tahu apa yang harus dibuat, bahan mana yang boleh dipakai, dan kapan harus berhenti? Jika tidak, model pun kekurangan informasi. Solusinya tidak selalu menulis lebih panjang. Terkadang satu contoh, definisi tabel, atau pemisahan tugas jauh lebih efektif.
Templat tujuh bagian
1. Tugas
Gunakan kata kerja konkret: kelompokkan, ringkas, bandingkan, ekstrak, tulis ulang, atau usulkan. Hindari tujuan yang saling bertentangan, misalnya “sangat ringkas tetapi jelaskan setiap rincian”. Jika ada beberapa tahap, urutkan dan tetapkan keluaran masing-masing.
2. Pembaca dan tujuan
Sebutkan siapa yang membaca hasil dan apa yang perlu dilakukannya sesudah itu. Ringkasan untuk pimpinan menonjolkan keputusan serta risiko; petunjuk bagi pelaksana memerlukan urutan dan kriteria. Pembaca memengaruhi kosakata, kedalaman, dan contoh.
3. Bahan rujukan
Pisahkan bahan sumber dari instruksi menggunakan pembatas yang jelas. Katakan bahwa informasi di luar blok tersebut tidak boleh direka. Bila ada beberapa dokumen, beri nama dan minta setiap klaim menyebut dokumen serta bagian yang mendukungnya.
4. Batasan
Nyatakan batas nyata: perkiraan panjang, bahasa, istilah yang harus dipertahankan, data yang tidak boleh muncul, dan tindakan yang dilarang. “Jangan mengarang sumber” berguna, tetapi lebih kuat bila ditambah “jika tidak ada di bahan, tulis ‘tidak tercantum’”. Sediakan jalan aman untuk ketidakpastian.
5. Format
Minta struktur yang mudah ditinjau, seperti tabel dengan kolom tetap, daftar bernomor, JSON dengan kolom tertentu, atau bagian berjudul. Format ketat dapat membantu otomatisasi, tetapi tetap harus divalidasi. Jika sistem selanjutnya mengharapkan JSON, gunakan mode keluaran terstruktur bila tersedia dan periksa skemanya.
6. Kriteria mutu
Jelaskan apa yang membuat jawaban dianggap benar. Misalnya, semua tanggal harus berasal dari dokumen, setiap rekomendasi harus terkait risiko yang teridentifikasi, dan pertanyaan terbuka harus dipisahkan dari kesimpulan. Kriteria yang dapat diamati membuat peninjauan lebih objektif.
7. Ketidakpastian dan verifikasi
Minta sistem menandai asumsi, pertentangan, dan data yang hilang. Anda boleh meminta tautan langsung, tetapi tetap harus membukanya. Untuk hitungan, minta rumus beserta satuan lalu ulangi dengan alat deterministik. Panduan literasi data membantu menilai angka dan pembanding.
Contoh: dari permintaan kabur menjadi terukur
Permintaan “buat artikel tentang keamanan” tidak menetapkan pembaca, cakupan, sumber, ataupun tujuan. Hasilnya cenderung umum dan sulit dinilai.
Versi yang lebih baik: “Buat kerangka panduan keamanan siber untuk pekerja mandiri tanpa tim teknis. Gunakan hanya tautan resmi yang dilampirkan. Bahas kata sandi unik, MFA, pembaruan, cadangan, dan phishing. Pada setiap bagian, tulis risiko, tindakan, dan cara memeriksanya. Jangan memasukkan angka yang tidak ada di sumber. Akhiri dengan pertanyaan yang perlu ditinjau editor.” Kini hasil memiliki batas serta pengujian.
Berikan contoh ketika format penting
Satu atau dua pasangan masukan dan keluaran dapat menjelaskan kategori atau gaya dengan lebih baik daripada beberapa paragraf. Contoh harus mewakili kasus nyata dan batasnya. Bila hanya menampilkan contoh mudah, model mungkin tetap gagal pada masukan yang ambigu.
Tambahkan contoh negatif jika kesalahpahaman mungkin terjadi: “Jangan kelompokkan permintaan pengembalian dana sebagai gangguan teknis hanya karena menyebut kata gagal.” Gunakan data sintetis yang mempertahankan struktur, bukan informasi sensitif.
Jangan biarkan contoh menjadi kurungan
Model dapat meniru kesalahan dari contoh, termasuk format yang salah. Pastikan contoh sudah benar dan jelaskan bagian yang wajib. Bila Anda menginginkan variasi, berikan kriteria yang harus dipenuhi, bukan satu kalimat yang harus disalin.
Pisahkan tugas yang rumit
Permintaan untuk meneliti, memutuskan, menulis, dan menerbitkan menggabungkan tahap dengan risiko berbeda. Pisahkan proses: ekstrak fakta, identifikasi kekosongan, usulkan kerangka, lalu buat draf. Manusia meninjau di antara tahap. Cara ini membatasi penumpukan kesalahan dan memungkinkan koreksi sebelum waktu dihabiskan untuk hasil akhir.
Dalam otomatisasi, setiap tahap perlu mencatat masukan serta keluaran minimum, memvalidasi format, dan berhenti ketika tidak yakin. Panduan mengotomatiskan tugas dengan AI menjelaskan persetujuan dan pemulihan.
Gunakan konteks dengan hati-hati
Konteks lebih banyak tidak selalu lebih baik. Dokumen yang tidak relevan dapat mengganggu fokus dan menambah biaya. Pilih bagian yang diperlukan, pertahankan judul, dan jelaskan prioritas. Jika dua sumber bertentangan, jangan meminta model memilih tanpa kriteria; mintalah pertentangannya ditampilkan.
Jangan menempelkan kredensial, data pribadi, kontrak, atau seluruh percakapan hanya demi kemudahan. Periksa kebijakan layanan, jenis akun, dan konfigurasi. Di tempat kerja, gunakan hanya alat yang berwenang. Baca cara melindungi privasi saat menggunakan AI.
Prompt untuk merangkum dengan keterlacakan
Tentukan cakupan, pembaca, dan unsur yang tidak boleh hilang. Contoh pola: “Ringkas dokumen menjadi lima butir. Setelah itu buat tabel berisi klaim, cuplikan bukti singkat, dan bagian sumber. Jangan mengisi kekosongan. Pisahkan rekomendasi penulis dari fakta yang dilaporkan.” Bandingkan tabel dengan naskah asli.
Untuk dokumen panjang, rangkum per bagian dan buat indeks temuan sebelum sintesis umum. Minta model mempertahankan satuan, penyangkalan, dan tanggal. Satu kata “tidak” yang hilang dapat membalikkan makna.
Prompt untuk membandingkan pilihan
Tentukan kriteria sebelum menyebut produk. Berikan bobot hanya bila masuk akal dan jangan menjumlahkan skala sewenang-wenang. Minta sistem membedakan “tidak ada bukti” dari “fitur tidak tersedia”. Setiap klaim dalam tabel sebaiknya memiliki sumber dan tanggal pemeriksaan bila harga atau fungsi mudah berubah.
Lakukan analisis sensitivitas setelahnya. Tanyakan apakah rekomendasi berubah bila privasi diberi bobot lebih besar daripada harga. Langkah ini memperlihatkan kesimpulan yang bergantung pada preferensi tersembunyi.
Prompt untuk kode
Sebutkan bahasa, versi, lingkungan, masukan, keluaran, batas, dan pengujian. Berikan pesan galat lengkap setelah menghapus rahasia. Minta perubahan minimum beserta risiko. Jalankan kode di lingkungan terisolasi, periksa dependensi, dan jangan memberi izin luas pada kode yang belum dipahami.
Untuk diagnosis, jelaskan hasil yang diharapkan, hasil nyata, dan langkah reproduksi. Minta hipotesis yang diurutkan serta pengujian yang membedakan tiap hipotesis. Blok kode yang tampak masuk akal belum membuktikan penyebab masalah.
Ulangi dengan mengubah satu variabel
Bila jawaban gagal, tentukan jenis kegagalan: fakta rekaan, format, kedalaman, nada, atau instruksi terabaikan. Ubah bagian yang berkaitan dan pertahankan lainnya. Menulis ulang semuanya membuat Anda tidak tahu perbaikan mana yang berhasil. Untuk tugas berulang, simpan versi prompt, model, tanggal, dan sekumpulan kecil kasus uji.
Panduan resmi dari OpenAI, Google, dan Anthropic menjelaskan teknik khusus platform mereka. Perlakukan sebagai dokumentasi penyedia, bukan jaminan bahwa satu teknik bekerja sama pada semua model.
Kesalahan umum
- Mengandalkan tokoh imajiner alih-alih kriteria.
- Menuntut kepastian ketika data tidak mencukupi.
- Mencampur instruksi dengan dokumen tanpa pembatas.
- Meminta sumber tetapi tidak membukanya.
- Memakai keluaran pertama sebagai versi akhir.
- Meminta tindakan eksternal tanpa persetujuan.
- Menyimpan rahasia di dalam templat bersama.
- Mengevaluasi hanya satu contoh yang mudah.
Daftar periksa
- Apakah tugas dimulai dengan kata kerja konkret?
- Apakah pembaca dan tujuan penggunaan sudah ditentukan?
- Apakah bahan sumber dipisahkan dengan jelas?
- Apakah tersedia batas dan keluaran aman untuk hal yang tidak diketahui?
- Apakah format mempermudah peninjauan?
- Apakah kriteria mutu dapat diamati?
- Apakah ada verifikasi di luar percakapan yang sama?
Prompt yang baik tidak memaksa model selalu benar. Ia membuat hasil lebih berguna dan kesalahan lebih mudah terlihat. Sifat kedua justru paling penting. Ketika keluaran dapat diperiksa, dibandingkan, dan ditolak, AI menjadi alat kerja, bukan sesuatu yang dipercaya tanpa bukti.
Pertanyaan umum
Apakah prompt yang lebih panjang selalu lebih baik?
Tidak. Prompt perlu memuat informasi relevan tanpa pertentangan. Instruksi singkat dan tepat dapat mengalahkan instruksi panjang yang penuh konteks tidak berguna.
Adakah kata ajaib yang memperbaiki semua jawaban?
Tidak ada rumus universal. Tujuan, sumber, batasan, format, dan evaluasi biasanya lebih penting daripada frasa populer.
Bisakah model diperintah agar tidak mengarang?
Risiko dapat dikurangi dan sistem dapat diberi jawaban aman seperti “tidak tercantum”, tetapi Anda masih harus memverifikasi. Instruksi tidak mengubah sistem generatif menjadi basis data yang selalu tepat.
Perlukah prompt disimpan?
Untuk tugas berulang, simpan templat, tujuan, versi, dan kasus ujinya. Jangan menyimpan rahasia atau data pribadi yang seharusnya berganti di dalam templat.
