Panduan Prompt Engineering
Panduan prompt engineering gratis untuk ChatGPT, Claude, dan Gemini: cara menulis prompt, teknik utama, prompt untuk coding, dan di mana model sering gagal. Setiap prompt di halaman ini bisa diedit dan dibuka di aplikasi AI-mu sendiri.
Mulai kursusMemulai
- Apa Itu PromptPrompt adalah teks yang kamu berikan ke model AI untuk memberi tahu apa yang harus dihasilkan. Lihat apa saja isinya, contoh prompt nyata untuk teks, kode, dan gambar, serta bedanya prompt dengan balasan dan prompt sistem.
- Prompt EngineeringPrompt engineering adalah praktik menulis dan menguji instruksi yang kamu berikan ke model AI supaya model menghasilkan output yang kamu butuhkan. Panduan ini menjelaskan kenapa cara ini berhasil dan memetakan setiap teknik intinya.
- Cara Menulis PromptPrompt yang bagus adalah arahan singkat: peran, tugas, konteks yang tidak bisa ditebak model, materi yang akan diolah, bentuk jawabannya, dan batasannya. Setiap bagian memperbaiki satu cara jawaban bisa melenceng.
- Contoh PromptTiga belas prompt siap salin untuk belajar, coding, menulis, dan membuat rencana. Isi bagian yang kosong, lalu salin prompt-nya atau buka di ChatGPT atau Claude.
- Prompt SistemPrompt sistem adalah kumpulan instruksi tetap yang berlaku untuk seluruh percakapan dengan model AI. Pelajari di mana letaknya, apa yang perlu ditulis di dalamnya, dan apa bedanya dengan pesan pengguna.
- Token dan KonteksModel AI membaca teks sebagai token, yaitu potongan kecil kata, dan hanya bisa menampung token dalam jumlah terbatas sekaligus: itulah context window. Pelajari cara kerja keduanya dan apa yang harus dilakukan saat chat jadi panjang.
- TemperatureTemperature mengatur seberapa banyak keacakan yang dipakai model bahasa saat memilih setiap kata berikutnya. Lihat bagaimana temperature mengubah peluang setiap kata, kapan mengaturnya rendah atau tinggi, dan apa bedanya dengan top_p.
Teknik Inti
- Zero-Shot PromptingZero-shot prompting berarti meminta model mengerjakan tugas hanya dari instruksi, tanpa contoh jawaban. Begitulah kebanyakan orang memakai ChatGPT, Claude, dan Gemini, dan cara ini efektif ketika tugasnya umum dan instruksinya tepat.
- Few-Shot PromptingFew-shot prompting memasukkan beberapa contoh yang sudah jadi, masing-masing berupa input dan jawaban yang kamu inginkan, ke dalam prompt supaya model meniru polanya. Ini cara tercepat untuk mengajarkan format, kumpulan label, atau gaya khas yang tidak akan ditebak model.
- Chain of ThoughtChain of thought prompting meminta model menuliskan penalarannya sebelum memberikan jawaban. Teknik ini paling membantu untuk soal matematika dan logika yang punya banyak langkah, dan kurang berpengaruh untuk model reasoning yang sudah berpikir sebelum menjawab.
- Role PromptingRole prompting memberi model sebuah peran untuk dimainkan, seperti tutor, code reviewer, atau pewawancara. Peran mengubah untuk siapa jawaban ditulis dan standar apa yang dipenuhinya; peran tidak menambah pengetahuan yang tidak dimiliki model.
- Output TerstrukturOutput terstruktur (structured output) berarti meminta jawaban dari model dalam bentuk yang sudah ditetapkan, seperti JSON, tabel, atau template, supaya program atau orang bisa langsung memakainya tanpa membentuk ulang. Berikan skemanya, sebutkan apa yang harus dilakukan dengan nilai yang tidak ada, dan validasi hasilnya di kode.
- Delimiter dan Tag XMLDelimiter menandai di mana materi yang ditempel dimulai dan berakhir, supaya model bisa membedakan instruksimu dari teks yang harus diolahnya. Tanda kutip, triple backtick, baris ###, dan tag XML semuanya bisa dipakai; tag XML paling cocok ketika sebuah prompt berisi beberapa materi.
- Template PromptTemplate prompt adalah prompt yang sudah kamu uji, dengan bagian kosong untuk hal-hal yang berubah setiap kali. Salin template siap pakai dengan kolom isian, lalu ubah prompt terbaikmu sendiri menjadi template dalam lima langkah.
Teknik Lanjutan
- Prompt ChainingPrompt chaining memecah sebuah pekerjaan menjadi rangkaian prompt yang lebih kecil, di mana output setiap langkah menjadi input langkah berikutnya. Setiap langkah melakukan satu hal, dan kamu bisa mengecek hasilnya sebelum langkah berikutnya berjalan.
- Self-ConsistencySelf-consistency prompting mengajukan pertanyaan penalaran yang sama beberapa kali, membiarkan setiap percobaan bernalar dengan caranya sendiri, lalu menyimpan jawaban yang paling sering muncul. Berikut cara kerjanya, cara melakukannya secara manual, dan cara melakukannya di kode.
- Tree of ThoughtTree of thought prompting membuat model menjelajahi beberapa solusi parsial, menilai masing-masing, dan hanya menyimpan cabang-cabang yang menjanjikan. Berikut cara kerja metode aslinya, versi satu prompt yang bisa kamu coba, dan kekurangan versi itu.
- ReAct PromptingReAct prompting membuat model bergantian antara bernalar tentang sebuah tugas dan memanggil tool, membaca setiap hasilnya sebelum memutuskan langkah berikutnya. Inilah loop di balik sebagian besar agen AI.
- Meta PromptingMeta prompting berarti memakai model untuk mengerjakan prompt: menulis prompt dari nol, memperbaiki prompt yang sudah kamu punya, atau memecah tugas menjadi prompt-prompt untuk pemanggilan model lain. Berikut cara melakukan masing-masing tanpa mendapat prompt yang membengkak.
- Context EngineeringContext engineering adalah menentukan semua yang masuk ke context window model di setiap pemanggilan: instruksi, dokumen, hasil tool, memori, dan riwayat percakapan, beserta urutannya. Prompt yang kamu ketik hanyalah salah satu bagiannya.
Prompt untuk Kode
- Prompt untuk Menulis KodePrompt untuk coding berhasil ketika terbaca seperti spesifikasi kecil: bahasa dan versinya, input dan output-nya, kasus-kasus tepinya, dan tes yang harus dilewati kodenya. Minta satu langkah kecil dalam satu waktu.
- Prompt untuk DebuggingUntuk debugging dengan ChatGPT atau Claude, tempel error lengkapnya dan kode yang memunculkannya, sebutkan apa yang kamu harapkan dan apa yang terjadi, sebutkan apa yang sudah kamu coba, lalu minta penyebabnya sebelum perbaikannya.
- Menjelaskan KodeMinta AI menjelaskan kode baris demi baris, sesuai levelmu, dengan tabel yang menunjukkan bagaimana nilai-nilainya berubah saat kode berjalan. Sebutkan apa yang sudah kamu ketahui supaya penjelasannya dimulai dari posisimu.
- Prompt untuk Code ReviewPrompt code review yang bagus menyebutkan apa yang harus dicari, meminta tingkat keparahan untuk setiap temuan, meminta input konkret yang memicu kegagalan beserta diff-nya, dan menyuruh model melewatkan soal gaya. Lalu kamu mengecek setiap temuan, karena sebagian akan salah.
Batasan dan Keamanan
- Halusinasi AIHalusinasi AI adalah jawaban meyakinkan yang ternyata salah: fakta, kutipan, fungsi, atau package yang dikarang. Ini terjadi karena model bahasa memprediksi teks yang paling mungkin alih-alih mencari informasi. Prompt bisa menguranginya; hanya pengecekan yang bisa menangkapnya.
- Prompt InjectionPrompt injection adalah serangan di mana teks yang dibaca model, entah diketik pengguna atau disembunyikan di email, halaman web, atau file, menimpa instruksi yang diberikan aplikasi kepadanya. Delimiter membantu tapi tidak menghentikannya; membatasi apa yang bisa dilakukan model yang bisa.
- Iterasi PromptMemperbaiki prompt paling berhasil kalau dilakukan sebagai eksperimen kecil: tentukan seperti apa jawaban yang bagus, siapkan beberapa input uji yang tetap, ubah satu hal dalam satu waktu, lalu bandingkan output-nya berdampingan.
