Apa itu rekayasa cepat dengan kata sederhana
Prompt adalah instruksi teks yang Anda berikan kepada model, dan rekayasa prompt adalah kemampuan untuk menyusunnya sehingga jawabannya akurat dan dapat diterapkan. Model bahasa tidak membaca pikiran: model ini melengkapi kelanjutan teks Anda yang paling mungkin. Semakin kabur masukannya, semakin rata-rata dan tidak berguna keluarannya. Prompt kerja hampir selalu terdiri dari lima blok: peran (siapa yang seharusnya menjadi model), konteks (situasi dan data seperti apa), tugas (apa sebenarnya yang harus dilakukan), format (dalam bentuk apa memberikan jawaban) dan batasan (volume, nada, apa yang harus dihindari). Anda tidak perlu mengingat hal ini—cukup periksa permintaan Anda dengan cepat berdasarkan daftar periksa sebelum mengirimkannya. Segera setelah Anda menambahkan kekhususan pada setiap blok, kualitas jawaban meningkat secara dramatis, dan jumlah penulisan ulang turun hingga hampir nol.
Apa yang membentuk prompt yang kuat: konteks dan format
Ada dua hal yang memiliki dampak terbesar pada hasil: seberapa banyak konteks yang Anda berikan dan seberapa jelas Anda mendeskripsikan format yang diinginkan. Konteks adalah fakta yang tidak diketahui oleh model: siapa audiensnya, apa tujuannya, apa batasannya, contoh hasil bagus apa yang sudah ada. Daripada “menulis surat kepada klien”, berikan intisarinya: siapa kliennya, apa yang terjadi, nada apa yang pantas, apa yang ingin kita capai. Formatnya adalah struktur jawaban: daftar lima poin, tabel dengan kolom, huruf tiga paragraf, jawaban tidak lebih dari seratus kata. Tanyakan langsung: “Berikan jawabannya pada tabel dengan kolom Masalah, Penyebab, Solusi.” Model mempertahankan bentuk tertentu dengan sempurna jika didefinisikan dengan jelas. Kedua blok ini mengubah permintaan yang tidak jelas menjadi tugas teknis, sehingga mudah untuk memberikan apa yang Anda butuhkan segera, tanpa sepuluh lingkaran klarifikasi.
Teknik beberapa tembakan: tunjukkan contoh jawaban yang diminta
Teknik yang paling diremehkan adalah dengan menunjukkan contoh apa yang Anda inginkan kepada model alih-alih mendeskripsikannya dengan kata-kata. Ini disebut beberapa tembakan: Anda memberikan satu hingga tiga sampel dari pasangan “input → output yang diinginkan”, dan kemudian input baru. Model ini menangkap nada, panjang, struktur, dan logika dari pola dengan lebih akurat dibandingkan dari instruksi apa pun. Misalnya, untuk menandai ulasan, berikan dua ulasan yang ditandai dengan bidang yang wajib diisi - dia akan melakukan ulasan ketiga dalam bentuk yang sama. Untuk huruf, tunjukkan satu huruf sesuai gaya Anda dan huruf berikutnya akan serupa. Teknik ini sangat berguna ketika hasilnya sulit dijelaskan dengan kata-kata, tetapi mudah ditunjukkan: nada korporat, format tertentu, logika non-standar. Jika jawaban “mengambang” dari permintaan ke permintaan, tambahkan contoh - stabilitas meningkat secara dramatis tanpa satu paragraf penjelasan tambahan.
Iterasi dan Debugging: Mengapa Jawaban Pertama Tidak Ideal
Rekayasa yang cepat adalah sebuah dialog, bukan satu gambaran yang jelas. Jika jawabannya salah, jangan memulai dari awal—perbaiki masalah spesifiknya. Terlalu lama? Tambahkan “tidak lebih dari seratus dua puluh kata.” Terlalu umum? Mintalah angka dan contohnya. Pergi ke tempat yang salah? Perjelas apa sebenarnya yang salah: “hapus pendahuluan, segera mulai dengan langkah-langkahnya.” Untuk masalah yang kompleks, ada gunanya meminta model untuk bernalar langkah demi langkah sebelum mendapatkan jawaban akhir - dengan cara ini kesalahan logika akan lebih sedikit. Trik lainnya adalah dengan menetapkan kriteria kualitas langsung pada prompt: “jawaban yang baik mengandung X, Y dan tidak mengandung Z.” Simpan formulasi yang berhasil: seiring waktu, satu set templat yang terbukti akan terakumulasi. Men-debug kueri memerlukan waktu beberapa detik, dan perbedaan hasilnya seperti antara draf pekerja magang dan pekerjaan spesialis.
Bagaimana menghindari fiksi dan mendapatkan jawaban yang dapat diandalkan
Model ini dapat dengan percaya diri menemukan fakta, tautan, dan angka - ini adalah titik lemahnya, dan model ini perlu dikendalikan. Trik pertama: izinkan secara eksplisit untuk tidak mengetahui. Ungkapan “jika data tidak cukup, tulis, jangan dibuat-buat” secara signifikan mengurangi jumlah penemuan. Kedua: berikan faktanya sendiri. Jangan bertanya “berapa biaya tarif kami”, tetapi masukkan data ke dalam prompt dan minta untuk bekerja hanya dengan mereka. Ketiga: meminta untuk menandai asumsi secara terpisah dari fakta atau menunjukkan apa yang mendasari kesimpulan tersebut. Untuk tugas penting, tambahkan langkah verifikasi: “baca kembali jawabannya dan tandai pernyataan yang Anda tidak yakin.” Dan selalu periksa ulang nomor, nama, dan kutipan dengan tangan - modelnya bagus sebagai draf dan asisten, tetapi tanggung jawab atas fakta tetap ada pada Anda. Keterampilan inilah yang membedakan seorang amatir dengan seseorang yang dapat dipercaya dalam suatu tugas kerja.