Apa Itu Prompt Engineering? Panduan Praktis untuk Non-Developer
Prompt engineering adalah praktik menulis dan menyempurnakan instruksi untuk model AI agar secara andal menghasilkan apa yang Anda inginkan. Prompt adalah apa pun yang Anda berikan kepada model — pertanyaan, tugas, konteks, contoh — dan merekayasanya berarti sengaja memikirkan apa yang dimasukkan, menguji apa yang keluar, lalu menyesuaikannya. Ini bukan soal frasa ajaib, melainkan soal komunikasi yang jelas.
Mengapa ini penting saat membangun dengan AI
Dengan AI app builder, prompt Anda adalah spesifikasinya. AI hanya bisa membangun apa yang Anda deskripsikan, dan ketika permintaan Anda menyisakan celah, AI mengisinya dengan tebakan yang terdengar masuk akal. Kadang tebakannya bagus. Seringnya tidak sesuai maksud Anda: field formulir yang keliru, fitur yang tidak Anda inginkan, desain yang tidak cocok dengan audiens Anda.
Prompt yang jelas menghemat beberapa putaran koreksi, dan setiap putaran memakan waktu serta biasanya kredit. Prompting juga penting jika Anda menambahkan AI di dalam aplikasi Anda: instruksi yang Anda berikan ke model itu menentukan cara chatbot Anda berbicara dengan pelanggan, apa yang ditolaknya, dan apakah ia tetap berpegang pada fakta Anda. Untuk aplikasi secara khusus, lihat cara menulis prompt untuk AI app builder.
Analogi sehari-hari
Bayangkan memberi arahan kepada freelancer terampil yang belum pernah bertemu Anda, tidak tahu apa pun tentang bisnis Anda, dan akan mulai bekerja begitu Anda berhenti bicara.
"Buatkan saya logo" menghasilkan sebuah logo. "Logo untuk sekolah renang anak di Dubai; ramah, tidak kekanak-kanakan; biru dan oranye; harus tetap terbaca kecil di tutup kepala renang; ini dua contoh yang kami suka dan satu yang tidak kami suka" menghasilkan sesuatu yang mendekati keinginan Anda.
Model AI adalah freelancer itu — berbakat, cepat, dan sepenuhnya bergantung pada arahan Anda. Prompt engineering adalah belajar menulis arahan yang baik.
Teknik inti
| Teknik | Artinya | Contoh |
|---|---|---|
| Spesifik soal tujuan | Katakan apa yang Anda inginkan dan mengapa. | "Halaman pemesanan agar klien baru bisa memilih sesi 30 atau 60 menit." |
| Berikan konteks | Untuk siapa, apa yang sudah ada, apa yang penting. | "Penggunanya kebanyakan klien yang lebih tua, memakai ponsel." |
| Tentukan 'selesai' | Deskripsikan hasil akhirnya. | "Selesai berarti klien bisa memesan, dan saya mendapat email." |
| Tetapkan batasan | Apa yang tidak boleh dilakukan, dan batasnya. | "Jangan tambahkan login dulu. Pertahankan warna yang ada." |
| Tunjukkan contoh | Berikan contoh seperti apa hasil yang baik. | "Tulis balasan dengan gaya ini: …" |
| Minta format | Beri tahu cara menyusun keluaran. | "Jawab dalam tabel dengan kolom X, Y, Z." |
| Pecah menjadi langkah | Satu bagian sekaligus untuk tugas besar. | "Pertama model data, lalu formulir, lalu email." |
| Biarkan AI bertanya atau merencanakan dulu | Dapatkan rencana sebelum ada perubahan. | "Sebelum membangun, daftarkan pertanyaan dan rencana Anda." |
| Iterasi | Periksa hasil dan sempurnakan. | "Formulirnya sudah jalan. Sekarang perbesar pemilih tanggal." |
Contoh nyata: sebelum dan sesudah
Sebelum:
Buatkan aplikasi gym.
AI harus menebak semuanya: anggota atau staf? Kelas atau personal training? Pembayaran? Anda mungkin mendapat dashboard generik dengan latihan fiktif.
Sesudah:
Bangun aplikasi web untuk gym tinju kecil dengan sekitar 150 anggota.
Siapa yang memakai: Anggota memesan kelas lewat ponsel mereka. Pemilik, Sam, mengelola jadwal di laptop.
Anggota bisa: melihat kelas minggu ini (waktu, pelatih, sisa tempat) dan memesan atau membatalkan hingga 2 jam sebelum mulai.
Sam bisa: menambah, mengedit, dan membatalkan kelas, serta melihat siapa saja yang sudah memesan tiap kelas.
Aturan: maksimal 12 orang per kelas. Tidak ada pemesanan ganda untuk slot yang sama.
Belum sekarang: pembayaran, pelacakan latihan, aplikasi seluler.
Gaya: latar gelap, aksen merah, target sentuh yang besar.
Sebelum Anda membangun, daftarkan apa pun yang belum jelas dan jelaskan halaman yang akan Anda buat.
Prompt kedua bukan cerdas-cerdasan; ia lengkap. Ia menyebutkan pengguna, tindakan, aturan, apa yang ditinggalkan, dan cara memulai. Baris terakhir mengundang AI untuk merencanakan dan bertanya, yang menangkap salah paham sebelum kode ditulis.
Prompt di dalam aplikasi Anda
Ketika aplikasi Anda sendiri memanggil LLM, Anda menulis prompt yang dijalankan berkali-kali, untuk banyak pengguna. Prinsipnya sama, ditambah beberapa hal lain:
- System prompt: instruksi tetap yang membentuk setiap jawaban — peran, nada, aturan. "Anda adalah asisten untuk Leaf & Pot, toko tanaman. Hanya jawab pertanyaan tentang pesanan, tanaman, dan pengiriman."
- Grounding: sertakan fakta yang harus digunakan model, seperti kebijakan atau katalog produk Anda, dan minta ia berpegang padanya. Lihat apa itu LLM untuk alasan mengapa ini penting.
- Cadangan: beri tahu apa yang harus dilakukan saat tidak yakin: "Jika jawabannya tidak ada dalam informasi yang diberikan, katakan demikian dan tawarkan email dukungan."
- Format keluaran: jika kode Anda membaca jawabannya, minta format yang ketat seperti JSON.
- Pengujian: coba input yang sulit — pesan kasar, pertanyaan di luar topik, upaya membuat model mengabaikan instruksinya (disebut prompt injection) — sebelum pengguna sungguhan melakukannya.
Istilah kunci dijelaskan
| Istilah | Artinya |
|---|---|
| Prompt | Input yang Anda berikan ke model AI. |
| System prompt | Instruksi tetap yang diatur sebelum percakapan. |
| Context | Informasi latar yang disertakan dalam prompt. |
| Zero-shot / few-shot | Bertanya tanpa contoh, atau dengan beberapa contoh keluaran yang diinginkan. |
| Chain of thought | Meminta model bekerja selangkah demi selangkah sebelum menjawab. |
| Grounding | Memberi model materi sumber dan memintanya mendasarkan jawaban padanya. |
| Prompt injection | Teks yang mencoba menimpa instruksi model, seperti "abaikan instruksi sebelumnya". |
| Context window | Seberapa banyak teks yang bisa dipertimbangkan model sekaligus. |
| Iterasi | Menyempurnakan prompt berdasarkan hasil yang dikembalikan. |
Kesalahan umum dan kesalahpahaman
- Mencari kata-kata ajaib. "Anda adalah pakar kelas dunia" jauh kurang penting daripada menyebutkan apa yang sebenarnya Anda butuhkan.
- Meminta semuanya sekaligus. Permintaan 20 fitur menghasilkan 20 fitur setengah jadi. Bangun per bagian.
- Mendeskripsikan solusi, bukan masalah. "Tambahkan tabel dengan tiga kolom" kurang berguna dibanding "Sam perlu melihat siapa saja yang sudah memesan tiap kelas sekilas."
- Lupa menyebutkan apa yang tidak boleh dilakukan. Jika Anda belum menginginkan login, pembayaran, atau desain ulang, katakan.
- Tidak membaca hasilnya. Uji apa yang dibangun terhadap definisi "selesai" Anda sebelum lanjut.
- Mulai dari nol alih-alih menyempurnakan. Biasanya tindak lanjut singkat ("sudah dekat; ubah X") lebih baik daripada menulis ulang seluruh prompt.
- Menempelkan rahasia ke dalam prompt. Jangan tempelkan kata sandi atau kunci API live ke chat kecuali alatnya punya cara aman untuk menyimpannya.
Yang bisa Anda minta dari AI builder
- "Sebelum membangun, tanyakan kepada saya apa pun yang perlu dan tunjukkan rencananya."
- "Ulangi apa yang menurut Anda saya inginkan dalam tiga kalimat."
- "Hanya ubah formulir pemesanan; jangan sentuh yang lain."
- "Apa yang Anda asumsikan yang tidak saya tentukan?"
- "Ubah catatan saya menjadi spesifikasi singkat berisi pengguna, fitur, aturan, dan item 'belum sekarang'." Lihat cara menulis product requirements doc dengan AI.
- "Sarankan bagaimana saya bisa menulis permintaan itu dengan lebih baik."
Prompting di Mythex
Mythex punya tiga mode chat yang cocok dengan cara kerja ini: Plan untuk menyepakati pendekatan sebelum ada yang berubah, Build untuk membuat perubahan, dan Ask untuk pertanyaan yang tidak boleh mengubah file. Anda bisa melampirkan tangkapan layar atau mock-up sebagai konteks, dan jika suatu perubahan keliru, Anda bisa kembali ke checkpoint. Halaman dokumentasi tentang prompt yang efektif dan iterasi memuat contoh lainnya, dan cara melakukan iterasi pada aplikasi yang dibuat AI membahas alur tindak lanjutnya.
Pertanyaan
Apa itu prompt engineering secara sederhana?
Prompt engineering adalah praktik menulis dan menyempurnakan instruksi untuk model AI agar menghasilkan hasil yang Anda inginkan secara andal. Ini mencakup apa yang Anda minta, konteks yang Anda berikan, contoh, batasan, dan format hasil yang Anda harapkan.
Apakah saya perlu trik khusus atau kata-kata ajaib?
Tidak juga. Model modern paling baik merespons instruksi yang jelas, spesifik, dan tertata rapi — hal yang sama yang membantu rekan kerja manusia. Konteks, contoh, dan deskripsi jelas tentang hasil akhir jauh lebih penting daripada frasa khusus.
Apa itu system prompt?
System prompt adalah serangkaian instruksi tetap yang diberikan kepada model sebelum percakapan, seperti peran, aturan, dan nadanya. Aplikasi memakainya untuk membentuk setiap jawaban, sementara pesan pengguna datang setelahnya.
Apakah prompt engineering masih dibutuhkan saat AI makin pintar?
Model yang lebih baik memang butuh lebih sedikit trik, tetapi mereka tetap tidak bisa membaca pikiran Anda. Menyebutkan tujuan, audiens, batasan, dan seperti apa hasil yang 'selesai' akan selalu memperbaiki hasil, karena model hanya bisa bekerja dengan apa yang Anda sampaikan.