Ano ang Prompt Engineering? Praktikal na Gabay para sa Hindi Developer

Ang prompt engineering ay ang pagsulat at pagpino ng mga tagubilin para sa AI model para maaasahan nitong magawa ang gusto mo. Ang prompt ay anumang ibinibigay mo sa model: tanong, gawain, konteksto, halimbawa. Ang pag-engineer nito ay nangangahulugang sinasadya mo ang inilalagay, sinusubukan ang lumalabas, at inaayos ito. Hindi ito tungkol sa mahiwagang parirala kundi sa malinaw na komunikasyon.

Bakit mahalaga ito kapag gumagawa ka gamit ang AI

Sa AI app builder, ang iyong mga prompt ang specification. Ang AI ay makakagawa lang ng kung ano ang inilarawan mo, at kapag may puwang ang hiling mo, pinupunan ito ng AI ng mga hulang mukhang makatwiran. Minsan maganda ang mga hula. Madalas hindi ito ang ibig mong sabihin: maling mga field sa form, feature na hindi mo gusto, o disenyong hindi bagay sa audience mo.

Ang malinaw na prompt ay nakakatipid sa iyo ng ilang round ng pagwawasto, at bawat round ay nagkakaroon ng oras at kadalasan ng credits. Mahalaga rin ang prompting kapag nagdagdag ka ng AI sa loob mismo ng iyong app: ang mga tagubiling ibinibigay mo sa model na iyon ang nagpapasya kung paano makikipag-usap ang iyong chatbot sa mga customer, ano ang tatanggihan nito, at kung mananatili ba ito sa mga tamang facts mo. Para sa app-building mismo, tingnan ang paano sumulat ng prompt para sa AI app builder.

Isang analohiya sa araw-araw

Isipin mong nagbibigay ka ng briefing sa isang magaling na freelancer na hindi ka pa nakikilala, walang alam sa negosyo mo, at magsisimulang magtrabaho sa sandaling tumigil ka sa pagsasalita.

“Gawan mo ako ng logo” ang makakakuha ng isang logo. Ang “Logo para sa swimming school ng mga bata sa Dubai; friendly, hindi pambata; asul at orange; dapat malinaw kahit maliit sa swim cap; narito ang dalawang gusto namin at isang ayaw namin” ay makakakuha ng halos kung ano ang gusto mo.

Ang AI model ay ganyang freelancer: magaling, mabilis, at ganap na nakadepende sa briefing mo. Ang prompt engineering ay ang pagkatuto kung paano sumulat ng magandang briefing.

Ang mga pangunahing teknik

Teknik	Ibig sabihin	Halimbawa
Maging tiyak sa layunin	Sabihin kung ano ang gusto mo at bakit.	“Booking page para makapili ang mga bagong kliyente ng 30 o 60 minutong session.”
Magbigay ng konteksto	Para kanino ito, ano na ang meron, ano ang mahalaga.	“Karamihan ng user ay mas matatandang kliyente na nasa phone.”
Tukuyin ang “tapos”	Ilarawan ang tapos na resulta.	“Tapos na kapag makakapag-book ang kliyente at may email ako.”
Maglagay ng limitasyon	Ano ang hindi dapat gawin, at mga hangganan.	“Huwag munang maglagay ng login. Panatilihin ang kasalukuyang kulay.”
Magpakita ng halimbawa	Magbigay ng sample ng magandang resulta.	“Isulat ang reply sa ganitong istilo: …”
Humiling ng format	Sabihin kung paano ayusin ang output.	“Sagutin bilang table na may columns na X, Y, Z.”
Hatiin sa mga hakbang	Isang piraso sa bawat pagkakataon para sa malalaking gawain.	“Una ang data model, saka ang form, saka ang mga email.”
Hayaang magtanong o magplano muna	Kumuha ng plano bago ang anumang pagbabago.	“Bago gumawa, ilista ang mga tanong mo at ang plano.”
Ulitin at pinuhin	Suriin ang resulta at pinuhin.	“Gumagana na ang form. Ngayon gawing mas malaki ang date picker.”

Isang halimbawang gawa: bago at pagkatapos

Bago:

Gumawa ng gym app.

Kailangang hulaan ng AI ang lahat: members o staff? Klase o personal training? Bayad? Malamang na makakakuha ka ng generic na dashboard na may gawa-gawang workouts.

Pagkatapos:

Gumawa ng web app para sa maliit na boxing gym na may mga 150 members.

Sino ang gumagamit: Nagbo-book ng klase ang mga member gamit ang phone nila. Si Sam, ang may-ari, ang nag-aayos ng timetable sa laptop.

Puwedeng gawin ng members: Tingnan ang mga klase ngayong linggo (oras, coach, bakanteng slot) at mag-book o magkansela hanggang 2 oras bago magsimula.

Puwedeng gawin ni Sam: Magdagdag, mag-edit at magkansela ng klase, at makita kung sino ang naka-book sa bawat isa.

Mga patakaran: Pinakamataas na 12 tao bawat klase. Walang double-booking sa parehong slot.

Hindi pa ngayon: bayad, workout tracking, mobile app.

Istilo: madilim na background, pulang accent, malalaking button na madaling pindutin.

Bago ka gumawa, ilista ang anumang hindi malinaw at ilarawan ang mga pahinang gagawin mo.

Hindi matalino ang pangalawang prompt; kumpleto ito. Pinangalanan nito ang mga user, aksyon, patakaran, kung ano ang iiwan, at kung paano magsimula. Ang huling linya ay nag-aanyaya sa AI na magplano at magtanong, na nakakahuli ng hindi pagkakaunawaan bago pa may maisulat na code.

Mga prompt sa loob ng iyong app

Kapag ang mismong app mo ay tumatawag sa isang LLM, sumusulat ka ng mga prompt na tatakbo nang maraming beses, para sa maraming user. Pareho ang mga prinsipyo, pero may ilang dagdag:

System prompt: mga permanenteng tagubiling humuhubog sa bawat sagot: papel, tono, mga patakaran. Halimbawa: “Ikaw ang assistant ng Leaf & Pot, isang plant shop. Sumagot lang tungkol sa mga order, halaman at delivery.”
Grounding: isama ang mga facts na dapat gamitin ng model, gaya ng mga patakaran o product catalogue mo, at sabihin na umasa rito. Tingnan ang ano ang LLM para malaman kung bakit ito mahalaga.
Fallback: sabihin kung ano ang gagawin kapag hindi sigurado: “Kung wala sa ibinigay na impormasyon ang sagot, sabihin ito at mag-alok ng support email.”
Format ng output: kung binabasa ng code mo ang sagot, humingi ng mahigpit na format gaya ng JSON.
Pagsubok: subukan ang mga kakaibang input (bastos na mensahe, off-topic na tanong, pagtatangkang ipa-ignore ang tagubilin nito, na tinatawag na prompt injection) bago pa ito gawin ng mga totoong user.

Mga pangunahing terminong ipinaliwanag

Termino	Ibig sabihin
Prompt	Ang input na ibinibigay mo sa AI model.
System prompt	Permanenteng tagubilin na itinakda bago ang usapan.
Context	Background na impormasyong isinama sa prompt.
Zero-shot / few-shot	Pagtatanong na walang halimbawa, o may ilang halimbawa ng gustong output.
Chain of thought	Pagpapagawa sa model na dumaan sa problema nang hakbang-hakbang bago sumagot.
Grounding	Pagbibigay sa model ng source material at pag-utos na batayan ang sagot dito.
Prompt injection	Teksto na sumusubok na i-override ang tagubilin ng model, tulad ng “ignore previous instructions”.
Context window	Gaano karaming teksto ang kayang isaalang-alang ng model nang sabay.
Iteration	Pagpino ng prompt batay sa lumabas na resulta.

Mga karaniwang pagkakamali at maling akala

Paghahanap ng magic words. Mas kaunti ang halaga ng “Ikaw ay isang world-class expert” kaysa sa pagsasabi ng talagang kailangan mo.
Paghingi ng lahat nang sabay. Ang 20-feature na hiling ay magbubunga ng 20 kalahating tapos na feature. Gumawa nang paunti-unti.
Paglalarawan ng solusyon sa halip na problema. Mas kapaki-pakinabang ang “Kailangan ni Sam na makita agad kung sino ang naka-book sa bawat klase” kaysa “Magdagdag ng table na may tatlong column.”
Hindi pagsasabi ng ayaw mo. Kung ayaw mo pa ng login, bayad o redesign, sabihin ito.
Hindi pagbabasa ng resulta. Subukan ang nagawa laban sa iyong depinisyon ng “tapos” bago magpatuloy.
Pagsisimula ulit sa halip na pagpino. Kadalasan, mas mabisa ang maikling follow-up (“malapit na, palitan ang X”) kaysa muling isulat ang buong prompt.
Paglalagay ng secrets sa prompt. Huwag ilagay ang password o live API key sa chat maliban kung may ligtas na paraan ang tool para itago ang mga ito.

Ano ang hihilingin sa iyong AI builder

“Bago gumawa, magtanong ka muna at ipakita ang plano mo.”
“Ulitin mo sa tatlong pangungusap kung ano sa tingin mo ang gusto ko.”
“Baguhin lang ang booking form; huwag galawin ang iba.”
“Ano ang ipinalagay mo na hindi ko naman sinabi?”
“Gawing maikling spec ang mga tala ko na may users, features, patakaran at mga bagay na “hindi pa ngayon”.” Tingnan ang paano sumulat ng product requirements doc gamit ang AI.
“Sabihin mo kung paano ko sana mas magandang naisulat ang request na iyon.”

Pagpo-prompt sa Mythex

May tatlong chat mode ang Mythex na babagay sa ganitong paraan ng pagtatrabaho: Plan para pagkasunduan ang paraan bago magbago ang anuman, Build para gumawa ng mga pagbabago, at Ask para sa mga tanong na hindi dapat mag-edit ng files. Puwede kang maglakip ng screenshot o mock-up bilang konteksto, at kung pumalpak ang pagbabago, puwede kang bumalik sa checkpoint. Ang mga docs page tungkol sa effective prompts at iterating ay may mas maraming halimbawa, at ang paano mag-iterate sa AI-built app ay tumatalakay sa follow-up loop.

Mga tanong

Ano ang prompt engineering sa simpleng salita?

Ang prompt engineering ay ang pagsulat at pagpino ng mga tagubilin para sa AI model para makagawa ito ng resultang gusto mo nang maaasahan. Kasama rito ang tinatanong mo, ang konteksto na ibinibigay mo, mga halimbawa, mga limitasyon at ang format ng sagot na gusto mo.

Kailangan ba ng espesyal na tricks o magic words?

Hindi naman talaga. Ang mga modernong model ay pinakamahusay tumugon sa malinaw, tiyak at maayos na mga tagubilin, ang parehong bagay na nakakatulong sa isang katrabahong tao. Mas mahalaga ang konteksto, mga halimbawa at malinaw na paglalarawan ng tapos na resulta kaysa sa mga espesyal na salita.

Ano ang system prompt?

Ang system prompt ay hanay ng mga permanenteng tagubilin na ibinibigay sa model bago ang usapan, gaya ng papel nito, mga patakaran at tono. Ginagamit ito ng mga app para hubugin ang bawat sagot, habang susunod naman ang mga mensahe ng user.

Kailangan pa ba ng prompt engineering habang tumatalino ang AI?

Mas kaunting workaround ang kailangan ng mas magagaling na model, pero hindi pa rin nila nababasa ang isip mo. Ang pagsasabi ng iyong layunin, audience, limitasyon at kung ano ang “tapos” ay palaging magpapabuti ng resulta, dahil ang model ay kaya lang gumana sa mga sinabi mo.