Fondasi Membuat Prompt yang mudah dieksekusi oleh AI

Sebelum kita bisa jago kasih instruksi ke AI, kita harus paham dulu: sebenernya apa sih isi sebuah prompt?

Bayangin kamu lagi ngasih instruksi ke asisten pribadi. Kamu nggak bakal bilang: "Kerjain." — nggak jelas, kan? Kamu perlu bilang: "Tolong carikan saya 3 artikel tentang AI untuk pemula, dalam bahasa Indonesia, dalam bentuk daftar poin." Nah, itu contoh prompt yang punya struktur.

Secara umum, sebuah prompt yang baik terdiri dari 4 elemen utama. Nggak semua prompt butuh keempatnya, tapi makin kompleks tugasnya, makin lengkap elemen yang perlu kamu kasih. Mari kita bedah satu per satu.

Instruction adalah inti dari prompt. Ini adalah perintah langsung yang memberitahu AI apa yang harus dilakukan. Tanpa instruction yang jelas, AI akan bingung dan hasilnya ngawur.

Instruction yang baik punya ciri-ciri berikut: - Kata kerja yang spesifik: "Tulis", "Bandingkan", "Ringkas", "Buat daftar", "Jelaskan". Hindari kata kerja umum seperti "Bantu saya" atau "Lihat ini". - Satu instruction utama per prompt. Kalau kamu punya banyak instruksi, urutkan dari yang paling penting. - Hindari instruksi yang saling bertentangan. Contoh SALAH: "Jawab dengan singkat tapi detail." — ini membingungkan.

Coba bayangkan kamu di dapur. Kalau kamu bilang "Masak!" ke asisten, dia akan bingung. Tapi kalau kamu bilang "Iris bawang merah tipis-tipis, lalu tumis sampai harum" — itu instruction yang jelas.

Tips praktis: mulai prompt kamu dengan kata kerja langsung. "Tulis email..." lebih baik daripada "Saya butuh bantuan untuk email...". AI akan langsung paham tindakan apa yang harus dilakukan.

Setelah instruction, tiga elemen lainnya punya peran penting masing-masing.

CONTEXT adalah latar belakang. Ini kayak kamu bilang ke teman: "Ini penting, dengerin ya" sebelum ngomong. Context membantu AI menyesuaikan tone, gaya bahasa, dan tingkat detail. Contoh context: "Ini untuk anak SMA", "Tulis dengan gaya santai", "Audiensnya CEO perusahaan teknologi". Tanpa context, AI akan memilih gaya default yang mungkin tidak sesuai.

INPUT adalah data atau bahan yang akan diproses. Bisa berupa teks artikel, daftar angka, pertanyaan spesifik, atau bahkan gambar. Input berbeda dengan context: input adalah bahan mentah yang perlu diolah, context adalah petunjuk cara mengolahnya. Contoh: "Ini teks artikelnya: [teks]".

OUTPUT adalah format hasil yang kamu inginkan. Ini sangat penting tapi sering dilupakan pemula. Contoh: "Jawab dalam bentuk daftar poin", "Buat tabel perbandingan", "Tulis dalam 3 paragraf". Dengan menentukan format output, kamu menghemat waktu karena tidak perlu membersihkan atau memformat ulang hasil AI.

Latihan: coba periksa prompt terakhir yang kamu kirim ke AI. Sudah punya keempat elemen ini? Kalau belum, tambahkan satu per satu dan lihat perbedaan hasilnya.

Zero-shot adalah teknik paling dasar: kamu kasih instruksi langsung tanpa memberikan contoh sama sekali. Namanya "zero-shot" karena AI tidak diberi "tembakan contoh" — langsung diminta bekerja dari nol.

Kapan zero-shot bekerja dengan baik? - Tugas yang umum dan sudah sering dilakukan AI (menulis, meringkas, menerjemahkan) - Instruksi yang jelas dan tidak ambigu - Output yang formatnya standar

Contoh zero-shot yang baik: "Tulis 3 tweet promosi untuk produk kopi kemasan. Masing-masing maksimal 280 karakter. Target audiens: pekerja kantoran yang butuh kopi pagi."

Kenapa ini zero-shot? Karena tidak ada contoh tweet yang diberikan — AI langsung diminta membuat berdasarkan pengetahuan yang sudah dimilikinya.

Zero-shot itu seperti kamu bilang ke teman: "Tolong buatkan saya kopi." Temanmu sudah tahu cara membuat kopi — dia nggak perlu contoh. Tapi kalau kamu minta "Buatkan kopi dengan metode pour-over yang benar" — eh, kalau temanmu nggak tahu pour-over, hasilnya bisa meleset. Di situlah zero-shot mulai terbatas.

Few-shot adalah kebalikan dari zero-shot: kamu memberikan beberapa contoh sebelum meminta AI mengerjakan tugas. Ini seperti mengajari anak kecil dengan memberi 2-3 contoh soal sebelum ulangan.

Contoh few-shot: "Berikut contoh klasifikasi sentimen: Teks: Produk ini bagus sekali! -> Positif Teks: Barangnya datang rusak -> Negatif Teks: Biasa aja sih -> Netral Teks: Harganya murah tapi kualitas jelek -> ???"

Di contoh ini, AI belajar pola dari 3 contoh sebelumnya, lalu menerapkannya ke teks keempat.

Kapan few-shot lebih baik dari zero-shot? - Tugas yang butuh format output spesifik (misal: JSON dengan field tertentu) - Tugas yang butuh gaya atau tone tertentu (misal: nulis kayak Steve Jobs) - Tugas yang jarang atau tidak biasa (misal: ekstrak data dari format invoice tertentu) - Tugas yang butuh konsistensi tinggi

Aturan emas few-shot: kualitas contoh lebih penting daripada kuantitas. Tiga contoh yang bagus lebih efektif daripada sepuluh contoh asal-asalan.

Sekarang kamu sudah tahu dua teknik dasar. Pertanyaan besarnya: kapan pakai zero-shot, kapan pakai few-shot?

Gunakan ZERO-SHOT ketika: - Tugasnya standar dan umum (menulis, meringkas, menerjemahkan) - Format output sederhana dan sudah dipahami AI - Kamu ingin hasil yang cepat tanpa perlu menyusun contoh - Biaya token lebih penting (few-shot makan lebih banyak token karena contoh)

Gunakan FEW-SHOT ketika: - Tugasnya spesifik atau tidak biasa - Kamu mau gaya/tone/format yang sangat particular - Zero-shot gagal memberikan hasil yang diinginkan - Kamu perlu konsistensi antar sesi prompt

Ada juga teknik di antaranya yang disebut "one-shot" — kasih satu contoh saja. One-shot berguna ketika polanya sederhana tapi zero-shot kurang pas.

Tips terpenting: coba zero-shot dulu. Kalau hasilnya jelek, baru tambah contoh (few-shot). Jangan langsung boros token dengan 5 contoh kalau zero-shot sudah cukup. Hemat token = hemat biaya.