Prompt Specificity
Setelah lesson ini, kamu bisa membandingkan dua prompt dan nunjukin bagian mana yang bikin hasilnya beda
5 menit bacaDi lesson sebelumnya kamu lihat kalau hasil generik biasanya datang dari prompt generik. Sekarang pertanyaannya lebih praktis: bagian mana persisnya yang bikin beda, dan seberapa besar bedanya buat kamu?
Jawaban singkatnya, cukup besar sampai nentuin kamu revisi dua kali atau delapan kali.
Anggap kamu lagi ngasih arahan ke adik kelas yang baru masuk organisasi. Kalau kamu bilang "tolong bikinin proposal", dia bakal balik lagi tiga kali buat nanya. Kalau kamu bilang "bikin proposal seminar buat 100 orang, dari bab pendahuluan sampai anggaran, kirim besok siang", dia bisa langsung jalan. Waktu yang kamu keluarin di depan jauh lebih sedikit daripada waktu yang kebuang di bolak-balik.
Iterative refinement: tiap tebakan jadi satu putaran revisi
Revisi itu nggak gratis. Tiap kali kamu bilang "kepanjangan" atau "terlalu formal", kamu sebenernya lagi ngasih tau AI hal yang bisa kamu sebutin dari awal. Bedanya cuma di waktu: sekarang, atau nanti setelah dua kali bolak-balik.
Ada cara gampang ngukurnya. Setelah dapet hasil pertama, hitung berapa hal yang kamu koreksi. Segitulah jumlah detail yang kelupaan di prompt awal kamu.
Contoh
Prompt tanpa panjang, tanpa penonton, dan tanpa format nyisain tiga tebakan sekaligus.
Kapan dipakai: Waktu kamu ngerasa udah bolak-balik lama tapi hasilnya belum kepake juga.
Yang samar bikin AI milih jalan paling aman
Kata kayak menarik, bagus, profesional, atau kreatif itu kelihatan ngasih arahan, padahal nggak. Nggak ada satu bentuk pasti dari kata-kata itu, jadi AI mundur ke pilihan paling umum yang pernah dia lihat.
Gantinya bukan kata sifat yang lebih heboh, tapi hal yang bisa dicek: berapa kalimat, buat siapa, nada bicaranya kayak apa, kata apa yang sebaiknya dihindari.
Contoh
Diminta yang menarik, AI biasanya milih yang paling umum — karena itu yang paling kecil risiko salahnya.
Kapan dipakai: Kalau hasilnya selalu kedengeran aman dan datar.
Negative prompting: bilang mau apa, bukan cuma nggak mau apa
Larangan doang nyisain terlalu banyak kemungkinan. Kalau kamu cuma bilang jangan formal, masih ada puluhan gaya yang nggak formal, dan AI tetap harus nebak yang mana.
Larangan tetap berguna, tapi paling ampuh kalau dipasangin sama arahan positif. Sebutin arah yang kamu mau dulu, baru tutup jalan yang jelas-jelas nggak kamu mau.
Contoh
Ganti jangan terlalu formal jadi pakai bahasa ngobrol sehari-hari, boleh pakai kata kamu.
Kapan dipakai: Tiap kali kamu kepikiran nulis larangan di prompt.
Contoh utuh
Ngerapiin prompt yang samar
Versi awal: Buatin ringkasan yang menarik dari artikel inimenarik itu nggak bisa dicekPerbaikan 1: Ringkas artikel ini jadi 5 poinjumlah yang pastiPerbaikan 2: buat temen sekelas yang belum baca artikelnyapenonton, ini yang ngatur kedalamanPerbaikan 3: pakai bahasa ngobrol, boleh pakai kata kamuarahan positif, bukan laranganPerbaikan 4: tiap poin maksimal 2 kalimatbatas yang bisa dicek
Perhatiin nggak ada satu pun perbaikan yang nambahin kata sifat. Semuanya ngeganti hal samar jadi hal yang bisa dihitung atau dicek langsung.
Giliran kamu
Ambil prompt yang pernah bikin kamu revisi berkali-kali, terus tulis ulang tanpa satu pun kata sifat samar.
______ jadi ______ poin buat ______ pakai bahasa ______ tiap poin maksimal ______ kalimat
Yang sering keliru
Nambahin kata bagus atau profesional tapi hasilnya nggak berubah
Penyebabnya: Kata sifat nggak punya bentuk pasti, jadi AI tetap nebak
Perbaikannya: Ganti tiap kata sifat jadi angka, penonton, atau nada bicara yang konkret
Prompt isinya larangan semua tapi hasilnya masih meleset
Penyebabnya: Larangan cuma nutup satu jalan, sisanya masih kebuka lebar
Perbaikannya: Sebutin arah yang kamu mau dulu, larangan dipakai buat nutup sisanya
Revisi bolak-balik terus padahal ngerasa promptnya udah lengkap
Penyebabnya: Koreksi tiap putaran nggak pernah dibalikin ke prompt awal
Perbaikannya: Tiap kali ngoreksi, tambahin koreksi itu ke prompt, jangan cuma diomongin di pesan berikutnya
Cek sendiri
Jawab di kepala dulu, baru buka jawabannya. Nggak ada nilai, nggak ada penalti.
Kenapa kata menarik nggak ngasih arahan yang berguna?
Gimana cara ngukur berapa detail yang kelupaan di prompt kamu?
Dari lesson sebelumnya: prompt yang utuh terdiri dari apa?
Rangkuman
- Tiap tebakan yang kamu biarin biasanya balik lagi jadi satu putaran revisi.
- Kata sifat samar bikin AI milih jalan paling umum dan paling aman.
- Pasangin arahan positif sama larangan, jangan pakai larangan doang.