Modul 3 · Minta dengan jelas
Daftar periksa permintaan: enam bagian
Intinya
Setiap permintaan ke AI kita periksa dengan enam bagian: Tujuan, Pembaca, Bahan, Batas, Bentuk, Cek. Bahan yang kamu tempel harus mewakili data kerja yang nyata, termasuk yang berantakan.
Setelah pelajaran ini kamu bisa
- Menulis permintaan dengan enam bagian: Tujuan, Pembaca, Bahan, Batas, Bentuk, Cek
- Memilih bahan dan contoh yang mewakili data kerja yang nyata
Istilah di pelajaran ini
Pahami
Rekan baru di hari pertamanya butuh penjelasan yang lengkap. Supaya tidak ada bagian penting yang terlupa, kami memeriksa setiap prompt (perintah atau instruksi yang kamu tulis untuk AI) dengan satu daftar periksa (checklist). Isinya enam bagian: Tujuan, Pembaca, Bahan, Batas, Bentuk, Cek.
Tujuan: apa yang mau kamu capai, dan apa yang akan kamu lakukan dengan hasilnya. "Ringkasan keluhan" berbeda dengan "ringkasan keluhan untuk memutuskan perbaikan mana yang dikerjakan bulan depan". Tujuan yang kedua memberi tahu model apa yang penting dan apa yang boleh dibuang.
Pembaca: siapa yang akan membaca hasilnya. Direksi, rekan satu tim, pelanggan, dan petugas lapangan butuh kata, panjang, dan tingkat rincian yang berbeda.
Bahan: teks, angka, atau dokumen yang harus dipakai. Tempelkan bahannya, jangan hanya menyebutnya. Model tidak bisa membuka lemari arsipmu, dan kalau bahannya tidak ada, ia akan mengisi kekosongan dengan tebakan.
Batas: apa yang tidak boleh dilakukan, seberapa panjang, dan nadanya. Misalnya: jangan menambah fakta di luar bahan, paling banyak 200 kata, nada ramah tetapi tidak santai.
Bentuk: wujud hasil yang bisa langsung kamu pakai. Tabel dengan kolom tertentu, daftar bernomor, draf surel lengkap dengan baris subjek, atau poin untuk slide.
Cek: bagaimana kamu akan memeriksa hasilnya, dan apa yang perlu ditandai model supaya pemeriksaanmu mudah. Misalnya: tandai kalimat yang tidak didukung bahan, atau sebutkan bagian sumber untuk setiap angka.
Urutan menulisnya bebas, tetapi ada kebiasaan yang membantu. Tulis Tujuan dan Pembaca di awal. Tempel Bahan di bagian bawah dengan penanda yang jelas, misalnya judul "Bahan:", supaya model tidak mencampur bahan dengan permintaanmu. Kalau bahannya panjang, ulangi permintaan singkatmu sekali lagi setelah bahan, supaya permintaan itu tidak tenggelam di bawah tumpukan teks.
Tidak setiap permintaan butuh enam kalimat panjang. Untuk menulis ulang satu paragraf, satu kalimat per bagian sudah cukup, dan beberapa bagian bisa digabung. Yang penting kamu sudah memikirkan keenamnya. Bagian yang paling sering terlupa adalah Pembaca dan Cek, padahal dua bagian itu yang paling menentukan apakah hasilnya bisa langsung dipakai. Batas dan Bentuk mendapat pelajaran sendiri setelah ini.
Dari enam bagian itu, Bahan adalah yang paling sering membuat hasil meleset tanpa kamu sadari. Ada dua hal yang perlu kamu pilih dengan sengaja.
Pertama, bahan harus mewakili pekerjaan yang nyata. Kalau kamu ingin AI membantu merapikan data pesanan, jangan hanya menempelkan lima baris yang sudah rapi. Sertakan juga baris yang berantakan: alamat yang tidak lengkap, nama barang yang ditulis dengan dua cara, tanggal yang formatnya berbeda. Bahan yang terlalu bersih menghasilkan draf yang ikut bersih, lalu gagal begitu bertemu data kantor yang berantakan.
Kedua, contoh dalam prompt (few-shot) besar pengaruhnya. Satu contoh hasil yang kamu inginkan sering lebih jelas daripada tiga paragraf penjelasan, karena model pandai meniru pola. Karena itu pula, model bisa meniru contohmu terlalu dekat: panjangnya, kata-katanya, bahkan kesalahannya. Berikan dua atau tiga contoh yang berbeda satu sama lain, dan katakan bagian mana yang harus ditiru (misalnya susunan kolomnya) dan bagian mana yang tidak (misalnya isinya).
Satu hal lagi: jangan menempelkan data pribadi atau rahasia hanya karena data itu "mewakili". Samarkan dulu. Caranya dibahas di modul Jaga datanya.
Sebelum
Permintaan
Tolong buatkan ringkasan keluhan pelanggan bulan ini.
Hasilnya
Berikut ringkasan keluhan pelanggan bulan ini: - Banyak pelanggan mengeluhkan waktu pengiriman yang lama. - Beberapa pelanggan kecewa dengan kualitas produk. - Ada keluhan tentang layanan pelanggan yang lambat merespons. Secara umum, kepuasan pelanggan perlu ditingkatkan dengan memperbaiki proses pengiriman dan pelatihan staf.
Sesudah
Permintaan
Tujuan: saya perlu memutuskan dua perbaikan yang dikerjakan bulan depan, berdasarkan keluhan pelanggan bulan ini. Pembaca: kepala bagian layanan, yang membaca di sela rapat. Bahan: 42 keluhan dari formulir, saya tempel di bawah. Sebagian ditulis singkat dan ada yang campur bahasa daerah. Batas: pakai hanya keluhan di bawah, jangan menambah dugaan. Paling banyak 150 kata di luar tabel. Bentuk: tabel dengan kolom Kelompok keluhan, Jumlah, Satu contoh kutipan. Urutkan dari yang terbanyak. Di bawahnya, dua usulan perbaikan, masing-masing satu kalimat. Cek: tulis berapa keluhan yang tidak bisa dikelompokkan, dan tandai kelompok yang jumlahnya kurang dari tiga. [42 keluhan ditempel di sini]
Hasilnya
Kelompok keluhan | Jumlah | Contoh kutipan Paket tiba lewat dari tanggal janji | 17 | "Katanya dua hari, ternyata enam hari." Nomor resi tidak bisa dilacak | 11 | "Resinya tidak ditemukan di situs." Barang tidak sesuai pesanan | 6 | "Pesan ukuran besar, datang ukuran sedang." Telepon layanan tidak diangkat | 5 | "Tiga kali telepon, tidak ada yang angkat." Tidak bisa dikelompokkan: 3 keluhan. Tidak ada kelompok dengan jumlah kurang dari tiga. Usulan perbaikan: 1. Tinjau janji waktu kirim di halaman pesanan, karena keterlambatan paling banyak dikeluhkan. 2. Kirim nomor resi hanya setelah paket diserahkan ke kurir, supaya resi bisa dilacak sejak awal.
Yang berubah
- Tanpa Bahan, model mengarang keluhan yang terdengar umum. Dengan bahan, isinya berasal dari 42 keluhan yang masuk.
- Tujuan yang jelas (memilih dua perbaikan) membuat model mengurutkan dan memberi usulan, bukan sekadar merangkum.
- Bagian Cek membuat model melaporkan yang tidak bisa ia kelompokkan, jadi kamu tahu apa yang perlu dibaca sendiri.
- Bahan yang disebut "campur bahasa daerah" memberi tahu model bahwa datanya tidak rapi, seperti data aslinya.
Kesalahan umum
- Kesalahan
- Menguji atau memberi contoh dengan data karangan yang rapi, padahal data kerjamu sehari-hari berantakan.
- Kenapa merugikan
- Hasilnya terlihat sempurna, jadi kamu percaya prompt itu siap dipakai. Saat bertemu baris yang berantakan, bahasa campur, atau kolom kosong, hasilnya meleset, dan biasanya tidak ada yang langsung sadar.
- Lakukan ini
- Ambil bahan dari pekerjaan nyata, samarkan bagian pribadinya, dan sengaja sertakan beberapa contoh yang sulit atau tidak lengkap.
Coba
Untuk tiap bagian daftar periksa, coba jawab dulu pertanyaannya untuk tugasmu minggu ini, lalu buka kartunya.
Apa yang akan kamu lakukan dengan hasilnya? Keputusan apa yang dibantu?
Siapa yang membaca, apa yang sudah ia tahu, dan berapa lama waktunya untuk membaca?
Teks atau angka apa yang harus dipakai? Sudah kamu tempel, termasuk contoh yang berantakan?
Apa yang tidak boleh, berapa panjangnya, dan bagaimana nadanya?
Wujud apa yang bisa langsung kamu pakai: tabel, daftar, surel, poin slide?
Bagaimana kamu memeriksa hasilnya, dan apa yang perlu ditandai model untukmu?
Kamu ingin AI membantu menyusun jawaban baku untuk pertanyaan pelanggan. Contoh pertanyaan mana yang paling baik kamu sertakan?
Permintaan dengan enam bagian
Bisa dipakai di asisten AI mana pun.
Prompt-mu
Tujuan: saya perlu ‹tujuan›. Pembaca: ‹pembaca›. Bahan: saya tempel di bawah. ‹catatan-bahan› Batas: pakai hanya bahan di bawah. Paling banyak ‹panjang›. Nada ‹nada›. Bentuk: ‹bentuk›. Cek: tandai setiap kalimat yang tidak didukung bahan, dan sebutkan apa yang tidak ada di bahan. [tempel bahan di sini]
Bawa pulang
Sebelum menekan kirim
- Tujuan: saya menulis apa yang akan saya lakukan dengan hasilnya.
- Pembaca: saya menyebut siapa yang membaca dan seberapa rinci.
- Bahan: saya menempelkan bahan yang mewakili data kerja yang nyata, sudah disamarkan.
- Batas: saya menulis apa yang tidak boleh, panjang, dan nada.
- Bentuk: saya menyebut wujud hasil yang bisa langsung saya pakai.
- Cek: saya tahu cara memeriksanya dan meminta model menandai yang perlu dicek.
Yang salah di tempat kami
Berkas lingkungan lokal yang mengubah hasil tes
- Konteks
- Aplikasi program milik klien punya berkas lingkungan lokal untuk pengembangan.
- Yang terjadi
- Berkas itu menyalakan flag debug yang membuka semua akses. Tes otomatis ikut membacanya, jadi tes otorisasi gagal, tetapi hanya di mesin itu.
- Dampaknya
- Hasil tes berbeda antar mesin, dan waktu habis untuk mencari kesalahan di kode yang ternyata tidak salah.
- Akar masalah
- Kerangka tes memuat berkas lingkungan lokal secara otomatis, sehingga pengaturan pengembang ikut masuk ke tes.
- Yang kami lakukan
- Flag debug dimatikan untuk tes, dan tes dijalankan ulang.
- Pengaman yang kami pasang
- Tes menetapkan sendiri nilai lingkungan yang mereka perlukan, dan flag debug tidak boleh menyala dalam mode tes.
PelajarannyaTes yang baik tahu persis lingkungan apa yang ia jalani.
Artinya untuk kerjamuHasil yang bagus di mejamu belum tentu bagus di tempat lain. Saat mencoba atau menguji, pakai bahan dan keadaan yang sama dengan pekerjaan aslinya.