Rangkuman Berbagai Pola dalam Prompt Engineering

 

Rangkuman Berbagai Pola dalam Teknik Prompt

Selamat! Anda telah menyelesaikan modul Berbagai Pola dalam  Prompt  Engineering. Sejauh ini, Anda telah memahami apa itu pola pada prompt, berbagai pola dasar prompt engineering, adaptive prompting, serta berbagai pola untuk memastikan model  Generative AI  menghasilkan respons yang konsisten. Berikut adalah ringkasan materi yang sudah Anda pelajari.

  • Dalam konteks  prompt  engineering, pola adalah panduan untuk menyusun prompt dengan mempertimbangkan cara kerja model  Generative AI .
  • Penerapan pola dalam pembuatan  prompt  dapat meningkatkan peluang model menghasilkan respon yang kita inginkan sehingga mengurangi proses berulang untuk memperbaiki prompt.
  • Terdapat beberapa pola dasar dalam  prompt  engineering yang dapat digunakan sebagai fondasi untuk membuat sebuah prompt. Pola-pola tersebut meliputi: pola persona, persona penonton, beberapa gambar, rantai pemikiran, dan ReAct.
  • Pola persona adalah pola yang digunakan untuk membantu model  Generative AI  menyesuaikan respons seperti layaknya dari sudut pandang sebuah “persona”.
    • Pola persona dibuat dengan menambahkan suatu karakter/identitas pada  prompt .
  • Pola persona audiens adalah kebalikan dari pola persona. Alih-alih memberikan persona untuk ditiru, pola ini membantu model  Generative AI  menentukan siapa target audiensnya.
    • Pola audiens persona dibuat dengan memberikan informasi target audiens secara  cepat .
  • Pola some-shots adalah pola yang memberikan beberapa contoh pasangan masukan dan keluaran (shots) kepada model  Generative AI  sebelum meminta tanggapan dari masukan baru.
    • Pola some-shot dibuat dengan menambahkan dua hal, yaitu: label deskriptif dan beberapa contoh (shots).
  • Pola chain-of-thinking adalah pola yang memberikan contoh dan tahapan-tahapan pengerjaan untuk mencapai hasil akhir kepada model  Generative AI  sebelum meminta respons keluaran dari masukan baru.
    • Pola rantai pemikiran dibuat dengan memberikan contoh sepanjang tahapan-tahapan pengerjaan untuk menghasilkan hasil akhir.
  • Pola ReAct adalah pengembangan lanjutan dari pola rantai pemikiran. Selain membimbing model menghasilkan respon melalui contoh dan proses secara bertahap, kami juga membimbing model untuk mengambil tindakan (action) mengakses alat eksternal jika membutuhkan informasi yang tidak dimiliki oleh model.
    • Pola ReAct dibuat dengan memberikan contoh. Setiap contoh terdiri dari tiga bagian berikut.
      1. Pemikiran (Pemikiran): Tahapan pengerjaan yang perlu dilakukan berdasarkan pertanyaan dan informasi yang dimiliki model.
      2. Tindakan (Action): Hal yang perlu dilakukan untuk mendukung tahapan pengerjaan.
      3. Hasil (Observasi): Informasi yang diperoleh dari tindakan tersebut, kemudian digunakan model untuk memberikan respons akhir.
  • Adaptive prompting adalah berbagai cara yang bisa kita gunakan untuk menyempurnakan  prompt  sehingga model respon menjadi lebih tepat sasaran. Terdapat beberapa pola adaptive prompting, seperti: pola penyempurnaan pertanyaan, pendekatan alternatif, pemverifikasi kognitif, dan interaksi terbalik.
  • Pola penyempurnaan pertanyaan adalah pola yang memanfaatkan model pengetahuan  AI Generatif  dengan meminta model terlebih dahulu memperbaiki atau menyempurnakan pertanyaan kita jika diperlukan. Pola ini memungkinkan model membantu kita menemukan pertanyaan yang lebih tepat untuk mendapatkan jawaban yang lebih relevan.
    • Penyempurnaan pola pertanyaan dibuat dengan cara berikut.
      1. Meminta model untuk memberikan opsi pertanyaan yang lebih baik sebelum menjawab pertanyaan yang diberikan.
      2. Meminta model menanyakan kembali kepada kita apakah kita ingin menggunakan opsi pertanyaan yang disarankan olehnya.
  • Pola pendekatan alternatif adalah pola yang meminta model  AI Generatif  untuk menawarkan beragam opsi pertanyaan alternatif. Beragam pertanyaan ini membantu merefleksikan apa yang sebenarnya ingin kita capai dan memungkinkan untuk memilih pertanyaan yang paling relevan dengan kebutuhan.
    • Pola pendekatan alternatif dibuat dengan cara berikut.
      1. Meminta model memberikan daftar pertanyaan alternatif yang memiliki tujuan yang sama dengan pertanyaan awal kita.
      2. Meminta model membandingkan kelebihan dan kekurangan antara pertanyaan kita dan daftar alternatif yang ia berikan.
  • Pola pemverifikasi kognitif adalah pola yang meminta model  AI Generatif  untuk memecah pertanyaan utama menjadi bagian-bagian yang lebih kecil melalui serangkaian pertanyaan tambahan. Dengan ini, model Generative AI memiliki kesempatan untuk mengumpulkan lebih banyak konteks dari pertanyaan sebelum menghasilkan jawaban akhir yang akurat dan relevan.
    • Pola verifikasi kognitif dibuat dengan cara berikut.
      1. Meminta model memberikan pertanyaan tambahan yang memiliki tujuan untuk mengumpulkan lebih banyak konteks sebelum menyusun jawaban akhir.
      2. Meminta model memastikan semua informasi yang kami berikan digunakan sebelum memberikan jawaban akhir.
  • Pola interaksi terbalik adalah pola alur interaksi dengan model  AI Generatif  dibalik. Alih-alih langsung menanggapi atau menjawab masalah yang dikirimkan pengguna, kami mendorong model untuk terlebih dahulu mengajukan pertanyaan terkait masalah yang sedang dihadapi.
    • Pola interaksi terbalik dibuat dengan cara berikut.
      1. Menentukan tujuan tugas (contoh: “Membangun acara untuk pesta ulang tahun.”).
      2. Meminta model untuk menanyakan pertanyaan terkait tugas tujuan (contoh: “Ajukan pertanyaan saya terkait tema yang saya inginkan”).
      3. Menentukan batasan dari pertanyaan yang perlu diajukan model (contoh: Tanyakan sampai Anda dapat membuat susunan acara untuk skenario yang saya inginkan). Ini krusial untuk menghindari model terus bertanya tanpa henti.
  • Akan ada situasi di mana kita memerlukan konsistensi dalam model respons, terutama ketika harus mematuhi aturan-aturan tertentu yang telah ditetapkan. Oleh karena itu, terdapat beberapa pola dalam pembuatan  prompt  yang dapat kita gunakan untuk memastikan hasil tetap konsisten, seperti: pola tail generation dan template.
  • Pola tail generation adalah pola yang dapat membantu model  Generative AI  untuk selalu mengingat aturan yang telah dibuat. Pola ini memastikan konsistensi hasil model meskipun proses interaksi telah berlangsung cukup lama.
    • Pola generasi ekor dibuat dengan cara berikut.
      1. Memberikan peraturan yang harus dipatuhi model selama menghasilkan respon.
      2. Meminta model untuk selalu mengakhiri responsnya dengan kembalinya aturan yang telah kami tetapkan. 
  • Pola template adalah pola yang dapat membantu model  Generative AI  untuk selalu konsisten menghasilkan hasil yang terstruktur.
    • Pola template dibuat dengan cara berikut.
      1. Menggunakan delimiter dengan label yang dapat membantu model memahami keinginan kita.
      2. Menggunakan pola tail generation untuk memastikan konsistensi respon model.
  • Delimiter adalah tanda yang kita gunakan untuk membedakan atau menandai bagian tertentu di dalam  prompt . Pembatasnya dapat berupa tanda kurung sudut (<...>), tanda kurung siku ([...]), tanda petik dua ("..."), atau tanda khusus lainnya.
    • Tujuan dari delimiter adalah agar model  Generative AI  dapat mengidentifikasi bagian di dalam delimiter, lalu memproses informasi/perintah tersebut secara terpisah. Akibatnya, bagian itu tidak dianggap sebagai teks biasa, melainkan instruksi tambahan yang perlu diikuti sebagai bagian dari instruksi utama.
  • Iterative  prompt  development adalah suatu pola pikir yang harus dimiliki oleh seorang prompt engineer, di mana pada dasarnya sebuah prompt tidak harus selalu bersifat final dalam satu kali percobaan, melainkan selalu dapat disempurnakan secara iteratif melalui observasi respon dari model  Generative AI .
  • Penyempurnaan  prompt  bisa berupa revisi pada prompt awal atau memberikan feedback kepada model  Generative AI  pada interaksi berikutnya. Pada feedback, kami menjelaskan kepada model mengenai apa saja yang perlu diperbaiki dari respon yang ia hasilkan.

Bersambung ke:


Comments

Post a Comment

Popular posts from this blog

Glossarium

  Glossarium Berikut adalah glosarium dengan istilah umum yang digunakan pada kelas ini. Anda dapat membaca sekilas materi berikut untuk mengenali istilah-istilah umum yang ada di modul kelas ini.   Asuransi Sebuah perjanjian antara individu atau entitas untuk membayar premi kepada penyedia asuransi untuk mendapatkan perlindungan finansial. B Bunga Biaya pinjaman bagi peminjam dan pendapatan atau imbal hasil bagi pemberi pinjaman atau penyimpan dana. Bunga dihitung berdasarkan persentase dari jumlah pokok pinjaman atau simpanan (suku bunga) dalam periode waktu tertentu. D Deposito Produk simpanan di mana nasabah menyetorkan uang untuk disimpan dalam jangka waktu tertentu, dengan imbalan bunga yang lebih tinggi dibanding tabungan biasa. Dividen Pembagian keuntungan yang diberikan perusahaan asuransi kepada peserta asuransi. E E-wallet Layanan keuangan digital yang memungkinkan penggunanya untuk menyimpan uang dan melakukan transaksi G Gig Economy Pasar tenaga kerja yang sa...
Read more