BroadRouter
Mulai

Prompt engineering (rekayasa prompt)

Diperbarui

Prompt engineering adalah proses menulis, menyusun, dan menguji instruksi yang diberikan ke model bahasa agar model konsisten menghasilkan output yang memenuhi kebutuhan Anda. Cakupannya meliputi pesan peran, instruksi yang jelas, contoh, format, dan pengukuran hasil terhadap kasus uji.

Disebut juga: prompt engineering, rekayasa prompt, teknik prompt, desain prompt, prompting, prompt design, prompting techniques

Prompt adalah sebuah spesifikasi. Prompt engineering berarti menulisnya dengan baik dan memeriksa apakah model mengikutinya.

Cara kerjanya

Panduan OpenAI mendefinisikan prompt engineering sebagai “the process of writing effective instructions for a model” (terjemahan: proses menulis instruksi yang efektif untuk model) agar model “consistently generates content that meets your requirements” (terjemahan: konsisten menghasilkan konten yang memenuhi kebutuhan Anda). Teknik intinya mirip di berbagai vendor:

Teknik Yang dilakukan
Peran Taruh aturan di system prompt (atau pesan developer) dan permintaan di pesan user
Struktur Susun system prompt dengan urutan identitas, instruksi, contoh, konteks; pakai heading Markdown dan tag XML untuk menandai bagian
Contoh Tambahkan beberapa pasangan input dan output (few-shot prompting) yang mencakup kasus berbeda
Penalaran Minta pemikiran langkah demi langkah (chain of thought), atau gunakan model penalaran
Format output Minta format yang tetap, atau gunakan output terstruktur jika API mendukungnya
Stabilitas Kunci versi model agar perilakunya tidak berubah tanpa Anda sadari

Ikhtisar Anthropic menyarankan memulai dengan tiga hal: kriteria keberhasilan yang jelas, cara mengujinya, dan draf prompt pertama. Dalam praktiknya, itu berarti satu set eval.

Contoh singkat, sebelum dan sesudah:

Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>

(Sebelum: “Ringkas tiket ini.” Sesudah: model meringkas tiket dukungan untuk tim engineering dalam 3 poin, yaitu masalahnya, dampaknya bagi pelanggan, dan langkah berikutnya; memakai kata-kata pelanggan untuk pesan error; dan tidak menebak penyebab.)

Untuk agen, prompt hanyalah satu bagian dari konteks yang lebih besar. Tulisan Anthropic tentang context engineering memisahkan prompt engineering, “methods for writing and organizing LLM instructions” (terjemahan: metode untuk menulis dan menata instruksi LLM), dari context engineering, yang mengelola semua hal lain yang dilihat model.

Kenapa ini penting

  • Kualitas tanpa pelatihan. Prompt yang lebih baik adalah perbaikan termurah untuk dicoba, sebelum fine-tuning atau model yang lebih besar.
  • Biaya. System prompt dikirim ulang di setiap permintaan. Buang bagian yang tidak mengubah output; lihat mengurangi token prompt.
  • Migrasi. Prompt yang disetel untuk satu model bisa berperilaku berbeda di model lain. Jalankan ulang set eval Anda saat berganti model.

Di BroadNet Inference

Model chat BroadNet menerima daftar messages Chat Completions standar, jadi peran system, user, dan assistant serta contoh few-shot berfungsi seperti biasa. Anda bisa mencoba prompt di playground sebelum menulis kode. Untuk output bahasa Arab, prompt engineering bahasa Arab membahas ragam bahasa, dialek, angka, dan format kanan-ke-kiri.

Output terstruktur didokumentasikan untuk GLM 5.3 dan Qwen3.8 27B. Pada DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B, penalaran ikut dihitung dalam max_tokens, jadi prompt “pikirkan langkah demi langkah” juga butuh ruang di anggaran.

Pertanyaan umum

Apakah prompt engineering masih diperlukan di model yang lebih baru?

Ya, meski triknya berubah. Model baru mengikuti instruksi yang lugas dan spesifik dengan baik, jadi sebagian besar pekerjaannya adalah menyatakan kebutuhan dengan jelas, memberi contoh, dan menguji dengan input nyata.

Kapan sebaiknya fine-tuning saja?

Saat prompt yang sudah diuji dengan contoh masih gagal di sebagian besar kasus, atau terlalu panjang untuk dikirim di setiap permintaan. Dokumentasi Anthropic juga mencatat bahwa beberapa tujuan, seperti latensi atau biaya yang lebih rendah, lebih mudah dicapai dengan memilih model lain.

Apakah prompt untuk output bahasa Arab sebaiknya ditulis dalam bahasa Arab?

Keduanya bisa berhasil. Sebutkan ragam bahasa atau dialek yang Anda inginkan, dan cara menangani angka serta teks campuran. Tulisan prompt engineering bahasa Arab membandingkan kedua pendekatan.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity