Kosakata Cohort PromptIstilah yang Akan Anda Dengar Saat Prompt Dibedah
Daftar ini memuat istilah yang muncul ketika instruktur dan rekan cohort membahas prompt Anda. Tiap penjelasan disertai contoh pemakaian, jadi Anda bisa langsung mengenalinya saat istilah itu disebut di kelas.
Prompt
Perintah tertulis yang Anda berikan ke AI, lengkap dengan konteks dan bahan yang perlu diolah. Contoh: meminta ringkasan rapat tiga poin dari notulen yang ditempel di bawah instruksi.
Prompt engineering
Kebiasaan menyusun, menguji, dan memperbaiki prompt sampai hasilnya tepat dan bisa diulang. Di cohort ini, prompt engineering berarti setiap prompt punya kriteria lulus dan bukti uji di dua model.
Large language model (LLM)
Jenis model AI yang menebak kata berikutnya dari pola teks dalam jumlah sangat besar. ChatGPT dan Gemini dibangun di atas model semacam ini, sehingga kalimat yang lancar belum tentu isinya benar.
Jendela konteks
Batas jumlah teks yang bisa diperhatikan model dalam satu percakapan, diukur dalam token atau potongan kata. Saat percakapan terlalu panjang, detail awal mulai terlupa, jadi Anda meringkasnya lalu membuka percakapan baru.
Halusinasi
Jawaban yang terdengar meyakinkan padahal keliru, misalnya judul buku, pasal aturan, atau angka yang tidak pernah ada. Penangkalnya kebiasaan memeriksa setiap klaim penting ke sumber aslinya.
Few-shot
Teknik menyisipkan beberapa contoh masukan dan keluaran ke dalam prompt. Contoh: tiga caption lama yang disukai audiens ditempel sebagai acuan, lalu model diminta menulis caption baru dengan gaya serupa.
Delimiter
Tanda pembatas, misalnya tiga tanda kutip atau label BAHAN, yang memisahkan instruksi dari teks yang harus diolah. Pembatas membantu model tidak menjalankan kalimat perintah yang terselip di dalam dokumen tempelan.
Prompt chaining
Merangkai beberapa prompt berurutan, dengan keluaran satu langkah menjadi masukan langkah berikutnya. Contoh: rangkum riset, lalu susun kerangka dari rangkuman itu, lalu tulis draf dari kerangkanya.
Output schema
Bentuk keluaran yang ditetapkan sejak awal, seperti tabel dengan kolom tertentu atau JSON, yaitu format data rapi yang bisa dibaca aplikasi. Skema membuat hasil AI bisa langsung dipindah ke spreadsheet.
Temperature
Pengaturan tingkat keacakan jawaban model. Aplikasi chat biasa umumnya tidak menampilkannya, sedangkan alat pengembang seperti Google AI Studio menyediakannya. Karena itu, di cohort ini keragaman jawaban lebih banyak diatur lewat instruksi.
Prompt injection
Kalimat perintah tersembunyi di dalam bahan olahan, misalnya di email atau halaman web, yang mencoba membelokkan tugas model. Pagar teks dan instruksi tegas di awal prompt mengurangi risikonya.
Rubrik
Daftar kriteria lulus atau gagal untuk menilai hasil prompt, misalnya format sesuai, tidak ada klaim tanpa sumber, dan panjang di bawah batas. Rubrik membuat penilaian konsisten, siapa pun yang memeriksa.
Pembaruan model
Perubahan versi model oleh pembuatnya, yang bisa menggeser gaya, panjang, atau ketepatan jawaban meski prompt Anda tidak berubah sedikit pun. Kit prompt yang baik mencatat tanggal uji terakhir agar pergeseran itu mudah dilacak.
Human-in-the-loop
Alur kerja yang menaruh manusia sebagai pemeriksa terakhir sebelum hasil AI dipakai atau diterbitkan. Di dalam kit, peran ini ditulis jelas: siapa yang membaca ulang dan apa saja yang harus dicek.
