4 Prompt Framework
Framework prompt adalah checklist supaya kamu tidak lupa memberi AI hal yang ia butuhkan. Di modul ini kamu belajar empat framework, dan apa kata riset tentang tiap bagiannya.
- Menjelaskan unsur prompt yang terbukti riset: tugas yang jelas, konteks, contoh, langkah, dan batasan
- Memakai RTC untuk tugas cepat sehari-hari
- Memakai STAR untuk studi kasus dan laporan dari pengalaman
- Memakai RCTFC untuk dokumen formal dan CTICO saat ada bahan yang harus diolah
Apa kata riset tentang prompt yang baik
Framework di modul ini adalah framework praktik People Dev AI. Isinya bukan “jampi-jampi”: tiap bagiannya punya dasar riset.
Tugas yang jelas & terurai. Instruksi yang dipecah jadi tugas-tugas kecil dan ditulis sebagai langkah berurutan meningkatkan kinerja GPT-3 rata-rata 12,5% di 12 tugas (Mishra dkk., 2022).
Beri contoh di prompt. Model besar bisa mengerjakan tugas baru hanya dari instruksi dan beberapa contoh, tanpa dilatih ulang (Brown dkk., 2020).
Minta langkah berpikir. Menambah kalimat “mari berpikir langkah demi langkah” menaikkan akurasi soal cerita matematika dari 17,7% ke 78,7% (Kojima dkk., 2022). Contoh langkah penalaran juga membantu (Wei dkk., 2022).
Kenapa perlu checklist? Karena pemula cenderung menulis instruksi seperti ke sesama manusia, lalu menyerah setelah satu kali gagal (Zamfirescu-Pereira dkk., 2023). Framework mencegah bagian penting terlupa. Tidak ada yang “paling benar”. Yang ada: paling cocok untuk tugasnya.
RTC
Role · Task · Context
Untuk tugas sederhana dan iterasi cepat.
Role Kamu asisten penulis email profesional.
Task Balas email klien ini dan beri kabar progres proyek.
Context Proyek sudah selesai 80% dan rampung Jumat depan. Klien orangnya formal.
STAR
Situation · Task · Action · Result
Untuk studi kasus, evaluasi kegiatan, dan cerita dari pengalaman. Diadaptasi dari pola STAR yang biasa dipakai di wawancara kerja.
Situation Kampanye Instagram kami untuk kuartal 2 baru selesai.
Task Buatkan deck laporan untuk rapat kuartalan.
Action Sertakan tabel analisis engagement dan konversi, plus 3 pelajaran utama.
Result Deck 6 slide yang siap dipresentasikan dalam 10 menit.
RCTFC
Role · Context · Task · Format · Constraint
Untuk laporan, analisis, dan dokumen formal, saat kamu butuh kendali penuh atas hasilnya. Bagian Format dan Constraint sejalan dengan temuan bahwa instruksi yang membatasi bentuk jawaban membantu model (Mishra dkk., 2022).
Role Kamu analis L&D.
Context Berikut feedback dari 40 peserta pelatihan AI.
Task Temukan 3 kekuatan dan 3 area perbaikan. Kerjakan langkah demi langkah: kelompokkan feedback dulu, baru simpulkan.
Format Tabel + ringkasan satu paragraf.
Constraint Berbasis data, tanpa asumsi. Kutip feedback asli sebagai bukti.
CTICO
Context · Task · Input · Criteria · Output
Saat kamu punya bahan untuk diolah dan standar “bagus” yang jelas. Bagian Input bisa berisi contoh hasil yang kamu suka, yang menurut riset sangat membantu (Brown dkk., 2020).
Context Aku mengajar kelas kepemimpinan 2 hari untuk 25 supervisor.
Task Tulis email follow-up untuk semua peserta.
Input Ini catatan sesi dan action plan dari kelas: [tempel di sini].
Criteria Nada hangat, kurang dari 150 kata, satu pesan kunci.
Output Subjek email + isi email.
Pilih yang mana?
| Situasimu | Framework |
|---|---|
| Tugas cepat, balas pesan, revisi kecil | RTC |
| Laporan kegiatan, studi kasus, retrospeksi | STAR |
| Analisis atau dokumen formal yang harus presisi | RCTFC |
| Ada bahan (notulen, data, feedback) + standar hasil yang jelas | CTICO |
Framework hanya kerangka. Siklus 4 Tahap tetap berlaku: setelah prompt pertama, Evaluate lalu Iterate.
Ambil satu tugas nyata minggu ini. Tulis prompt-nya dengan framework yang paling cocok (RTC, STAR, RCTFC, atau CTICO), tambahkan satu contoh hasil yang kamu inginkan, lalu jalankan di AI pilihanmu. Simpan prompt terbaikmu sebagai template.
Referensi modul 4
Klaim penting di modul ini disarikan dari paper dan jurnal berikut (APA 7). Klik DOI untuk membuka sumber aslinya. Daftar pustaka lengkap kursus →
- ProsidingBrown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., … Amodei, D. (2020). Language models are few-shot learners. In Advances in Neural Information Processing Systems 33 (pp. 1877–1901). doi.org/10.48550/arXiv.2005.14165
- ProsidingKojima, T., Gu, S. S., Reid, M., Matsuo, Y., & Iwasawa, Y. (2022). Large language models are zero-shot reasoners. In Advances in Neural Information Processing Systems 35 (pp. 22199–22213). doi.org/10.52202/068431-1613
- ProsidingKong, A., Zhao, S., Chen, H., Li, Q., Qin, Y., Sun, R., Zhou, X., Wang, E., & Dong, X. (2024). Better zero-shot reasoning with role-play prompting. In Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers) (pp. 4099–4113). doi.org/10.18653/v1/2024.naacl-long.228
- ProsidingMishra, S., Khashabi, D., Baral, C., Choi, Y., & Hajishirzi, H. (2022). Reframing instructional prompts to GPTk’s language. In Findings of the Association for Computational Linguistics: ACL 2022 (pp. 589–612). doi.org/10.18653/v1/2022.findings-acl.50
- ProsidingWei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q. V., & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. In Advances in Neural Information Processing Systems 35 (pp. 24824–24837). doi.org/10.52202/068431-1800
- ProsidingZamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). Why Johnny can’t prompt: How non-AI experts try (and fail) to design LLM prompts. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1–21). doi.org/10.1145/3544548.3581388
- ProsidingZheng, M., Pei, J., Logeswaran, L., Lee, M., & Jurgens, D. (2024). When “a helpful assistant” is not really helpful: Personas in system prompts do not improve performances of large language models. In Findings of the Association for Computational Linguistics: EMNLP 2024 (pp. 15126–15154). doi.org/10.18653/v1/2024.findings-emnlp.888
Cek pemahamanmu
Jawab semua benar untuk menandai modul ini selesai. Boleh diulang.