Instruksi yang Terlalu Samar
Kegagalan perintah nomor satu: meminta “sesuatu yang bagus” tanpa mendefinisikan arti bagus.
Instruksi yang Terlalu Samar adalah pelajaran AI Prompt Engineering gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Prompt Engineering, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Prompt Engineering mencakup 4 pelajaran total.
Jebakan Ketidakjelasan
Kesalahan prompt yang paling umum dilakukan pemula adalah ketidakjelasan: menulis instruksi yang begitu umum sehingga model tidak dapat menghasilkan sesuatu yang benar-benar Anda inginkan secara konsisten.
"Tulis sesuatu yang bagus tentang AI."
Prompt ini tidak memuat informasi tentang format, audiens, panjang, nada, sudut pandang, atau tujuan. Model akan menghasilkan sesuatu — tetapi kemungkinan hasilnya sesuai dengan yang Anda bayangkan rendah. Prompt yang tidak jelas menghasilkan keluaran yang tidak konsisten dan sulit diprediksi, serta memerlukan banyak penyuntingan.
Apa yang Membuat Prompt Tidak Jelas?
Prompt tidak jelas jika kehilangan satu atau beberapa dimensi yang diperlukan model untuk mengambil keputusan yang baik. Dimensi utamanya:
- WHAT — topik atau tugas yang spesifik
- WHO — audiens sasaran
- Why — tujuan atau sasaran
- HOW — format, struktur, dan gaya
- HOW MUCH — panjang atau cakupan
Anda tidak selalu memerlukan kelimanya, tetapi semakin banyak yang tidak dicantumkan, semakin banyak pula yang harus ditebak model — dan tebakan menimbulkan variasi.
Mendiagnosis Ketidakjelasan: Lima Pertanyaan
Sebelum mengirim prompt, periksa prompt tersebut dengan lima pertanyaan diagnostik:
- Apa yang secara spesifik diminta? (bukan hanya "tulis tentang X" — jenis keluaran apa?)
- Siapa audiensnya? (pakar bidang terkait? pemula? orang tertentu?)
- Untuk apa keluaran tersebut akan digunakan?
- Dalam format dan panjang seperti apa keluaran tersebut harus dibuat?
- Apakah ada batasan atau hal-hal yang harus dihindari?
Jika Anda tidak dapat menjawab sebagian besar pertanyaan ini, prompt tersebut terlalu tidak jelas. Luangkan 60 detik untuk menambahkan jawabannya sebelum mengirim.
Tidak Jelas vs Spesifik: Perbandingan Berdampingan
Tidak jelas: "Ceritakan kepada saya tentang pembelajaran mesin."
Spesifik: "Tulis penjelasan 200 kata tentang apa itu pembelajaran mesin, untuk pemilik usaha kecil nonteknis yang sedang mempertimbangkan apakah akan menggunakan alat AI untuk layanan pelanggan. Gunakan bahasa sehari-hari, tanpa istilah teknis. Fokuskan pada apa yang dilakukan alat tersebut, bukan cara kerjanya secara internal."
Versi spesifik memberikan semua yang diperlukan model: topik, audiens, panjang, tingkat kosakata, dan area fokus. Keluaran akan jauh lebih berguna sejak percobaan pertama.
Masalah Tugas yang Kurang Terdefinisi
Banyak prompt yang tidak jelas mengalami masalah tugas yang kurang terdefinisi — jenis keluaran tidak jelas. "Tulis tentang perubahan iklim" dapat berarti:
- Artikel penjelasan berdasarkan fakta
- Esai persuasif
- Puisi
- Kiriman media sosial
- Analisis risiko bisnis
- Cerita anak-anak
Semua ini merupakan keluaran yang valid untuk prompt tersebut. Jika jenis tugas tidak ditentukan, model menggunakan pola yang paling umum dalam data pelatihannya — biasanya esai informatif generik, yang mungkin bukan yang Anda perlukan.
Masalah Audiens yang Tidak Dicantumkan
Audiens adalah salah satu dimensi paling berpengaruh dalam prompt. Topik yang sama harus dijelaskan dengan cara yang sepenuhnya berbeda kepada audiens yang berbeda:
- "Jelaskan jaringan saraf kepada insinyur pembelajaran mesin" → kedalaman teknis, terminologi khusus, contoh kode
- "Jelaskan jaringan saraf kepada anak berusia 12 tahun" → berbasis analogi, tanpa persamaan, contoh konkret
- "Jelaskan jaringan saraf kepada eksekutif pemasaran" → dampak bisnis, bukan mekanismenya, berfokus pada ROI
Tanpa spesifikasi audiens, model memilih secara sembarang. Pilihan tersebut sering kali tidak sesuai dengan kasus penggunaan Anda yang sebenarnya.
Memperbaiki Ketidakjelasan Secara Sistematis
Pendekatan sistematis untuk mengubah prompt yang tidak jelas menjadi prompt yang spesifik: gunakan kerangka WHO-WHAT-FOR-HOW-HOW-MUCH untuk menguraikan setiap dimensi:
VAGUE_PROMPT = 'Write something about productivity.'
# Expand each dimension:
who = 'remote software engineers who struggle with context-switching between tasks'
what = 'a practical guide to the Pomodoro Technique'
for_what = 'a company internal newsletter'
how = 'numbered steps, conversational tone, include one counterintuitive tip'
how_much = '250 words'
SPECIFIC_PROMPT = (
f'Write {what} for {who}. '
f'This will appear in {for_what}. '
f'Format: {how}. '
f'Length: {how_much}.'
)
print(SPECIFIC_PROMPT)
# Output: Write a practical guide to the Pomodoro Technique for remote software engineers
# who struggle with context-switching between tasks. This will appear in a company internal
# newsletter. Format: numbered steps, conversational tone, include one counterintuitive tip.
# Length: 250 words.Kata-Kata Tidak Jelas yang Perlu Diperhatikan
Kata-kata tertentu dalam prompt hampir selalu tidak jelas dan seharusnya memicu pemeriksaan kekhususan:
- Baik — baik menurut standar apa? Siapa yang menilainya baik?
- Lebih baik — lebih baik daripada apa?
- Sesuai — sesuai untuk konteks atau audiens apa?
- Profesional — profesional dalam industri apa? Pada tingkat formalitas seperti apa?
- Tingkatkan — tingkatkan dalam dimensi apa? Kejelasan? Panjang? Keakuratan?
- Menarik — menarik bagi siapa?
Saat menemukan kata-kata ini dalam prompt Anda sendiri, ajukan pertanyaan lanjutan yang tersirat. Jawabannya menjadi instruksi yang spesifik.
Spektrum Kekhususan
Kekhususan berada dalam sebuah spektrum — Anda tidak selalu memerlukan kekhususan maksimum. Tingkat yang tepat bergantung pada tugasnya:
- Eksplorasi kreatif — kekhususan yang lebih rendah digunakan dengan sengaja. Prompt yang tidak jelas menghasilkan variasi yang mengejutkan.
- Produksi rutin — kekhususan tinggi diperlukan untuk konsistensi dan penggunaan ulang
- Pencarian fakta — kekhususan tinggi membantu model berfokus pada aspek yang tepat
- Curah gagasan — kekhususan sedang: tentukan ranahnya, tetapi biarkan gagasan tetap terbuka
Ketidakjelasan merupakan kesalahan jika Anda memerlukan keluaran yang spesifik. Namun, ketidakjelasan menjadi keunggulan jika Anda menginginkan ruang kreatif.
Menggunakan Contoh Keluaran untuk Menggantikan Instruksi yang Tidak Jelas
Terkadang cara paling efisien untuk memperbaiki prompt yang tidak jelas adalah menambahkan contoh keluaran yang Anda inginkan, bukan mencoba menjelaskannya dengan kata-kata:
"Tulis slogan produk dengan gaya ini: 'Lakukan lebih banyak dengan lebih sedikit.' 'Berpikirlah berbeda.' 'Lakukan saja.'"
Contoh-contoh tersebut menggantikan kebutuhan untuk mendefinisikan 'ringkas', 'kuat', 'suara merek', dan 'mudah diingat' secara abstrak. Model mengekstrak pola dari contoh dengan lebih andal daripada menyimpulkannya dari deskripsi. Contoh sering kali merupakan cara paling efisien yang tersedia untuk memperbaiki kekhususan.
Kalibrasi Kekhususan: Tidak Terlalu Sedikit, Tidak Terlalu Banyak
Spesifikasi berlebihan merupakan kesalahan yang berlawanan dengan ketidakjelasan. Prompt dengan 15 batasan yang sangat spesifik mungkin menghasilkan keluaran yang secara teknis memenuhi semua batasan, tetapi terasa mekanis dan keliru.
Lakukan kalibrasi dengan bertanya: "Jika saya memberikan prompt ini kepada seseorang yang belum pernah bekerja dengan saya, apa yang akan dihasilkannya?" Jika orang yang kompeten dapat menghasilkan sesuatu yang Anda perlukan berdasarkan prompt tersebut, berarti prompt itu sudah cukup spesifik. Jika ia perlu mengajukan pertanyaan klarifikasi, tambahkan jawabannya ke prompt. Jika ia merasa terlalu dibatasi, hapus beberapa batasan.
Pemeriksaan Pengetahuan: Mengidentifikasi Ketidakjelasan
Urutkan keempat prompt ini dari yang paling tidak jelas hingga yang paling spesifik:
(A) "Tulis tentang kepemimpinan."
(B) "Tulis artikel 300 kata tentang kepemimpinan pelayan untuk manajer yang baru pertama kali memimpin di perusahaan rintisan teknologi, dengan fokus pada tiga perilaku spesifik yang dapat mereka praktikkan dalam 30 hari pertama."
(C) "Tulis artikel kepemimpinan yang bagus."
(D) "Tulis artikel tentang gaya kepemimpinan untuk para manajer."
Ringkasan: Instruksi yang Terlalu Tidak Jelas
Ketidakjelasan merupakan kesalahan prompt yang paling umum karena prompt yang tidak jelas dapat ditulis dengan cepat. Dampaknya adalah keluaran yang tidak konsisten dan tidak dapat diprediksi, serta memerlukan banyak penyuntingan.
Perbaikannya bersifat sistematis: tentukan WHO (audiens), WHAT (jenis tugas), FOR (tujuan), HOW (format dan gaya), serta HOW MUCH (panjang). Perhatikan kata-kata umum yang tidak jelas (baik, lebih baik, sesuai, profesional) dan ganti dengan jawaban spesifik atas pertanyaan yang tersirat di baliknya. Jika deskripsi tidak memadai, gunakan contoh.
Dalam pelajaran berikutnya, Anda akan membahas persyaratan yang saling bertentangan — masalah yang berlawanan dengan ketidakjelasan.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Instruksi yang Terlalu Samar” gratis?
Ya — teks lengkap “Instruksi yang Terlalu Samar” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Prompt Engineering, upgrade ke CoddyKit PRO. Kursus AI Prompt Engineering mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Instruksi yang Terlalu Samar”?
Kegagalan perintah nomor satu: meminta “sesuatu yang bagus” tanpa mendefinisikan arti bagus. Kamu berlatih AI Prompt Engineering dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Prompt Engineering?
Tidak diperlukan pengalaman sebelumnya. AI Prompt Engineering di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Instruksi yang Terlalu Samar” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Prompt Engineering ini?
Ya. Setiap pelajaran AI Prompt Engineering menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Instruksi yang Terlalu Samar
- Persyaratan yang Bertentangan
- Kesalahan karena Konteks yang Hilang
- Mendiagnosis dan Memperbaiki Perintah yang Buruk