Menggunakan Ulang Templat untuk Berbagai Tugas
Bangun pustaka perintah pribadi dengan templat berparameter.
Menggunakan Ulang Templat untuk Berbagai Tugas adalah pelajaran AI Prompt Engineering gratis di CoddyKit. Ini adalah pelajaran 4 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.
Dari Ad Hoc ke Pustaka Prompt
Sebagian besar rekayasawan prompt memulai dengan menulis prompt secara ad hoc — satu prompt untuk setiap tugas, yang disimpan secara tidak teratur di aplikasi catatan atau riwayat obrolan. Cara ini berhasil dalam skala kecil, tetapi tidak lagi memadai ketika Anda membutuhkan konsistensi antar tugas, anggota tim, atau waktu.
Pustaka prompt adalah kumpulan templat prompt yang dapat digunakan kembali secara terstruktur — ditata, diberi nama, diberi versi, dan didokumentasikan. Membangunnya merupakan investasi yang cepat memberikan manfaat dalam alur kerja apa pun yang secara rutin menghasilkan konten AI.
Organisasi File: Struktur Datar
Pustaka prompt paling sederhana adalah direktori datar berisi file templat:
prompts/ email_cold_outreach.j2 email_follow_up.j2 linkedin_post.j2 product_description.j2 blog_post_intro.j2 support_reply.j2
Struktur datar bekerja dengan baik hingga sekitar 30–50 templat. Setelah itu, struktur direktori berdasarkan kategori menjadi lebih mudah dijelajahi.
Organisasi File: Struktur Berdasarkan Kategori
Untuk pustaka yang lebih besar, atur templat berdasarkan jenis konten atau kasus penggunaan:
prompts/ marketing/ email_cold_outreach.j2 social_linkedin_post.j2 support/ reply_complaint.j2 reply_question.j2 content/ blog_post.j2 product_description.j2 internal/ meeting_summary.j2 project_update.j2
Sesuaikan pengategorian dengan cara tim Anda memikirkan tugas, bukan dengan konsep rekayasa prompt.
Konvensi Penamaan
Nama templat harus langsung menjelaskan tujuannya. Pola penamaan yang baik:
- jenis_konten + konteks:
email_cold_outreach,post_linkedin_announcement - tindakan + objek:
summarize_meeting,analyze_feedback,generate_tagline - peran + tugas:
support_reply_complaint,marketing_product_description
Hindari nama generik seperti template1, prompt_v2, atau new_thing. Nama yang baik dapat dipahami tanpa membuka file.
Membuat Versi Templat
Prompt berubah seiring waktu ketika Anda menemukan perbaikan. Pengendalian versi untuk templat mencegah hilangnya riwayat dan kemunduran:
- Simpan templat di git — setiap perubahan terlacak dan dapat dibatalkan
- Untuk pembuatan versi berbasis file tanpa git:
email_cold_outreach_v1.j2,v2.j2,v3.j2 - Tandai versi utama yang digunakan dalam produksi: tambahkan komentar di bagian atas yang mencatat versi mana yang mulai digunakan dan kapan
- Jangan pernah menimpa tanpa menyimpan salinan — sesuatu yang berhasil bulan lalu mungkin perlu dipulihkan
Git adalah opsi yang paling andal: gunakan direktori prompts/ khusus di repositori proyek Anda.
Header Dokumentasi Templat
Setiap berkas templat harus memiliki header dokumentasi. Ini adalah blok komentar di bagian paling atas yang memuat metadata penting:
# Template: email_cold_outreach.j2
# Version: 2.1
# Author: Sarah Chen
# Created: 2025-03-15
# Last modified: 2025-05-10
# Changes in v2.1: Added 'value_prop' variable, removed generic opener
#
# Purpose:
# Generate personalized cold outreach emails for B2B sales.
#
# Required variables:
# - sender_name: str — Name of the sender
# - recipient_name: str — First name of the recipient
# - company_name: str — Recipient's company
# - value_prop: str — 1-2 sentence value proposition tailored to this prospect
# - cta: str — Specific call to action (e.g., '15-minute discovery call')
#
# Optional variables:
# - tone: str (default: 'professional but warm')
# - word_count: int (default: 120)
#
# Example output: see examples/email_cold_outreach_sample.txt
# Known limitations: Performs best when value_prop is specific to the company.Registri Templat
Untuk lingkungan kerja tim, registri templat — berkas indeks terpusat yang mencantumkan semua templat yang tersedia — membuat proses pencarian jauh lebih cepat:
# prompts/registry.py
# Central index of all prompt templates
TEMPLATE_REGISTRY = {
'email_cold_outreach': {
'file': 'marketing/email_cold_outreach.j2',
'description': 'Cold outreach email for B2B prospecting',
'required_vars': ['sender_name', 'recipient_name', 'company_name', 'value_prop', 'cta'],
'optional_vars': {'tone': 'professional but warm', 'word_count': 120},
'version': '2.1',
'owner': 'sarah.chen'
},
'linkedin_post': {
'file': 'marketing/linkedin_post.j2',
'description': 'LinkedIn announcement post with professional tone',
'required_vars': ['company', 'announcement', 'cta'],
'optional_vars': {'tone': 'professional and approachable', 'word_count': 180},
'version': '1.0',
'owner': 'marketing_team'
}
}
def get_template_info(name):
return TEMPLATE_REGISTRY.get(name, None)Penggunaan Ulang Templat Lintas Tugas
Kekuatan sebenarnya dari sebuah pustaka adalah menemukan bahwa templat yang sama dapat digunakan untuk berbagai tugas dengan sedikit perubahan pada variabel. Carilah peluang penggunaan ulang lintas tugas:
- Templat deskripsi produk dapat menghasilkan teks untuk situs web dan deskripsi toko aplikasi dengan variabel panjang dan nada yang berbeda
- Templat ringkasan dapat digunakan untuk ringkasan rapat, ringkasan artikel, dan ringkasan tinjauan kode dengan mengubah variabel jenis konten
- Templat perbandingan dapat digunakan untuk produk, kandidat pekerjaan, dan pendekatan teknis dengan mengubah variabel subjek dan kriteria
Jika Anda mulai menulis templat baru, telusuri pustaka terlebih dahulu.
Komposisi Templat: Dasar + Turunan
Jinja2 mendukung pewarisan templat — templat dasar menentukan struktur umum, sedangkan templat turunan menimpa blok tertentu. Hal ini mengurangi duplikasi pada templat yang saling berkaitan:
# prompts/base_content.j2 — shared structure for all content templates
'''
You are a professional writer for {{company}}.
Style rules (apply to all outputs):
- Active voice
- No jargon unless defined
- Sentences under 25 words
- No passive voice
- Warm, direct tone
{% block task %}{% endblock %}
{% block constraints %}
Length: {{word_count | default(200)}} words.
{% endblock %}
'''
# prompts/blog_post.j2 — inherits base, adds blog-specific instructions
'''
{% extends 'base_content.j2' %}
{% block task %}
Write a blog post about {{topic}} for {{audience}}.
Structure: Hook (1 para) + Problem (1-2 para) + Solution (2-3 para) + Takeaway (1 para).
Include one concrete example.
{% endblock %}
{% block constraints %}
{{ super() }}
Do not mention competitors. Include one pull quote.
{% endblock %}
'''Melacak Kinerja Templat
Dalam pipeline produksi, lacak versi templat mana yang menghasilkan keluaran terbaik. Salah satu pendekatan logging sederhana:
import json
import datetime
def log_generation(template_name, template_version, variables, output, rating=None):
log_entry = {
'timestamp': datetime.datetime.utcnow().isoformat(),
'template': template_name,
'version': template_version,
'input_vars': {k: str(v)[:50] for k, v in variables.items()}, # truncate for log
'output_length': len(output),
'rating': rating # optional human rating 1-5
}
with open('logs/generation_log.jsonl', 'a') as f:
f.write(json.dumps(log_entry) + '\n')
# Usage after generation
log_generation(
template_name='email_cold_outreach',
template_version='2.1',
variables={'sender_name': 'Alice', 'company_name': 'Acme'},
output='Dear Mr. Smith...',
rating=4
)Kapan Templat Sebaiknya Dipensiunkan
Templat dapat menjadi usang. Berikut tanda-tanda bahwa templat sebaiknya dipensiunkan atau diperbarui:
- Keluaran secara konsisten memerlukan banyak penyuntingan manual — templat tidak menangkap persyaratan yang tepat
- Tugasnya telah berubah (pedoman merek baru, audiens baru, persyaratan format baru)
- Versi model berubah dan instruksi templat tidak lagi berfungsi seperti yang diharapkan
- Templat yang lebih baik telah ditulis dan menggantikan templat ini
Arsipkan, bukan hapus, templat yang dipensiunkan — tandai sebagai tidak digunakan lagi di registri dan simpan berkasnya dalam subdirektori archive/. Anda mungkin perlu memahami alasan keluaran lama terlihat seperti itu.
Pemeriksaan Pengetahuan: Pustaka Prompt
Tim Anda yang terdiri dari 8 orang menghasilkan konten AI untuk tiga kasus penggunaan berbeda: kampanye email, dokumentasi produk, dan media sosial. Saat ini Anda memiliki 45 templat prompt yang disimpan dalam Google Doc bersama, tanpa penamaan yang konsisten, tanpa riwayat versi, dan tanpa dokumentasi. Perbaikan pertama mana yang memberikan dampak paling besar?
Ringkasan: Menggunakan Ulang Templat di Berbagai Tugas
Pustaka prompt mengubah prompt ad hoc menjadi aset yang dapat digunakan ulang dan dipelihara. Praktik utamanya adalah: struktur berkas yang teratur (datar hingga 50 templat, dikelompokkan jika lebih banyak), konvensi penamaan yang konsisten, header dokumentasi dengan variabel wajib dan catatan versi, serta git untuk pengendalian versi.
Perilaku pustaka yang paling bernilai adalah penggunaan ulang lintas tugas: struktur templat yang sama melayani berbagai kasus penggunaan dengan mengubah nilai variabel. Komposisi templat melalui pewarisan Jinja2 mengurangi duplikasi pada templat yang saling berkaitan. Lacak kinerja dan pensiunkan templat yang sudah usang secara aktif.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Menggunakan Ulang Templat untuk Berbagai Tugas” gratis?
Ya — teks lengkap “Menggunakan Ulang Templat untuk Berbagai Tugas” 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 “Menggunakan Ulang Templat untuk Berbagai Tugas”?
Bangun pustaka perintah pribadi dengan templat berparameter. 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 4 dari 4.
Berapa lama pelajaran “Menggunakan Ulang Templat untuk Berbagai Tugas” 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
- Apa Itu Templat Perintah?
- Membuat Pola Isian
- Teknik Substitusi Variabel
- Menggunakan Ulang Templat untuk Berbagai Tugas