AI Prompt Engineering · Pelajaran

Peran dan Spesialisasi

Merancang persona agen.

Pelajaran 1 dari 413 langkah

Peran dan Spesialisasi 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.

Mengapa Agen Perlu Dikhususkan

Satu perintah generalis yang menangani banyak hal akan mengurangi fokus dan mencampuradukkan instruksi. Menguraikan tugas menjadi agen khusus — masing-masing dengan mandat sempit, konteks terfokus, dan alat yang disesuaikan — mempertajam perilaku serta mengisolasi kegagalan.

  • Ruang lingkup sempit -> lebih andal dan lebih mudah diarahkan.
  • Isolasi -> kesalahan dalam satu peran tidak merusak peran lainnya.

Spesialisasi adalah penerapan strategi bagi-dan-taklukkan pada perintah.

Anatomi Persona

Persona agen yang efektif lebih dari sekadar nama. Persona tersebut menyatakan: mandat (hal yang menjadi tanggung jawabnya), batasan (hal yang tidak boleh dilakukannya), input/output (kontraknya), dan kriteria keberhasilan. Persona yang samar ('Anda adalah pakar yang membantu') tidak cukup membatasi perilaku.

persona = {
  'role': 'Researcher',
  'mandate': 'Gather and cite primary sources for the question.',
  'forbidden': 'Do not draw final conclusions; do not write prose.',
  'output': 'JSON list of {claim, source_url, confidence}.'
}

Satu Tanggung Jawab per Agen

Berikan setiap agen satu alasan untuk mengubah perilakunya. Agen 'meneliti-meringkas-memeriksa fakta' mencampurkan tiga tujuan yang arahnya berbeda. Pisahkan tujuan-tujuan tersebut agar masing-masing dapat disetel, dievaluasi, dan di-debug secara independen.

Ujiannya: jika Anda tidak dapat menyatakan tugas agen dalam satu kalimat tanpa kata 'dan', berarti agen tersebut mengerjakan terlalu banyak hal.

Konteks dan Alat dengan Ruang Lingkup Terbatas

Spesialisasi mencakup isolasi konteks. Agen pemrogram memerlukan kode dan spesifikasi, bukan ringkasan pemasaran. Membatasi konteks setiap agen mengurangi gangguan, biaya, dan kemungkinan agen bertindak berdasarkan materi yang tidak relevan.

  • Berikan hanya input yang diperlukan oleh mandatnya.
  • Berikan hanya alat yang memang sah digunakan oleh perannya.

Konteks minimum dan alat minimum adalah padanan prinsip hak akses minimum dalam sistem multi-agen.

agents = {
  'coder': {'context': ['spec', 'repo'], 'tools': ['edit', 'run_tests']},
  'reviewer': {'context': ['diff', 'style_guide'], 'tools': ['comment']}
}

Saling Melengkapi, Bukan Berlebihan

Peran harus membagi pekerjaan tanpa tumpang tindih atau celah. Tumpang tindih memboroskan komputasi dan menghasilkan output yang saling bertentangan; celah membuat sebagian tugas tidak memiliki penanggung jawab. Rancang kumpulan peran sebagai penguraian yang rapi, dengan tepat satu penanggung jawab untuk setiap subtugas.

Gambarkan peta tanggung jawab terlebih dahulu, lalu tulis persona untuk mengisi setiap bagian.

Peran Adversarial dan Pengkritik

Beberapa spesialis yang paling bernilai bersifat adversarial: Pengkritik yang menemukan kelemahan, Tim Merah yang menyerang rencana, dan Pemeriksa yang menuntut bukti. Mandat mereka secara eksplisit adalah untuk tidak setuju, sehingga menyeimbangkan sikap menjilat dan kepercayaan diri berlebihan dari agen tunggal.

Pasangkan setiap pembuat dengan seorang skeptis yang keberhasilannya diukur dari masalah yang ditemukan.

critic = {
  'role': 'Critic',
  'mandate': 'Find the strongest objection to the proposal.',
  'output': '{weaknesses: [...], severity: low|med|high}',
  'note': 'You are rewarded for valid flaws, not agreement.'
}

Stabilitas dan Perubahan Persona

Dalam sesi yang panjang, agen dapat keluar dari karakternya karena menyerap nada atau tujuan dari hal lain yang dibacanya. Perkuat identitasnya: nyatakan kembali mandat pada setiap pemanggilan, dan jaga agar perintah setiap agen berdiri sendiri sehingga tidak diam-diam mewarisi instruksi agen lain.

Perlakukan persona sebagai sesuatu yang ditegaskan kembali pada setiap giliran, bukan ditetapkan sekali lalu dilupakan.

Kontrak Output Antara Peran

Spesialis harus melakukan serah terima dengan rapi. Tentukan kontrak bertipe untuk output setiap peran yang akan digunakan oleh peran berikutnya. Serah terima dalam prosa longgar menyebabkan salah tafsir; kontrak terstruktur membuat pipeline mudah disusun dan diverifikasi.

Peneliti menghasilkan klaim yang disertai sitasi; Penulis menggunakan format tersebut secara tepat; Pengkritik memeriksanya.

researcher_out = {'claims': [{'text': str, 'source': str, 'confidence': float}]}
# Writer input MUST equal researcher_out — contract enforced.

Biaya dan Latensi Spesialisasi

Semakin banyak agen berarti semakin banyak pemanggilan. Spesialisasi menukar efisiensi satu pemanggilan dengan keandalan dan eksekusi paralel. Benarkan setiap peran: jika pemisahan tidak meningkatkan kualitas secara terukur atau memungkinkan pekerjaan paralel, gabungkan kembali peran tersebut ke dalam agen generalis.

  • Spesialis yang dapat diparalelkan dapat berjalan bersamaan -> latensi lebih rendah.
  • Spesialis yang sepenuhnya berurutan menambah latensi -> pastikan peningkatan kualitasnya sepadan.

Memilih Tingkat Perincian yang Tepat

Terlalu sedikit peran menghasilkan generalis yang kacau; terlalu banyak peran membuat Anda tenggelam dalam beban koordinasi. Pilih penguraian paling kasar yang tetap memberi setiap agen satu tanggung jawab yang dapat dievaluasi. Mulailah secara kasar, lalu pisahkan hanya ketika evaluasi membuktikan bahwa suatu peran terlalu terbebani.

Tingkat perincian disetel secara empiris, dengan panduan dari lokasi kesalahan yang sebenarnya paling banyak terjadi.

Daftar Periksa Perancangan Persona

Untuk setiap agen, pastikan tersedia: mandat satu kalimat, batasan yang jelas, pembatasan konteks minimum dan alat minimum, kontrak output bertipe, kesesuaian yang saling melengkapi tanpa tumpang tindih atau celah, penguatan identitas pada setiap giliran, serta alasan bahwa pemisahan tersebut meningkatkan kualitas atau memungkinkan eksekusi paralel. Pengkritik adversarial layak dipertahankan karena menemukan kelemahan nyata.

Pemeriksaan Singkat

Anda melihat satu agen yang meneliti, menulis, dan memeriksa fakta menghasilkan hasil yang tidak konsisten dan sulit di-debug.

Ringkasan: Peran dan Spesialisasi

Uraikan tugas menjadi agen dengan satu tanggung jawab, masing-masing memiliki mandat yang jelas, batasan yang tegas, pembatasan konteks minimum dan alat minimum, serta kontrak output bertipe. Bagi pekerjaan secara rapi tanpa tumpang tindih atau celah, pasangkan pembuat dengan pengkritik adversarial, perkuat identitas persona pada setiap giliran, dan pilih tingkat perincian paling kasar yang membuat setiap peran dapat dievaluasi. Spesialisasi memberikan keandalan dan eksekusi paralel dengan biaya berupa lebih banyak pemanggilan — gunakan hanya di bagian yang terbukti membantu secara terukur.

Gratis untuk memulai

Belajar AI Prompt Engineering dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus
53
Pelajaran
199

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Peran dan Spesialisasi” gratis?

Ya — teks lengkap “Peran dan Spesialisasi” 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 “Peran dan Spesialisasi”?

Merancang persona agen. 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 “Peran dan Spesialisasi” 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

  1. Peran dan Spesialisasi
  2. Orkestrator dan Pekerja
  3. Komunikasi Antaragen
  4. Agen yang Berdebat dan Memilih
← Kembali ke AI Prompt Engineering