Prompt adalah teks yang Anda masukkan ke model bahasa besar (LLM) untuk secara eksplisit memberi tahu model tentang masalah atau tugas yang ingin Anda selesaikan. Prompt juga menjadi dasar bagi LLM dalam memahami kebutuhan pengguna serta menghasilkan jawaban atau konten yang relevan dan akurat. Untuk membantu Anda menggunakan LLM secara lebih efisien, panduan ini menyediakan serangkaian teknik praktis untuk merancang dan mengoptimalkan prompt.
Rancang prompts
Buat prompt yang jelas dan spesifik
Bayangkan menugaskan rekan kerja hanya dengan satu kalimat untuk menjelaskan kebutuhannya. Hasilnya kemungkinan besar tidak sesuai harapan Anda. Namun, jika Anda memberikan informasi referensi yang lebih lengkap—seperti tujuan yang jelas, arahan yang disarankan, dan strategi pelaksanaan—mereka lebih mungkin menyelesaikan tugas tersebut dengan standar tinggi.
Hal yang sama berlaku saat menggunakan LLM. Semakin jelas dan spesifik deskripsi tugas Anda (prompt), semakin besar kemungkinan kinerja LLM sesuai dengan harapan Anda.
Membuat prompt yang jelas dan spesifik merupakan langkah terpenting dalam memanfaatkan sepenuhnya kemampuan LLM.
|
Prompt samar |
Prompt jelas dan spesifik |
|
Saya ingin mempromosikan produk baru perusahaan saya. Nama perusahaan saya adalah Bailian, dan nama produk barunya adalah Zephyr Z9, yaitu ponsel portabel ringan. Bantu saya membuat postingan Weibo. |
Mohon rancang postingan promosi Weibo yang menarik perhatian untuk ponsel portabel ringan "Zephyr Z9" yang baru diluncurkan oleh perusahaan saya "Bailian". Konten harus menonjolkan poin penjualan unik Zephyr Z9, seperti desain ultra-tipis, konfigurasi berkinerja tinggi, dan kemudahan penggunaan, sekaligus menggabungkan elemen kreatif untuk meningkatkan minat audiens dan dorongan untuk berinteraksi. Jangan lupa menyebut reputasi merek Bailian, membangkitkan rasa penasaran audiens, dan mengarahkan mereka untuk mengeksplorasi informasi produk lebih lanjut atau melakukan pembelian langsung. Postingan harus ringkas namun kuat, sesuai dengan gaya dan batas karakter platform Weibo, serta cocok untuk distribusi media sosial. |
|
Anda adalah pakar pemrograman PHP senior yang telah menerima tugas pengembangan yang jelas. Persyaratannya adalah: ${require}. Mohon gunakan bahasa PHP untuk menjelaskan secara detail algoritma atau metode untuk mengimplementasikan persyaratan ini, serta pertimbangkan kasus tepi dan penanganan error yang mungkin dihadapi selama implementasi, bersama dengan cara memenuhi persyaratan ini menggunakan kode yang efisien dan aman. |
Sebagai pakar pemrograman PHP berpengalaman, tugas pengembangan spesifik Anda adalah: ${require}. Mohon gunakan pengetahuan profesional Anda untuk menjelaskan secara rinci algoritma atau metodologi efisien menggunakan PHP guna mengimplementasikan persyaratan tugas ini. Dalam penjelasan Anda, pastikan mencakup poin-poin berikut: - Langkah-langkah implementasi spesifik, termasuk pemilihan dan desain fungsi, kelas, serta struktur data yang diperlukan. - Analisis kondisi batas, mengidentifikasi dan menjelaskan potensi kasus tepi serta cara menangani situasi tersebut dengan tepat. - Mekanisme penanganan error, menjelaskan cara mengimplementasikan logika deteksi error dan penanganan exception yang kuat dalam kode untuk memastikan stabilitas program. - Pertimbangan keamanan, membahas ancaman keamanan yang mungkin terjadi dan langkah pencegahan yang direkomendasikan untuk memastikan keamanan data dan perlindungan privasi selama eksekusi kode. - Saran optimasi kinerja, mengusulkan metode untuk meningkatkan efisiensi eksekusi kode, termasuk namun tidak terbatas pada optimasi algoritma, manajemen resource, dan strategi caching. Pastikan jawaban Anda tidak hanya akurat secara teknis tetapi juga jelas dan mudah dipahami, sehingga pengembang lain dapat dengan cepat memahami dan menerapkannya dalam proyek aktual. |
Gunakan kerangka prompt
Untuk secara sistematis memberikan latar belakang dan tujuan yang jelas kepada LLM, kami merekomendasikan penggunaan kerangka prompt guna menstandarkan prompt Anda. Pendekatan ini membantu Anda merancang struktur prompt dengan mudah dan cepat. Templat ini mempertimbangkan berbagai aspek yang memengaruhi efektivitas dan relevansi output LLM, sehingga secara signifikan meningkatkan kinerja model.
Berisi elemen-elemen berikut:
-
Context: Informasi latar belakang yang berkaitan erat dengan tugas. Ini membantu LLM memahami skenario spesifik dan memastikan respons yang dihasilkan relevan.
-
Objective: Nyatakan secara jelas tugas spesifik yang Anda harapkan LLM selesaikan. Instruksi yang jelas dan tepat dapat mengarahkan LLM fokus pada tugas, meningkatkan efektivitas output.
-
Style: Tentukan gaya penulisan yang Anda inginkan untuk output LLM, misalnya gaya selebriti tertentu, aliran sastra tertentu, atau jenis ahli tertentu.
-
Tone: Definisikan nada yang harus dimiliki konten output, seperti formal, humoris, hangat, atau peduli, agar sesuai dengan berbagai skenario dan tujuan penggunaan.
-
Audience: Tunjukkan secara jelas kelompok pembaca target untuk konten tersebut—apakah mereka profesional, pemula, atau anak-anak—sehingga LLM dapat menyesuaikan bahasa dan kedalaman konten agar lebih memenuhi kebutuhan audiens.
-
Response: Tentukan bentuk pasti dari konten output untuk memastikan LLM memberikan hasil yang langsung memenuhi kebutuhan aplikasi selanjutnya, seperti daftar, format data JSON, atau laporan analisis profesional.
|
Tanpa kerangka prompt |
Dengan kerangka prompt |
|
|
Prompt |
Saya ingin mempromosikan produk baru perusahaan saya. Nama perusahaan saya adalah Bailian, dan nama produk barunya adalah Zephyr Z9, yaitu ponsel portabel ringan. Bantu saya membuat postingan Weibo yang ringkas namun berdampak. |
#Background# Saya ingin mengiklankan produk baru perusahaan saya. Perusahaan saya bernama Bailian, dan produknya bernama Bailian Zephyr Z9, sebuah ponsel portabel ringan. #Purpose# Buatkan postingan Weibo untuk saya (batas: 500 kata) yang bertujuan membuat orang tertarik mengklik tautan produk untuk melakukan pembelian. #Style# Ikuti gaya penulisan perusahaan sukses seperti Blackberry untuk iklan produk serupa. #Tone# Persuasif #Audience# Audiens perusahaan saya di Weibo umumnya generasi muda. Sesuaikan postingan Anda agar orang yang menyukai produk digital dapat dengan cepat memperhatikan postingan Anda. #Outputs# Postingan di Weibo yang ringkas dan berdampak. |
|
Output |
[Nyalakan Masa Depan, Angin dan Awan Bangkit]
Pohon ringan, fokus pada pengalaman. #ModelStudioZephyrZ9#, lahir untuk luar biasa, datang untuk Anda. Rangkul masa depan sekarang dan mulai era teknologi ringan Anda sendiri! Situs resmi: [www.bailian.com/Z9] (harap ganti dengan URL aktual) #LightweightFlagship #NewTechFashion #PalmArtwork |
Di era serba cepat ini, setiap gram bobot adalah beban bagi kebebasan. Model Studio memahami hal ini dengan baik dan telah dengan cermat menciptakan Zephyr Z9 – ponsel yang lahir bagi mereka yang mencari keseimbangan sempurna antara ringan ekstrem dan performa tangguh! Sensasi melayang tak terlupakan sejak sentuhan pertama!
Zephyr Z9 mendefinisikan ulang "ringan" dengan bodi tipisnya yang menakjubkan. Dengan ketebalan hanya X.X mm, ia dengan mudah masuk ke saku Anda, menjadikannya teman sempurna untuk aktivitas harian. Membawanya seperti membawa masa depan saat Anda menjelajahi hutan beton perkotaan!
Jangan tertipu oleh ringannya, intinya penuh kekuatan solid! Dilengkapi prosesor XXXX terbaru, kelancarannya luar biasa. Baik multitasking maupun game besar, Z9 menanganinya dengan mudah, menjaga Anda selalu di garda terdepan teknologi.
Dilengkapi lensa super sensitif cahaya XXMP, jernih bahkan di malam hari. Pengenalan adegan cerdas AI membuat setiap foto setara mahakarya. Dengan Zephyr Z9, abadikan setiap momen luar biasa dan buat feed media sosial Anda menonjol.
Ukuran kecil, energi besar! Zephyr Z9 memiliki baterai efisiensi tinggi bawaan, dipadukan dengan teknologi pengisian cepat XXX, isi sebentar, temani lama. Ucapkan selamat tinggal pada kecemasan baterai, kreativitas dan inspirasi Anda tak lagi terbatas.⚡
100 pengguna pertama yang membeli melalui tautan akan mendapatkan paket hadiah misterius! Termasuk casing pelindung khusus, kartu tahunan keanggotaan XXX, dan banyak hadiah menarik lainnya, hanya untuk Anda yang istimewa! Bertindak sekarang dan biarkan Model Studio Zephyr Z9 menjadi mitra baru Anda dalam menjelajahi dunia! Klik tautan di bawah untuk memulai era ringan yang baru!
#ModelStudioZephyrZ9 #LightweightFlagship #TechAesthetics #DigitalTrend #PerformanceBeast |
Produk baru Bailian, Zephyr Z9 diluncurkan dengan gemilang!
Bergabunglah dengan Zephyr Z9, biarkan teknologi dan ringan berjalan bersama. Ini bukan sekadar ponsel, melainkan teman ringan Anda untuk menjelajahi dunia. Ketipisan menantang batas, desain memimpin tren mode, dengan Z9 di tangan, inspirasi meledak kapan saja.
Performa di luar imajinasi, dilengkapi prosesor ultra-cepat, mulus seperti angin, baik untuk sprint kerja maupun ekspedisi gaming, Zephyr Z9 adalah pilihan utama Anda. Daya tahan baterai kuat menjaga setiap hasrat tetap menyala!
Abadikan setiap momen kehidupan, kamera Z9 ditingkatkan secara inovatif, adegan malam, potret, sudut lebar, setiap bidikan adalah mahakarya sampul, membuat kenangan indah tak pernah pudar.
[Pengungkapan Eksklusif] Bailian Zephyr Z9, perusak di dunia ringan telah tiba!
[Desain ultra-tipis, di ujung jari Anda] 
[Konfigurasi top, monster performa] 
[Ahli fotografi, merekam kehidupan] 
[Daya tahan baterai tanpa khawatir, penuh energi] 
[Manfaat waktu terbatas, jangan lewatkan] 
[Beli Model Studio Zephyr Z9 Sekarang] [Tautan Produk]Tanpa kerangka prompt, output LLM—meskipun cukup baik—terlihat terlalu umum dan kurang detail serta daya tarik yang diperlukan untuk kelompok spesifik. Saat menggunakan kerangka prompt, kerangka tersebut tidak hanya mengingatkan Anda untuk mempertimbangkan aspek lain dari persyaratan—terutama gaya, nada, dan audiens yang biasanya hilang dalam prompt umum—tetapi juga membantu LLM menghasilkan output yang lebih ditargetkan untuk kelompok muda, dengan lebih banyak detail dan ekspresi bahasa yang lebih menarik.
Terdapat banyak jenis kerangka prompt dalam praktiknya. Anda dapat menambah atau menghapus elemen struktural berdasarkan kebutuhan tugas Anda. Anda juga dapat mengamati penerapan fleksibel kerangka prompt ini di bab-bab selanjutnya tutorial ini.
Optimalkan prompts
Tip 1: Berikan contoh output
Memberikan contoh output yang Anda harapkan dalam prompt memungkinkan LLM "meniru" standar, format, konsep, tata bahasa, dan nada yang dibutuhkan. Di sisi lain, contoh tersebut juga membuat hasil dari beberapa output LLM lebih konsisten, sehingga menstabilkan kinerja model.
|
Tanpa contoh |
Dengan contoh |
|
|
Prompt |
#Background# Anda pandai menulis postingan rekomendasi produk Xiaohongshu dan suka menambahkan elemen emoji yang kaya. #Purpose# Mohon buatkan postingan rekomendasi produk Xiaohongshu untuk mempromosikan hair dryer Johnson. Keunggulan hair dryer tersebut adalah: ukuran kecil, estetika tinggi, tenaga angin kuat, pengeringan cepat, dan kontrol suhu cerdas yang tidak merusak rambut. #Audience# Anak muda yang suka mengejar tren mode, terutama wanita muda #Outputs# Format artikel Xiaohongshu, penuh elemen emoji, ringkas namun kaya konten |
#Background# Anda pandai menulis postingan rekomendasi produk Xiaohongshu dan suka menambahkan elemen emoji yang kaya. #Purpose# Mohon buatkan postingan rekomendasi produk Xiaohongshu untuk mempromosikan hair dryer Johnson. Keunggulan hair dryer tersebut adalah: ukuran kecil, estetika tinggi, tenaga angin kuat, pengeringan cepat, dan kontrol suhu cerdas yang tidak merusak rambut. #Audience# Anak muda yang suka mengejar tren mode, terutama wanita muda #Outputs# Format artikel Xiaohongshu, penuh elemen emoji, ringkas namun kaya konten #Tone and Style#
|
|
Output |
Judul: Isi: Hai sayang! Hari ini aku akan merekomendasikan bintang baru brilian di dunia kecantikan
Pertama, ukuran mininya langsung menyentuh hatiku! Bahkan dengan tas travel penuh, ia bisa dengan mudah dimasukkan, tidak memakan tempat, bergaya di mana saja kapan saja
Lihat desain ini, ini praktis karya seni! Baik putih minimalis atau pink premium, memegangnya membuat Anda paling keren di jalanan! Ponsel? Tidak, ini aksesori mode baruku
Jangan tertipu ukurannya yang kecil, tenaga anginnya bukan main-main! Buru-buru pagi hari? Johnson membantu Anda menyelesaikan gaya rambut dalam 5 menit, efisiensi MAKSIMAL!
Teknologi kontrol suhu cerdas merawat lembut setiap helai rambut Anda. Ucapkan selamat tinggal pada kerusakan panas, hanya menyisakan rambut halus dan berkilau, setiap kali mengeringkan seperti perawatan salon~
Bukan hanya tenaga angin yang memahami Anda, tetapi juga suhunya. Secara otomatis menyesuaikan panas paling sesuai berdasarkan kualitas rambut, melindungi kesehatan rambut, tidak takut rusak meski digunakan jangka panjang Intinya, hair dryer Johnson adalah kekasih kecil yang tidak bisa Anda lepaskan! Cepat tambahkan ke keranjang belanja Anda untuk mempercepat kecantikan Anda! #JohnsonHairDryer #BeautyExpert #QuickHairCareSecrets Tag teman Anda dan biarkan mereka merasakan ringan dan efisiensi ini juga! Ingat, merawat diri sendiri dimulai dari "kepala", Johnson dan Anda bersama, pancarkan kilau percaya diri! |
Ayo tambahkan hair dryer kecil tangguh penuh gaya ini ke keranjang belanja Anda! #JohnsonHairDryer #HighAestheticBeautyTool #IntelligentHairCareNewExperience #QuickDryingNoDamage #FashionEssential |
Mesin Angin Ajaib Compact Johnson, Favorit Baru untuk Pengeringan Cepat dan Perlindungan Rambut
– hair dryer Johnson! Ini bukan sekadar alat, tapi praktis salon rambut portabel
Ukuran compact, wajib dibawa saat bepergian 
Estetika tinggi, tren jalanan modis 
Tenaga angin kuat, keajaiban pengeringan cepat 
Kering cepat, lindungi rambut 
Kontrol suhu cerdas, pilihan bijak 
Apakah hair dryer juga bisa menjadi item fashion rambut? Hair dryer kecil tangguh Johnson memberi tahu jawabannya!
Sejak saya mulai menggunakan
hair dryer Johnson
, tidak hanya tas travel saya menjadi lebih ringan
, tetapi setiap kali mengeringkan rambut menjadi waktu yang menyenangkan
! Setelah menggunakannya beberapa kali, teman-teman saya semua memuji bahwa kualitas rambut saya terlihat lebih dari satu level, seolah baru keluar dari salon
. Ini pasti teman sempurna untuk perjalanan singkat atau kehidupan asrama! Cocok untuk semua sayang yang mengejar perawatan rambut efisien~
Menghadapi air terjun rambut panjang basah yang memakan waktu lebih dari setengah jam setiap kali?
Jangan khawatir, teknologi kontrol suhu cerdas Johnson ada di sini
! Ia dapat mengeringkan setiap helai rambut dengan cepat, dan meskipun tenaga anginnya kuat, tidak merusak rambut. Rahasianya terletak pada kemampuannya menyesuaikan suhu secara cerdas, melindungi rambut Anda dari kerusakan panas
. Mulai sekarang, bersiap cepat bukan lagi mimpi!
Saya selalu percaya bahwa alat styling yang baik adalah manifestasi sikap kecantikan
. Hair dryer Johnson berestetika tinggi ini bukan sekadar alat, tetapi karya seni di meja rias Anda
. Setiap kali saya menggunakannya untuk mengeringkan rambut, rasanya seperti meningkatkan rasa ritual untuk gaya pribadi saya. Mengapa tidak memanjakan diri dengan kemewahan kecil seperti ini, toh hari yang indah dimulai dari kepala!
Ingat saat saya menerima undangan makan malam mendadak
, buru-buru keluar dari gym dengan rambut masih basah kuyup. Tepat saat saya cemas, untunglah hair dryer Johnson datang menyelamatkan! Saya dengan cepat mengeringkan rambut basah acak-acakan menjadi rapi, dan saat masuk ruang perjamuan, saya penuh percaya diri
, seolah baru saja menjalani perawatan salon premium. Berkat alat kecantikan compact namun tangguh ini, kecantikan saya tidak lagi dibatasi waktu!
Mari jadi wanita seperti angin, elegan dan efisien, bersinar dari kepala setiap hari!
Dalam perbandingan sebelumnya, LLM mempelajari contoh-contoh tersebut dan menulis postingan rekomendasi sesuai dengan itu.
Tip 2: Tetapkan langkah-langkah untuk tugas
Untuk banyak tugas kompleks, mengingatkan LLM cara menyelesaikan tugas sangat penting.
Tip 3: Gunakan pemisah untuk membedakan unit
Saat menyusun prompt kompleks, gunakan pemisah spesifik untuk mendefinisikan unit konten berbeda. Hal ini secara signifikan meningkatkan kemampuan LLM untuk mengurai prompt dengan benar. Seiring meningkatnya kompleksitas tugas, penggunaan pemisah yang tepat menjadi semakin penting.
Untuk pemisah, gunakan kombinasi karakter unik yang jarang muncul dalam teks bahasa alami, seperti: ###, ===, >>>. Urutan simbol khusus ini tidak memiliki aturan tetap; kuncinya adalah bahwa simbol-simbol tersebut sangat mudah dikenali, memastikan model dapat dengan jelas membedakan simbol-simbol ini sebagai penanda batas area konten, bukan tanda baca biasa atau komponen tata bahasa dalam teks.
|
Tanpa pemisah |
Dengan pemisah |
|
|
Prompt |
Mohon ringkas secara singkat ulasan film berikut. Dulu bersemangat dan enerjik, Zhang Zhiqiang menyimpang dari lintasan kehidupan aslinya di bawah tekanan hidup, menjadi "tergelincir" di usia paruh baya. Keputusan impulsif sesaat langsung mengubahnya dari "kebanggaan kecil" keluarganya menjadi "figur marginal" di masyarakat. Namun, ia tidak pernah menyangka bahwa ini hanyalah titik awal perjalanan hidupnya di usia paruh baya. Serangkaian peristiwa tak terduga datang seperti badai tiba-tiba, memaksanya menghadapi dirinya sendiri kembali. Saat beban hidup benar-benar menimpa pundaknya, ia memilih menjadi kurir, memulai dari awal yang baru. Gao Zhilei, melintasi jalan-jalan dan gang-gang kota, bertemu rekan-rekan seperjuangan di sepanjang jalan. Selama waktu bersama mereka, ia sangat merasakan hangat dan dinginnya hubungan manusia, secara perlahan menemukan kembali keberanian dan keyakinan yang hilang di "jalan terbalik" yang menantang ini, mendefinisikan kembali arah baru untuk hidupnya. |
Mohon ringkas secara singkat ulasan film berikut. ### Dulu bersemangat dan enerjik, Zhang Zhiqiang menyimpang dari lintasan kehidupan aslinya di bawah tekanan hidup, menjadi "tergelincir" di usia paruh baya. Keputusan impulsif sesaat langsung mengubahnya dari "kebanggaan kecil" keluarganya menjadi "figur marginal" di masyarakat. ### Namun, ia tidak pernah menyangka bahwa ini hanyalah titik awal perjalanan hidupnya di usia paruh baya. Serangkaian peristiwa tak terduga datang seperti badai tiba-tiba, memaksanya menghadapi dirinya sendiri kembali. Saat beban hidup benar-benar menimpa pundaknya, ia memilih menjadi kurir, memulai dari awal yang baru. Gao Zhilei, melintasi jalan-jalan dan gang-gang kota, bertemu rekan-rekan seperjuangan di sepanjang jalan. ### Selama waktu bersama mereka, ia sangat merasakan hangat dan dinginnya hubungan manusia, secara perlahan menemukan kembali keberanian dan keyakinan yang hilang di "jalan terbalik" yang menantang ini, mendefinisikan kembali arah baru untuk hidupnya. ### |
|
Output |
Film ini menceritakan kisah krisis paruh baya, di mana protagonis Zhang Zhiqiang menyimpang dari jalur kehidupan normalnya karena tekanan hidup. Setelah mengalami serangkaian tantangan, ia menjadi kurir dan, dengan bantuan teman-teman baru, mendapatkan kembali keberanian dan keyakinannya, menemukan arah baru dalam hidup. Film ini menampilkan pertumbuhan dan penebusan diri dalam kesulitan. |
Protagonis Zhang Zhiqiang menghadapi kesulitan hidup di usia paruh baya, dan keputusan impulsif menyebabkan status sosialnya jatuh drastis. Setelah itu, menghadapi berbagai tantangan, ia mengambil pekerjaan sebagai kurir untuk memulai dari awal, membangun persahabatan mendalam dengan rekan kerja selama proses ini, dan mendapatkan kembali keberanian serta keyakinannya melalui kesulitan. Akhirnya, di tengah kesulitan dan tantangan, ia menemukan makna dan arah baru untuk hidupnya. |
Output yang menggunakan pemisah menunjukkan peningkatan signifikan. LLM tidak hanya memahami hubungan logis antara tiga paragraf tetapi juga mengenali pemisah dengan benar dan menghasilkan tiga ringkasan yang sangat terkait berdasarkan paragraf yang dipisahkan.
Tip 4: Arahkan model untuk "berpikir"
Untuk tugas kompleks yang melibatkan penalaran logis dan pembelajaran kontekstual, teknik prompt sederhana mungkin tidak memenuhi persyaratan tugas. Namun, Anda dapat mengarahkan model untuk menghasilkan proses penalaran atau memecah tugas kompleks dan menalar langkah demi langkah, memungkinkan model menghasilkan lebih banyak bukti penalaran sebelum menghasilkan hasil akhir.
Di sini kami pertama-tama memperkenalkan Chain of Thought (CoT), metode yang relatif sederhana untuk digunakan yang secara signifikan dapat meningkatkan penalaran LLM dalam skenario kompleks.
Tujuan tugas: Mengurai struktur JSON kompleks
#Background#
Input JSON:
{"web-app": {
"servlet": [
{
"servlet-name": "cofaxEmail",
"servlet-class": "org.cofax.cds.EmailServlet",
"init-param": {
"mailHost": "mail1",
"mailHostOverride": "mail2"}},
{
"servlet-name": "cofaxTools",
"servlet-class": "org.cofax.cms.CofaxToolsServlet",
"init-param": {
"templatePath": "toolstemplates/",
"log": 1,
"logLocation": "/usr/local/tomcat/logs/CofaxTools.log",
"logMaxSize": ""}}],
"servlet-mapping": {
"cofaxEmail": "/cofaxutil/aemail/*",
"cofaxTools": "/tools/*"},
"taglib": {
"taglib-uri": "cofax.tld",
"taglib-location": "/WEB-INF/tlds/cofax.tld"}}}
#Purpose#
Berdasarkan JSON tersebut, tentukan apakah sepenuhnya memenuhi persyaratan berikut:
1. Apakah setiap servlet memiliki init-param
2. Apakah semua elemen dalam servlet-mapping cocok dengan servlet
3. Apakah servlet cofaxTools memiliki tiga parameter yang diawali "log", dan apakah parameter "log" kurang dari 10|
Tanpa CoT |
Dengan CoT |
|
|
|
Requirements not met |
Pertama, mari kita analisis data JSON yang diberikan langkah demi langkah untuk menentukan apakah memenuhi semua persyaratan yang disebutkan. Proses berpikir
OutputBerdasarkan analisis di atas, meskipun mungkin ada ruang interpretasi mengenai penanganan "logMaxSize", kondisi utama pada dasarnya terpenuhi. Oleh karena itu, jika tidak ada persyaratan ketat untuk "logMaxSize" (misalnya, tidak mensyaratkan memiliki nilai valid kurang dari 10), maka dapat dianggap secara keseluruhan Requirements met. Jika ada persyaratan nilai spesifik untuk "logMaxSize", maka klarifikasi lebih lanjut diperlukan sebelum membuat keputusan. Namun di bawah interpretasi standar, jawabannya harus: "Requirements met". |
Selain CoT, metode praktis lain untuk menginspirasi LLM "berpikir" adalah Prompt Chaining. Prompt Chaining mengarahkan arah "pemikiran" melalui percakapan multi-putaran, mengarahkan LLM untuk memulai dari tugas sederhana dan secara bertahap menyelesaikan penalaran kompleks sepanjang "jalur pemikiran" yang dirancang.
Meskipun Prompt Chaining lebih kompleks untuk dikonstruksi dibandingkan Chain of Thought, metode ini berkinerja lebih baik dan memiliki akurasi lebih tinggi. Metode ini sangat cocok untuk tugas yang secara logis kompleks tetapi dapat dipecah menurut pola tetap.
Contoh Prompt Chaining
Metode lain untuk mengarahkan "pemikiran" LLM termasuk Tree of Thoughts (ToT) dan Boosting of Thoughts.
Pengujian dan iterasi prompt
Menghasilkan prompt optimal adalah proses iteratif yang memerlukan percobaan dan penyesuaian berbagai metode secara terus-menerus. Seluruh proses optimasi rekayasa prompt dapat dirangkum sebagai berikut:
Selain itu, perlu dicatat bahwa selain prompt yang dirancang dengan cermat, umpan balik dan koreksi pengguna juga merupakan faktor kunci. Bahkan setelah optimasi prompt selesai, terus menerima umpan balik di lingkungan online dan melakukan penyesuaian yang sesuai diperlukan untuk membantu model lebih memahami dan memenuhi kebutuhan pengguna.
Kasus optimasi: Mengarahkan asisten AI untuk menghasilkan konten multibahasa bagi perusahaan multinasional
Latar belakang: Pengguna melaporkan bahwa qwen-turbo tidak konsisten menjawab pertanyaan bahasa Inggris dalam bahasa Inggris.
Poin optimasi:
-
Struktur prompt sebelum optimasi relatif longgar, dan bagian
## Limitationsbersifat redundan. Oleh karena itu, kerangka prompt yang disediakan dalam tutorial ini digunakan untuk memformat ulang dan membagi konten bagian## Limitationske lokasi yang tepat. -
Bagian
${documents}adalah bagian panjang yang tidak tepat ditempatkan di dalam kalimat. Bagian ini harus ditandai dan dipisahkan menggunakan pembatas sebagai blok konten penting.
|
Sebelum optimasi |
Setelah optimasi |
|
# Role Anda adalah asisten AI HR yang efisien, khusus bertanggung jawab menjawab pertanyaan internal perusahaan tentang kebijakan, sistem absensi, pengaturan cuti tahunan, dan isu terkait lainnya. Anda memiliki kemampuan untuk mengurai dokumen kebijakan perusahaan secara cepat dan akurat serta memberikan penjelasan yang jelas dan ringkas kepada rekan kerja. ## Skills ### Skill 1: Interpretasi Kebijakan - **Task**: Menginterpretasi dokumen kebijakan perusahaan secara akurat dan memberikan penjelasan kebijakan yang jelas dan ringkas kepada rekan kerja. - Cepat menemukan klausa kebijakan relevan dan menjawab detail implementasi kebijakan spesifik. - Pastikan penjelasan mudah dipahami dan sesuai dengan peraturan resmi perusahaan. ### Skill 2: Tanya Jawab Absensi - Jawab semua pertanyaan terkait absensi karyawan, termasuk aturan absen, penanganan keterlambatan dan pulang lebih awal, prosedur cuti, dll. - Berikan panduan operasional absensi spesifik dan saran penanganan situasi khusus. ### Skill 3: Konsultasi Manajemen Cuti Tahunan - Jelaskan secara rinci syarat pengajuan cuti tahunan, aturan akumulasi, periode validitas, dan proses persetujuan. - Bantu menghitung saldo cuti tahunan karyawan dan berikan saran perencanaan liburan. ## Tools and Resources - **Knowledge Base Access**: Langsung mengurai dokumen kebijakan perusahaan dan peraturan terkait di `${documents}` untuk memastikan otoritas dan ketepatan waktu jawaban. - Jika pertanyaan dalam bahasa Inggris, mohon gunakan pemahaman Anda tentang arti bahasa Chinanya untuk mencari basis pengetahuan, lalu respons dalam bahasa Inggris (harap perhatikan bahwa tanda baca dalam respons harus dalam format bahasa Inggris! Terutama karakter U+2019 "'", harap ganti dengan "'" ). ## Limitations - Respons hanya boleh menggunakan set karakter ASCII standar, jangan gunakan tanda kutip bahasa Mandarin, koma lebar penuh, atau tanda baca lebar penuh lainnya!!! - Respons dalam bahasa yang sama dengan pertanyaan pengguna, misalnya, jika pengguna menggunakan bahasa Mandarin, jawab dalam bahasa Mandarin; jika pengguna menggunakan bahasa Inggris, jawab dalam bahasa Inggris. - Terbatas pada menjawab pertanyaan dalam lingkup kebijakan perusahaan, sistem absensi, cuti tahunan, dan bidang manajemen sumber daya manusia lainnya. - Jangan melibatkan kueri data privasi pribadi, lindungi keamanan informasi karyawan. - Saat menghadapi pertanyaan yang tidak tercakup atau tidak jelas dalam basis pengetahuan, arahkan penanya untuk menghubungi Departemen Sumber Daya Manusia untuk bantuan lebih lanjut. |
#Background# Anda adalah asisten AI HR yang efisien untuk perusahaan multinasional, khusus bertanggung jawab menjawab pertanyaan internal perusahaan tentang interpretasi kebijakan, tanya jawab absensi, dan konsultasi manajemen cuti tahunan. Anda memiliki kemampuan untuk mengurai dokumen kebijakan perusahaan secara cepat dan akurat. Berikut adalah dokumen kebijakan perusahaan: ====== `${documents}` ====== #Purpose#
#Multilingual requirements# - Jika pertanyaan tidak dalam bahasa Mandarin, terjemahkan pertanyaan tersebut ke bahasa Mandarin untuk mencari basis pengetahuan. - Konten yang diambil dari basis pengetahuan juga harus dikonversi ke bahasa pertanyaan saat mengeluarkan output. #Outputs# 1. Gunakan hanya set karakter ASCII standar untuk respons output. 2. Bahasa konten output harus sama dengan bahasa input pengguna. |
Kasus optimasi: Mengekstraksi hasil analisis multidimensi dari percakapan dan mengeluarkan JSON
Dalam skenario bisnis seperti inspeksi kualitas layanan pelanggan dan analisis penjualan, Anda sering perlu mengekstraksi hasil analisis lintas beberapa dimensi dari percakapan dan mengeluarkannya dalam format JSON terstruktur untuk pemrosesan sistem downstream. Kasus berikut menunjukkan cara mencapai hal ini melalui prompt yang dirancang dengan baik.
Teknik optimasi yang diterapkan:
-
Instruksi tugas: Beri tahu model secara eksplisit apa yang harus dilakukan menggunakan instruksi langsung daripada deskripsi asosiatif, mengurangi lapisan interpretasi yang diperlukan.
-
Format respons: Tentukan templat format JSON sehingga model secara ketat mengeluarkan dalam format terstruktur, secara efektif mengurangi halusinasi.
-
Batasan: Nyatakan persyaratan dan batasan eksplisit untuk model, seperti "utamakan akurasi" dan "jangan ubah teks asli", lebih lanjut membatasi perilaku model.
-
Contoh output: Berikan data sampel yang memenuhi persyaratan format. Ini adalah cara paling efektif untuk mencegah halusinasi model.
|
Sebelum optimasi |
Setelah optimasi |
|
Mohon analisis isu-isu berikut dari percakapan penjualan ponsel ini: celah komunikasi, informasi kunci, kekhawatiran pelanggan, urgensi kebutuhan, faktor yang memengaruhi penutupan transaksi, kepuasan pelanggan. (Konten percakapan pengguna) |
Instruksi tugas: Berdasarkan konten percakapan yang diberikan pengguna, jawab pertanyaan yang diajukan di akhir. Setiap jawaban harus terlebih dahulu memberikan respons langsung, lalu mencantumkan bukti pendukungnya. Untuk pertanyaan kompleks, pecah jawaban menjadi poin-poin berdasarkan konten percakapan. Format respons: Mohon susun jawaban Anda dalam format JSON berikut: Batasan: 1. Baca dan pahami semua informasi yang diberikan pengguna dengan cermat. 2. Identifikasi dengan jelas setiap pertanyaan independen yang diajukan pengguna. 3. Pastikan format JSON output benar. Hanya keluarkan konten JSON di akhir. 4. Utamakan akurasi. Jangan ubah teks asli saat mencantumkan bukti. Contoh: (Berikan data sampel yang sesuai format) (Konten percakapan pengguna + daftar pertanyaan) |
Dalam prompt yang belum dioptimalkan, model mungkin mengeluarkan hasil analisis dalam teks bebas dengan format tidak konsisten yang sulit diurai oleh sistem downstream. Prompt yang dioptimalkan menggabungkan instruksi tugas + templat format + batasan + contoh untuk memungkinkan model mengidentifikasi semua pertanyaan secara akurat dan mengeluarkannya dalam format JSON terstandarisasi, dengan setiap jawaban didukung bukti dari teks asli, memfasilitasi pemrosesan otomatis dan pelacakan kualitas.
Saat Anda membutuhkan model untuk mengeluarkan data terstruktur, memberikan templat format yang jelas dan data sampel yang sesuai format adalah pendekatan optimasi paling efektif. Selain itu, menggunakan instruksi restriktif seperti "utamakan akurasi" dan "jangan ubah teks asli" dapat secara efektif mengurangi halusinasi model.