Panduan Lengkap Prompting di Large Language Models
Dalam era AI modern, Large Language Models (LLMs) seperti GPT-4, Claude, atau Gemini memerlukan cara interaksi yang efektif agar dapat memberikan output terbaik. Salah satu pendekatan utama adalah dengan teknik prompting, yaitu memberi instruksi dalam bentuk teks.
Teknik-Teknik Prompting
Empat teknik penting yang sering digunakan dalam prompt engineering adalah:
- Zero-shot prompting
- One-shot prompting
- Few-shot prompting
- Chain-of-thought prompting
🟠 Zero-Shot Prompting
Zero-shot prompting adalah teknik di mana model langsung diberi perintah tanpa contoh.
Translate the sentence to Indonesian: "The cat is on the roof."
Output:
Kucing itu ada di atap.
Kapan Digunakan?
- Tugas sederhana dan langsung
- Saat ingin hasil cepat tanpa menyertakan contoh
🟡 One-Shot Prompting
Pada teknik one-shot prompting, kamu memberikan satu contoh agar model memahami pola atau struktur yang diharapkan.
Contoh Prompt:
Translate to Indonesian: "Time flies fast." → "Waktu berlalu dengan cepat."
"Knowledge is power." →
Output:
Pengetahuan adalah kekuatan.
Kelebihan:
- Cocok untuk mengarahkan format hasil
- Berguna untuk output yang butuh gaya atau struktur tertentu
🟢 Few-Shot Prompting
Few-shot prompting memberikan beberapa contoh (biasanya 2–5) sebelum tugas utama. Ini membantu model memahami konteks, gaya, dan pola yang konsisten.
Contoh Prompt:
Translate to Indonesian:
"Practice makes perfect." → "Latihan membuat sempurna."
"Better late than never." → "Lebih baik terlambat daripada tidak sama sekali."
"Actions speak louder than words." →
Output:
Tindakan berbicara lebih keras daripada kata-kata.
Kapan Digunakan?
- Tugas kompleks
- Output dengan format tetap atau gaya tertentu
🔵 Chain-of-Thought Prompting
Chain-of-thought (CoT) prompting adalah metode di mana model diminta untuk berpikir langkah demi langkah sebelum menjawab.
Contoh Prompt:
Q: A bookstore sells books for $15 each. If you buy 3 books, how much do you pay?
Let's think step by step.
Output:
Each book costs $15. If you buy 3 books: 15 × 3 = 45. You pay $45 in total.
Kelebihan:
- Sangat efektif untuk soal matematika, logika, dan pemrograman
- Mengurangi kesalahan reasoning
📊 Perbandingan Teknik
| Teknik | Contoh yang Diberikan | Cocok Untuk |
|---|---|---|
| Zero-shot | 0 | Tugas umum dan langsung |
| One-shot | 1 | Format output tertentu |
| Few-shot | 2–5 | Tugas rumit, domain spesifik |
| Chain-of-thought | 0+ (berpikir eksplisit) | Penalaran bertahap dan logika |
📌 Kesimpulan
Memahami teknik prompting sangat penting untuk mendapatkan hasil maksimal dari LLM. Tidak ada metode yang selalu paling tepat—pilihan tergantung pada jenis tugas, kompleksitas, dan kebutuhan output.
Eksperimen dan pengujian berulang akan membantumu mengembangkan insting terbaik dalam merancang prompt.