Rekayasa instruksi

Rekayasa instruksi atau (bahasa inggris: prompt engineering) adalah proses menyusun atau membuat instruksi agar model besar (Large Language Model/LLM) mampu menghasilkan jawaban yang lebih baik dan respons yang diinginkan dari model kecerdasan buatan (AI) generatif. Teknik ini menjadi penting karena model bekerja berdasarkan pola data, sehingga cara pengguna memberi instruksi sangat memngaruhi hasil outputnya. .

Prompt adalah teks bahasa alami yang menjelaskan tugas yang harus dilakukan oleh AI.  Prompt untuk model bahasa teks-ke-teks dapat berupa kueri, perintah, atau pernyataan yang lebih panjang, termasuk konteks, instruksi, dan riwayat percakapan. Rekayasa prompt dapat melibatkan penyusunan frasa kueri, penentuan gaya, pilihan kata, dan tata bahasa,  penyediaan konteks yang relevan, atau deskripsi karakter yang akan ditiru oleh AI.

Konsep dan Cara Kerja

Fokusnya pada bagaimana menyusun perintah secara jelas dan terarah. Instruksi yang baik dapat membantu model atau prompt memahami maksud pengguna sehingga dapat memberikan jawaban yang lebih relevan dan sesuai kebutuhan.

Beberapa praktik dasar meliputi:

• Instruksi langsung, yaitu memberi perintah yang jelas dan spesifik dan tidak terkesan ambigu. Perintah ini ideal untuk tugas-tugas sederhana di mana pengguna memiliki ekspektasi yang jelas terhadap output-nya.
• Instruksi terbuka, yaitu praktik yang memberikan kebebasan lebih besar pada prompt. Bentuk instruksi ini umum digunakan dalam aktivitas yang membutuhkan kreativitas atau eksplorasi ide, seperti brainstorming, bercerita, atau diskusi eksploratif. Karena tidak banyak batasan yang diberikan, model memanfaatkan data pelatihannya untuk memilih cara terbaik dalam merespons, sehingga hasilnya dapat bervariasi atau tidak terduga. Pada skenario tertentu, AI dapat memilih sendiri aspek yang ingin dibahas—misalnya latar belakang, teori, atau struktur suatu konsep.
• Instruksi khusus tegas, yaitu praktik untuk pekerjaan yang membutuhkan ketelitian dan orientasi hasil, seperti penerjemahan, peringkasan, atau perhitungan. Instruksi ini biasanya disusun secara sistematis dan sering dilengkapi konteks atau contoh. Pendekatan ini memanfaatkan pemahaman model terhadap tugas tertentu dan dapat dipadukan dengan teknik seperti few-shot atau zero-shot prompting untuk meningkatkan ketepatan prompt.

Teknik-Teknik dalam Rekayasa Instruksi

Berbagai teknik digunakan untuk membantu model memahami tugas yang diberikan

• Chain-of-Thought

Teknik ini mendorong model menjelaskan langkah-langkah pemikirannya sebelum memberi jawaban akhir. Cara ini dapat meningkatkan akurasi pada masalah yang memerlukan penalaran bertahap.

• Few-Shot dan Zero-Shot Prompting

Few-shot prompting memberi beberapa contoh agar model memahami pola tugas.

Zero-shot prompting hanya mengandalkan instruksi yang jelas tanpa contoh tambahan.

• Teknik Lanjutan

Auto-CoT (Automatic Chain-of-Thought) adalah metode yang membuat model menghasilkan penalaran secara otomatis tanpa contoh manual. Penelitian terbaru juga memperkenalkan pola penalaran bercabang seperti tree-of-thought untuk mengeksplorasi lebih banyak kemungkinan jawaban.

Aplikasi dan Tantangan

Rekayasa instruksi digunakan dalam berbagai bidang, seperti penulisan otomatis, layanan pelanggan, pendidikan, analisis data, dan pembuatan perangkat lunak. Teknik ini memungkinkan pengguna memaksimalkan kemampuan model AI tanpa perlu mengubah parameter internalnya.

Namun, rekayasa instruksi juga memiliki tantangan. Instruksi yang terlalu luas dapat menghasilkan jawaban yang tidak tepat, sedangkan instruksi yang terlalu rumit dapat membingungkan model. Selain itu, hasil keluaran tetap dipengaruhi oleh keterbatasan pengetahuan model dan bias dalam data pelatihannya.