Strategi rekayasa perintah sangat penting untuk mendapatkan output yang diharapkan dan memaksimalkan performa model. Halaman ini memberikan ringkasan strategi perintah utama untuk berinteraksi dengan model AI Generatif, khususnya Gemini.
Untuk mengetahui informasi selengkapnya tentang strategi perintah, lihat Ringkasan strategi perintah dalam dokumentasi Google Cloud .
Dasar-dasar desain perintah
Perintah adalah input utama untuk model AI Generatif, yang menginstruksikannya untuk menghasilkan output tertentu. Perintah dapat berkisar dari kueri tunggal hingga instruksi multi-bagian yang kompleks, yang menggabungkan konteks, contoh, dan persyaratan pemformatan output tertentu.
Berikut adalah pertimbangan utama untuk penulisan perintah yang efektif:
- Berikan petunjuk yang jelas dan spesifik: Saat mendesain perintah, sangat penting untuk menjelaskan secara jelas dan spesifik apa yang Anda inginkan dari model. Perintah yang ambigu atau tidak jelas dapat menghasilkan output yang tidak terduga dan berpotensi tidak relevan. Misalnya, alih-alih meminta, "Tulis puisi", perintah yang lebih spesifik adalah "Tulis puisi pendek tentang keindahan alam dengan gaya Robert Frost". Selain itu, memberikan konteks membantu model memahami tugas yang diharapkan dan menghasilkan respons yang relevan.
- Uraikan tugas yang kompleks: Untuk tugas yang kompleks, sering kali berguna untuk menguraikan perintah menjadi subtugas yang lebih kecil dan lebih mudah dikelola. Strategi ini memungkinkan model berfokus pada satu aspek dalam satu waktu dan dapat menghasilkan hasil yang lebih akurat dan koheren. Misalnya, jika Anda ingin model menulis cerita, Anda dapat memecahnya menjadi perintah untuk membuat karakter, latar, plot, dan dialog secara terpisah.
- Bereksperimen dan melakukan iterasi dengan hasil: Desain perintah sering kali merupakan proses iteratif. Anda dapat bereksperimen dengan berbagai pendekatan, frasa, dan parameter untuk menemukan hasil terbaik yang sesuai dengan kebutuhan Anda. Proses ini melibatkan pencobaan panjang perintah yang berbeda, menyusun ulang petunjuk, atau menyesuaikan setelan suhu model, yang mengontrol keacakan output. Nilai temperatur yang lebih tinggi menghasilkan output yang lebih kreatif dan tidak dapat diprediksi, sedangkan temperatur yang lebih rendah menghasilkan respons yang lebih deterministik dan terfokus.
Teknik perintah inti
Anda dapat menggunakan beberapa teknik untuk mengoptimalkan perintah dan memunculkan perilaku yang diharapkan dari model AI Generatif.
Tabel berikut menunjukkan metode perintah penting untuk model AI Generatif:
| Metode pemberian perintah | Deskripsi | Contoh perintah |
|---|---|---|
| Zero-shot prompting | Mengajukan kueri langsung ke model tanpa contoh spesifik, dengan mengandalkan pengetahuan yang telah dilatih sebelumnya dan kemampuan generalisasinya. Efektif dengan data pelatihan yang beragam dan komprehensif. | Translate "Hello, how are you?" into French. |
| Few-shot prompting | Berikan beberapa contoh dalam perintah untuk memandu output model, dengan menunjukkan format atau pola yang diharapkan untuk akurasi yang lebih baik. | Translate the following sentences into Spanish: "My name is Alice." = "Me llamo Alice." / "I like to read." = "Me gusta leer." / "Where is the library?" = |
| Perintah peran | Tetapkan peran tertentu untuk model (misalnya, "asisten yang membantu" atau "editor profesional") untuk memengaruhi nada bahasa, gaya, dan konten, sehingga outputnya sesuai dengan persona tersebut. | You are a seasoned journalist. Write a brief news report on the latest advancements in renewable energy. |
| Perintah instruksi | Nyatakan tugas atau tindakan yang diharapkan dengan jelas dan eksplisit menggunakan bahasa yang ringkas dan tidak ambigu, dengan menentukan persyaratan output, batasan, dan kebutuhan pemformatan. | Summarize the following text into a three-sentence paragraph, focusing on the key arguments and conclusions: ... |
Strategi penulisan perintah lanjutan
Selain teknik inti, gunakan strategi yang lebih canggih untuk menyempurnakan output lebih lanjut:
- Prompting chain-of-thought: Mendorong model untuk berpikir langkah demi langkah dengan memberikan serangkaian langkah penalaran perantara sebagai bagian dari perintah. Strategi ini dapat bermanfaat untuk tugas yang memerlukan penalaran logis atau pemecahan masalah. Misalnya, jika Anda mengajukan soal cerita matematika kepada model, sertakan serangkaian perintah yang memandunya melalui langkah-langkah penyelesaian soal tersebut.
- Perujukan: Memberikan informasi atau pengetahuan eksternal kepada model untuk meningkatkan kemampuan pemahaman dan pembuatan responsnya. Proses ini memungkinkan model mengakses dokumen, database, atau API yang relevan. Dengan melakukan perujukan pada model, Anda dapat meningkatkan akurasi, faktualitas, dan kemampuannya untuk menghasilkan respons yang lebih akurat. Misalnya, jika Anda ingin model menjawab pertanyaan tentang topik tertentu, berikan artikel atau makalah penelitian yang relevan sebagai dasar.
- Retrieval-Augmented Generation (RAG): Menggunakan model untuk mengambil informasi yang relevan dari pusat informasi atau sumber eksternal. Kemudian, masukkan informasi yang diambil ini ke dalam perintah untuk memandu pembuatan respons. RAG dapat berguna untuk tugas yang memerlukan akses ke sejumlah besar informasi atau pengetahuan, seperti menjawab pertanyaan atau meringkas dokumen.
Pertimbangan utama
Saat mendesain prompt yang terstruktur dengan baik, perhatikan pertimbangan berikut:
- Berusahalah untuk membuat teks yang jelas dan ringkas. Meskipun perintah yang mendetail dapat bermanfaat, perintah yang terlalu panjang atau rumit akan membingungkan model.
- Pahami karakteristik spesifik model yang Anda gunakan untuk membuat perintah yang efektif.
- Hindari mengandalkan model untuk menghasilkan informasi faktual.
- Gunakan dengan hati-hati saat mengerjakan soal matematika dan logika.