Few-shot prompting dan contoh output
Kita bongkar few-shot prompting dan contoh output: konsep dasarnya, contoh nyatanya, lalu langsung coba.
- Paham zero-shot
- Paham one-shot
- Paham few-shot
Sebelum mulai
- Baca ringkasan modul dan siapkan satu contoh pekerjaan nyata.
- Tidak perlu pengalaman teknis.
Yang perlu kamu tangkap
01Zero-shot
Zero-shot perlu dipahami sebagai bagian dari prompt debugging loop. Zero-shot berarti memberi instruksi tanpa contoh. One-shot memberi satu contoh. Few-shot memberi beberapa contoh. Untuk task yang membutuhkan gaya, format, atau standar output spesifik, contoh sering lebih efektif daripada instruksi panjang.
Kenapa penting: Ini penting karena lesson M03.L02 bukan cuma mengejar istilah. Kamu perlu tahu kapan zero-shot membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.
Contoh: Berikan 3 contoh caption yang sesuai brand. Lalu minta AI membuat 10 caption baru dengan topik berbeda, sambil menjaga panjang, tone, dan struktur yang mirip.
Kesalahan pemula: Kesalahan umum: menganggap zero-shot otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.
02One-shot
One-shot perlu dipahami sebagai bagian dari rubric evaluasi output. Contoh membantu model melihat pola: panjang kalimat, gaya bahasa, struktur, depth, format, dan hal yang harus dihindari. Tapi contoh harus dipakai sebagai pattern, bukan untuk menyalin mentah-mentah. Untuk konten dan copywriting, jelaskan bahwa AI harus belajar struktur dan rasa, bukan menjiplak.
Kenapa penting: Ini penting karena lesson M03.L02 bukan cuma mengejar istilah. Kamu perlu tahu kapan one-shot membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.
Contoh: Berikan 3 contoh caption yang sesuai brand. Lalu minta AI membuat 10 caption baru dengan topik berbeda, sambil menjaga panjang, tone, dan struktur yang mirip.
Kesalahan pemula: Kesalahan umum: menganggap one-shot otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.
03Few-shot
Few-shot perlu dipahami sebagai bagian dari structured output dan schema. Few-shot sangat berguna untuk: writing style, customer support response, klasifikasi data, format laporan, email outreach, scoring lead, dan rewrite konten.
Kenapa penting: Ini penting karena lesson M03.L02 bukan cuma mengejar istilah. Kamu perlu tahu kapan few-shot membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.
Contoh: Berikan 3 contoh caption yang sesuai brand. Lalu minta AI membuat 10 caption baru dengan topik berbeda, sambil menjaga panjang, tone, dan struktur yang mirip.
Kesalahan pemula: Kesalahan umum: menganggap few-shot otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.
04Style imitation tanpa plagiarisme
Style imitation tanpa plagiarisme perlu dipahami sebagai bagian dari prompt versioning. Zero-shot berarti memberi instruksi tanpa contoh. One-shot memberi satu contoh. Few-shot memberi beberapa contoh. Untuk task yang membutuhkan gaya, format, atau standar output spesifik, contoh sering lebih efektif daripada instruksi panjang.
Kenapa penting: Ini penting karena lesson M03.L02 bukan cuma mengejar istilah. Kamu perlu tahu kapan style imitation tanpa plagiarisme membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.
Contoh: Berikan 3 contoh caption yang sesuai brand. Lalu minta AI membuat 10 caption baru dengan topik berbeda, sambil menjaga panjang, tone, dan struktur yang mirip.
Kesalahan pemula: Kesalahan umum: menganggap style imitation tanpa plagiarisme otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.
05Example as pattern
Example as pattern perlu dipahami sebagai bagian dari Example as pattern. Contoh membantu model melihat pola: panjang kalimat, gaya bahasa, struktur, depth, format, dan hal yang harus dihindari. Tapi contoh harus dipakai sebagai pattern, bukan untuk menyalin mentah-mentah. Untuk konten dan copywriting, jelaskan bahwa AI harus belajar struktur dan rasa, bukan menjiplak.
Kenapa penting: Ini penting karena lesson M03.L02 bukan cuma mengejar istilah. Kamu perlu tahu kapan example as pattern membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.
Contoh: Berikan 3 contoh caption yang sesuai brand. Lalu minta AI membuat 10 caption baru dengan topik berbeda, sambil menjaga panjang, tone, dan struktur yang mirip.
Kesalahan pemula: Kesalahan umum: menganggap example as pattern otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.
Oke, sekarang kita bongkar
Zero-shot berarti memberi instruksi tanpa contoh. One-shot memberi satu contoh. Few-shot memberi beberapa contoh. Untuk task yang membutuhkan gaya, format, atau standar output spesifik, contoh sering lebih efektif daripada instruksi panjang.
Contoh membantu model melihat pola: panjang kalimat, gaya bahasa, struktur, depth, format, dan hal yang harus dihindari. Tapi contoh harus dipakai sebagai pattern, bukan untuk menyalin mentah-mentah. Untuk konten dan copywriting, jelaskan bahwa AI harus belajar struktur dan rasa, bukan menjiplak.
Few-shot sangat berguna untuk: writing style, customer support response, klasifikasi data, format laporan, email outreach, scoring lead, dan rewrite konten.
Contoh biar kebayang
Coba praktik
- Kumpulkan 3 contoh output bagus.
- Tulis apa pola yang sama dari ketiganya.
- Buat prompt few-shot dan minta output baru.
Prompt yang bisa kamu coba
Beneran paham, atau cuma terasa familiar?
Jawab pakai bahasamu sendiri. Kalau masih muter-muter, bagian atasnya perlu dibaca sekali lagi.
- 1
Apa itu few-shot prompting?
- 2
Kapan contoh lebih berguna daripada instruksi panjang?
- 3
Apa risiko memakai contoh tanpa aturan?
Bikin sesuatu dari lesson ini
Catatan dan batasan
- Tambahkan komponen upload contoh di Prompt Playground.
- Checklist tambahan: prompt debugging loop.
- Checklist tambahan: rubric evaluasi output.
- Checklist tambahan: structured output dan schema.
- Checklist tambahan: prompt versioning.