Cara Menggunakan DeepSeek v3.1 Terminus untuk Keputusan Agentik dan Rencana Aksi
AI Agentik bukan hanya tentang menjawab pertanyaan—tetapi tentang memutuskan apa yang harus dilakukan selanjutnya, mengapa hal itu penting, dan bagaimana cara menjalankannya. DeepSeek v3.1 Terminus hadir dalam ruang lingkup tersebut dengan penalaran, penggunaan alat, dan perencanaan multi-langkah yang lebih kuat yang dirancang untuk alur kerja yang kompleks. Jika Anda bertanya-tanya bagaimana cara menghubungkannya ke pengambilan keputusan agentik dan rencana aksi yang andal, panduan ini memberi Anda buku pedoman praktis dan menyeluruh.
Perlu dicatat: DeepSeek v3.1 telah diakui karena peningkatan dalam pengkodean dan kemajuan agentik, termasuk ketersediaan di platform seperti Fireworks sejak pembaruan terbaru. Selain itu, pendekatan penumpukan prompt yang menggabungkan DeepSeek dengan model seperti Gemini dan Mistral dapat membuka alur kerja multi-model yang lebih kuat—berguna ketika agen Anda membutuhkan kreativitas dan ketelitian.
Dalam tutorial ini, kita akan mengambil pendekatan praktis & berorientasi solusi: Anda akan mendapatkan kerangka, prompt, pola desain sistem, dan daftar periksa kontrol kualitas yang dapat Anda terapkan segera. Saya juga akan menunjukkan di mana "tumpukan prompt" multi-model cocok, dan bagaimana cara men-debug loop agen sebelum mereka lepas kendali.
Apa yang Akan Anda Bangun
- Loop agentik yang mengubah tujuan yang tidak jelas menjadi rencana aksi yang konkret dan diprioritaskan
- Kebijakan keputusan yang menyeimbangkan kecepatan vs. akurasi menggunakan kriteria eksplisit
- Pola penggunaan alat: pencarian, pengambilan, kalkulator, dan stub eksekusi
- Pengaman: refleksi, kritik, dan strategi pengembalian
- Opsional: tumpukan prompt multi-model di mana DeepSeek v3.1 Terminus menangani perencanaan dan model lain menangani sub-tugas.
Mengapa DeepSeek v3.1 Terminus untuk Keputusan Agentik?
- Penalaran multi-langkah dan eksekusi berorientasi pengkodean yang lebih kuat membuatnya efektif sebagai "perencana/mandor" untuk agen.
- Ia bekerja dengan baik dalam tugas campuran—analisis persyaratan → rencana → panggilan alat → sintesis—terutama ketika Anda membutuhkan determinisme melalui prompt terstruktur.
- Ia bermain bagus dalam tumpukan prompt: delegasikan brainstorming ke model kreatif, gunakan DeepSeek untuk perencanaan yang sadar batasan, dan panggil model cepat untuk verifikasi.
Omong-omong, jika Anda lebih suka mengatur ini dalam antarmuka yang ramah pengguna dengan peralihan multi-model, Sider.AI memudahkan untuk menyusun alur ini dan menggunakan kembali tumpukan prompt selama penelitian dan perencanaan. Anda dapat menjelajahinya di Sekilas tentang Arsitektur Agen
Agen yang dapat diandalkan memiliki lima lapisan:
- Penerimaan Tujuan: Normalisasi tujuan yang berantakan menjadi tujuan dan batasan yang terstruktur.
- Perencanaan Beralasan: Hasilkan draf rencana dengan langkah-langkah, perkiraan, dependensi, dan bendera risiko.
- Kebijakan Keputusan: Pilih tindakan selanjutnya berdasarkan biaya, waktu, kepercayaan diri, dan risiko.
- Perkakas: Cari, ambil, hitung, dan jalankan langkah-langkah dengan output yang dapat diverifikasi.
- QA & Refleksi: Periksa output terhadap persyaratan, jalankan kritik, dan revisi.
DeepSeek v3.1 Terminus dapat menambatkan lapisan 2–5, tetapi ia terutama bersinar dalam perencanaan terstruktur dan pengambilan keputusan reflektif.
Pola Prompting Inti (Dapat Digunakan Kembali)
Gunakan prompt "sistem + pengembang + pengguna" yang konsisten dan terstruktur. Berikut adalah dasar yang dapat Anda adaptasi.
Sistem
Anda adalah DeepSeek v3.1 Terminus yang beroperasi sebagai agen yang mengutamakan perencanaan. Anda harus:
- Ubah tujuan menjadi tujuan SMART
- Buat rencana aksi dengan langkah-langkah, dependensi, pemilik (jika diketahui), alat, output yang diharapkan
- Gunakan kebijakan keputusan: prioritaskan tugas berdampak tinggi dan upaya rendah terlebih dahulu kecuali jika dependensi menghalangi
- Sebelum menjalankan langkah, buat draf metode verifikasi dan rencana pengembalian
- Berpikir langkah demi langkah tetapi kembalikan hasil yang ringkas dan terstruktur
Pengembang
Kebijakan:
- Selalu minta batasan yang hilang (anggaran, tenggat waktu, standar kualitas, kepatuhan)
- Gunakan scratchpad untuk penalaran; ringkas hanya rencana akhir
- Saat memanggil alat, keluarkan blok panggilan alat JSON (nama, input)
- Setelah setiap hasil alat, jalankan kritik dan terima atau revisi
- Berhenti setelah rencana stabil atau ketika diblokir oleh informasi yang hilang
Pengguna
Tujuan: <tujuan pengguna di sini>
Konteks: <data, alat, batasan yang tersedia>
Format output: JSON dengan kunci {objectives, plan, decisions, risks, open_questions}
Dari Tujuan ke Rencana Aksi: Contoh yang Dikerjakan
Skenario: “Luncurkan halaman arahan untuk fitur AI baru dalam 10 hari, dengan pengambilan email dasar dan 3 halaman SEO.”
Prompt (Pengguna)
Tujuan: Luncurkan halaman arahan + 3 halaman SEO dalam 10 hari
Konteks: Anggaran $1.500. Alat: Webflow, Mailchimp, Notion. Target: PM B2B. Harus dioptimalkan untuk seluler; Skor Lighthouse ≥ 90.
Output yang Diharapkan (Struktur)
- objectives: Tujuan SMART dengan metrik dan garis waktu
- plan: langkah-langkah, pemilik, alat, output, perkiraan
- decisions: tradeoff dan alasan (mis., bangun vs. beli)
- risks: daftar prioritas dengan mitigasi
- open_questions: asumsi untuk dikonfirmasi
Contoh Output (Singkatan)
- O1: Publikasikan halaman arahan responsif pada Hari ke-7 dengan Lighthouse ≥ 90
- O2: Siapkan pengambilan email dengan double opt-in pada Hari ke-3
- O3: Publikasikan 3 halaman SEO pada Hari ke-10 yang menargetkan “peta jalan AI”, “pengambilan keputusan agentik”, “perencanaan aksi”
- Langkah 1: Pembekuan persyaratan (3 jam) → persetujuan pemangku kepentingan
- Langkah 2: Wireframe di Figma (5 jam) → varian mobile-first
- Langkah 3: Build Webflow (10 jam) → komponen, formulir, analitik
- Langkah 4: Garis besar + draf SEO (8 jam) → brief, kata kunci, struktur H2
- Langkah 5: QA + penyetelan Lighthouse (4 jam) → ≥ 90 seluler
- Gunakan Mailchimp untuk kecepatan; tunda integrasi CRM
- Hero berbasis templat untuk menghemat waktu; ilustrasi khusus nanti
- Penundaan indeks SEO → kirim peta situs, tautan internal
- Keandalan formulir → uji di desktop dan seluler, pengambilan fallback
- Contoh nada merek? Tinjauan kepatuhan diperlukan?
Kebijakan Keputusan Yang Benar-Benar Berfungsi
Pilihan agen Anda seharusnya bukan hanya perasaan—tetapi kebijakan.
- Matriks Nilai/Upaya: Prioritaskan tugas Bernilai Tinggi dan Upaya Rendah untuk mempercepat pembelajaran dan momentum.
- Ambang Kepercayaan: Jika kepercayaan model < 0,6, jalankan langkah verifikasi tambahan (mis., model kedua atau human-in-the-loop).
- Pengaman Biaya: Jika perkiraan biaya token/alat > anggaran, beralih ke mode konteks terkompresi dan pengambilan batch.
- Gerbang Risiko: Jika suatu langkah memengaruhi kepatuhan, jalankan daftar periksa wajib dan tinjauan hukum sebelum eksekusi.
Kebijakan ini memungkinkan DeepSeek v3.1 Terminus bernalar dan bertindak secara terprediksi.
Blueprint Penggunaan Alat (Pencarian, RAG, dan Eksekusi)
Perkenalkan antarmuka alat eksplisit sehingga agen tahu apa yang tersedia dan bagaimana cara memanggilnya:
- web_search(query) → {results}
- retrieve(doc_ids or query) → {snippets}
- calculate(expression) → {value}
- execute(command) → {stdout, stderr}
- schedule(task, time) → {event_id}
Dengan DeepSeek v3.1 Terminus, pasangkan setiap panggilan alat dengan:
- Prasyarat: kapan menggunakannya
- Kontrak input: kunci, tipe
- Verifikasi: cara memvalidasi output
- Rollback: apa yang harus dilakukan jika output gagal validasi
Cuplikan Prompt
Alat yang tersedia: web_search, retrieve, calculate, execute
Ketika Anda berpikir alat diperlukan, hasilkan:
{
"tool_call": {
"name": "web_search",
"input": {"query": "<string>"}
},
"reason": "<why this tool>"
}
Kemudian tunggu hasil alat. Setelah hasil, hasilkan:
{"critique": "<issues>", "decision": "accept|revise", "next": "<next step>"}
Refleksi dan Loop Kritik Diri
Satu lintasan refleksi ringan cenderung menghasilkan hasil 10–20% lebih baik tanpa terhenti. Tambahkan ini setelah setiap langkah utama:
- Tinjauan Rencana: Apakah langkah-langkah minimal dan diurutkan berdasarkan dependensi?
- Pemeriksaan Bukti: Apakah kita mengutip sumber atau memverifikasi metrik?
- Pemindaian Risiko: Apa kegagalan paling buruk yang mungkin terjadi? Bagaimana cara mendeteksi dini?
- Sederhanakan: Bisakah kita menghilangkan atau menggabungkan langkah-langkah tanpa mengorbankan kualitas?
Untuk proyek yang lebih panjang, tambahkan "irama pos pemeriksaan" (mis., Hari ke-0, 3, 7, Terakhir) untuk mendeteksi penyimpangan lebih awal.
Penumpukan Prompt Dengan DeepSeek v3.1 Terminus
Tumpukan prompt multi-model dapat memberi Anda kecepatan dan akurasi yang lebih baik. Pola yang efektif:
- Tahap 1 (Divergen): Gunakan model yang condong ke kreativitas untuk bertukar pikiran tentang opsi.
- Tahap 2 (Konvergen): Gunakan DeepSeek v3.1 Terminus untuk memilih, merencanakan, dan membatasi.
- Tahap 3 (Verifikasi): Gunakan model literal cepat untuk memeriksa fakta, tautan, dan perhitungan.
Pola ini dijelaskan secara rinci dalam panduan penumpukan prompt yang menggabungkan DeepSeek, Gemini, dan Mistral untuk proyek kompleks. Untuk tugas yang membutuhkan banyak penelitian (pemindaian pasar, tinjauan literatur), daftar periksa alur kerja penelitian mendalam juga berguna.
Templat Yang Dapat Anda Salin
- Templat Penerimaan (Klarifikasi Batasan)
Anda adalah analis persyaratan. Ajukan 5–8 pertanyaan yang ditargetkan untuk mengklarifikasi:
- tenggat waktu, anggaran, standar kualitas
- target audiens, alat yang harus dimiliki, batasan (kepatuhan, merek)
- metrik keberhasilan dan risiko yang tidak boleh gagal
Kembalikan sebagai daftar bernomor. Berhenti setelah pertanyaan.
Contoh: Penelitian → Keputusan → Rencana Aksi
Tujuan: “Identifikasi 3 ICP untuk platform agentik kami dan usulkan peta jalan kuartal berikutnya.”
- Langkah A (Penelitian): web_search + retrieve; kumpulkan sinyal pasar dan posisi pesaing.
- Langkah B (Sintesis): DeepSeek v3.1 Terminus mengelompokkan kasus penggunaan dan poin kesulitan.
- Langkah C (Keputusan): Terapkan ambang nilai/upaya dan kepercayaan; pilih ICP.
- Langkah D (Rencana): Buat rencana kuartal dengan tonggak, pemilik, risiko, dan batasan anggaran.
- Langkah E (Verifikasi): Jalankan tinjauan ahli cepat atau wawancara pengguna ringan.
Catatan Implementasi
- Gunakan skema JSON untuk memvalidasi output model; tolak respons yang tidak sesuai.
- Catat setiap keputusan dengan input, alasan, dan hasil untuk auditabilitas.
- Simpan dokumen "memori"—tujuan, keputusan, asumsi—untuk mencegah penyimpangan.
- Untuk langkah-langkah eksekusi dengan efek dunia nyata (email, penerapan), perlukan persetujuan human-in-the-loop.
Menyatukannya
DeepSeek v3.1 Terminus sangat efektif ketika Anda:
- Perlakukan itu sebagai perencana/penengah keputusan, bukan pelaksana yang melakukan segalanya
- Berikan kebijakan yang jelas, kontrak alat, dan aturan verifikasi
- Gunakan tumpukan prompt untuk menggabungkan kekuatan di seluruh model
- Tegakkan refleksi tanpa terjebak dalam loop analisis
Jika Anda ingin tempat yang mudah untuk mengelola alur ini di seluruh obrolan, prompt, dan model, Sider.AI dapat membantu mengatur penelitian dan perencanaan multi-model, dengan tumpukan dan templat prompt yang dapat digunakan kembali yang dapat Anda sesuaikan untuk pengambilan keputusan agentik (kunjungi ). Langkah Selanjutnya
- Salin templat di atas ke dalam kerangka kerja agen Anda
- Mulai dengan rencana 5–9 langkah dan aktifkan satu lintasan refleksi
- Tambahkan kontrak alat dan verifikasi untuk setiap tindakan eksternal
- Ulangi dengan tumpukan prompt jika tugas membutuhkan divergensi kreatif dan konvergensi yang tepat
Poin-poin penting:
- Struktur mengalahkan kecerdasan—kebijakan, kontrak, dan pemeriksaan membuat agen dapat diandalkan.
- Pertahankan rencana kecil dan ulangi setelah verifikasi.
- Gunakan tumpukan multi-model untuk mencakup kreativitas, perencanaan, dan verifikasi dalam lapisan.
Referensi dan Bacaan Lebih Lanjut
- Penumpukan prompt dengan DeepSeek, Gemini, Mistral untuk proyek kompleks.
- Peningkatan DeepSeek v3.1 dalam pengkodean dan kemajuan agentik.
- Prompt alur kerja penelitian mendalam dan daftar periksa verifikasi.
FAQ
Q1:Bagaimana cara saya menyusun prompt untuk DeepSeek v3.1 Terminus untuk membuat keputusan agentik?
Gunakan prompt berlapis: pertanyaan penerimaan, JSON perencanaan terstruktur, kebijakan keputusan eksplisit, dan kontrak panggilan alat. Jaga agar setiap bagian tetap pendek dan tegakkan verifikasi dan pengembalian untuk langkah-langkah penting.
Q2:Alat apa yang harus saya hubungkan ke DeepSeek v3.1 untuk rencana aksi?
Mulai dengan pencarian, pengambilan (RAG), kalkulator, dan stub eksekusi sederhana. Tentukan prasyarat, output yang diharapkan, langkah-langkah verifikasi, dan prosedur pengembalian untuk setiap alat untuk menghindari thrashing.
Q3:Bisakah saya menggabungkan DeepSeek dengan model lain untuk hasil yang lebih baik?
Ya. Gunakan tumpukan prompt: model kreatif untuk bertukar pikiran, DeepSeek v3.1 Terminus untuk perencanaan yang sadar batasan, dan model cepat untuk verifikasi. Pendekatan ini efektif untuk proyek kompleks dan multi-langkah.
Q4:Bagaimana cara saya mencegah loop agen berjalan selamanya?
Tetapkan kondisi berhenti eksplisit dan irama refleksi. Batasi panjang rencana, gunakan ambang kepercayaan, dan perlukan persetujuan manusia untuk tindakan berisiko tinggi. Catat keputusan dan hasil untuk mengaudit dan menyesuaikan kebijakan.
Q5:Apa cara termudah untuk mulai menggunakan DeepSeek v3.1 Terminus untuk perencanaan?
Mulailah dengan templat perencanaan dan rencana 5–9 langkah, tambahkan satu lintasan refleksi, dan sertakan verifikasi untuk setiap tindakan eksternal. Tingkatkan skala dengan integrasi alat dan tumpukan multi-model sesuai kebutuhan.
