Gaya Prompt Apa yang Membuka Hasil Lebih Baik dari DeepSeek v3.1 Terminus?
Klaim berani: Sebagian besar penyesuaian prompt tidak penting—sampai akhirnya penting. Dengan DeepSeek v3.1 Terminus, beberapa perubahan tepat dalam gaya prompt dapat menggandakan kualitas output dan memotong siklus inferensi.
Panduan ini mengeksplorasi gaya prompt yang secara konsisten membuka hasil yang lebih baik dari DeepSeek v3.1 Terminus. Kita akan melampaui saran umum seperti “berikan spesifikasi” dan sebaliknya membongkar templat terstruktur, contoh, dan strategi yang diuji untuk mengoptimalkan kedalaman penalaran, akurasi, dan kecepatan. Baik Anda membangun agen, menulis kueri kompleks, atau menghasilkan konten siap produksi, gaya prompt yang tepat dapat terasa seperti membalik sakelar tersembunyi.
Kami akan menggunakan pendekatan praktis & berorientasi solusi, dengan contoh yang dapat Anda salin, adaptasi, dan uji A/B. Harapkan daftar periksa, kerangka kerja ringkas, dan isyarat yang jelas untuk kapan menggunakan setiap gaya.
Mengapa Gaya Prompt Penting di DeepSeek v3.1 Terminus
- Gaya mendorong perilaku: Terminus merespons dengan kuat terhadap struktur. Prompt yang membingkai batasan, peran, dan kriteria evaluasi memandu jejak penalaran model.
- Tradeoff Latensi vs. Kedalaman: Cara Anda bertanya dapat mendorong output ringkas atau rantai multi-langkah. Verbositas terkontrol mengurangi pemborosan token.
- Reproduktibilitas: Templat yang konsisten meningkatkan determinisme dan membuat debugging lebih mudah.
Buku Panduan Gaya Prompt (Dipimpin Pertanyaan)
Kami akan menyusun ini sebagai pertanyaan yang mungkin Anda ajukan—dan pola persis yang paling efektif.
1) Bagaimana cara meningkatkan akurasi penalaran pada tugas yang kompleks?
Gunakan gaya “Rantai Pemeriksaan” (Chain-of-Checks). Alih-alih hanya meminta rantai pemikiran (yang seharusnya tidak Anda minta secara verbatim), pandu model untuk secara diam-diam bernalar dan kemudian menyajikan hasil yang dapat diverifikasi dengan pemeriksaan eksplisit.
- Kapan digunakan: Matematika/logika, kepatuhan kebijakan, perencanaan multi-batasan.
- Mengapa efektif: Mendorong perencanaan internal dan validasi eksternal tanpa mengungkapkan penalaran internal.
Contoh prompt:
Anda adalah seorang analis yang cermat. Selesaikan masalah dan sajikan:
1) Jawaban akhir saja
2) Justifikasi singkat: cantumkan asumsi dan langkah-langkah kunci
3) Verifikasi: satu pemeriksaan cepat yang dapat menangkap kesalahan
Masalah: Paket seluler mengenakan biaya dasar $29 ditambah $0,12 per menit setelah 100 menit. Untuk 245 menit, berapa tagihannya?
Batasan: Jaga agar justifikasi di bawah 60 kata.
Apa yang harus dicari dalam output:
- Asumsi yang jelas, minim basa-basi
- Langkah verifikasi yang benar-benar bisa gagal
Tip: Tambahkan Jika tidak yakin, nyatakan ketidakpastian dan informasi tambahan apa yang akan membantu untuk mengurangi halusinasi.
2) Bagaimana cara mendapatkan output terstruktur setiap saat?
Gunakan gaya “Schema-First” dengan templat JSON atau YAML inline. Berikan contoh bentuk dan aturan.
- Kapan digunakan: Integrasi, otomasi, panggilan fungsi, penguraian downstream.
- Mengapa efektif: Terminus selaras erat dengan skema eksplisit.
Pola prompt:
Kembalikan JSON SAJA. Tanpa komentar.
Skema:
{
"title": "string",
"summary": "string",
"priority": "low|medium|high",
"tags": ["string"],
"next_actions": [
{"task": "string", "owner": "string", "eta_days": number}
]
}
Tugas: Ringkas catatan rapat berikut dan usulkan langkah selanjutnya.
Catatan: "..."
Aturan validasi:
- Gunakan huruf kecil untuk tag
- Tidak ada null
- Jaga ringkasan ≤ 80 kata
Tips pengerasan:
- Tambahkan
Jika bidang tidak diketahui, hilangkan untuk mencegah placeholder.
- Berikan satu contoh positif dan satu contoh negatif.
3) Bagaimana cara mengurangi halusinasi?
Gunakan gaya “Jawaban Terikat Bukti” (Evidence-Bound Answer), yang memaksa sitasi dan penolakan ketika bukti tidak ada.
- Kapan digunakan: Tanya jawab faktual, kepatuhan, konten yang diatur.
- Mengapa efektif: Mengalihkan model dari tebakan generatif ke sintesis dengan sitasi.
Templat prompt:
Jawab hanya jika didukung oleh sumber yang diberikan. Kutip seperti [S1], [S2]. Jika tidak didukung, katakan "Bukti tidak mencukupi."
Pertanyaan: Apa temuan utamanya?
Sumber:
[S1] ...
[S2] ...
Format keluaran:
- Poin-poin penting (berpoin)
- Kesimpulan 1 kalimat
Tambahkan pagar pembatas:
Jangan gunakan pengetahuan eksternal.
Jika sumber bertentangan, sebutkan secara eksplisit.
4) Bagaimana cara mendapatkan jawaban yang lebih cepat dan lebih pendek tanpa kehilangan kualitas?
Gunakan gaya “Constraint-Compressed” yang membatasi token dan menginstruksikan hierarki informasi.
- Kapan digunakan: UI obrolan, seluler, tooltips, ringkasan.
- Mengapa efektif: Mendorong prioritisasi.
Pola prompt:
Sampaikan hanya 20% informasi paling berguna. Maks 120 kata.
Struktur:
- Jawaban 1 baris
- 3 poin: bukti, risiko, langkah selanjutnya
Tambahkan: Lebih suka angka, tanggal, dan entitas bernama daripada kata sifat.
5) Bagaimana cara meningkatkan kreativitas untuk konten dan ide?
Gunakan gaya “Diverge → Converge” dengan mode dan filter.
- Kapan digunakan: Brainstorming, salinan pemasaran, ide produk.
- Mengapa efektif: Memisahkan pembuatan ide dari pemilihan, mengurangi konvergensi prematur.
Resep prompt:
Fase 1 — Diverge (tanpa menghakimi):
- Hasilkan 12 ide di 4 sudut pandang yang berbeda
- Buat 1 ide kontrarian dan 1 ide lucu
Fase 2 — Converge:
- Skor setiap ide berdasarkan kebaruan (1–5) dan kelayakan (1–5)
- Pilih 3 teratas berdasarkan kesesuaian produk-pasar
- Untuk pemenang: hasilkan pitch 50 kata dan tajuk berita
Tambahkan cuplikan panduan merek/gaya untuk menyelaraskan nada.
6) Bagaimana cara mengoordinasikan tugas multi-langkah dengan alat atau API?
Gunakan gaya “Planner-Executor” dengan pemisahan peran dan kebijakan penggunaan alat eksplisit.
- Kapan digunakan: Agen, otomasi, pengambilan + pembuatan.
- Mengapa efektif: Mencegah penggunaan alat yang berlebihan dan loop; memperjelas kondisi berhenti.
Bingkai prompt:
Peran: Perencana
Tujuan: Pesan penerbangan di bawah $450 dari NYC ke SEA, 12–15 November.
Kebijakan:
- Gunakan alat pencarian hanya untuk mengambil harga
- Berhenti ketika 2 opsi memenuhi batasan
- Jika tidak ada opsi, usulkan 2 tanggal alternatif
Output: rencana dengan langkah-langkah
Peran: Pelaksana (mengikuti rencana persis)
- Laksanakan langkah 1, lalu berhenti dan ringkas hasilnya.
Tambahkan: Jika suatu langkah gagal, usulkan perbaikan dan minta izin sebelum mencoba lagi.
7) Bagaimana cara menegakkan nada, gaya, dan suara merek?
Gunakan “Style Lock” dengan daftar lakukan/jangan lakukan yang eksplisit dan contoh singkat.
- Kapan digunakan: Konten dalam skala besar, balasan dukungan, dokumen produk.
- Mengapa efektif: Batasan konkret mengalahkan kata sifat yang samar.
Kerangka prompt:
Audiens: CTO pasar menengah
Nada: ringkas, konkret, percaya diri
Lakukan: gunakan angka, bandingkan tradeoff, tunjukkan biaya
Jangan: hype, klise, pertanyaan retoris
Contoh (2 kalimat): "..."
Tugas: Tulis ulang email di bawah ini agar sesuai dengan panduan.
8) Bagaimana cara mendapatkan pembuatan dan refactoring kode yang lebih baik?
Gunakan gaya “I/O Spec + Tests”: tentukan input, output, batasan, dan sertakan pengujian sebagai kriteria penerimaan.
- Kapan digunakan: Fungsi, skrip, migrasi.
- Mengapa efektif: Model mengoptimalkan untuk lulus pengujian yang terlihat.
Pola prompt:
Tulis fungsi Python `normalize_name(s: str) -> str`.
Batasan:
- Pangkas whitespace, runtuhkan banyak spasi, huruf kapital untuk setiap kata
- Pertahankan tanda hubung dan apostrof
- Khusus ASCII; ganti non-ASCII dengan yang terdekat
Pengujian:
- " mary ann o'brien " -> "Mary Ann O'Brien"
- "JOSE-LUIS" -> "Jose-Luis"
- "Zoë" -> "Zoe"
Tambahkan: Jelaskan kompleksitas waktu/ruang dalam 2 kalimat.
9) Bagaimana cara membuat model mengajukan pertanyaan klarifikasi hanya jika diperlukan?
Gunakan “Conditional Clarification” dengan ambang batas eksplisit.
- Kapan digunakan: Asisten penjualan, dukungan, pengisian formulir.
- Mengapa efektif: Menghindari pertanyaan berlebihan sekaligus mencegah asumsi yang salah.
Cuplikan prompt:
Jika kepercayaan diri ≥ 0,8, lanjutkan. Jika < 0,8, ajukan 1 pertanyaan yang ditargetkan.
Tampilkan: asumsi dan kepercayaan diri yang disimpulkan (0–1).
Tugas: Buat draf agenda rapat untuk panggilan onboarding 30 menit.
10) Bagaimana cara mengekstrak informasi secara andal dari teks yang berantakan?
Gunakan gaya “Span-Exact Extraction” dengan isyarat jangkar dan rentang yang ketat.
- Kapan digunakan: Kontrak, log, email, kwitansi.
- Mengapa efektif: Jangkar mengurangi penyimpangan; penyalinan rentang menghindari kesalahan parafrase.
Format prompt:
Ekstrak rentang persis untuk: vendor_name, invoice_total, due_date.
Aturan: salin verbatim; jika hilang, kembalikan "".
Teks:
"""
...
"""
Output JSON saja.
Matriks Gaya Prompt: Kapan Menggunakan Apa
- Tugas penalaran → Rantai Pemeriksaan (Chain-of-Checks)
- Output terstruktur → Schema-First
- Faktual dengan sitasi → Terikat Bukti (Evidence-Bound)
- Kejelasan bentuk pendek → Constraint-Compressed
- Penggunaan alat/agen → Planner-Executor
- Tugas kode → I/O Spec + Tests
- Klarifikasi → Conditional Clarification
Simpan perpustakaan kecil dari pola-pola ini dan lakukan pengujian A/B.
Peningkatan Praktis Yang Berlipat Ganda
- Jendela konteks: Berikan hanya konteks yang relevan. Letakkan tujuan dan batasan di bagian atas; referensi di bagian bawah.
- Prioritas instruksi: Urutan penting. Gunakan tajuk seperti
Tujuan, Batasan, Output untuk menetapkan hierarki.
- Kondisi berhenti: Cegah mengoceh dengan
Berhenti ketika… dan anggaran token.
- Pemeriksaan mandiri: Tambahkan satu langkah verifikasi yang disesuaikan dengan tugas.
- Disiplin suhu: Lebih rendah untuk presisi (0,1–0,3), lebih tinggi untuk kreativitas (0,6–0,9). Sesuaikan dengan gaya prompt.
- Determinisme: Perbaiki seed atau tingkatkan pengambilan sampel n-best jika tumpukan Anda mendukungnya.
Skenario Mini Dunia Nyata
- Brief analitik (Constraint-Compressed + Terikat Bukti/Evidence-Bound):
- “Ringkas penurunan funnel Q3 menggunakan data di bawah ini. Maks 120 kata. Kutip ID tabel [T1], [T2]. Jika sebuah metrik hilang, katakan 'data tidak mencukupi.'”
- Pemeriksaan klausul hukum (Rantai Pemeriksaan/Chain-of-Checks):
- “Identifikasi istilah ambigu dan usulkan alternatif bahasa yang jelas. Berikan daftar akhir, 3 risiko utama, dan satu pemeriksaan verifikasi.”
- Penulisan ulang konten (Style Lock):
- “Tulis ulang FAQ ini untuk nada yang ramah dan langsung. Lakukan: kontraksi, kalimat pendek; Jangan: buzzword.”
Pemecahan Masalah: Jika Hasil Tidak Meningkat
- Terlalu samar? Perketat batasan dan tambahkan contoh mini.
- Terlalu bertele-tele? Tambahkan batas token dan struktur bullet-first.
- Berhalusinasi? Beralih ke Terikat Bukti (Evidence-Bound) dan batasi ke sumber yang diberikan.
- JSON tidak konsisten? Sertakan skema dan contoh yang gagal untuk dihindari.
- Penggunaan alat berlebihan? Tetapkan aturan penggunaan alat yang jelas dan kriteria berhenti.
Lanjutan: Perantaian Prompt Tanpa Kebocoran
- Tahap 1: Pembingkaian masalah (kumpulkan batasan dan metrik keberhasilan)
- Tahap 2: Proposal rencana (2–3 opsi, pilih salah satu)
- Tahap 3: Eksekusi (ikuti rencana persis)
- Tahap 4: Tinjauan (pemeriksaan mandiri + kriteria penerimaan)
- Tahap 5: Pengemasan (format akhir, panjang, suara)
Lewati hanya data minimum yang diperlukan antar tahap untuk menghindari pembengkakan prompt. Gunakan pembatas unik untuk setiap tahap (<<<STAGE2>>>).
Ngomong-ngomong: Cara yang lebih cepat untuk melakukan iterasi
Perlu dicatat: jika Anda bereksperimen dengan banyak gaya prompt, memiliki copilot berdampingan yang dapat menyimpan templat prompt, menjalankan pengujian A/B cepat, dan mengurai output terstruktur adalah akselerator nyata. Alat seperti Sider.AI dapat menyematkan pola prompt yang dapat digunakan kembali, menangkap output sebagai JSON, dan membantu Anda membandingkan hasil sehingga Anda dapat memilih gaya berkinerja terbaik untuk tugas tertentu. Poin-Poin Penting
- Pilih gaya prompt yang sesuai dengan tugas—jangan mencampur terlalu banyak pola sekaligus.
- Gunakan struktur eksplisit: Tujuan, Batasan, Output, dan Kondisi Berhenti.
- Pilih skema, contoh, dan verifikasi daripada kata sifat.
- Uji gaya A/B (mis., Rantai Pemeriksaan/Chain-of-Checks vs. Constraint-Compressed) dan ukur hasilnya.
- Simpan perpustakaan templat yang dapat Anda sesuaikan per konteks.
Referensi Cepat: Salin/Tempel Templat
- Rantai Pemeriksaan (Chain-of-Checks)
Peran: Analis yang cermat
Tugas: [tugas]
Output:
1) Jawaban akhir
2) Justifikasi singkat (≤60 kata)
3) Satu pemeriksaan verifikasi
Jika tidak yakin, katakan informasi apa yang hilang.
Kembalikan JSON saja.
Skema: {...}
Aturan validasi: [...]
Tugas: [...]
- Terikat Bukti (Evidence-Bound)
Jawab hanya menggunakan Sumber [S1..Sn]. Jika tidak didukung: "Bukti tidak mencukupi."
Berikan sitasi seperti [S1].
Maks 120 kata.
- Jawaban 1 baris
- 3 poin: bukti, risiko, langkah selanjutnya
Fase 1: 12 ide di 4 sudut pandang (sertakan 1 kontrarian, 1 lucu)
Fase 2: Skor, pilih 3 teratas, perluas pemenang
Peran: Perencana → langkah, berhenti ketika batasan terpenuhi
Peran: Pelaksana → ikuti langkah persis, berhenti dan ringkas
Audiens, Nada, Lakukan/Jangan Lakukan, Contoh, Tugas
Spesifikasi fungsi + batasan + pengujian penerimaan
- Conditional Clarification
Jika kepercayaan diri ≥ 0,8 lanjutkan; jika tidak, ajukan 1 pertanyaan. Tunjukkan kepercayaan diri.
Ekstrak rentang persis; salin verbatim; kembalikan JSON saja.
FAQ
Q1:Gaya prompt apa yang paling efektif untuk DeepSeek v3.1 Terminus pada penalaran kompleks?
Gunakan prompt Rantai Pemeriksaan (Chain-of-Checks): minta jawaban akhir, justifikasi singkat, dan satu langkah verifikasi. Ini meningkatkan akurasi tanpa mengekspos penalaran internal dan mengurangi kesalahan logika yang halus.
Q2:Bagaimana cara memaksa DeepSeek v3.1 Terminus untuk mengembalikan JSON yang bersih?
Adopsi prompt Schema-First dengan templat JSON eksplisit, aturan validasi, dan contoh. Instruksikan model untuk mengeluarkan JSON saja dan menghilangkan bidang yang tidak diketahui untuk menghindari placeholder.
Q3:Bagaimana cara mencegah halusinasi dengan DeepSeek v3.1 Terminus?
Gunakan gaya Jawaban Terikat Bukti (Evidence-Bound Answer) yang membatasi model ke sumber yang diberikan dan memerlukan sitasi seperti [S1]. Jika bukti hilang, instruksikan model untuk menyatakan "Bukti tidak mencukupi."
Q4:Apa cara tercepat untuk mendapatkan jawaban yang ringkas dan berkualitas tinggi?
Gunakan prompt Constraint-Compressed: batasi jumlah kata, tentukan struktur yang ketat, dan prioritaskan data daripada kata sifat. Ini membuat respons tetap informatif dan ringkas.
Q5:Gaya prompt mana yang harus saya gunakan untuk pembuatan kode?
Gunakan prompt I/O Spec + Tests. Tentukan tanda tangan fungsi, batasan, dan sertakan pengujian penerimaan; model mengoptimalkan untuk lulus pengujian tersebut, menghasilkan kode yang lebih andal.
