Context Setting

Introduction

Context setting adalah teknik menambahkan latar belakang penting sebelum meminta AI menjawab. Konteks membantu model memahami situasi, prioritas, audiens, dan batasan keputusan.

Konteks bukan berarti memasukkan semua informasi. Konteks yang baik adalah informasi minimum yang mengubah kualitas jawaban.

Concepts

Gunakan konteks ketika jawaban bergantung pada keadaan tertentu: industri, pengguna, tingkat pengetahuan pembaca, data bisnis, gaya bahasa, atau risiko.

Konteks yang relevan

Konteks relevan menjawab pertanyaan: "Apa yang harus diketahui model agar tidak menebak?" Jika informasi tidak mengubah jawaban, buang.

Batas konteks

Terlalu banyak konteks membuat prompt boros token dan dapat mengaburkan tujuan. Ringkas konteks menjadi fakta, bukan cerita panjang.

Examples

Saya sedang membuat materi onboarding untuk banyak pengguna baru dan mereka biasanya bingung karena fitur kami lumayan banyak. Tolong bantu jelaskan produknya dengan cara yang mudah dipahami oleh orang yang baru pertama kali memakai aplikasi.

Konteks: aplikasi SaaS akuntansi untuk pemilik UMKM non-teknis. Tugas: tulis onboarding 3 langkah. Gaya: sederhana, praktis, tanpa jargon.

Versi setelah mengubah paragraf panjang menjadi konteks terstruktur. Model mendapat audiens, domain, tugas, gaya, dan batasan istilah dalam lebih sedikit token.

Template cepat

Gunakan pola berikut untuk banyak kasus:

1. Konteks: siapa, situasi, kendala.
2. Tugas: apa yang harus dibuat atau dianalisis.
3. Kriteria: bagaimana kualitas jawaban dinilai.
4. Format: struktur output final.

Summary

Context setting membuat prompt lebih presisi. Berikan fakta yang memengaruhi jawaban, hilangkan detail dekoratif, dan susun konteks dalam bagian yang mudah dipindai. Teknik ini menghemat token sekaligus meningkatkan relevansi output.