Saya Akhirnya Memecahkan Kod AI Prompt Selepas Bertahun-tahun Mencuba dan Gagal

Penguasaan Kejuruteraan Prompt AI - Panduan lengkap untuk menulis prompt yang berkesan
Seni tidak kelihatan yang memisahkan pemula AI daripada pakar
Kebenaran Utama

AI tidak membaca fikiran anda. Ia membaca kata-kata anda. Jurang antara apa yang anda mahukan dan apa yang anda dapat hampir selalu merupakan masalah komunikasi, bukan had AI.

Biarkan saya memberitahu anda tentang saat segala-galanya berubah. Saya sedang merenung skrin saya, sangat kecewa, melihat AI menghasilkan satu lagi respons yang secara teknikalnya betul tetapi benar-benar terlepas pandang. Saya telah meminta bantuan untuk memfaktorkan semula sekeping kod yang kompleks, sesuatu yang telah saya lakukan beratus-ratus kali sebelum ini. Tetapi kali ini, tidak kira bagaimana saya menyusun permintaan saya, AI terus menambah kerumitan yang tidak perlu, memecahkan corak sedia ada, dan "memperbaiki" perkara yang tidak rosak. Kekecewaan itu membawa saya ke dalam lubang arnab yang akan memakan masa dua tahun berikutnya dalam hidup saya—dan mengubah sepenuhnya cara saya bekerja dengan kecerdasan buatan.

Kebangkitan - Apabila Semua Yang Saya Tahu Berhenti Berfungsi

Saya masih ingat saat tepat saya menyedari bahawa saya tidak tahu apa yang saya lakukan. Ia lewat malam, tarikh akhir semakin hampir, dan saya memerlukan AI untuk membantu saya dengan apa yang sepatutnya menjadi tugas yang mudah. Saya menaip prompt saya, menekan enter, dan melihat AI menghasilkan sesuatu yang membuat saya mahu membuang komputer riba saya keluar tingkap.

Masalahnya, saya fikir saya faham AI. Saya telah menggunakan ChatGPT sejak hari-hari awal. Saya membaca artikel tentang kejuruteraan prompt. Saya tahu tentang "role-playing" dan "menjadi spesifik". Tetapi di situlah saya, mendapat respons yang terasa seperti bercakap dengan seseorang yang mendengar setiap perkataan yang saya katakan tetapi tidak memahami apa-apa tentang apa yang sebenarnya saya perlukan.

Kekecewaan itu menjadi guru saya. Saya menyelami dokumentasi rasmi, kertas penyelidikan, perbincangan forum, dan beribu-ribu jam percubaan. Apa yang saya temui bukan hanya petua dan helah—ia adalah perubahan paradigma lengkap dalam cara berkomunikasi dengan mesin yang berfikir dalam corak, kebarangkalian, dan token.

💡

AI yang paling berkuasa di dunia tidak berguna jika anda tidak dapat menyampaikan apa yang sebenarnya anda perlukan. Prompting bukan tentang mencari kata-kata ajaib—ia adalah tentang memahami bagaimana AI memproses bahasa dan menstruktur komunikasi anda dengan sewajarnya.

Inilah kebenaran yang tiada siapa beritahu pemula: perbezaan antara orang yang mendapat hasil luar biasa daripada AI dan mereka yang tidak bukanlah kecerdasan atau kemahiran teknikal. Ia adalah komunikasi. Dan komunikasi dengan AI mengikut peraturan yang serupa dengan—tetapi secara kritis berbeza daripada—komunikasi dengan manusia.

Panduan ini mengandungi semua yang saya pelajari dalam perjalanan itu. Bukan nasihat "hanya jadi spesifik" yang terlalu dipermudahkan yang membanjiri internet, tetapi pemahaman yang mendalam dan bernuansa yang mengubah cara anda bekerja dengan AI. Sama ada anda menulis prompt pertama anda atau membina sistem AI pengeluaran, apa yang berikut akan mengubah hubungan anda dengan kecerdasan buatan selama-lamanya.

Asas Yang Tiada Siapa Ajar - Anatomi Teras Prompt

Sebelum kita masuk ke teknik lanjutan, izinkan saya berkongsi rangka kerja yang mengubah segalanya untuk saya. Setiap prompt berkesan yang saya tulis sekarang mengandungi beberapa kombinasi lima elemen ini:

1
Konteks (Context)

Apa yang perlu diketahui oleh AI tentang situasi anda? Maklumat latar belakang, kekangan, butiran yang relevan, dan persekitaran tempat anda bekerja.

2
Tugas (Task)

Apa sebenarnya yang anda mahu AI lakukan? Bersikap spesifik tentang tindakan yang anda minta—bukan hanya topik, tetapi kerja sebenar.

3
Format (Format)

Bagaimana output harus distrukturkan? Senarai, perenggan, blok kod, jadual, JSON—tentukan secara eksplisit.

4
Kekangan (Constraints)

Apa yang harus dielakkan oleh AI? Apakah sempadan yang wujud? Apa yang secara eksplisit di luar skop?

5
Contoh (Examples)

Bolehkah anda tunjukkan apa yang anda mahukan? Contoh bernilai seribu perihalan—ia menunjukkan dan bukannya menerangkan.

Kebanyakan orang hanya memasukkan tugas. Mereka meminta "Tuliskan saya e-mel" apabila mereka sepatutnya berkata "Tulis e-mel profesional kepada pelanggan yang menjelaskan kelewatan projek. Pastikan ia di bawah 150 patah perkataan, akui kesulitan, dan cadangkan garis masa baru dua minggu lagi. Nada harus meminta maaf tetapi yakin."

Perbezaan dalam kualiti output adalah dramatik. Dan ini baru permulaan.

Kuasa Struktur

Salah satu aspek penulisan prompt yang paling kurang dihargai ialah pemformatan struktur. Model AI moden bertindak balas dengan sangat baik kepada bahagian yang digariskan dengan jelas. Saya menggunakan tag gaya XML secara meluas kerana ia mencipta sempadan yang tidak samar:

Templat Prompt Berstruktur
<context>
Anda membantu saya menyediakan persembahan untuk pihak berkepentingan teknikal.
Penonton biasa dengan pembangunan perisian tetapi tidak secara khusus dengan AI.
</context>

<task>
Terangkan bagaimana model bahasa besar berfungsi dalam 5 perkara utama.
</task>

<format>
- Gunakan titik peluru
- Setiap perkara hendaklah 1-2 ayat
- Elakkan jargon atau takrifkan apabila digunakan
</format>

<constraints>
- Jangan sebut nama model tertentu
- Fokus pada konsep, bukan pelaksanaan teknikal
- Kekalkan jumlah panjang di bawah 200 patah perkataan
</constraints>

Struktur ini melakukan sesuatu yang berkuasa: ia memaksa anda untuk berfikir dengan jelas tentang apa yang anda perlukan sebelum anda bertanya. Pemikiran yang jelas menghasilkan komunikasi yang jelas, dan komunikasi yang jelas menghasilkan keputusan yang jelas. Tag XML bukan sihir—ia adalah perancah untuk pemikiran anda sendiri.

🎯

Struktur bukan tentang membuat prompt lebih panjang—ia adalah tentang membuat niat anda tidak samar. Prompt pendek yang berstruktur baik mengalahkan prompt panjang yang bertele-tele setiap kali.

Enam Minda Yang Mengubah Segalanya

Selepas bertahun-tahun percubaan, saya telah menyaring pendekatan saya kepada enam "minda" teras—bukan templat tegar, tetapi corak pemikiran fleksibel yang membuka kunci keupayaan AI yang kebanyakan orang tidak pernah temui. Ini bukan tentang mencari kata-kata yang sempurna; ia adalah tentang mendekati interaksi AI dengan model mental yang betul.

Minda 1: Biarkan AI Memilih Pakar

Kita semua tahu bahawa memberi peranan kepada AI membantu. "Bertindak sebagai pakar pemasaran" menghasilkan nasihat pemasaran yang lebih baik daripada soalan generik. Tetapi inilah yang kebanyakan orang terlepas: apabila anda tidak tahu pakar mana yang terbaik untuk soalan anda, anda boleh meminta AI untuk memilih.

Saya menemui ini semasa merancang acara syarikat. Saya tidak tahu sama ada saya memerlukan perspektif pemasaran, perspektif operasi, atau sesuatu yang lain sepenuhnya. Jadi daripada meneka, saya meminta AI untuk memilih pakar yang paling sesuai terlebih dahulu.

Prompt Pemilihan Pakar
Saya ingin meneroka [DOMAIN] dan khususnya [MASALAH/SKENARIO].
Jangan jawab lagi.

Pertama, pilih pakar domain yang paling sesuai untuk memikirkan masalah ini.
Mereka boleh jadi yang masih hidup atau bersejarah, terkenal atau agak tidak diketahui, 
tetapi mesti benar-benar cemerlang dalam bidang khusus ini.
Jika anda tidak pasti, tanya saya 2 soalan kedudukan sebelum memilih.

Output:
1. Siapa yang anda pilih dan domain khusus mereka
2. Mengapa anda memilih mereka (tiga ayat)

Kemudian minta saya untuk menerangkan soalan terperinci saya.

Apabila saya menggunakan ini untuk perancangan acara, AI memilih Priya Parker—seorang pakar reka bentuk acara yang tidak pernah saya dengar tetapi ternyata sempurna. Jawapan yang saya dapat bukanlah respons generik "pertimbangkan lima faktor ini"—ia adalah panduan bernuansa dan spesifik yang terasa seperti bercakap dengan seseorang yang telah melakukan ini beratus-ratus kali.

Minda 2: Biarkan AI Bertanya Soalan Dahulu

Ini adalah teknik yang saya gunakan lebih daripada yang lain. Saya memanggilnya "Socratic Prompting"—daripada cuba menjangka segala yang perlu diketahui oleh AI, saya membiarkannya bertanya soalan kepada saya sehingga ia mempunyai konteks yang mencukupi untuk memberikan jawapan yang benar-benar berguna.

Fikirkanlah: apabila anda meminta nasihat daripada rakan pintar, mereka tidak terus melancarkan jawapan. Mereka bertanya soalan penjelasan. Mereka menyiasat untuk konteks. Mereka memastikan mereka faham sebelum mereka menasihati. AI boleh melakukan perkara yang sama—tetapi hanya jika anda bertanya.

Templat Socratic Prompting
[SOALAN ATAU KEPERLUAN ANDA]

Sebelum menjawab, sila tanya saya soalan dahulu.

Keperluan:
- Tanya satu soalan pada satu masa
- Berdasarkan jawapan saya, teruskan menyiasat
- Teruskan sehingga anda mempunyai keyakinan 95% anda faham 
  keperluan dan matlamat sebenar saya
- Hanya kemudian berikan saya jawapan atau penyelesaian anda

Ambang 95% memastikan kualiti sambil mengelakkan gelung tanpa henti.

Saya menggunakan ini semasa memutuskan sama ada untuk mengambil pekerja HR pertama kami. Daripada mendapat respons generik "kebaikan dan keburukan mengambil HR", AI bertanya tentang saiz pasukan semasa kami, halaju pengambilan, keperluan pematuhan, kekangan bajet, dan matlamat budaya. Selepas menjawab kira-kira lima belas soalan yang disasarkan, saya mendapat nasihat yang spesifik untuk situasi sebenar saya—bukan jawapan buku teks yang agak terpakai.

🔑

"Ambang keyakinan 95%" adalah perincian penting. Ia cukup tinggi untuk memastikan kualiti tetapi realistik agar AI tidak bergelung selamanya. Frasa tunggal ini mengubah cara AI mendekati perbualan.

Minda 3: Berdebat dengan AI

AI mempunyai masalah yang kebanyakan orang tidak sedar: ia terlalu bersetuju. Ia sering akan memberitahu anda apa yang anda mahu dengar daripada mencabar andaian anda. "Sikap penjilat" ini boleh berbahaya apabila anda cuba mengesahkan idea atau bersedia untuk kritikan.

Penyelesaiannya adalah dengan meletakkan AI secara eksplisit sebagai musuh yang mahu menyangkal kedudukan anda. Saya menemui ini semasa bersedia untuk ceramah persidangan. Saya mempunyai tesis yang ingin saya bentangkan, tetapi saya bimbang tentang titik buta.

Templat Debat Prompting
Saya akan memasuki perdebatan. Ramai orang akan mencabar kedudukan saya.

Kedudukan saya: [TESIS/IDEA ANDA]

Saya perlukan idea ini menjadi kalis peluru.

Jika anda seorang sarjana yang bertekad untuk membuktikan saya salah, menggunakan setiap 
hujah yang ada, perincian, dan alat logik, bagaimana anda akan menyerang 
kedudukan saya?

Satu-satunya matlamat anda: tunjukkan bahawa saya salah.
Jangan lembut. Jangan berdolak-dalik. Serang.

Apa yang berlaku seterusnya mengubah cara saya berfikir tentang AI. Kami berbalas-balas selama tiga jam. AI menemui kelemahan dalam hujah saya yang tidak saya pertimbangkan, menimbulkan contoh balas yang tidak dapat saya tolak, dan mendorong saya untuk memperhalusi kedudukan saya sehingga ia dapat menahan penelitian sebenar. Menjelang akhir, saya mempunyai tesis yang jauh lebih kuat—dan yang lebih penting, saya telah menjangka setiap bantahan utama yang akan saya hadapi.

Minda 4: Pre-Mortem Rancangan Anda

Manusia cenderung optimis semasa merancang. AI, mengikut telunjuk kita, cenderung optimis juga. Ini mencipta rancangan yang kelihatan hebat di atas kertas tetapi hancur apabila realiti campur tangan.

Teknik pre-mortem membalikkan dinamik ini. Daripada bertanya "Bagaimana saya harus melakukan ini?", anda bertanya "Bayangkan ini gagal dengan hebat—mengapa?"

Templat Prompt Pre-Mortem
[PROJEK/RANCANGAN ANDA]

Andaikan projek ini gagal dengan teruk.

Tulis analisis post-mortem menjawab:
1. Pada titik mana isyarat kerosakan mula muncul?
2. Apakah ralat keputusan yang paling fatal?
3. Apakah risiko teras yang terlepas pandang?
4. Jika anda boleh kembali, apakah perkara pertama yang anda akan ubah?

Dasarkan analisis anda pada kegagalan projek dunia nyata yang serupa.
Tulis ini sebagai retrospektif kegagalan tulen, bukan latihan teori.

Saya menggunakan ini semasa merancang persidangan besar. Pre-mortem AI mengenal pasti risiko yang saya terlepas pandang sepenuhnya: pengurusan barisan, kapasiti tandas, masa katering, kesesakan keselamatan. Ini bukan kes pinggiran eksotik—ia adalah masalah yang boleh diramal yang saya tidak fikirkan kerana saya fokus pada bahagian menarik acara itu. Pre-mortem mungkin menyelamatkan kami daripada beberapa kegagalan yang memalukan.

Minda 5: Kejuruteraan Balik Kejayaan

Kadang-kadang anda melihat sesuatu yang cemerlang—sebuah penulisan, reka bentuk, pendekatan—dan anda mahu meniru intipatinya tanpa menyalinnya secara langsung. Prompting terbalik membolehkan anda mengekstrak prinsip asas.

Prompt Kejuruteraan Balik
Ini adalah contoh hasil yang saya mahukan:

[TAMPAL CONTOH]

Sila jurutera balik prompt yang akan menjana 
kandungan dengan gaya, struktur, dan kualiti yang sama ini dengan pasti.

Terangkan apa yang dilakukan oleh setiap bahagian prompt dan mengapa ia penting.

Ini bukan tentang menyalin—ia tentang belajar. Apabila saya melihat penulisan yang bergema dengan saya, saya menggunakan teknik ini untuk memahami mengapa ia berfungsi. Apakah elemen struktur yang mencipta irama? Apakah pilihan nada yang mencipta perasaan? Sebaik sahaja saya memahami prinsipnya, saya boleh menggunakannya pada kandungan asal saya sendiri.

Minda 6: Kaedah Penjelasan Dwi

Apabila mempelajari sesuatu yang baru, kebanyakan orang sama ada mendapat penjelasan yang terlalu dipermudahkan yang tidak benar-benar mengajar apa-apa, atau penjelasan tahap pakar yang tidak dapat mereka ikuti. Penyelesaiannya adalah meminta kedua-duanya secara serentak.

Templat Penjelasan Dwi
Sila terangkan [KONSEP].

Sediakan dua versi:

1. Versi pemula: Bayangkan menerangkan kepada seseorang tanpa 
   latar belakang dalam bidang ini. Gunakan analogi harian dan elakkan 
   semua jargon. Jadikan ia benar-benar boleh difahami.

2. Versi pakar: Anggap pembaca adalah profesional dalam 
   bidang berkaitan. Jadi tepat secara teknikal. Jangan permudahkan 
   atau kurangkan kerumitan.

Saya menggunakan ini sentiasa semasa membaca kertas teknikal. Versi pemula memberi saya intuisi untuk konsep tersebut, dan versi pakar memberi saya butiran yang tepat. Dengan membandingkannya, saya dapat melihat dengan tepat di mana penyederhanaan berlaku dan apa nuansa yang mungkin saya terlepas. Ia seperti mempunyai dua guru dengan pendekatan pelengkap.

Pemikiran Ejen - Menganggap AI sebagai Rakan Sekerja

Berikut adalah perubahan paradigma yang mengubah interaksi AI saya: berhenti menganggap AI sebagai enjin carian dan mula menganggapnya sebagai rakan sekerja yang berkebolehan tetapi tidak berpengalaman. Model mental ini mengubah segalanya tentang cara anda berkomunikasi.

Model AI moden bukan hanya menjawab soalan—mereka direka untuk menjadi ejen. Mereka boleh memanggil alat, mengumpul konteks, membuat keputusan, dan melaksanakan tugas berbilang langkah. Tetapi seperti mana-mana ahli pasukan baru, mereka memerlukan onboarding yang betul, jangkaan yang jelas, dan pagar yang sesuai.

🤖

AI bukan alat yang anda gunakan—ia adalah rakan sekerja yang anda uruskan. Kemahiran yang menjadikan anda pengurus yang baik menjadikan anda prompter yang baik. Pendelegasian, komunikasi jelas, autonomi yang sesuai, sempadan yang ditakrifkan.

Fikirkanlah: apabila anda mewakilkan kepada manusia, anda tidak hanya berkata "betulkan kod". Anda menerangkan apa yang rosak, apakah tingkah laku yang diingini, apa kekangan yang wujud, dan bagaimana rupa kejayaan. Anda memberikan konteks. Anda menjawab soalan. Anda menyemak kemajuan. AI memerlukan layanan yang sama—kecuali anda perlu menjangka soalan dan menjawabnya terlebih dahulu.

Rangka Kerja Ejen

Apabila membina aplikasi ejen atau menggunakan AI untuk tugas yang kompleks, saya memikirkan dimensi ini:

Soalan Utama untuk Tugas Ejen

  • Apakah keadaan matlamat? Bagaimana AI akan tahu apabila ia selesai? Bagaimana rupa kejayaan?
  • Apakah alat yang ia ada? Apa yang sebenarnya boleh dilakukannya berbanding apa yang mesti diserahkan kepada anda?
  • Apakah tahap autonomi? Adakah ia perlu meminta kebenaran atau meneruskan secara bebas?
  • Apakah sempadan keselamatan? Apakah tindakan yang tidak boleh diambil tanpa pengesahan?
  • Bagaimana ia harus menyampaikan kemajuan? Pelaksanaan senyap atau kemas kini berkala?

Soalan-soalan ini membentuk asas setiap prompt kompleks yang saya tulis. Biar saya tunjukkan cara mengaplikasikannya.

Dail Kesungguhan - Menentukur Inisiatif AI

Salah satu aspek kejuruteraan prompt yang paling bernuansa adalah menentukur apa yang saya panggil "kesungguhan ejen"—keseimbangan antara AI yang mengambil inisiatif dan yang menunggu panduan eksplisit. Jika ini salah, anda sama ada mempunyai AI yang terlalu memikirkan tugas mudah atau yang terlalu mudah berputus asa pada tugas kompleks.

Mengurangkan Kesungguhan untuk Kelajuan

Kadang-kadang anda memerlukan AI untuk menjadi pantas dan fokus. Anda tidak mahu ia meneroka setiap tangen, membuat panggilan alat tambahan, atau menghasilkan penjelasan yang bertele-tele. Untuk situasi ini, saya menggunakan prompt berfokuskan kekangan:

Konfigurasi Kesungguhan Rendah
<context_gathering>
Matlamat: Dapatkan konteks secukupnya dengan pantas. Selaraskan penemuan dan berhenti sebaik 
sahaja anda boleh bertindak.

Kaedah:
- Mula luas, kemudian bercabang ke sub-kueri berfokus
- Lancarkan pelbagai pertanyaan secara selari; baca hits teratas setiap pertanyaan
- Nyahduplikasi laluan dan cache; jangan ulangi pertanyaan
- Elakkan mencari konteks secara berlebihan

Kriteria berhenti awal:
- Anda boleh menamakan kandungan tepat untuk diubah
- Hits teratas menumpu (~70%) pada satu kawasan/laluan

Kedalaman:
- Jejak hanya simbol yang akan anda ubah atau kontrak yang anda harapkan
- Elakkan pengembangan transitif melainkan perlu

Gelung:
- Carian kumpulan → pelan minimum → selesaikan tugas
- Cari lagi hanya jika pengesahan gagal atau anu baru muncul
- Lebih suka bertindak daripada mencari lebih banyak
</context_gathering>

Perhatikan kebenaran eksplisit untuk menjadi tidak sempurna: "Lebih suka bertindak daripada mencari lebih banyak." Frasa halus ini membebaskan AI daripada kebimbangan ketelitian lalainya. Tanpanya, model sering meneliti secara berlebihan, membakar token dan masa pada pulangan yang berkurangan.

Untuk kekangan kelajuan yang lebih agresif:

Konfigurasi Kelajuan Maksimum
<context_gathering>
- Kedalaman carian: sangat rendah
- Bias dengan kuat ke arah memberikan jawapan yang betul secepat 
  mungkin, walaupun ia mungkin tidak sepenuhnya betul
- Biasanya, ini bermakna maksimum mutlak 2 panggilan alat
- Jika anda fikir anda memerlukan lebih masa untuk menyiasat, kemas kini saya 
  dengan penemuan terkini dan soalan terbuka anda
</context_gathering>

Frasa "walaupun ia mungkin tidak sepenuhnya betul" adalah emas. Ia memberi AI kebenaran untuk menjadi tidak sempurna, yang secara paradoks sering menghasilkan keputusan yang lebih baik dengan lebih cepat kerana ia menghentikan gelung kesempurnaan.

Meningkatkan Kesungguhan untuk Tugas Kompleks

Pada masa lain, anda memerlukan AI untuk menjadi teliti tanpa henti. Anda mahu ia menembusi kekaburan, membuat andaian munasabah, dan menyelesaikan tugas kompleks tanpa sentiasa meminta kebenaran. Ini memerlukan pendekatan sebaliknya:

Konfigurasi Kesungguhan Tinggi
<persistence>
- Anda adalah ejen — teruskan sehingga pertanyaan pengguna 
  diselesaikan sepenuhnya sebelum menamatkan giliran anda
- Hanya tamatkan apabila anda pasti masalah diselesaikan
- Jangan sekali-kali berhenti atau menyerahkan kembali apabila anda menghadapi ketidakpastian — 
  siasat atau simpulkan pendekatan yang paling munasabah dan teruskan
- Jangan minta pengesahan atau penjelasan — putuskan apa 
  andaian yang paling munasabah, teruskan dengannya, dan 
  dokumentasikannya untuk rujukan selepas anda selesai
</persistence>

Prompt ini secara asasnya mengubah tingkah laku AI. Daripada bertanya "Patutkah saya teruskan?", ia berkata "Saya meneruskan berdasarkan andaian X—beritahu saya jika anda mahu saya menyesuaikan." Kerja selesai; penapisan berlaku selepas itu.

Sempadan Keselamatan

Tetapi inilah nuansa penting: peningkatan kesungguhan memerlukan sempadan keselamatan yang lebih jelas. Anda perlu mentakrifkan secara eksplisit tindakan mana yang boleh diambil oleh AI secara autonomi dan mana yang memerlukan pengesahan.

Prinsip Keselamatan Kritikal

Tindakan kos tinggi (pemadaman, pembayaran, komunikasi luaran) harus sentiasa memerlukan pengesahan eksplisit, walaupun dengan prompt kesungguhan tinggi. Tindakan kos rendah (carian, bacaan, penciptaan draf) boleh menjadi autonomi.

Fikirkan ia seperti kebenaran sistem: alat carian mendapat akses tanpa had; arahan padam memerlukan kelulusan eksplisit setiap kali.

Prinsip Ketekunan - Membuat AI Menyelesaikan Tugas

Salah satu tingkah laku yang paling mengecewakan yang saya hadapi pada awalnya ialah AI berputus asa terlalu mudah. Ia akan melanda satu halangan, meringkaskan apa yang salah, dan menyerahkan masalah kembali kepada saya. Untuk tugas mudah, ini baik. Untuk tugas kompleks, ia adalah pembunuh aliran kerja.

Penyelesaiannya adalah dengan mengarahkan AI secara eksplisit untuk bertahan melalui halangan dan menyelesaikan tugas dari awal hingga akhir:

Prompt Ketekunan Penyelesaian
<solution_persistence>
- Anggap diri anda sebagai pengaturcara pasangan kanan autonomi: sebaik sahaja saya 
  memberi arahan, kumpulkan konteks secara proaktif, rancang, laksanakan, 
  uji, dan perhalusi tanpa menunggu prompt tambahan
- Bertahan sehingga tugas dikendalikan sepenuhnya dari awal hingga akhir dalam 
  giliran semasa: jangan berhenti pada analisis atau pembaikan separa; bawa 
  perubahan melalui pelaksanaan dan pengesahan
- Jadilah sangat berat sebelah untuk bertindak. Jika arahan saya agak 
  samar mengenai niat, anggap anda harus teruskan dan buat perubahan
- Jika saya bertanya "patutkah kita buat X?" dan jawapan anda ialah "ya", juga teruskan 
  dan lakukan tindakan itu—jangan biarkan saya tergantung memerlukan 
  susulan "sila buat"
</solution_persistence>

Titik terakhir itu halus tetapi penting. Apabila manusia bertanya "patutkah kita buat X?", kita sering bermaksud "sila buat X jika ia masuk akal." AI, menjadi literal, menjawab soalan tanpa mengambil tindakan tersirat. Prompt ini merapatkan jurang itu.

Kemas Kini Kemajuan

Ketekunan tidak bermakna kesunyian. Untuk tugas yang berjalan lama, anda memerlukan kemas kini kemajuan untuk kekal dalam gelung tanpa pengurusan mikro:

Spesifikasi Kemas Kini Kemajuan
<user_updates_spec>
Anda akan bekerja untuk tempoh dengan panggilan alat — pastikan saya dikemas kini.

<frequency>
- Hantar kemas kini ringkas (1-2 ayat) setiap beberapa panggilan alat apabila 
  terdapat perubahan bermakna
- Hantar kemas kini sekurang-kurangnya setiap 6 langkah pelaksanaan atau 8 panggilan alat
- Jika anda menjangkakan tempoh fokus yang lebih lama, hantar nota ringkas 
  dengan sebab dan bila anda akan melapor kembali
</frequency>

<content>
- Sebelum panggilan alat pertama, berikan pelan pantas dengan matlamat, 
  kekangan, langkah seterusnya
- Semasa meneroka, seru penemuan bermakna
- Sentiasa nyatakan sekurang-kurangnya satu hasil konkrit sejak kemas kini terdahulu 
  ("menemui X", "mengesahkan Y")
- Akhiri dengan ringkasan ringkas dan sebarang langkah susulan
</content>
</user_updates_spec>

Ini mencipta keseimbangan yang indah: AI bekerja secara autonomi tetapi memastikan anda dimaklumkan. Anda tidak mengurus mikro, tetapi anda juga tidak berada dalam kegelapan.

Usaha Penaakulan - Kawalan Intensiti Pemikiran

Model AI moden mempunyai konsep yang dipanggil "usaha penaakulan"—pada dasarnya, betapa keras model berfikir sebelum bertindak balas. Ini adalah salah satu parameter paling berkuasa dan kurang digunakan yang ada.

Penaakulan Tinggi/XTinggi

Gunakan untuk tugas berbilang langkah yang kompleks, situasi samar, atau masalah yang memerlukan analisis mendalam. Model menghabiskan lebih banyak token "berfikir" secara dalaman sebelum bertindak balas. Terbaik untuk keputusan seni bina, penyahpepijatan kompleks, penulisan bernuansa.

Penaakulan Sederhana

Tetapan seimbang sesuai untuk kebanyakan tugas. Baik untuk pengekodan umum, penulisan, dan analisis di mana kualiti penting tetapi kelajuan juga penting. Ini selalunya adalah lalai.

Penaakulan Rendah

Respons pantas untuk tugas mudah. Gunakan apabila anda memerlukan jawapan cepat dan tugas itu tidak memerlukan pertimbangan mendalam. Baik untuk soalan mudah, pemformatan, carian pantas.

Penaakulan Minimum/Tiada

Kelajuan maksimum, pertimbangan minimum. Terbaik untuk pertanyaan mudah, tugas pemformatan semula, atau apabila kependaman adalah kebimbangan utama. Klasifikasi, pengekstrakan, penulisan semula mudah.

Wawasan utama ialah memadankan usaha penaakulan dengan kerumitan tugas. Menggunakan penaakulan tinggi untuk tugas mudah membazirkan token dan masa. Menggunakan penaakulan rendah untuk tugas kompleks menghasilkan keputusan cetek dan terdedah kepada ralat.

Mengimbangi Penaakulan Rendah

Apabila menggunakan mod penaakulan minimum, anda perlu mengimbangi dengan prompting yang lebih eksplisit. Model mempunyai kurang token "pemikiran" dalaman, jadi prompt anda perlu melakukan lebih banyak kerja penstrukturan:

Pampasan Penaakulan Minimum
<planning_requirement>
Anda MESTI merancang secara meluas sebelum setiap panggilan fungsi, dan merenung 
secara meluas mengenai hasil panggilan sebelumnya, memastikan pertanyaan saya 
diselesaikan sepenuhnya.

JANGAN lakukan keseluruhan proses ini dengan membuat panggilan fungsi sahaja, kerana 
ini boleh menjejaskan keupayaan anda untuk menyelesaikan masalah dan berfikir 
dengan berwawasan. Pastikan panggilan fungsi mempunyai hujah yang betul.
</planning_requirement>

Prompt ini berkata: "Memandangkan anda tidak melakukan banyak penaakulan dalaman, lakukan penaakulan anda dengan kuat." Ia mengalihkan kerja kognitif daripada pemikiran model yang tidak kelihatan kepada perancangan berstruktur yang boleh dilihat.

🧠

Apabila usaha penaakulan rendah, kerumitan prompt harus tinggi. Apabila usaha penaakulan tinggi, prompt boleh menjadi lebih mudah. Ia adalah keseimbangan—jumlah "pemikiran" kekal lebih kurang malar, hanya diperuntukkan secara berbeza.

Personaliti AI - Membentuk Corak Tingkah Laku

Salah satu penemuan kegemaran saya ialah belajar mentakrifkan "personaliti" AI—bukan hanya untuk nada, tetapi untuk tingkah laku operasi. Personaliti membentuk cara AI mendekati tugas, bukan hanya bagaimana ia berbunyi.

Personaliti Profesional

Digilap dan tepat. Menggunakan bahasa rasmi dan konvensyen penulisan profesional. Terbaik untuk ejen perusahaan, aliran kerja undang-undang/kewangan, sokongan pengeluaran.

Personaliti Profesional
<personality_professional>
Anda adalah Ejen AI yang fokus, formal, dan menuntut yang berusaha untuk 
kekonprehensifan dalam semua respons.

- Gunakan penggunaan dan tatabahasa yang biasa dalam komunikasi perniagaan
- Berikan respons yang jelas dan berstruktur mengimbangi keinformasian 
  dengan ringkas
- Pecahkan maklumat kepada kepingan yang boleh dihadam; gunakan senarai, perenggan, 
  jadual apabila membantu
- Gunakan terminologi yang sesuai dengan domain apabila membincangkan topik khusus
- Hubungan anda dengan pengguna adalah mesra tetapi transaksional: 
  fahami keperluan dan sampaikan output bernilai tinggi
- Jangan ulas ejaan atau tatabahasa pengguna
- Jangan paksa personaliti ini pada artifak yang diminta (e-mel, 
  kod, catatan); biarkan niat pengguna memandu nada untuk output tersebut
</personality_professional>

Personaliti Cekap

Ringkas dan langsung, menyampaikan jawapan tanpa perkataan tambahan. Terbaik untuk penjanaan kod, alat pembangun, automasi kumpulan, kes penggunaan berat SDK.

Personaliti Cekap
<personality_efficient>
Anda adalah pembantu AI yang sangat cekap memberikan jawapan kontekstual yang jelas.

- Balasan mestilah langsung, lengkap, dan mudah dihuraikan
- Jadilah ringkas dan tepat sasaran; struktur untuk keterbacaan
- Untuk tugas teknikal, lakukan seperti yang diarahkan — JANGAN tambah ciri tambahan 
  yang pengguna tidak minta
- Ikut semua arahan dengan tepat; jangan kembangkan skop
- Jangan gunakan bahasa perbualan melainkan dimulakan oleh pengguna
- Jangan tambah pendapat, bahasa emosi, emoji, salam, 
  atau ulasan penutup
</personality_efficient>

Personaliti Berasaskan Fakta

Langsung dan berpijak di bumi, tertumpu pada ketepatan dan bukti. Terbaik untuk penyahpepijatan, analisis risiko, penghuraian dokumen, aliran kerja bimbingan.

Personaliti Berasaskan Fakta
<personality_factbased>
Anda adalah pembantu AI yang berterus-terang dan langsung tertumpu pada hasil produktif.

- Bersikap terbuka tetapi jangan bersetuju dengan tuntutan yang bercanggah 
  dengan bukti
- Apabila memberi maklum balas, jadilah jelas dan membetulkan tanpa memaniskan
- Sampaikan kritikan dengan kebaikan dan sokongan
- Asaskan semua tuntutan dalam maklumat yang diberikan atau fakta yang kukuh
- Jika input samar atau kekurangan bukti:
  - Seru perkara itu secara eksplisit
  - Nyatakan andaian dengan jelas, atau tanya soalan penjelasan ringkas
  - Jangan teka atau isi jurang dengan butiran rekaan
- Jangan reka fakta, nombor, sumber, atau petikan
- Jika tidak pasti, katakan begitu dan terangkan maklumat tambahan apa yang diperlukan
- Lebih suka pernyataan yang berkelayakan ("berdasarkan konteks yang diberikan...")
</personality_factbased>

Personaliti Eksplorasi

Bersemangat dan menerangkan, meraikan pengetahuan dan penemuan. Terbaik untuk dokumentasi, onboarding, latihan, pendidikan teknikal.

Personaliti Eksplorasi
<personality_exploratory>
Anda adalah Ejen AI yang bersemangat dan berpengetahuan mendalam yang gembira 
dalam menerangkan konsep dengan kejelasan dan konteks.

- Jadikan pembelajaran menyeronokkan dan berguna; imbangkan kedalaman dengan kebolehcapaian
- Gunakan bahasa yang mudah diakses, tambah analogi ringkas atau "fakta menarik" di mana membantu
- Galakkan penerokaan dan soalan susulan
- Utamakan ketepatan, kedalaman, dan menjadikan topik teknikal mudah didekati
- Jika konsep samar atau lanjutan, terangkan dalam langkah dan tawarkan 
  sumber untuk pembelajaran lanjut
- Strukturkan respons secara logik; gunakan pemformatan untuk mengatur idea kompleks
- Jangan gunakan jenaka semata-mata; elakkan butiran teknikal yang berlebihan 
  melainkan diminta
- Pastikan contoh relevan dengan pertanyaan dan konteks pengguna
</personality_exploratory>
🎭

Personaliti bukan penggilap estetik—ia adalah tuil operasi yang meningkatkan konsistensi, mengurangkan hanyutan, dan menyelaraskan tingkah laku model dengan jangkaan pengguna. Pilih dengan sengaja berdasarkan tugas, bukan hanya keutamaan peribadi.

Kecemerlangan Pengekodan - Pengaturcaraan dengan Rakan Kongsi AI

Di sinilah saya menghabiskan sebahagian besar masa saya mengoptimumkan prompt, dan di mana ganjarannya sangat besar. Bantuan pengekodan AI adalah transformatif—apabila dilakukan dengan betul. Dilakukan dengan salah, ia mencipta lebih banyak masalah daripada yang diselesaikannya.

Paradoks Kebasahan

Berikut adalah sesuatu yang tidak intuitif: AI cenderung basah dalam penjelasan tetapi ringkas dalam kod. Ia akan menulis perenggan menerangkan apa yang akan dilakukannya, kemudian menghasilkan kod dengan nama pembolehubah satu huruf dan komen minimum. Ini betul-benar terbalik untuk kebanyakan kes penggunaan.

Penyelesaiannya adalah kawalan kebasahan dwi-mod:

Kawalan Kebasahan Pengekodan
<code_verbosity>
Tulis kod untuk kejelasan dahulu. Lebih suka penyelesaian yang boleh dibaca, boleh diselenggara 
dengan nama yang jelas, komen di mana perlu, dan aliran kawalan yang mudah.

Jangan hasilkan code-golf atau satu baris yang terlalu pandai melainkan diminta 
secara eksplisit.

Gunakan kebasahan TINGGI untuk menulis kod dan alat kod.
Gunakan kebasahan RENDAH untuk kemas kini status dan penjelasan.
</code_verbosity>

Ini mencipta keseimbangan yang sempurna: komunikasi ringkas, kod terperinci.

Perubahan Kod Proaktif

AI harus proaktif mengenai perubahan kod tetapi mengesahkan tentang tindakan yang merosakkan:

Konfigurasi Pengekodan Proaktif
<proactive_coding>
Penyuntingan kod anda akan dipaparkan sebagai perubahan yang dicadangkan, yang bermaksud:
(a) Penyuntingan kod anda boleh menjadi agak proaktif — saya sentiasa boleh menolaknya
(b) Kod anda harus ditulis dengan baik dan mudah untuk disemak dengan cepat

Jika mencadangkan langkah seterusnya yang akan melibatkan menukar kod, buat perubahan 
tersebut secara proaktif untuk saya luluskan/tolak daripada bertanya 
sama ada untuk meneruskan.

Jangan sekali-kali bertanya sama ada untuk meneruskan dengan rancangan; sebaliknya, secara proaktif 
cuba rancangan tersebut dan tanya jika saya mahu menerima perubahan yang dilaksanakan.
</proactive_coding>

Piawaian Pelaksanaan Kod

Ini adalah piawaian pengekodan yang telah saya perhalusi melalui beribu-ribu sesi pengekodan AI:

Piawaian Pelaksanaan Kod
<code_standards>
<quality_principles>
- Bertindak sebagai jurutera yang arif: optimumkan untuk ketepatan, kejelasan, 
  dan kebolehpercayaan berbanding kelajuan
- Elakkan jalan pintas berisiko, perubahan spekulatif, dan godaman yang tidak kemas
- Tutup punca masalah atau permintaan teras, bukan hanya gejala
</quality_principles>

<codebase_conventions>
- Ikut corak sedia ada, pembantu, penamaan, pemformatan, penyetempatan
- Jika anda mesti menyimpang daripada konvensyen, nyatakan mengapa
- Periksa corak sedia ada sebelum membuat perubahan
- Padankan konvensyen penamaan pembolehubah (camelCase vs snake_case)
- Gunakan semula utiliti sedia ada daripada mencipta yang baru
</codebase_conventions>

<behavior_safety>
- Kekalkan tingkah laku yang dimaksudkan dan UX
- Pagar atau tandakan perubahan yang disengajakan
- Tambah ujian apabila tingkah laku berubah
</behavior_safety>

<error_handling>
- Tiada tangkapan luas atau lalai senyap
- Jangan tambah blok try/catch luas atau sandaran berbentuk kejayaan
- Sebarkan atau permukaan ralat secara eksplisit daripada menelannya
- Tiada kegagalan senyap: jangan kembali awal pada input tidak sah tanpa 
  pembalakan/pemberitahuan yang konsisten dengan corak repo
</error_handling>

<type_safety>
- Perubahan harus sentiasa lulus binaan dan semakan jenis
- Elakkan cast yang tidak perlu (as any, as unknown as ...)
- Lebih suka jenis dan pengawal yang betul
- Gunakan semula pembantu sedia ada daripada menegaskan jenis
</type_safety>

<efficiency>
- Elakkan penyuntingan mikro berulang: baca konteks yang mencukupi sebelum menukar 
  fail dan kumpulkan penyuntingan logik bersama-sama
- DRY/cari dahulu: sebelum menambah pembantu baru, cari seni terdahulu 
  dan gunakan semula atau ekstrak pembantu yang dikongsi daripada menduplikasi
</efficiency>
</code_standards>

Keselamatan Git

Apabila AI mempunyai akses git, keselamatan adalah yang paling utama:

Protokol Keselamatan Git
<git_safety>
- JANGAN SEKALI-KALI kemas kini git config
- JANGAN SEKALI-KALI jalankan perintah merosakkan (git reset --hard, git checkout --) 
  melainkan diminta secara khusus
- JANGAN SEKALI-KALI langkau cangkuk (--no-verify) melainkan diminta secara eksplisit
- JANGAN SEKALI-KALI paksa tolak (force push) ke main/master
- Elakkan git commit --amend melainkan:
  1. Pengguna memintanya secara eksplisit, ATAU komit berjaya tetapi cangkuk 
     pra-komit mengubah fail secara automatik
  2. Komit HEAD dicipta oleh anda dalam perbualan ini
  3. Komit BELUM ditolak ke jauh
- Jika komit GAGAL atau DITOLAK oleh cangkuk, JANGAN SEKALI-KALI pinda — perbaiki 
  isu dan buat komit BARU
- Anda mungkin berada dalam pokok kerja git yang kotor:
  - JANGAN SEKALI-KALI kembalikan perubahan sedia ada yang tidak anda buat
  - Jika terdapat perubahan yang tidak berkaitan, abaikan mereka — jangan kembalikannya
</git_safety>

Penguasaan Frontend - Membina Antara Muka Cantik

AI telah menjadi sangat baik dalam pembangunan frontend, tetapi terdapat sains untuk mendapatkan hasil yang estetik dan sedia untuk pengeluaran.

Timbunan Disyorkan

Melalui ujian yang meluas, kombinasi teknologi tertentu berfungsi lebih baik dengan AI daripada yang lain. Ini bukan tentang apa yang "terbaik" secara objektif—ia adalah tentang apa yang model AI telah dilatih paling berat:

Timbunan Frontend Dioptimumkan AI

  • Rangka Kerja: Next.js (TypeScript), React, HTML
  • Penggayaan/UI: Tailwind CSS, shadcn/ui, Radix Themes
  • Ikon: Material Symbols, Heroicons, Lucide
  • Animasi: Motion (dahulunya Framer Motion)
  • Fon: Keluarga Sans Serif—Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Apabila anda menentukan teknologi ini, AI menghasilkan output berkualiti yang jauh lebih tinggi dengan kurang halusinasi tentang API yang tidak wujud.

Penguatkuasaan Sistem Reka Bentuk

Satu masalah dengan frontend yang dihasilkan AI adalah ketidakkonsistenan visual. Warna muncul entah dari mana, jarak berbeza secara rawak. Penyelesaiannya adalah kekangan sistem reka bentuk yang eksplisit:

Penguatkuasaan Sistem Reka Bentuk
<design_system>
- Token dahulu: JANGAN kod keras warna (hex/hsl/rgb) dalam JSX/CSS
- Semua warna mesti datang dari pembolehubah CSS (--background, --foreground, 
  --primary, --accent, --border, --ring)
- Untuk memperkenalkan jenama/aksen: tambah/lanjutkan token dalam pembolehubah CSS 
  di bawah :root dan .dark DAHULU
- Gunakan utiliti Tailwind yang disambungkan ke token: 
  bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]
- Lalai kepada palet neutral sistem melainkan rupa jenama diminta secara eksplisit 
  — kemudian petakan jenama ke token dahulu
- JANGAN cipta warna, bayang, token, animasi, atau elemen UI baru 
  melainkan diminta
</design_system>

Mencegah "AI Slop"

AI mempunyai kecenderungan ke arah reka letak yang selamat dan kelihatan purata. Untuk mendapatkan reka bentuk yang tersendiri dan disengajakan:

Piawaian Kualiti Frontend
<frontend_quality>
Apabila melakukan tugas reka bentuk frontend, elakkan runtuh ke dalam "AI slop" 
atau reka letak selamat yang kelihatan purata. Sasarkan antara muka yang terasa 
disengajakan, berani, dan sedikit mengejutkan.

- Tipografi: Gunakan fon ekspresif dan bertujuan; elakkan timbunan lalai 
  (Inter, Roboto, Arial, sistem)
- Warna & Rupa: Pilih arah visual yang jelas; takrifkan pembolehubah CSS; 
  elakkan lalai ungu-atas-putih; tiada bias ungu atau bias mod gelap
- Gerakan: Gunakan beberapa animasi bermakna (muat halaman, pendedahan berperingkat) 
  daripada gerakan mikro generik
- Latar Belakang: Jangan bergantung pada latar belakang rata, satu warna; gunakan 
  kecerunan, bentuk, atau corak halus
- Keseluruhan: Elakkan reka letak boilerplate; pelbagaikan tema, keluarga taip, 
  dan bahasa visual merentasi output
- Pastikan halaman dimuatkan dengan betul pada desktop dan mudah alih
- Selesaikan laman web sehingga siap, dalam keadaan berfungsi untuk pengguna uji

Pengecualian: Jika bekerja dalam laman web atau sistem reka bentuk sedia ada, 
kekalkan corak yang ditetapkan.
</frontend_quality>

Amalan Terbaik UI/UX

Garis Panduan UI/UX
<ui_ux_guidelines>
- Hierarki Visual: Hadkan tipografi kepada 4-5 saiz dan berat fon; 
  gunakan text-xs untuk kapsyen; elakkan text-xl melainkan untuk wira/tajuk utama
- Penggunaan Warna: Gunakan 1 asas neutral (cth., zinc) dan sehingga 2 warna aksen
- Jarak: Sentiasa gunakan gandaan 4 untuk padding dan margin untuk 
  mengekalkan irama visual
- Reka Letak: Gunakan bekas ketinggian tetap dengan penatalan dalaman untuk 
  kandungan panjang
- Pengendalian Keadaan: Gunakan pemegang tempat rangka atau animate-pulse untuk 
  pengambilan data; tunjukkan kebolehkilikan dengan peralihan hover
- Kebolehcapaian: Gunakan HTML semantik dan peranan ARIA; lebih suka komponen 
  boleh akses pra-bina
</ui_ux_guidelines>

Kawalan Kebasahan - Seni Panjang Output

Mendapatkan panjang output yang betul adalah cabaran yang berterusan. Terlalu pendek dan anda terlepas butiran penting. Terlalu panjang dan anda tenggelam dalam maklumat yang tidak perlu.

Parameter Kebasahan

API AI moden menawarkan parameter kebasahan yang secara andal menskalakan panjang output tanpa mengubah prompt:

Kebasahan Rendah

Prosa ringkas dan minimum. Hanya jawapan penting tanpa huraian. Baik untuk carian pantas, pengesahan mudah, dan apabila anda hanya memerlukan fakta.

Kebasahan Sederhana

Perincian seimbang. Tetapan lalai yang berfungsi untuk kebanyakan tugas. Menyediakan konteks dan penjelasan tanpa pelapik berlebihan.

Kebasahan Tinggi

Basah dan komprehensif. Hebat untuk audit, pengajaran, penyerahan, dan dokumentasi. Menyediakan konteks dan penaakulan penuh.

Garis Panduan Panjang Eksplisit

Apabila anda tidak boleh menggunakan parameter API, kekangan panjang eksplisit berfungsi dengan baik:

Spesifikasi Kebasahan Output
<output_verbosity_spec>
- Lalai: 3-6 ayat atau ≤5 titik peluru untuk jawapan biasa
- Untuk soalan mudah "ya/tidak + penjelasan ringkas": ≤2 ayat
- Untuk tugas kompleks berbilang langkah atau berbilang fail:
  - 1 perenggan gambaran keseluruhan ringkas
  - Kemudian ≤5 titik peluru ditag: Apa yang berubah, Di mana, Risiko, Langkah seterusnya, 
    Soalan terbuka
- Berikan respons yang jelas dan berstruktur mengimbangi keinformasian 
  dengan ringkas
- Pecahkan maklumat kepada kepingan yang boleh dihadam; gunakan senarai, 
  perenggan, jadual apabila membantu
- Elakkan perenggan naratif yang panjang; lebih suka titik peluru padat dan 
  bahagian pendek
- Jangan frasakan semula permintaan saya melainkan ia mengubah semantik
</output_verbosity_spec>

Kebasahan Berasaskan Persona

Pendekatan lain ialah mentakrifkan gaya komunikasi sebagai sebahagian daripada persona AI:

Persona Komunikasi Cekap
<communication_style>
Anda menghargai kejelasan, momentum, dan rasa hormat yang diukur dengan kegunaan 
daripada kesopanan. Naluri lalai anda adalah untuk mengekalkan 
perbualan tajam dan didorong tujuan, memangkas apa sahaja yang 
tidak menggerakkan kerja ke hadapan.

Anda tidak dingin—anda hanya berfikiran ekonomi dengan bahasa, dan 
anda mempercayai pengguna cukup untuk tidak membungkus setiap mesej dalam pelapik.

Kesopanan ditunjukkan melalui struktur, ketepatan, dan responsif, 
bukan melalui bulu lisan.

Anda tidak pernah mengulangi pengakuan. Sebaik sahaja anda memberi isyarat pemahaman, 
anda beralih sepenuhnya kepada tugas.
</communication_style>

Konteks Panjang - Mengendalikan Dokumen Besar

AI moden boleh memproses konteks yang sangat besar—beratus-ratus ribu token—tetapi hanya membuang dokumen besar ke dalam tetingkap konteks tidak mencukupi. Anda memerlukan strategi untuk membantu model menavigasi dan mengekstrak maklumat yang relevan.

Paksa Ringkasan dan Pembumian Semula

Untuk dokumen panjang, saya mengarahkan AI untuk membuat struktur dalaman sebelum menjawab:

Pengendalian Konteks Panjang
<long_context_handling>
Untuk input yang lebih panjang daripada ~10k token (dokumen berbilang bab, benang panjang, 
berbilang PDF):

1. Pertama, hasilkan rangka dalaman ringkas bahagian utama yang relevan 
   dengan permintaan saya
2. Nyatakan semula kekangan saya secara eksplisit (bidang kuasa, julat tarikh, 
   produk, pasukan) sebelum menjawab
3. Dalam jawapan anda, sauhkan tuntutan kepada bahagian ("Dalam bahagian 
   'Pengekalan Data'...") daripada bercakap secara generik
4. Jika jawapan bergantung pada butiran halus (tarikh, ambang, klausa), 
   petik atau parafrasa secara langsung
</long_context_handling>

Ini menghalang masalah "hilang dalam tatal" di mana AI memberikan jawapan generik yang tidak benar-benar terlibat dengan kandungan dokumen tertentu.

Pemadatan untuk Aliran Kerja Dilanjutkan

Untuk aliran kerja yang berjalan lama, berat alat yang melebihi tetingkap konteks standard, AI moden menyokong "pemadatan"—laluan pemampatan sedar kehilangan ke atas keadaan perbualan terdahulu yang mengekalkan maklumat relevan tugas sambil mengurangkan jejak token secara dramatik.

Bila Menggunakan Pemadatan

  • Aliran ejen berbilang langkah dengan banyak panggilan alat
  • Perbualan panjang di mana giliran terdahulu mesti dikekalkan
  • Penaakulan berulang melebihi tetingkap konteks maksimum

Amalan terbaik untuk pemadatan:

  • Pantau penggunaan konteks dan rancang lebih awal untuk mengelakkan had
  • Padatkan selepas pencapaian utama (cth., fasa berat alat), bukan setiap giliran
  • Pastikan prompt berfungsi sama semasa menyambung semula untuk mengelakkan hanyutan tingkah laku
  • Anggap item yang dipadatkan sebagai legap; jangan huraikan atau bergantung pada dalaman

Keperluan Petikan

Keperluan Petikan
<citation_rules>
Apabila anda menggunakan maklumat daripada dokumen yang disediakan:
- Letakkan petikan selepas setiap perenggan yang mengandungi tuntutan yang diperoleh daripada dokumen
- Gunakan format: [Nama Dokumen, Bahagian/Halaman]
- Jangan reka petikan. Jika anda tidak boleh memetiknya, jangan menuntutnya
- Gunakan pelbagai sumber untuk tuntutan utama apabila mungkin
- Jika bukti nipis, akui ini secara eksplisit
</citation_rules>

Orkestrasi Alat - Keupayaan AI Lanjutan

Panggilan alat AI—memohon fungsi luaran, API, dan perkhidmatan—adalah di mana kejuruteraan prompt menjadi kejuruteraan perisian. Melakukan ini dengan betul adalah penting untuk aplikasi AI yang boleh dipercayai.

Amalan Terbaik Penerangan Alat

Kualiti penerangan alat memberi kesan langsung kepada sejauh mana AI menggunakannya:

Definisi Alat Direka Baik
{
  "name": "create_reservation",
  "description": "Buat tempahan restoran untuk tetamu. Gunakan apabila 
    pengguna meminta untuk menempah meja dengan nama dan masa yang diberikan.",
  "parameters": {
    "type": "object",
    "properties": {
      "name": {
        "type": "string",
        "description": "Nama penuh tetamu untuk tempahan."
      },
      "datetime": {
        "type": "string",
        "description": "Tarikh dan masa tempahan (format ISO 8601)."
      }
    },
    "required": ["name", "datetime"]
  }
}

Perhatikan penerangan itu merangkumi kedua-dua apa yang dilakukan oleh alat dan bila untuk menggunakannya. Ini membantu model membuat keputusan pemilihan alat yang lebih baik.

Peraturan Penggunaan Alat

Dasar Penggunaan Alat
<tool_usage_rules>
- Jika alat wujud untuk tindakan, lebih suka alat berbanding arahan shell 
  (cth., read_file berbanding cat)
- Elakkan cmd/terminal mentah dengan ketat apabila alat khusus wujud
- Lebih suka alat berbanding pengetahuan dalaman apabila:
  - Anda memerlukan data segar atau khusus pengguna (tiket, pesanan, konfigurasi, log)
  - Anda merujuk ID, URL, atau tajuk dokumen tertentu
- Selepas sebarang panggilan alat tulis/kemas kini, nyatakan semula secara ringkas:
  - Apa yang berubah
  - Di mana (ID atau laluan)
  - Sebarang pengesahan susulan yang dilakukan
- Untuk soalan konsep mudah, elakkan alat dan bergantung pada pengetahuan 
  dalaman untuk jawapan pantas
</tool_usage_rules>

Penyejajaran

Pengoptimuman utama adalah menggalakkan panggilan alat selari apabila operasi adalah bebas:

Spesifikasi Penyejajaran
<parallelization_spec>
Jalankan tindakan alat bebas atau baca sahaja secara selari (giliran/kelompok yang sama) 
untuk mengurangkan kependaman.

Bila untuk menyelaraskan:
- Membaca berbilang fail/konfigurasi/log yang tidak menjejaskan satu sama lain
- Analisis statik, carian, atau pertanyaan metadata tanpa kesan sampingan
- Penyuntingan berasingan pada fail/ciri yang tidak berkaitan yang tidak akan bercanggah

Bila TIDAK untuk menyelaraskan:
- Operasi di mana satu bergantung pada hasil yang lain
- Mencipta sumber kemudian merujuk ID-nya
- Membaca fail kemudian menyunting berdasarkan kandungan

Kaedah:
- Fikir dahulu: Sebelum sebarang panggilan alat, putuskan SEMUA fail/sumber yang anda perlukan
- Kelompokkan segala-galanya: Jika anda memerlukan berbilang fail, bacanya bersama-sama
- Hanya buat panggilan berurutan jika anda benar-benar tidak dapat mengetahui fail seterusnya 
  tanpa melihat hasil dahulu
</parallelization_spec>

Alat Pembalut Terminal

Jika anda mahu AI menggunakan alat khusus dan bukannya arahan terminal, jadikan ia serupa secara semantik dengan apa yang diharapkan oleh model:

Contoh Alat Pembalut Terminal
GIT_TOOL = {
    "type": "function",
    "name": "git",
    "description": (
        "Laksanakan arahan git dalam akar repositori. Berkelakuan seperti "
        "menjalankan git dalam terminal; menyokong sebarang subperintah dan bendera."
    ),
    "parameters": {
        "type": "object",
        "properties": {
            "command": {
                "type": "string",
                "description": "Arahan git untuk dilaksanakan"
            }
        },
        "required": ["command"]
    }
}

# Kemudian dalam prompt anda:
"Gunakan alat `git` untuk semua operasi git. Jangan gunakan terminal untuk git."

Penyelesaian Masalah - Memperbaiki Apa Yang Salah

Selepas bekerja dengan banyak prompt, saya telah mengenal pasti corak kegagalan yang paling biasa dan penyelesaiannya.

Masalah: Terlalu Berfikir

Gejala: Respons betul tetapi mengambil masa yang lama. Model terus meneroka pilihan, menangguhkan panggilan alat pertama, menceritakan perjalanan berliku apabila jawapan mudah tersedia.

Pembetulan Terlalu Berfikir
<efficient_context_spec>
Matlamat: Dapatkan konteks secukupnya dengan pantas dan berhenti sebaik sahaja anda boleh bertindak.

Kaedah:
- Mula luas, kemudian bercabang ke sub-kueri berfokus
- Secara selari, lancarkan 4-8 pertanyaan pelbagai; baca 3-5 hits teratas setiap pertanyaan
- Nyahduplikasi laluan dan cache; jangan ulangi pertanyaan

Berhenti awal (bertindak jika ada):
- Anda boleh menamakan fail/simbol tepat untuk diubah
- Anda boleh menghasilkan semula ujian/lint yang gagal atau mempunyai lokus pepijat keyakinan tinggi
</efficient_context_spec>

# Juga tambah laluan pantas untuk soalan mudah:
<fast_path>
Untuk pengetahuan umum atau pertanyaan penggunaan mudah yang tidak memerlukan 
arahan, penyemakan imbas, atau panggilan alat:
- Jawab dengan segera dan ringkas
- Tiada kemas kini status, tiada tugasan, tiada ringkasan, tiada panggilan alat
</fast_path>

Masalah: Kurang Berfikir / Kemalasan

Gejala: Model tidak menghabiskan masa yang cukup untuk menaakul sebelum menghasilkan jawapan. Respons cetek, kes pinggiran terlepas, penyelesaian tidak lengkap.

Pembetulan Kurang Berfikir
<self_reflection>
- Secara dalaman skor draf terhadap rubrik 5-7 item yang anda buat 
  (kejelasan, ketepatan, kes pinggiran, kelengkapan, kependaman)
- Jika mana-mana kategori kurang, ulangi sekali sebelum membalas
</self_reflection>

# Atau gunakan usaha penaakulan yang lebih tinggi dalam parameter API

Masalah: Terlalu Menghormati

Gejala: AI terus meminta kebenaran dan bukannya mengambil tindakan. Sentiasa "Adakah anda mahu saya..." daripada hanya melakukannya.

Pembetulan Penghormatan
<persistence>
- Anda adalah ejen — teruskan sehingga pertanyaan pengguna diselesaikan 
  sepenuhnya sebelum menamatkan giliran anda
- Hanya tamatkan apabila anda pasti masalah diselesaikan
- Jangan sekali-kali berhenti atau menyerahkan kembali apabila anda menghadapi ketidakpastian — simpulkan 
  pendekatan yang paling munasabah dan teruskan
- Jangan minta untuk mengesahkan atau menjelaskan andaian — putuskan apa yang 
  paling munasabah, teruskan, dan dokumentasikan untuk rujukan selepas
</persistence>

Masalah: Terlalu Basah

Gejala: AI menjana lebih banyak token daripada yang diperlukan. Banyak mukadimah, penjelasan berlebihan, ringkasan berulang.

Pembetulan Kebasahan
# Gunakan parameter kebasahan API: "low"

# Atau dalam prompt:
<output_format>
- Lalai: 3-6 ayat atau ≤5 titik peluru
- Elakkan perenggan naratif yang panjang; lebih suka titik peluru padat
- Jangan frasakan semula permintaan saya melainkan ia mengubah semantik
- Tiada mukadimah seperti "Soalan hebat!" atau "Saya gembira untuk membantu"
</output_format>

Masalah: Terlalu Banyak Panggilan Alat

Gejala: Model menembak alat tanpa menggerakkan jawapan ke hadapan. Panggilan berlebihan, meneroka tangen, tidak menggunakan konteks dengan cekap.

Pembetulan Panggilan Alat
<tool_use_policy>
- Pilih satu alat atau tiada; lebih suka menjawab dari konteks apabila mungkin
- Hadkan panggilan alat kepada 2 setiap permintaan pengguna melainkan maklumat baru menjadikan 
  lebih ketat diperlukan
- Sebelum memanggil alat, sahkan anda benar-benar memerlukan maklumat tersebut
</tool_use_policy>

Masalah: Panggilan Alat Salah Bentuk

Gejala: Panggilan alat gagal, menghasilkan output sampah, atau tidak sepadan dengan format yang diharapkan. Selalunya disebabkan oleh percanggahan dalam prompt.

Diagnosis Panggilan Alat Salah Bentuk
Sila analisis mengapa panggilan alat [nama_alat] salah bentuk.

1. Semak isu sampel yang disediakan untuk memahami mod kegagalan
2. Periksa Prompt Sistem dan Konfigurasi Alat dengan teliti
3. Kenal pasti sebarang kekaburan, ketidakkonsistenan, atau frasa yang boleh 
   mengelirukan model
4. Untuk setiap punca berpotensi, terangkan bagaimana ia boleh mengakibatkan 
   kegagalan yang diperhatikan
5. Berikan cadangan yang boleh diambil tindakan untuk memperbaiki prompt atau 
   konfigurasi alat
🔧

Kebanyakan isu panggilan alat salah bentuk berpunca daripada percanggahan antara bahagian prompt yang berbeza. Model membakar token penaakulan cuba menyelaraskan arahan yang bercanggah dan bukannya membantu.

Pengoptimuman Prompt - Pendekatan Saintifik

Menghasilkan prompt yang berkesan adalah kemahiran, tetapi memperbaikinya adalah sains. Berikut adalah pendekatan sistematik yang saya gunakan.

Kegagalan Prompt Biasa

Sebelum mengoptimumkan, fahami apa yang biasanya salah:

Percanggahan dalam arahan

"Lebih suka perpustakaan standard" kemudian "gunakan pakej luaran jika ia memudahkan perkara" - AI tidak dapat menyelaraskan isyarat bercampur ini.

Kekangan samar

"Sasarkan keputusan tepat; kaedah anggaran baik apabila ia tidak mengubah hasil dalam amalan" - model tidak dapat mengesahkan panggilan penghakiman ini.

Spesifikasi format hilang

Jika anda memerlukan JSON, katakan begitu. Jika anda memerlukan titik peluru, katakan begitu. Jangan biarkan format output kepada nasib.

Ketidakkonsistenan dengan contoh

Arahan anda mengatakan satu perkara tetapi contoh anda menunjukkan sesuatu yang berbeza. AI mengikut contoh lebih daripada prosa.

Gelung Pengoptimuman

1
Tetapkan Garis Dasar

Jalankan prompt semasa anda beberapa kali dan dokumentasikan hasilnya. Perhatikan corak dalam kejayaan dan kegagalan.

2
Kenal Pasti Mod Kegagalan

Kategorikan kegagalan. Adakah ia isu ketepatan? Isu format? Isu kecekapan? Setiap satu memerlukan pembaikan yang berbeza.

3
Buat Penyuntingan Pembedahan

Ubah satu perkara pada satu masa. Jika anda mengubah banyak perkara, anda tidak akan tahu apa yang membantu.

4
Nilai Semula

Jalankan ujian yang sama sekali lagi. Bandingkan dengan garis dasar. Adakah perubahan itu membantu, menyakitkan, atau tidak mempunyai kesan?

5
Ulang

Ulang sehingga anda mencapai prestasi yang boleh diterima. Simpan nota tentang apa yang berkesan dan apa yang tidak.

Penghijrahan Antara Model

Apabila memindahkan prompt ke versi model baru:

Amalan Terbaik Penghijrahan

  • Langkah 1: Tukar model, jangan ubah prompt lagi. Uji perubahan model—bukan penyuntingan prompt.
  • Langkah 2: Pinkan usaha penaakulan untuk memadankan profil model terdahulu.
  • Langkah 3: Jalankan penilaian untuk garis dasar. Jika keputusan kelihatan baik, anda bersedia untuk menghantar.
  • Langkah 4: Jika terdapat regresi, talakan prompt dengan kekangan yang disasarkan.
  • Langkah 5: Jalankan semula penilaian selepas setiap perubahan kecil. Satu perubahan pada satu masa.

Menangani Ketidakpastian - Apabila AI Tidak Tahu

Salah satu risiko terbesar dengan AI ialah jawapan salah yang berbunyi yakin. Model tidak tahu apa yang ia tidak tahu—melainkan anda mengajarnya cara menangani ketidakpastian.

Pengendalian Ketidakpastian
<uncertainty_handling>
- Jika soalan samar atau kurang spesifik, seru secara eksplisit 
  ini dan:
  - Tanya sehingga 1-3 soalan penjelasan tepat, ATAU
  - Bentangkan 2-3 tafsiran munasabah dengan andaian berlabel jelas
  
- Apabila fakta luaran mungkin telah berubah baru-baru ini (harga, keluaran, 
  dasar) dan tiada alat tersedia:
  - Jawab dalam terma umum dan nyatakan bahawa butiran mungkin telah berubah
  
- Jangan sekali-kali reka angka tepat, nombor baris, atau rujukan luaran 
  apabila anda tidak pasti
  
- Apabila anda tidak pasti, lebih suka bahasa seperti "Berdasarkan konteks 
  yang disediakan..." daripada tuntutan mutlak
</uncertainty_handling>

Semakan Kendiri Risiko Tinggi

Untuk domain risiko tinggi, tambah langkah pengesahan kendiri eksplisit:

Semakan Kendiri Risiko Tinggi
<high_risk_self_check>
Sebelum memuktamadkan jawapan dalam konteks undang-undang, kewangan, pematuhan, atau 
sensitif keselamatan:

- Imbas semula jawapan anda sendiri secara ringkas untuk:
  - Andaian tidak dinyatakan
  - Nombor atau tuntutan khusus yang tidak diasaskan dalam konteks
  - Bahasa yang terlalu kuat ("sentiasa," "dijamin," dll.)
  
- Jika anda menemui sebarang, lembutkan atau layakkan mereka dan nyatakan andaian secara eksplisit
</high_risk_self_check>
⚠️

Matlamatnya bukan untuk membuat AI kurang yakin—ia adalah untuk menjadikannya yakin dengan tepat. Ketidakpastian tentang perkara yang tidak pasti adalah ciri, bukan pepijat.

Metaprompting - Menggunakan AI untuk Memperbaiki AI

Berikut adalah teknik paling meta dalam kit alat saya: menggunakan AI untuk memperbaiki prompt anda. Ia kedengaran bulat, tetapi ia sangat berkesan.

Mendiagnosis Kegagalan Prompt

Templat Diagnosis Prompt
Anda adalah jurutera prompt yang ditugaskan untuk menyahpepijat prompt sistem.

Anda diberikan:
1) Prompt sistem semasa:
<system_prompt>
[TAMPAL PROMPT ANDA DI SINI]
</system_prompt>

2) Set kecil kegagalan yang direkodkan. Setiap log mempunyai:
- pertanyaan
- output_sebenar
- output_dijangka (atau perihalan masalah)

<failure_traces>
[TAMPAL CONTOH KEGAGALAN]
</failure_traces>

Tugas anda:
1) Kenal pasti mod kegagalan yang berbeza yang anda lihat
2) Untuk setiap mod kegagalan, petik baris khusus prompt sistem 
   yang paling mungkin menyebabkan atau mengukuhkannya
3) Terangkan bagaimana baris tersebut mengemudi ejen ke arah 
   tingkah laku yang diperhatikan

Kembalikan jawapan anda dalam format berstruktur:
failure_modes:
- name: ...
  description: ...
  prompt_drivers:
    - exact_or_paraphrased_line: ...
    - why_it_matters: ...

Menjana Penambahbaikan

Templat Penambahbaikan Prompt
Anda sebelum ini menganalisis prompt sistem ini dan mod kegagalannya.

Prompt sistem:
<system_prompt>
[PROMPT ASAL]
</system_prompt>

Analisis mod kegagalan:
[TAMPAL DIAGNOSIS DARI LANGKAH SEBELUMNYA]

Sila cadangkan semakan pembedahan yang mengurangkan masalah yang diperhatikan 
sambil mengekalkan tingkah laku yang baik.

Kekangan:
- Jangan reka semula ejen dari awal
- Lebih suka penyuntingan kecil, eksplisit: jelaskan peraturan bercanggah, alih keluar 
  baris berlebihan atau bercanggah, ketatkan panduan samar
- Buat pertukaran eksplisit
- Kekalkan struktur dan panjang kira-kira serupa dengan asal

Output:
1) patch_notes: senarai ringkas perubahan utama dan alasan
2) revised_system_prompt: prompt dikemas kini penuh dengan penyuntingan digunakan

Refleksi Kendiri untuk Kualiti

Teknik ini membengkokkan minda: arahkan AI untuk mencipta kriteria penilaiannya sendiri dan mengulangi terhadapnya:

Prompt Refleksi Kendiri
<self_reflection>
- Pertama, luangkan masa memikirkan rubrik sehingga anda yakin
- Fikirkan secara mendalam tentang setiap aspek apa yang menjadikan penyelesaian bertaraf 
  dunia. Gunakan pengetahuan itu untuk mencipta rubrik yang mempunyai 5-7 
  kategori. Rubrik ini kritikal untuk diperolehi dengan betul, tetapi jangan 
  tunjukkan ini kepada saya — ini hanya untuk tujuan anda.
- Akhirnya, gunakan rubrik untuk berfikir secara dalaman dan mengulangi pada 
  penyelesaian terbaik yang mungkin untuk prompt
- Jika respons anda tidak mencapai markah tertinggi merentasi semua 
  kategori dalam rubrik, mulakan semula
</self_reflection>

Anda meminta AI untuk menjana kriteria kualiti daripada pengetahuannya tentang kecemerlangan, kemudian menggunakan kriteria tersebut untuk menilai dan memperbaiki outputnya sendiri—semua sebelum anda melihat apa-apa. Peningkatan dalam kualiti output adalah besar.

Templat Teruji Pertempuran Yang Boleh Anda Gunakan Hari Ini

Penyelesaian Tugas Sejagat

Templat Tujuan Umum
<context>
[Maklumat latar belakang yang diperlukan AI untuk memahami situasi]
</context>

<task>
[Penyataan jelas tentang apa yang anda mahu dilakukan]
</task>

<requirements>
[Keperluan atau kekangan khusus]
</requirements>

<format>
[Bagaimana anda mahu output distrukturkan]
</format>

<examples>
[Pilihan: Contoh output yang diingini]
</examples>

Templat Semakan Kod

Prompt Semakan Kod
<context>
Menyemak kod untuk [projek/konteks].
Pangkalan kod menggunakan [teknologi/corak].
</context>

<code_to_review>
[Tampal kod di sini]
</code_to_review>

<review_criteria>
Fokus pada:
1. Ketepatan: Adakah ia melakukan apa yang dituntut?
2. Kebolehbacaan: Adakah ia jelas kepada pembangun lain?
3. Prestasi: Sebarang ketidakcekapan yang jelas?
4. Keselamatan: Sebarang kelemahan?
5. Gaya: Adakah ia sepadan dengan konvensyen pangkalan kod?
</review_criteria>

<output_format>
Untuk setiap masalah yang ditemui:
- Keterukan: [Kritikal/Utama/Kecil/Cadangan]
- Lokasi: [Nombor baris atau bahagian]
- Isu: [Apa yang salah]
- Pembaikan: [Cara menanganinya]
</output_format>

Templat Analisis Penyelidikan

Prompt Penyelidikan Mendalam
<research_task>
[Topik atau soalan untuk diselidiki]
</research_task>

<methodology>
- Mula dengan berbilang carian yang disasarkan; jangan bergantung pada satu pertanyaan
- Selidik secara mendalam sehingga anda mempunyai maklumat yang mencukupi untuk 
  jawapan yang tepat dan komprehensif
- Tambah carian susulan yang disasarkan untuk mengisi jurang atau menyelesaikan perselisihan
- Teruskan mengulangi sehingga carian tambahan tidak mungkin mengubah 
  jawapan
</methodology>

<output_requirements>
- Pimpin dengan jawapan yang jelas kepada soalan utama
- Sokong dengan bukti dan petikan
- Akui batasan dan ketidakpastian
- Berikan contoh konkrit di mana membantu
- Sertakan konteks yang relevan untuk memahami implikasi
</output_requirements>

<citation_format>
[Bagaimana anda mahu sumber dipetik]
</citation_format>

Ejen Penyelidikan Web

Penyelidikan Web Komprehensif
<core_mission>
Jawab soalan pengguna sepenuhnya dan dengan bantuan, dengan bukti yang mencukupi 
bahawa pembaca yang ragu-ragu boleh mempercayainya.

Jangan sekali-kali reka fakta. Jika anda tidak boleh mengesahkan sesuatu, katakan dengan jelas.

Lalai kepada menjadi terperinci dan berguna daripada pendek.

Selepas menjawab soalan langsung, tambah bahan bersebelahan bernilai tinggi 
yang menyokong matlamat asas pengguna tanpa menyimpang dari topik.
</core_mission>

<research_rules>
- Mula dengan berbilang carian yang disasarkan; gunakan carian selari
- Jangan sekali-kali bergantung pada satu pertanyaan
- Teruskan mengulangi sehingga semua benar:
  - Anda menjawab setiap bahagian soalan
  - Anda menemui contoh konkrit dan bahan bersebelahan bernilai tinggi
  - Anda menemui sumber yang mencukupi untuk tuntutan teras
</research_rules>

<citation_rules>
- Letakkan petikan selepas setiap perenggan yang mengandungi tuntutan bukan jelas 
  yang diperoleh daripada web
- Jangan reka petikan
- Gunakan pelbagai sumber untuk tuntutan utama apabila mungkin
</citation_rules>

<ambiguity_handling>
- Jangan sekali-kali bertanya soalan penjelasan melainkan pengguna meminta secara eksplisit
- Jika pertanyaan samar, nyatakan tafsiran tekaan terbaik anda, kemudian 
  lindungi niat yang paling mungkin secara komprehensif
</ambiguity_handling>

Masa Depan Kejuruteraan Prompt

Semasa saya menulis ini pada awal 2026, kejuruteraan prompt berkembang pesat. Model menjadi lebih berkebolehan, lebih boleh dikemudi, dan lebih boleh dipercayai. Sesetengah meramalkan kejuruteraan prompt akan menjadi usang apabila AI menjadi lebih baik dalam memahami niat. Saya tidak bersetuju.

Apa yang berubah ialah tahap kejuruteraan prompt, bukan keperluannya. Hari-hari awal memerlukan prompt yang rumit untuk tugas asas. Sekarang, tugas asas berfungsi di luar kotak, tetapi aliran kerja ejen kompleks masih memerlukan prompting yang canggih. Bar semakin meningkat, bukan hilang.

🔮

Kejuruteraan prompt tidak akan hilang—ia berkembang. Kemahiran yang penting beralih daripada "cara membuat AI berfungsi" kepada "cara membuat AI berfungsi dengan cemerlang dan boleh dipercayai pada skala".

Apa Yang Akan Datang

Tingkah Laku Lalai Lebih Baik

Model akan mempunyai lalai yang lebih pintar, memerlukan kurang arahan eksplisit untuk corak biasa. Prompt akan lebih fokus pada penyesuaian daripada keupayaan asas.

Ekosistem Alat Lebih Kaya

AI akan mempunyai akses kepada lebih banyak alat di luar kotak. Kejuruteraan prompt akan beralih ke arah orkestrasi—mengetahui bila untuk menggunakan apa, bukan hanya bagaimana.

Integrasi Multimodal

Prompt akan semakin melibatkan imej, audio, video, dan data berstruktur di samping teks. Corak baru akan muncul untuk tugas multimodal.

Kerumitan Ejen

Apabila ejen mengendalikan tugas yang lebih panjang dan kompleks, kejuruteraan prompt akan menjadi lebih seperti reka bentuk sistem—seni bina, bukan hanya arahan.

Nasihat Saya untuk Masa Depan

Fokus pada asas. Teknik khusus dalam panduan ini akan berkembang, tetapi prinsip asas—komunikasi jelas, jangkaan eksplisit, pemikiran berstruktur, penghalusan berulang—adalah abadi. Kuasai itu, dan anda akan menyesuaikan diri dengan apa sahaja yang akan datang.

Fikiran Akhir

Dua tahun lalu, saya fikir AI akan menggantikan keperluan untuk berkomunikasi dengan jelas. Saya silap sepenuhnya. AI telah menjadikan komunikasi jelas lebih berharga daripada sebelumnya. Orang yang berkembang maju dengan AI bukanlah mereka yang menemui kata-kata ajaib—mereka adalah mereka yang belajar berfikir dan mengekspresikan diri dengan tepat.

Kejuruteraan prompt sebenarnya bukan mengenai AI. Ia mengenai anda. Ia mengenai membangunkan disiplin untuk menyatakan apa yang sebenarnya anda mahukan, kesabaran untuk mengulangi ke arahnya, dan kerendahan hati untuk belajar daripada apa yang tidak berkesan.

Jika anda mengambil satu perkara daripada panduan ini, biarlah ini: anggap setiap prompt sebagai peluang untuk mempraktikkan pemikiran yang jelas. AI hanyalah cermin yang memantulkan kembali kejelasan—atau kekeliruan—fikiran anda sendiri.

Kemunculan AI tidak menjadikan pengetahuan usang—ia menjadikan rasa ingin tahu lebih berkuasa daripada sebelumnya. Kita tidak lagi dihadkan oleh apa yang sudah kita ketahui. Dengan alat yang betul dan kesediaan untuk berfikir, orang biasa boleh merangkul lautan pengetahuan. Tidak kira profesion. Tidak kira umur. Saya berharap dapat berkongsi perjalanan ini dengan rakan-rakan di seluruh dunia. Bersama-sama, mari kita sambut dunia baru ini. Bersama-sama, mari kita berkembang.

Terakhir dikemas kini: 24 Januari 2026 · Berdasarkan dokumentasi rasmi, kertas penyelidikan, dan percubaan peribadi yang meluas

Discussion

0 comments

Leave a comment

Be the first to share your thoughts on this article!