AGENTIKA
  • Blog
  • Learn
  • FAQ
Menu
Blog→Learn→FAQ→
AGENTIKA

Platform AI untuk UMKM Indonesia. Tools AI, tutorial otomatisasi, dan strategi side hustle.

Platform

  • Blog
  • Learn
  • FAQ

Community

  • Twitter / X
  • GitHub

© 2026 AGENTIKA. All rights reserved.

HomeBlogLearnFAQ

Ai Basics

  • Pengantar AI Modern
  • Prompt Engineering Fundamentals
  • LLM API Primer
  • Machine Learning Overview
  • AI Tools untuk Produktivitas
  • AI Agents dan Autonomous Systems
  • Data & Pipeline ML
  • RAG & Vector Search
  • Evaluasi Model AI
  • Etika & Responsible AI
  • Dasar API LLM: Menghubungkan Aplikasi dengan AI
  • Prompt Design Patterns untuk Aplikasi
  • Streaming Response dari LLM
  • Error Handling untuk LLM Applications
  • Optimasi Biaya LLM API
  • Multi-Provider LLM Architecture
  • Kapan Harus Fine-tuning Model AI?
  • Menyiapkan Dataset untuk Fine-tuning
  • Proses Training Fine-tuning LLM
  • Evaluasi Model Fine-tuned
  • Deploy Model Fine-tuned ke Produksi
  • Arsitektur RAG: Retrieval-Augmented Generation
  • Embeddings untuk RAG
  • Vector Database untuk RAG
  • Retrieval Strategies untuk RAG
  • RAG di Produksi: Monitoring dan Optimasi
  • Arsitektur AI Agent
  • Tool Use untuk AI Agent
  • Memory Systems untuk AI Agent
  • Multi-Agent Systems
  • Evaluasi AI Agent
  • Safety untuk AI Agent
Learn / Ai Basics / Lessons / Prompt Design Patterns untuk Aplikasi

Prompt Design Patterns

Mendesain prompt untuk aplikasi berbeda dengan prompt interaktif. Dalam aplikasi, prompt harus konsisten, terukur, dan produksi-ready.

System Prompt Pattern

System prompt menentukan persona dan aturan global AI:

const SYSTEM_PROMPT = `Kamu adalah asisten customer service untuk platform Web3.

Aturan:
1. Jawab dalam Bahasa Indonesia yang ramah dan profesional
2. Jangan memberikan nasihat investasi
3. Jika tidak tahu, katakan "Saya tidak yakin, silakan hubungi support"
4. Selalu tawarkan bantuan lebih lanjut

Konteks:
- Platform: Web3AI Hub
- Fitur: Blog, Learn, Airdrop Hub, AI Tools Directory`;

Few-Shot Pattern

Berikan contoh input-output untuk memandu AI:

const FEW_SHOT_PROMPT = `Klasifikasikan pertanyaan user ke kategori berikut.

Contoh:
User: "Bagaimana cara membuat wallet?" → kategori: WEB3_BASICS
User: "Apa itu fine-tuning?" → kategori: AI_BASICS
User: "Airdrop apa yang sedang aktif?" → kategori: AIRDROP

Sekarang klasifikasikan:
User: "${userInput}" → kategori:`;

Chain-of-Thought Pattern

Paksa AI menunjukkan reasoning sebelum menjawab:

const COT_PROMPT = `Analisis pertanyaan berikut langkah demi langkah:

Pertanyaan: "${userInput}"

Langkah 1: Identifikasi topik utama
Langkah 2: Tentukan level pengetahuan user (pemula/menengah/lanjut)
Langkah 3: Struktur jawaban yang sesuai
Langkah 4: Berikan jawaban lengkap

Jawab dengan format:
**Analisis**: ...
**Jawaban**: ...`;

Structured Output Pattern

Paksa output dalam format tertentu:

const STRUCTURED_PROMPT = `Ekstrak informasi dari teks berikut dan kembalikan dalam JSON.

Teks: "${inputText}"

Format output:
{
  "topic": "topik utama",
  "sentiment": "positive | negative | neutral",
  "keywords": ["keyword1", "keyword2"],
  "summary": "ringkasan 1 kalimat"
}

Kembalikan HANYA JSON, tanpa penjelasan tambahan.`;

Template Variables Pattern

Pisahkan template dari data:

function buildPrompt(template: string, variables: Record<string, string>) {
  let prompt = template;
  for (const [key, value] of Object.entries(variables)) {
    prompt = prompt.replace("{{" + key + "}}", value);
  }
  return prompt;
}

const template = "Ringkas artikel berikut dalam {{wordCount}} kata:\n\n{{articleContent}}";
const prompt = buildPrompt(template, {
  wordCount: "100",
  articleContent: article.text,
});

Guardrails Pattern

Tambahkan batasan eksplisit:

const GUARDRAILED_PROMPT = systemPrompt + `

BATASAN PENTING:
- JANGAN buat informasi yang tidak ada di konteks
- JANGAN berikan nasihat finansial
- JANGAN sebut nama orang/perusahaan tanpa fakta
- Jika ragu, katakan "Saya tidak memiliki informasi cukup"

Konteks yang tersedia:
` + context;

Best Practices

  1. Pisahkan system prompt dari user input (jangan gabung)
  2. Gunakan delimiter yang jelas untuk memisahkan sections
  3. Test dengan edge cases — input kosong, input bahasa campuran, input berbahaya
  4. Version control prompt — track perubahan seperti kode
  5. Monitor quality — buat metrik evaluasi output

Latihan

Buat system prompt dan few-shot examples untuk chatbot yang menjawab pertanyaan tentang airdrop crypto. Pastikan ada guardrails untuk mencegah nasihat investasi.

← Previous Lesson

Dasar API LLM: Menghubungkan Aplikasi dengan AI

Next Lesson →

Streaming Response dari LLM

Eksplorasi Modul Lain

Belajar Terstruktur

Ikuti kurikulum AI step-by-step di modul Learn.

AI Tools Directory

Bandingkan tools AI untuk kebutuhan konten dan produktivitas.