hibranwar
Kursus → Modul 5: Prompt Engineering
Sesi 10 dari 10

Multi-Turn vs Single-Turn

Sesi 5.10 · ~5 menit baca

Dua Mode, Tujuan Berbeda

Single-turn prompting: satu prompt masuk, satu respons keluar. Multi-turn prompting: percakapan di mana kamu menyempurnakan output lewat beberapa pertukaran, menyesuaikan arah di setiap respons. Keduanya punya tempatnya. Pakai yang salah untuk tugas tertentu biayanya waktu atau kualitas atau keduanya.

Perbedaan kritis adalah reprodusibilitas. Prompt single-turn menghasilkan output yang sama (kurang lebih) setiap kali kamu jalankan dengan parameter yang sama. Percakapan multi-turn menyimpang. Urutan penyempurnaan yang persis susah direproduksi, dan perilaku AI berubah berdasarkan seluruh riwayat percakapan, bukan cuma pesan terakhir.

Multi-turn untuk eksplorasi. Single-turn untuk produksi. Pakai percakapan multi-turn untuk mengembangkan dan menyempurnakan pendekatan kamu. Begitu kamu menemukan yang berhasil, kristalisasi jadi prompt single-turn. Prompt single-turn itulah yang masuk pipeline dan prompt library kamu.

Kenapa Multi-Turn Gagal di Produksi

Produksi butuh konsistensi. Kalo kamu produksi 50 blog post pakai prompt single-turn, ke-50-nya mengikuti struktur, voice, dan level kualitas yang sama. Kalo kamu produksi 50 blog post lewat percakapan multi-turn, setiap percakapan mengambil jalur berbeda. AI mengingat hal berbeda dari pertukaran berbeda. Kualitas bervariasi berdasarkan penyempurnaan mana yang kamu ingat untuk lakukan.

Atribut Single-Turn Multi-Turn
Reprodusibilitas Tinggi (prompt sama, pola output sama) Rendah (jalur percakapan bervariasi)
Batch processing Ya (jalankan 100 kali otomatis) Ga (butuh manusia di loop)
Konsistensi Tinggi antar run Bervariasi per percakapan
Biaya per konten Bisa diprediksi Bervariasi (lebih banyak turn = lebih banyak token)
Batas kualitas Terbatas oleh kualitas prompt Lebih tinggi (penyempurnaan manusia di loop)
Kecepatan Cepat (satu API call) Lambat (beberapa pertukaran)

Proses Kristalisasi

Workflow terbaik menggabungkan kedua mode. Mulai dengan multi-turn untuk eksplorasi dan penyempurnaan. Lalu kristalisasi hasilnya jadi single-turn untuk produksi.

graph TD A["Eksplorasi multi-turn
Coba pendekatan berbeda"] --> B["Temukan yang berhasil
Identifikasi instruksi efektif"] B --> C["Ekstrak instruksi kunci
dari riwayat percakapan"] C --> D["Gabungkan jadi satu
prompt komprehensif"] D --> E["Tes prompt single-turn
5 run, cek konsistensi"] E --> F{"Pass rate 4/5?"} F -->|Ya| G["Masukkan ke prompt library"] F -->|Ga| H["Kembali ke multi-turn
cari elemen yang kurang"] H --> C style A fill:#222221,stroke:#c8a882,color:#ede9e3 style D fill:#222221,stroke:#6b8f71,color:#ede9e3 style G fill:#222221,stroke:#6b8f71,color:#ede9e3 style H fill:#222221,stroke:#c47a5a,color:#ede9e3

Proses kristalisasi kerjanya kaya ini: setelah percakapan multi-turn yang berhasil, scroll balik seluruh pertukaran. Identifikasi setiap instruksi yang kamu kasih di beberapa turn. "Bikin pembukaannya lebih langsung." "Hapus hedging di paragraf 3." "Pakai kalimat lebih pendek di bagian teknis." Masing-masing adalah penyempurnaan yang memperbaiki output. Gabungkan semuanya jadi satu prompt yang menghasilkan output tersempurnakan di percobaan pertama.

Kapan Multi-Turn Pilihan yang Tepat

Multi-turn cocok untuk tiga situasi.

Eksplorasi: Kamu belum yakin apa yang kamu mau. Kamu mengeksplorasi topik, mencoba sudut pandang berbeda, mengevaluasi pendekatan mana yang resonan. Ini kerja kreatif, dan percakapan mendukungnya lebih baik daripada spesifikasi.

Penyempurnaan kompleks: Output butuh penyesuaian yang lebih gampang dideskripsikan sebagai respons terhadap teks spesifik daripada di muka. "Paragraf ini terlalu abstrak. Ganti metaforanya dengan contoh konkret dari manufaktur" adalah penyempurnaan yang cuma bisa kamu buat setelah melihat output-nya.

Proyek sekali jadi: Kalo kamu produksi satu konten yang ga akan diulang, investasi kristalisasi prompt single-turn ga justified. Sempurnakan lewat percakapan dan publish hasilnya.

Pajak Percakapan

Setiap pertukaran multi-turn punya biaya di luar waktu. Seiring percakapan membesar, seluruh riwayat dikirim dengan setiap pesan baru, mengonsumsi token dan menambah tagihan API kamu. Percakapan 10 turn dengan respons 2000 token per turn mengirim sekitar 20.000 token input kumulatif. Konten yang sama diproduksi lewat prompt single-turn mungkin mengonsumsi 3.000 token input total. "Pajak percakapan" itu nyata, apalagi di skala besar.

Bacaan Lanjutan

Tugas

Ambil konten yang sebelumnya kamu buat lewat percakapan multi-turn (bolak-balik dengan AI). Analisis percakapannya: instruksi apa yang kamu kasih di beberapa turn? Daftar setiap penyempurnaan. Gabungkan jadi satu prompt komprehensif. Tes versi single-turn lima kali. Apakah menghasilkan kualitas setara? Kalo ga, identifikasi apa yang kurang dan tambahkan ke prompt. Ini kristalisasi.