Prompt Library
Sesi 5.9 · ~5 menit baca
Setiap Prompt yang Udah Dites Itu Aset
Kalo kamu iterasi prompt sampai pass rate 4/5, prompt itu merepresentasikan jam-jam testing dan penyempurnaan. Kalo kamu ga menyimpannya dengan benar, lain kali kamu butuh prompt serupa, kamu mulai dari nol. Prompt library adalah koleksi prompt yang udah terbukti, terorganisir dan terdokumentasi, siap deploy.
Prompt library itu setara buku resep buat produser konten. Setiap entri udah dites, disempurnakan, dan dianotasi dengan catatan tentang apa yang berhasil dan ga. Kamu ga improvisasi resep setiap malam. Kamu ambil yang udah dites dan modifikasi untuk kesempatan spesifik.
Prompt library mengurangi waktu produksi hampir ke nol untuk tipe konten yang udah dikenal. Daripada habiskan 30 menit engineering prompt dari nol, kamu ambil prompt yang udah dites, modifikasi variabel spesifik tugas, dan jalankan. Engineering-nya dilakukan sekali. Produksinya terjadi setiap kali.
Struktur Prompt Library
Setiap prompt di library kamu adalah file markdown dengan struktur standar. Struktur ini memastikan prompt mana pun bisa dipahami dan dipakai oleh siapa pun (termasuk kamu di masa depan, yang ga akan ingat kenapa kamu bikin pilihan tertentu).
Format File Prompt
Setiap file prompt di library kamu harus berisi tujuh bagian. Format ini bikin prompt self-documenting dan bisa dipakai secara independen.
| Bagian | Tujuan | Contoh |
|---|---|---|
| Metadata | Versi, tanggal terakhir dites, model, temperature | v3, dites 2026-04-01, Claude Sonnet, temp 0.5 |
| System Prompt | Teks system prompt lengkap | "Kamu adalah technical writer yang..." |
| Template User Prompt | User prompt dengan placeholder | "Tulis review {PRODUK} untuk {AUDIENS}..." |
| Parameter | Rekomendasi temperature, max tokens, model | temperature: 0.5, max_tokens: 2000 |
| Contoh Output | Satu generasi berhasil untuk referensi | (Teks output lengkap) |
| Failure Mode yang Diketahui | Apa yang salah dan seberapa sering | "1 dari 5 run: paragraf pembuka generik" |
| Riwayat Iterasi | Log perubahan dari v1 ke versi sekarang | "v2: Tambah batasan anti-hedging. v3: Tambah few-shot example." |
Versioning Prompt
Prompt berevolusi. Prompt yang berhasil di Claude 3.5 Sonnet mungkin butuh penyesuaian untuk Claude 4. Prompt yang berhasil untuk blog post mungkin butuh modifikasi kalo kamu adaptasi ke tipe konten baru. Versioning prompt kamu kaya versioning kode: naikkan nomor versi dengan setiap perubahan yang dites.
Simpan versi lama. Jangan timpa v2 dengan v3. Kadang update model bikin v2 perform lebih baik dari v3. Kadang kamu perlu referensi versi sebelumnya untuk memahami kenapa kamu bikin perubahan. Penyimpanan murah. Kehilangan informasi mahal.
Memakai Library di Produksi
Di pipeline produksi, script kamu membaca file prompt dari library, bukan berisi teks prompt yang di-hardcode. Pemisahan ini artinya kamu bisa update prompt tanpa modifikasi script, tes versi prompt baru tanpa mempertaruhkan produksi, dan pakai prompt berbeda untuk tipe konten berbeda tanpa menduplikasi kode pipeline.
blog-review-v3.md"] --> SCRIPT["generate.py
baca file prompt"] SCRIPT --> API["API Call
pakai prompt + parameter"] API --> OUTPUT["File output"] LIB2["Prompt Library
blog-review-v4.md"] -.->|ganti| SCRIPT style LIB fill:#222221,stroke:#6b8f71,color:#ede9e3 style SCRIPT fill:#222221,stroke:#c8a882,color:#ede9e3 style API fill:#222221,stroke:#c47a5a,color:#ede9e3 style LIB2 fill:#222221,stroke:#8a8478,color:#ede9e3
Kalo kamu butuh produksi tipe konten baru, kamu ga nulis script baru. Kamu nulis file prompt baru, tes pakai proses iterasi dari Session 5.8, dan tambahkan ke library. Script-nya tetap sama. Cuma prompt yang berubah.
Bacaan Lanjutan
- LLM Settings, Prompt Engineering Guide
- Prompt Engineering Best Practices 2025
- The Ultimate Guide to Prompt Engineering in 2026, Lakera
Tugas
Buat folder prompt-library di proyek kamu. Tulis tiga file prompt pertama kamu pakai format yang dijelaskan di atas. Masing-masing harus prompt yang udah kamu tes dan sempurnakan selama modul ini. Sertakan minimal satu dengan system prompt, satu dengan few-shot examples, dan satu dengan structured output. Simpan metadata, parameter, contoh output, dan failure mode yang diketahui untuk masing-masing.