Sesi 8.4: Tahap 3: Pembuatan Draft

Kursus → Modul 8: Pipeline

Sesi 4 dari 10

Di Mana AI Buktikan Nilainya

Kamu punya riset. Kamu punya outline. Kamu punya voice fingerprint dari Module 6. Kamu punya system prompt. Sekarang kamu generate draft pertama.

Ini bukan "Hei AI, tuliskan aku artikel." Ini constrained generation dengan empat input yang bertemu di satu output. AI mengisi prosa di antara keputusan struktural kamu. Dia drafter, bukan penulis. Perbedaan ini penting karena menentukan apa yang kamu evaluasi dari output-nya.

Empat Input untuk Draft Generation

Setiap panggilan draft generation harus menyertakan tepat empat elemen. Kalau satu aja hilang, output-nya terdegradasi dengan cara yang bisa diprediksi.

flowchart LR A["Research Brief"] --> E["Pembuatan Draft"] B["Outline"] --> E C["Voice Fingerprint"] --> E D["Content Spec"] --> E E --> F["Draft Pertama"] style A fill:#222221,stroke:#c8a882,color:#ede9e3 style B fill:#222221,stroke:#6b8f71,color:#ede9e3 style C fill:#222221,stroke:#8a8478,color:#ede9e3 style D fill:#222221,stroke:#c47a5a,color:#ede9e3 style E fill:#222221,stroke:#c8a882,color:#ede9e3 style F fill:#222221,stroke:#6b8f71,color:#ede9e3

Input	Ditaruh di Mana	Apa Jadinya Tanpa Ini
Research brief	Context / user message	AI mengarang fakta dari training data. Tingkat halusinasi melonjak.
Outline	User message (instruksi struktural)	AI pakai struktur default-nya. Argumen kamu diganti rata-ratanya.
Voice fingerprint	System prompt	Output kedengaran kaya AI generik. Muncul hedging, filler, dan antusiasme palsu.
Content spec	User message (format + batasan)	Word count salah, format salah, targeting audiens salah.

Menyusun API Call

System prompt berisi voice fingerprint kamu dan instruksi persisten (kata terlarang, batasan panjang kalimat, penanda tone). User message berisi outline, research brief, dan spesifikasi konten.

Content spec yang tipikal meliputi:

Target word count (bukan "sekitar 1000 kata" tapi "900 sampai 1100 kata")
Target audiens (spesifik: "marketing manager mid-career di perusahaan B2B SaaS," bukan "profesional")
Elemen wajib (misal: "sertakan minimal 2 data point spesifik dari research brief")
Elemen terlarang (misal: "ga boleh bullet list, ga boleh pertanyaan retoris di heading, ga boleh em dash")
Format (markdown, HTML, plain text, dengan atau tanpa heading)

Makin spesifik spec-nya, makin sedikit kerja kamu di Stage 4 dan 5. Setiap ambiguitas di input kamu jadi coin flip di output.

Section-by-Section vs. Full-Document Generation

Kamu punya dua pendekatan untuk draft generation, dan pilihan tergantung panjang konten.

Full-document generation mengirim seluruh outline dan research brief dalam satu API call dan minta draft lengkap. Ini jalan untuk konten di bawah 2.000 kata. AI menjaga konteks di seluruh tulisan, transisi terasa natural, dan argumen mengalir.

Section-by-section generation mengirim satu bagian outline sekaligus, beserta riset yang relevan dan ringkasan bagian sebelumnya. Ini jalan untuk konten lebih panjang (3.000+ kata, bab, laporan). Setiap bagian dapat perhatian penuh dari context window, tapi kamu perlu mengelola transisi secara manual.

Pendekatan	Paling Cocok Untuk	Keuntungan	Kerugian
Full-document	Di bawah 2.000 kata	Transisi natural, voice konsisten	Context terdilusi dengan input besar
Section-by-section	Di atas 3.000 kata	Perhatian context penuh per bagian	Manajemen transisi, potensi voice drift

Mengevaluasi Draft Terhadap Input

Draft pertama datang. Sebelum pindah ke Review (Stage 4), jalankan self-check cepat terhadap tiga input utama.

Kepatuhan outline: Apakah draft mengikuti outline kamu? Apakah bagian-bagian dalam urutan yang benar? Apakah AI melewatkan bagian atau menambah bagian yang ga kamu minta? Model AI kadang "membantu" menambahkan pendahuluan dan kesimpulan yang ga kamu minta, atau menyusun ulang bagian sesuai struktur default mereka.

Penggunaan riset: Apakah draft merujuk sumber dan data point dari research brief kamu? Atau dia mengabaikan riset kamu dan generate dari training data? Cari angka dan fakta spesifik dari brief kamu di output. Kalau ga ada, AI mem-bypass riset kamu.

Konsistensi voice: Apakah output cocok dengan voice fingerprint? Baca tiga paragraf pertama keras-keras. Kalau kamu tersandung di frasa yang ga sesuai voice yang kamu tentukan, tandai. Voice break itu failure mode paling umum di constrained generation.

Quality gate untuk Stage 3: draft mengikuti outline, menggunakan riset, dan mendekati voice fingerprint. Ga harus sempurna. Harus jadi fondasi yang solid untuk review dan editing manusia.

Pengaturan Temperature untuk Drafting

Untuk production drafting, temperature antara 0.3 dan 0.5 biasanya sweet spot-nya. Lebih rendah dari 0.3 menghasilkan prosa kaku dan repetitif. Lebih tinggi dari 0.7 memperkenalkan ketidakpastian yang menciptakan lebih banyak editing work daripada kreativitas yang dihemat. Temperature optimal bervariasi tergantung tipe konten, dan kamu seharusnya sudah menemukan pengaturan yang kamu suka saat Module 5.

Satu parameter yang orang sering lewatkan: max tokens. Set sedikit di atas target word count kamu (token kira-kira 0,75 kata dalam bahasa Inggris). Ini mencegah truncation tanpa mengundang bloat.

Bacaan Lanjutan

Prompt Engineering Overview, Anthropic Documentation
AI Agent Content Writing System: Complete Guide, Sight AI
Content Creation Workflow, Activepieces

Tugas

Generate draft pertama menggunakan semua yang sudah kamu bangun sejauh ini:

Research brief dari Sesi 8.2 sebagai context
Outline dari Sesi 8.3 sebagai instruksi struktural
Voice fingerprint dari Module 6 sebagai system prompt kamu
Spesifikasi konten dengan word count, audiens, elemen wajib, dan elemen terlarang

Evaluasi output terhadap ketiga input. Tandai setiap penyimpangan:

Bagian yang ga sesuai outline
Klaim yang ga didukung research brief
Kalimat yang melanggar voice fingerprint

Hitung penyimpangannya. Angka ini jadi baseline kamu untuk kualitas drafting. Kamu akan memperbaikinya dengan menyempurnakan input.