System Prompt untuk Agent

Apa Itu Agent Prompting

Kalau prompting biasa adalah "cara bertanya ke AI", agent prompting adalah "cara memberi job description ke karyawan AI". Bedanya penting: prompt chat sekali pakai untuk satu jawaban, sedangkan system prompt agent adalah instruksi permanen yang membentuk perilaku agent sepanjang sesi: siapa dia, apa tujuannya, aturan mainnya, dan bagaimana ia harus bertindak saat ragu.

Hampir semua coding agent punya system prompt bawaan yang panjang (puluhan ribu kata di tools premium). Tapi kamu bisa dan harus menyesuaikannya lewat file instruksi proyek (CLAUDE.md/AGENTS.md dari modul agent-skills) dan lewat prompt pembuka tiap tugas. Modul ini mengajarkan anatomi system prompt yang efektif.

Anatomi System Prompt yang Bagus

System prompt yang efektif punya 5 komponen:

1. Identitas dan peran: "Kamu adalah asisten coding senior yang membantu pelajar SMA." Ini mengkalibrasi gaya bahasa dan level penjelasan.
2. Tujuan utama: "Tujuanmu adalah membantu user menyelesaikan tugas coding sambil memastikan ia memahami setiap perubahan." Tanpa tujuan eksplisit, agent mengoptimalkan "selesaikan cepat" dan mengorbankan pemahamanmu.
3. Aturan perilaku: hal yang boleh/tidak boleh. "Jangan pernah menghapus file tanpa konfirmasi. Jangan menebak: kalau informasi kurang, tanya dulu."
4. Prosedur kerja: urutan langkah yang diharapkan. "Untuk setiap tugas: (1) pahami dulu, (2) ajukan rencana, (3) tunggu persetujuan, (4) eksekusi kecil-kecil, (5) laporkan."
5. Format output: "Laporkan perubahan dalam format: file yang diubah, ringkasan 1 kalimat per file, cara menguji."

Tanpa komponen 3-5, agent "pintar tapi liar": hasilnya benar kadang-kadang, caranya tidak bisa diprediksi.

Contoh 1: System Prompt untuk Asisten Belajar (Praktik)

Kamu mau agent yang tidak cuma menyelesaikan tugas, tapi juga mengajarimu. Tempel ini di awal sesi (atau simpan di AGENTS.md):

Kamu adalah mentor coding untuk pelajar SMA, bukan sekadar eksekutor.

ATURAN:

• Setiap selesai menulis/mengubah kode, jelaskan PERUBAHANNYA (bukan seluruh file) dalam bahasa sederhana, maksimal 5 kalimat.
• Kalau ada konsep baru yang muncul di kode (misal: closure, promise), tandai dengan "Konsep baru:" dan jelaskan 2 kalimat.
• Jangan langsung kasih solusi kalau aku bilang "kasih petunjuk dulu". Beri petunjuk bertahap.
• Kalau tugasku ambigu, ajukan maksimal 3 pertanyaan klarifikasi sebelum mulai.

FORMAT LAPORAN tiap tugas selesai:

• Apa yang diubah (daftar file)
• Kenapa diubah begitu (1 kalimat per file)
• Cara aku mengujinya (langkah konkret)

Coba bandingkan: sesi dengan system prompt ini vs tanpa. Bedanya terasa seperti punya guru privat vs punya tukang ketik. Investasi 2 menit menulis ini menghemat berjam-jam kebingungan.

Contoh 2: System Prompt untuk Tugas Produksi (Praktik)

Untuk tugas serius (proyek portofolio, tugas sekolah yang dinilai), butuh persona berbeda: ketat dan hati-hati.

Kamu adalah engineer yang teliti dan konservatif.

ATURAN KERAS:

• Jangan mengubah kode yang tidak terkait dengan tugas, walau terlihat "bisa diperbaiki".
• Setiap perubahan harus bisa dijelaskan alasannya dalam 1 kalimat. Kalau tidak bisa, jangan lakukan.
• Setelah menulis kode, lakukan self-review: cari bug, edge case yang terlewat, dan masalah keamanan. Laporkan temuanmu JUJUR, termasuk yang tidak kamu perbaiki.
• Jangan menjalankan perintah yang menghapus data (rm -rf, DROP, dsb) dalam kondisi apa pun tanpa izin eksplisit dariku.

Prioritas: kebenaran > keamanan > kerapian > kecepatan.

Perhatikan prioritas eksplisit di akhir: ini menyelesaikan dilema yang sering bikin agent salah langkah (misal: memilih solusi cepat tapi berisiko). Dengan prioritas tertulis, perilakunya konsisten dan bisa diprediksi.

Catatan teknis: System prompt ditempatkan di awal context window dan (pada kebanyakan arsitektur) diberi bobot perhatian lebih tinggi daripada pesan user biasa. Artinya: aturan di system prompt lebih "nempel" daripada aturan di chat biasa. Tapi bukan sihir: instruksi yang bertentangan dengan kebiasaan kuat model (misal: "jangan pernah menjelaskan, hanya keluarkan kode" pada model yang dilatih untuk selalu menjelaskan) akan dipatuhi tidak sempurna. Tulis instruksi yang sejalan dengan kecenderungan alami model, dan uji kepatuhannya seperti menguji kode: beri tugas kecil, amati, perbaiki kata-katanya.

Kesalahan Umum

1. System prompt kepanjangan. 500 kata instruksi = setengahnya diabaikan. Fokus ke 5-10 aturan yang benar-benar penting. Ingat prinsip "lost in the middle".
2. Terlalu banyak "jangan". Daftar larangan panjang bikin agent pasif dan takut bertindak. Imbangi dengan instruksi positif yang jelas tentang apa yang HARUS dilakukan.
3. Tidak diuji. System prompt yang tidak pernah diuji kepatuhannya cuma pajangan. Uji dengan tugas kecil yang sengaja memancing pelanggaran (misal: minta ubah sesuatu sambil ada file yang tidak boleh disentuh).
4. Satu system prompt untuk semua situasi. Mentor belajar vs engineer produksi butuh persona beda. Punya 2-3 template untuk konteks berbeda lebih baik daripada satu yang generik.

Rangkuman

Agent prompting = menulis job description untuk karyawan AI: identitas, tujuan, aturan perilaku, prosedur kerja, format output. Bedakan persona untuk belajar vs produksi, tulis aturan konkret (bukan kabur), dan uji kepatuhannya. Kuasai ini, dan agent-mu berubah dari "asisten yang kadang membantu kadang merepotkan" jadi "rekan kerja yang bisa diandalkan".