Google AI Studio bukan Gemini biasa—mulai dari petunjuk sistem

Google AI Studio dipakai untuk menguji perilaku Gemini sebelum model dimasukkan ke aplikasi. Mulailah dengan petunjuk sistem, jalankan percakapan uji, sesuaikan setelan run, tetapkan bentuk keluaran, lalu gunakan Get code untuk membawa konfigurasi tersebut ke Gemini API.

Dalam latihan ini, prototipenya adalah asisten ringkasan kegiatan sekolah yang mengembalikan judul, ringkasan singkat, dan daftar tindakan. Hasil akhirnya bukan aplikasi produksi, melainkan prompt dan konfigurasi yang sudah diuji serta cuplikan kode sebagai dasar integrasi.

Pilih Gemini atau Google AI Studio

Aplikasi Gemini cocok ketika Anda ingin langsung menulis, belajar, merangkum, atau mendiskusikan sesuatu dengan asisten AI. Google AI Studio diperlukan ketika pertanyaannya berubah menjadi: bagaimana model harus berperilaku secara konsisten di dalam produk atau alur kerja tertentu?

Perbedaannya terletak pada kendali dan tujuan. Panduan resmi Google AI Studio menjelaskan bahwa playground ini mendukung prompt chat multigilir, petunjuk sistem, parameter model, setelan keamanan, output terstruktur, dan Get code untuk melanjutkan eksperimen ke Gemini API. Jadi, kemiripan tampilan percakapan tidak menjadikan AI Studio sekadar versi lain dari aplikasi Gemini.

Buat prototipe dari petunjuk sistem

Buka Google AI Studio dan mulai prompt chat baru. Perluas panel Run settings, lalu cari kolom System Instructions. Tempatkan aturan yang harus mengarahkan perilaku model di kolom ini; masukkan catatan yang hendak diringkas sebagai pesan pengguna, bukan sebagai bagian dari aturan tetap.

Untuk contoh bersyarat ini, gunakan petunjuk: “Anda adalah asisten penyunting kegiatan sekolah. Jawab dalam bahasa Indonesia. Gunakan hanya informasi dari pengguna. Jangan mengarang nama, tanggal, atau keputusan. Buat ringkasan maksimal 80 kata. Jika informasi tindakan tidak tersedia, kembalikan daftar tindakan kosong.”

Petunjuk tersebut memisahkan lima unsur yang dapat diperiksa: peran, bahasa, sumber fakta, panjang jawaban, dan perlakuan terhadap data yang tidak lengkap. Batas konkret seperti “maksimal 80 kata” lebih mudah diuji daripada perintah samar seperti “buat singkat”, tetapi tetap bukan jaminan bahwa setiap respons akan patuh.

Uji dua giliran sebelum mengubah konfigurasi

Pada giliran pertama, masukkan catatan contoh: “Rapat kelas membahas bazar pada 14 September. Rina menyiapkan daftar stan, sedangkan Budi menghubungi wali kelas. Tema belum diputuskan.” Periksa apakah respons mempertahankan nama dan tanggal, tidak menciptakan tema, serta tetap berada dalam batas panjang.

Pada giliran kedua, tulis: “Ubah ringkasan itu agar dapat dibaca orang tua, tetapi jangan menambah fakta.” Jangan mengulang seluruh catatan. Uji ini memperlihatkan apakah instruksi awal tetap mengarahkan respons saat permintaan lanjutan bergantung pada konteks percakapan.

Jika hasilnya keliru, ubah satu unsur pada satu waktu. Perbaiki petunjuk sistem untuk masalah yang menyangkut aturan umum; perjelas pesan pengguna jika tugasnya ambigu; setelah itu barulah bandingkan model atau parameter. Mengganti prompt, model, dan konfigurasi sekaligus akan menyulitkan penelusuran penyebab perubahan.

Batasi jawaban dan tetapkan output terstruktur

Batas kata dalam petunjuk sistem dan batas token keluaran menjalankan fungsi berbeda. Batas kata menjelaskan bentuk jawaban yang diinginkan, sedangkan batas token membatasi kapasitas generasi. Jangan membuat batas token terlalu sempit karena respons, termasuk JSON, dapat berhenti sebelum selesai.

Aktifkan Structured output dan buat skema latihan dengan tiga bidang: judul bertipe teks, ringkasan bertipe teks, dan tindakan bertipe daftar teks. Dokumentasi output terstruktur Gemini menyatakan bahwa model dapat diarahkan mengikuti skema JSON, tetapi hanya sebagian spesifikasi JSON Schema yang didukung dan nilai hasil tetap harus divalidasi oleh aplikasi.

Jalankan kembali kedua giliran dan periksa apakah seluruh bidang wajib hadir, tipe nilainya benar, serta daftar tindakan kosong digunakan ketika catatan tidak memuat tindakan. JSON yang valid secara sintaksis belum membuktikan bahwa nama, tanggal, atau ringkasannya benar secara makna.

Setelan keamanan juga merupakan konfigurasi prototipe, bukan jaminan keamanan aplikasi. Pilih perlindungan yang sesuai bagi pengguna sasaran, lalu uji masukan bermasalah. Di luar AI Studio, aplikasi tetap memerlukan validasi input, penanganan error, kontrol akses, dan kebijakan data yang jelas.

Ambil kode sebagai awal integrasi

Setelah prompt, percakapan uji, dan skema menghasilkan perilaku yang cukup konsisten, pilih Get code dan bahasa pemrograman yang dibutuhkan. Periksa cuplikan yang dibuat: pastikan pilihan model, isi percakapan, petunjuk sistem, dan konfigurasi generasi yang diperlukan benar-benar ikut diterapkan sebelum memasukkannya ke proyek.

Jangan menaruh kunci API di kode web atau aplikasi seluler yang dapat diperiksa pengguna. Petunjuk keamanan kunci Gemini API merekomendasikan variabel lingkungan, melarang paparan kunci pada sisi klien produksi, dan menyarankan server backend untuk menjalankan panggilan API tersebut.

Simpan contoh masukan beserta keluaran yang telah diperiksa, lalu jalankan lagi setelah mengganti model, petunjuk sistem, atau skema. Riwayat percakapan ikut menambah panjang prompt dan pada akhirnya dapat mencapai batas token model.

Prototipe selesai ketika aturan perilaku sudah tertulis, dua giliran telah diuji, panjang jawaban dibatasi, struktur respons dapat divalidasi, dan konfigurasi dapat dipindahkan ke kode. Nilai Google AI Studio terletak pada alur pengujian itu—bukan sekadar menghasilkan satu jawaban seperti percakapan biasa dengan Gemini.

Baca juga:

• Gemini Enterprise menambah batas belanja keras dan opsi bayar sesuai pemakaian
• Google menambah kendali biaya agen AI, tetapi batas belanja bukan obat mujarab
• Hugging Face bukan sekadar gudang model: tiga bagiannya sering tertukar