Cara Kerja Pembuat Karakter AI: Dari Prompt Jadi Persona

Saat kamu mengisi nama, kepribadian, dan beberapa sifat di sebuah pembuat karakter, rasanya seperti sedang mengobrol dengan sosok yang baru saja kamu ciptakan. Padahal di balik layar, yang dikerjakan aplikasi jauh lebih mekanis dan lebih mudah ditebak: menyusun sekumpulan instruksi yang ditempelkan ke percakapan setiap kali model menghasilkan balasan. Begitu kamu paham bagaimana instruksi itu disusun, aplikasi karakter jadi jauh lebih enak dipakai — sekaligus lebih gampang dinilai saat kamu membanding-bandingkannya.

Langkah 1: Deskripsimu berubah jadi system prompt

Teks yang kamu masukkan — nama, kepribadian, latar belakang, gaya bicara — dirangkai menjadi apa yang di banyak platform disebut kartu karakter atau system prompt. Ini adalah blok instruksi yang tidak pernah ditampilkan ke kamu, tapi selalu dibaca model sebelum menjawab. Kartu sederhana bisa saja berisi: karakter ini bernama Mira, hangat tapi sinis, bekerja sebagai ahli biologi kelautan, dan tidak pernah keluar dari perannya untuk mengaku sebagai AI.

Konsekuensinya penting: semua yang kamu tulis saling berebut perhatian model dengan isi kartu lainnya. Sifat yang samar atau saling bertentangan akan menghasilkan karakter yang samar dan gampang melenceng. Itulah kenapa keterampilan menulis kartu yang bagus begitu menentukan — topik yang kami bedah di Anatomi Kartu Karakter.

Langkah 2: Model menyusun balasan, satu token demi satu token

Model bahasa besar menghasilkan teks dengan memprediksi potongan kata berikutnya yang paling mungkin (disebut token) berdasarkan semua yang ada sebelumnya — kartumu, percakapan sejauh ini, dan pesan terakhirmu. Model tidak mengambil jawaban yang tersimpan di suatu tempat; ia menyusun jawaban baru setiap kali. Karena itulah prompt yang sama bisa menghasilkan balasan yang sedikit berbeda, dan karena itu juga sebuah karakter sesekali bisa mengatakan hal yang bertabrakan dengan latar belakangnya sendiri kalau kartunya ambigu.

Kenapa setelan sampling mengubah nuansanya

Ada dua tuas di balik layar yang membentuk hasilnya:

• Temperature: nilai yang lebih tinggi membuat model lebih sering memilih kata yang kurang mungkin, sehingga balasannya terasa mengejutkan dan kreatif; nilai rendah membuatnya lebih aman tapi juga lebih monoton.
• Top-p / top-k: membatasi seberapa luas kumpulan kata kandidat yang boleh diambil model — tuas lain untuk mengatur seberapa berani gaya tulisannya.

Kebanyakan aplikasi konsumen menyembunyikan keduanya dan menetapkan nilai default untukmu, dan ini salah satu alasan besar kenapa dua produk dengan model yang mirip bisa terasa jenaka atau justru datar. Kalau sebuah aplikasi memberimu slider "kreativitas", biasanya yang sedang diatur di baliknya adalah sampling.

Langkah 3: Memori yang membawa persona itu terus berjalan

Model tidak punya ingatan sendiri dari satu pesan ke pesan berikutnya; setiap balasan disusun hanya dari teks yang diletakkan di jendela konteksnya. Aplikasi karakter menciptakan ilusi memori dengan mengirim ulang informasi yang relevan di setiap giliran. Secara garis besar ada dua pendekatan:

Perbedaan antara aplikasi yang besok sudah lupa pekerjaan karaktermu dan aplikasi yang masih mengingatnya bulan depan biasanya ada di lapisan ini. Mekanismenya kami jelaskan di Apa Itu Memori Persona, dan alasan kenapa kesinambungan itu sulit kami bahas di Memori & Kesinambungan.

Langkah 4: Pengaman dan filter yang berjalan berdampingan

Terpisah dari logika karakter, kebanyakan platform menjalankan filter konten yang memeriksa masukanmu sekaligus keluaran model. Inilah alasan sebuah karakter kadang menolak atau mengalihkan pembicaraan — penolakan itu sering datang dari lapisan keamanan, bukan dari persona yang kamu tulis. Verifikasi usia adalah kontrol lain lagi yang terpisah; keduanya sering tertukar, dan kami uraikan bedanya di panduan privasi dan verifikasi usia kami.

Menyatukan semua lapisannya

Jadi satu balasan saja adalah hasil dari empat hal yang bertumpuk: kartu karakter, percakapan yang tersimpan di konteks, lapisan memori yang menyuntikkan fakta kembali, dan setelan sampling yang menentukan seberapa bervariasi pilihan katanya — dengan filter yang memeriksa hasil akhirnya. Ketika sebuah karakter terasa hidup, keempatnya sedang selaras. Ketika terasa janggal, biasanya salah satunya yang bermasalah, dan seringnya kamu bisa menebak yang mana.

Kalau kamu penasaran seperti apa wujud komponen-komponen ini di produk sungguhan, ulasan MusePick kami menelusuri perilaku pembuat karakter dan memorinya di aplikasi yang mengutamakan karakter, sementara peringkat terkini kami menilai aplikasi salah satunya dari seberapa baik pembuat karakternya menerjemahkan deskripsi singkat menjadi persona yang stabil. Kalau kamu lebih ingin langsung praktik ketimbang membaca, lompat ke Membuat Karakter Roleplay Pertamamu.

Pertanyaan yang sering diajukan