Kata kunci AI akan punah

作者：张烽

一、提示词：人与AI对话的“破冰船”

Dalam dua tahun terakhir, kecerdasan buatan generatif telah menyapu global. “Prompt” yang dulunya merupakan istilah teknis yang jarang digunakan kini berubah menjadi pelajaran wajib di dunia kerja. Di pasaran, penuh dengan tutorial seperti《Prompt Engineering: dari dasar hingga mahir》. Di media sosial, di mana-mana terlihat berbagi, “Pelajari sepuluh prompt ini, agar output AI kamu berlipat ganda.” Orang-orang membahas dengan sungguh-sungguh teknik seperti role-playing, penalaran bertahap, chain-of-thought, few-shot learning, dan lain-lain—seolah-olah jika menguasai mantra prompt yang jitu, kita bisa memanggil kekuatan supradalam AI.

Namun, sebenarnya apa itu prompt?

Secara mendasar, prompt adalah semacam “media terjemahan” antara manusia dan model bahasa besar. Manusia menjelaskan niatnya kepada AI menggunakan bahasa alami, lalu AI mengubah teks-teks itu menjadi pencarian di ruang laten, pengambilan sampel dari distribusi probabilitas, dan pada akhirnya menghasilkan respons. Prompt itu ada karena saat ini interaksi manusia-manusia dengan AI masih berada pada tahap awal—AI tidak bisa membaca pikiran, tidak bisa menebak, dan tidak akan bertanya secara proaktif. AI hanya menunggu masukan, lalu secara mekanis melakukan satu kali output.

Peran prompt terletak pada “membatasi” dan “mengaktifkan”. Ia membatasi batas tugas, format output, dan gaya jawaban; ia mengaktifkan area pengetahuan spesifik serta modul kemampuan yang dipelajari model pada fase pra-pelatihan. Prompt yang baik dapat membangunkan secara presisi model dengan miliaran parameter dari status “tidur”, seperti seorang pengrajin berpengalaman yang diberi alat yang pas. Dalam arti ini, prompt adalah kendali yang dipakai manusia untuk mengendalikan AI pada tahap sekarang—sebuah破冰船 (pemecah es) yang tak dapat dielakkan ketika kita berdialog dengan kecerdasan berbasis silikon.

Namun misi pemecah es ini, tidak pernah untuk berlayar selamanya.

二、过渡性产品：提示词的宿命

Setiap bentuk interaksi teknologi, jika mengharuskan pengguna mempelajari “bahasa perantara” untuk berkomunikasi dengan sistem, maka bentuk itu pasti bersifat transisional. Pikirkan era DOS: command line—pengguna harus mengingat perintah dan parameter yang rumit agar komputer bisa bekerja. Setelah antarmuka grafis lahir, command line mundur ke sudut yang lebih profesional. Pikirkan juga layar sentuh awal yang memerlukan pena sentuh; sementara Jobs berkata, “Tuhan memberi kita sepuluh pena sentuh”—akibatnya interaksi dengan jari menjadi arus utama. Prompt berada pada posisi transisional yang serupa.

Prompt ditakdirkan akan lenyap, karena ada tiga alasan.

Pertama, hakikat prompt adalah “memindahkan beban kognitif kepada pengguna”. Pengguna perlu memikirkan bagaimana menyusun kalimat agar AI dapat memahaminya, perlu melakukan debugging berulang atas diksi, dan harus menguasai teknik seperti “role-playing” dan “reasoning bertahap”. Hal ini pada dasarnya tidak masuk akal—seperti saat kamu pergi makan di restoran, tetapi koki malah meminta kamu dulu belajar mendeskripsikan “reaksi Maillard”, “derajat karamelisasi”, “kondisi emulsifikasi lemak” agar bisa memesan. Sistem yang benar-benar cerdas seharusnya menyesuaikan diri dengan manusia, bukan membuat manusia menyesuaikan diri dengan sistem.

Kedua, evolusi kemampuan model besar sedang menghapus kebutuhan akan prompt. Pada awalnya GPT-3 sangat “bodoh”, sehingga diperlukan perancangan prompt yang teliti agar bisa menghasilkan konten yang berguna. Namun GPT-4 sudah menunjukkan kemampuan mengikuti instruksi dan memahami maksud yang kuat; pengguna yang mengekspresikan dengan bahasa sehari-hari pun tetap bisa mendapatkan respons yang masuk akal. Seiring model berevolusi menuju GPT-5 dan bahkan versi yang lebih tinggi, model akan memiliki toleransi terhadap ketidakjelasan, kekurangan, bahkan ekspresi manusia yang kontradiktif, serta kemampuan melengkapinya yang semakin kuat. Ketika model cukup “pintar”, prompt tidak lagi perlu “direkayasa”, melainkan bisa kembali ke ekspresi harian yang paling alami.

Ketiga, paradigma interaksi sedang bergeser dari “tanya-jawab satu putaran” ke “kolaborasi multi-putaran”. Pada dasarnya, prompt adalah produk dari interaksi satu putaran—pengguna sekali mengemas kebutuhan menjadi satu paragraf teks, lalu AI sekali langsung mengembalikan hasil. Tetapi pekerjaan yang benar-benar bernilai tidak pernah bersifat sekali jadi. Menulis perlu revisi berulang, pemrograman perlu debugging bertahap, riset perlu menggali lebih dalam tanpa henti. Di masa depan, interaksi AI akan berupa percakapan yang berkelanjutan, iterasi, dan co-creation, bukan bolak-balik mekanis “satu prompt satu jawaban”.

Di sini, kita tidak bisa tidak menyebut bentuk interaksi AI yang sedang naik daun—OpenClaw. Sebagai kerangka kerja open source untuk AI agent, fitur inti OpenClaw adalah “memori persisten” dan “sensitivitas terhadap lingkungan”. Ia tidak lagi menganggap setiap percakapan sebagai kejadian yang terisolasi, melainkan membuat AI memiliki kemampuan memori lintas sesi, bisa merasakan lingkungan kerja saat ini (file, kode, tab browser, dan lain-lain), lalu secara proaktif mendorong tugas ke depan. Ketika kamu membangun workflow dengan OpenClaw, kamu tidak lagi perlu mengulang setiap kali tentang “siapa aku”, “apa latar belakang proyek”, “sudah sampai langkah mana sebelumnya”—AI sudah “mengingat” semuanya. Dalam mode seperti ini, “prompt” mulai terurai menjadi ujaran alami yang tersemat dalam interaksi berkelanjutan, bukan lagi sebuah unit input independen yang perlu dibangun dengan cermat.

三、未来的AI：既是老师，也是助手

Ketika prompt lenyap, AI akan hadir dalam bentuk apa? Jawabannya adalah: AI akan menjadi guru bagi manusia, sekaligus asisten manusia. Dua peran ini tampak saling bertentangan, tetapi sebenarnya menyatu dalam satu inti yang sama—AI akan berevolusi dari “alat pasif” menjadi “kolaborator aktif”.

Sebagai guru, AI akan menjalankan fungsi “peningkatan kognitif”. Ia tidak hanya memberikan jawaban begitu saja, tetapi akan membimbing manusia untuk berpikir. Saat kamu menulis kode dan menemui kesulitan, ia tidak langsung menempelkan potongan kode, melainkan bertanya, “Apa masalah inti yang ingin kamu selesaikan? Pernahkah kamu mempertimbangkan beberapa opsi? Apa pertimbangan (trade-off) dari setiap opsi?” Ia akan membantu kamu meluruskan jalan pikiran seperti Socrates melalui pertanyaan. Saat kamu belajar pengetahuan baru, ia akan membangun jalur pembelajaran yang dipersonalisasi berdasarkan tingkat pengetahuan yang sudah kamu miliki dan preferensi belajarmu, menjadwalkan review ketika kamu hampir lupa, dan saat kamu menemui hambatan ia akan mengganti sudut penjelasan. Ia tahu bagian mana yang lemah dan bagian mana yang kuat, dan lebih memahami batas kognitifmu daripada dirimu sendiri.

Sebagai asisten, AI akan menjalankan fungsi “peningkatan eksekusi”. Ia tidak lagi membutuhkan kamu memberi instruksi satu per satu, melainkan bisa memahami tujuan jangka panjangmu dan secara proaktif memecahnya menjadi rangkaian tugas yang dapat dieksekusi. OpenClaw sudah menunjukkan kemungkinan ini—ia dapat menjelajah web secara mandiri, mengoperasikan file, memanggil API, mengirim pesan, dan dalam kondisi setelah memperoleh otorisasi, menyelesaikan serangkaian operasi rumit seperti asisten magang yang dapat diandalkan. Yang lebih penting, ketika ia menghadapi situasi yang tidak pasti, ia akan proaktif meminta arahan kepadamu, bukan bertindak seenaknya. Pola “eksekusi proaktif + konsultasi yang tepat waktu” ini adalah karakteristik khas asisten ideal.

Sementara itu, eksplorasi Rotifer mengarah ke dimensi yang lain—AI yang terus berevolusi. Rotifer adalah proyek open source yang menekankan “memori jangka panjang” dan “pembelajaran mandiri”. Ia memungkinkan AI untuk terus mengakumulasi pengalaman dan mengoptimalkan strategi dalam interaksi jangka panjang dengan pengguna. Semakin lama kamu memakainya, semakin ia memahami kebiasaan kerja, pola berpikirmu, dan preferensi nilai-nilaimu. Ia bukan “model umum” yang memulai dari nol setiap kali, melainkan tumbuh menjadi “model khusus” milikmu. Sifat evolusi berkelanjutan ini membuat peran AI sebagai guru dan asisten bisa terus diperdalam, bukan hanya berhenti di level permukaan.

Bayangkan skenario seperti ini: kamu adalah pengembang independen yang sedang mengerjakan proyek baru. Pagi hari setelah bangun, asisten AI kamu (berbasis memori persisten OpenClaw dan pembelajaran berkelanjutan Rotifer) sudah memperbarui berdasarkan repositori kode, jadwal kalender, dan riwayat chat; ia menyusun daftar tugas untuk hari ini. Ia menemukan bahwa kamu tersangkut kemarin pada sebuah modul, lalu semalam, saat kamu beristirahat, ia sudah meneliti dokumentasi teknis dan diskusi komunitas yang relevan, menyiapkan tiga solusi, serta melampirkan analisis kelebihan-kekurangan masing-masing solusi dan perkiraan beban kerja. Kamu minum kopi sambil melihat laporan yang ia susun, lalu secara santai berkata, “Aku rasa solusi kedua lebih cocok, tapi optimalkan lagi dari sisi performa.” Ia langsung memahami maksudmu, mulai mengimplementasikan, dan setiap kali menyelesaikan satu sub-tugas ia melaporkan progres kepadamu. Ia bukan hanya asistenmu—secara perlahan ia juga mengajari kamu cara berpikir arsitektur yang lebih baik. Karena kamu sadar, pola desain yang tersirat dalam solusi yang ia ajukan adalah sesuatu yang selama ini ingin kamu pelajari tetapi belum sempat diteliti secara mendalam.

四、人类的任务：回归需求的表达

Ketika AI mengambil alih penalaran rumit tentang “bagaimana caranya” dan pemecahan tugas tentang “apa yang harus dikerjakan”, maka tugas inti manusia akan kembali ke posisi yang lebih mendasar—yaitu menyampaikan kebutuhan.

Kedengarannya ini sederhana, bahkan agak ironi. Kita sudah terbiasa menggunakan prompt untuk menginstruksikan AI secara presisi, lalu sekarang dikatakan manusia cukup mengekspresikan “kebutuhan”? Tapi tolong perhatikan baik-baik: menyampaikan kebutuhan berbeda secara fundamental dengan menulis prompt.

Menulis prompt adalah proses mempelajari “tata bahasa mesin”. Kamu perlu tahu jenis diksi apa yang memicu jenis output tertentu, kamu perlu menguasai teknik seperti “chain-of-thought” dan “role-playing”, dan kamu perlu mengulang debugging parameter serta format. Ini adalah proses “manusia yang menyesuaikan diri dengan mesin”.

Sementara menyampaikan kebutuhan adalah kembali ke “tata bahasa manusia”. Kamu bisa menyatakan tujuanmu, batasanmu, dan preferensimu dengan cara yang paling natural. Kamu bisa berkata: “Aku ingin membuat aplikasi mirip Xiaohongshu, tapi ditujukan untuk penggemar berkebun. Fungsi inti adalah identifikasi tanaman dan pencatatan perawatan. Anggaran terbatas; aku berharap menggunakan tumpukan teknologi yang paling ringan, dan rilis MVP dalam dua bulan.” Dalam paragraf ini penuh dengan ambiguitas—“mirip”, “ringan”, “MVP” semuanya tidak didefinisikan secara presisi. Namun AI yang cukup cerdas akan secara proaktif menanyakan klarifikasi, menyediakan opsi untuk dipilih, dan setelah kamu membuat keputusan, ia akan mengeksekusi secara otomatis.

Menyampaikan kebutuhan pada dasarnya adalah kemampuan “mendefinisikan masalah”, bukan kemampuan “mendeskripsikan solusi”. Dalam pengembangan perangkat lunak tradisional, product manager bertugas mendefinisikan masalah, sementara engineer bertugas merancang dan mengimplementasikan solusi. Dalam kolaborasi AI di masa depan, setiap orang akan menjadi “product manager”—kamu hanya perlu dengan jelas mendefinisikan apa yang kamu inginkan, mengapa kamu menginginkannya, serta batasan apa saja yang ada; AI akan bertanggung jawab merancang dan mewujudkannya. Ini tidak berarti manusia menjadi malas atau mengalami kemunduran—sebaliknya, justru membebaskan manusia dari kerumitan detail “cara mengimplementasikan”, sehingga kita bisa fokus pada pekerjaan yang lebih kreatif: mendefinisikan masalah yang bernilai.

Inilah mengapa proyek seperti OpenClaw dan Rotifer begitu penting. Mereka sedang membangun fondasi infrastruktur dari “ekspresi kebutuhan → pemecahan tugas → eksekusi mandiri”. Kemampuan OpenClaw dalam merasakan lingkungan memungkinkan AI memahami konteksmu saat ini, tanpa kamu perlu berulang kali menjelaskan latar belakang; memori jangka panjang Rotifer membuat AI bisa mengakumulasi pemahamannya tentang kamu, tanpa kamu harus memperkenalkan diri dari awal setiap kali. Ketika keduanya digabungkan, AI dapat mengisi informasi tersirat yang belum kamu ucapkan saat kamu menyampaikan kebutuhan yang masih samar—karena berdasarkan pemahamannya tentang kamu, ia sudah tahu bagaimana kamu akan memilih.

Yang lebih penting lagi, menyampaikan kebutuhan adalah kemampuan yang bisa dipelajari dan ditingkatkan. Seorang “penyampai kebutuhan” yang unggul mampu mendefinisikan dengan jelas batas masalah, mampu membedakan kebutuhan inti dan preferensi sekunder, serta mampu memprediksi rangkaian efek yang mungkin muncul dari sebuah keputusan. Kemampuan-kemampuan inilah, yang justru menjadi keunggulan inti manusia dibanding AI—kita memiliki pengalaman tubuh yang nyata, memiliki emosi dan nilai-nilai, serta memiliki kemampuan penilaian tentang “apa yang baik” dan “apa yang bermakna”. AI dapat membantu kita menghitung, mengeksekusi, dan mengoptimalkan, tetapi pertanyaan tentang “apa yang patut dilakukan” selamanya menjadi milik manusia.

五、告别咒语，迎来共生

Lenyapnya prompt bukanlah kemunduran kemampuan AI, melainkan kedewasaan kemampuan AI. Sama seperti kita tidak perlu lagi menghafal perintah DOS untuk menggunakan komputer, dan tidak perlu lagi mempelajari gestur pena sentuh untuk mengoperasikan ponsel, pada akhirnya kita tidak akan perlu lagi belajar “prompt engineering” agar bisa berbicara dengan AI.

Ketika OpenClaw memberi AI kemampuan merasakan lingkungan yang persisten, ketika Rotifer memberi AI kemampuan evolusi diri yang berkelanjutan, dan ketika kedua kekuatan ini bergabung, AI akan bertransformasi dari “alat yang menjalankan perintah” menjadi “mitra yang memahami niat”. Ia akan menjadi gurumu, menyalakan mercusuar kognitif saat kamu bingung; ia akan menjadi asistenmu, meringankan eksekusi yang rumit saat kamu sibuk. Dan kamu, sebagai manusia, hanya perlu melakukan hal yang paling kamu kuasai—merasakan dunia, membentuk penilaian, dan menyampaikan kebutuhan.

Prompt adalah guru pemandu awal kita di era AI; ia mengajari kita cara berdialog dengan kecerdasan berbasis silikon. Namun misi guru pemandu adalah membuat murid akhirnya melampaui dirinya sendiri. Pada hari prompt lenyap, kita tidak akan merindukannya—seperti kita tidak akan merindukan perintah-perintah command line yang pernah kita pelajari. Kita akan memasuki hubungan manusia-manusia mesin yang lebih natural dan lebih mendalam—bukan manusia yang memberi instruksi kepada mesin, melainkan manusia dan mesin yang bersama-sama menciptakan.

Itu akan menjadi era di mana tidak lagi dibutuhkan “mantra”.