Terdengar seperti ibu sungguhan, bukakn brosur klikik
Wangsulan AI generik ing Indonesia terdengar formal, jauh, lan klikis - kebalian saka cara para ibu bener-bener saling bicara. Baibu dibangun supaya terdengar seperti teman sebaya ing WhatsApp: hangat, singkat, lokal, lan peka secara emosional.
Pitakon sing sama. Dua dunia sing berbeda.
Seorang ibu sing khawatir menanyakan hal sing sama kanthi dua cara. Respons pertama adalah hasil asisten generik. Respons kedua adalah arah sing selang kami bangun.
Terasa seperti selebaran. Tidak hangat. Ora ana tindak lanjut. Ibu mandheg membalas.
Memvalidasi perasaan dulu. Langkah berikutnya praktis. Satu pitakon jelas. Ibu lanjut berbicara.
400.000 kata saka pacelathon ibu sungguhan
Aset awal kami adalah korpus terkurasi saka pacelathon WhatsApp autentik antara ibu-ibu Indonesia lan pendamping komunitas - dianonimkan, disetujui, lan diberi label. Ikilah bahan sumber kanggo kabeh langkah berikutnya.
Kata-kata saka pacelathon WhatsApp peer-to-peer autentik antar ibu Indonesia.
Jeneng, lokasi, nomer telepon, klikik, lan cerita pribadi dibersihkan secara ketat sadurunge apa pun digunakan.
Saben giliran diberi label topik, emosi, niat, campuran basa, lan kualitas - mengowahi chat menjadi data terstruktur.
Tujuannya bukakn menyalin ibu tertentu. Tujuannya mempelajari register bersama: hangat, singkat, praktis, lokal.
Ajarkan lewat conto, bukakn lewat retraiking
Alih-alih melakukan retraiking model sing mahal, kami menunjukkan conto sing tepat ing momen sing tepat - teknik sing disebut in-context learning. Iki luwih cepat, luwih murah, transparan, lan terus membaik seiring korpus bertumbuh.
Playbook
Panduan singkat sing dikurasi manual babagan bagaimana Baibu harus selalu terdengar - hangat, seperti teman sebaya, pesen singkat, mengakui perasaan sadurunge memberi saran, mengajukan satu tindak lanjut sing jelas, lan tidak pernah terasa seperti selebaran. Panduan iki selalu menyertai saben pacelathon.
Kartu skenario
Pustaka berisi 10-30 kartu sing dikulis manual kanggo sikuasi berulang - khawatir-bocah-demam, pitakon-memalukan, stres-kulawarga, peringatan-kesehatan-mendesak. Saben kartu mengajarkan cara menangani momen spesifik iku.
Pustaka respons model
Ratusan conto sing sudah disanitasi babagan "seperti apa wangsulan sing baik" - saben conto memasangkan pesen pangguna kanthi respons hangat, lokal, lan singkat sing kami inginkan. Kabehnya diberi label berdasarkan topik, emosi, urgensi, lan register basa.
conto saat peluncuran
conto dalam taun pertama
ditampilake mensing model saben giliran
Apa sing terjadi saat seorang ibu ngirim pesen
Saben pesen mlebu dipahami, dicocokkan, lan dijawab dalam beberapa ratus milidetik. Model tidak pernah medeleng seluruh korpus - hanya potongan sing tepat kanggo momen spesifik iki.
Memahami pesen
Mendeteksi campuran basa (Indonesia, Jawa, Sunda, code-switching), topik, emosi, lan apakah iki momen sensitif terhadap keamanan. Iki menjembatani input berdaya rendah menjadi pencocokan sing sampeyanl.
Pilih kartu skenario sing tepat
Satu utawa dua kartu skenario dipilih - misalnya "khawatir bocah demam" ditambah "triase medis". Kartu iki memberi tahu model cara menangani jenis momen iki secara spesifik.
Munculkan conto sing relevan
Tiga sampai lima conto sing dipilih cermat saka pustaka ditarik mlebu - cocok kanthi topik, emosi, register basa, lan urgensi. Beragam, tidak duplikat.
Susun wangsulan
Playbook, kartu, lan conto disusun menjadi prompt ringkas. Model menulis respons anyar - kanthi swara sing sama seperti conto, tanpa menyalinnya kata demi kata.
Apakah para ibu terus berbicara kanthi kami?
Kealamian, kehangatan, lan kelokalan memang subjektif. Tapi ada satu sinyal sing menangkap kabehnya sekaligus: apakah ibu ngirim pesen kedua.
Tingkat lanjut mensing giliran kedua
Yen Baibu terdengar seperti teman sebaya sungguhan, ibu membalas. Yen terdengar klikis, ia mandheg. Saben perowahian prompt, kartu skenario, lan conto diukur terhadap satu sinyal jujur iki.
Luwih banyak wangsulan =
luwih banyak pacelathon = luwih banyak data = swara luwih baik
Kenapa mengajar lewat conto mengalahkan retraiking
Biaya awal luwih rendah
Ora ana proses traiking GPU. Kami memakai model multibasa open-weight sing sudah ada lan membentuk perilakunya lewat conto - biaya iterasinya jauh luwih rendah.
Transparan & bisa diaudit
Kanggo saben wangsulan, kami bisa menunjukkan kartu skenario lan conto mana sing digunakan. Output buruk dapat dilacak bali mensing conto spesifik lan diperbaiki dalam hikungan menit, bukakn wulan.
Membaik dinaan, bukakn kuartalan
Menambah utawa mengbusak conto bisa dilakukan instan. Sistem membaik saben kali kontributor ngirim pesen - tanpa perlu retraiking model.
Luwih aman kanggo momen sensitif
Pacelathon terkait kesehatan diarahkan melalui kartu keamanan khusus. Konten pribadi tidak pernah ditanam mensing bobot model - tetap berada ing lapisan data sing bisa diaudit lan dibusak.
AI sing bener-bener terdengar seperti komunitas sing dilayaninya.
Penysampeyanng lana, peneliti, lan mitra klikis - mari bicara babagan merancang bersama cakupan skenario, kartu keamanan, utawa set evaluasi.