Cara Sambungin Beberapa GPT Custom Jadi Satu Alur Kerja Biar Konteks Gak Hilang

Cara menggabungkan beberapa GPT custom dalam satu chat adalah memanggil GPT-GPT itu bergiliran di satu thread ChatGPT lewat @ mention, sehingga semuanya membaca riwayat percakapan yang sama. Brief, batasan, dan koreksi kamu ikut terbawa ke GPT berikutnya tanpa copy-paste manual antar chat.

Bagian dari playbook: Playbook Prompt ChatGPT

Intinya:

• Copy-paste antar chat cuma memindahkan hasil, sementara alasan dan koreksi di baliknya tertinggal di chat lama.
• @ mention membuat GPT berikutnya membaca brief, keputusan, dan revisi dari thread yang sama.
• Thread bersama tetap punya batas memori, jadi alur yang panjang butuh ringkasan serah terima di titik penting.

Coba kamu bayangin dua cara kerja ini

Misalnya kamu jualan sambal kemasan online dan punya tiga GPT kecil buatan sendiri. Satu untuk riset keberatan pembeli, satu untuk menulis caption, satu lagi untuk mengecek gaya bahasa brand.

Cara pertama, pindah-pindah chat. Kamu buka GPT riset, lalu jelaskan produk, target pembeli, dan larangan klaim “paling pedas se-Indonesia”. Hasilnya bagus. Kamu copy, buka GPT caption di chat baru, lalu paste. Caption yang keluar malah memakai klaim “paling pedas”. Kamu koreksi. Lalu kamu bawa lagi ke GPT editor, yang juga belum tahu larangan itu, dan dia menyarankan kalimat yang lebih “nendang”.

Cara kedua, satu thread. Kamu tulis brief sekali di awal. Panggil @GPT riset, lalu koreksi kalau perlu. Setelah itu ketik @GPT caption dan minta caption berdasarkan riset di atas. Larangan klaim masih ada di thread, jadi GPT caption ikut membacanya. Waktu @GPT editor dipanggil, dia juga melihat larangan itu plus revisi yang sudah kamu setujui.

Kualitas tiap GPT sama di dua cara itu. Bedanya ada di berapa kali kamu harus mengulang hal yang sama.

Kenapa copy-paste antar chat bikin AI lupa konteks?

Konteks adalah semua informasi yang dipakai AI untuk menyusun jawaban: brief, batasan, contoh, keputusan, dan koreksi yang pernah kamu berikan. Waktu kamu copy-paste, yang pindah cuma potongan kecilnya.

Baca jugaAI untuk Produktivitas & OperasionalBiar Chat Lama di Claude/ChatGPT Gak Ilang, Cara Susun Jadi Arsip yang Bisa Dicari Lagi

Ini yang biasanya tertinggal:

• Brief awal. Tujuan, audiens, dan format akhir tersimpan di chat pertama.
• Batasan. Kata terlarang, klaim yang gak boleh, dan nada yang harus dihindari.
• Opsi yang ditolak. GPT berikutnya gak tahu ide mana yang sudah kamu buang dan alasannya.
• Koreksi kamu. Pesan “jangan terlalu formal” di chat pertama gak ikut ke chat kedua.

Nah, GPT di chat baru mulai dari instruksinya sendiri plus teks yang kamu tempel. Celah informasinya dia isi dengan asumsi umum. Asumsi umum melahirkan output umum, lalu kamu koreksi lagi. Siklus ini terasa seperti “AI-nya lupa”, padahal informasinya memang gak pernah sampai.

Cara menggabungkan beberapa GPT custom dalam satu chat lewat @ mention

GPT custom adalah versi ChatGPT yang dibekali instruksi, file pengetahuan, atau kemampuan tambahan untuk satu jenis tugas. @ mention adalah cara memanggil GPT custom ke percakapan yang sedang berjalan, dengan mengetik @ lalu memilih nama GPT-nya.

Saat dipanggil, GPT itu menjawab memakai instruksinya sendiri sambil membaca riwayat thread. Dari sini lahir pola yang saya sebut alur kerja GPT berantai.

Alur kerja GPT berantai adalah cara menjalankan beberapa GPT custom bergiliran di satu thread, sehingga tiap GPT bekerja di atas riwayat yang sama. Atributnya:

1. Satu thread bersama sebagai tempat brief dan keputusan tersimpan.
2. Urutan peran yang jelas, misalnya riset dulu, lalu menulis, lalu mengedit.
3. Serah terima eksplisit, yaitu kalimat yang memberi tahu GPT berikutnya bagian mana yang harus dipakai.
4. Titik cek manusia di antara peran, tempat kamu menyetujui atau mengoreksi.
5. Panjang thread yang dikelola, supaya detail awal gak tenggelam.

Kalau kamu masih ragu tugas mana yang pantas jadi GPT sendiri, baca dulu panduan memilih wadah antara Project, skill, dan custom GPT. Pola pembagian peran yang mirip juga saya bahas di contoh tim kreatif AI dengan empat peran.

Kapan thread bersama mulai kehilangan konteks?

Context window adalah batas jumlah teks yang bisa diperhatikan model dalam satu kali menjawab. Makin panjang thread, makin banyak pesan baru yang bersaing dengan detail awal. Di titik tertentu, detail awal bisa kurang diperhatikan atau terpotong.

Makanya alur berantai butuh ringkasan serah terima. Ringkasan serah terima adalah catatan pendek berisi keputusan final, batasan, dan output yang sudah disetujui, ditulis sebelum GPT berikutnya dipanggil. Kamu bisa minta GPT yang sedang aktif membuatnya, lalu kamu periksa isinya.

Format sederhananya:

• Tujuan pekerjaan:
• Audiens:
• Batasan yang wajib dipatuhi:
• Keputusan yang sudah final:
• Output yang sudah disetujui:
• Tugas untuk GPT berikutnya:

Kenapa ini penting buat bisnis dengan tim tipis?

Di bisnis kecil, sering cuma kamu yang memegang brief. Waktu GPT bekerja di chat terpisah, kamu otomatis jadi kurir. Kamu membawa hasil dari satu chat ke chat lain sambil menjelaskan ulang konteks yang sama.

Peran kurir ini menghabiskan perhatian, padahal tugas paling berharga kamu adalah menilai. Alur berantai memindahkan kerja kurir ke thread, sementara kamu tetap memegang titik cek.

Beberapa penerapan yang sering cocok:

• Konten mingguan. GPT riset ide, GPT naskah, lalu GPT editor gaya brand. Kalau hasilnya mau dipecah ke banyak format, lanjutkan dengan cara repurpose satu konten ke berbagai format.
• Balasan pelanggan. GPT yang paham kebijakan toko menyusun poin jawaban, lalu GPT nada bicara merapikan bahasanya.
• Penawaran jasa. GPT diagnosis kebutuhan klien menggali masalah, lalu GPT penyusun proposal memakai temuan yang sama.

Jebakannya: kapan cara ini gak cocok

Sebelum memindahkan semua kerja ke satu thread, kenali dulu batasnya.

• Tugasnya gak saling bergantung. Kalau output GPT A gak dipakai GPT B, satu thread cuma menambah gangguan. Chat terpisah lebih bersih.
• Thread sudah terlalu panjang. Mulai thread baru dengan ringkasan serah terima, daripada terus menumpuk pesan.
• Instruksi antar GPT bentrok. GPT caption mungkin diatur santai, sedangkan GPT editor diatur formal. Tulis ulang aturan terpenting di pesan saat memanggil GPT berikutnya.
• Ada data sensitif. GPT yang kamu panggil bisa membaca isi thread. Kalau GPT itu buatan orang lain dan terhubung ke layanan luar, anggap isi thread ikut dibagikan. Jauhkan data pelanggan dari thread seperti itu.
• File pengetahuan tiap GPT. Jangan berasumsi file milik satu GPT ikut terbaca oleh GPT lain. Kalau isinya penting untuk langkah berikutnya, ringkas ke dalam thread.
• Kamu butuh proses yang jalan sendiri. Alur berantai tetap kamu jalankan secara manual. Pekerjaan yang harus jalan otomatis tanpa kamu butuh platform otomasi atau sistem lain.
• Ketersediaan fitur. Tampilan dan ketersediaan @ mention bisa berbeda antar akun dan bisa berubah. Cek langsung di akun kamu sebelum menyusun alur di atasnya.

Langkah yang bisa kamu coba minggu ini

1. Pilih satu pekerjaan berulang yang selama ini lewat dua atau tiga GPT berbeda.
2. Tulis urutannya. GPT mana yang duluan, apa input dan output masing-masing.
3. Buka satu thread baru dan tulis brief sekali. Isinya tujuan, audiens, batasan, dan format akhir.
4. Panggil GPT pertama dengan @, lalu periksa dan koreksi hasilnya di thread yang sama.
5. Minta ringkasan serah terima, lalu panggil GPT berikutnya dengan kalimat seperti “Pakai brief dan versi yang sudah saya setujui di atas.”
6. Ulangi sampai output akhir, dengan persetujuan kamu di setiap titik cek.

Cara mengecek hasilnya sederhana. Catat berapa kali kamu menjelaskan ulang brief atau batasan yang sama. Bandingkan dengan kebiasaan copy-paste kamu selama ini. Kalau koreksi berulangnya berkurang, alurnya bekerja. Kalau malah bertambah, cek apakah thread terlalu panjang atau instruksi GPT-nya saling bentrok.

Satu hal yang layak kamu ingat

GPT kecil kamu sudah cukup pintar sendiri-sendiri. Yang membuat mereka bekerja seperti tim adalah satu ruang bersama tempat brief dan keputusan tersimpan, plus kamu yang menjaga titik ceknya.

Kalau kamu ingin dibimbing menyusun sistem AI seperti ini untuk bisnismu sendiri, kamu bisa lihat program mentoring AI. Mulai saja dari satu alur dulu.