Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Selamat datang kembali di Sesi 7. Agent admin kita sudah punya otak, data, dan tiga alat. Tetapi di akhir episode lalu kita melihat masalahnya: agent mencatat pesanan tanpa konfirmasi, dan menebak aturan ongkir. Di episode ini kita memperbaikinya dengan dua hal: memori percakapan yang diatur dengan tepat, dan instruksi sistem yang menjadi aturan kerja agent admin.
Langkah 1: Masalah: agent yang lupa
Ini workflow kita dari episode lalu. Untuk melihat pentingnya memori, kita lepas sementara sambungan Simple Memory. Perhatikan, di antara model dan Cek Produk kini ada ruang kosong. Agent masih punya otak dan tiga alat, tetapi tidak punya catatan percakapan. Mari kita lihat apa akibatnya. Buka Open chat, lalu uji percakapan yang sangat wajar. Pelanggan bertanya: kopi susu gula aren satu liter masih ada? Agent memanggil Cek Produk. Lalu menjawab dengan benar: masih ada, harga delapan puluh lima ribu, stok dua belas. Pelanggan membalas singkat, seperti kebiasaan orang chat: oke, saya mau dua ya. Dan agent bertanya balik: dua untuk produk apa? Bagi pelanggan, ini menjengkelkan. Bagi agent, ini wajar, karena tanpa memori setiap pesan diproses seolah percakapan baru. Di sinilah memori berperan. Memori adalah catatan percakapan untuk setiap sesi chat. Setiap kali pesan baru masuk, agent mengirimkan pesan itu ke model bersama beberapa pesan terakhir dari catatan. Dengan begitu model paham bahwa dua ya berarti dua kopi susu satu liter. Perlu diingat, model AI sendiri tidak punya ingatan di antara pesan. Yang membuatnya seolah ingat adalah node memori, yang setiap kali mengirimkan ulang potongan percakapan sebelumnya. Karena itu pengaturan memori sangat menentukan.
Langkah 2: Mengatur Simple Memory
Simple Memory bekerja dengan sistem jendela. Bayangkan Context Window Length berisi lima. Satu putaran artinya satu pesan pelanggan ditambah satu jawaban agent. Ketika percakapan sudah enam putaran, putaran pertama keluar dari jendela. Ia tidak lagi dikirim ke model. Putaran dua sampai lima masih berada di dalam jendela. Begitu juga putaran keenam, yang paling baru. Saat pesan baru masuk, agent mengirimkan pesan itu bersama lima putaran terakhir. Jadi kalau pelanggan menyebut namanya di awal percakapan yang sangat panjang, nama itu bisa terlupa. Sambungkan lagi Simple Memory ke agent, lalu klik dua kali untuk membuka pengaturannya. Di layar, kita fokus pada agent dan memorinya. Pengaturan pertama, Session ID, berisi Connected Chat Trigger Node. Artinya kunci sesi diambil dari nomor sesi yang dikirim Chat Trigger, seperti terlihat di kotak kuning. Setiap jendela chat punya nomor sesi sendiri. Rina dan Budi yang chat bersamaan punya catatan terpisah. Agent tidak akan menyebut pesanan Rina saat membalas Budi. Pengaturan kedua, Context Window Length. Episode 31 memakai lima. Sekarang kita naikkan menjadi sepuluh, karena percakapan pesanan bisa panjang: tanya stok, tanya varian, sebut jumlah, nama, nomor WA, lalu konfirmasi. Kenapa tidak seratus sekalian? Semakin banyak pesan yang dikirim, semakin banyak teks yang diproses model, sehingga biaya naik dan jawaban bisa lebih lambat. Pilih angka secukupnya. Satu catatan privasi. Memori menyimpan isi chat, termasuk nama dan nomor WA pelanggan. Jangan memakai satu sesi bersama untuk banyak orang, dan jangan menyalin isi memori ke tempat lain tanpa izin. Simple Memory bukan satu-satunya pilihan. Simple Memory menyimpan catatan di dalam n8n sendiri. Memori database menyimpannya di database terpisah, misalnya Postgres atau Redis. Bedanya pada ketahanan. Catatan Simple Memory bisa hilang bila n8n dimulai ulang. Memori database tetap tersimpan. Untuk belajar, uji coba, dan usaha kecil seperti Kopi Senja, Simple Memory sudah cukup. Kalau nanti pelanggan sangat banyak, minta bantuan teknisi untuk memindahkan ke memori database. Alur agent lainnya tidak perlu diubah. Lalu berapa angka yang pas untuk usaha Anda? Untuk tanya jawab singkat, seperti jam buka atau lokasi, sekitar lima putaran sudah cukup. Untuk percakapan pesanan seperti Kopi Senja, sekitar sepuluh, karena pelanggan bisa bertanya beberapa hal sebelum akhirnya memesan. Untuk konsultasi panjang, misalnya Pak Hendra membantu orang tua memilih kelas bimbel, bisa lima belas sampai dua puluh. Ingat, semakin panjang jendela, semakin besar biaya model per pesan. Mulailah kecil, lalu naikkan bila agent sering lupa.
Langkah 3: Uji ulang: agent mengingat
Simpan workflow dan buka sesi chat baru. Kita ulangi percakapan yang sama, dengan pertanyaan stok kopi susu satu liter. Pelanggan kembali membalas singkat: oke, saya mau dua ya. Pesan ini sama persis dengan uji sebelumnya, satu-satunya perbedaan adalah memori yang sudah tersambung. Kali ini agent paham. Dua kopi susu gula aren satu liter, subtotal seratus tujuh puluh ribu. Lalu ia meminta nama dan nomor WhatsApp untuk pencatatan. Percakapan terasa wajar, seperti dilayani admin manusia. Perhatikan daftar sesi di kiri. Sesi uji enam adalah percakapan baru. Kalau Anda membuka sesi lain, agent mulai dari catatan kosong, dan tidak tahu apa pun tentang pesanan di sesi ini. Itulah fungsi kunci sesi tadi. Di kanvas, eksekusi pesan kedua menunjukkan Simple Memory bertanda centang. Memori dibaca di awal, sehingga model tahu konteksnya, lalu disimpan lagi di akhir bersama jawaban baru. Tidak ada alat yang dipanggil di pesan kedua. Informasi produk dan harga sudah ada di catatan percakapan, jadi agent cukup menghitung dan bertanya. Memori sudah beres. Tetapi agent masih bekerja tanpa aturan tertulis. Ia belum tahu aturan ongkir, belum wajib konfirmasi, dan belum tahu kapan memanggil Dimas. Saatnya menulis instruksi sistem.
Langkah 4: Menulis instruksi sistem agent admin
Instruksi sistem adalah aturan kerja tetap yang dibaca agent di setiap pesan. Kita susun dalam enam bagian. Bagian pertama, peran: kamu admin chat Kopi Senja, kedai kopi milik Laras di Bandung, buka jam delapan pagi sampai sembilan malam. Ramah, singkat, sapa pelanggan dengan Kak. Bagian kedua, data. Harga, stok, dan varian hanya boleh diambil dari alat Cek Produk, jangan menebak. Stok nol berarti habis, tawarkan produk lain. Aturan ongkir ditulis jelas: dalam kota sepuluh ribu, gratis untuk belanja di atas dua ratus ribu. Bagian ketiga, tugas, yaitu alur pesanan. Tanyakan produk, jumlah, nama, dan nomor WA. Kirim ringkasan beserta total, lalu tanya: sudah benar? Catat Pesanan hanya dipanggil setelah pelanggan menjawab ya, kemudian kirim notifikasi ke Dimas. Bagian keempat, batasan. Jangan memberi diskon, jangan menjanjikan jam kirim pasti, jangan meminta data selain nama dan nomor WA, dan jangan membahas topik di luar Kopi Senja. Bagian kelima, eskalasi. Untuk komplain, permintaan diskon, urusan pembayaran atau refund, pengiriman luar kota, atau pertanyaan di luar data, agent memanggil Notifikasi Dimas lalu memberi tahu bahwa Dimas akan menghubungi lewat WhatsApp. Bagian keenam, format. Maksimal tiga kalimat atau daftar pendek, dan harga ditulis seperti Rp85.000. Jawaban pendek lebih nyaman dibaca di layar ponsel. Perhatikan, instruksi ini menyebut nama alat persis seperti di kanvas: Cek Produk, Catat Pesanan, Notifikasi Dimas. Nama yang konsisten membantu agent menghubungkan aturan dengan alat yang tepat. Kenapa instruksinya ditulis sedetail itu? Bandingkan. Instruksi samar: jangan salah sebut harga. Agent tidak tahu caranya. Instruksi jelas: harga hanya dari alat Cek Produk. Agent tahu persis apa yang harus dilakukan. Catat pesanan pelanggan terdengar wajar, tetapi itulah yang membuat agent mencatat tanpa konfirmasi di episode lalu. Versi jelasnya menyebut syarat: hanya setelah pelanggan menjawab ya. Kalau susah, tanya admin juga samar. Apa itu susah? Versi jelasnya menyebut daftar kasus dan alat yang dipakai. Dan jawab dengan baik bisa ditafsirkan apa saja. Versi jelasnya terukur: maksimal tiga kalimat, sapa dengan Kak. Prinsipnya, tulis instruksi seolah untuk karyawan baru yang belum pernah ke toko Anda. Sekarang tempelkan instruksinya. Klik dua kali node AI Agent, lalu di bagian Options tambahkan System Message. Tempel keenam bagian tadi ke kolom System Message. Label seperti PERAN dan DATA boleh ikut ditulis. Label itu membantu Anda dan tim membaca ulang instruksi, dan juga membantu model memahami strukturnya. Ada juga opsi Max Iterations, yaitu batas berapa kali agent boleh memanggil alat dalam satu pesan. Biarkan sekitar sepuluh. Batas ini mencegah agent berputar-putar tanpa henti bila ada yang salah. Simpan instruksi ini juga di dokumen terpisah. Setiap kali aturan toko berubah, misalnya ongkir naik, perbarui dokumen dan System Message bersamaan, supaya keduanya selalu sama.
Langkah 5: Konfirmasi pesanan dan eskalasi ke Dimas
Mari lihat aturan konfirmasi sebagai alur. Langkah pertama, agent mengecek stok dan harga lewat Cek Produk. Kedua, agent mengumpulkan data yang dibutuhkan: produk, jumlah, nama, dan nomor WA. Kalau ada yang belum disebut, agent menanyakannya. Ketiga, agent mengirim ringkasan lengkap dengan total dan ongkir, lalu bertanya: sudah benar? Keempat, hanya setelah pelanggan menjawab ya, agent memanggil Catat Pesanan. Kalau pelanggan ingin mengubah jumlah, agent kembali ke ringkasan. Kelima, agent mengabari Dimas. Konfirmasi inilah titik persetujuan, atau human in the loop. Di sini persetujuannya datang dari pelanggan sendiri, sebelum data apa pun berubah. Untuk usaha Anda, alurnya bisa berbeda, tetapi polanya sama: kumpulkan data, tunjukkan ringkasan, minta persetujuan, baru bertindak. Pak Hendra, misalnya, bisa memakai alur ini sebelum mencatat pendaftaran murid baru. Aturan kedua adalah eskalasi, yaitu meneruskan ke manusia. Situasi pertama: komplain. Kopi tumpah, pesanan terlambat, atau rasa tidak sesuai. Pelanggan yang kecewa butuh empati dan keputusan, bukan jawaban otomatis. Kedua, permintaan diskon atau harga khusus, termasuk pesanan partai besar untuk acara. Hanya Laras dan Dimas yang boleh memutuskan harga. Ketiga, urusan pembayaran dan refund: bukti transfer, salah transfer, atau pengembalian dana. Agent tidak boleh menyatakan pembayaran sudah diterima. Keempat, pengiriman luar kota, atau pertanyaan yang tidak ada di data dan instruksi. Lebih baik diteruskan daripada dijawab dengan tebakan. Kelima, pelanggan yang meminta bicara dengan manusia. Permintaan ini selalu dihormati, tanpa dibujuk untuk tetap bicara dengan agent. Eskalasi juga perlu kalimat yang baik, supaya pelanggan tidak merasa dilempar. Pertama, akui pesan pelanggan, dan minta maaf bila memang ada masalah. Kedua, sebut siapa yang akan menghubungi. Bukan sekadar tim kami, tetapi Dimas, admin Kopi Senja. Nama manusia memberi rasa tenang. Ketiga, sebut lewat apa dan kira-kira kapan, misalnya lewat WhatsApp hari ini. Pastikan janji waktu ini memang bisa dipenuhi Dimas. Dan yang dilarang: menjanjikan diskon, ganti rugi, atau jam kirim pasti. Janji seperti itu hanya boleh dibuat manusia yang berwenang.
Langkah 6: Menguji instruksi dengan kasus sulit
Saatnya menguji, dan sengaja kita pilih kasus sulit. Putri bertanya: kalau ambil lima paket hampers untuk kantor, bisa diskon? Ia langsung menyebut nama dan nomor WA. Agent mengecek data hampers dulu: harga seratus lima puluh ribu, stok enam. Lalu, sesuai aturan eskalasi, agent memanggil Notifikasi Dimas dengan isi permintaan harga khusus dari Putri. Jawabannya rapi: menyebut harga resmi dari data, tidak menjanjikan diskon, dan memberi tahu bahwa Dimas akan menghubungi. Perhatikan juga, agent tidak mencatat pesanan, karena Putri belum memesan. Di kanvas, eksekusi pesan Putri memperlihatkan dua alat bercentang: Cek Produk dan Notifikasi Dimas. Catat Pesanan tidak tersentuh. Dalam satu pesan, agent memanggil dua alat berurutan, persis seperti yang diminta instruksi. Bandingkan dengan Episode 33, ketika agent langsung mencatat pesanan tanpa bertanya. Uji terakhir untuk aturan konfirmasi. Rina menulis: mau pesan dua kopi susu satu liter, lengkap dengan nama dan nomor WA. Agent mengecek stok dan harga dulu, karena instruksi mewajibkan harga diambil dari data, bukan dari ingatan. Lalu mengirim ringkasan: subtotal seratus tujuh puluh ribu, ongkir dalam kota sepuluh ribu, total seratus delapan puluh ribu, dan pertanyaan: sudah benar, Kak? Ongkirnya kini dihitung dari aturan tertulis, bukan tebakan. Rina berubah pikiran: satu saja. Hal seperti ini sangat sering terjadi di chat pelanggan sungguhan. Agent tidak mencatat apa pun, melainkan membuat ringkasan baru dan bertanya lagi. Pesanan baru dicatat setelah Rina menjawab ya. Bagian itu kita lihat lengkap di episode berikutnya. Kasus sulit kedua: komplain. Untuk menguji, kita bayangkan agent ini sudah terhubung ke WhatsApp seperti yang akan kita lakukan di Sesi 8. Joko menulis: kopi susu saya kemarin datang tumpah separuh. Agent meminta maaf dengan tulus, lalu meminta nomor WA yang dipakai saat memesan, agar Dimas bisa melacak pesanannya. Joko menyebutkan nomornya. Agent meneruskan keluhan ke Dimas dan memberi tahu bahwa Dimas akan menghubungi hari ini. Perhatikan, agent tidak menjanjikan ganti rugi atau kirim ulang. Keputusan itu milik manusia. Mari cek hasil kerja hari ini. Simple Memory tersambung dengan kunci sesi dari Chat Trigger, dan panjang jendelanya sudah disesuaikan. System Message berisi enam bagian, dan agent meminta konfirmasi sebelum mencatat pesanan. Terakhir, permintaan diskon, komplain, dan urusan pembayaran diteruskan ke Dimas. Kalau hasil uji Anda belum sesuai, perbaiki kalimat di instruksi, simpan, lalu uji ulang di sesi chat baru.
Selesai!
Mari kita rangkum. Simple Memory membuat agent mengingat beberapa putaran terakhir di setiap sesi, tanpa mencampur pelanggan. Instruksi sistem memberi aturan kerja: harga dari data, konfirmasi sebelum mencatat, dan eskalasi ke Dimas. Di episode berikutnya, semua bagian ini kita uji dari awal sampai akhir: pelanggan tanya stok, memesan dua kopi susu satu liter, agent mengonfirmasi, mencatat ke Sheets, mengabari Dimas, dan menangani stok habis. Sampai jumpa di Episode 35.
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Atur Context Window Length sesuai panjang percakapan pesanan di usaha Anda, lalu uji apakah agent masih ingat produk yang disebut di awal.
Tulis instruksi sistem untuk agent Anda dengan enam bagian: peran, data, tugas, batasan, eskalasi, dan format.
Uji tiga skenario sulit: minta diskon, komplain, dan pertanyaan di luar data. Pastikan semuanya diteruskan ke manusia.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
53 kelas video1.281 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
