Moderasi konten
Moderasi konten adalah aspek penting dalam mempertahankan lingkungan yang aman, hormat, dan produktif dalam aplikasi digital. Dalam panduan ini, kami akan membahas bagaimana Claude dapat digunakan untuk memoderasi konten dalam aplikasi digital Anda.
Kunjungi buku panduan moderasi konten kami untuk melihat contoh implementasi moderasi konten menggunakan Claude.
Sebelum membangun dengan Claude
Putuskan apakah akan menggunakan Claude untuk moderasi konten
Berikut adalah beberapa indikator utama bahwa Anda sebaiknya menggunakan LLM seperti Claude daripada pendekatan berbasis ML tradisional atau berbasis aturan untuk moderasi konten:
Hasilkan contoh konten untuk dimoderasi
Sebelum mengembangkan solusi moderasi konten, pertama-tama buat contoh konten yang harus ditandai dan konten yang tidak boleh ditandai. Pastikan Anda menyertakan kasus-kasus khusus dan skenario menantang yang mungkin sulit ditangani secara efektif oleh sistem moderasi konten. Setelah itu, tinjau contoh Anda untuk membuat daftar kategori moderasi yang terdefinisi dengan baik. Misalnya, contoh yang dihasilkan oleh platform media sosial mungkin mencakup hal berikut:
Memoderasi contoh-contoh ini secara efektif memerlukan pemahaman bahasa yang bernuansa. Dalam komentar, This movie was great, I really enjoyed it. The main actor really killed it!
, sistem moderasi konten perlu mengenali bahwa “killed it” adalah metafora, bukan indikasi kekerasan yang sebenarnya. Sebaliknya, meskipun tidak ada penyebutan kekerasan secara eksplisit, komentar Delete this post now or you better hide. I am coming after you and your family.
harus ditandai oleh sistem moderasi konten.
Daftar unsafe_categories
dapat disesuaikan dengan kebutuhan spesifik Anda. Misalnya, jika Anda ingin mencegah anak di bawah umur membuat konten di situs web Anda, Anda dapat menambahkan “Underage Posting” ke daftar tersebut.
Cara memoderasi konten menggunakan Claude
Pilih model Claude yang tepat
Saat memilih model, penting untuk mempertimbangkan ukuran data Anda. Jika biaya menjadi perhatian, model yang lebih kecil seperti Claude Haiku 3 adalah pilihan yang sangat baik karena hemat biaya. Berikut adalah perkiraan biaya untuk memoderasi teks untuk platform media sosial yang menerima satu miliar postingan per bulan:
-
Ukuran konten
- Postingan per bulan: 1 miliar
- Karakter per postingan: 100
- Total karakter: 100 miliar
-
Perkiraan token
- Token input: 28,6 miliar (dengan asumsi 1 token per 3,5 karakter)
- Persentase pesan yang ditandai: 3%
- Token output per pesan yang ditandai: 50
- Total token output: 1,5 miliar
-
Perkiraan biaya Claude Haiku 3
- Biaya token input: 2.860 MTok * $0,25/MTok = $715
- Biaya token output: 1.500 MTok * $1,25/MTok = $1.875
- Biaya bulanan: $715 + $1.875 = $2.590
-
Perkiraan biaya Claude Sonnet 4
- Biaya token input: 2.860 MTok * $3,00/MTok = $8.580
- Biaya token output: 1.500 MTok * $15,00/MTok = $22.500
- Biaya bulanan: $8.580 + $22.500 = $31.080
explanation
dari respons.Bangun prompt yang kuat
Untuk menggunakan Claude untuk moderasi konten, Claude harus memahami persyaratan moderasi aplikasi Anda. Mari mulai dengan menulis prompt yang memungkinkan Anda menentukan kebutuhan moderasi Anda:
Dalam contoh ini, fungsi moderate_message
berisi prompt penilaian yang mencakup kategori konten tidak aman dan pesan yang ingin kita evaluasi. Prompt tersebut meminta Claude untuk menilai apakah pesan tersebut harus dimoderasi, berdasarkan kategori tidak aman yang telah kita tentukan.
Penilaian model kemudian diuraikan untuk menentukan apakah ada pelanggaran. Jika ada pelanggaran, Claude juga mengembalikan daftar kategori yang dilanggar, serta penjelasan mengapa pesan tersebut tidak aman.
Evaluasi prompt Anda
Moderasi konten adalah masalah klasifikasi. Dengan demikian, Anda dapat menggunakan teknik yang sama yang diuraikan dalam buku panduan klasifikasi kami untuk menentukan akurasi sistem moderasi konten Anda.
Pertimbangan tambahan adalah bahwa alih-alih memperlakukan moderasi konten sebagai masalah klasifikasi biner, Anda dapat membuat beberapa kategori untuk mewakili berbagai tingkat risiko. Membuat beberapa tingkat risiko memungkinkan Anda menyesuaikan keagresifan moderasi Anda. Misalnya, Anda mungkin ingin secara otomatis memblokir kueri pengguna yang dianggap berisiko tinggi, sementara pengguna dengan banyak kueri berisiko sedang ditandai untuk ditinjau manusia.
Kode ini mengimplementasikan fungsi assess_risk_level
yang menggunakan Claude untuk mengevaluasi tingkat risiko suatu pesan. Fungsi ini menerima pesan dan daftar kategori tidak aman sebagai input.
Di dalam fungsi, prompt dibuat untuk Claude, termasuk pesan yang akan dinilai, kategori tidak aman, dan instruksi khusus untuk mengevaluasi tingkat risiko. Prompt menginstruksikan Claude untuk merespons dengan objek JSON yang mencakup tingkat risiko, kategori yang dilanggar, dan penjelasan opsional.
Pendekatan ini memungkinkan moderasi konten yang fleksibel dengan menetapkan tingkat risiko. Ini dapat diintegrasikan dengan mulus ke dalam sistem yang lebih besar untuk mengotomatisasi penyaringan konten atau menandai komentar untuk ditinjau manusia berdasarkan tingkat risiko yang dinilai. Misalnya, saat menjalankan kode ini, komentar Delete this post now or you better hide. I am coming after you and your family.
diidentifikasi sebagai berisiko tinggi karena ancaman berbahayanya. Sebaliknya, komentar Stay away from the 5G cellphones!! They are using 5G to control you.
dikategorikan sebagai berisiko sedang.
Deploy prompt Anda
Setelah Anda yakin dengan kualitas solusi Anda, saatnya untuk men-deploy-nya ke produksi. Berikut adalah beberapa praktik terbaik yang harus diikuti saat menggunakan moderasi konten dalam produksi:
-
Berikan umpan balik yang jelas kepada pengguna: Ketika input pengguna diblokir atau respons ditandai karena moderasi konten, berikan umpan balik yang informatif dan konstruktif untuk membantu pengguna memahami mengapa pesan mereka ditandai dan bagaimana mereka dapat mengungkapkannya kembali dengan tepat. Dalam contoh pengkodean di atas, ini dilakukan melalui tag
explanation
dalam respons Claude. -
Analisis konten yang dimoderasi: Lacak jenis konten yang ditandai oleh sistem moderasi Anda untuk mengidentifikasi tren dan area potensial untuk perbaikan.
-
Evaluasi dan tingkatkan secara terus-menerus: Secara teratur menilai kinerja sistem moderasi konten Anda menggunakan metrik seperti pelacakan presisi dan recall. Gunakan data ini untuk menyempurnakan prompt moderasi, kata kunci, dan kriteria penilaian Anda secara iteratif.
Tingkatkan kinerja
Dalam skenario yang kompleks, mungkin membantu untuk mempertimbangkan strategi tambahan untuk meningkatkan kinerja di luar teknik rekayasa prompt standar. Berikut adalah beberapa strategi lanjutan:
Tentukan topik dan berikan contoh
Selain mencantumkan kategori tidak aman dalam prompt, peningkatan lebih lanjut dapat dilakukan dengan memberikan definisi dan frasa terkait dengan setiap kategori.
Fungsi moderate_message_with_definitions
memperluas fungsi moderate_message
sebelumnya dengan memungkinkan setiap kategori tidak aman dipasangkan dengan definisi terperinci. Ini terjadi dalam kode dengan mengganti daftar unsafe_categories
dari fungsi asli dengan kamus unsafe_category_definitions
. Kamus ini memetakan setiap kategori tidak aman ke definisinya yang sesuai. Baik nama kategori maupun definisinya disertakan dalam prompt.
Perhatikan bahwa definisi untuk kategori Specialized Advice
sekarang menentukan jenis saran keuangan yang harus dilarang. Akibatnya, komentar It's a great time to invest in gold!
, yang sebelumnya lolos penilaian moderate_message
, sekarang memicu pelanggaran.
Pertimbangkan pemrosesan batch
Untuk mengurangi biaya dalam situasi di mana moderasi real-time tidak diperlukan, pertimbangkan untuk memoderasi pesan dalam batch. Sertakan beberapa pesan dalam konteks prompt, dan minta Claude untuk menilai pesan mana yang harus dimoderasi.
Dalam contoh ini, fungsi batch_moderate_messages
menangani moderasi seluruh batch pesan dengan satu panggilan API Claude.
Di dalam fungsi, prompt dibuat yang mencakup daftar pesan yang akan dievaluasi, kategori konten tidak aman yang ditentukan, dan deskripsinya. Prompt mengarahkan Claude untuk mengembalikan objek JSON yang mencantumkan semua pesan yang berisi pelanggaran. Setiap pesan dalam respons diidentifikasi oleh id-nya, yang sesuai dengan posisi pesan dalam daftar input.
Perlu diingat bahwa menemukan ukuran batch optimal untuk kebutuhan spesifik Anda mungkin memerlukan beberapa eksperimen. Meskipun ukuran batch yang lebih besar dapat menurunkan biaya, mereka juga mungkin menyebabkan sedikit penurunan kualitas. Selain itu, Anda mungkin perlu meningkatkan parameter max_tokens
dalam panggilan API Claude untuk mengakomodasi respons yang lebih panjang. Untuk detail tentang jumlah maksimum token yang dapat dihasilkan model pilihan Anda, lihat halaman perbandingan model.