Belakangan ini saya mencoba sesuatu yang sedikit berbeda dari biasanya. Ide awalnya sederhana — bagaimana kalau proses pembuatan artikel bisa berjalan sendiri secara otomatis tanpa harus saya tulis satu per satu secara manual? Dari situ saya mulai melirik penggunaan API dari layanan AI, dan pilihan saya jatuh pada DeepSeek.

Saya memutuskan untuk berlangganan API DeepSeek dan mencoba mengintegrasikannya ke dalam sistem blog ini. Cara kerjanya, skrip PHP akan memanggil API tersebut secara terjadwal lewat fitur cronjob yang tersedia di cPanel. Jadi setiap beberapa waktu sekali, sistem akan otomatis meminta konten baru ke API, lalu hasilnya langsung disimpan sebagai postingan baru di database. Secara teknis, alurnya berjalan cukup lancar.

Strategi Cache Hit dan Variasi Temperature

Supaya penggunaan token lebih efisien dari sisi biaya, saya memanfaatkan fitur cache hit pada token input. Dengan cara ini, bagian prompt yang sifatnya tetap — seperti instruksi sistem dan konteks umum — tidak dihitung ulang setiap kali ada permintaan baru, sehingga konsumsi token bisa ditekan.

Selain itu, saya juga bereksperimen dengan berbagai nilai temperature yang berbeda-beda di setiap permintaan. Temperature dalam konteks model bahasa ini kurang lebih mengatur seberapa "kreatif" atau "acak" output yang dihasilkan. Nilai rendah cenderung menghasilkan teks yang lebih konsisten dan terprediksi, sedangkan nilai tinggi membuat outputnya lebih bervariasi meski kadang kurang koheren. Harapan saya dengan mengombinasikan berbagai nilai ini, konten yang dihasilkan bisa lebih beragam dan tidak terasa monoton.

Masalah yang Muncul: Duplikasi Konten

Sayangnya hasil di lapangan tidak seindah rencananya. Masalah paling mencolok yang langsung terlihat adalah banyaknya postingan dengan tema yang hampir sama bahkan konten yang terasa berulang. Meski prompt sudah dibuat sedemikian rupa dan temperature divariasikan, model tetap cenderung berputar di topik-topik yang itu-itu saja. Setelah beberapa waktu berjalan, pola duplikasinya cukup jelas terlihat dan ini tentu menjadi masalah tersendiri, terutama dari sisi kualitas konten secara keseluruhan.

Saya menduga ini bukan semata-mata soal pengaturan parameter, tapi lebih ke bagaimana model memahami dan menginterpretasikan instruksi untuk menghasilkan topik yang benar-benar segar setiap saat. Tanpa ada mekanisme memori atau referensi topik yang sudah pernah dibuat sebelumnya, model tidak punya cara untuk tahu bahwa tema tertentu sudah terlalu sering muncul.

Perbandingan dengan ChatGPT

Karena penasaran, saya juga mencoba membandingkan hasil output DeepSeek dengan ChatGPT untuk prompt yang kurang lebih serupa. Hasilnya, menurut penilaian saya pribadi, masih ada jarak yang cukup terasa antara keduanya — terutama dari sisi kedalaman konten, variasi struktur kalimat, dan kemampuan menjaga konsistensi tema dalam satu artikel.

ChatGPT secara umum menghasilkan teks yang terasa lebih mengalir dan kontekstual. Tapi tentu saja perbandingan ini tidak sepenuhnya adil kalau tidak mempertimbangkan faktor harga. API DeepSeek dibanderol jauh lebih terjangkau, dan untuk ukuran harga yang ditawarkan, performanya sebenarnya masih cukup masuk akal. Ini bukan soal mana yang lebih baik secara absolut, tapi lebih ke soal ekspektasi yang perlu disesuaikan dengan anggaran yang dikeluarkan.

Kesimpulan Sementara

Eksperimen ini belum berakhir. Masih ada beberapa hal yang ingin saya coba — mulai dari perbaikan struktur prompt, penambahan mekanisme pengecekan duplikasi topik sebelum posting, hingga kemungkinan mengombinasikan beberapa model sekaligus untuk hasil yang lebih baik. Otomatisasi konten memang menarik sebagai konsep, tapi ternyata butuh lebih banyak lapisan logika agar hasilnya benar-benar layak tayang tanpa perlu kurasi manual yang terlalu intensif.

Kalau teman-teman punya pengalaman serupa atau punya saran soal pendekatan yang lebih efektif, saya sangat terbuka untuk berdiskusi di kolom komentar. 🙂