Komunitas generasi gambar berbasis AI selama ini dipenuhi dengan berbagai "trik prompt" — kata kunci apa yang membuat komposisi lebih baik, kata sifat apa yang menghasilkan pencahayaan yang indah. Ribuan artikel dan tutorial bertema prompt engineering beredar, namun sebagian besar bersifat individualistik dan ad-hoc. Masalah fundamental yang dihadapi tim produksi profesional justru berbeda: bagaimana memastikan konsistensi visual ketika sepuluh peran berbeda — dari penulis naskah, desainer poster, hingga operator generasi gambar — semuanya perlu menghasilkan aset visual dengan kebutuhan, gaya, dan dimensi yang beragam setiap harinya.
Jika setiap orang mengandalkan "pengalaman menulis prompt" secara pribadi, kualitas output akan fluktuatif. Sepuluh orang akan menulis sepuluh variasi prompt dengan pemahaman masing-masing tentang apa itu "prompt yang baik", dan biaya review serta revisi akan meledak. Tim pengembang di balik proyek ALICE menyadari bahwa mereka tidak membutuhkan trik prompt yang lebih canggih, melainkan sebuah kerangka kerja (framework) universal yang memungkinkan siapa pun dalam tim mendeskripsikan sebuah gambar dengan bahasa yang terstruktur, eksplisit, dan dapat diverifikasi.
Penemuan ini bermula dari analisis silang dua sumber data besar: repositori GitHub awesome-gpt-image-2 yang mengumpulkan 12.502 prompt berkualitas tinggi dari kontribusi komunitas, serta platform Evolink.ai yang menyimpan ribuan kasus generasi gambar terverifikasi. Pertanyaan kunci yang diajukan sederhana: apa struktur umum yang dimiliki prompt-prompt yang sukses? Jawabannya mengejutkan — prompt yang efektif justru bukanlah tulisan kreatif yang penuh imajinasi, melainkan spesifikasi teknis yang terstruktur dengan ketat, mirip brief arsitektur atau dokumen kebutuhan perangkat lunak (PRD).
Dari analisis ribuan sampel, pola yang konsisten terungkap: prompt terbaik hampir selalu memiliki susunan hierarkis yang jelas — mulai dari definisi kanvas, tata letak, posisi subjek, hingga gaya visual dan batasan negatif. Kreativitas memang diperlukan sebagai "bahan peledak", namun format terstruktur adalah "pelontar" yang memastikan ledakan terjadi tepat sasaran. Berdasarkan temuan ini, dirumuskanlah "Enam Lapisan Kerangka" (Six-Layer Iron Law) yang masing-masing hanya bertanggung jawab pada satu dimensi spesifik.
Lapisan pertama adalah Tujuan: definisi fungsi komunikasi gambar (misalnya "gambar sampul, menyampaikan imajinasi 'tiga bug diperbaiki sistem kembali hijau'"). Lapisan kedua adalah Kanvas: rasio aspek, palet warna dominan, ruang warna. Lapisan ketiga adalah Tata Letak: posisi elemen, hubungan lapisan, arah alur visual. Lapisan keempat adalah Subjek: elemen visual inti dengan detail spesifik. Lapisan kelima adalah Gaya: estetika visual dengan nama dan referensi yang dapat dilacak (bukan "nuansa vintage" melainkan "Retro Newspaper" dengan referensi visual). Lapisan keenam adalah Batasan: daftar larangan eksplisit seperti "tanpa teks, tanpa merek dagang, tanpa orang nyata".
Keunggulan arsitektur ini terletak pada modularitas: setiap lapisan dapat diiterasi secara independen. Jika gaya visual tidak sesuai, hanya lapisan kelima yang diperbaiki. Jika komposisi salah, hanya lapisan ketiga yang disesuaikan. Tim tidak perlu menulis ulang seluruh prompt dari awal setiap kali revisi. Lebih jauh, gaya visual tidak lagi diperlakukan sebagai perasaan subjektif, melainkan sebagai entri dalam tabel referensi yang dapat dicari — 20 gaya utama masing-masing memiliki deskripsi satu baris dan sumber referensi. Desainer hanya perlu menyebut "Retro Newspaper", operator mencari di tabel, dan kesepakatan tercapai dalam hitungan detik.
Untuk mengatasi gaya yang belum terdaftar, diterapkan mekanisme pencarian dinamis: pertama memindai 12.502 prompt asli, jika tidak ditemukan maka merambat ke galeri Evolink, dan hasil akhirnya disimpan ke cache lokal untuk penggunaan mendatang. Pendekatan ini menciptakan siklus pengetahuan yang berkembang (compounding knowledge base) — semakin lama sistem digunakan, semakin lengkap perpustakaan gaya visualnya. Selain kerangka teknis, tim juga menetapkan "Perjanjian Penentuan Tanggung Jawab" (Accountability Agreement) untuk memutus siklus saling menyalahkan antara desainer dan operator AI: masalah tata letak (tertutupnya elemen, kesalahan posisi teks, rasio berantakan) menjadi tanggung jawab desainer, sedangkan kualitas generasi (subjek kabur, gaya menyimpang, komposisi tidak seimbang) menjadi tanggung jawab operator. Satu garis batas jelas menghilangkan perdebatan yang tidak produktif.
Validasi nyata dilakukan saat kerangka ini pertama kali diterapkan untuk menghasilkan gambar sampul dengan tujuan "tiga bug diperbaiki sistem kembali hijau" bergaya infografis teknologi gelap. Operator terlebih dahulu menyajikan lima opsi gaya, pemangku kepentingan memilih salah satunya, lalu enam lapisan diisi secara berurutan — hasilnya tepat sasaran sekali generasi. Kunci keberhasilan bukan pada keahlian menulis prompt individu, melainkan pada kerangka yang menjamin tidak ada elemen kritis yang terlewat. Kerangka ini kemudian disematkan ke dalam definisi peran (role definition) operator AI — bukan sebagai instruksi sekali pakai, melainkan perilaku default yang dimuat setiap kali sistem diaktifkan. Proyek berikutnya, sampul berikutnya, peran baru yang perlu generasi gambar — semua mewarisi kerangka yang sama tanpa perlu pelatihan ulang. Inilah esensi compounding: bukan hanya lebih cepat pada kali pertama, melainkan menghilangkan biaya pengulangan pada kali kedua dan seterusnya. Hari itu, ALICE belajar prompt terstruktur — dan 12.502 prompt mengajarkan bukan cara menulis prompt, melainkan bagaimana membuat seluruh tim berbicara bahasa visual yang sama.