Digital Marketing
Prompt Context Leak
TL;DR: Prompt Context Leak adalah kebocoran informasi internal dari konten ke jawaban AI Search karena chunk yang diindeks LLM mengandung instruksi, draft, atau metadata tersembunyi. Risiko ini muncul ketika tim marketing mempublikasikan konten tanpa membersihkan komentar HTML, instruksi prompt, atau catatan internal.
Apa itu Prompt Context Leak?
Prompt Context Leak terjadi ketika potongan teks yang sebenarnya untuk konsumsi internal, misalnya komentar HTML, catatan editor, atau instruksi prompt generator AI, ikut terindeks oleh crawler LLM dan muncul di jawaban AI Search. Kebocoran ini berbeda dari prompt injection karena bukan serangan, melainkan kelalaian pipeline editorial. Konsep ini menjadi isu sejak banyak tim marketing memakai AI assistant untuk menulis draft langsung dari CMS.
Pola Kebocoran yang Sering Terjadi
| Pola | Sumber |
|---|---|
| Komentar HTML lupa dihapus | Instruksi internal di markup |
| Frontmatter Markdown tersisa | Metadata YAML ikut terpublish |
| Bekas prompt template | Placeholder seperti "tulis 500 kata tentang..." |
| Catatan revisi | "TODO: cek angka", "draft awal" |
Setiap pola di atas bisa muncul di kutipan AI Overview kalau crawler menganggap teks tersebut bagian dari paragraf utama.
Kenapa Penting?
Bagi marketer Indonesia yang skalakan publikasi, kebocoran konteks merusak E-E-A-T karena pembaca melihat draft, bukan karya final. Mitigasi standar meliputi lint markdown sebelum publish, audit reguler dengan tools seperti Screaming Frog, dan content pruning terjadwal.
Pertanyaan Umum
Apakah Prompt Context Leak sama dengan data leak?
Tidak. Data leak melibatkan informasi pribadi atau rahasia, sementara Prompt Context Leak adalah kebocoran konteks editorial internal yang ikut terindeks.
Bagaimana mendeteksi kebocoran ini?
Pakai site search dengan query spesifik seperti "TODO" atau "lorem ipsum", atau crawl ulang sitemap dengan tool SEO untuk mengaudit konten yang dipublish.
Istilah Terkait