Penelitian ini berfokus pada pengembangan sistem yang dapat menyusun prompt berbasis peran (role-play) secara otomatis. Latar belakang dari penelitian ini adalah proses penyusunan prompt secara manual memerlukan waktu dan kurang efisien jika dilakukan dalam skala besar. Untuk mengatasi hal tersebut, diusulkan pendekatan otomatis melalui prediksi model deep learning yang menghasilkan prompt dari kombinasi zero-shot prompt dan peran tertentu yang telah ditentukan sebelumnya. Dalam implementasinya, tiga model deep learning digunakan, yaitu Recurrent Neural Network (RNN), Gated Recurrent Unit (GRU), dan Long Short-Term Memory (LSTM). Masing-masing model dilatih menggunakan format data tiga komponen yang terdiri dari zero-shot prompt, role, dan target prompt. Model dilatih untuk menghasilkan predicted prompt yang sebisa mungkin menyerupai target prompt yang telah dibuat secara manual. Evaluasi dilakukan menggunakan dua metrik utama, yaitu BLEU score dan ROUGE score, untuk melihat tingkat kemiripan antara predicted prompt dan target prompt. Berdasarkan hasil pengujian, model LSTM memberikan hasil terbaik dengan skor BLEU sebesar 0,71, diikuti oleh GRU (0,69) dan RNN (0,67). Nilai ROUGE yang diperoleh, terutama pada ROUGE-1 dan ROUGE-L, juga menunjukkan kesesuaian isi dan struktur kalimat yang dihasilkan.