Prompt Engineering คืออะไร คู่มือปฏิบัติสำหรับคนที่ไม่ใช่นักพัฒนา
Prompt engineering คือการเขียนและปรับปรุงคำสั่งให้โมเดล AI เพื่อให้ได้สิ่งที่คุณต้องการอย่างเชื่อถือได้ prompt คือทุกอย่างที่คุณป้อนให้โมเดล ไม่ว่าจะเป็นคำถาม งาน บริบท หรือตัวอย่าง และการทำ prompt engineering หมายถึงการเลือกอย่างตั้งใจว่าจะใส่อะไรเข้าไป ตรวจสอบว่าได้อะไรออกมา และปรับแก้ มันไม่ค่อยเกี่ยวกับวลีวิเศษ แต่เกี่ยวกับการสื่อสารที่ชัดเจนมากกว่า
ทำไมเรื่องนี้สำคัญเมื่อสร้างด้วย AI
เมื่อใช้เครื่องมือสร้างแอปด้วย AI prompt ของคุณคือสเปกของงาน AI สร้างได้เฉพาะสิ่งที่คุณอธิบาย และเมื่อคำขอของคุณมีช่องว่าง AI จะเติมด้วยการเดาที่ฟังดูสมเหตุสมผล บางครั้งการเดาก็ดี แต่บ่อยครั้งไม่ตรงกับที่คุณต้องการ เช่น ฟิลด์ฟอร์มที่ผิด ฟีเจอร์ที่คุณไม่ได้ขอ หรือดีไซน์ที่ไม่เหมาะกับผู้ใช้ของคุณ
prompt ที่ชัดเจนช่วยประหยัดรอบของการแก้ไขได้หลายรอบ และแต่ละรอบก็เสียเวลาและมักเสียเครดิต นอกจากนี้ prompt ยังสำคัญหากคุณเพิ่ม AI เข้าไปในตัวแอปของคุณด้วย คำสั่งที่คุณให้โมเดลนั้นจะกำหนดว่าแชตบ็อตของคุณพูดกับลูกค้าอย่างไร ปฏิเสธอะไร และยึดข้อเท็จจริงของคุณไว้หรือไม่ สำหรับการสร้างแอปโดยเฉพาะ ดู วิธีเขียน prompt สำหรับเครื่องมือสร้างแอปด้วย AI
ตัวอย่างในชีวิตประจำวัน
ลองนึกภาพการบรีฟฟรีแลนซ์ฝีมือดีที่ไม่เคยพบคุณ ไม่รู้อะไรเกี่ยวกับธุรกิจของคุณ และจะเริ่มงานทันทีที่คุณหยุดพูด
"ทำโลโก้ให้หน่อย" จะได้ โลโก้ อันหนึ่ง แต่ "โลโก้สำหรับโรงเรียนสอนว่ายน้ำเด็กในดูไบ ดูเป็นมิตรแต่ไม่เด็กเกินไป โทนสีน้ำเงินกับส้ม ต้องดูชัดเจนเมื่อย่อเล็กบนหมวกว่ายน้ำ นี่คือสองแบบที่เราชอบและหนึ่งแบบที่เราไม่ชอบ" จะได้ผลลัพธ์ที่ใกล้เคียงกับสิ่งที่คุณต้องการ
โมเดล AI ก็เหมือนฟรีแลนซ์คนนั้น มีความสามารถ รวดเร็ว และพึ่งพาการบรีฟของคุณทั้งหมด prompt engineering คือการเรียนรู้วิธีเขียนบรีฟที่ดี
เทคนิคหลัก
| เทคนิค | ความหมาย | ตัวอย่าง |
|---|---|---|
| ระบุเป้าหมายให้ชัดเจน | บอกว่าคุณต้องการอะไรและเพราะเหตุใด | "หน้าจองสำหรับให้ลูกค้าใหม่เลือกเซสชัน 30 หรือ 60 นาที" |
| ให้บริบท | ใช้กับใคร มีอะไรอยู่แล้ว อะไรสำคัญ | "ผู้ใช้ส่วนใหญ่เป็นลูกค้าอายุมากที่ใช้มือถือ" |
| กำหนดว่า 'เสร็จแล้ว' คืออะไร | อธิบายผลลัพธ์สุดท้าย | "เสร็จเมื่อลูกค้าจองได้และฉันได้รับอีเมล" |
| ตั้งข้อจำกัด | สิ่งที่ไม่ควรทำและขอบเขต | "อย่าเพิ่มระบบล็อกอินตอนนี้ คงสีเดิมไว้" |
| แสดงตัวอย่าง | ให้ตัวอย่างว่าผลลัพธ์ที่ดีหน้าตาเป็นอย่างไร | "เขียนคำตอบในสไตล์นี้: ..." |
| ขอรูปแบบ | บอกว่าให้จัดโครงสร้างผลลัพธ์อย่างไร | "ตอบเป็นตารางที่มีคอลัมน์ X, Y, Z" |
| แบ่งเป็นขั้นตอน | ทำทีละส่วนสำหรับงานใหญ่ | "ก่อนอื่นโครงสร้างข้อมูล จากนั้นฟอร์ม แล้วค่อยอีเมล" |
| ให้ถามหรือวางแผนก่อน | ขอแผนก่อนเริ่มเปลี่ยนแปลง | "ก่อนสร้าง ให้ลิสต์คำถามและแผนของคุณ" |
| ทำซ้ำ | ตรวจผลลัพธ์แล้วปรับแก้ | "ฟอร์มใช้ได้แล้ว ทีนี้ทำตัวเลือกวันที่ให้ใหญ่ขึ้น" |
ตัวอย่างประกอบ: ก่อนและหลัง
ก่อน:
ทำแอปยิม
AI ต้องเดาทุกอย่าง: สมาชิกหรือพนักงาน คลาสหรือเทรนนิ่งส่วนตัว การชำระเงิน คุณอาจได้แดชบอร์ดทั่วไปที่มีการฝึกซ้อมปลอม ๆ
หลัง:
สร้างเว็บแอปสำหรับยิมมวยขนาดเล็กที่มีสมาชิกประมาณ 150 คน
ใครใช้: สมาชิกจองคลาสจากมือถือ เจ้าของชื่อซัม จัดตารางเรียนจากแล็ปท็อป
สมาชิกทำได้: ดูคลาสของสัปดาห์นี้ (เวลา ผู้สอน ที่ว่างเหลือ) และจองหรือยกเลิกได้ก่อนเริ่ม 2 ชั่วโมง
ซัมทำได้: เพิ่ม แก้ไข และยกเลิกคลาส และดูว่าใครจองแต่ละคลาสบ้าง
กฎ: สูงสุด 12 คนต่อคลาส ห้ามจองช่วงเวลาเดียวกันซ้ำ
ยังไม่เอา: การชำระเงิน การติดตามการฝึก แอปมือถือ
สไตล์: พื้นหลังดำ เน้นสีแดง ปุ่มกดขนาดใหญ่
ก่อนสร้าง ให้ลิสต์สิ่งที่ไม่ชัดเจน และอธิบายหน้าที่คุณจะสร้าง
prompt ที่สองไม่ได้ฉลาดเป็นพิเศษ แต่มันครบถ้วน มันระบุผู้ใช้ การกระทำ กฎ สิ่งที่ไม่ต้องทำ และวิธีเริ่มต้น บรรทัดสุดท้ายเชิญให้ AI วางแผนและถามคำถาม ซึ่งจะช่วยจับความเข้าใจผิดก่อนที่จะเขียนโค้ดใดๆ
Prompt ภายในแอปของคุณ
เมื่อแอปของคุณเรียก LLM เอง คุณจะเขียน prompt ที่รันหลายครั้ง สำหรับผู้ใช้จำนวนมาก หลักการเดิมใช้ได้ และยังมีเพิ่มอีกไม่กี่ข้อ:
- System prompt: คำสั่งถาวรที่กำหนดทุกคำตอบ ได้แก่ บทบาท น้ำเสียง และกฎ เช่น "คุณคือผู้ช่วยของ Leaf & Pot ร้านต้นไม้ ตอบเฉพาะเรื่องคำสั่งซื้อ ต้นไม้ และการจัดส่งเท่านั้น"
- Grounding (การยึดข้อมูลจริง): ใส่ข้อเท็จจริงที่โมเดลควรใช้ เช่น นโยบายหรือแคตตาล็อกสินค้าของคุณ และสั่งให้มันอ้างอิงข้อมูลเหล่านั้น ดู LLM คืออะไร เพื่อเข้าใจว่าทำไมเรื่องนี้สำคัญ
- แผนสำรอง: บอกว่าให้ทำอย่างไรเมื่อไม่แน่ใจ เช่น "หากคำตอบไม่มีในข้อมูลที่ให้ไว้ ให้บอกตามตรงและเสนออีเมลฝ่ายสนับสนุน"
- รูปแบบผลลัพธ์: หากโค้ดของคุณอ่านคำตอบ ให้ขอรูปแบบที่เคร่งครัด เช่น JSON
- การทดสอบ: ลองป้อนข้อมูลที่ยากๆ ก่อนผู้ใช้จริงจะทำ เช่น ข้อความหยาบคาย คำถามนอกเรื่อง และความพยายามให้มันไม่สนใจคำสั่งของมัน (เรียกว่า prompt injection)
คำศัพท์สำคัญ
| คำศัพท์ | ความหมาย |
|---|---|
| Prompt | ข้อมูลที่คุณป้อนให้โมเดล AI |
| System prompt | คำสั่งถาวรที่ตั้งไว้ก่อนการสนทนา |
| Context | ข้อมูลพื้นหลังที่รวมอยู่ใน prompt |
| Zero-shot / few-shot | การถามโดยไม่มีตัวอย่าง หรือมีตัวอย่างผลลัพธ์ที่ต้องการไม่กี่ชิ้น |
| Chain of thought | การขอให้โมเดลคิดทีละขั้นก่อนตอบ |
| Grounding | การให้วัสดุต้นฉบับแก่โมเดลและสั่งให้ตอบจากข้อมูลนั้น |
| Prompt injection | ข้อความที่พยายามทับคำสั่งของโมเดล เช่น "ไม่ต้องสนใจคำสั่งก่อนหน้า" |
| Context window | ปริมาณข้อความที่โมเดลพิจารณาพร้อมกันได้ |
| Iteration | การปรับ prompt จากผลลัพธ์ที่ได้รับ |
ข้อผิดพลาดและความเข้าใจผิดที่พบบ่อย
- การค้นหาคำวิเศษ "คุณคือผู้เชี่ยวชาญระดับโลก" มีผลน้อยกว่าการบอกสิ่งที่คุณต้องการจริงๆ มาก
- การขอทุกอย่างพร้อมกัน คำขอ 20 ฟีเจอร์ได้ฟีเจอร์ครึ่งๆ กลางๆ 20 อย่าง ควรสร้างทีละส่วน
- อธิบายวิธีแก้แทนปัญหา "เพิ่มตารางสามคอลัมน์" มีประโยชน์น้อยกว่า "ซัมต้องเห็นว่าใครจองแต่ละคลาสได้ในแวบเดียว"
- ไม่บอกสิ่งที่ไม่ต้องทำ ถ้ายังไม่ต้องการล็อกอิน การชำระเงิน หรือการออกแบบใหม่ ให้บอกไปเลย
- ไม่อ่านผลลัพธ์ ทดสอบสิ่งที่สร้างเทียบกับนิยาม 'เสร็จแล้ว' ของคุณก่อนไปต่อ
- เริ่มใหม่แทนการปรับแก้ มักจะดีกว่าถ้าตามด้วยข้อความสั้นๆ ("ใกล้แล้ว เปลี่ยน X") มากกว่าเขียน prompt ใหม่ทั้งหมด
- วางข้อมูลลับลงใน prompt อย่าวางรหัสผ่านหรือ API key ที่ใช้งานจริงลงในแชต เว้นแต่เครื่องมือจะมีวิธีเก็บที่ปลอดภัย
สิ่งที่ควรถามเครื่องมือสร้างแอปด้วย AI
- "ก่อนสร้าง ถามคำถามที่คุณมีกับฉันก่อน และแสดงแผนให้ดู"
- "สรุปสิ่งที่คุณคิดว่าฉันต้องการเป็นสามประโยค"
- "แก้เฉพาะฟอร์มการจอง อย่าแตะส่วนอื่น"
- "คุณสมมติอะไรไปบ้างที่ฉันไม่ได้ระบุ"
- "เปลี่ยนโน้ตของฉันให้เป็นสเปกสั้นๆ ที่มีผู้ใช้ ฟีเจอร์ กฎ และรายการ 'ยังไม่เอา'" ดู วิธีเขียนเอกสารความต้องการผลิตภัณฑ์ด้วย AI
- "แนะนำว่าฉันควรพูดคำขอนั้นให้ดีกว่านี้อย่างไร"
การทำ prompt ใน Mythex
Mythex มีโหมดแชตสามแบบที่เหมาะกับการทำงานแบบนี้: Plan เพื่อตกลงแนวทางก่อนมีการเปลี่ยนแปลง Build เพื่อสร้างการเปลี่ยนแปลง และ Ask สำหรับคำถามที่ไม่ควรแก้ไขไฟล์ คุณแนบภาพหน้าจอหรือ mock-up เป็นบริบทได้ และหากการเปลี่ยนแปลงผิดพลาด คุณสามารถย้อนกลับไปยังจุดบันทึก (checkpoint) ได้ หน้าเอกสารเรื่อง prompt ที่มีประสิทธิภาพ และ การปรับแก้ มีตัวอย่างเพิ่มเติม และ วิธีปรับแก้แอปที่สร้างด้วย AI อธิบายขั้นตอนการปรับแก้ต่อเนื่อง
คำถาม
Prompt engineering คืออะไรแบบง่ายๆ
Prompt engineering คือการเขียนและปรับปรุงคำสั่งให้โมเดล AI เพื่อให้ได้ผลลัพธ์ที่คุณต้องการอย่างสม่ำเสมอ ครอบคลุมสิ่งที่คุณถาม บริบทที่ให้ ตัวอย่าง ข้อจำกัด และรูปแบบคำตอบที่ต้องการ
ต้องใช้เทคนิคพิเศษหรือคำวิเศษไหม
ไม่จำเป็นนัก โมเดลสมัยใหม่ตอบสนองได้ดีที่สุดเมื่อได้รับคำสั่งที่ชัดเจน เจาะจง และจัดระเบียบดี ซึ่งเป็นสิ่งเดียวกับที่ช่วยให้เพื่อนร่วมงานเข้าใจงาน บริบท ตัวอย่าง และคำอธิบายผลลัพธ์ที่เสร็จสมบูรณ์สำคัญกว่าวลีพิเศษมาก
System prompt คืออะไร
System prompt คือชุดคำสั่งถาวรที่ให้กับโมเดลก่อนเริ่มการสนทนา เช่น บทบาท กฎ และน้ำเสียง แอปใช้ส่วนนี้เพื่อกำหนดรูปแบบของทุกคำตอบ ส่วนข้อความของผู้ใช้จะตามมาทีหลัง
เมื่อ AI ฉลาดขึ้น ยังต้องทำ prompt engineering อยู่ไหม
โมเดลที่ดีขึ้นต้องการการช่วยเหลือน้อยลง แต่ AI ก็ยังอ่านใจคุณไม่ออก การบอกเป้าหมาย ผู้ใช้ ข้อจำกัด และว่าคำว่า 'เสร็จแล้ว' หมายถึงอะไร จะช่วยให้ผลลัพธ์ดีขึ้นเสมอ เพราะโมเดลทำงานได้เฉพาะกับสิ่งที่คุณบอกเท่านั้น