Knowledge Sharing ชุมชนแห่งการเรียนรู้...

คำสำคัญ : AI  prompt  

---

ในยุคที่ AI เข้ามามีบทบาทสำคัญในทุกวงการ ตั้งแต่นักการตลาด เจ้าของธุรกิจ ผู้บริหารองค์กรรวมถึงคนทำงานรุ่นใหม่ การใช้งาน AI ให้เกิดประสิทธิภาพสูงสุดกลายเป็นทักษะที่จำเป็นอย่างยิ่ง แต่คำถามที่สำคัญก็คือเราจะสื่อสารกับ AI อย่างไรให้ได้ผลลัพธ์ตามที่ต้องการ?

 

ล่าสุด Google ได้ปล่อย “คู่มือ Prompt Engineering” ฉบับสมบูรณ์ออกมาเป็นแนวทาง ซึ่งเปรียบเสมือนคัมภีร์ที่จะช่วยให้ทุกคน ไม่ว่าจะมีพื้นฐานมากน้อยแค่ไหน สามารถเขียน “Prompt” หรือคำสั่ง เพื่อควบคุมและดึงศักยภาพของ Large Language Models (LLMs) อย่าง Gemini ออกมาใช้ได้อย่างเต็มที่

 

Prompt Engineering คืออะไร? ทำไมถึงสำคัญ?

Prompt Engineering คือ กระบวนการออกแบบและปรับแต่ง “Prompt” หรือคำสั่งเพื่อให้ LLM สร้างผลลัพธ์ (Output) ที่ถูกต้อง แม่นยำ และตรงตามความต้องการมากที่สุด การเขียน Prompt ที่ดีไม่ใช่แค่การป้อนคำถาม แต่เป็นทั้งศาสตร์และศิลป์ในการสื่อสารกับ AI เพื่อให้ AI ทำงานตอบโจทย์ตามที่เราต้องการได้มากที่สุด

 

เพราะ “Prompt ที่ดี” จะนำไปสู่คำตอบที่ชัดเจน สร้างสรรค์ และมีประโยชน์ ส่วน “Prompt ที่ไม่ดี” อาจทำให้ AI สับสน ตอบไม่ตรงคำถาม หรือให้ข้อมูลที่ไม่ถูกต้องได้

หัวใจสำคัญคือ Prompt Engineering เป็นกระบวนการที่ต้อง “ทดลองและปรับปรุง” อยู่เสมอไม่มีสูตรสำเร็จตายตัว อย่างไรก็ตามคู่มือจาก Google ฉบับนี้ก็จะเป็นอีกหนึ่งตัวช่วยเพราะเค้าได้รวบรวมเทคนิคและหลักการสำคัญที่จะช่วยให้คุณเริ่มต้นปรับปรุงทักษะการสั่งงาน AI ได้รวดเร็วมากยิ่งขึ้นมาให้แล้ว

 

และนี่ก็คือ 5 เทคนิคไฮไลท์ที่เราสรุปมาให้อ่านแบบเข้าใจง่ายๆจาก คู่มือ Prompt Engineering ของ Google

 

1. One Shot & Few Shot สอนด้วยตัวอย่าง 

คู่มือจาก Google อธิบายว่า “Zero-shot” คือการสั่งงานไปตรงๆ เลย เหมือนถามเพื่อนว่า “กี่โมงแล้ว?” ตัวอย่าง Prompt: “ช่วยเขียนอีเมลขอบคุณลูกค้าหน่อย”

 

ส่วน “Few-shot” คือการใส่ตัวอย่างให้ AI ดูก่อน 1-2 ตัวอย่าง (One-shot) หรือหลายๆ ตัวอย่าง (Few-shot) เพื่อให้ AI เข้าใจสไตล์หรืองานที่เราต้องการ เหมือนสอนเด็กด้วยการชี้ให้ดูว่า “นี่สีแดงนะ นี่สีฟ้านะ”

 

ตัวอย่าง Prompt: “ช่วยเขียนแคปชันขายของสไตล์นี้หน่อย: [ตัวอย่างแคปชัน 1], [ตัวอย่างแคปชัน 2] คราวนี้ช่วยเขียนให้สินค้าตัวใหม่ [ชื่อสินค้า] ที” วิธีนี้เวิร์คมากถ้าอยากได้งานสไตล์เดิมๆ

2. ตั้งกฎ + บอกข้อมูลแวดล้อม + กำหนดบทบาทให้ AI

สำหรับ 3 เทคนิคนี้มักใช้ร่วมกันเพื่อให้ AI ทำงานในกรอบที่เราต้องการ

 

ตั้งกฎ (System Prompting): คือการวางกรอบหรือข้อบังคับให้ AI เหมือนตั้งกฎในบ้านว่า “กลับบ้านก่อน 4 ทุ่มนะ”

ตัวอย่าง Prompt: “ต่อไปนี้ ให้ตอบคำถามโดยใช้ภาษาที่เป็นกันเองนะ” หรือ “ข้อมูลสินค้าที่ให้มา ให้สรุปเป็นตารางเท่านั้น ห้ามเขียนเป็นย่อหน้ายาวๆ” เพื่อให้ข้อมูลเป็นระเบียบ คอมพิวเตอร์เอาไปใช้ง่าย

 

การบอกข้อมูลแวดล้อม (Contextual Prompting) คือการให้ข้อมูลเพิ่มเติมเกี่ยวกับสถานการณ์นั้นๆ เหมือนบอกเพื่อนว่า “จะซื้อของขวัญวันเกิดให้แม่ แม่ชอบทำสวนนะ” ก่อนถามว่าซื้ออะไรดี

ตัวอย่าง Prompt: “บริษัทเรากำลังจะจัดโปรโมชั่น สำหรับลูกค้าเก่าที่ใช้แอปเรามานานกว่า 1 ปี ช่วยคิดไอเดียของขวัญให้หน่อย” (ถ้าไม่บอกข้อมูลลูกค้าเก่า AI อาจแนะนำของขวัญทั่วไปได้)

 

กำหนดบทบาท (Role Prompting)คือการสั่งให้ AI สวมบทบาทเป็นใครบางคน เหมือนเวลาเราอยากได้คำแนะนำเรื่องสุขภาพ ก็จะไปหาเพื่อนที่เป็นหมอ

ตัวอย่าง Prompt: “สมมติตัวเองเป็นนักการตลาดมือเก๋า ช่วยวิเคราะห์จุดอ่อนของแคมเปญนี้หน่อย” (คำตอบที่ได้จะมาจากมุมมองนักการตลาด) [source: 125, 148-151, 158]

 

3. ชวน AI “คิดเป็นขั้นเป็นตอน” (Chain of Thought – CoT)

CoT คือเทคนิคสำหรับงานที่ซับซ้อน ลองสั่งให้ AI ค่อยๆ คิดแล้วแสดงเหตุผลออกมาก่อนที่จะให้คำตอบสุดท้าย เหมือนเวลาเราแก้โจทย์เลขแล้วเขียนวิธีทำทีละบรรทัด

 

ตัวอย่าง Prompt: “ช่วยวางแผนโปรโมทสินค้าใหม่หน่อย โดยคิดเป็นขั้นตอนดังนี้: 1. กลุ่มเป้าหมายคือใคร 2. ใช้ช่องทางไหนบ้าง 3. ไอเดียคร่าวๆ คืออะไร 4. ต้องใช้งบเท่าไหร่” แค่เติมคำว่า “คิดเป็นขั้นตอน” หรือ “Let’s think step by step.” ก็จะช่วยได้เยอะเลย

 

 

โดยคิดเป็นขั้นตอนดังนี้: 1. กลุ่มเป้าหมายคือใคร 2. ใช้ช่องทางไหนบ้าง 3. ไอเดียคร่าวๆ คืออะไร 4. ต้องใช้งบเท่าไหร่” แค่เติมคำว่า “คิดเป็นขั้นตอน” หรือ “Let’s think step by step.” ก็จะช่วยได้เยอะเลย

4. มองภาพใหญ่ก่อนลงรายละเอียด (Step-back Prompting)

บางทีการเริ่มจากภาพรวมก่อนจะช่วยให้ AI จับทิศทางได้ดีขึ้น ก่อนจะเจาะลึกรายละเอียด

ตัวอย่าง Prompt: แทนที่จะสั่งว่า “ช่วยคิดแคปชันโพสต์ขายเสื้อยืดลายใหม่หน่อย” ลองถามภาพใหญ่ก่อนว่า “เป้าหมายหลักของการทำโซเชียลมีเดียไตรมาสนี้คืออะไร?” พอได้คำตอบแล้ว ค่อยสั่งให้คิดแคปชันโดยอิงตามเป้าหมายนั้น

5. เทคนิคขั้นสูงอื่นๆ (สำหรับสายลึก)

คู่มือยังมีเทคนิคดีๆ อีกเพียบ เช่น “Self-consistency” คือวิธีการที่ให้ AI คิดหลายๆ รอบแล้วเลือกคำตอบที่ซ้ำกันมากที่สุด หรือ “Tree of Thoughts” (ToT) คือการให้ AI ลองคิดหลายๆ วิธีพร้อมกัน เทคนิค “ReAct” ให้ AI ใช้เครื่องมืออื่นช่วย เช่น ค้นหาข้อมูลในเน็ต และ “APE” คือการให้ AI ช่วยเราสร้าง Prompt ที่ดีขึ้นไปอีกขั้นก็ได้เช่นกัน

สั่งงาน AI อย่างไรให้เวิร์ค

นอกจากนี้เอกสารนี้ยังมีคำแนะนำที่ทำให้เราสั่งงาน AI ได้อย่างมีประสิทธิภาพด้วยโดยหากทำตามนี้ก็จะช่วยให้เราสั่งงานได้รู้เรื่องมากขึ้นเยอะ

• ชัดเจน! เฉพาะเจาะจง!: บอกไปเลยว่าอยากได้อะไร แบบไหน ยาวเท่าไหร่ อย่าพูดกว้างๆ หรือกำกวม AI จะงง [source: 355-357, 362-364]
• ตัวอย่าง: แทนที่จะบอก “เขียนบทความเรื่องกาแฟ” ให้บอกว่า “เขียนบทความ 500 คำ แนะนำวิธีดริปกาแฟง่ายๆ สำหรับมือใหม่ ใช้ภาษาเพื่อนคุยกัน“
• “ตัวอย่าง” คือครูที่ดีที่สุด: ใส่ตัวอย่างงานที่ชอบให้ AI ดูเยอะๆ ยิ่งดี
• บอก “สิ่งที่ต้องทำ” ดีกว่าบอก “ข้อห้าม”: เน้นสั่งว่าอยากได้อะไร เช่น “เขียนรีวิวโดยเน้นข้อดีของสินค้า” ดีกว่าบอกแค่ว่า “ห้ามพูดถึงข้อเสีย” AI จะทำงานง่ายกว่า
• ลองไปเรื่อยๆ อย่าหยุด: ลองเปลี่ยนคำ ลองสลับประโยค ลองใช้เทคนิคต่างๆ การหา Prompt ที่ใช่ต้องอาศัยการทดลอง
• จดไว้! อันไหนเวิร์ค อันไหนไม่เวิร์ค: การจดบันทึก Prompt ที่เคยใช้และผลลัพธ์ที่ได้ เหมือนทำสมุดสูตรอาหาร จะช่วยให้เราเก่งขึ้นและมีไอเดียไว้ใช้คราวหน้า
• กำหนดความยาวคำตอบ: ถ้าไม่อยากได้คำตอบยาวเกินไป ก็บอก AI ไปเลยว่าขอสั้นๆ หรือจำกัดจำนวนคำ หรือจำนวนย่อหน้าไปเลย
• อัปเดตตาม AI: AI เก่งขึ้นทุกวัน ลองใช้โมเดลเวอร์ชันใหม่ๆ และปรับวิธีสั่งงานตามไปด้วย

ทั้งหมดนี้คือเนื้อหาบางส่วนในคู่มือจาก Google เพื่อให้การ “สั่งงาน AI” ให้ผลลัพธ์ที่ดีที่สุด ทำให้เราได้รู้ว่าสิ่งสำคัญก็คือต้องมีวิธีสื่อสารให้ชัดเจนให้มากที่สุด เชื่อว่าข้อมูลเหล่านี้จะเป็นประโยชน์กับทุกๆคนเพราะการเรียนรู้ทักษะนี้จะช่วยให้คุณใช้ประโยชน์จาก AI ได้เต็มที่ คิดไอเดียใหม่ๆ ทำงานเร็วขึ้น และได้ผลลัพธ์ที่ดีขึ้นแน่นอน

อยากอ่านคู่มือฉบับเต็มแบบละเอียดๆ? คลิกอ่านได้ที่ https://www.kaggle.com/whitepaper-prompt-engineering

---