Prompt Engineering เชิงลึก
บทบาท · การยกตัวอย่าง · การคิดเป็นขั้นตอน
🎯 วัตถุประสงค์การเรียนรู้
- บอกให้ AI สวมบทเป็นใครสักคน (role prompting) เพื่อกำหนดมุมมองของคำตอบ
- โชว์ตัวอย่างให้ดู (การยกตัวอย่าง / few-shot) เพื่อสอนว่าอยากได้คำตอบหน้าตาแบบไหน
- ให้ AI คิดทีละขั้น (การคิดเป็นขั้นตอน / chain-of-thought) กับงานที่ต้องใช้เหตุผล
เทคนิคที่ 1 — การให้บทบาท (Role / Persona)
แค่บอก Claude ว่า “ให้สวมบทเป็นใคร” ก็ช่วยกำหนดน้ำเสียง ความลึก และมุมมองของคำตอบได้แล้ว เพราะเหมือนเราไปกระตุ้นให้มันดึงวิธีพูดวิธีคิดของคนอาชีพนั้นออกมาใช้
Claude ชี้จุดที่พูดเยิ่นเย้อ คำซ้ำ และประโยคอ้อม พร้อมเสนอฉบับแก้ที่คมขึ้น — ต่างจากคำตอบทั่วไปที่มักแค่ชมแล้วปรับนิดหน่อย
ลองถามคำเดิมแบบไม่ให้สวมบทบาท แล้วเอามาเทียบกันดู จะเห็นชัดเลยว่าการให้บทบาทนี่แหละที่ไปตั้ง ‘มาตรฐาน’ ของคำตอบ
เทคนิคที่ 2 — การยกตัวอย่าง (Few-shot Prompting)
แทนที่จะพยายามอธิบายเป็นคำพูดยาว ๆ ว่าอยากได้หน้าตาแบบไหน ให้ “โชว์ตัวอย่าง” สัก 1–3 อันไปเลยจะง่ายกว่า แล้ว Claude จะทำตามได้แม่นกว่ามาก เหมาะกับงานที่ต้องออกมาเหมือนกันทุกครั้ง เช่น จัดหมวดหมู่ ตั้งชื่อ หรือเขียนตามแบบฟอร์ม (เทมเพลต)
Claude ตอบตามแบบให้ทันที เช่น “ข้อเสนอแนะ” (หรืออาจบอกว่าเข้าข่ายทั้งชมและข้อเสนอแนะ) โดยเราไม่ต้องนั่งอธิบายกฎยาว ๆ เลย
ตัวอย่างที่หลากหลายหลาย ๆ กรณีจะได้ผลดีกว่าตัวอย่างที่คล้าย ๆ กันไปหมด — เลือกตัวอย่างที่ ‘ช่วยให้เห็นขอบเขต’ ว่าแบบไหนจัดเป็นอะไร
เทคนิคที่ 3 — การคิดเป็นขั้นตอน (Chain-of-Thought)
งานที่ต้องคิดหลายขั้น (คำนวณ ใช้เหตุผล วางแผน) แค่เติมประโยคอย่าง “คิดทีละขั้นก่อนค่อยสรุปคำตอบ” เข้าไป ก็ช่วยให้ Claude โชว์วิธีคิดออกมาให้เราเห็น และมักจะผิดน้อยลงด้วย
Claude โชว์ขั้นตอนให้ดู: ขายไป 90 ชิ้น เหลือ 150 บวกอีก 50 = 200 ชิ้น แล้วค่อยสรุป — โอกาสผิดน้อยลง เพราะเหมือนมันได้ตรวจงานตัวเองไปด้วยระหว่างทาง
เทคนิคนี้ดีตรงที่เรา ‘ไล่ดูเหตุผลตามได้’ ว่าคำตอบมาจากไหน ถ้ามีขั้นไหนคิดผิดก็จับได้ง่าย
แบบฝึกหัดท้ายโมดูล
- เขียน prompt แบบให้บทบาท เพื่อขอคำแนะนำเรื่องเดียวกันจาก 2 มุมมองที่ต่างกัน (เช่น นักการเงิน vs นักออกแบบ) แล้วเปรียบเทียบ
- สร้าง few-shot prompt เพื่อจัดหมวดอีเมลเป็น ด่วน / ปกติ / สแปม ด้วยตัวอย่าง 3 อัน แล้วทดสอบกับอีเมลใหม่ 3 ฉบับ