Name: พื้นฐาน Perplexity: เข้าใจ Answer Engine และการอ่าน Citation อย่างวิพากษ์ · หลักสูตร Perplexity อย่างมืออาชีพ
Author: จักริน นพรุจนธาดา

1.1

โมดูล 1.1

Perplexity คืออะไร: จาก Search Engine สู่ Answer Engine

รู้จักตัวจริงของเครื่องมือนี้ก่อนลงมือใช้

🎯 วัตถุประสงค์การเรียนรู้

อธิบายได้ว่าเครื่องมือตอบคำถาม (answer engine) คืออะไร และต่างจากเครื่องมือค้นหาอย่าง Google กับแชทบอตอย่าง ChatGPT ล้วน ๆ ตรงไหน
บอกได้ว่า Perplexity ทำงานสามส่วนหลัก คือ ค้นเว็บแบบสด ๆ + สรุปคำตอบให้ + แปะแหล่งอ้างอิง (citation) กำกับ
บอกได้ว่างานแบบไหนเหมาะและงานแบบไหนไม่เหมาะกับ Perplexity

เนื้อหา

Perplexity เป็น "เครื่องมือตอบคำถาม" (answer engine) พูดง่าย ๆ คือเราถามเป็นภาษาคนปกติได้เลย แล้วมันจะไปค้นเว็บสด ๆ อ่านข้อมูลจากเว็บจริง ๆ แล้วเขียนคำตอบกลับมาให้ พร้อมแปะเลขอ้างอิง [1][2] (citation ก็คือการบอกว่าคำตอบตรงนี้เอามาจากเว็บไหน) โยงกลับไปหาต้นทางให้ด้วย จุดแข็งของมันคือคำถามแนว "อะไรคือเรื่องจริง / มีข่าวอะไรล่าสุด / ขอแหล่งอ้างอิงหน่อย" ต่างจาก Google ที่โยนลิงก์มาให้เราสิบอันแล้วให้ไปนั่งอ่านเอง และต่างจากแชทบอตที่ตอบจากความจำในตัวโมเดลโดยไม่ได้ไปค้นเว็บ ด้วยเหตุนี้มันจึงไม่เหมาะกับงานเขียนสร้างสรรค์ยาว ๆ หรืองานสวมบทบาทที่ตัวละครมีบุคลิกซับซ้อน

เปรียบเทียบคำถามข้อเท็จจริงล่าสุด

อัตราเงินเฟ้อของไทยเดือนล่าสุดอยู่ที่เท่าไร และเปลี่ยนแปลงจากเดือนก่อนหน้าอย่างไร พร้อมระบุแหล่งข้อมูลทางการ

ผลลัพธ์ที่คาดหวัง

คำตอบสั้น ๆ ที่บอกตัวเลขล่าสุดพร้อมเลขอ้างอิง [1][2] โยงไปหาแหล่งอย่างกระทรวงพาณิชย์หรือธนาคารแห่งประเทศไทย แถมเทียบให้ด้วยว่าต่างจากเดือนก่อนแค่ไหน

จุดสอน

ให้เห็นว่า Perplexity ตอบพร้อมแหล่งมาให้ทันที ต่างจากแชทบอตที่อาจตอบตัวเลขเก่า ๆ จากข้อมูลตอนที่มันถูกฝึกมา จุดที่อยากให้จำคือ ตัวเลขที่ "สด" ใหม่ได้เพราะมันไปค้นเว็บมา ไม่ได้ตอบจากความจำในตัวโมเดล

งานที่ไม่เหมาะกับ Perplexity

ช่วยเขียนนิยายสั้นแนวสืบสวนความยาว 3,000 คำ ที่มีตัวละครบุคลิกซับซ้อน

ผลลัพธ์ที่คาดหวัง

Perplexity ทำได้อยู่หรอก แต่ไม่ใช่ของถนัด คำตอบมักออกมาสั้น ๆ และตัวละครขาดความต่อเนื่องด้านบุคลิก ถ้าเทียบกับแชทบอตที่ถนัดงานเขียนโดยเฉพาะ

จุดสอน

อยากให้รู้ขอบเขตของมันว่า งานเขียนสร้างสรรค์ยาว ๆ กับการรักษาบุคลิก/โทนของแบรนด์ให้เหมือนเดิมข้ามหลาย ๆ ครั้งที่คุย (ข้ามเซสชัน) ไม่ใช่จุดแข็งของ Perplexity งานแบบนี้ควรใช้โหมดเขียน (Writing focus) หรือเครื่องมือตัวอื่นแทน

แบบฝึกหัดท้ายโมดูล

ลองเขียนคำถามเชิงข้อเท็จจริงจากงานของตัวเอง 3 ข้อ แล้วเอาไปทดสอบใน Perplexity เทียบกับ Google จดไว้ว่าอันไหนได้คำตอบพร้อมแหล่งเร็วกว่ากัน
ทำตารางแยกงาน 5 อย่างในชีวิตการทำงานของตัวเอง ว่างานไหน "เหมาะ" และงานไหน "ไม่เหมาะ" กับ Perplexity พร้อมบอกเหตุผล

1.2

โมดูล 1.2

อ่านและตรวจสอบ Citation อย่างวิพากษ์

แหล่งอ้างอิงคือจุดขาย แต่ต้องเช็กก่อนนะ อย่าเพิ่งเชื่อทันที

🎯 วัตถุประสงค์การเรียนรู้

คลิกเข้าไปเช็กได้ว่าแหล่งอ้างอิงมันยืนยันข้อความนั้นจริงหรือเปล่า
จับสัญญาณเตือนเวลา AI มั่วข้อมูล (hallucination) เช่น อ้างแหล่งผิดที่ หรือสรุปเกินจริงไปจากที่แหล่งบอก
สร้างนิสัยตรวจสอบแหล่งอ้างอิงทุกครั้งก่อนเอาไปใช้อ้างอิงจริง

เนื้อหา

ถึง Perplexity จะแปะเลขอ้างอิงกำกับคำตอบมาให้ แต่ความเสี่ยงที่มันจะมั่วข้อมูลก็ยังมีอยู่จริง โดยเฉพาะเวลาที่มันอ้างแหล่งที่จริง ๆ แล้วไม่ได้พูดถึงเรื่องนั้นเลย หรือสรุปเกินจริงไปจากที่แหล่งบอก หรือเป็นหัวข้อเฉพาะทางที่บนเว็บมีข้อมูลอยู่น้อย บทเรียนนี้เลยจะฝึกให้ติดนิสัยคลิกเข้าไปดูต้นทางทุกครั้งก่อนจะเอาข้อมูลไปใช้จริง โดยเฉพาะพวกตัวเลข วันที่ และคำพูดที่ยกมาอ้าง

ตรวจสอบคำพูดอ้างอิง

CEO ของบริษัท X เคยกล่าวว่าอย่างไรเกี่ยวกับแผนขยายธุรกิจในเอเชียปี 2025 พร้อมอ้างอิงแหล่งข่าวต้นทาง

ผลลัพธ์ที่คาดหวัง

มันจะให้คำพูดมาพร้อมเลขอ้างอิง แล้วเราต้องคลิกเข้าไปยืนยันเองว่าแหล่งนั้นมีคำพูดตรงตามที่อ้างมาจริงไหม

จุดสอน

คำพูดที่ยกมาอ้างเป็นจุดที่ AI มั่วบ่อยที่สุด ให้ลองคลิกทุกเลขอ้างอิงแล้วเทียบข้อความดู ถ้าแหล่งนั้นไม่มีคำพูดนั้น หรือบิดเบือนไป ก็ให้ถือว่าใช้ไม่ได้

ทดสอบหัวข้อเฉพาะทางที่ข้อมูลบาง

งานวิจัยล่าสุดเกี่ยวกับการใช้สมุนไพรไทยชนิดหายากในการรักษาโรคเฉพาะทาง มีข้อสรุปอย่างไร

ผลลัพธ์ที่คาดหวัง

คำตอบอาจอ้างแหล่งที่ไม่ค่อยตรง หรือสรุปเกินไปจากข้อมูลที่มีจริง เพราะบนเว็บมีข้อมูลเรื่องนี้อยู่น้อย

จุดสอน

หัวข้อเฉพาะกลุ่มแคบ ๆ (niche) ที่มีข้อมูลบนเว็บน้อยเป็นจุดเสี่ยงสูง ลองสังเกตดูว่าพอแหล่งข้อมูลน้อยลง คุณภาพคำตอบก็ลดลงตาม เจองานแบบนี้ต้องตรวจให้เข้มขึ้น

แบบฝึกหัดท้ายโมดูล

เลือกคำตอบมาหนึ่งชุดจาก Perplexity แล้วคลิกตรวจสอบทุกเลขอ้างอิง จดไว้ว่าแหล่งไหนสนับสนุนจริง แหล่งไหนไม่ตรง
หากรณีที่ Perplexity สรุปเกินไปจากแหล่งข้อมูลมาสัก 1 อัน แล้วเขียนอธิบายว่ามันพลาดตรงไหน

1.3

โมดูล 1.3

พื้นฐาน Prompt สำหรับ Answer Engine

ถามให้ตรง บอกขอบเขตให้ชัด แล้วจะได้คำตอบที่ตรวจสอบได้

🎯 วัตถุประสงค์การเรียนรู้

เขียนคำถามที่บอกขอบเขต ช่วงเวลา และหน้าตาของคำตอบที่อยากได้ให้ชัด
สั่งให้มันขอแหล่งอ้างอิงที่เป็นทางการ หรือเจาะจงช่วงเวลาที่ต้องการได้
ถามต่อ (follow-up) เพื่อเจาะลึกในบทสนทนาเดียวกัน (เธรดเดียว)

เนื้อหา

คำสั่งหรือคำถามที่ป้อนให้ AI (prompt) ที่ดีสำหรับเครื่องมือตอบคำถาม จะไม่เหมือนกับคำสั่งที่ใช้กับแชทบอตแนวสร้างสรรค์ เราควรบอกให้ครบว่า (1) หัวข้อครอบคลุมแค่ไหน (2) ช่วงเวลาที่สนใจ เช่น ปี 2025-2026 (3) อยากได้แหล่งแบบไหน เช่น แหล่งทางการ หรืองานวิจัย (4) อยากให้คำตอบออกมาหน้าตายังไง เช่น เป็นตาราง หรือเป็นรายการหัวข้อ และเพราะ Perplexity ให้เราถามต่อในบทสนทนาเดิมได้ (follow-up ในเธรดเดียว) เราเลยควรเริ่มจากถามกว้าง ๆ ก่อน แล้วค่อย ๆ เจาะลงไป

prompt ที่ระบุขอบเขตครบ

สรุปกฎหมาย PDPA ของไทยที่มีผลบังคับใช้ปัจจุบัน เฉพาะประเด็นที่กระทบธุรกิจ e-commerce ขนาดเล็ก จัดเป็นตารางหัวข้อ-สาระสำคัญ-แหล่งอ้างอิงทางการ

ผลลัพธ์ที่คาดหวัง

ตารางที่แต่ละแถวมีหัวข้อ สาระสำคัญ และเลขอ้างอิงที่โยงไปแหล่งทางการอย่างราชกิจจานุเบกษาหรือสำนักงาน PDPC

จุดสอน

พอเราบอกว่า "เฉพาะ e-commerce ขนาดเล็ก" และ "แหล่งทางการ" มันจะบีบให้คำตอบแคบลงและเช็กได้ ต่างจากการถามกว้าง ๆ ที่ได้คำตอบลอย ๆ ตรวจสอบยาก

การถาม follow-up เจาะลึก

(ต่อจากคำถามก่อนหน้า) เจาะเฉพาะข้อ 3 เรื่องความยินยอม ขอตัวอย่างข้อความขอความยินยอมที่สอดคล้องกฎหมาย พร้อมแหล่งแนวปฏิบัติ

ผลลัพธ์ที่คาดหวัง

คำตอบจะเจาะเฉพาะเรื่องความยินยอม โดยอ้างอิงต่อเนื่องจากเรื่องที่คุยกันมาก่อนหน้าในบทสนทนาเดิม

จุดสอน

Perplexity จำเรื่องที่คุยกันภายในบทสนทนาเดียวได้ เพราะฉะนั้นให้ถามต่อ (follow-up) แทนที่จะไปเริ่มคำถามใหม่ทุกครั้ง

แบบฝึกหัดท้ายโมดูล

ลองเขียนคำถามจากงานจริงของตัวเอง 3 เวอร์ชัน ไล่จากกว้างไปแคบ แล้วเทียบดูว่าเวอร์ชันที่บอกขอบเขตครบให้คำตอบดีกว่ายังไง
ลองถามต่อ (follow-up) 3 ครั้งในบทสนทนาเดียว เพื่อเจาะลึกจากคำถามตั้งต้นหนึ่งข้อ

1.4

โมดูล 1.4

เริ่มใช้ Focus Modes

จำกัดวงแหล่งข้อมูลให้ตรงกับงานที่ทำ

🎯 วัตถุประสงค์การเรียนรู้

อธิบายได้ว่าโหมดโฟกัส (Focus modes) แต่ละแบบทำหน้าที่อะไร (Web/All, Academic, Social, YouTube, Finance, Writing, Math)
เลือกโหมดโฟกัสให้เหมาะกับประเภทคำถามได้
เข้าใจว่าโหมดเขียน (Writing focus) ไม่ได้ไปค้นเว็บ ใช้สำหรับงานเขียนล้วน ๆ

เนื้อหา

โหมดโฟกัสช่วยกำหนดว่าจะให้ Perplexity ไปค้นจากแหล่งไหนบ้าง Web/All ค้นทั้งเว็บ, Academic เน้นงานวิจัยที่ผ่านการตรวจทานจากผู้เชี่ยวชาญ (peer-reviewed) และกรองพวกเว็บที่ทำมาหลอกอันดับค้นหา (SEO spam) ออก, Social/Reddit เน้นความเห็นจากชุมชนออนไลน์, YouTube/Video เน้นวิดีโอ, Finance ให้ข้อมูลหุ้นแบบสด ๆ และเอกสารทางการเงินอย่าง SEC 10-K, Writing ไม่ไปค้นเว็บเลย (ใช้เขียนล้วน ๆ), และ Math สำหรับงานคำนวณ ชื่อในเมนูอาจเปลี่ยนไปได้ตามเวลา แต่หลักคือเลือกให้ตรงกับประเภทข้อมูลที่เราต้องการ

ใช้ Academic focus

(เลือก Academic focus) มีงานวิจัย peer-reviewed ปี 2023-2025 เกี่ยวกับผลของ intermittent fasting ต่อระดับน้ำตาลในเลือดอย่างไรบ้าง สรุปข้อค้นพบหลัก

ผลลัพธ์ที่คาดหวัง

คำตอบจะอ้างอิงเฉพาะวารสารวิชาการ ไม่ปนบล็อกสุขภาพทั่วไป และมีเลขอ้างอิงโยงไปงานวิจัยจริง

จุดสอน

โหมด Academic จะกรองเนื้อหาที่ทำมาหลอกอันดับค้นหาออก ทำให้แหล่งข้อมูลคุณภาพสูงขึ้นมากสำหรับงานวิชาการ ลองเทียบกับผลจากโหมด Web ที่มักมีบล็อกทั่วไปปนมาดู

ใช้ Writing focus

(เลือก Writing focus) ช่วยเรียบเรียงย่อหน้าแนะนำตัวสำหรับอีเมลสมัครงานตำแหน่งนักวิเคราะห์ข้อมูล ให้กระชับและเป็นมืออาชีพ

ผลลัพธ์ที่คาดหวัง

ข้อความที่เรียบเรียงใหม่ให้ โดยจะไม่มีแหล่งอ้างอิงติดมา เพราะเป็นงานเขียนล้วน ๆ ไม่ได้ไปค้นเว็บ

จุดสอน

โหมด Writing จะปิดการค้นเว็บ เหมาะกับงานเรียบเรียงข้อความ ต้องเข้าใจว่าโหมดนี้ไม่มีแหล่งอ้างอิง เพราะมันไม่ได้ไปดึงข้อมูลจากแหล่งภายนอกมา

แบบฝึกหัดท้ายโมดูล

จับคู่คำถาม 6 ข้อเข้ากับโหมดโฟกัสที่เหมาะที่สุด พร้อมบอกเหตุผลของแต่ละคู่
ลองถามคำถามวิชาการข้อเดียวกันด้วยโหมด Web และโหมด Academic แล้วเทียบดูว่าแหล่งอ้างอิงที่ได้คุณภาพต่างกันแค่ไหน

1.5

โมดูล 1.5

ระดับสมาชิกและการเลือกโมเดลเบื้องต้น

เข้าใจว่าจ่ายเงินแล้วได้อะไรเพิ่ม และจะเลือกโมเดลยังไง

🎯 วัตถุประสงค์การเรียนรู้

บอกความต่างของแต่ละแพ็กเกจ (tier) ได้ ไม่ว่าจะเป็น Free, Pro, Max, Enterprise Pro, Enterprise Max
เข้าใจแนวคิดการเลือกโมเดล AI เบื้องหลัง (underlying LLM) ให้เหมาะกับแต่ละคำถาม
รู้ว่าฟีเจอร์ไหนต้องเสียเงินสมัครแพ็กเกจถึงจะใช้ได้

เนื้อหา

Perplexity มีหลายแพ็กเกจให้เลือก คือ Free (Standard) ที่จำกัดจำนวน Pro Search ต่อวัน (ราว 5 ครั้ง/วัน) และเลือกโมเดลได้จำกัด, Pro (~$20/เดือน), Max (~$200/เดือน), Enterprise Pro (~$40/ที่นั่ง/เดือน), และ Enterprise Max (~$325/ที่นั่ง/เดือน) จุดเด่นอย่างหนึ่งคือเราเลือกได้เองว่าจะให้โมเดล AI (LLM) ตัวไหนเป็นคนตอบ (จะเป็น Sonar ของ Perplexity เอง, ตระกูล GPT-5, Claude, Gemini 3 หรือ Grok ก็ได้) ส่วนฟีเจอร์ลึก ๆ อย่างการปรับระดับการคิดวิเคราะห์ (reasoning) และฟีเจอร์ใหม่ล่าสุด มักจะไปกระจุกอยู่ที่แพ็กเกจ Max และ Enterprise Max

เลือกโมเดลตามงาน

(ใน Pro Search เลือกโมเดล) เปรียบเทียบข้อดีข้อเสียของการเช่ากับซื้อสำนักงานสำหรับสตาร์ทอัพ พร้อมแหล่งอ้างอิงข้อมูลตลาดอสังหาปัจจุบัน

ผลลัพธ์ที่คาดหวัง

คำตอบเชิงวิเคราะห์พร้อมแหล่งอ้างอิง ลองสลับโมเดลไปมา (เช่น Claude กับ GPT-5) เพื่อสังเกตว่าสไตล์การให้เหตุผลของแต่ละตัวต่างกันยังไง

จุดสอน

การเลือกโมเดลเองเป็นจุดเด่นสำคัญของ Perplexity ให้ลองเลือกตามงาน (ถ้าต้องคิดวิเคราะห์ลึก ๆ ก็ใช้โมเดลที่เก่งเรื่องการคิดวิเคราะห์) แต่ไม่ต้องจำหมายเลขเวอร์ชันเป๊ะ ๆ เพราะมันเปลี่ยนรุ่นบ่อยมาก

เข้าใจข้อจำกัด Free tier

ทดลองใช้ Pro Search จนครบโควตารายวันของ Free tier

ผลลัพธ์ที่คาดหวัง

พอใช้ครบโควตา ระบบจะจำกัดการใช้ Pro Search แล้วขึ้นข้อความชวนให้อัปเกรด

จุดสอน

อยากให้เข้าใจว่าฟีเจอร์เด็ด ๆ (อย่าง Pro Search หรือ Deep Research ที่ใช้เยอะ ๆ) มีโควตาจำกัด เพราะฉะนั้นควรวางแผนการใช้งานให้ดีก่อนตัดสินใจจ่ายเงินอัปเกรด

แบบฝึกหัดท้ายโมดูล

ทำตารางเทียบทั้ง 5 แพ็กเกจ ว่าแต่ละระดับปลดล็อกฟีเจอร์อะไรบ้าง แล้วประเมินดูว่าแพ็กเกจไหนเหมาะกับงานของตัวเอง
ลองถามคำถามเชิงวิเคราะห์ข้อเดียวกันด้วยโมเดลที่ต่างกัน 2 ตัว แล้วจดไว้ว่าคำตอบต่างกันตรงไหน

1.6

โมดูล 1.6

สำรวจข้อจำกัดจริงและ Discover Feed

รู้ขอบเขตของมันก่อนจะไปพึ่งพา และใช้ฟีดอย่างเข้าใจ

🎯 วัตถุประสงค์การเรียนรู้

บอกได้ว่ามีอะไรบ้างที่ Perplexity ทำได้ไม่ค่อยดี (งานเขียนสร้างสรรค์ยาว ๆ การจำเรื่องข้ามบทสนทนา การเข้าใจวิดีโอ/เสียง)
ใช้ฟีดข่าว Discover เพื่อติดตามหัวข้อที่กำลังเป็นกระแส (trending)
ตั้งกฎของตัวเองในการตรวจสอบผลลัพธ์ก่อนเอาไปใช้

เนื้อหา

Perplexity มีจุดอ่อนที่ควรรู้ไว้ คือมันไม่ใช่เครื่องมือสำหรับงานเขียนสร้างสรรค์ยาว ๆ หรืองานที่ต้องรักษาบุคลิกให้คงที่ เรื่องการจำและการปรับให้เข้ากับเราแบบเฉพาะตัว (personalization) ข้ามบทสนทนาก็ยังทำได้จำกัด (โทนกับสไตล์ที่เราให้ไว้ มันไม่ได้จำทุกครั้ง), การเข้าใจวิดีโอ/เสียงต้องอาศัยข้อความถอดเสียง (transcript) เป็นหลัก (ยกเว้นตอนใช้โหมด YouTube), และการคุยกันยาว ๆ หลายรอบก็อาจรู้สึกสะดุดกว่าแชทบอตที่ถนัดงานสนทนาโดยเฉพาะ ส่วนฟีดข่าว Discover เป็นฟีดรวมข่าว/หัวข้อกระแสที่ทำสำเร็จรูปไว้เป็นหน้า Perplexity page ให้เรานั่งอ่านเฉย ๆ ไม่ใช่เครื่องมือไว้ค้นคว้า

ทดสอบข้อจำกัดความจำข้ามเซสชัน

(เธรดใหม่) จำสไตล์การเขียนที่ฉันให้ไว้เมื่อวานได้ไหม ช่วยเขียนต่อในโทนเดิม

ผลลัพธ์ที่คาดหวัง

Perplexity มักจะจำสไตล์จากบทสนทนาก่อนหน้าไม่ได้ชัดเจนพอที่จะเชื่อถือได้

จุดสอน

ลองพิสูจน์ด้วยตัวเองว่าการจำเรื่องข้ามบทสนทนามันทำได้จำกัดจริง ทางแก้คือใช้ Spaces ตั้งคำสั่งประจำตัว (custom instructions) ไว้ (เดี๋ยวจะได้เรียนในระดับกลาง) แทนที่จะไปหวังให้มันจำเอง

ใช้ Discover feed ติดตามหัวข้อ

เปิด Discover feed แล้วเลือกหัวข้อเทคโนโลยี AI ที่กำลัง trending มาอ่านสรุปพร้อมแหล่ง

ผลลัพธ์ที่คาดหวัง

หน้าสรุปหัวข้อที่กำลังเป็นกระแสซึ่งทำไว้ล่วงหน้า พร้อมแหล่งอ้างอิงให้เราอ่านและคลิกไปดูต่อได้

จุดสอน

Discover เป็นพื้นที่ไว้อ่านข่าวเพลิน ๆ ไม่ใช่เครื่องมือไว้ค้นคว้าแบบตั้งใจหา ให้แยกให้ออกระหว่าง "อ่านเสพ" กับ "ค้นคว้าแบบลงมือหาเอง"

แบบฝึกหัดท้ายโมดูล

ลองทดสอบข้อจำกัดของ Perplexity 3 อย่างด้วยตัวเอง (เรื่องความจำ วิดีโอ และงานสร้างสรรค์) แล้วสรุปว่าจะเลี่ยงหรือแก้ยังไง
เขียนกฎของตัวเอง 5 ข้อไว้ใช้ตรวจสอบผลลัพธ์ก่อนเอาไปใช้ในงานจริง

🎯 Mini-project: บันทึกค้นคว้าข้อเท็จจริงพร้อมตรวจสอบแหล่ง

เลือกคำถามเชิงข้อเท็จจริงจากงานจริง 5 ข้อ แล้วค้นด้วย Perplexity โดยเลือกโหมดโฟกัสให้เหมาะกับแต่ละข้อ
คลิกตรวจสอบทุกแหล่งอ้างอิง แล้วทำเครื่องหมายไว้ว่าแหล่งไหนสนับสนุนคำตอบจริง แหล่งไหนไม่ตรงหรือน่าสงสัย
สรุปออกมาเป็นเอกสาร 1-2 หน้า ระบุคำตอบ แหล่งที่ยืนยันแล้ว และจดกรณีที่เจอ AI มั่วข้อมูลหรือสรุปเกินจริงไว้พร้อมอธิบาย
เล่าให้ฟังว่าได้บทเรียนอะไรบ้างเรื่องความน่าเชื่อถือของแหล่งอ้างอิง และเกณฑ์ของตัวเองที่ใช้ตัดสินว่าคำตอบไหนใช้ได้

ก้าวต่อไป

งานวิจัยเต็มรูปแบบ: Pro Search, Deep Research, Spaces และ Pages

ไปต่อ →