OpenAI เพิ่งออกไกด์การเขียน prompt สำหรับ GPT-5.6 Sol
จุดที่ผมว่าน่าตกใจสุดคือตัวเลขจาก eval ภายในของเขาเอง แค่ตัด instruction ที่พูดซ้ำ ตัด example ที่ไม่เปลี่ยนพฤติกรรม กับตัด tool ที่ไม่เกี่ยวออก คะแนนงาน coding agent ขึ้นราวๆ 10-15% ในขณะที่ token ลดลง 41-66% และค่าใช้จ่ายลดลง 33-67% แปลว่าเขียนสั้นลง ได้งานดีขึ้น แถมถูกลงพร้อมกัน
หัวใจของไกด์นี้คือเปลี่ยนวิธีคิดจาก สั่งทุกสเต็ป มาเป็น บอกปลายทาง โมเดลรุ่นใหม่มันเลือกทางเดินเองได้ ถ้าเราบอกชัดว่าผลลัพธ์ที่ดีหน้าตาเป็นยังไง เงื่อนไขจบงานคืออะไร มีหลักฐานอะไรให้ใช้บ้าง แทนที่จะไล่เขียน ทำ 1 2 3 4 ทีละบรรทัด
เขาบอกให้ระวังคำสั่งเด็ดขาดพวก ALWAYS NEVER must ให้ใช้เฉพาะกฎที่ห้ามผิดจริงๆ เช่นเรื่องความปลอดภัยหรือ field ที่จำเป็น ส่วนพวกที่เป็นการตัดสินใจ เช่นเมื่อไหร่ควรค้น เมื่อไหร่ควรถาม ให้เขียนเป็นกฎการตัดสินใจแทน เพราะกฎที่ขัดกันเองทำให้โมเดลรวนหนักกว่าการให้ข้อมูลไม่ครบอีก
อีกอันที่ผมชอบคือเรื่อง stopping condition บอกโมเดลตรงๆ ว่าจบงานเมื่อไหร่ ให้ทำน้อย loop ที่สุดเท่าที่มีประโยชน์ แต่ห้ามเอาการประหยัด loop ไปแลกกับความถูกต้องหรือหลักฐานที่จำเป็น พอมี exit ที่ชัด มันก็ไม่วนฟรีให้เปลืองเงิน
ที่จริงหลักพวกนี้ไม่ได้ผูกกับ GPT อย่างเดียวนะ ใครเขียน prompt ให้ Claude หรือ Gemini อยู่ก็เอาไปใช้ได้หมด สรุปง่ายๆ คือหยุดยัด instruction เยอะๆ เพราะคิดว่ายิ่งละเอียดยิ่งดี ลองไล่ลบทีละก้อนแล้ววัดผลจริง เดี๋ยวนี้ prompt ที่ดีคือ prompt ที่บอกปลายทางชัดแล้วปล่อยให้โมเดลทำงาน
ผมแปะลิงก์ไกด์เต็มไว้ในคอมเมนต์ ใครทำงานสาย agent หรือเขียน system prompt อยู่ควรอ่านครับ
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac