ผมสรุป report Prompt Engineering ของ Google…
Prompt Engineering ของ Google คือคู่มือสอน “คุยกับ AI ให้รู้เรื่อง” แบบเป็นระบบ ตั้งแต่ระดับพื้นฐานไปจนถึงเทคนิคขั้นโปร ที่อ่านแล้วจะรู้เลยว่า AI ไม่ได้ฉลาดขึ้นเพราะเราใช้รุ่นใหม่อย่างเดียว แต่มันฉลาดขึ้นเพราะเราสั่งงานมันเป็น
แก่นหลักของเอกสารนี้คือ AI เป็นเครื่องทำนายคำถัดไป ไม่ได้คิดเอง เพราะงั้นคำสั่ง วิธีตั้งบริบท น้ำเสียง โครงสร้าง และตัวอย่างที่เราให้ มันมีผลกับคำตอบมากกว่าที่คิด การเขียน prompt เลยไม่ใช่พิมพ์ขออะไรไปเรื่อย แต่เป็นกระบวนการลอง ปรับ และออกแบบ
เริ่มจาก Zero-shot prompting คือการสั่ง AI ตรงๆ แบบไม่ปูอะไรเลย เช่น “สรุปบทความนี้” หรือ “ช่วยคิดชื่อโปรเจกต์” มันเร็ว เหมาะกับงานง่าย แต่ถ้าโจทย์เริ่มซับซ้อน คำตอบจะกว้างและเดาใจเราเองเยอะ
One-shot / Few-shot prompting คือการยกตัวอย่างให้ AI ดูก่อนทำจริง เช่น ผมอยากได้โพสต์แนวนี้ ผมจะให้ตัวอย่าง 1–3 โพสต์ แล้วบอกว่า “เขียนใหม่ในสไตล์เดียวกัน” วิธีนี้คุมโทน ภาษา และโครงสร้างได้ดีกว่าสั่งลอยๆ มาก
System prompting คือการตั้งกติกาใหญ่ตั้งแต่ต้น เช่น “ตอบเป็น bullet เท่านั้น” หรือ “ห้ามอธิบายเกิน 5 บรรทัด” ผมใช้เวลาอยากเอาคำตอบไปต่อระบบอื่น เพราะมันช่วยลดอาการ AI พูดเกินและหลอน
Role prompting คือการกำหนดบทบาทให้ AI เช่น “ทำตัวเป็นที่ปรึกษา HR” หรือ “อธิบายเหมือนสอนเด็ก ม.ปลาย” แค่เปลี่ยนบทบาท คำตอบก็เปลี่ยนทันที อันนี้ช่วยให้คำตอบเหมาะกับคนฟังจริงๆ
Contextual prompting คือการใส่บริบทให้ AI เข้าใจสถานการณ์ เช่น “โจทย์นี้ใช้กับองค์กรใหญ่” หรือ “คนอ่านไม่รู้เรื่องเทคเลย” วิธีนี้ช่วยลดคำตอบสวยแต่ใช้ไม่ได้ในโลกจริง
Step-back prompting คือการให้ AI ถอยออกไปคิดหลักการก่อน แล้วค่อยกลับมาแก้โจทย์ เช่น แทนที่จะบอก “คิดกลยุทธ์นี้ให้หน่อย” ผมจะให้มันตอบก่อนว่า “กลยุทธ์ที่ดีควรมีองค์ประกอบอะไร” แล้วค่อยใช้คำตอบนั้นเป็นฐาน
Chain of Thought คือการบังคับให้ AI คิดเป็นขั้นตอน เช่น เติมว่า “อธิบายทีละขั้น” หรือ “คิดออกมาเป็นลำดับเหตุผล” เหมาะมากกับโจทย์วิเคราะห์ คำนวณ หรือเรื่องที่ผิดพลาดง่าย
Self-consistency คือการให้ AI คิดหลายรอบ แล้วเลือกคำตอบที่ซ้ำกันมากที่สุด เช่น ถามคำถามเดียวกันหลายครั้ง แล้วดูว่าคำตอบไหนโผล่บ่อยสุด วิธีนี้ช่วยเพิ่มความเสถียรในโจทย์ที่ไม่มีคำตอบเดียวตายตัว
Tree of Thoughts คือการให้ AI แตกความคิดหลายทางพร้อมกัน แล้วค่อยเลือกทางที่ดีที่สุด เหมาะกับโจทย์ซับซ้อน เช่น วางกลยุทธ์หรือแก้ปัญหาหลายเงื่อนไข ดีกว่าคิดทางเดียวแล้วจบ
ReAct prompting คือการให้ AI คิดแล้วลงมือทำสลับกัน เช่น คิดว่าจะหาข้อมูลอะไร ไปค้นจริง แล้วเอาผลกลับมาคิดต่อ ผมมองว่านี่คือจุดเริ่มของ AI แบบ agent ที่ทำงานแทนเราได้จริง
Automatic Prompt Engineering คือการใช้ AI ช่วยคิด prompt ให้เราอีกที เช่น ให้มันสร้างหลายเวอร์ชันของคำสั่งเดียวกัน แล้วเลือกอันที่เวิร์กสุด อันนี้เหมาะมากกับงานที่ต้องสเกลหรือทำระบบระยะยาว
สรุปแบบผมคือ ใช้ AI ให้เก่งไม่ใช่จำสูตร prompt แต่คือรู้ว่า “ตอนนี้ควรใช้เทคนิคไหน” แล้วออกแบบการคุยให้เหมาะกับโจทย์นั้นจริงๆ
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac