#AI Agent · คู่มือ Prompt Engineering

คู่มือนี้จะสอนวิธีเขียน Prompt คุณภาพสูงอย่างง่ายดาย มั่นคง และนำกลับมาใช้ใหม่ได้ ตั้งแต่ "วิธีเขียน" ไปจนถึง "เขียนให้ดี" ครับ/ค่ะ

#1. ทำไม Prompt จึงสำคัญ

Prompt เปรียบเสมือน "ใบพรรณนาลักษณะงาน" ของ AI Agent ซึ่งเป็นตัวกำหนดสไตล์ ขอบเขต และคุณภาพของผลลัพธ์โดยตรงครับ/ค่ะ

ตัวอย่างเปรียบเทียบ:

❌ Prompt ที่ไม่ชัดเจน:

คุณคือผู้ช่วยวิเคราะห์ข้อมูล ที่ช่วยผู้ใช้ในการวิเคราะห์ข้อมูล

✅ Prompt ที่ชัดเจนและควบคุมได้:

คุณคือ Viz ผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูล

การกำหนดบทบาท
- สไตล์: มีวิสัยทัศน์เฉียบคม, สื่อสารชัดเจน, เน้นการนำเสนอด้วยภาพ
- ภารกิจ: เปลี่ยนข้อมูลที่ซับซ้อนให้เป็น "เรื่องราวในรูปแบบแผนภูมิ" ที่เข้าใจง่าย

เวิร์กโฟลว์ (Workflow) การทำงาน
1) ทำความเข้าใจความต้องการ
2) สร้าง SQL ที่ปลอดภัย (ใช้เฉพาะ SELECT เท่านั้น)
3) สกัดข้อมูลเชิงลึก
4) นำเสนอด้วยแผนภูมิ

กฎที่เข้มงวด
- MUST: ใช้คำสั่ง SELECT เท่านั้น ห้ามแก้ไขข้อมูลเด็ดขาด
- ALWAYS: แสดงผลเป็นแผนภูมิโดยค่าเริ่มต้นเสมอ
- NEVER: ห้ามสร้างหรือคาดเดาข้อมูล

รูปแบบผลลัพธ์
สรุปสั้นๆ (2-3 ประโยค) + ECharts แผนภูมิในรูปแบบ JSON

สรุป: Prompt ที่ดีจะช่วยกำหนด "ว่าใคร, ทำอะไร, ทำอย่างไร, และได้มาตรฐานแค่ไหน" ได้อย่างชัดเจน ทำให้ประสิทธิภาพของ AI มีความเสถียรและควบคุมได้ครับ/ค่ะ

#2. สูตรทองคำ "9 องค์ประกอบ" ของ Prompt

โครงสร้างที่ได้รับการพิสูจน์แล้วว่ามีประสิทธิภาพในการใช้งานจริง:

การตั้งชื่อ + คำสั่งคู่ + การยืนยันจำลอง + การเน้นย้ำซ้ำๆ + กฎที่เข้มงวด
+ ข้อมูลพื้นฐาน + การกระตุ้นเชิงบวก + ตัวอย่างอ้างอิง + ตัวอย่างเชิงลบ (ไม่บังคับ)

#2.1 คำอธิบายองค์ประกอบ

#2.2 เทมเพลตเริ่มต้นอย่างรวดเร็ว

# 1) การตั้งชื่อ
คุณคือ [ชื่อ], ผู้ [ตำแหน่ง/ความเชี่ยวชาญ] ที่ยอดเยี่ยม

# 2) คำสั่งคู่
## บทบาท
สไตล์: [คำคุณศัพท์ 2-3 คำ]
ภารกิจ: [สรุปความรับผิดชอบหลักในหนึ่งประโยค]

## เวิร์กโฟลว์ (Workflow) การทำงาน
1) ทำความเข้าใจ: [ประเด็นสำคัญ]
2) ดำเนินการ: [ประเด็นสำคัญ]
3) ตรวจสอบ: [ประเด็นสำคัญ]
4) นำเสนอ: [ประเด็นสำคัญ]

# 3) การยืนยันจำลอง
ก่อนดำเนินการ ให้ทบทวนความเข้าใจก่อน: "ฉันเข้าใจว่าคุณต้องการ... ฉันจะดำเนินการให้สำเร็จโดย..."

# 4) การเน้นย้ำซ้ำๆ
ข้อกำหนดหลัก: [1-2 ประเด็นที่สำคัญที่สุด] (ปรากฏอย่างน้อย 2 ครั้งในส่วนเริ่มต้น/เวิร์กโฟลว์/ส่วนท้าย)

# 5) กฎที่เข้มงวด
MUST: [กฎที่ห้ามฝ่าฝืน]
ALWAYS: [หลักการที่ต้องปฏิบัติตามเสมอ]
NEVER: [สิ่งที่ห้ามทำโดยเด็ดขาด]

# 6) ข้อมูลพื้นฐาน
[ความรู้เฉพาะทางที่จำเป็น/บริบท/ข้อผิดพลาดที่พบบ่อย]

# 7) การกระตุ้นเชิงบวก
คุณมีความสามารถโดดเด่นในด้าน [ความสามารถ] และเชี่ยวชาญใน [ความถนัด] โปรดรักษาสไตล์นี้เพื่อทำงานให้สำเร็จ

# 8) ตัวอย่างอ้างอิง
[ให้ตัวอย่างที่กระชับของ "ผลลัพธ์ในอุดมคติ"]

# 9) ตัวอย่างเชิงลบ (ไม่บังคับ)
- [วิธีที่ผิด] → [วิธีที่ถูกต้อง]

#3. ตัวอย่างการใช้งานจริง: Viz (การวิเคราะห์ข้อมูล)

ต่อไปนี้คือตัวอย่างที่สมบูรณ์แบบและ "พร้อมใช้งาน" โดยการนำองค์ประกอบทั้งเก้ามาประกอบเข้าด้วยกันครับ/ค่ะ

# การตั้งชื่อ
คุณคือ Viz ผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูล

# คำสั่งคู่
【บทบาท】
สไตล์: มีวิสัยทัศน์เฉียบคม, สื่อสารชัดเจน, เน้นการนำเสนอด้วยภาพ
ภารกิจ: เปลี่ยนข้อมูลที่ซับซ้อนให้เป็น "เรื่องราวในรูปแบบแผนภูมิ"

【เวิร์กโฟลว์ (Workflow) การทำงาน】
1) ทำความเข้าใจ: วิเคราะห์ความต้องการข้อมูลและขอบเขตตัวชี้วัดของผู้ใช้
2) คิวรี: สร้าง SQL ที่ปลอดภัย (คิวรีเฉพาะข้อมูลจริง, SELECT-only)
3) วิเคราะห์: สกัดข้อมูลเชิงลึกที่สำคัญ (แนวโน้ม/การเปรียบเทียบ/สัดส่วน)
4) นำเสนอ: เลือกแผนภูมิที่เหมาะสมเพื่อการแสดงผลที่ชัดเจน

# การยืนยันจำลอง
ก่อนดำเนินการ ให้ทบทวน: "ฉันเข้าใจว่าคุณต้องการวิเคราะห์ [วัตถุ/ขอบเขต] และฉันจะนำเสนอผลลัพธ์ผ่าน [วิธีการคิวรีและการแสดงภาพ]"

# การเน้นย้ำซ้ำๆ
ย้ำอีกครั้ง: ความถูกต้องของข้อมูลต้องมาก่อน คุณภาพสำคัญกว่าปริมาณ; หากไม่มีข้อมูล ให้ระบุตามความเป็นจริง

# กฎที่เข้มงวด
MUST: ใช้คำสั่ง SELECT ในการคิวรีเท่านั้น ห้ามแก้ไขข้อมูลใดๆ
ALWAYS: แสดงผลเป็นแผนภูมิภาพโดยค่าเริ่มต้นเสมอ
NEVER: ห้ามสร้างหรือคาดเดาข้อมูล

# ข้อมูลพื้นฐาน
- ECharts ต้องใช้การกำหนดค่า "Pure JSON" โดยไม่มีคอมเมนต์/ฟังก์ชัน
- แผนภูมิแต่ละอันควรมุ่งเน้นไปที่ 1 หัวข้อ หลีกเลี่ยงการรวมตัวชี้วัดหลายตัว

# การกระตุ้นเชิงบวก
คุณเชี่ยวชาญในการสกัดข้อสรุปที่นำไปปฏิบัติได้จากข้อมูลจริง และนำเสนอด้วยแผนภูมิที่กระชับที่สุด

# ตัวอย่างอ้างอิง
คำอธิบาย (2-3 ประโยค) + แผนภูมิในรูปแบบ JSON

ตัวอย่างคำอธิบาย:
เดือนนี้มี Leads ใหม่ 127 รายการ เพิ่มขึ้น 23% เมื่อเทียบกับเดือนก่อนหน้า โดยส่วนใหญ่มาจากช่องทางภายนอก

ตัวอย่างแผนภูมิ:
{
  "title": {"text": "แนวโน้ม Leads ประจำเดือนนี้"},
  "tooltip": {"trigger": "axis"},
  "xAxis": {"type": "category", "data": ["Week1","Week2","Week3","Week4"]},
  "yAxis": {"type": "value"},
  "series": [{"type": "line", "data": [28,31,35,33]}]
}

# ตัวอย่างเชิงลบ (ไม่บังคับ)
- การใช้ภาษาผสมกัน → รักษาความสอดคล้องของภาษา
- แผนภูมิที่อัดแน่นเกินไป → แผนภูมิแต่ละอันควรแสดงเพียงหัวข้อเดียว
- ข้อมูลไม่ครบถ้วน → ระบุตามความเป็นจริงว่า "ไม่มีข้อมูลให้ใช้งาน"

ประเด็นสำคัญในการออกแบบ

• คำว่า "ความถูกต้อง" ปรากฏหลายครั้งในส่วนของเวิร์กโฟลว์, การเน้นย้ำ และกฎ (เป็นการย้ำเตือนที่หนักแน่น)
• เลือกรูปแบบผลลัพธ์แบบสองส่วนคือ "คำอธิบาย + JSON" เพื่อให้ง่ายต่อการเชื่อมต่อกับส่วนหน้า (Frontend)
• ระบุ "SQL แบบอ่านอย่างเดียว" เพื่อลดความเสี่ยง

#4. วิธีพัฒนา Prompt ให้ดียิ่งขึ้นเรื่อยๆ

#4.1 การทำซ้ำ 5 ขั้นตอน

เริ่มจากให้ใช้งานได้ → ทดสอบในวงจำกัด → บันทึกปัญหา → เพิ่มกฎ/ตัวอย่างเพื่อแก้ไข → ทดสอบอีกครั้ง

แนะนำให้ทดสอบงานทั่วไป 5-10 งานในครั้งเดียว โดยใช้เวลาประมาณ 30 นาทีต่อรอบครับ/ค่ะ

#4.2 หลักการและสัดส่วน

• เน้นการชี้นำเชิงบวกก่อน: บอก AI ก่อนว่าควรทำอย่างไร
• ปรับปรุงโดยมีปัญหาเป็นตัวขับเคลื่อน: เพิ่มข้อจำกัดเมื่อเกิดปัญหาเท่านั้น
• ข้อจำกัดที่พอเหมาะ: อย่าเพิ่งใส่ "ข้อห้าม" มากเกินไปตั้งแต่แรก

สัดส่วนจากประสบการณ์: เชิงบวก 80% : เชิงลบ 20% ครับ/ค่ะ

#4.3 การปรับปรุงทั่วไป

ปัญหา: แผนภูมิมีข้อมูลมากเกินไป อ่านยาก การปรับปรุง:

1. เพิ่มในส่วน "ข้อมูลพื้นฐาน": แผนภูมิหนึ่งอันต่อหนึ่งหัวข้อ
2. ให้ "แผนภูมิแบบตัวชี้วัดเดียว" ในส่วน "ตัวอย่างอ้างอิง"
3. หากปัญหายังคงเกิดขึ้นซ้ำๆ ให้เพิ่มข้อจำกัดที่เข้มงวดในส่วน "กฎที่เข้มงวด/การเน้นย้ำซ้ำๆ"

#5. เทคนิคขั้นสูง

#5.1 ใช้ XML/แท็ก เพื่อโครงสร้างที่ชัดเจนยิ่งขึ้น (แนะนำสำหรับ Prompt ที่ยาว)

เมื่อเนื้อหามีมากกว่า 1,000 ตัวอักษร หรืออาจทำให้เกิดความสับสน การใช้แท็กเพื่อแบ่งส่วนจะช่วยให้มีเสถียรภาพมากขึ้นครับ/ค่ะ

<บทบาท>คุณคือ Dex ผู้เชี่ยวชาญด้านการจัดระเบียบข้อมูล</บทบาท>
<สไตล์>ละเอียดรอบคอบ, แม่นยำ, มีระเบียบ</สไตล์>

<งาน>
ต้องดำเนินการตามขั้นตอนต่อไปนี้:
1. ระบุฟิลด์สำคัญ
2. ดึงค่าฟิลด์
3. จัดรูปแบบให้เป็นมาตรฐาน (วันที่ YYYY-MM-DD)
4. ส่งออกเป็น JSON
</งาน>

<กฎ>
MUST: รักษาความถูกต้องของค่าฟิลด์
NEVER: ห้ามคาดเดาข้อมูลที่ขาดหายไป
ALWAYS: ทำเครื่องหมายสำหรับรายการที่ไม่แน่ใจเสมอ
</กฎ>

<ตัวอย่าง>
{"ชื่อ":"สมชาย","วันที่":"2024-01-15","จำนวนเงิน":5000,"สถานะ":"ยืนยันแล้ว"}
</ตัวอย่าง>

#5.2 การเขียนแบบแบ่งชั้น "ข้อมูลพื้นฐาน + งาน" (วิธีที่เข้าใจง่ายขึ้น)

• ข้อมูลพื้นฐาน (ความเสถียรระยะยาว): AI Agent นี้คือใคร, มีสไตล์อย่างไร, และมีความสามารถอะไรบ้าง
• งาน (ปรับเปลี่ยนตามความต้องการ): ตอนนี้ต้องทำอะไร, เน้นตัวชี้วัดใด, และขอบเขตเริ่มต้นคืออะไร

ซึ่งสอดคล้องกับโมเดล "Agent + งาน" ของ NocoBase โดยธรรมชาติ: ข้อมูลพื้นฐานคงที่, แต่งานมีความยืดหยุ่น ครับ/ค่ะ

#5.3 การนำโมดูลกลับมาใช้ซ้ำ

แยกกฎที่ใช้บ่อยออกเป็นโมดูล เพื่อนำมาประกอบใช้งานได้ตามต้องการ:

โมดูลความปลอดภัยของข้อมูล

MUST: ใช้คำสั่ง SELECT เท่านั้น
NEVER: ห้ามดำเนินการ INSERT/UPDATE/DELETE

โมดูลโครงสร้างผลลัพธ์

ผลลัพธ์ต้องประกอบด้วย:
1) คำอธิบายสั้นๆ (2-3 ประโยค)
2) เนื้อหาหลัก (แผนภูมิ/ข้อมูล/โค้ด)
3) ข้อเสนอแนะเพิ่มเติม (ถ้ามี)

#6. กฎทองคำ (ข้อสรุปจากการปฏิบัติจริง)

1. AI หนึ่งตัวควรทำงานเพียงประเภทเดียว การเชี่ยวชาญเฉพาะด้านจะทำให้มีเสถียรภาพมากขึ้น
2. ตัวอย่างมีประสิทธิภาพมากกว่าคำขวัญ ให้ตัวอย่างเชิงบวกก่อนเสมอ
3. ใช้ MUST/ALWAYS/NEVER เพื่อกำหนดขอบเขต
4. แสดงออกในรูปแบบของกระบวนการ เพื่อลดความไม่แน่นอน
5. เริ่มต้นเล็กๆ ทดสอบบ่อยๆ แก้ไขน้อยๆ และทำซ้ำอย่างต่อเนื่อง
6. อย่าจำกัดมากเกินไป เพื่อหลีกเลี่ยงการ "เขียนตายตัว"
7. บันทึกปัญหาและการเปลี่ยนแปลง เพื่อสร้างเวอร์ชัน
8. หลัก 80/20: ก่อนอื่นให้บอก "วิธีที่ถูกต้อง" ก่อน จากนั้นค่อยจำกัด "สิ่งที่ห้ามทำผิด"

#7. คำถามที่พบบ่อย

Q1: ความยาวที่เหมาะสมคือเท่าไหร่?

• AI Agent พื้นฐาน: 500–800 ตัวอักษร
• AI Agent ที่ซับซ้อน: 800–1500 ตัวอักษร
• ไม่แนะนำให้เกิน 2,000 ตัวอักษร (อาจทำให้ช้าและซ้ำซ้อน) มาตรฐาน: ครอบคลุมทั้งเก้าองค์ประกอบ แต่ไม่มีเนื้อหาที่ไม่จำเป็น

Q2: จะทำอย่างไรถ้า AI ไม่ปฏิบัติตามคำสั่ง?

1. ใช้ MUST/ALWAYS/NEVER เพื่อกำหนดขอบเขตให้ชัดเจน
2. ย้ำข้อกำหนดสำคัญ 2–3 ครั้ง
3. ใช้แท็ก/การแบ่งส่วนเพื่อเสริมสร้างโครงสร้าง
4. ให้ตัวอย่างเชิงบวกมากขึ้น หลีกเลี่ยงการพูดถึงหลักการลอยๆ
5. ประเมินว่าจำเป็นต้องใช้โมเดลที่ทรงพลังกว่าหรือไม่

Q3: จะรักษาสมดุลระหว่างการชี้นำเชิงบวกและเชิงลบได้อย่างไร? เริ่มจากการเขียนส่วนเชิงบวกก่อน (บทบาท, เวิร์กโฟลว์, ตัวอย่าง) จากนั้นค่อยเพิ่มข้อจำกัดตามข้อผิดพลาด และจำกัดเฉพาะจุดที่ "ผิดซ้ำๆ" เท่านั้นครับ/ค่ะ

Q4: ควรมีการอัปเดตบ่อยแค่ไหน?

• ข้อมูลพื้นฐาน (ตัวตน/สไตล์/ความสามารถหลัก): มีความเสถียรในระยะยาว
• งาน (สถานการณ์/ตัวชี้วัด/ขอบเขต): ปรับเปลี่ยนตามความต้องการทางธุรกิจ
• หากมีการเปลี่ยนแปลง ให้สร้างเวอร์ชันใหม่และบันทึก "เหตุผลในการเปลี่ยนแปลง" ครับ/ค่ะ

#8. ขั้นตอนต่อไป

ฝึกปฏิบัติจริง

• เลือกลักษณะงานง่ายๆ (เช่น ผู้ช่วยฝ่ายบริการลูกค้า) เขียน Prompt "เวอร์ชันที่ใช้งานได้" โดยใช้ 9 องค์ประกอบ และทดสอบกับงานทั่วไป 5 งาน
• ค้นหา AI Agent ที่มีอยู่ รวบรวมปัญหาจริง 3–5 ข้อ และทำการปรับปรุงเล็กน้อยหนึ่งรอบ

อ่านเพิ่มเติม

• AI Agent · คู่มือการกำหนดค่าสำหรับผู้ดูแลระบบ: นำ Prompt ไปใช้ในการกำหนดค่าจริง
• คู่มือเฉพาะสำหรับ AI Agent แต่ละตัว: ดูตัวอย่างบทบาท/งานที่สมบูรณ์

#บทสรุป

ทำให้ใช้งานได้ก่อน แล้วค่อยปรับปรุงให้ดีขึ้น เริ่มต้นจากเวอร์ชันที่ "ใช้งานได้" ก่อน จากนั้นรวบรวมปัญหา เพิ่มตัวอย่าง และปรับปรุงกฎอย่างต่อเนื่องในงานจริงครับ/ค่ะ โปรดจำไว้ว่า: ก่อนอื่น ให้บอก AI ว่าควรทำอย่างไรให้ถูกต้อง (การชี้นำเชิงบวก) จากนั้นค่อยจำกัดไม่ให้ทำผิดพลาด (ข้อจำกัดที่พอเหมาะ) ครับ/ค่ะ