สารบัญ
- 5.1 วิศวกรรมคำแนะนำคืออะไร เหตุใดจึงเป็นทักษะ AI ที่มีค่าสูงสุด
- 5.2 โครงสร้างพื้นฐานของคำแนะนำ: บทบาท งาน รูปแบบ ข้อจำกัด ตัวอย่าง
- 5.3 เทคนิคคำแนะนำ Zero-shot และ Few-shot
- 5.4 วิธี Chain-of-Thought (ลูกโซ่ความคิด)
- 5.5 คำแนะนำผลลัพธ์ที่มีโครงสร้าง: การควบคุมรูปแบบ JSON ตาราง รายการ
- 5.6 การออกแบบระบบคำแนะนำ (System Prompt) และการสวมบทบาท
- 5.7 การสร้างแม่แบบคำแนะนำและการจัดการตัวแปร
- 5.8 วิธีการวนซ้ำการปรับปรุงคำแนะนำ
- 5.9 ข้อผิดพลาดทั่วไปและแนวปฏิบัติที่ดีที่สุด (10 Pitfall หลัก)
- 5.10 ไลบรารีแม่แบบคำแนะนำ: 15 แม่แบบสถานการณ์พร้อมใช้งานในสถานที่ทำงาน
- 5.11 กลยุทธ์การสนทนาหลายรอบและการจัดการบริบท
- 5.12 วิธีการวนซ้ำการปรับปรุงคำแนะนำ
- 5.13 สรุปหลักสูตร + โครงการปฏิบัติ
บทนำหลักสูตร
Prompt Engineering (Prompt Engineering) เป็นทักษะ AI ที่มีมูลค่าสูงสุดในปัจจุบัน ด้วยเครื่องมือ AI เดียวกัน คนที่เขียนคำสั่งได้ดีจะได้ผลลัพธ์ที่ดีกว่า 10 เท่า หลักสูตรนี้จะสอนคุณเทคนิคคำสั่งตั้งแต่พื้นฐานไปจนถึงระดับสูง เพื่อให้คุณกลายเป็นผู้เชี่ยวชาญในการสนทนากับ AI
วัตถุประสงค์การเรียนรู้：
- เข้าใจโครงสร้างพื้นฐานและหลักการออกแบบของคำสั่ง
- เรียนรู้เทคนิคคำแนะนำขั้นสูงต่างๆ
- สร้างคลังแม่แบบคำแนะนำส่วนตัว
- สามารถปรับปรุงและวนซ้ำ Prompt ได้
- นำการวิศวกรรมพรอมต์ไปใช้กับธุรกิจจริง
5.1 วิศวกรรมคำแนะนำคืออะไร เหตุใดจึงเป็นทักษะ AI ที่มีค่าสูงสุด
ทำไมต้องเรียนรู้สิ่งนี้
Prompt Engineering เป็นสะพานเชื่อมระหว่างความตั้งใจของมนุษย์และความสามารถของ AI การเข้าใจเรื่องนี้จะช่วยให้คุณได้ผลลัพธ์จาก AI ที่เกินความคาดหมาย
การสอนหลัก
Prompt Engineering (Prompt Engineering) เป็นเทคนิคในการออกแบบและปรับปรุงคำสั่งอินพุตของ AI เพื่อให้ได้ผลลัพธ์ AI ที่ดีที่สุด
ทำไมมันจึงมีค่าที่สุด
คำแนะนำที่ดี vs คำแนะนำที่ไม่ดี：
คำสั่งที่ไม่ดี：「ช่วยฉันเขียนอีเมล」
คำสั่งที่ดี：「คุณเป็นผู้จัดการฝ่ายขายสินค้าสัตว์เลี้ยงมืออาชีพ โปรดเขียนอีเมลเพื่อส่งเสริมอาหารแมวรุ่นใหม่เป็นภาษาจีนตัวเต็ม ลูกค้าเป้าหมายคือเจ้าของร้านสัตว์เลี้ยงในฮ่องกง อีเมลควรประกอบด้วย：จุดขายของผลิตภัณฑ์（วัตถุดิบธรรมชาติ ผลิตในไต้หวัน）แผนส่วนลด（ซื้อครั้งแรกลด 10%）การเรียกร้องให้ดำเนินการ（ตอบกลับก่อนวันศุกร์นี้）โทนเสียงเป็นมืออาชีพแต่เป็นมิตร ไม่เกิน 300 คำ」ตัวอย่างทางธุรกิจ
สตูดิโอฟิตเนสแบบสายอยู่ 12 สาขา ในอดีตโค้ชส่งข้อความรับสมาชิกแต่ละคนในกลุ่ม เนื้อหากระจัดกระจาย อัตราการแปลงต่ำ ลูกค้าใหม่ต่อเดือนน้อยกว่า 40 คน
หลังจากนำการวิศวกรรมพรอมต์มาใช้ ทีมการตลาดใช้พรอมต์ที่มีโครงสร้างเพื่อสร้างสำเนาเฉพาะสาขา และทำให้กระบวนการรับสมัครเป็นมาตรฐานภายในสองสัปดาห์
- วิธีการ：ใช้ Prompt 4 ส่วน：บทบาท ผู้ชม ปัญหา การเรียกร้องให้ดำเนิน สร้างโพสต์ อัตราคลิกต่อโพสต์เพิ่มขึ้นจาก 1.2% เป็น 4.5%
- วิธีการ: ใช้พรอมต์สร้างข้อความท้องถิ่นสำหรับ 12 สาขาเป็นชุด ลูกค้าใหม่รายเดือนเพิ่มขึ้นจาก 38 คนเป็น 95 คน
- วิธีการ: สร้างคลังเทมเพลตพรอมต์ที่นำกลับมาใช้ได้ เวลาเขียนข้อความลดลงจาก 45 นาทีต่อรายการเป็น 8 นาที
- วิธีการ：ใช้ Prompt สร้างเวอร์ชัน A/B Testing ลดต้นทุนการแปลงโฆษณา 32%
เคล็ดลับเล็กน้อย
- ใน ChatGPT ระบุบทบาท งาน และรูปแบบก่อนอินพุต เช่น "คุณเป็นที่ปรึกษาด้านการตลาด ให้คำแนะนำสามประเด็นใน 300 คำ"
- เมื่อ Claude ประมวลผลเอกสารยาว ให้วางข้อความต้นฉบับแล้วเพิ่ม「ตอบคำถามจากข้อความข้างต้นเท่านั้น หากไม่แน่ใจให้บอกว่าไม่ทราบ」
- เก็บคำสั่งที่ใช้บ่อยเป็นแม่แบบ Notion เปลี่ยนชื่อลูกค้าและผลิตภัณฑ์แล้วใช้ซ้ำได้
- เมื่อต้องการผลลัพธ์คงที่ ใช้ Zapier ส่งคำตอบแบบฟอร์มไปยัง ChatGPT โดยอัตโนมัติ แล้วเขียนกลับไปยัง Google Sheet
แบบฝึกหัด
สรุปส่วนนี้
- Prompt Engineering คือเทคนิคการออกแบบคำสั่งอินพุตของ AI
- เป็นทักษะ AI ที่มีค่าที่สุด：ใช้ได้ทั่วไป ให้ผลทันที มีเกณฑ์การเข้าต่ำ
- คำแนะนำที่ดี = บทบาทที่ชัดเจน + งานที่เฉพาะเจาะจง + รูปแบบที่ชัดเจน
- ถือว่า AI เป็นผู้ฝึกงานที่ต้องการคำแนะนำที่ชัดเจน
5.2 โครงสร้างพื้นฐานของคำแนะนำ: บทบาท งาน รูปแบบ ข้อจำกัด ตัวอย่าง
ทำไมต้องเรียนรู้สิ่งนี้
การเข้าใจโครงสร้างพื้นฐานของคำสั่งเป็นรากฐานของการเขียนคำสั่งที่ดี
การสอนหลัก
สูตร Prompt สากล：
บทบาท + งาน + รูปแบบ + ข้อจำกัด + ตัวอย่าง1. บทบาท（Role）— บอก AI ว่ามันคือใคร
- 「คุณเป็นนักโภชนาการสัตว์เลี้ยงที่มีประสบการณ์สูง」
- 「คุณเป็นผู้เชี่ยวชาญด้านการตลาดอีคอมเมิร์สที่มีประสบการณ์ 10 ปี」
- 「คุณเป็นที่ปรึกษาการเงินสำหรับวิสาหกิจขนาดกลางและเล็กของฮ่องกง」
2. งาน (Task) — ระบุสิ่งที่ต้องทำอย่างชัดเจน
- 「ช่วยฉันเขียนสำเนา」
- 「เขียนบทนำสินค้าอาหารแมวรุ่นใหม่ 300 คำ โดยเน้นส่วนประกอบธรรมชาติและการผลิตในไต้หวัน」
3. รูปแบบ (Format) — ระบุรูปแบบผลลัพธ์
- 「นำเสนอในรูปแบบรายการ」
- 「เปรียบเทียบในรูปแบบตาราง」
- 「แบ่งออกเป็นสามย่อหน้า: บทนำ เนื้อหา บทสรุป」
- 「ส่งออกในรูปแบบ JSON」
4. ข้อจำกัด (Constraints) — กำหนดขอบเขต
- 「จำกัดจำนวนคำไว้ที่ 300 คำขึ้นไป」
- 「ใช้เฉพาะภาษาจีนตัวเต็ม」
- 「หลีกเลี่ยงการใช้คำศัพท์เทคนิค」
- 「อย่ากล่าวถึงคู่แข่ง」
5. ตัวอย่าง (Examples) — อ้างอิงสำหรับ AI
- 「อ้างอิงสไตล์นี้: [วางตัวอย่าง]」
- 「รูปแบบเช่นนี้: [วางตัวอย่าง]」
ตัวอย่างทางธุรกิจ
สตูดิโอฟิตเนสแบบสายอยู่ 12 สาขาทั่วไทย โค้ชใช้เวลามากในการคิดโพสต์โซเชียล ส่งผลให้ผลผลิตข้อความรับสมาชิกช้า กิจกรรมตามช่วงเวลามักล่าช้า หลังจากนำพรอมต์แบบมีโครงสร้างมาใช้ ทีมการตลาดลดเวลาเขียนโพสต์จาก 40 นาทีต่อรายการเป็น 8 นาที
- วิธีการ：ตั้งบทบาท「Senior Fitness Marketing Specialist」ให้ AI สร้างข้อความที่สอดคล้องกับลักษณะแบรนด์ ลดจำนวนการแก้ไขของโค้ชจากเฉลี่ย 5 ครั้งเหลือ 1 ครั้ง
- วิธีการ: ระบุรูปแบบเป็นคำถามเปิด 3 จุดขายหลักสูตร การเรียกร้องการดำเนิน ทำให้อัตราการมีส่วนร่วมของโพสต์เพิ่มขึ้น 35%
- วิธีการ: เพิ่มข้อจำกัดจำนวนตัวอักษรและโทนเสียง ควบคุมโพสต์แต่ละรายการให้อยู่ภายใน 150 ตัวอักษร ความสอดคล้องของสไตล์ข้อความข้ามสาขาถึง 90%
- วิธีการ: จัดเตรียมโพสต์ที่ประสบความสำเร็จ 2 รายการเป็นตัวอย่าง เวลาเรียนรู้ของคนใหม่ลดลงจาก 3 สัปดาห์เป็น 4 วัน
เคล็ดลับเล็กน้อย
- เขียนให้เต็มสามคอลัมน์ "บทบาท + งาน + รูปแบบ" ก่อน จากนั้นลบทีละประโยค ทดสอบว่าผลลัพธ์ ChatGPT ยังคงบรรลุเป้าหมายหรือไม่
- ใส่ใน Claude ว่า「บทบาท：บรรณาธิการการเงิน；งาน：สรุป；รูปแบบ：สามจุดรายการ」แล้วรันสามครั้งเพื่อเปรียบเทียบความเสถียร
- เขียนข้อจำกัดเป็นประโยคปฏิเสธ เช่น "ไม่เกิน 100 ตัวอักษร ไม่ใช้ emoji" มีประสิทธิผลมากกว่าคำบรรยายเชิงบวก
- ใส่ตัวอย่างลงใน Notion Template เพื่อให้ทีมคัดลอก Prompt เดียวกันแล้วแก้ไขเฉพาะช่องงาน
- งานง่ายๆ เช่น Canva Copy ให้เหลือเพียง "บทบาท＋งาน" ส่วนช่องอื่นๆ ข้ามไปก่อนแล้วตรวจสอบทีหลัง
แบบฝึกหัด
สรุปส่วนนี้
- สูตรสากล：บทบาท + งาน + รูปแบบ + ข้อจำกัด + ตัวอย่าง
- การตั้งค่าบทบาทส่งผลต่อความเป็นมืออาชีพและน้ำเสียงของ AI
- งานต้องเฉพาะเจาะจงและชัดเจน หลีกเลี่ยงความคลุมเครือ
- รูปแบบและข้อจำกัดเพื่อให้แน่ใจว่าผลลัพธ์ตรงตามความต้องการ
【บทบาท】คุณเป็นที่ปรึกษาการตลาดอาวุโสของร้านสินค้าสัตว์เลี้ยงในฮ่องกง
【งาน】ออกแบบหัวข้อโพสต์ Instagram 3 รายการสำหรับช่วงคริสต์มาสที่จะมาถึง
【รูปแบบ】แต่ละหัวข้อรวม: ชื่อเรื่อง, ข้อความโพสต์ (ไม่เกิน 80 ตัวอักษร), hashtag 5 รายการ
【ข้อจำกัด】น้ำเสียงผ่อนคลาย; กลุ่มเป้าหมายคือผู้เลี้ยงแมวอายุ 25-40 ปี; ไม่ใช้ Emoji
【ตัวอย่าง】เดือนตุลาคมปีที่แล้วฉันใช้สไตล์นี้: 「เลิกงานไม่คิดว่ามันจะเร็วขนาดนี้ — เป็นแมวของฉัน」
- ฉันสามารถเขียน Prompt ด้วยห้าคอลัมน์ "บทบาท/งาน/รูปแบบ/ข้อจำกัด/ตัวอย่าง"
- ฉันรู้ว่าเมื่อไม่ระบุรูปแบบ AI จะประมาณเอง (นี่คือสาเหตุหลักของผลลัพธ์ที่ไม่เสถียร)
- ฉันมีแม่แบบสี่ส่วนของอุตสาหกรรมของตัวเองเก็บไว้
5.3 เทคนิคคำแนะนำ Zero-shot และ Few-shot
ทำไมต้องเรียนรู้สิ่งนี้
เทคนิคทั้งสองนี้เป็นตัวกำหนดว่า AI จำเป็นต้อง "ดูตัวอย่าง" เพื่อให้ได้ผลลัพธ์ที่ดีหรือไม่
การสอนหลัก
Zero-shot (Zero-shot) — ไม่ให้ตัวอย่าง
ให้งานกับ AI โดยตรง ไม่ต้องให้ตัวอย่างใดๆ
「แปลข้อความภาษาอังกฤษต่อไปนี้เป็นภาษาจีนตัวเต็ม: Hello, how are you?」สถานการณ์ที่เหมาะสม:
- งานง่ายๆ（แปล、สรุป、จำแนก）
- ประเภทงานที่ AI คุ้นเคยแล้ว
- ไม่จำเป็นต้องมีสไตล์เฉพาะ
ตัวอย่างน้อย (Few-shot) — ให้ 2-5 ตัวอย่าง
ให้ AI ดูตัวอย่างสองสามรายการก่อน จากนั้นให้ทำงานให้เสร็จสิ้น
「โปรดเขียนจุดขายสำหรับสินค้าสัตว์เลี้ยงตามตัวอย่างต่อไปนี้:
ตัวอย่าง 1:
สินค้า: อาหารแมวธรรมชาติ
จุดขาย: ส่วนประกอบธรรมชาติ 100% ไม่มีสารเติมแต่งเทียม ดูแลระบบทางเดินอาหารของแมวที่ไวต่อสารเคมี
ตัวอย่าง 2:
สินค้า: เครื่องให้น้ำสัตว์เลี้ยงอัตโนมัติ
จุดขาย: ดีไซน์น้ำไหลวิ่ง ดึงดูดแมวให้ดื่มน้ำมากขึ้น ป้องกันโรคไต
ตอนนี้โปรดเขียนจุดขายสำหรับสินค้าต่อไปนี้:
สินค้า: ปลอกคอสัตว์เลี้ยงอัจฉริยะ」สถานการณ์ที่เหมาะสม:
- ต้องการสไตล์หรือรูปแบบเฉพาะ
- งานที่ซับซ้อนต้องการการชี้นำ
- หวังว่าผลลัพธ์จะสอดคล้องกับตัวอย่าง
ตัวอย่างทางธุรกิจ
ศูนย์ฟิตเนสแห่งหนึ่งมี 12 สาขา ทีมการตลาดมีเพียง 3 คน ต้องสร้างข้อความแนะนำคอร์สและโค้ชกว่าร้อยข้อต่อเดือน ทรัพยากรบุคคลไม่เพียงพอและคุณภาพไม่สม่ำเสมอ ทีมเปลี่ยนมาใช้การแนะนำตัวอย่างน้อย โดยให้ตัวอย่างสองตัวอย่างก่อนแล้วสร้างเป็นกลุ่ม
- วิธีการ：ใช้ตัวอย่างข้อความหลักสูตรที่ยอดเยี่ยม 2 รายการเป็นแนวทาง ให้โมเดลเลียนแบบโทนและโครงสร้าง เพิ่มประสิทธิภาพการสร้าง 4 เท่า ลดเวลาจาก 8 ชั่วโมงเหลือ 2 ชั่วโมง
- วิธีการ: กำหนดรูปแบบสามคอลัมน์ "ชื่อหลักสูตร ประโยชน์ กลุ่มเป้าหมาย" ในพรอมต์ สร้างข้อความ 120 รายการ ความสอดคล้องของรูปแบบถึง 95%
- วิธีการ: สุ่มตรวจสอบ 10 รายการข้อความด้วยตนเองหลังจากแต่ละชุด อัตราการปฏิเสธข้อความลดลงจาก 35% เป็น 8%
- วิธีการ: บันทึกเทมเพลตตัวอย่างเป็นสินทรัพย์ที่ใช้ร่วมกัน คนใหม่สามารถเรียนรู้และสร้างผลงานอิสระได้ภายใน 1 วัน
เคล็ดลับเล็กน้อย
- ใน ChatGPT ให้ตัวอย่าง 2-3 ชุด "อินพุต→เอาต์พุต" ก่อน แล้วนำอินพุตใหม่มาวาง
- เมื่อใช้ Claude ให้ติดป้ายตัวอย่างว่า「ตัวอย่างที่ 1」「ตัวอย่างที่ 2」เพื่อหลีกเลี่ยงความสับสน
- รูปแบบตัวอย่างต้องสอดคล้องกัน เช่น ใช้ "ลูกค้า：…／คำตอบ：…" เท่านั้น
- หากผลลัพธ์ไม่เสถียร ให้เพิ่มตัวอย่างเป็น 3 ตัวอย่างก่อน อย่าใส่ 10 ตัวอย่างในครั้งเดียว
- เก็บตัวอย่างเทมเพลตที่ใช้บ่อยใน Notion จากนั้นคัดลอกลงใน prompt ครั้งต่อไป
แบบฝึกหัด
สรุปส่วนนี้
- Zero-shot: ไม่ให้ตัวอย่าง เหมาะสำหรับงานง่าย
- ตัวอย่างน้อย: ให้ 2-5 ตัวอย่าง เหมาะสำหรับงานที่ต้องการสไตล์เฉพาะ
- ตัวอย่างช่วยยกระดับคุณภาพผลลัพธ์ AI อย่างมีนัยสำคัญ
- 2-3 ตัวอย่างมักเป็นจำนวนที่เหมาะสมที่สุด
Few-shot แก้ปัญหาเสียงแบรนด์ที่ยากลำบาก
สตูดิโอถ่ายภาพสัตว์เลี้ยงที่มีสไตล์ Instagram ที่เป็นเอกลักษณ์มาก (ภาษากวางตุงบวกอารมณ์ขันแบบเฉยๆ) โดยทั่วไป prompt ที่เขียนโดย AI มักจะ "เป็นทางการมากเกินไป" เจ้าของธุรกิจจึงเปลี่ยนมาใช้ few-shot: นำข้อความเก่าที่พอใจที่สุดสามชิ้นมาใส่ใน prompt แล้วให้ AI "ตามสไตล์และจังหวะของสามชิ้นนี้ เขียน post ใหม่" ได้ผลทันที —เพราะสำหรับ AI ตัวอย่างคือข้อกำหนดที่แม่นยำที่สุด
วิธีการเลือก Zero-shot vs Few-shot
- เริ่มต้นด้วย zero-shot：บอกความต้องการโดยตรง หากผลลัพธ์ได้ 80 คะแนนขึ้นไป ก็เสร็จสิ้น
- ถ้าไม่พอก็ +1 ตัวอย่าง：วางตัวอย่างผลลัพธ์ในอุดมคติของคุณ แล้วลองใหม่
- ยังไม่พอ ลองใช้ 2-3 ตัวอย่าง：งานที่มีโทนเสียงและรูปแบบซับซ้อน（เช่น สำเนาแบรนด์ สไตล์รายงาน）มักจำเป็น
- เก็บสำเนา prompt ฉบับสุดท้ายไว้：นี่คือ「สินทรัพย์ prompt ของแบรนด์」ของคุณ ทีมทั้งหมดสามารถนำกลับมาใช้ได้
- ฉันรู้ลำดับของการลอง zero-shot ก่อน แล้วเสริม few-shot ทีหลัง
- ฉันมีแม่แบบ few-shot ที่เก็บไว้อย่างน้อยหนึ่งรายการ
5.4 วิธี Chain-of-Thought (ลูกโซ่ความคิด)
ทำไมต้องเรียนรู้สิ่งนี้
Chain-of-Thought ช่วยให้ AI แสดงกระบวนการให้เหตุผล ยกระดับคุณภาพคำตอบสำหรับปัญหาที่ซับซ้อนอย่างมาก
การสอนหลัก
Chain-of-Thought (CoT) เป็นเทคนิคการสร้างคำสั่งที่ให้ AI「คิดทีละขั้นตอน」
การใช้งานพื้นฐาน：
「โปรดคิดทีละขั้นตอน แล้วให้คำตอบ」การใช้งานขั้นสูง:
「โปรดวิเคราะห์ตามขั้นตอนต่อไปนี้:
สถานการณ์ที่เหมาะสม:
- การตัดสินใจทางธุรกิจที่ซับซ้อน
- การวิเคราะห์และการตีความข้อมูล
- การวินิจฉัยปัญหาและแนวทางแก้ไข
- การวางแผนกลยุทธ์
ตัวอย่างทางธุรกิจ
บริษัทศูนย์ฟิตเนสแบบสาขาที่มีพนักงานประมาณ 40 คน ในปีที่ผ่านมามีอัตราการสูญเสียสมาชิกสูง อัตราการต่ออายุสัญญาอยู่ที่ประมาณ 55% เท่านั้น ฝ่ายบริหารหวังที่จะค้นหาสาเหตุและปรับปรุงกลยุทธ์การต่ออายุสัญญา
- วิธีการ：ใช้ Chain of Thought แยกกระบวนการสูญเสียสมาชิก จากแรงจูงใจการเข้าร่วม ความถี่การเยี่ยมชม ปฏิสัมพันธ์กับโค้ช ไปจนถึงความเต็มใจในการต่ออายุ ค้นหาว่าอัตราการเยี่ยมชมต่ำกว่า 40% ในเดือนที่ 3 เป็นกุญแจสำคัญของการสูญเสีย ปรับกลยุทธ์การติดตามตามนั้น อัตราการต่ออายุเพิ่มขึ้นเป็น 70%
- วิธีการ: ขอให้โมเดลวิเคราะห์ประชากรโดยรอบ ค่าเช่า และความหนาแน่นของการแข่งขันสำหรับตำแหน่งสาขาใหม่ตามลำดับ จากนั้นให้คะแนนรวม สำเร็จในการลดเวลาประเมินตำแหน่งสาขาใหม่จาก 3 สัปดาห์เป็น 4 วัน
- วิธีการ: ใช้การออกแบบ chain-of-thought สำหรับการพูดขายของโค้ช ชี้แจงปัญหาของลูกค้าก่อนแล้วจึงเสนอวิธีแก้ไข หลังจากทดลอง 2 เดือน อัตราการแปลงหลักสูตรโค้ชส่วนตัวเพิ่มขึ้นจาก 18% เป็น 27%
เคล็ดลับเล็กน้อย
- ใน ChatGPT เพิ่ม "โปรดคิดทีละขั้นตอน ระบุขั้นตอนก่อนแล้วให้คำตอบ" ที่ท้าย prompt
- เมื่อใช้ Claude ให้เขียนใหม่เป็น「Let's think step by step สรุปด้วยประโยคเดียวในตอนท้าย」
- คำขอรูปแบบผลลัพธ์: "ขั้นตอนที่หนึ่ง…ขั้นตอนที่สอง…ขั้นตอนที่สาม…สรุป" บังคับให้ขยายการให้เหตุผล
- แบ่งปัญหาออกเป็นปัญหาย่อย ถามใน ChatGPT ทีละข้อ แล้วขอให้รวมเข้าด้วยกัน
- วางหัวข้อใน Notion AI แล้วเพิ่ม「วิเคราะห์ก่อนตอบ」เพื่อยกระดับความแม่นยำ
แบบฝึกหัด
สรุปส่วนนี้
- Chain-of-Thought ให้ AI แสดงกระบวนการให้เหตุผลทีละขั้นตอน
- เหมาะสำหรับการตัดสินใจที่ซับซ้อน การวิเคราะห์ข้อมูล การวางแผนกลยุทธ์
- เพิ่ม "โปรดคิดทีละขั้นตอน" เพื่อเรียกใช้
- ยกระดับคุณภาพคำตอบสำหรับงานที่ซับซ้อนอย่างมีนัยสำคัญ
ฉันวางแผนจะกำหนดราคาบริการอาบน้ำสัตว์เลี้ยง โปรดแสดงรายการข้อมูลที่คุณต้องการก่อน แล้วรอให้ฉันเติมเต็ม
จากนั้นให้เหตุผลทีละขั้นตอน: โครงสร้างต้นทุน → อ้างอิงคู่แข่ง → ตำแหน่งราคาทางจิตวิทยา → สุดท้ายให้ฉัน 3 ตัวเลือกราคาพร้อมความเสี่ยงแต่ละตัว
อย่าข้ามขั้นตอน แสดงรายละเอียดในแต่ละขั้นตอน
- ฉันรู้ว่าทำไม "ทีละขั้นตอน" จึงมีประสิทธิผล (บังคับให้ AI แสดงการให้เหตุผล)
- ฉันใช้ Chain-of-Thought ในงานตัวเลข/เปรียบเทียบ/ตัดสินใจ
5.5 คำแนะนำผลลัพธ์ที่มีโครงสร้าง: การควบคุมรูปแบบ JSON ตาราง รายการ
ทำไมต้องเรียนรู้สิ่งนี้
การควบคุมรูปแบบผลลัพธ์ของ AI ช่วยให้ผลลัพธ์ง่ายต่อการประมวลผลและใช้งานในขั้นตอนต่อไป
การสอนหลัก
รูปแบบผลลัพธ์ที่มีโครงสร้างทั่วไป:
1. รูปแบบตาราง
「โปรดใช้ตารางเปรียบเทียบเครื่องมือ AI สามตัวต่อไปนี้:
| เครื่องมือ | ราคา | ฟังก์ชันหลัก | เหมาะสำหรับใคร |」2. รูปแบบ JSON
「โปรดส่งออกในรูปแบบ JSON:
{
"ชื่อสินค้า": "...",
"ราคา": "...",
"จุดขาย": ["...", "...", "..."],
"ลูกค้าเป้าหมาย": "..."
}」3. รูปแบบรายการ
「โปรดใช้รายการลำดับเลขแสดง 5 ข้อเสนอแนะ แต่ละข้อเสนอแนะประกอบด้วย:
<strong>4. รูปแบบ Markdown</strong>「โปรดใช้รูปแบบมาร์กดาวน์ รวมถึงชื่อเรื่อง หัวข้อย่อย จุดสำคัญตัวหนา คำอธิบายรายการ」
ตัวอย่างทางธุรกิจ
ศูนย์ฟิตเนสแห่งหนึ่งต้องอัปเดตราคาคอร์สและข้อมูลโค้ชสำหรับ 40 สาขาต่อเดือน ในอดีตโดย 3 คนในทีมการตลาดจัดเรียงด้วยตนเอง ใช้เวลาเฉลี่ย 6 ชั่วโมงและอัตราข้อผิดพลาด 8%
- วิธีการ：ใช้ Prompt ที่มีโครงสร้างขอให้โมเดลส่งออก JSON โดยมีฟิลด์คงที่：ชื่อหลักสูตร ราคาต่อคลาส โค้ช ระยะเวลา สาขา ผลลัพธ์ที่วัดได้：ลดเวลาการจัดระเบียบจาก 6 ชั่วโมงเหลือ 25 นาที
- วิธีการ: ระบุ features เป็นอาร์เรย์ price เป็นจำนวนเต็มในพรอมต์ บังคับความสอดคล้องของประเภท ผลลัพธ์ที่วัดได้: อัตราข้อผิดพลาดในรูปแบบลดลงจาก 8% เป็นต่ำกว่า 0.5%
- วิธีการ: เพิ่มฟิลด์การจำแนก category และจำกัดค่าแบบ enumerated เช่น การฝึกแรง, แอโรบิก, โยคะ ผลลัพธ์ที่วัดได้: ข้อผิดพลาดในการรวมข้อมูลข้ามสาขาลดลงจาก 12 ครั้งต่อเดือนเป็น 1 ครั้ง
- วิธีการ：ใช้เทมเพลตเดียวกันประมวลผลข้อมูล 40 สาขา ส่งออก 200 รายการหลักสูตรในครั้งเดียว ผลลัพธ์ที่วัดได้：ประหยัดแรงงาน 22 ชั่วโมงต่อเดือน เทียบเท่าเวลาทำงานของพนักงาน 0.5 คน
เคล็ดลับเล็กน้อย
- เมื่อขอ JSON ให้เขียน "ส่งออก JSON เท่านั้น ไม่ต้องอธิบาย" ในพรอมต์ ChatGPT เพื่อหลีกเลี่ยงข้อความอธิบายที่ผสมกัน
- เมื่อส่งออก CSV ด้วย Claude ให้ระบุชื่อและลำดับของฟิลด์ก่อน เช่น「ฟิลด์: ชื่อ,จำนวนเงิน,วันที่」
- ก่อนวางข้อมูล JSON ลงใน Zapier ให้ตรวจสอบรูปแบบด้วย JSONLint เพื่อหลีกเลี่ยงการหยุดชะงักของกระบวนการอัตโนมัติ
- เมื่อต้องการตาราง ให้เขียน "ส่งออกเป็นตาราง Markdown" ในคำแนะนำ แล้วนำไปวางใน Notion เพื่อรักษาคอลัมน์
แบบฝึกหัด
สรุปส่วนนี้
- Structured Output ทำให้ผลลัพธ์ AI ง่ายต่อการประมวลผลในขั้นตอนถัดไป
- รูปแบบทั่วไป: ตาราง JSON รายการ Markdown
- เมื่อสร้างเนื้อหาเป็นชุด ต้องใช้รูปแบบที่มีโครงสร้าง
- รูปแบบ JSON เหมาะสมที่สุดสำหรับการรวมระบบ
| รูปแบบผลลัพธ์ | สถานการณ์ที่เหมาะสม | รูปแบบประโยคคำสั่ง |
|---|---|---|
| รายการ | ไอเดีย งานที่ต้องทำ รายการตรวจสอบ | 「ใช้ numbered list รายการละหนึ่งบรรทัด ไม่เกิน 15 คำ」 |
| ตาราง | สรุปการเปรียบเทียบ ข้อมูลจำเพาะ และราคา | 「ใช้ตารางมาร์กดาวน์ คอลัมน์: ชื่อสินค้า/ราคาต่อหน่วย/จำนวนสั่งซื้อขั้นต่ำ」 |
| JSON | ส่งไปยังระบบ/โปรแกรมอื่น | 「ส่งออก JSON เท่านั้น schema: {name, price, tags[]}」 |
| การสื่อสารภายนอก | 「ส่งออกหัวข้อ + เนื้อหา เนื้อหาไม่เกิน 120 ตัวอักษร มีความเป็นมืออาชีพแต่เป็นมิตร」 |
Structured Output เป็นสะพานเชื่อมระหว่าง AI กับขั้นตอนการทำงาน：รายการสำหรับมนุษย์ JSON สำหรับเครื่องจักร เมื่อ prompt ของคุณสามารถสร้าง JSON ที่มี schema คงที่ได้อย่างเสถียร คุณสามารถเชื่อมต่อ AI กับสเปรดชีต Notion หรือระบบของคุณเอง — นี่คือเส้นแบ่งระหว่าง「ใช้ AI」และ「ทำให้ AI เป็นอัตโนมัติ」（บทที่ 9 จะศึกษาเชิงลึก）
- ฉันรู้วิธีระบุรูปแบบผลลัพธ์สี่ประเภทตามวัตถุประสงค์
- ฉันลองกระบวนการ "AI ส่งออก JSON → วางลงในสเปรดชีต" มาแล้ว
5.6 การออกแบบระบบคำแนะนำ (System Prompt) และการสวมบทบาท
ทำไมต้องเรียนรู้สิ่งนี้
System Prompt สามารถตั้งค่า "บุคลิกภาพ" และกฎเกณฑ์พฤติกรรมของ AI ซึ่งส่งผลต่อการสนทนาทั้งหมดในภายหลัง
การสอนหลัก
System Prompt（System Prompt） เป็นคำสั่งที่ตั้งไว้ก่อนเริ่มการสนทนา กำหนดบทบาทและกฎการทำงานของ AI
องค์ประกอบของการออกแบบพรอมต์ระบบ:
<strong>ตัวอย่าง: ระบบคำแนะนำที่ปรึกษาด้านโภคนาณของสัตว์เลี้ยง</strong>คุณเป็นที่ปรึกษาด้านโภคนาการสัตว์เลี้ยงมืออาชีพ ถือปริญญาโท Veterinary Nutrition
ความเชี่ยวชาญของคุณ：
- การวิเคราะห์องค์ประกอบอาหารสัตว์ลูกเลี้ยง
- ความต้องการสารอาหารที่แตกต่างกันตามสายพันธุ์/อายุ
- ปัญหาการแพ้อาหารและความไวต่ออาหาร
- คำแนะนำการจัดการน้ำหนัก
กฎเกณฑ์พฤติกรรม：
- ให้ความสำคัญกับสุขภาพสัตว์เลี้ยงเสมอ
- คำแนะนำต้องมีหลักฐานทางวิทยาศาสตร์
- เมื่อไม่แน่ใจให้บอกอย่างชัดเจน
- แนะนำประเภทผลิตภัณฑ์เฉพาะ (ไม่ใช่แบรนด์)
ข้อจำกัด:
- ไม่ให้การวินิจฉัยทางการแพทย์
- ไม่แนะนำอาหารสัตว์ตามใบสั่งแพทย์
- ปัญหาที่ซับซ้อนแนะนำให้ปรึกษาแพทย์สัตวแพทย์
สไตล์ผลลัพธ์:
- ใช้ภาษาจีนตัวเต็ม
- น้ำเสียงเป็นมืออาชีพแต่อบอุ่น
- ใช้ emoji อย่างเหมาะสม
- การนำเสนอแบบมีโครงสร้าง（แบบรายการ）
ตัวอย่างทางธุรกิจ
ศูนย์ฟิตเนสแบบสายชั่ง "Move It" มี 12 สาขา พนักงานบริการลูกค้าประมาณ 40 คน จัดการคำถามสมาชิกกว่า 600 รายต่อวัน ปัญหาทั่วไปคือวิธีการขายของโค้ชไม่สม่ำเสมอ คำตอบยาวเกินไป ส่งผลให้อัตราการแปลงเพียง 8%
นำระบบคำแนะนำมาใช้สำหรับทีมนี้ เพื่อให้เสียงและกฎของ AI ลูกค้าสัมพันธ์เป็นแบบเดียวกัน ผลลัพธ์ที่เฉพาะเจาะจงมีดังนี้:
- ตั้งค่าบทบาทและน้ำเสียง: ขอให้เรียกตัวเองว่า "พันธมิตรฟิตเนส" จำกัดการตอบสนองไว้ 80 ตัวอักษร เวลาประมวลผลเฉลี่ยของบริการลูกค้าลดลงจาก 5 นาทีเป็น 2 นาที
- กำหนดตรรมชาติของการแนะนำ: แนะนำคอร์สตามเป้าหมายของสมาชิก (เพิ่มกล้าม ลดไขมัน ฟื้นฟู) อัตราการแปลงคอร์สเพิ่มขึ้นจาก 8% เป็น 19%
- ขอบเขตที่ห้าม: ห้ามสัญญาผลลัพธ์หรือต่อรองราคา อัตราการขยายเรื่องร้องเรียนลดลง 35%
- เพิ่มกฎการแยกสาขา: กรณีเกี่ยวกับการคืนเงินให้ขอโทษก่อนแล้วโอนไปยังเจ้าหน้าที่จริง คะแนนความพึงพอใจเพิ่มขึ้นจาก 3.6 เป็น 4.5
เคล็ดลับเล็กน้อย
- ใน ChatGPT ใช้ "คุณคือ..." ที่จุดเริ่มต้นเพื่อระบุบทบาทและน้ำเสียง เช่น "คุณเป็นนักวิเคราะห์รายงานการเงินที่เข้มงวด"
- System prompt ของ Claude สามารถระบุรูปแบบผลลัพธ์ได้ เช่น "ใช้รูปแบบสามจุดเสมอ แต่ละจุดต่ำกว่า 20 ตัวอักษร"
- เขียนกลุ่มเป้าหมายและคำที่ห้ามใช้ลงในคำแนะนำ เช่น "ผู้อ่านเป็นนักเรียนมัธยมปลาย หลีกเลี่ยงศัพท์เทคนิค"
- ใช้ Notion สร้างไลบรารีเทมเพลตระบบ prompt คัดลอกวางตามโครงการ ประหยัดเวลาการเขียนใหม่ทุกครั้ง
แบบฝึกหัด
สรุปส่วนนี้
- System Prompt ตั้งค่าบทบาทและกฎเกณฑ์พฤติกรรมของ AI
- รวมถึง: บทบาท ความเชี่ยวชาญ กฎ ข้อจำกัด สไตล์
- คำแนะนำระบบที่ดีช่วยให้ AI ให้ผลลัพธ์ที่สอดคล้องและเป็นมืออาชีพ
- ควรตั้งค่าเมื่อเริ่มต้นการสนทนา
System Prompt（หรือส่วนตั้งค่าที่จุดเริ่มต้นของการสนทนา）คือ "การตั้งค่าถาวร" ของคุณ：เขียนครั้งเดียว ใช้ได้ตลอดการสนทนา ระบบ Prompt สามสายที่คุ้มค่าที่สุด：（1）บทบาท + ระดับความเชี่ยวชาญ「คุณเป็นที่ปรึกษาการตลาดค้าปลีกของฮ่องกงที่มีประสบการณ์ 10 ปี」（2）มาตรฐานผลลัพธ์「ตอบในภาษาจีนตัวเต็ม เน้นจุดสำคัญด้วยตัวหนา ตั้งค่าให้กระชับ」（3）ขอบเขต「ถ้าไม่แน่ใจ ให้ระบุว่าไม่ทราบโดยตรง อย่าสร้างข้อมูลขึ้นมา」 ข้อแนะนำสามบรรทัดนี้จะยกระดับคุณภาพการสนทนาในชีวิตประจำวันได้ทันที
- ฉันเขียน System Prompt สามบรรทัดของตัวเองและใช้ในชีวิตประจำวัน
- ฉันรู้ว่าการสวมบทบาทจะเปลี่ยนคำศัพท์และมุมมองของ AI
5.7 การสร้างแม่แบบคำแนะนำและการจัดการตัวแปร
ทำไมต้องเรียนรู้สิ่งนี้
การสร้างแม่แบบพรอมต์ช่วยเพิ่มประสิทธิภาพการทำงานอย่างมากและสร้างเนื้อหาเป็นจำนวนมาก
การสอนหลัก
เทมเพลตคำสั่ง เป็นกรอบการสร้างคำสั่งที่มีตัวแปรที่สามารถแทนที่ได้
โครงสร้างเทมเพลต:
ส่วนคงที่ + {{ตัวแปร}} + ส่วนคงที่ตัวอย่าง：Template คำอธิบายผลิตภัณฑ์
คุณเป็นนักเขียนโฆษณาผลิตภัณฑ์สัตว์เลี้ยงมืออาชีพ
โปรดเขียนคำอธิบายผลิตภัณฑ์ 200 คำสำหรับผลิตภัณฑ์ต่อไปนี้:
ชื่อผลิตภัณฑ์: {{ชื่อผลิตภัณฑ์}}
หมวดหมู่ผลิตภัณฑ์: {{หมวดหมู่}}
ลูกค้าเป้าหมาย: {{ลูกค้าเป้าหมาย}}
หัวข้อหลัก：{{หัวข้อหลัก1}}、{{หัวข้อหลัก2}}、{{หัวข้อหลัก3}}
ข้อกำหนดรูปแบบ:
- บทเปิด: คำถามหรือสถานการณ์ที่น่าสนใจ
- เนื้อหา：อธิบายรายละเอียด 3 จุดขาย
- ท้าย：Call to Action
น้ำเสียง: เป็นมืออาชีพแต่เป็นมิตร
ภาษา: ภาษาจีนตัวเต็ม
<strong>การใช้งานแบบกลุ่ม:</strong>ชื่อผลิตภัณฑ์: อาหารแมวธรรมชาติ 5 กก.
หมวดหมู่: อาหารแมว
ลูกค้าเป้าหมาย: เจ้าของแมวที่ให้ความสำคัญกับสุขภาพ
จุดขาย 1: ส่วนประกอบธรรมชาติ 100%
ขายจุดเด่นที่ 2: ไม่มีการเติมสารกันบูด
จุดขาย 3: นำเข้าจากนิวซีแลนด์
ตัวอย่างทางธุรกิจ
สตูดิโอฟิตเนสแบบสาย มี 12 สาขาและโค้ช 40 คน ในอดีตแต่ละโค้ชเขียนข้อความรับสมาชิกและข้อความดูแลหลังเรียนเอง สไตล์ไม่สอดคล้องกันและใช้เวลา สำนักงานใหญ่ยากต่อการจัดการคุณภาพการตลาดแบบรวมศูนย์
- แม่แบบโพสต์รับสมัครนักเรียน:สร้างแม่แบบ 8 ชุดจำแนกตามประเภทหลักสูตร โค้ชนำไปใช้แล้วการโพสต์รายวันเพิ่มขึ้นจาก 3 เป็น 15 โพสต์
- เทมเพลตอีเมลการดูแลผู้เรียน：ออกแบบตามห้าสถานการณ์ เช่น การต่ออายุสัญญาและการเตือนการสูญเสีย พนักงานบริหารจัดการจำนวนจดหมายต่อสัปดาห์เพิ่มจากแปดสิบเป็นสามร้อยฉบับ
- เทมเพลตข้อความสรรหาโค้ช:รวมเสียงแบรนด์และนำเข้าตัวแปรตำแหน่งงานสาขา ช่วงเวลาการสรรหาครั้งเดียวลดลงจาก 21 วัน เหลือ 9 วัน
- เทมเพลตรายงานรายเดือน:นำเข้าตัวแปรรายได้ร้านและอัตราการเข้าเรียนโดยอัตโนมัติ เวลาที่สำนักงานใหญ่รวบรวมรายงาน 12 สาขาลดลงจาก 6 ชั่วโมง เหลือ 40 นาที
เคล็ดลับเล็กน้อย
- ใช้ Notion สร้างฐานข้อมูล「ไลบรารีเทมเพลต Prompt」จัดหมวดหมู่ด้วยแท็กตามการตลาด บริการลูกค้า การเขียน
- เขียนตัวแปรทั้งหมดเป็น{{ชื่อผลิตภัณฑ์}} รูปแบบ สะดวกสำหรับการแทนที่แบบกลุ่มด้วย Ctrl+H
- ใน ChatGPT วางแม่แบบโครงกระดูกที่ใช้บ่อยในคำสั่งที่กำหนดเอง ประหยัดการวางซ้ำทุกครั้ง
- Claude เก็บไฟล์เทมเพลตในโครงการ สามารถอ้างอิงโดยตรงในการสนทนาโดยเรียกชื่อไฟล์
- เพิ่ม 'หากข้อมูลขาดหายไปโปรดถามฉันก่อน' ที่ท้ายเทมเพลตเพื่อลดความเสี่ยงของภาพหลอน
แบบฝึกหัด
สรุปส่วนนี้
- เทมเพลตคำสั่ง = ส่วนคงที่ + ตัวแปร
- เหมาะสำหรับการผลิตเนื้อหาจำนวนมาก
- สร้างคลังแม่แบบ จำแนกตามสถานการณ์
- ทุกครั้งที่ใช้งาน เพียงแค่แทนที่ตัวแปร
ไวยากรณ์ตัวแปรเทมเพลต: เรียนรู้ได้ใน 3 นาที
- เขียนส่วนคงที่ให้แข็ง：บทบาท รูปแบบ ข้อจำกัดไม่เปลี่ยนแปลง
- เปลี่ยนส่วนที่เปลี่ยนแปลงเป็น [ตัวแปร]：เช่น「เขียนโพสต์ [แพลตฟอร์ม] สำหรับ [ชื่อผลิตภัณฑ์] เป้าหมาย [กลุ่มลูกค้า]」
- บันทึกลงในไฟล์ที่แชร์กับทีม，ระบุข้อกำหนดการกรอกข้อมูลสำหรับตัวแปรแต่ละตัว
- พร้อมใช้สำหรับพนักงานใหม่：สมาชิกทีมใดๆ กรอกข้อมูลแล้วได้เนื้อหา 80 คะแนน — นี่คือ leverage ของเทมเพลต
- ฉันสร้างแม่แบบ Prompt 3 ตัวที่ใช้บ่อยที่สุด
- เทมเพลตแชร์ให้กับทีมแล้ว
5.8 วิธีการวนซ้ำการปรับปรุงคำแนะนำ
ทำไมต้องเรียนรู้สิ่งนี้
Prompt ที่เขียนครั้งแรกแทบไม่มีความสมบูรณ์แบบเลย เรียนรู้การปรับปรุงและวนซ้ำ เพื่อให้ผลลัพธ์ AI ดีขึ้นอย่างต่อเนื่อง
การสอนหลัก
วัฏจักร PDCA ของการปรับปรุงคำสั่ง:
Plan (ออกแบบ) → Do (ทดสอบ) → Check (ประเมินผล) → Act (ปรับปรุง)กลยุทธ์การปรับปรุง:
- 「เขียนให้ดีขึ้น」
- 「เพิ่มข้อมูลสนับสนุนเพิ่มเติม เพิ่มตัวเลขสถิติหนึ่งตัวในแต่ละย่อหน้า」
- ลองใช้การตั้งค่าบทบาทที่แตกต่างกัน
- เปรียบเทียบผลลัพธ์ของ "ผู้เชี่ยวชาญด้านการตลาด" กับ "นักเขียนโฆษณา"
- เปลี่ยนโครงสร้างผลลัพธ์
- ทดสอบประสิทธิภาพของรูปแบบต่างๆ
- ตัวอย่างมากเกินไปอาจจำกัดความสร้างสรรค์
- ตัวอย่างน้อยเกินไปอาจทำให้สไตล์ไม่สอดคล้องกัน
- ปรับให้ผ่อนคลายเพื่อเพิ่มความสร้างสรรค์
- ปรับให้เข้มงวดเพื่อให้มั่นใจในคุณภาพ
ตัวอย่างทางธุรกิจ
ศูนย์ฟิตเนสแห่งหนึ่งมี 8 สาขา ประมาณ 40 โค้ช ในอดีตใช้การแจ้งเตือนผ่านกลุ่มแชทเพื่อแจ้งให้สมาชิกต่ออายุ ข้อความเป็นแบบเดียวกัน อัตราการต่ออายุต่ำกว่า 35% มาโดยตลอด ผู้จัดการการตลาดตัดสินใจใช้การปรับปรุงการแนะนำเพื่อปรับปรุงข้อความต่ออายุที่ส่วนบุคคล
- วิธีการ：เริ่มต้นด้วย Prompt พื้นฐาน「เขียนการเตือนการต่ออายุ」สร้างเทมเพลตทั่วไป อัตราการต่ออายุเพียง 36%
- วิธีการ: เพิ่มการตั้งค่าบทบาท "คุณคือผู้จัดการความสำเร็จของลูกค้าในอุตสาหกรรมฟิตเนส" โทนเสียงข้อความมีความเป็นมืออาชีพมากขึ้น อัตราการต่ออายุสัญญาเพิ่มขึ้นเป็น 44%
- วิธีการ: เพิ่มข้อกำหนดที่เฉพาะเจาะจง "สำหรับสมาชิกที่ไม่เข้าชมมา 3 เดือน ภายใน 100 ตัวอักษร พร้อมหนึ่งชั้นเรียนทดลองฟรี" อัตราการต่ออายุสัญญาถึง 57%
- วิธีการ: เพิ่มตัวอย่างการแปลงสูงและข้อมูล "อ้างอิงสไตล์นี้: ความก้าวหน้าในการยกน้ำหนักของคุณเพิ่มขึ้น 15%" อัตราการต่ออายุสัญญาเพิ่มขึ้นเป็น 68% คงไว้สมาชิกประมาณ 120 คนต่อเดือน
เคล็ดลับเล็กน้อย
- ใน ChatGPT เปิดการสนทนาใหม่ เปลี่ยนตัวแปรเดียวทุกครั้ง ปล่อยให้ prompt ที่เหลือไม่เปลี่ยนแปลง
- ใช้ Notion สร้างตารางบันทึกเวอร์ชัน ฟิลด์รวม prompt โมเดล คะแนนการประเมินผลลัพธ์
- เขียนการปรับปรุงเป็น "โปรดเก็บประโยคเดิม เปลี่ยนแต่โทนเป็นทางการ" ประเภทนี้เป็นคำแนะนำเดียว
- ส่ง prompt เดียวกันให้ Claude และ ChatGPT แยกกัน เปรียบเทียบความแตกต่างแล้วตัดสินใจว่าจะแก้ไขส่วนใด
- ใช้ Zapier ส่งผลลัพธ์โดยอัตโนมัติหลังจากการดำเนินการแต่ละครั้ง สะดวกในการติดตามว่าเวอร์ชันใดดีที่สุด
แบบฝึกหัด
สรุปส่วนนี้
- คำสั่งต้องได้รับการปรับปรุงและปรับปรุงอย่างต่อเนื่อง
- แต่ละครั้งให้เปลี่ยนแปลงตัวแปรเพียงตัวเดียว
- การปรับปรุงทั่วไป: เพิ่มความเฉพาะเจาะจง ปรับบทบาท แก้ไขรูปแบบ
- บันทึกผลกระทบของการปรับปรุงแต่ละครั้ง
5.9 ข้อผิดพลาดทั่วไปและแนวปฏิบัติที่ดีที่สุด (10 Pitfall หลัก)
ทำไมต้องเรียนรู้สิ่งนี้
หลีกเลี่ยงข้อผิดพลาดทั่วไป ช่วยให้คุณเขียนคำแนะนำที่ดีได้เร็วขึ้น
การสอนหลัก
10 ข้อผิดพลาดทั่วไป：
แนวทางปฏิบัติที่ดีที่สุด：
ตัวอย่างทางธุรกิจ
ร้านสินค้าเครื่องเขียนอิสระที่ตั้งอยู่ในไทเป มีพนักงาน 8 คน ที่ผ่านมาอาศัยเจ้าของโพสต์ตามความรู้สึก IG reach ต่ำและราคาต่อรายการหยุดนิ่ง ปัญหาคือไม่มีผู้เชี่ยวชาญด้านการตลาด โพสต์ขาดหัวข้อและการออกแบบการแปลง
- วิธีการ: ตั้งค่าบทบาทเป็นที่ปรึกษาการตลาดค้นหาเครื่องเขียน ระบุกลุ่มเป้าหมายชัดเจนเป็นผู้ชื่นชอบสมุดบันทึกอายุ 25-35 ปี ผลลัพธ์: อัตราการมีส่วนร่วมของโพสต์เพิ่มขึ้นจาก 1.2% เป็น 4.5%
- วิธีการ: ขอให้ส่งออกปฏิทินเนื้อหา 3 เดือนในรูปแบบตาราง รวมหัวข้อ รูปแบบ และความถี่ในการเผยแพร่ ผลลัพธ์: ประหยัดเวลาการวางแผน 6 ชั่วโมงต่อสัปดาห์
- วิธีการ: เพิ่มงบประมาณรายเดือน NT$3000 และเป้าหมายการแปลง ผลลัพธ์: คลิกนำเข้าจากเว็บไซต์เพิ่มขึ้น 38% มูลค่าคำสั่งซื้อเฉลี่ยเพิ่มขึ้น 15%
เคล็ดลับเล็กน้อย
- วางคำแนะนำลงใน ChatGPT หน้าต่างใหม่ หากมันถามคุณถึงเจตนา แสดงว่าคำแนะนำขาดบทบาทหรือเป้าหมาย
- เมื่อใช้ Claude ให้เพิ่ม「คุณเป็นบรรณาธิการอาวุโส โปรดส่งออกตามสามจุดต่อไปนี้」ที่ต้นของ prompt เพื่อลดคำตอบที่คลุมเครือ
- สร้างคลังเทมเพลตคำแนะนำใน Notion บันทึกวิธีการที่ผ่านการตรวจสอบเป็นบล็อก เพื่อนำมาใช้ซ้ำได้โดยไม่ต้องเขียนใหม่
- ส่งคำแนะนำยาวให้ Zapier รันอัตโนมัติหนึ่งรอบ สังเกตว่ารูปแบบผลลัพธ์เสถียรหรือไม่ แล้วตัดสินใจว่าจะใช้งานหรือไม่
- เพิ่มท้ายด้วย "หากข้อมูลไม่เพียงพอ โปรดระบุสามรายการที่คุณต้องให้ฉันเพิ่มเติม" เพื่อหลีกเลี่ยงการที่โมเดลเดาเอง
แบบฝึกหัด
สรุปส่วนนี้
- หลีกเลี่ยง 10 ข้อผิดพลาดทั่วไป
- ชัดเจนและเฉพาะเจาะจง กำหนดบทบาท ระบุรูปแบบ
- หนึ่งงานต่อครั้ง ให้ตัวอย่าง
- ทดสอบและตรวจสอบ พร้อมปรับปรุงอย่างต่อเนื่อง
- ฉันหลีกเลี่ยงข้อผิดพลาดห้าประการ
- ฉันรู้ว่าการแก้ไขแบบวนซ้ำเป็นเส้นทางการปรับปรุงที่เร็วที่สุด
5.10 ไลบรารีแม่แบบคำแนะนำ: 15 แม่แบบสถานการณ์พร้อมใช้งานในสถานที่ทำงาน
ทำไมต้องเรียนรู้สิ่งนี้
เทมเพลตที่พร้อมใช้งานสามารถเพิ่มประสิทธิภาพการทำงานของคุณได้ทันที
การสอนหลัก
15 เทมเพลตคำสั่งพร้อมใช้งาน：
1. คำอธิบายผลิตภัณฑ์
คุณเป็นผู้เชี่ยวชาญด้านการเขียนโฆษณาสินค้าสัตว์เลี้ยง เขียนคำอธิบาย 200 คำสำหรับ {{ชื่อสินค้า}}। จุดเด่น：{{จุดเด่น}}। ลูกค้าเป้าหมาย：{{ลูกค้าเป้าหมาย}}। น้ำเสียงเป็นมืออาชีพและเป็นมิตร2. โพสต์สื่อสังคม
คุณเป็นผู้จัดการสื่อสังคม เขียนโพสต์สำหรับ {{แพลตฟอร์ม}} เกี่ยวกับ {{หัวข้อ}}। จำนวนคำ {{จำนวนคำ}}। ลักษณะ {{ลักษณะ}}। เพิ่ม {{จำนวน}} แฮชแท็ก3. การตอบกลับลูกค้า
คุณเป็นตัวแทนบริการลูกค้า ลูกค้าถามว่า：{{ปัญหา}}。โปรดตอบอย่างเป็นมิตรภายใน 100 คำ นโยบายของบริษัท：{{นโยบาย}}。4. การเขียนอีเมล
เขียนอีเมล {{purpose}} ถึง {{recipient}}। น้ำเสียง {{tone}}। จุดเน้น: {{focus}}। จำนวนคำ {{word_count}}।5. สำเนาโฆษณา
เขียนสำเนาโฆษณา {{platform}}। ผลิตภัณฑ์: {{product}}। ส่วนลด: {{discount}}। เป้าหมาย: {{target}}। จำกัดจำนวนคำ {{word_limit}}।6-15：บันทึกการประชุม สรุปรายงาน การวิเคราะห์ข้อมูล การวิเคราะห์คู่แข่ง ปฏิทินเนื้อหา บทความ SEO FAQ เอกสารการฝึกอบรม ข้อเสนอ การแปล
ตัวอย่างทางธุรกิจ
สตูดิโอฟิตเนสแบบสายอยู่ประมาณ 30 คน ในอดีตโค้ชใช้เวลา 2 ชั่วโมงต่อวันตอบคำถามและเขียนข้อความหลักสูตร ส่งผลให้ความคืบหน้าการรับสมาชิกใหม่ล้าหลัง ผู้เรียนที่มีศักยภาพสูญหาย หลังจากนำเทมเพลตพรอมต์มาใช้ ทีมได้มาตรฐานการสื่อสารและการเขียนเนื้อหาซ้ำ ใช้เวลาใหม่ในการสอนและปิดการขาย
- เช้า: ใช้เทมเพลต 'โพสต์โซเชียลมีเดีย' สร้างข้อความโปรโมชั่นสามชิ้น ประหยัดเวลาคิดได้ 40 นาทีต่อวัน ช่วงการเข้าถึงเพิ่มขึ้นประมาณ 20%
- เที่ยงวัน：ใช้เทมเพลต「ตอบกลับลูกค้า」จัดการคำถาม LINE ยี่สิบเรื่อง ลดเวลาตอบกลับจากสามชั่วโมงเหลือสามสิบนาที อัตราการขายเพิ่มขึ้นสิบห้าเปอร์เซ็นต์
- บ่าย: ใช้เทมเพลต "บรรยายหลักสูตร" เพื่ออัปโหลดหลักสูตรใหม่ 2 หลักสูตร การเขียนข้อความลดลงจาก 90 นาทีเป็น 20 นาที อัตราข้อผิดพลาดลดลงอย่างชัดเจน
- ตอนเย็น: ใช้เทมเพลต 'Data Analysis' ตรวจสอบการลงทะเบียนและอัตราการเข้าเรียนในแต่ละวัน ค้นหาช่วงเวลาการรับสมัครที่สามารถปรับปรุงได้สามช่วงต่อสัปดาห์
เคล็ดลับเล็กน้อย
- เก็บแม่แบบ 15 รายการในฐานข้อมูล Notion โดยจำแนกตามคุณสมบัติ "สถานการณ์" และ "ตัวแปร" ค้นหาได้โดยกรองโดยตรง
- ใน ChatGPT เปิดโครงการ อัปโหลดไฟล์แม่แบบเป็นฐานความรู้ อ้างอิงโดยตรงในการสนทนาแต่ละครั้ง ไม่ต้องวางข้อความทั้งหมดซ้ำ
- ใช้ Zapier เชื่อมต่อแบบฟอร์มกับ ChatGPT หลังจากส่งแบบฟอร์มจะเติมตัวแปรโดยอัตโนมัติและส่งผลลัพธ์กลับไปยังอีเมล
- เขียนตัวแปรเทมเพลตเป็น {ผู้ชม}、{น้ำเสียง} จากนั้นคัดลอกและใช้ Ctrl+H เพื่อแทนที่ฟิลด์ทั้งหมดในครั้งเดียว
- ใช้ Claude Projects เพื่อเก็บเทมเพลตที่ใช้บ่อย และระบุในระบบ prompt ว่า「เมื่อไม่ได้ระบุโทนเสียง ให้ใช้โทนเสียงทางการเป็นค่าเริ่มต้น」
แบบฝึกหัด
สรุปส่วนนี้
- 15 แม่แบบพร้อมใช้งานครอบคลุมสถานการณ์ทั่วไปในสถานที่ทำงาน
- แต่ละเทมเพลตมีตัวแปรที่สามารถแทนที่ได้
- สร้างคลังแม่แบบส่วนตัว จำแนกตามสถานการณ์
- คัดลอกวางโดยตรง แทนที่ตัวแปรแล้วใช้งาน
5.11 กลยุทธ์การสนทนาหลายรอบและการจัดการบริบท
ทำไมต้องเรียนรู้สิ่งนี้
เรียนรู้การจัดการการสนทนาหลายรอบ ซึ่งช่วยให้ AI รักษาคุณภาพผลลัพธ์สูงในการสนทนาที่ยาวนาน
การสอนหลัก
ความท้าทายของการสนทนาหลายรอบ：
- หน้าต่างบริบทมีจำกัด
- ยิ่งการสนทนายาวนาน AI อาจ "ลืม" เนื้อหาก่อนหน้านี้
- ต้องจัดการการสนทนาอย่างมีกลยุทธ์
กลยุทธ์ที่ 1: สรุปเป็นระยะ
「โปรดสรุปประเด็นสำคัญของการสนทนาของเราจนถึงปัจจุบัน เพื่อใช้อ้างอิงในภายหลัง」กลยุทธ์ที่ 2: แบ่งงาน
- แบ่งงานที่ซับซ้อนออกเป็นหลายการสนทนา
- แต่ละการสนทนาเน้นไปที่งานย่อยเดียว
กลยุทธ์ที่ 3: ทำซ้ำข้อมูลสำคัญ
- ทำซ้ำข้อมูลพื้นฐานที่สำคัญในการสนทนารอบใหม่
- หลีกเลี่ยงการสมมติว่า AI จำรายละเอียดทั้งหมดได้
กลยุทธ์ที่ 4: ใช้เอกสาร
- เก็บข้อมูลสำคัญเป็นไฟล์
- อัปโหลดไฟล์เมื่อจำเป็น แทนที่จะอธิบายซ้ำ
ตัวอย่างทางธุรกิจ
บริษัทศูนย์ฟิตเนสแบบสาขาที่มี 12 สาขา ในปีที่ผ่านมาอัตราการต่ออายุสัญญาสมาชิกลดลงเหลือ 58% ทีมโค้ชขาดการพูดจาแบบเดียวกัน การลงทุนด้านการตลาดก็ไม่สามารถตัดสินผลได้ ฝ่ายบริหารหวังที่จะใช้การสนทนาหลายรอบเพื่อแปลงข้อมูลที่กระจัดกระจายเป็นแผนการรักษาสมาชิกที่สามารถปฏิบัติได้
- วิธีการ: รอบแรก ขอให้ AI สรุปแบบสอบถามการยกเลิกสมาชิก 2,400 ฉบับในครึ่งปีที่ผ่านมา ผลลัพธ์: ค้นพบสาเหตุการสูญเสีย 3 ประการ ครอบคลุมกรณีได้แม่นยำ 82%
- วิธีการ: ในรอบที่สอง นำสาเหตุหลักกลับมาในการสนทนา ขอให้กำหนดกลยุทธ์การคงไว้ในระดับสาขา ผลลัพธ์: สร้าง 5 มาตรการ คาดว่าอัตราการต่ออายุสัญญาจะเพิ่มขึ้น 9 จุดเปอร์เซ็นต์
- วิธีการ: รอบที่สาม สร้างการพูดขายของโค้ชและกระบวนการติดตามระยะ 30 วันตามกลยุทธ์ ผลลัพธ์: ครอบคลุม 12 สาขา แต่ละสาขาประหยัดเวลาเตรียมการ 4 ชั่วโมงต่อสัปดาห์
เคล็ดลับเล็กน้อย
- ใน ChatGPT หลังจาก 8 ถึง 10 รอบ ใช้ "โปรดสรุปการสนทนาข้างต้นในสามประเด็น" เพื่อรับบริบท แล้วนำไปวางไว้ที่จุดเริ่มต้นของการสนทนาใหม่
- Claude Projects สามารถวางเอกสารพื้นหลังคงที่ได้ ในแต่ละรอบการสนทนาให้เพิ่มเฉพาะงานปัจจุบัน เพื่อหลีกเลี่ยงการวางข้อความยาวซ้ำ
- ใช้ Notion สร้างหน้าบันทึกการสนทนา วางข้อสรุปของแต่ละรอบ รอบถัดไปอ้างอิงเนื้อหาหน้านี้เป็นบริบท
- เขียน Prompt เริ่มต้นด้วยคำว่า "พื้นหลัง: …／เป้าหมายปัจจุบัน: …／ข้อจำกัด: …" เพื่อให้โมเดลสามารถจัดตำแหน่งในแต่ละรอบได้
- Zapier สามารถเขียนการตอบกลับ ChatGPT กลับไปยัง Notion โดยอัตโนมัติ สะสมความจำระยะยาวข้ามการสนทนา
แบบฝึกหัด
สรุปส่วนนี้
- การสนทนาหลายรอบต้องการการจัดการเชิงกลยุทธ์
- สรุปอย่างสม่ำเสมอ แยกงาน และทำซ้ำข้อมูลสำคัญ
- เริ่มการสนทนาใหม่เมื่อการสนทนายาวเกินไป
- ใช้ประโยชน์จากการจัดการเอกสารเพื่อเก็บข้อมูลสำคัญ
5.12 วิธีการวนซ้ำการปรับปรุงคำแนะนำ
ทำไมต้องเรียนรู้สิ่งนี้
นำการวิศวกรรมพรอมต์ไปใช้อย่างเป็นระบบในองค์กร เพื่อเพิ่มประสิทธิภาพของทีมให้สูงสุด
การสอนหลัก
SOP Prompt Engineering สำหรับองค์กร：
การจัดการไลบรารี่ prompt ของทีม:
- ใช้ไฟล์ที่แชร์ (Google Docs / Notion)
- จำแนกตามแผนก/สถานการณ์
- การอัปเดตและการปรับปรุงอย่างสม่ำเสมอ
- บันทึกแนวปฏิบัติที่ดีที่สุด
ตัวอย่างทางธุรกิจ
ศูนย์ฟิตเนสแบบสายอยู่ 12 สาขา ในอดีตโค้ชและพนักงานเคาน์เตอร์ตอบข้อความสมาชิกอาศัยประสบการณ์ส่วนตัว ส่งผลให้คำพูดต่ออายุไม่สอดคล้องกัน อัตราการสูญเสียลูกค้าที่มีศักยภาพสูง ฝ่ายบริหารตัดสินใจปรับปรุงโดยใช้วิธีการวนซ้ำของพรอมต์ เพื่อแปลงตรรกะการสื่อสารของพนักงานอาวุโสให้เป็นเทมเพลตพรอมต์ที่สามารถทำซ้ำได้
- สร้างแม่แบบเตือนการต่ออายุ: โค้ชป้อนจำนวนคลาสคงเหลือของสมาชิกและความชอบด้านกีฬา ระบบสร้างข้อความเก็บกำไรแบบบุคคล อัตราการต่ออายุเพิ่มขึ้นจาก 58% เป็น 74%
- เทมเพลตคำเชิญชวนประสบการณ์การพัฒนา: หลังจากพนักงานแคชเชียร์นำไปใช้ ระบบจะสร้างเวอร์ชันโทนเสียง 3 แบบโดยอัตโนมัติ อัตราการแปลงการจองเพิ่มขึ้น 31%
- ปรับปรุงเทมเพลตการตอบกลับข้อร้องเรียน: สร้างการตอบสนองที่เห็นอกเห็นใจสำหรับข้อพิพาทเกี่ยวกับอุปกรณ์และการจัดตารางเรียน ลดการโทรมาซ้ำของข้อร้องเรียน 42%
- ดำเนินการสัมมนาปรับปรุงคำสั่งรายเดือน: สาขาต่างๆ รายงานปัญหาการใช้งานและอัปเดตเทมเพลต ภายในสามเดือนอัตราการนำเทมเพลตมาใช้ถึง 89%
เคล็ดลับเล็กน้อย
- สร้างคลังเทมเพลตคำแนะนำใน Notion ทำเครื่องหมายรุ่นโมเดลและวันที่เวอร์ชันที่เหมาะสมสำหรับแต่ละเทมเพลต
- มอบหมายให้ Champion ตรวจสอบแม่แบบสามรายการทุกสัปดาห์ด้วย ChatGPT บันทึกกรณีที่ใช้ไม่ได้
- เขียนเทมเพลตเริ่มต้นด้วย 'บทบาท + งาน + รูปแบบผลลัพธ์' เพื่อให้ย้ายระหว่างโมเดลได้ง่าย
- ใช้ Claude เพื่อเปรียบเทียบ prompt เก่าและใหม่ นำเข้าเวอร์ชันอย่างเป็นทางการเมื่อมีความแตกต่างที่ชัดเจน
- ในแต่ละรอบการปรับปรุง ให้ระบุเหตุผลการแก้ไขและเงื่อนไขการทำงานที่ท้ายแม่แบบ เพื่อหลีกเลี่ยงการทำซ้ำ
แบบฝึกหัด
สรุปส่วนนี้
- องค์กรต้องการวิธี Prompt Engineering ที่เป็นระบบ
- สร้างคลังแม่แบบคำแนะนำที่แชร์ร่วมกันในทีม
- การฝึกอบรมและการปรับปรุงอย่างสม่ำเสมอ
- มอบหมายให้บุคคลเฉพาะคนดูแลแม่แบบ
5.13 สรุปหลักสูตร + โครงการปฏิบัติ
บทสรุปหลักสูตร
โครงการปฏิบัติ
โครงการ: สร้างคลังแม่แบบพรอมต์ส่วนบุคคลของคุณ
ผลลัพธ์ที่ส่งมอบ：
- 5 แม่แบบคำแนะนำที่ผ่านการทดสอบ
- คำแนะนำการใช้งานสำหรับแต่ละเทมเพลต
- การเปรียบเทียบก่อนและหลังการปรับปรุง
คำแนะนำการเรียนรู้ขั้นตอนถัดไป
ยินดีด้วย! คุณสำเร็จหลักสูตรนี้แล้ว
คุณเข้าใจเทคนิคหลักของ Prompt Engineering แล้ว ตอนนี้คุณสามารถสนทนากับ AI ได้อย่างมีประสิทธิภาพมากขึ้น