จากถามเล่น ๆ สู่ Prompt ที่มีโครงสร้าง

Why this matters

ใน Stage 2 เราได้หลักคิดว่าผลลัพธ์ดีมาจาก input ที่ดี บทนี้ลงมือจริง: เทียบให้เห็นว่า prompt แบบขอไปทีกับ prompt ที่ออกแบบมาดี ให้ผลต่างกันแค่ไหน

Prompt ที่ไม่ดี

ช่วยวิเคราะห์ complaint นี้

ปัญหาของ prompt แบบนี้: AI ไม่รู้ว่าเราเป็นใคร งานนี้อยู่ในบริบทไหน ต้องการผลลัพธ์หน้าตาแบบไหน และมีข้อห้ามอะไร — มันจึงเดาเอาทั้งหมด ซึ่งรวมถึงเดาข้อมูลที่ไม่มีด้วย

Prompt ที่ดีขึ้น

Role:
You are assisting an automotive QA support team.

Task:
Analyze the customer complaint below.

Rules:
- Do not invent missing information.
- Separate facts from assumptions.
- Do not conclude the root cause.
- Identify information still required.

Output:
1. Complaint summary
2. Known facts
3. Missing information
4. Possible investigation areas
5. Questions to ask the customer

Complaint:
...

ทำไมถึงดีขึ้น

• Role ทำให้ AI ตอบในบริบทงาน QA ยานยนต์ ไม่ใช่ตอบแบบทั่วไป
• Rules ปิดช่องความเสี่ยงที่เรียนมาจาก Stage 2 ทีละข้อ: ห้ามเดาข้อมูล ห้ามฟันธง root cause ให้แยกข้อเท็จจริงออกจากข้อสันนิษฐาน
• Output กำหนดโครงคำตอบล่วงหน้า ทำให้ผลลัพธ์นำไปใช้ต่อได้ทันทีและตรวจง่าย

Common Mistakes

• เขียน Rules แล้วไม่เขียน Output — ได้คำตอบถูกกติกาแต่โครงไม่ตรงที่จะเอาไปใช้
• ลืมบอกบริบท (Role/Context) เพราะคิดว่า “AI น่าจะรู้เอง”
• ใช้ prompt เดียวจบทุกงาน — งานต่างชนิดควรมี prompt คนละตัว