กายวิภาคของ
Prompt ที่ดี
Prompt คือ interface ระหว่างเรากับ AI
โมเดลเก่งแค่ไหนเราเลือกไม่ได้เสมอไป แต่ สิ่งที่เราพิมพ์เข้าไป เราควบคุมได้ 100% — บทนี้คือหลักการกลางที่ใช้ได้ทุกงาน ก่อนแยกไปสูตรเฉพาะทางในบท 2–5
100%
สิ่งเดียวที่เราควบคุมได้เต็มที่
โมเดล/ระบบเราแก้ไม่ได้ — แต่ prompt แก้ได้เสมอ
6
ส่วนประกอบของ prompt ที่ดี
Role · Task · Context · Constraints · Format · Examples
5
ข้อผิดพลาดยอดฮิต
เจอบ่อยสุดในงานจริง — พร้อมวิธีแก้ทุกข้อ
แผนที่หมวด Prompt 101
บท 1 · คุณอยู่ที่นี่
หลักการกลาง — ใช้ได้ทุกงาน
บท 2
งานเอกสาร & ออฟฟิศ
บท 3
สร้างภาพ
บท 4
แก้ภาพ & วิดีโอ
บท 5
โค้ด & Agent
Why Prompts Matter
งานเดียวกัน prompt คนละแบบ — ผลต่างกันคนละโลก
ลองดูตัวอย่างจริง: ขอให้ AI เขียนโพสต์ขายกาแฟเหมือนกันทั้งคู่ แต่ใส่ข้อมูลให้ไม่เท่ากัน
A — Prompt สั้น (ให้โมเดลเดาเองหมด)
ผลที่ได้ — กลาง ๆ ใช้จริงไม่ได้
☕ กาแฟหอมกรุ่น คั่วใหม่ทุกวัน! พบกับเมล็ดกาแฟคุณภาพเยี่ยม คัดสรรมาเพื่อคุณโดยเฉพาะ รสชาติเข้มข้น กลมกล่อม ดื่มแล้วสดชื่นตลอดวัน
สนใจสั่งซื้อได้แล้ววันนี้! #กาแฟ #coffee #คั่วใหม่
→ ภาษาโฆษณาสำเร็จรูป ใช้กับร้านไหนก็ได้ ไม่มีตัวตนของแบรนด์ ไม่รู้จะให้ลูกค้าทำอะไรต่อ
B — Prompt ดี (บอกครบว่าใคร/ให้ใคร/แบบไหน)
ผลที่ได้ — ตรงเป้า
บ่ายสองแล้วเปลือกตาเริ่มประท้วง? 🍊 Orange Cold Brew ตัวใหม่ของเรา — โคลด์บรูว์เข้ม ๆ เจอส้มสดเปรี้ยวปลายลิ้น ปลุกสมองได้โดยไม่ต้องประชุมรอบสาม
สั่งล่วงหน้าทาง LINE @areecoffee แล้วเดินมารับได้เลย ไม่ต้องต่อคิว ☕
→ มีตัวตน เห็นภาพลูกค้า โทนตรงแบรนด์ มี CTA ชัด — เอาไปโพสต์ได้แทบไม่ต้องแก้
B ใส่อะไรเพิ่มจาก A บ้าง
จุดสอนสำคัญ
โมเดลไม่ได้อ่านใจคุณ — มันเติม “สิ่งที่น่าจะเป็น” จากข้อมูลเท่าที่คุณให้
พอ prompt A ไม่บอกอะไรเลย โมเดลก็ถอยไปหาค่าเฉลี่ยของ “โพสต์ขายกาแฟทั่ว ๆ ไป” ที่เคยเห็นมา — ผลคือข้อความ generic ที่ไม่ผิดแต่ก็ไม่ใช่ของเรา ทุกช่องว่างที่เราไม่ระบุ โมเดลจะเดาแทนเสมอ ดังนั้นคำถามที่ถูกไม่ใช่ “ทำไม AI ตอบไม่ตรงใจ” แต่คือ “เราให้ข้อมูลพอให้มันตอบตรงใจหรือยัง”
The 6-Part Formula
สูตร 6 ส่วนประกอบ ของ prompt ที่ดี
ไม่ใช่ทุก prompt ต้องครบ 6 ส่วน — แต่ทุกส่วนที่ขาดคือช่องว่างที่โมเดลจะเดาแทนคุณ ลอง toggle ดูเองว่าแต่ละส่วนเปลี่ยนผลลัพธ์ยังไง
Role
· ให้ AI เป็นใครกำหนดมุมมองและน้ำเสียง — "คุณคือเจ้าหน้าที่สื่อสารองค์กร" ให้ผลต่างจาก "คุณคือวิศวกรระบบ"
Task
· ทำอะไร — กริยาชัดหัวใจของ prompt — ใช้กริยาเจาะจง: "เขียนประกาศ" ชัดกว่า "ช่วยเรื่องประกาศหน่อย"
Context
· ข้อมูลประกอบ ใคร/ทำไม/สถานการณ์ข้อเท็จจริงที่โมเดลไม่มีทางรู้เอง: วันเวลา ผลกระทบ ผู้อ่านคือใคร — ยิ่งเฉพาะเจาะจงยิ่งดี
Constraints
· ข้อจำกัด ความยาว/ห้ามอะไรกรอบที่กันผลลัพธ์เพี้ยน: ความยาว สิ่งที่ห้ามทำ คำที่ห้ามใช้
Format
· รูปแบบผลลัพธ์บอกหน้าตาผลลัพธ์ที่จะเอาไปใช้ต่อ: ตาราง / bullet / JSON / โครงหัวข้อ
Examples
· ตัวอย่าง 1–2 ชิ้น (few-shot)โชว์ pattern ที่ต้องการ 1–2 ตัวอย่าง — สอนโทนได้ดีกว่าคำอธิบายยาว ๆ
ลองเอง · Prompt Builder
โจทย์จริง: ขอให้ AI เขียน ประกาศแจ้งปิดระบบ ERP — เปิด/ปิดแต่ละส่วนแล้วดู prompt ประกอบสดทางขวา
เลือกส่วนประกอบ
คุณภาพ prompt
เสี่ยงสุ่ม · 1/6
โมเดลต้องเดาเกือบทุกอย่าง — ผลลัพธ์จะ generic
สีของแต่ละบรรทัด = ส่วนประกอบที่มันมาจาก
ส่วนที่ยังขาด — เสี่ยงอะไร
- Role:โทนและมุมมองจะสุ่ม — อาจได้สำนวนวิศวกรห้วน ๆ ทั้งที่ผู้อ่านคือพนักงานทั่วไป
- Context:โมเดลจะแต่งวันเวลาและรายละเอียดขึ้นเอง (hallucinate) หรือเขียนกว้างจนไร้ประโยชน์
- Constraints:ได้ประกาศยาว 3 ย่อหน้าเต็มศัพท์เทคนิค — ต้องเสียเวลาตัดเองทีหลัง
- Format:ได้พารากราฟก้อนเดียว — เอาไปแปะอีเมล/ประกาศต่อไม่ได้ ต้องจัดรูปแบบใหม่เอง
- Examples:งานที่มี pattern เฉพาะ (โทนองค์กร, รูปแบบรหัส) โมเดลจะเดา pattern เองและมักเดาไม่ตรง
กฎจำง่าย
งานง่าย: Task + Context ก็พอ · งานสำคัญ: จัดให้ครบ 6
อย่ามองสูตรนี้เป็นแบบฟอร์มบังคับ — มันคือ checklist ไว้ไล่ดูว่า “ช่องว่างไหนที่เรายังปล่อยให้โมเดลเดา” ยิ่งงานมีราคาแพง (ส่งลูกค้า, ประกาศทางการ) ยิ่งควรอุดช่องว่างให้ครบ
The Iteration Loop
Prompt แรกไม่ต้องเพอร์เฟกต์ — แต่ต้องรู้วิธีปรับ
มือโปรไม่ได้เขียน prompt เทพตั้งแต่รอบแรก — เขาแค่วน loop เก่ง: ดูผล → ชี้จุดพลาดให้ถูก → เติมเฉพาะจุด ลองไล่ดู 3 รอบจริงด้านล่าง
v1 · รอบแรก — เขียนสั้น ๆ ตามสัญชาตญาณ
Prompt
สรุปประชุมนี้ให้หน่อย [แปะ transcript ประชุมทีม 45 นาที]
ผลที่ได้
ยังไม่ผ่าน- ✗ยาวเป็นพารากราฟ 2 หน้า — อ่านแล้วเหนื่อยกว่าเข้าประชุมเอง
- ✗หา action items ไม่เจอ — จมอยู่ในเนื้อความ
- ✗ไม่รู้ว่าตกลงใครต้องทำอะไรต่อ
รอบ 1 / 3
จุดสอน #1
อย่าเพิ่งโทษโมเดล — ปรับ prompt ก่อน
ผลไม่ตรงใจ 8 ใน 10 ครั้งมาจากข้อมูลใน prompt ไม่พอ ถามตัวเองก่อน: ขาด context? format ผิด? โทนเพี้ยน? — ชี้จุดให้ถูกแล้วเติมเฉพาะจุดนั้น ไม่ใช่รื้อเขียนใหม่ทั้งก้อน
จุดสอน #2
แก้ใน prompt เดิม (edit) ดีกว่าพิมพ์ต่อท้ายเรื่อย ๆ
บทสนทนาที่ยาวเต็มไปด้วยคำสั่งขัดแย้งกันเอง โมเดลเริ่มหลงทาง — แอปส่วนใหญ่มีปุ่ม edit ข้อความเดิม: แก้ตรงนั้นแล้วรันใหม่ ได้ context สะอาดกว่าการถมคำสั่งเพิ่มท้ายแชต
Common Mistakes
5 ข้อผิดพลาดยอดฮิต (และวิธีแก้)
รวมจากงานจริง — กดเปิดแต่ละใบเพื่อดู prompt แย่ เทียบกับ prompt ที่แก้แล้วแบบ before/after
สังเกตไหม
ทั้ง 5 ข้อ แก้ด้วยสูตร 6 ส่วนประกอบเดิมทั้งนั้น
กว้างเกิน → เจาะ Task · หลายงาน → แตก Task · ไม่มีรูปแบบ → เติม Format · มี pattern → เติม Examples · ลืมผู้อ่าน → เติม Context — จำ checklist เดียว ใช้แก้ได้ทุกอาการ
Recap · บทที่ 1
4 ข้อที่ต้องจำ
หลักการกลางครบแล้ว — จากนี้ทุกบทคือการเอาสูตรเดียวกันนี้ไปจูนให้เข้ากับงานเฉพาะทาง
01
Prompt คือสิ่งเดียวที่เราควบคุมได้ 100%
โมเดลไม่ได้อ่านใจ — มันเติม "สิ่งที่น่าจะเป็น" จากข้อมูลที่เราให้ ทุกช่องว่างที่ไม่ระบุคือช่องที่โมเดลจะเดาแทน
02
สูตร 6 ส่วน: Role · Task · Context · Constraints · Format · Examples
ไม่ใช่แบบฟอร์มบังคับ แต่เป็น checklist อุดช่องว่าง — งานง่ายใช้ Task + Context, งานสำคัญจัดให้ครบ 6
03
ผลไม่ตรงใจ → วน loop ไม่ใช่โทษโมเดล
ดูผล → ชี้จุดพลาด (ขาด context? format ผิด? โทนเพี้ยน?) → เติมเฉพาะจุด → รันใหม่ — และแก้ใน prompt เดิม (edit) ดีกว่าพิมพ์ต่อท้ายจนแชตหลงทาง
04
ข้อผิดพลาดยอดฮิตทั้ง 5 แก้ด้วย checklist เดียวกัน
กว้างเกิน/หลายงาน → เจาะและแตก Task · ไม่มีรูปแบบ → Format · งานมี pattern → Examples · ลืมผู้อ่าน → Context
ไปต่อ — สูตรเฉพาะงานในหมวดนี้
บทที่ 2
Prompt งานเอกสาร & ออฟฟิศ
สรุปเอกสาร/ประชุม, เขียน-ตอบอีเมลคุมโทน, แปลแบบ localize, วิเคราะห์ตาราง + คลัง template
บทที่ 3
Prompt สร้างภาพ
สูตร prompt ภาพ, quality tags + negative prompt, ชาร์ต Style · Light · Framing · Pose
บทที่ 4
Prompt แก้ภาพ & วิดีโอ
คำกริยาแก้ภาพ 10 คำ, ประโยค preserve identity, trigger words และโครง prompt วิดีโอ
บทที่ 5
Prompt งานโค้ด & Agent
ขอโค้ดให้ได้ของจริง, วิธีถาม bug, มอบหมายงานให้ agent พร้อมเกณฑ์สำเร็จ