Prompt Engineering

Prompt Engineering คือทักษะการออกแบบ เรียบเรียง และปรับแต่ง prompt : ข้อความที่เราพิมพ์สั่งงาน AI : อย่างเป็นระบบ เพื่อให้ generative-ai อย่าง chatgpt หรือ Claude ตอบออกมาตรงกับที่ต้องการมากที่สุด หัวใจของมันไม่ใช่ "พิมพ์ถามให้เก่ง" ครั้งเดียวจบ แต่คือการให้บริบท (context) ที่เพียงพอ ระบุรูปแบบคำตอบที่อยากได้ กำหนดบทบาทให้โมเดล ใส่ตัวอย่างประกอบ แล้วทดสอบปรับแก้วนซ้ำจนได้ผลลัพธ์ที่นิ่งพอจะใช้งานจริง

เหตุผลที่ต้องมีศาสตร์นี้คือ llm ไวต่อถ้อยคำมากกว่าที่คนส่วนใหญ่คิด: มีงานวิจัยพบว่าแค่สลับลำดับตัวอย่างใน prompt ความแม่นยำของ model ก็แกว่งได้เกิน 40 จุด และแค่เปลี่ยนรูปแบบการจัดข้อความก็ทำให้ผลต่างกันได้ถึง 76 จุด เทคนิคที่ใช้กันแพร่หลายจึงมีตั้งแต่การใส่ตัวอย่างไม่กี่ชิ้นให้โมเดลเลียนแบบ (few-shot-learning) การให้โมเดลไล่เหตุผลทีละขั้นก่อนตอบ (chain-of-thought : เทคนิคที่นักวิจัย Google นำเสนอปี 2022 ซึ่งบางครั้งแค่เติมประโยคทำนอง "Let's think step by step" ก็เห็นผล) ไปจนถึงการดึงข้อมูลจริงมาแนบให้โมเดลอ่านก่อนตอบ (rag) เพื่อลดอาการ hallucination ส่วนคู่มือของ Anthropic ย้ำอีกมุมว่าก่อนลงมือปรับ prompt ต้องนิยามให้ชัดก่อนว่างานแบบไหนถือว่า "สำเร็จ" และต้องมีวิธีวัดผลเชิงประจักษ์ เพราะบางปัญหาแก้ได้ง่ายกว่าด้วยการเปลี่ยนโมเดล ไม่ใช่นั่งเกลา prompt

สำหรับคนทำงานยุค AI เรื่องนี้เลิกเป็นเรื่องของ developer ไปนานแล้ว: หลัง ChatGPT เปิดตัวปลายปี 2022 องค์กรทั่วโลกแห่ปรับตัว จนคำว่า "prompt" ได้เป็นรองแชมป์ Word of the Year ของ Oxford ปี 2023 และตำแหน่ง prompt engineer กลายเป็นอาชีพดาวรุ่งช่วง AI boom แต่ปี 2025 Wall Street Journal รายงานว่าตลาดงานตำแหน่งนี้เริ่มหดตัว เพราะโมเดลเก่งขึ้นจนช่วยร่าง prompt เองได้ และองค์กรเลือกฝึกพนักงานทุกคนให้ใช้ AI เป็นแทนการจ้างผู้เชี่ยวชาญเฉพาะทาง ข้อสรุปจึงชัด: prompt engineering ไม่ใช่อาชีพลึกลับ แต่กำลังกลายเป็นทักษะพื้นฐานของคนทำงานทุกคน แบบเดียวกับการเขียนอีเมลให้รู้เรื่อง

ตัวอย่างจากบทสนทนาจริง

ฝ่ายการตลาด: ผมซื้อคอร์ส "รวม 300 สูตร prompt เทพ" มาแล้วนะครับ แต่พอลอกไปใช้กับงานจริง ผลออกมาคนละเรื่องกับตัวอย่างในคอร์สเลย ผมใช้ผิดตรงไหน

วิทยากร: ไม่ได้ใช้ผิดครับ แต่เข้าใจ prompt engineering คลาดไปนิดเดียว: prompt เป็นของเปราะ เปลี่ยนโมเดลหรือเปลี่ยนถ้อยคำนิดเดียวผลก็เพี้ยนได้ สูตรของคนอื่นเลยมักใช้ข้ามงานตรงๆ ไม่ได้ วิธีที่ถูกคือตั้งเกณฑ์ก่อนว่างานของเราแบบไหนถือว่า "ผ่าน" แล้วใช้สูตรพวกนั้นเป็นแค่จุดตั้งต้น ทดลองปรับกับงานจริงวนไปจนผลนิ่ง กระบวนการปรับซ้ำนั่นแหละคือ prompt engineering ตัวจริง ไม่ใช่ตัวสูตร

ระวังสับสนกับ

• prompt : prompt คือข้อความสั่งงานหนึ่งชิ้น ส่วน prompt engineering คือกระบวนการออกแบบและปรับ prompt อย่างเป็นระบบ พูดง่ายๆ prompt คือชิ้นงาน · prompt engineering คือทักษะ
• fine-tuning : fine-tuning คือการ train โมเดลเพิ่มจน parameters ข้างในเปลี่ยนถาวร ส่วน prompt engineering ไม่แตะตัวโมเดลเลย แค่เปลี่ยนข้อความที่ป้อนเข้าไป สิ่งที่โมเดลเรียนจาก prompt จึงมีผลเฉพาะบทสนทนานั้น ไม่ติดตัวโมเดลไปตลอด