Turn

Turn คือหนึ่งรอบของการโต้ตอบระหว่างเรากับ AI: เราพิมพ์ข้อความหรือ prompt ส่งเข้าไปหนึ่งครั้ง แล้ว model สร้างคำตอบกลับมาหนึ่งชุด ครบไปหนึ่งกลับหนึ่งแบบนี้นับเป็นหนึ่ง turn บทสนทนาทั้งหน้าจอที่เราคุยกับ AI จึงไม่ใช่ก้อนเดียว แต่คือ turn หลายรอบเรียงต่อกันเป็นลูกโซ่

เบื้องหลังของแต่ละ turn มีสองจังหวะ ตามเอกสารของ Anthropic: จังหวะ input คือระบบส่งประวัติบทสนทนาทั้งหมดก่อนหน้า บวกกับข้อความใหม่ของเรา เข้าไปให้โมเดลอ่านใหม่ตั้งแต่ต้น (โมเดลไม่ได้ "จำ" บทสนทนาไว้ในตัวเอง) และจังหวะ output คือโมเดลสร้างคำตอบ ซึ่งคำตอบนั้นจะถูกนับรวมเป็น input ของ turn ถัดไปทันที ทุกอย่างสะสมเป็น token อยู่ใน context-window และบวมขึ้นทุกรอบที่คุยต่อ ส่วนในงานแบบ agent ที่โมเดลใช้เครื่องมือวนเป็น loop การยิง tool-call แล้วส่งผลลัพธ์ tool-result กลับเข้าไปแต่ละรอบ ก็นับเป็น turn ของการ inference เช่นกัน หนึ่งคำสั่งของเราจึงอาจกลายเป็น turn ย่อยหลายสิบรอบโดยที่เราไม่ทันเห็น

คนทำงานยุค AI ควรรู้จัก turn เพราะมันอธิบายอาการที่เจอกันแทบทุกวัน: ยิ่งใช้แชทเดิมคุยยาว AI ยิ่งช้าลง ใช้ token มากขึ้น และเริ่มหลงลืมรายละเอียด เอกสารของ Anthropic เรียกอาการนี้ว่า context rot คือเมื่อ token ใน context สะสมมากขึ้น ความสามารถของโมเดลในการดึงข้อมูลจาก context ได้อย่างแม่นยำจะลดลง เครื่องมือรุ่นใหม่จึงใช้เทคนิคอย่าง compaction สรุปบทสนทนาเก่าให้สั้นลงเมื่อใกล้เต็มหน้าต่าง เพื่อให้คุยต่อได้โดยไม่ต้องเริ่มใหม่ทั้งหมด

ตัวอย่างจากบทสนทนาจริง

น้องฝ่ายบัญชี: "พี่คะ หนูใช้แชทเดิมทำรายงานมาตั้งแต่เช้า ตกบ่ายมันตอบช้าลงแล้วก็ลืมเงื่อนไขที่สั่งไว้ตอนแรกด้วย ทั้งที่คำถามหนูสั้นนิดเดียว หรือว่า AI มันเหนื่อยเป็นคะ"

วิทยากร: "ไม่ได้เหนื่อยครับ แต่ทุก turn ระบบต้องส่งประวัติแชททั้งวันกลับเข้าไปให้โมเดลอ่านใหม่ทั้งหมด ไม่ใช่อ่านแค่คำถามล่าสุด พอสะสมหลายสิบ turn ข้อมูลก็บวมจนความแม่นตกและช้าลง ถ้างานช่วงบ่ายไม่เกี่ยวกับของเช้า ลองเปิดแชทใหม่แล้วสรุปเงื่อนไขสำคัญใส่เข้าไปตั้งต้น จะได้คำตอบที่เร็วและนิ่งกว่าครับ"

ระวังสับสนกับ

• session : session คือการนั่งทำงานกับ AI ทั้งช่วง ตั้งแต่เปิดจนปิด ภายในหนึ่ง session มีได้หลายสิบ turn · turn เป็นหน่วยย่อยระดับหนึ่งรอบถามตอบ
• prompt : prompt คือข้อความฝั่งเราที่ส่งเข้าไปเท่านั้น ส่วน turn นับครบทั้งรอบ คือข้อความของเราบวกกับคำตอบที่โมเดลสร้างกลับมา