Prompt Engineering

ทำความเข้าใจ Prompt Engineering

Prompt engineering เป็นทั้งศาสตร์และศิลป์ ครอบคลุมการออกแบบคำสั่ง บริบท และตัวอย่างที่คุณป้อนให้โมเดล AI เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด prompt ที่ออกแบบมาอย่างดีอาจเป็นตัวตัดสินว่าคำตอบจะมีประโยชน์และแม่นยำ หรือสับสนและผิดพลาด

ใน AI สำหรับงานบริการลูกค้า prompt engineering เป็นตัวกำหนดพฤติกรรมของเอเจนต์ AI ไม่ว่าจะเป็นน้ำเสียง ขอบเขต ข้อมูลที่ให้ความสำคัญ และวิธีรับมือกับกรณีพิเศษ นี่คือรากฐานของการสร้างระบบ agentic AI ที่เชื่อถือได้

นิยามในอุตสาหกรรม: Anthropic อธิบายว่า prompt engineering คือ "กระบวนการออกแบบอินพุตที่ช่วยให้โมเดล AI สร้างผลลัพธ์ที่มีประโยชน์และแม่นยำ พร้อมหลีกเลี่ยงคำตอบที่เป็นอันตรายหรือไม่ถูกต้อง"

ทำไม Prompt Engineering จึงสำคัญ

โมเดล AI ตัวเดียวกันอาจให้ผลลัพธ์ที่แตกต่างกันอย่างมาก ขึ้นอยู่กับวิธีเขียน prompt ลองดูตัวอย่างต่อไปนี้

Prompt ที่ไม่ดี:

ตอบคำถามลูกค้าเกี่ยวกับผลิตภัณฑ์ของเรา

Prompt ที่ออกแบบมาอย่างดี:

คุณคือเจ้าหน้าที่บริการลูกค้าที่พร้อมช่วยเหลือของ Maven AGI บทบาทของคุณคือแก้ไขข้อสงสัยของลูกค้าเกี่ยวกับแพลตฟอร์ม AI ของเรา แนวทาง: - ตอบกระชับและตรงประเด็น - หากไม่ทราบคำตอบ ให้บอกตรง ๆ - ห้ามแต่งข้อมูลขึ้นเอง - สำหรับปัญหาด้านการเรียกเก็บเงิน ให้เสนอโอนสายไปยังเจ้าหน้าที่ - ยืนยันกับลูกค้าทุกครั้งว่าปัญหาได้รับการแก้ไขแล้วก่อนปิดการสนทนา น้ำเสียง: เป็นมืออาชีพ เป็นมิตร มุ่งหาทางออก

Prompt ที่ 2 ให้คำตอบที่สม่ำเสมอและเหมาะสมกว่า เพราะมีบริบท ขอบเขต และแนวทางพฤติกรรมที่ชัดเจน

เทคนิคหลักของ Prompt Engineering

1. System Prompt

System prompt กำหนดบทบาท บุคลิก และข้อจำกัดของ AI โดยทำงานก่อนการโต้ตอบกับผู้ใช้ทุกครั้งและวางพฤติกรรมพื้นฐาน ในงานบริการลูกค้า system prompt จะระบุน้ำเสียง กฎการส่งต่อเคส และขอบเขตความรู้

2. Few-Shot Learning

การให้ตัวอย่างคู่อินพุต-เอาต์พุตที่ต้องการช่วยให้โมเดลเข้าใจความคาดหวังของคุณ ดูรายละเอียดเพิ่มเติมได้ที่ few-shot learning

ตัวอย่าง: ลูกค้า: "ฉันจะรีเซ็ตรหัสผ่านได้อย่างไร" เอเจนต์: "ยินดีช่วยเหลือ โปรดไปที่ Settings > Security > Reset Password คุณจะได้รับอีเมลเพื่อยืนยันการเปลี่ยนแปลง มีเรื่องอื่นที่ให้ช่วยอีกไหม"

3. Chain-of-Thought Prompting

การกระตุ้นให้โมเดล "คิดทีละขั้นตอน" ช่วยเพิ่มความแม่นยำในงานที่ต้องใช้เหตุผลซับซ้อน ซึ่งมีประโยชน์อย่างยิ่งสำหรับการแก้ไขปัญหาทางเทคนิคหรือการแก้ปัญหาที่มีหลายขั้นตอน

4. Context Injection

การเพิ่มข้อมูลที่เกี่ยวข้องลงใน prompt เช่น ประวัติลูกค้า เอกสารผลิตภัณฑ์ และข้อความก่อนหน้า ช่วยให้ AI ตอบได้แม่นยำและตรงกับลูกค้าแต่ละราย ซึ่งมักใช้ RAG (Retrieval-Augmented Generation)

5. Output Formatting

การระบุรูปแบบที่ต้องการ (JSON, bullet point หรือโครงสร้างเฉพาะ) ช่วยให้ได้เอาต์พุตที่สม่ำเสมอ แยกวิเคราะห์ได้ และเชื่อมต่อกับระบบอื่นได้ดี

งานวิจัย: Google Research พบว่า chain-of-thought prompting ช่วยเพิ่มความแม่นยำในงานที่ต้องใช้เหตุผลซับซ้อนได้ 20-40% เมื่อเทียบกับการเขียน prompt แบบมาตรฐาน

Prompt Engineering สำหรับงานบริการลูกค้า

ในงานบริการลูกค้า prompt ที่มีประสิทธิภาพต้องรับมือกับเรื่องต่อไปนี้ได้

• ความสม่ำเสมอของน้ำเสียง: รู้ว่าเมื่อใดควรส่งต่อให้เจ้าหน้าที่ (ดู handoff)
• ขอบเขตความรู้: ตอบเฉพาะคำถามที่อยู่ในขอบเขต
• การป้องกัน Hallucination: อ้างอิงคำตอบจากข้อมูลที่ตรวจสอบแล้ว
• การปฏิบัติตามข้อกำหนด: หลีกเลี่ยงถ้อยคำหรือการกระทำที่ต้องห้าม
• การปรับให้เหมาะกับแต่ละบุคคล: ใช้บริบทของลูกค้าอย่างเหมาะสม

แนวทางของ Maven AGI: แพลตฟอร์มของ Maven AGI มาพร้อมเทมเพลต prompt ที่ออกแบบและปรับแต่งไว้แล้วสำหรับงานบริการลูกค้า พร้อม guardrail และ grounding ในตัวเพื่อป้องกันความผิดพลาดที่พบบ่อย ลูกค้าของเราทำ resolution rate ได้มากกว่า 90% โดยไม่ต้องมีความเชี่ยวชาญด้าน prompt engineering เชิงลึก

ข้อผิดพลาดที่พบบ่อยใน Prompt Engineering

1. คลุมเครือเกินไป: "ช่วยเหลือให้ดี" ไม่ได้ให้แนวทางที่เพียงพอ
2. คำสั่งขัดแย้งกัน: "ตอบกระชับ" กับ "อธิบายอย่างละเอียด" ทำให้เกิดความสับสน
3. ไม่มีตัวอย่าง: คำสั่งเชิงนามธรรมที่ไม่มีตัวอย่างที่เป็นรูปธรรมทำตามได้ยากกว่า
4. มองข้ามกรณีพิเศษ: AI ควรทำอย่างไรเมื่อไม่ทราบคำตอบ
5. จำกัดมากเกินไป: กฎที่มากเกินไปอาจทำให้คำตอบดูเหมือนหุ่นยนต์หรือทำงานล้มเหลว

Prompt Engineering เทียบกับ Fine-Tuning

• สิ่งที่เปลี่ยนแปลง: Prompt Engineering: คำสั่งที่ป้อนเข้า (เทียบกับ น้ำหนักของโมเดล)
• ระยะเวลาในการนำไปใช้: หลักนาทีถึงชั่วโมง (เทียบกับ หลักวันถึงสัปดาห์)
• ต้นทุน: ต่ำ (เทียบกับ สูง)
• ความยืดหยุ่น: ยืดหยุ่นมาก (เทียบกับ เปลี่ยนแปลงได้ยากกว่า)
• เหมาะที่สุดสำหรับ: พฤติกรรม น้ำเสียง รูปแบบ (เทียบกับ ความเชี่ยวชาญเฉพาะด้าน สไตล์)

คำถามที่พบบ่อย

Prompt engineering คืออะไร

Prompt engineering คือการออกแบบและปรับปรุงอินพุต (prompt) เพื่อชี้นำให้โมเดล AI สร้างผลลัพธ์ที่แม่นยำ ตรงประเด็น และมีประโยชน์ ครอบคลุมการเขียน system prompt การให้ตัวอย่าง และการจัดโครงสร้างบริบทอย่างมีประสิทธิภาพ

ทำไม prompt engineering จึงสำคัญ

Prompt ที่ดีช่วยเพิ่มความแม่นยำของ AI ได้อย่างมาก ลดhallucination และทำให้พฤติกรรมสม่ำเสมอ ส่วน prompt ที่ไม่ดีทำให้ผลลัพธ์เชื่อถือไม่ได้และผู้ใช้หงุดหงิด ในงานบริการลูกค้า คุณภาพของ prompt ส่งผลโดยตรงต่อ resolution rate และความพึงพอใจของลูกค้า

ต้องเป็นโปรแกรมเมอร์จึงจะทำ prompt engineering ได้หรือไม่

ไม่จำเป็น Prompt engineering เน้นที่การสื่อสารอย่างชัดเจนและความเข้าใจว่าโมเดล AI ตีความภาษาอย่างไร พื้นฐานทางเทคนิคช่วยได้ แต่ไม่ใช่ข้อบังคับ