Prompting Framework จาก Google ที่ช่วยให้เราถาม AI ดีขึ้น

วันนี้มาเนื้อหาเบาๆ หยิบไปใช้ได้ทันทีจากคอร์ส Prompting Essentials ของฝั่ง Google เรื่องการสั่ง AI เอามาแค่บางส่วนพอ 55

เรียนมาละคิดว่าเรายังใช้ AI ให้ดียิ่งขึ้นได้อีกเยอะเลย ยิ่งสั่งดีสั่งละเอียดมันยิ่งเทพมากเท่านั้น

เพราะ Prompting คือกุญแจที่ใช้ปลดล๊อกความสามารถของ AI ทาง Google เขาก็ไปคิดมาให้เลยเราไม่ต้องหาเอง ออกมาเป็น Framework ว่าถามแบบไหนดี

(มีตัวอย่าง Prompt ให้ทั้งไทย – Eng เลยครับ)

Google เขาใช้ 5 ตัวเพื่อรีดเอาคำตอบที่ดีที่สุดจาก AI ด้วยเทคนิคคือ TCREI

• Task
• Context
• Reference
• Evaluate
• Iterate

Task, Context, Reference คือวิธีการสั่งส่วน Evaluate, Iterate คือตอนแก้

จริงๆส่วนตัวจำแค่สามตัวแรก TCR ง่ายสุดละ 55

Prompting Framework (TCREI)

1. Task: อยากสั่งอะไร

เริ่มจากเราจะถามอะไร (what)

• ช่วยออกแบบรายรับรายจ่ายอาทิตย์นี้
• อยากได้โค้ด Landing Page Website
• ช่วยวิเคราะห์หุ้นไทย

Prompt 💻: Help me plan a vacation to Northen of Thailand for two people. 

Prompt 💻: ช่วยจัดทริปเที่ยวภาคเหนือของไทยสำหรับ 2 คน

Persona กำหนดบทบาท

ตอนที่เราถามเราสามารถกำหนดบทบาทให้ AI หรือเราเองก็ได้ อยากให้มันตอบเราในบทบาทตัวตนแบบไหน

Prompt 💻: You are now a Thai local guide expert

Prompt 💻: กำหนดให้คุณเป็นไกด์คนไทยท้องถิ่นมือฉมัง

Task + Tone = Style

เราสามารถกำหนดได้ว่าผู้ช่วยเราจะเป็นบุคลิกแบบไหน อยากได้คำตอบแบบนุ่มนวลหรือจริงจัง

Prompt 💻: Write email with professional tone. 

Prompt 💻: ช่วยเขียนอีเมลด้วยภาษาสุภาพหน่อย

ตัวอย่างโทนการตอบ

• Academic วิชาการ
• Persuasive ดุดัน
• Sarcastic แบบประชดเสียดสี
• Inspirational ให้แรงบันดาลใจ
• Simple อธิบายง่ายๆ

2. Context: อยากได้แบบไหน

• ช่วยคำนวณค่าใช้จ่ายอาทิตย์นี้ + เอาแบบเก็บ 20% ใช้ 80%
• อยากได้โค้ด Landing Page + แบบล้ำๆแนว Sci-fi
• ช่วยวิเคราะห์หุ้น + กลุ่มปันผลและราคาน่าซื้อ

สั่งอะไร + กับแบบไหน

Prompt 💻: My ideal trip involves avoiding crowded tourist spots and discovering unique, 'unseen' destinations. A strong focus on the local coffee scene is a Must.

Prompt 💻: ชอบที่ๆคนไม่เยอะ เลี่ยงสถานที่ท่องเที่ยวที่มีคนหนาแน่น และหาสถานที่ที่แปลกใหม่ไม่ค่อยมีใครไป ไม่ค่อยมีใครรู้จัก เน้นกินกาแฟจากคาเฟ่ท้องถิ่น

3. References: บอกข้อมูล Background เรา

ถ้าเราให้ Background ข้อมูลเรื่องที่เราจะถามมันหรือข้อมูลเกี่ยวกับเราหรือ มันจะเอาข้อมูลเราไปตัดสินใจด้วย ทำให้วิเคราะห์ออกมาคมขึ้น

ถ้าให้ 1 Reference เรียกว่า One-Shot, 2 References เรียกว่า Few-Shot หรือไม่มีก็คือ Zero-Shot

TIP: Sweet Spot คือ 2-5 References 😏

Prompt 💻: My budget for accommodation and transportation is no more than 3,000 THB per person.

Prompt 💻: มีงบอยู่ 3,000 เอาไว้ใช้เดินทางและค่าที่อยู่ต่อคน

One-Shot Prompting เทคนิคการให้ตัวอย่าง

ยกตัวอย่าง Format ว่าเราอยากได้ให้มันบอกวันต่อวันทำอะไรบ้างตอนไปเที่ยว

Prompt 💻: Sample Output:
Day 1: Morning visit to [place name], lunch at [place name]
Day 2: Visit [place], evening at [place].

Prompt 💻: จัดรูปแบบตอนตอบแบบนี้
วันที่ 1: ตอนเช้าไปเที่ยว [ชื่อสถานที่], ตอนกลางวันกินอาหารที่ [ชื่อสถานที่]  
วันที่ 2: เที่ยว [ชื่อสถานที่], ตอนเย็นไปที่ [ชื่อสถานที่]

พอเอา T, C, R มารวมกัน 💻 Draft 1

Prompt 💻: Task: I am planning a 3-4 day vacation to Northern Thailand for two people.
Reference: My budget for accommodation and transportation is no more than 3,000 THB per person.
Context: My ideal trip involves avoiding crowded tourist spots and discovering unique, 'unseen' destinations. A strong focus on the local coffee scene is a must.

Format: Sample Output
Day 1: Morning visit to [place name], lunch at [place name]
Day 2: Visit [place], evening at [place].

Prompt 💻: Task: ช่วยจัดทริปเที่ยวภาคเหนือของไทยสำหรับ 2 คนหน่อย
Reference: มีงบอยู่ 3,000 เอาไว้ใช้เดินทางและค่าที่อยู่ต่อคน
Context: ชอบที่ๆคนไม่เยอะ เลี่ยงสถานที่ท่องเที่ยวที่มีคนหนาแน่น และหาสถานที่ที่แปลกใหม่ไม่ค่อยมีใครไป ไม่ค่อยมีใครรู้จัก เน้นกินกาแฟจากคาเฟ่ท้องถิ่น

Format: จัดรูปแบบคำตอบแบบนี้
วันที่ 1: ตอนเช้าไปเที่ยว [ชื่อสถานที่], ตอนกลางวันกินอาหารที่ [ชื่อสถานที่]  
วันที่ 2: เที่ยว [ชื่อสถานที่], ตอนเย็นไปที่ [ชื่อสถานที่]

4. Evaluate: ชอบมั้ย

อันนี้ไม่มีอะไรมาก หลักๆคือพอได้คำตอบมาเราก็เช็คด้วยตัวเราเนี่ยว่ามันถูกมั้ย ได้แบบที่ต้องการมั้ย

ถ้าเราพอใจก็จบที่ขั้นตอนนี้เลยก็ได้ ถ้ายังคิดว่าไม่ดีก็ไปขั้นต่อไป Iterating

5. Iterating: สั่งแก้

ถ้าคำตอบยังไม่ถูกใจมี 4 วิธีเอาไว้แก้ Prompt เดิม

1. กลับไปแก้ด้วยเทคนิค TCR ใหม่
2. เขียนให้สั้นกระชับขึ้น
3. เปลี่ยนมุมมองให้ AI
4. ใส่ข้อจำกัด

วิธีเปลี่ยนมุมมอง

ช่วยคิดวิธีเพิ่มยอดขายขนม -> จินตนาการว่าเป็นลูกค้าที่ชอบกินขนมจะอยากกินขนมแบบไหน

เลือกใส่ข้อจำกัด (Constraints)

• โฟกัสว่าจะไปพักผ่อนเท่านั้น
• ออกแบบ Project ภายใน 3 เดือน
• เขียนไม่เกิน 3,000 คำ
• รูปขนาด 100px * 100px

Constraints Prompt 💻: Main focus of the trip is to relax with slow pace, enjoy food and enjoy the view.

Constraints Prompt 💻: โฟกัสทริปไปที่ไปผ่อนคลาย ช้าๆไม่เร่ง หาอะไรอร่อยๆกินและดูวิวสวยๆ

แก้ด้วยการใช้ Iterating แล้ว 💻 Draft 2

ถามละเอียดขึ้นแบบนี้ทำให้คำตอบมันแคบลง, ชัดเจนขึ้น, ลดอาการหลอน Hallucinations

Prompt 💻: 
Task: I am planning a 3–4 day vacation to Northern Thailand for two people. Please provide the plan in a day-by-day itinerary table.
Reference: My budget for accommodation and transportation is no more than 3,000 THB per person with 10 luggages.
Context: My ideal trip involves avoiding crowded tourist spots and discovering unique, ‘unseen’ destinations. The main focus of the trip is to relax at a slow pace, enjoy food, and take in beautiful views, with a strong emphasis on exploring the local coffee scene. Please ensure travel time between stops is less than 3 hours.

Format: Sample Output
Day 1: Morning visit to [place name], lunch at [place name]
Day 2: Visit [place], evening at [place].

Prompt 💻: 
Task: ช่วยจัดทริปเที่ยวภาคเหนือ 3-4 วันในไทยสำหรับ 2 คนหน่อย เอาคำตอบเป็นตารางวันต่อวัน
Reference: มีงบอยู่ไม่เกิน 3,000 เอาไว้ใช้เดินทางและค่าที่อยู่ต่อคน มีกระเป๋าไปด้วย 10 ใบ
Context: ชอบที่ๆคนไม่เยอะ เลี่ยงสถานที่ท่องเที่ยวที่มีคนหนาแน่น และหาสถานที่ที่แปลกใหม่ไม่ค่อยมีใครไป ไม่ค่อยมีใครรู้จัก เน้นกินกาแฟจากคาเฟ่ท้องถิ่น แต่ละที่ให้เดินทางไม่เกิน 3 ชั่วโมง

Format: จัดรูปแบบคำตอบแบบนี้
วันที่ 1: ตอนเช้าไปเที่ยว [ชื่อสถานที่], ตอนกลางวันกินอาหารที่ [ชื่อสถานที่]  
วันที่ 2: เที่ยว [ชื่อสถานที่], ตอนเย็นไปที่ [ชื่อสถานที่]

Hallucinations

เป็นอาการหลอนของ AI ที่ตอบ “คำตอบที่ไม่จริง (False Information)” เกิดจากคำถามที่กว้างเกินไป หรือให้ AI เดาสิ่งที่มันยังไม่เข้าใจ

วิธีแก้: ใช้ TCREI แก้นี่แหละถามให้มันชัดเจนเฉพาะเจาะจง ข่าวดีคนยังมีความหวังไม่ตกงาน 😂 เพราะทุกคำตอบของ AI เราต้องเช็คคิดวิเคราะห์ด้วยมนุษย์อีกครั้ง

✅ จำง่ายๆ เวลาเอาไปใช้เรียงงี้เลย

(Persona) + Task + Context + (Format) + (Reference)

วงเล็บคือจะมีหรือไม่มีก็ได้ แล้วถ้ายังไม่พอใจก็วนกลับไปแก้ Prompt เดิมด้วยเทคนิค Iterating เรื่อยๆจนกว่าจะพอใจ

Prompting Techniques

นอกจาก Framework แล้วก็มีรูปแบบถามยังไงให้ได้คำตอบที่ดีขึ้น

Chain-of-thought

เป็นการที่เราถาม AI ตอบ ละเราถามต่อจากคำตอบนั้น คิดภาพง่ายๆ เหมือนวิธีที่เราคุยกับคนด้วยกัน

สิ่งที่ COT ต่างจาก Iterating คือมันถามต่อเลย ส่วน Iterating เป็นการเอา Prompt เดิมไปเขียนแก้ใหม่

Prompt Chaining 💻: ถาม -> ตอบ -> ถามต่อจากคำตอบเดิม -> ตอบ -> ถามต่อจากคำตอบล่าสุด -> (ไปเรื่อยๆจนกว่าจะพอใจ)

ข้อดีคือ: เราไม่ต้องป้อนคำถามยาวๆ ทำให้โอกาสตอบถูกจะแม่นกว่า มาจากเรื่อง Long Context Window

Long Context Window

ในโลกของ LLM การถามยาวๆมากๆทีเดียวอาจจะไม่ใช่เรื่องดีเสมอไปเพราะมันไม่รู้ว่าจะโฟกัสตรงไหนดี ละแต่ละ Model มีข้อจำกัดด้วยจำนวน Token ไม่เหมือนกันอีก

• GPT-4.1 = 1 M tokens
• Gemini 2.5 Pro = 1 M tokens
• GPT-3.5 Turbo = 16,000 tokens

Tree-of-thought

นึกภาพถามเพื่อขอคำตอบหลายๆแบบ หลายๆเวอร์ชั่น ในทีเดียวให้เราเห็นหลายๆคำตอบ
วิธีนี้ดีตอนเอาไว้หา Idea, Brainstorm

Prompt Tree-of-thought 💻: 
Imagine three creative experts are brainstorming ideas for this question.
Each expert will share one idea step by step, in turns.
If an idea seems impractical, that expert will drop out.
The remaining experts will refine the good ideas into final suggestions.

Question: What are 5 unique marketing ideas to increase sales for a small local coffee shop?

Prompt Tree-of-thought 💻: 
จินตนาการว่ามีผู้เชี่ยวชาญด้านการตลาด 3 คน กำลังช่วยกันคิด 
ผู้เชี่ยวชาญแต่ละคนจะแชร์ไอเดียทีละขั้นตอนโดยสลับกัน  
ถ้าไอเดียไหนไม่ดี คนนั้นจะถอนตัวออก  
ผู้เชี่ยวชาญที่เหลือจะช่วยกันปรับแต่งไอเดียที่ใช้ได้จริงจนออกมาเป็นอันสุดท้าย  

คำถาม: มีวิธีการตลาดแบบแปลกๆอะไรมั่งที่จะช่วยเพิ่มยอดขายร้านกาแฟเล็กๆ

Chain-of-density

เป็นการคั้นเอาแต่เนื้อออกมา เอาไว้ใช้ตอนเราอยากได้สรุปจากเนื้อหาที่เยอะมากๆเช่น รายงานงบการเงินประจำปี

Prompt 1: สรุปงบการเงินจากไฟล์

Prompt 2: ต่อจากคำตอบแรก: สรุปให้สั้นกว่านี้ เน้นเทรนการเงินที่ชัดที่สุดในรายงาน 2-3 เทรนแรก

Prompt 3: ต่อจากคำตอบสอง: สรุปให้เหลือแค่ประโยคเดียว เน้นเทรนที่ชัดที่สุด

TIP: Reverse
จะทำกลับกันก็ได้ถ้าข้อมูลมันสรุปสั้นเกินไป เราก็ให้มันอธิบายให้ยาวขึ้นก็ได้ แบบเดียวกัน

AI Agent

อันนี้น่าสนใจ เป็นการสร้างบทบาทให้ AI เราจะให้มันเป็นใครก็ได้ อยากเรียนภาษาจีน, อยากได้คนช่วย Review โค้ด, ไกด์จัดเที่ยว หรือ นักวิทย์ที่นาซ่า บอก AI เป็นทุกอย่างให้เธอแล้ว 55

จริงๆอันนี้เป็นเทคนิคผสมที่ใช้ Persona + Context เป็นหลัก

Prompt Agent 💻: Act as a professional NASA scientist. 
Your goal is to help me improve my science skills. 
Begin the lesson, ask me questions during the conversation, and when the session ends, provide a summary of what I’ve learned.

Prompt Agent 💻: ทำตัวเป็นนักวิทยาศาสตร์จากนาซา 
เป้าหมายคือช่วยพัฒนาความรู้ด้านวิทยาศาสตร์ของผม
เริ่มต้นบทเรียน ถามตอบระหว่างการสนทนา และตอนจบบทเรียน ช่วยสรุปสิ่งที่ผมได้เรียนรู้ให้ด้วย

Prompt Library

แถมอย่างสุดท้ายคือ Google บอกว่าถ้า prompt อันไหนที่มันใช้แล้วดีก็ Save เก็บไว้สิ! เป็นที่มาของ Prompt Library

Idea คือเราทำ Prompt ดีๆเก็บไว้จะใช้ใน Note ที่ไหนก็ได้ ส่วนตัวว่าใช้ Google Sheet เก็บแหล่มสุด ผมรัก Google Sheet 😘

ถ้าขยันหน่อยก็ทำ Prompt Versioning ได้เลยคือเก็บคำถามเวอร์ชั่นแรก, เวอร์ชั่น 2, 3 ไปเรื่อยๆ เอาไว้เปรียบเทียบคำตอบ ไว้แก้ไขในอนาคต เอาไว้ทดลองเป็นแนวทางของ Prompt Engineer 55

---

สรุปคำศัพท์น่ารู้ 🍭

• TCREI: เป็น Framework ที่เอาไว้หาคำตอบที่ดีที่สุดใช้วิธี Iterate ไปเรื่อยๆ
  • Task สั่งอะไร
  • Context อยากได้แบบไหน
  • Reference ให้ข้อมูลก่อน
  • Evaluate เช็คคำตอบ
  • Iterating แก้คำถาม
• Hallucinations: อาการหลอนที่ AI ให้คำตอบที่ไม่จริงมั่วขึ้นมาเอง
• Zero-Shot Prompting: คำถามที่ไม่มี Reference
• One-Shot Prompting: คำถามที่ใส่ 1 Reference
• Few-Shot Prompting: คำถามที่ใส่หลาย Reference
• Long Context Window: ความสามารถของ AI ในการรับคำถามที่ยาวมากๆ
• Chain-of-thought: วิธีถามที่เหมือนคนคุยกัน ถามไปตอบกลับ ถามต่อ
• Tree-of-thought: วิธีถามให้ตอบออกมาหลายคำตอบ
• Chain-of-density: เอาไว้สรุป เค้นข้อมูลออกมาให้หมด
• AI Agent: สร้างตัวละคร เอาไว้จำลองสถานการณ์
• Prompt Versioning: เวอร์ชั่น Prompt ที่เราเก็บเอาไว้ทดลอง

ถ้าใช้ดีๆมันเป็น Limitless possibility ทุกเทคนิคในนี้ใช้ผสมกันได้หมด ความสามารถมันแทบจะไร้ขีดจำกัดตามความคิดสร้างสรรค์คนใช้เลย

หวังว่าจะเอาไปใช้ประโยชน์กันได้ครับผม

ปล. คอร์ส Google Prompting Essentials มีให้ดูฟรีด้วยเพิ่งเห็น 😂 แต่ถ้าอยากได้เซอร์ก็ต้องใน Coursera