เทคนิคการ Prompt เพื่อให้ได้คำตอบที่ดีจาก LLMs
💬 LLMs (Large Language Models) ถือเป็น Gen AI (Generative AI) ที่ถูกนำไปประยุกต์ใช้อย่างแพร่หลาย และช่วยเพิ่ม Productivity ในงานต่างๆ มี Applications ที่รู้จักกันเป็นอย่างดี เช่น ChatGPT (โดย OpenAI), Gemini (โดย Google), Claude (โดย Anthropic)
การใช้งาน LLMs ให้เกิดประสิทธิภาพสูงสุด จำเป็นเข้าใจเทคนิคการ Prompt วิธีการต่างๆ มีเทคนิคที่นิยม ดังนี้
- Zero-shot Prompting เป็นการถามโดยไม่มี Context อื่นๆ เป็นการทำงานแบบตรงไปตรงมา ซึ่ง AI จะใช้ความรู้พื้นฐานที่มีเพื่อที่จะให้คำตอบ
- Few-shot Prompting ให้ตัวอย่างเล็กน้อยกับ AI ว่าสิ่งที่เราต้องการคืออะไร เหมาะสำหรับงานอย่าง การแปล (Translation), การจำแนก (Classification), การถามบนพื้นฐานของรูปแบบ (Pattern-based Queries)
- Chain-of-Thought Prompting พยายามให้ AI แก้ไขปัญหาแบบเป็นขั้นตอน ใช้ประโยชน์ในกรณีที่เป็นงานที่มีความซับซ้อนมากๆ หรือ การคำนวณที่ต้องการคำตอบที่แม่นยำ
- Role-based Prompting กำหนดให้ AI เป็นผู้เชี่ยวชาญเฉพาะด้าน เช่น หมอ นักวิทยาศาสตร์ข้อมูล เพื่อให้สร้างคำตอบที่เฉพาะเจาะจง เกี่ยวข้อง และเหมาะสม กับเรื่องนั้น
- Personal-based Prompting กำหนดบุคลิกภาพ อารมณ์ สำหรับ AI เหมาะสำหรับการสร้างคำตอบให้กับผู้ใช้งานเฉพาะกลุ่ม เช่น เด็กวัยรุ่น
- Contextual Prompting ให้ข้อมูลเบื้องหลัง และบริบทที่เกี่ยวข้อง เพื่อให้คำตอบมีความถูกต้องและตรงประเด็น
- Instruction-based Prompting ให้ความชัดเจนและบอกรายละเอียด เพื่อเป็นแนวทางให้ AI ตอบคำถามในรูปแบบและโครงสร้างที่เราต้องการ
- Delimiters Prompting สามารถใช้สัญลักษณ์ “--” เพื่อแยกส่วนใน Prompt ทำให้มีความชัดเจนมากขึ้น ในกรณีของคำถามที่ซับซ้อน
- Repetitive Prompting เน้น Keywords (คำสำคัญ) หรือ Phrases (วลี) ใน Prompt เพื่อที่จะเน้นเรื่องเฉพาะด้าน ในการเพิ่มประสิทธิภาพการตอบคำถามของ AI
- Reverse Prompting ให้ AI อธิบายที่มาของคำตอบ บอกถึงกระบวนการที่ได้มา
Reference : Top 10 Prompting Techniques: Get Best Response from ChatGPT by Denis Panjuta
