ทำไมการทำงานกับ AI ให้ตรงใจ จึงต้องมีทั้งบริบท ขอบเขต และแผนที่ตัดสินใจ ไม่ใช่แค่ Prompt ที่ยาวขึ้น
ปัญหาของคำตอบจาก AI หลายครั้งไม่ใช่ว่ามันผิดทั้งหมดครับ
มันมักจะสมเหตุสมผลดี เพียงแต่ไปคนละทางกับที่เราคิดไว้
แล้วเราก็เริ่มตีกับ AI แก้ Prompt ไปเรื่อยๆ บอกว่าทำไมไม่ทำแบบนั้น ทำไมเลือกแบบนี้ ทั้งที่ต้นเหตุอาจเป็นเพียงว่า เราไม่เคยบอกมันเลยว่า เมื่อต้องตัดสินใจ มันควรใช้หลักอะไร
ลองเปลี่ยน AI ให้เป็นเพื่อนร่วมงานคนใหม่
นึกภาพว่าเราต้องทำงานกับคนเก่งๆ คนหนึ่ง แต่เขาไม่รู้จักเราเลย
เราโยนงานให้เขาสั้นๆ โดยไม่บอกที่มาที่ไป จุดประสงค์ ข้อจำกัด หรือแม้แต่หน้าตาของงานที่เราคาดหวัง แล้วหวังว่าเขาจะทำได้ตรงใจทุกครั้ง
มันคงเป็นไปได้ยาก หรือแทบไม่มีทางเป็นไปได้เลย จริงไหมครับ
การทำงานกับ AI Agent ก็คล้ายกัน ถ้าเราบอกเพียงว่า “ช่วยทำงานนี้ให้ดีหน่อย” AI อาจทำได้แหล่ะ แต่คำว่า “ดี” เปิดพื้นที่ให้ตัดสินใจเยอะมาก
ทางที่มันเลือกอาจไม่ได้ผิด เพียงแต่มันไม่ใช่ทางที่เราเลือก
นี่คือเหตุผลที่ผมเริ่มมอง Skill file ไม่ใช่เป็น Prompt ที่ยาวขึ้น แต่เป็นคู่มือเริ่มงานของเพื่อนร่วมงานที่เก่ง และยังไม่รู้จักวิธีทำงานของเรา
เปรียบเทียบกับการสั่งอาหารที่อยากได้ แต่ไม่ใช่อาหารที่อยากกิน
สมมติว่าเราอยากกินอาหารญี่ปุ่น แต่บอกเชฟเพียงว่า
ใช้ข้าวกับเนื้อ ทำให้อร่อย โดยใช้วัตถุดิบที่ให้มา
โจทย์นี้ไม่ได้ผิดครับ เชฟสามารถทำอาหารให้อร่อยได้ แต่เราอาจได้อาหารไทย เกาหลี อินเดีย หรือยุโรปก็ได้ เพราะคำว่า “อร่อย” ไม่ได้บอก Style ที่เราต้องการ
ต่อให้บอกว่าอยากกินอาหารอิตาลี ก็ยังมีรายละเอียดอีกเยอะ เราอาจได้พาสต้าแบบ Al Dente หรือพิซซ่าฟิวชันใส่สับปะรด ซึ่งบางคนชอบและบางคนขัดใจ แต่ทั้งคู่ก็ยังอาจผ่านเงื่อนไขกว้างๆ ที่เราให้ไว้
เมื่อคำสั่งเหลือพื้นที่ว่าง คนหรือ AI ก็ต้องเติมพื้นที่นั้นด้วยการตัดสินใจของตัวเอง
ถ้าเราไม่ชอบผลลัพธ์ สิ่งที่ควรกลับมาดูจึงไม่ใช่แค่ประโยค Prompt แต่คือกติกาที่เราให้ไว้สำหรับการตัดสินใจ
Prompt บอกงานรอบนี้ ส่วน Skill บอกวิธีทำงาน
ผมแยกสองอย่างนี้แบบง่ายๆ ว่า
Prompt บอกว่า “รอบนี้ให้ทำอะไร”
Skill บอกว่า “งานประเภทนี้ เราทำกันอย่างไร”
Skill จึงควรเก็บสิ่งที่ต้องใช้ซ้ำ เช่น เป้าหมาย ขอบเขต Workflow ข้อจำกัด รูปแบบผลลัพธ์ และวิธีตรวจว่างานเสร็จจริง
มันไม่ได้ทำให้ Model เก่งขึ้นแบบเสกได้ แต่มันช่วยลดพื้นที่ที่ Model ต้องเดา และทำให้วิธีทำงานมีทิศทางมากขึ้น
สำหรับผม Skill ที่ดีควรตอบคำถามเหล่านี้ได้
- ใช้กับงานแบบไหน
- เป้าหมายของงานคืออะไร
- ต้องทำตามขั้นตอนไหน
- ต้องใช้ข้อมูลจากที่ใด
- อะไรทำได้และอะไรห้ามทำ
- ถ้าข้อมูลไม่พอควรทำอย่างไร
- ต้องตรวจอะไรจึงถือว่างานเสร็จ
คำว่า “ใช้ Best Practice” หรือ “ทำให้ดี” ยังตอบคำถามเหล่านี้ไม่ได้ เพราะคนแต่ละคนและ Model แต่ละตัวอาจตีความไม่เหมือนกัน
แล้วทำไม Index ถึงสำคัญ
ถ้า Skill ยังสั้น มี Workflow เดียว และอ่านจบได้ง่าย การเก็บทุกอย่างไว้ในไฟล์เดียวอาจตรงไปตรงมาที่สุด
แต่เมื่อ Skill เริ่มมี Reference หลายเรื่อง มีตัวอย่างจำนวนมาก หรือมี Script ที่ใช้ซ้ำ เรามักต้องแยกไฟล์ เพื่อไม่ให้ไฟล์หลักยาวจนแก่นของงานถูกกลบ
ปัญหาคือ แยกไฟล์แล้วไม่ได้แปลว่า AI จะรู้เองว่าต้องเปิดไฟล์ไหน
ถ้า Index บอกเพียงว่ามีไฟล์ api-contract.md, security-rules.md และ troubleshooting.md Agent ก็ยังต้องเดาอยู่ดีว่าไฟล์ใดเกี่ยวข้องกับงานตรงหน้า
ผมจึงมองว่า Index ที่ดีต้องบอกสองอย่าง
- มีอะไรอยู่ตรงไหน
- ควรเปิดเมื่อไร
เช่น security-rules.md ควรถูกเปิดเมื่อแตะเรื่อง Authentication, Secret หรือ Permission ส่วน troubleshooting.md ใช้เมื่อ Validation หรือ Test ไม่ผ่าน
จากสารบัญธรรมดา Index จึงกลายเป็นแผนที่ตัดสินใจ
แต่ Index ไม่ได้ควบคุม AI ทุกตัว
จุดนี้สำคัญครับ
เราไม่ควรพูดว่า AI ทุกระบบจะอ่านจากด้านบนลงล่าง เจอ Index แล้วเลือกไฟล์ได้เหมือนกันหมด เพราะพฤติกรรมจริงขึ้นอยู่กับแต่ละ Model รวมถึง Agent runtime, เครื่องมือค้นหา, วิธีโหลด Context และคำสั่งของระบบนั้นๆ
Index ช่วยจัด Information architecture ให้ชัด แต่มันไม่ได้บังคับพฤติกรรมของทุก Model
สิ่งที่เราทำได้คือเขียนทางเลือกและเงื่อนไขให้ชัดที่สุด จากนั้นทดสอบกับ Model และ Runtime ที่เราใช้งานจริง
Skill ไม่ได้จบตอนเขียนไฟล์เสร็จ
อีกเรื่องที่ผมคิดว่าสำคัญคือ Skill ต้องถูกตรวจเหมือน Software
ถ้า Skill มี Script, อ่านไฟล์ หรือเรียก Network การนำ Skill จากภายนอกมาใช้โดยไม่ตรวจ ก็มีความเสี่ยงไม่ต่างจากการติดตั้ง Package หรือรัน Code ของคนอื่น
อย่างน้อยเราควรรู้ว่า Skill เข้าถึงไฟล์ใด เรียก API ไปที่ไหน มี Credential ฝังอยู่หรือไม่ และ Script สามารถแก้หรือลบอะไรได้บ้าง
ส่วนคุณภาพของ Skill ก็ควรถูกทดสอบทั้งกับงานที่ควรใช้ และงานที่ไม่ควรใช้ เพราะ Description ที่กว้างเกินไปอาจทำให้ Skill แย่งงานอื่น ส่วน Description ที่แคบเกินไปก็อาจทำให้ Agent หาไม่เจอ
คำถามที่ผมใช้ตรวจ Skill
หลังเขียน Skill เสร็จ ผมชอบกลับมาอ่านในมุมของคนที่ไม่รู้จักเราเลย แล้วถามว่า
ข้อมูลเท่านี้ เขาทำงานต่อได้จริงไหม? ยังมีจุดไหนที่ต้องเดา? ถ้าต้องตัดสินใจเอง เขารู้หรือยังว่าควรไปในทิศทางไหน?
ถ้ายังมี ก็เติมทิศทางตรงนั้นก่อนครับ
Skill ที่ดีไม่ได้กำจัดการคิด แต่มันกำจัดการเดาที่ไม่จำเป็น
และบางที การทำงานกับ AI ให้ดีขึ้น อาจไม่ได้เริ่มจากการหา Prompt ที่ฉลาดกว่าเดิม แต่อาจเริ่มจากการอธิบายวิธีทำงานของเราให้ชัดขึ้นเท่านั้นเอง
อ่านบทความต้นฉบับบน NEXT4I: https://go.next4i.com/next4i/journey/th
#Suggested #Medium #topics: #AI, #AIAgent, #Future of Work, #Prompt #Engineering, #Productivity
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
