นี่คือชุดคำสั่ง (Prompt) ทั้ง 20 ข้อที่ออกแบบมาเพื่อดึงศักยภาพสูงสุดของฟังก์ชันใน NotebookLM โดยปรับลำดับใหม่ทั้งหมด เปลี่ยนเป็นคำว่า “Usecase” ตามที่คุณต้องการ และทุกคำสั่งจะเริ่มต้นด้วยคำว่า “จากข้อมูลทั้งหมด” เพื่อบังคับให้ AI อ้างอิงเฉพาะแหล่งข้อมูล (Sources) ที่อัปโหลดไว้เท่านั้นครับ
1. สรุปภาพรวมและจุดประสงค์ของเอกสาร (Executive Summary)
ฟังก์ชัน NotebookLM ที่ใช้: การประมวลผลข้อมูลจากทุก Source (Source Guide) และสร้าง Citation ทันที
Usecase: ไฟล์ยาวมาก อัปโหลดไว้หลายไฟล์ และไม่รู้ควรเริ่มอ่านตรงไหนก่อน
Prompt:
“จากข้อมูลทั้งหมด ใน Notebook นี้ ช่วยสรุปภาพรวมแบบเข้าใจง่ายว่าเอกสารหลักพูดถึงเรื่องอะไร ดึงประเด็นสำคัญมา 3–5 ข้อ พร้อมระบุ Citation อ้างอิงว่าแต่ละประเด็นมาจากไฟล์ใดหรือหน้าไหน และประเมินให้หน่อยว่าเอกสารชุดนี้เหมาะกับใครเป็นพิเศษ”
2. สรุปใจความสำคัญแบบสั้นสุด (TL;DR)
ฟังก์ชัน NotebookLM ที่ใช้: การดึงแก่นข้อมูลที่ตรงประเด็น (Strict Extraction) โดยไม่แต่งเติมเนื้อหา
Usecase: มีเวลาน้อยมาก ต้องการแค่ใจความหลักแบบรวบรัด
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปแบบ TL;DR ความยาวไม่เกิน 5 บรรทัด โฟกัสเฉพาะสาระสำคัญที่เป็นหัวใจหลักที่สุดของเอกสารเท่านั้น โดยไม่ต้องอธิบายทฤษฎีหรืออารัมภบทเพิ่มเติม”
3. ย่อยข้อมูลยากให้เป็นภาษาคนธรรมดา (Layman Terms)
ฟังก์ชัน NotebookLM ที่ใช้: การแปลงภาษาเชิงเทคนิคโดยยังคง Fact ของข้อมูลต้นฉบับไว้ร้อยเปอร์เซ็นต์
Usecase: เนื้อหาใน Source เป็นวิชาการ ศัพท์เฉพาะเยอะ หรือเป็นเปเปอร์ที่อ่านยาก
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปเนื้อหาหลัก แล้วอธิบายความหมายใหม่ด้วยภาษาคนธรรมดา ให้คนที่ไม่มีพื้นฐานในเรื่องนี้เลยสามารถอ่านแล้วเข้าใจได้ทันที หลีกเลี่ยงศัพท์วิชาการให้มากที่สุด หากมีศัพท์เฉพาะที่จำเป็นต้องใช้ ให้ช่วยนิยามสั้น ๆ ตามบริบท”
4. สรุปประเด็นสำคัญสำหรับผู้บริหาร (Executive Bullet Points)
ฟังก์ชัน NotebookLM ที่ใช้: การจัดโครงสร้างข้อมูลให้กระชับ เหมาะกับการกดบันทึกลงในฟังก์ชัน “Notes”
Usecase: ต้องทำสรุปสั้นกระชับ เพื่อส่งต่อให้หัวหน้าใช้ประกอบการตัดสินใจ
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปเนื้อหาออกมาเป็น Bullet Point สั้น ๆ เน้นเฉพาะประเด็นสำคัญ แผนงาน หรือตัวเลขที่ต้องใช้ประกอบการตัดสินใจ เหมาะสำหรับส่งให้ระดับบริหารอ่าน พร้อมใส่ Citation กำกับเชิงลึก”
5. สกัดเฉพาะสิ่งที่นำไปลงมือทำได้จริง (Actionable Takeaways)
ฟังก์ชัน NotebookLM ที่ใช้: การคัดกรองเฉพาะข้อมูลเชิงปฏิบัติการจากเอกสารที่มีน้ำเยอะ
Usecase: อยากได้ขั้นตอนหรือวิธีการไปใช้งานต่อ ไม่ต้องการอ่านประวัติหรือทฤษฎี
Prompt:
“จากข้อมูลทั้งหมด ช่วยกรองและสรุปเฉพาะประเด็นที่สามารถนำไปลงมือทำหรือประยุกต์ใช้งานได้จริงทันที (Actionable) ตัดส่วนที่เป็นทฤษฎี ประวัติความเป็นมา และรายละเอียดที่ไม่จำเป็นในการปฏิบัติออกให้หมด”
6. วิเคราะห์และดึง Insight ที่ซ่อนอยู่ (Hidden Insights)
ฟังก์ชัน NotebookLM ที่ใช้: การวิเคราะห์จุดเชื่อมโยง (Cross-referencing) ระหว่างหลายไฟล์
Usecase: อยากได้มุมมองเชิงลึก หรือการวิเคราะห์ ไม่ใช่แค่การย่อความทั่วไป
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปใจความสำคัญ แล้วประมวลผลเพื่อดึง Insight หรือข้อคิดสำคัญที่คนส่วนใหญ่มักมองข้ามออกมาให้ 3–5 ข้อ โดยอิงจากการเชื่อมโยงความสัมพันธ์ของเนื้อหาในเอกสารเหล่านี้เท่านั้น”
7. วิเคราะห์กรอบความคิด (SWOT Analysis)
ฟังก์ชัน NotebookLM ที่ใช้: การบังคับ AI ให้สวมกรอบความคิดวิเคราะห์กับ “ข้อมูลเชิงประจักษ์”
Usecase: ต้องการประเมินสถานการณ์ หาจุดแข็ง-อ่อน และโอกาสจากฐานข้อมูลที่มี
Prompt:
“จากข้อมูลทั้งหมด ช่วยวิเคราะห์เนื้อหาผ่านกรอบ SWOT Analysis (Strengths, Weaknesses, Opportunities, Threats) โดยประเมินจากข้อเท็จจริงในเอกสารเท่านั้น และให้เน้นอธิบายในส่วนของโอกาส (Opportunities) ที่อาจจะยังไม่ได้ถูกนำมาใช้”
8. สแกนหาความเสี่ยงและข้อควรระวัง (Red Flags & Risks)
ฟังก์ชัน NotebookLM ที่ใช้: การตรวจจับข้อขัดแย้ง หรือข้อจำกัดที่ระบุไว้ในเอกสาร
Usecase: อยากประเมินความเสี่ยง จุดอ่อน หรือหลุมพรางก่อนตัดสินใจเริ่มโปรเจกต์
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปเนื้อหา แล้วสแกนหา Red Flags ข้อควรระวัง ความเสี่ยง หรือข้อจำกัดสำคัญที่ระบุอยู่ในเอกสาร ซึ่งอาจทำให้โปรเจกต์ล้มเหลว พร้อมสรุปวิธีหลีกเลี่ยงหรือวิธีแก้ปัญหาตามที่เอกสารแนะนำ”
9. เตรียมวาระและประเด็นถกเถียงสำหรับการประชุม (Meeting Preparation)
ฟังก์ชัน NotebookLM ที่ใช้: การสร้าง Discussion Guide จากความเข้าใจโครงสร้างรวมของเนื้อหา
Usecase: ต้องย่อยข้อมูลเพื่อนำไปใช้บรีฟงาน หรือเปิดประเด็นคุยกับทีม
Prompt:
“จากข้อมูลทั้งหมด ช่วยย่อยข้อมูลเพื่อใช้สำหรับเตรียมตัวประชุมกับทีม โดยแบ่งเนื้อหาออกเป็น 1) ประเด็นแก่นสำคัญที่ทุกคนในทีม ‘จำเป็นต้องรู้’ 2) คำถามที่ยังหาข้อสรุปไม่ได้ในเอกสาร หรือประเด็นที่ชวนให้เกิดการถกเถียง (Discussion Points) เพื่อนำไปคุยต่อ”
10. แปลงกระบวนการเป็น Checklist (Step-by-step)
ฟังก์ชัน NotebookLM ที่ใช้: การสกัดลำดับขั้นตอน (Process Extraction) พร้อมแนบแหล่งอ้างอิงเพื่อตรวจสอบ
Usecase: ต้องการคู่มือการทำงานที่ทำตามได้เป็นขั้นตอนชัดเจน
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปแล้วแปลงเนื้อหาที่เป็นกระบวนการ ออกมาเป็น Checklist หรือขั้นตอน Step-by-step ที่เรียงลำดับอย่างถูกต้องและทำตามได้จริง พร้อมใส่ Citation อ้างอิงว่าแต่ละขั้นตอนถูกดึงมาจากหน้าไหนของเอกสาร”
11. สร้างชุดคำถามที่พบบ่อย (FAQ Generation)
ฟังก์ชัน NotebookLM ที่ใช้: การระบุและสกัดคำถาม-คำตอบ (Q&A Extraction) จากเนื้อหาที่ซับซ้อน
Usecase: ต้องการเตรียมตัวตอบคำถามล่วงหน้า หรือทำเอกสารอ้างอิงสำหรับทีม Support
Prompt:
“จากข้อมูลทั้งหมด ช่วยสร้างชุดคำถาม-คำตอบ (FAQ) จำนวน 5-10 ข้อ ที่คาดว่าคนที่อ่านเอกสารนี้จะเกิดความสงสัยมากที่สุด พร้อมดึงคำตอบจากในเอกสารมาตอบให้กระชับและตรงประเด็น โดยใส่ Citation อ้างอิงทุกข้อ”
12. รวบรวมคำศัพท์เฉพาะและคำจำกัดความ (Glossary Extraction)
ฟังก์ชัน NotebookLM ที่ใช้: การดึงคำศัพท์เฉพาะและสร้างบริบทแวดล้อม (Contextual Definition)
Usecase: เอกสารมีคำศัพท์เทคนิค หรือตัวย่อจำนวนมากที่ต้องทำความเข้าใจก่อนเริ่มงาน
Prompt:
“จากข้อมูลทั้งหมด ช่วยลิสต์คำศัพท์เฉพาะทาง คำศัพท์เทคนิค หรือตัวย่อที่ปรากฏในเอกสาร พร้อมเขียนคำอธิบายความหมายสั้น ๆ ตามบริบทที่ถูกใช้ในเนื้อหา เพื่อจัดทำเป็นหมวดหมู่ Glossary สำหรับใช้อ้างอิงร่วมกัน”
13. เปรียบเทียบข้อมูลระหว่างเอกสาร (Cross-Document Comparison)
ฟังก์ชัน NotebookLM ที่ใช้: การหาจุดร่วมและจุดต่างระหว่าง Source หลายตัว (Comparative Analysis)
Usecase: อัปโหลดไฟล์หลายเวอร์ชัน หรือไฟล์จากหลายแหล่ง และต้องการเห็นจุดที่แตกต่างกัน
Prompt:
“จากข้อมูลทั้งหมด ช่วยเปรียบเทียบข้อมูลระหว่างเอกสารแต่ละฉบับที่อัปโหลดไว้ ว่ามีจุดไหนที่ข้อมูลตรงกัน ขัดแย้งกัน หรือมีประเด็นไหนที่เอกสารฉบับหนึ่งมีแต่อีกฉบับไม่มี ช่วยสรุปออกมาเป็นตารางเปรียบเทียบให้เห็นภาพชัดเจน”
14. ต่อยอดไอเดียจากฐานข้อมูล (Ideation & Brainstorming)
ฟังก์ชัน NotebookLM ที่ใช้: การใช้ฐานข้อมูลที่จำกัดเป็นกรอบในการคิดสร้างสรรค์ (Grounded Brainstorming)
Usecase: ต้องการหาแนวทางใหม่ ๆ หรือไอเดียต่อยอด แต่ไม่อยากให้ AI คิดมั่วออกนอกเรื่อง
Prompt:
“จากข้อมูลทั้งหมด ช่วยเสนอไอเดียต่อยอดหรือแนวทางประยุกต์ใช้เนื้อหานี้ในมุมมองใหม่ ๆ จำนวน 5 ไอเดีย โดยอิงจากข้อเท็จจริงในเอกสารเป็นฐานคิดเท่านั้น และช่วยระบุด้วยว่าแต่ละไอเดียพัฒนาต่อยอดมาจากเนื้อหาส่วนไหนของเอกสาร”
15. จัดเรียงลำดับเหตุการณ์ (Chronological Timeline)
ฟังก์ชัน NotebookLM ที่ใช้: การตรวจจับวันที่ เวลา และความสัมพันธ์ของเหตุการณ์ (Temporal Extraction)
Usecase: เอกสารมีประวัติศาสตร์ ขั้นตอนการพัฒนา หรือเหตุการณ์ที่เกิดขึ้นตามลำดับเวลาและซับซ้อน
Prompt:
“จากข้อมูลทั้งหมด ช่วยดึงเหตุการณ์ วันที่ หรือช่วงเวลาที่สำคัญออกมา แล้วนำมาจัดเรียงใหม่เป็น Timeline ตามลำดับก่อนหลัง (Chronological Order) พร้อมสรุปสั้น ๆ ว่าเกิดอะไรขึ้นในแต่ละช่วงเวลา”
16. วิเคราะห์กรณีศึกษา (Case Study Breakdown)
ฟังก์ชัน NotebookLM ที่ใช้: การถอดรหัสโครงสร้างของปัญหาและทางแก้ (Problem-Solution Mapping)
Usecase: เอกสารเป็นงานวิจัย รายงานการตลาด หรือกรณีศึกษาขององค์กรที่ยาวมาก
Prompt:
“จากข้อมูลทั้งหมด ช่วยวิเคราะห์กรณีศึกษาในเอกสาร โดยแยกหัวข้อออกเป็น: ปัญหาที่พบ (Problem), วิธีแก้ปัญหาที่ใช้ (Solution), ผลลัพธ์ที่ได้ (Result) และ บทเรียนที่ได้รับ (Lessons Learned) พร้อมแนบ Citation ในทุกหัวข้อ”
17. ตรวจสอบข้อเท็จจริงและน้ำหนักของเหตุผล (Argument Validation)
ฟังก์ชัน NotebookLM ที่ใช้: การประเมินน้ำหนักของข้อมูลและการหาข้อพิสูจน์ (Evidence-based check)
Usecase: ต้องการตรวจสอบว่าข้อเสนอแนะในเปเปอร์นั้นมีหลักฐานรองรับเพียงพอหรือไม่ น่าเชื่อถือแค่ไหน
Prompt:
“จากข้อมูลทั้งหมด ช่วยวิเคราะห์ข้อเสนอแนะหรือสมมติฐานหลักของเอกสารนี้ แล้วประเมินว่ามีหลักฐาน ข้อมูลสถิติ หรือแหล่งอ้างอิงสนับสนุนที่น่าเชื่อถือเพียงพอหรือไม่ และชี้ให้เห็นจุดที่ข้อมูลอาจจะยังมีน้ำหนักอ่อนเกินไป”
18. สร้างแบบทดสอบความเข้าใจ (Quiz Generation)
ฟังก์ชัน NotebookLM ที่ใช้: การเปลี่ยน Fact ให้เป็นคำถามเพื่อทดสอบความรู้ (Knowledge Check)
Usecase: ใช้ทบทวนความรู้ตัวเองก่อนสอบ หรือสร้างแบบทดสอบให้ทีมงาน/นักเรียน
Prompt:
“จากข้อมูลทั้งหมด ช่วยสร้างแบบทดสอบความเข้าใจแบบปรนัย (Multiple Choice) จำนวน 5 ข้อ โดยเลือกจากประเด็นสำคัญที่สุดของเอกสาร พร้อมเฉลยและอธิบายเหตุผลโดยอ้างอิงจากข้อมูลในเอกสาร (กรุณาใส่ Citation ตรงคำอธิบายเฉลย)”
19. ปรับเปลี่ยนรูปแบบเป็นสคริปต์เล่าเรื่อง (Tone & Format Transformation)
ฟังก์ชัน NotebookLM ที่ใช้: การเปลี่ยนโทนเสียงโดยรักษาความถูกต้องของเนื้อหา (Format Shifting)
Usecase: ต้องการนำเนื้อหาหนัก ๆ ไปทำสคริปต์วิดีโอ พอดแคสต์ หรือโพสต์ลงโซเชียลมีเดีย
Prompt:
“จากข้อมูลทั้งหมด ช่วยสรุปใจความสำคัญ แล้วนำมาร้อยเรียงใหม่ในรูปแบบของสคริปต์เล่าเรื่อง (Storytelling) หรือโพสต์สำหรับโซเชียลมีเดีย ให้น่าติดตามและกระตุ้นความสนใจ โดยรักษาข้อเท็จจริง (Fact) ดั้งเดิมไว้ทั้งหมด ไม่แต่งเติมข้อมูลใหม่”
20. ไกด์ไลน์สำหรับฟีเจอร์ Audio Overview (Audio Script Prep)
ฟังก์ชัน NotebookLM ที่ใช้: การเตรียมความพร้อมและกำหนดทิศทางก่อนกดสร้างพอดแคสต์ (Audio Overview Guide)
Usecase: ต้องการกำหนดประเด็นให้ชัดเจนก่อนให้ระบบ AI ของ NotebookLM สร้างบทสนทนาเสียง
Prompt:
“จากข้อมูลทั้งหมด หากต้องการนำเอกสารนี้ไปทำสรุปเสียง (Audio Overview) ช่วยสกัด 3 หัวข้อหลักที่ควรเน้นย้ำ และ 1 คำถามชวนคิดท้ายเรื่อง เพื่อนำไปใช้เป็นแกนหลักในการบรีฟสร้างไฟล์เสียงให้ผู้ฟังจับใจความสำคัญได้ดีที่สุด”
