คู่มือการตั้งคำสั่ง (Prompting) สำหรับ GPT-4.1

คู่มือนี้จัดทำขึ้นเพื่อช่วยให้คุณสามารถใช้งาน GPT-4.1 ได้อย่างมีประสิทธิภาพมากขึ้น โดยเฉพาะเมื่อคุณใช้งานร่วมกับเครื่องมือ (tools) หรือให้โมเดลจัดการงานที่มีความซับซ้อน เช่น การวิเคราะห์ การดึงข้อมูล หรือการประมวลผลแบบหลายขั้นตอน

1. การใช้งานร่วมกับเครื่องมือ (Tool Integration)

GPT-4.1 สามารถทำงานร่วมกับเครื่องมือภายนอกได้ เช่น เครื่องมือค้นหาไฟล์, คำนวณ, เข้าถึง API หรือแก้ไขเอกสาร และนี่คือแนวทางที่ดีที่สุดในการใช้งานร่วมกับเครื่องมือ:

a. ใช้ช่อง tools ใน API แทนการฝังคำอธิบายใน prompt

• หลายคนอาจเคยฝังคำอธิบายของเครื่องมือไว้ใน prompt ที่ส่งไปให้โมเดล แต่วิธีที่ถูกต้องและแนะนำคือให้กำหนดเครื่องมือไว้ในช่อง tools ของ API

• การทำแบบนี้ช่วยให้โมเดลรู้จักเครื่องมืออย่างถูกต้อง ช่วยลดข้อผิดพลาด และเพิ่มความแม่นยำ

b. ตั้งชื่อและคำอธิบายของเครื่องมือให้ชัดเจน

• ใช้ชื่อที่สื่อความหมายตรงๆ เช่น search_documents, get_weather และอธิบายสิ่งที่เครื่องมือทำไว้ในช่อง description

• นอกจากนี้ ควรกำหนดชื่อพารามิเตอร์ (parameters) ให้ชัดเจน เช่น query, location, date พร้อมคำอธิบาย เพื่อให้โมเดลเข้าใจว่าควรใช้ข้อมูลอะไร

c. เพิ่มตัวอย่างการใช้งาน (Example usage)

• หากเครื่องมือของคุณมีการใช้งานที่ซับซ้อน เช่น การระบุรูปแบบข้อความ หรือโครงสร้างข้อมูล ควรใส่ตัวอย่างไว้ใน system prompt โดยเขียนไว้ในรูปแบบ # Example แทนที่จะอธิบายทุกอย่างในช่อง description ของเครื่องมือ

• สิ่งนี้ช่วยให้โมเดล “เรียนรู้จากตัวอย่าง” และเลียนแบบการใช้งานเครื่องมือได้แม่นยำขึ้น

2. การเสริมพลังการคิดวิเคราะห์ด้วย Chain-of-Thought (CoT)

Chain-of-Thought (CoT) หรือ “การให้โมเดลคิดเป็นลำดับขั้นตอน” เป็นเทคนิคที่ช่วยให้โมเดลสามารถวิเคราะห์ปัญหาที่ยากขึ้นได้ดีขึ้น โดยเฉพาะปัญหาที่ต้องมีเหตุผลประกอบหลายขั้นตอน

a. กระตุ้นให้โมเดล “คิดออกเสียง”

• เทคนิคนี้คือการให้โมเดลอธิบายแนวคิดหรือเหตุผลก่อนจะตอบคำถามหรือดำเนินการ เช่น บอกให้โมเดลวางแผน ลำดับความคิด หรือถามตัวเองว่าควรทำอะไรก่อนหลัง

ตัวอย่าง prompt ที่ดี:

• การทำเช่นนี้จะช่วยให้โมเดลเข้าใจภาพรวม และทำงานหลายขั้นตอนโดยไม่สับสน

b. ปรับ prompt ตามพฤติกรรมของโมเดล

• หากพบว่าโมเดลตอบผิดพลาด ลำดับเหตุผลไม่ดี หรือใช้เครื่องมือผิด ให้ปรับ prompt เช่น บอกให้มัน “ไตร่ตรองก่อน”, “พิจารณาตัวเลือกก่อนเลือก” หรือ “อย่าเดา ถ้าไม่มั่นใจให้ใช้เครื่องมือก่อน”

• การทดลองและปรับเรื่อยๆ ทำให้คุณได้ prompt ที่แข็งแรงขึ้น

3. ตัวอย่างจริง: apply_patch.py

ในคู่มือนี้ยังมีการให้โค้ดตัวอย่างชื่อ apply_patch.py ซึ่งเป็นเครื่องมือที่ GPT ใช้เพื่อ:

• แก้ไขไฟล์ข้อความ (text file) โดยอิงจาก “คำสั่งแบบ pseudo-diff” เช่น คำสั่งแบบ + เพิ่มบรรทัดนี้, - ลบบรรทัดนี้

• ช่วยให้โมเดลแก้ไขเอกสารตามคำแนะนำของผู้ใช้ได้โดยอัตโนมัติ

นี่คือตัวอย่างการประยุกต์ใช้ GPT-4.1 ร่วมกับเครื่องมืออย่างมีระบบ

สรุป

• หากคุณต้องการใช้งาน GPT-4.1 แบบเต็มประสิทธิภาพ โดยเฉพาะในงานที่ต้องทำหลายขั้นตอนหรือใช้เครื่องมือภายนอก

• ควรใช้ระบบ prompting แบบละเอียด, เสริม reasoning ด้วย Chain-of-Thought, และใช้โครงสร้าง API ของ OpenAI ให้ถูกต้องตามคำแนะนำ

• อย่าลืมว่าการให้ตัวอย่าง, การตั้งชื่อเครื่องมือให้ดี และการปรับปรุง prompt ต่อเนื่องเป็นกุญแจสำคัญ

GPT-4.1 Prompting Guide สรุปเป็น 12 ประเด็นสำคัญ 

1. การตั้งค่าเครื่องมือด้วยช่อง tools ดีกว่าการฝังใน prompt

ใน GPT-4.1 การกำหนดเครื่องมือ (tools) ควรใช้ช่อง tools ของ API โดยตรง ไม่ควรใส่ไว้ใน prompt เพราะการทำเช่นนี้จะทำให้โมเดลเข้าใจได้ลึกกว่า ชัดเจนกว่า และสามารถใช้งานเครื่องมือได้แม่นยำขึ้น ลดความสับสน และลดโอกาสเกิดข้อผิดพลาดในคำตอบของโมเดล

2. ตั้งชื่อและพารามิเตอร์ของเครื่องมือให้เข้าใจง่าย

ชื่อของเครื่องมือและชื่อพารามิเตอร์ควรสื่อถึงการทำงานของมันอย่างชัดเจน เช่น search_documents(query: string) หรือ summarize_text(text: string) พร้อมใส่คำอธิบายแต่ละพารามิเตอร์ให้ละเอียด เช่น “คำค้นหาที่ต้องการ” หรือ “ข้อความต้นฉบับที่จะสรุป”

3. ใช้ตัวอย่างประกอบการสอนโมเดล

การใช้ตัวอย่างในรูปแบบ # Example จะช่วยให้โมเดลเรียนรู้การใช้งานเครื่องมือได้ดีกว่าการอธิบายด้วยข้อความเพียงอย่างเดียว เช่นการแสดงรูปแบบ input/output ที่ต้องการ โมเดลจะเลียนแบบรูปแบบนั้นได้ตรงมากขึ้น โดยเฉพาะสำหรับเครื่องมือที่ซับซ้อนหรือมีเงื่อนไขหลายข้อ

4. ส่งเสริมการคิดเชิงลำดับด้วยเทคนิค Chain-of-Thought (CoT)

Chain-of-Thought คือการกระตุ้นให้โมเดล “คิดเป็นขั้นตอน” โดยให้มันวางแผนหรือไตร่ตรองก่อนดำเนินการ เช่น ถามว่า “ควรทำอะไรก่อน?”, “ข้อมูลอะไรจำเป็น?” ซึ่งจะช่วยให้โมเดลแก้ปัญหาได้ดีขึ้น โดยเฉพาะโจทย์ที่ต้องมีเหตุผลประกอบ

5. ใช้คำสั่งเพื่อกระตุ้นการไตร่ตรอง

การบอกให้โมเดล “คิดให้รอบคอบก่อนตอบ” หรือ “ลองอธิบายทีละขั้นก่อน” ช่วยให้โมเดลไม่รีบตอบ แต่พยายามไตร่ตรองมากขึ้น เหมาะมากกับงานที่ต้องคิดลึก เช่น วิเคราะห์ข้อมูล หรือสรุปเอกสารหลายหน้า

6. แก้ไขพฤติกรรมโมเดลด้วยการทดลองและปรับ prompt

หากพบว่าโมเดลตอบผิดหรือไม่ใช้เครื่องมืออย่างที่ต้องการ ให้กลับมาวิเคราะห์ว่าเกิดจากอะไร และลองปรับ prompt เช่น การเพิ่มคำแนะนำ, ยกตัวอย่างใหม่, หรือจำกัดคำตอบให้แคบลง วิธีนี้ช่วยให้โมเดลมีแนวทางการคิดที่ถูกต้องยิ่งขึ้น

7. ใช้ apply_patch.py เป็นตัวอย่างเครื่องมือแก้ไขไฟล์

ในคู่มือมีเครื่องมือชื่อ apply_patch.py ที่ช่วยให้โมเดลสามารถ “แก้ไขไฟล์ข้อความ” ได้จากคำสั่งในรูปแบบที่มนุษย์อ่านเข้าใจ เช่น + เพิ่มข้อความนี้, - ลบบรรทัดนี้ ซึ่งแสดงให้เห็นว่า GPT-4.1 สามารถนำไปใช้ในงานระดับระบบเอกสารได้จริง

8. อธิบายรูปแบบผลลัพธ์ที่ต้องการให้ชัดเจน

ใน prompt ควรระบุให้ชัดเจนว่าอยากได้ผลลัพธ์แบบใด เช่น “ขอ list ของ ID เท่านั้น”, “สรุปในรูปแบบ markdown”, หรือ “ให้แสดงตัวอย่างโค้ด” เพื่อช่วยให้โมเดลเข้าใจรูปแบบการตอบที่เหมาะสม

9. การออกแบบ prompt ต้องสอดคล้องกับเครื่องมือ

Prompt ที่ดีควรทำหน้าที่เป็น “สะพานเชื่อม” ระหว่างผู้ใช้กับเครื่องมือ เช่น หากเครื่องมือรับ location และ unit, prompt ก็ควรพูดถึงสองเรื่องนี้โดยตรง เพื่อไม่ให้โมเดลใช้ข้อมูลที่เกินหรือผิดพลาด

10. ไม่ควร overload prompt ด้วยคำอธิบายเครื่องมือ

การใส่รายละเอียดทั้งหมดของเครื่องมือไว้ใน prompt จะทำให้ prompt ยาวและซับซ้อนเกินไป ควรแยกเครื่องมือไว้ที่ส่วนของ tools และใช้ prompt เพียงเพื่อแนะนำทิศทางหรือใส่ตัวอย่างแทน

11. จงสอนโมเดลเหมือนฝึกเด็กฝึกงาน

คิดว่าโมเดลคือเด็กฝึกงานที่ทำงานเก่งแต่ยังไม่เข้าใจทุกอย่าง — คุณต้องสอนให้มันรู้ว่า “ทำไมต้องทำแบบนี้”, “ควรทำอะไรก่อน”, และ “อย่าเดา ถ้าไม่มั่นใจให้ใช้เครื่องมือ” วิธีคิดแบบนี้จะช่วยออกแบบ prompt ได้ดีขึ้นมาก

12. ความสำเร็จมาจากการทดสอบและปรับจูนอย่างต่อเนื่อง

ไม่มี prompt ไหนที่ “ดีที่สุด” ทันที การจะใช้ GPT-4.1 ให้ได้ผลดีในระดับมืออาชีพ ต้องมีการทดลองหลายแบบ, ดูผลลัพธ์, ปรับปรุง, และเรียนรู้จากข้อผิดพลาดตลอดเวลา จึงจะได้ prompt ที่เหมาะสมและทรงพลังที่สุด

บทสรุป

GPT-4.1 เป็นเครื่องมืออัจฉริยะที่สามารถทำงานร่วมกับเครื่องมือต่างๆ ได้หลากหลายอย่างน่าทึ่ง แต่การจะใช้ให้ได้ผลสูงสุดต้องอาศัยศิลปะการตั้ง prompt อย่างละเอียด ถ้าเราเข้าใจวิธีคิดของโมเดล เสริมด้วยแนวทางการสอน การทดลอง และการออกแบบที่แม่นยำ มันก็จะกลายเป็นผู้ช่วยที่ทรงพลังที่สุดในงานของคุณ