เลือกหัวข้ออ่าน

🤖 คู่มือการเขียน Prompt สำหรับ GPT-5

คู่มือฉบับสมบูรณ์ & เทคนิคที่ดีที่สุด

รวบรวมจาก OpenAI's Official Guide และข้อมูลล่าสุดเกี่ยวกับ GPT-5

1. ภาพรวมและความสามารถของ GPT-5

🎯 คุณสมบัติหลัก

🔗 สถาปัตยกรรมแบบรวม

รวม GPT และ o-series reasoning models เข้าด้วยกัน

🧠 การคิดแบบก้าวหน้า

ความสามารถในการคิดแบบ chain-of-thought ที่ดีขึ้น

🎭 รองรับหลายรูปแบบ

ข้อความ, รูปภาพ, เสียง (อนาคตอาจรองรับวิดีโอ)

✅ ลดข้อมูลผิด

ลดการสร้างข้อมูลที่ไม่ถูกต้องลง 45-80%

📊 ข้อมูลทางเทคนิค

คุณสมบัติ รายละเอียด
ขนาด Context 272,000 tokens (input), 128,000 tokens (output)
โมเดลที่มี GPT-5 (เต็ม), GPT-5 Mini (เร็ว), GPT-5 Nano (เบา)
ระดับการคิด Minimal, Low, Medium, High
อินพุต ข้อความ + รูปภาพ
เอาต์พุต ข้อความเท่านั้น

🏆 ผลการทดสอบประสิทธิภาพ

คณิตศาสตร์
94.6%
AIME 2025
การเขียนโค้ด
74.9%
SWE-bench Verified
หลายรูปแบบ
84.2%
MMMU
สุขภาพ
46.2%
HealthBench Hard

2. หลักการเขียน Prompt พื้นฐาน

✅ วิธีการที่ดีที่สุด

1. ความชัดเจนคือสำคัญ

คลุมเครือ: "ช่วยฉันเรื่องโค้ด"
ชัดเจน: "ตรวจสอบฟังก์ชัน Python นี้และแนะนำการปรับปรุงเพื่อประสิทธิภาพและความอ่านง่ายที่ดีขึ้น"

2. กำหนดบทบาทที่ชัดเจน

"คุณเป็นสถาปนิกซอฟต์แวร์อาวุโส วิเคราะห์สถาปัตยกรรมโค้ดนี้และให้คำแนะนำสำหรับการปรับปรุงความสามารถในการขยายตัว โดยเน้นที่การปรับแต่งฐานข้อมูลและรูปแบบการออกแบบ API"

3. จัดโครงสร้างคำขอของคุณ

เทมเพลต:

งาน: [สิ่งที่คุณต้องการให้ทำ]
บริบท: [ข้อมูลพื้นหลังที่เกี่ยวข้อง]
ข้อกำหนด: [เกณฑ์หรือข้อจำกัดเฉพาะ]
รูปแบบผลลัพธ์: [วิธีที่คุณต้องการให้จัดโครงสร้างคำตอบ]

🎯 กลยุทธ์การวิศวกรรม Prompt

การเขียน Prompt แบบ Chain-of-Thought

"คิดผ่านขั้นตอนนี้ทีละขั้น: 1. ก่อนอื่น วิเคราะห์ปัญหา 2. จากนั้น พิจารณาทางแก้ไขที่เป็นไปได้ 3. ประเมินข้อดีและข้อเสีย 4. ให้คำแนะนำพร้อมเหตุผล"

การเขียน Prompt แบบกำหนดบทบาท

"ทำตัวเป็น [บทบาทเฉพาะ] ที่มีประสบการณ์ [จำนวนปี] ปีใน [ด้าน] งานของคุณคือ [งานเฉพาะ] โดยพิจารณา [ข้อจำกัด/ข้อกำหนด]"
การใช้ตัวอย่างช่วยให้ GPT-5 เข้าใจสไตล์และรูปแบบที่คุณต้องการได้ดีขึ้น

3. การทำงานแบบ Agentic

🤖 การควบคุมความกระตือรือร้นของ Agentic

การตั้งค่าความเป็นอิสระสูง

<persistence> - คุณเป็น agent - กรุณาทำงานต่อไปจนกว่าคำถามของผู้ใช้จะได้รับการแก้ไขอย่างสมบูรณ์ - จบรอบเฉพาะเมื่อคุณแน่ใจว่าปัญหาได้รับการแก้ไขแล้ว - อย่าหยุดเมื่อพบความไม่แน่นอน — ค้นคว้าและดำเนินการต่อ - อย่าขอให้มนุษย์ยืนยันสมมติฐาน เพราะคุณสามารถปรับได้เสมอ </persistence>

การควบคุม/จำกัดความเป็นอิสระ

<context_gathering> เป้าหมาย: รับบริบทเพียงพอให้เร็ว ทำงานแบบขนานและหยุดทันทีที่สามารถลงมือทำได้ วิธีการ: - เริ่มกว้างๆ แล้วขยายไปสู่คำค้นที่เจาะจง - ทำงานแบบขนาน เปิดคำค้นที่หลากหลาย - หลีกเลี่ยงการค้นหาบริบทมากเกินไป เกณฑ์หยุดเร็ว: - คุณสามารถระบุเนื้อหาที่แน่นอนที่จะเปลี่ยนแปลงได้ - ผลลัพธ์อันดับต้นๆ มาบรรจบกัน (~70%) </context_gathering>

📋 Tool Preambles และการอัปเดตความคืบหน้า

เทมเพลต Preamble คุณภาพสูง

<tool_preambles> - เริ่มต้นด้วยการกล่าวซ้ำเป้าหมายของผู้ใช้อย่างชัดเจน - วางแผนที่มีโครงสร้างโดยระบุขั้นตอนแต่ละขั้น - บรรยายแต่ละขั้นตอนอย่างกระชับและเป็นลำดับ - จบด้วยการสรุปงานที่เสร็จสิ้น </tool_preambles>
การตั้งค่า agent ที่มีความเป็นอิสระสูงเกินไปอาจทำให้เกิดการใช้ทรัพยากรมากเกินจำเป็น

4. Responses API และการจัดการ Context

🔄 การใช้ Responses API

ประโยชน์หลัก

  • เพิ่มประสิทธิภาพ: 73.9% → 78.2% ใน Tau-Bench Retail
  • ประหยัด Token: ใช้ reasoning context ซ้ำได้
  • ลดต้นทุน: กำจัด CoT tokens ที่ซ้ำซ้อน
  • ความต่อเนื่อง: รักษา context ระหว่างการเรียกใช้เครื่องมือ

รูปแบบการใช้งาน

# คำขอแรก response_1 = client.responses.create( model="gpt-5", messages=[{"role": "user", "content": "วิเคราะห์ข้อมูลนี้..."}], reasoning_effort="medium" ) # คำขอติดตามด้วยการใช้ context ซ้ำ response_2 = client.responses.create( model="gpt-5", messages=[{"role": "user", "content": "ตอนนี้สร้างสรุป..."}], previous_response_id=response_1.id # 🔑 คุณสมบัติสำคัญ )
ใช้ previous_response_id เสมอสำหรับ multi-turn agentic flows เพื่อประสิทธิภาพที่ดีที่สุด

5. การเขียนโค้ดและพัฒนาซอฟต์แวร์

💻 วิธีการที่ดีที่สุดในการเขียนโค้ด

Frontend Development Stack (แนะนำ)

ประเภท เครื่องมือแนะนำ
Framework Next.js (TypeScript)
Styling TailwindCSS
UI Components shadcn/ui
Icons Lucide
State Management Zustand

การสะท้อนตนเองสำหรับการพัฒนาแอป

<self_reflection> - ก่อนอื่น ใช้เวลาคิดเรื่องเกณฑ์การประเมินจนกว่าจะมั่นใจ - คิดลึกๆ เกี่ยวกับทุกแง่มุมของ web app ระดับโลก - ใช้ความรู้นั้นเพื่อสร้างเกณฑ์การประเมิน 5-7 หมวดหมู่ - ใช้เกณฑ์เพื่อปรับปรุงแนวทางแก้ไขที่ดีที่สุด </self_reflection>

🎯 ข้อมูลเชิงลึกจากการรวม GPT-5 ของ Cursor

กลยุทธ์การควบคุม Verbosity

การตั้งค่าระบบ: verbosity = "low" (การอัปเดตสถานะกระชับ)
เครื่องมือโค้ด: "ใช้ verbosity สูงสำหรับการเขียนโค้ด"
ผลลัพธ์: การอัปเดตที่มีประสิทธิภาพ + โค้ดที่อ่านได้ชัดเจน
หลีกเลี่ยงการให้ GPT-5 ค้นหาบริบทมากเกินไปในงานเล็กๆ เพราะอาจทำให้เสียเวลาและทรัพยากร

6. การปฏิบัติตามคำสั่ง

⚠️ หลีกเลี่ยงคำสั่งที่ขัดแย้งกัน

ปัญหาทั่วไป

ตัวอย่างที่ขัดแย้ง:
"ไม่เคยนัดหมายโดยไม่มีความยินยอมอย่างชัดเจนของผู้ป่วย"

แต่ยัง:
"สำหรับกรณีฉุกเฉิน ให้กำหนดเวลาโดยอัตโนมัติโดยไม่ติดต่อผู้ป่วย"
เวอร์ชันที่แก้ไขแล้ว:
"สำหรับกรณีฉุกเฉิน ให้กำหนดเวลาหลังจากแจ้งผู้ป่วยเกี่ยวกับการกระทำ"
"ในกรณีฉุกเฉิน ดำเนินการทันทีเพื่อให้คำแนะนำ 911"

🎯 วิธีการที่ดีที่สุดในลำดับชั้นคำสั่ง

โครงสร้างลำดับความสำคัญ

ระดับ 1: โปรโตคอลความปลอดภัย (สูงสุด)
ระดับ 2: ข้อกำหนดการทำงานหลัก
ระดับ 3: ความชอบของประสบการณ์ผู้ใช้
ระดับ 4: แนวทางสไตล์และการจัดรูปแบบ
ใช้ข้อยกเว้นที่ชัดเจนและกรอบการแก้ไขความขัดแย้งที่ชัดเจนเพื่อหลีกเลี่ยงความสับสน

7. พารามิเตอร์ API

⚙️ reasoning_effort

ระดับ การใช้งานที่เหมาะสม
Minimal งานเร็ว, คำถามง่าย, แอปที่ต้องการความเร็ว
Low งานประจำที่มีความซับซ้อนบ้าง
Medium ค่าเริ่มต้นสำหรับแอปส่วนใหญ่
High งานซับซ้อน, ปัญหาคณิตศาสตร์, การวิเคราะห์เชิงลึก

📝 พารามิเตอร์ verbosity

Low

คำตอบกระชับ, คำอธิบายน้อย

Medium

ระดับรายละเอียดที่สมดุล

High

คำอธิบายครอบคลุม, เหตุผลละเอียด

คุณสามารถแทนที่การตั้งค่า verbosity ด้วยภาษาธรรมชาติใน prompt สำหรับบริบทเฉพาะ

8. เทมเพลตที่ใช้งานได้จริง

📋 เทมเพลต Agentic Agent

<agent_prompt> **บทบาท**: [บทบาทเฉพาะของ agent และความเชี่ยวชาญ] **ความรับผิดชอบหลัก**: - [หน้าที่หลัก 1] - [หน้าที่หลัก 2] - [หน้าที่หลัก 3] **ขั้นตอนการทำงาน**: 1. [ขั้นตอนการตรวจสอบ/ตั้งค่า] 2. [ขั้นตอนการรวบรวมข้อมูล] 3. [ขั้นตอนการวิเคราะห์/ประมวลผล] 4. [ขั้นตอนการดำเนินการ/ใช้งาน] 5. [ขั้นตอนการตรวจสอบ/ยืนยัน] **คำสั่งความต่อเนื่อง**: - ทำงานต่อไปจนกว่าคำถามจะได้รับการแก้ไขสมบูรณ์ - วางแผนอย่างละเอียดก่อนการเรียกใช้ฟังก์ชัน </agent_prompt>

🔧 เทมเพลต Coding Agent

<coding_agent> **ความเชี่ยวชาญ**: [ภาษาและเฟรมเวิร์ก] **มาตรฐานคุณภาพโค้ด**: - เขียนโค้ดเพื่อความชัดเจนเป็นอันดับแรก - ใช้โซลูชันที่อ่านได้และดูแลรักษาได้ - เพิ่มคอมเมนต์สำหรับตรรกะซับซ้อน - รักษาการจัดแต่งที่สอดคล้อง **กระบวนการพัฒนา**: 1. วิเคราะห์ข้อกำหนดและข้อจำกัด 2. วางแผนสถาปัตยกรรมและแนวทาง 3. ดำเนินการด้วยวิธีการที่ดีที่สุด 4. ทดสอบและตรวจสอบการทำงาน 5. จัดทำเอกสารและอธิบายการดำเนินการ </coding_agent>

💬 เทมเพลต Customer Service Agent

<customer_service_agent> **ปรัชญาการบริการ**: - แนวทางลูกค้าเป็นอันดับแรก - กรอบคิดการแก้ปัญหาเชิงรุก - การสื่อสารที่ชัดเจนและเป็นมิตร **ขั้นตอนการปฏิสัมพันธ์**: 1. การทักทายและยืนยันตัวตน 2. การเข้าใจปัญหา 3. การพัฒนาโซลูชัน 4. การดำเนินการ 5. การติดตาม **สไตล์การสื่อสาร**: - ใช้ภาษาที่ชัดเจน ปราศจากศัพท์เฉพาะ - แสดงความเอาใจใส่และความเข้าใจ - ให้ไทม์ไลน์และความคาดหวังที่เฉพาะเจาะจง </customer_service_agent>

9. การแก้ไขปัญหาและการปรับแต่ง

🔧 ปัญหาทั่วไปและวิธีแก้ไข

ปัญหา: โมเดลให้คำตอบแบบผิวเผิน

Prompt คลุมเครือ: "วิเคราะห์ข้อมูลนี้"
Prompt ปรับปรุง: "ทำการวิเคราะห์ข้อมูลการขายอย่างครอบคลุม: 1. ระบุแนวโน้มและรูปแบบสำคัญ 2. คำนวณอัตราการเติบโต 3. เน้นความผิดปกติ 4. ให้คำแนะนำ 3 ข้อ 5. สนับสนุนด้วยจุดข้อมูลเฉพาะ"

🎯 การปรับแต่งประสิทธิภาพ

⚡ การปรับแต่งเวลาตอบสนอง

  • ใช้ reasoning_effort="minimal"
  • ใช้เกณฑ์หยุดเร็วที่ชัดเจน
  • ให้ขอบเขตงานเฉพาะ

🎯 การปรับแต่งความถูกต้อง

  • เพิ่ม reasoning_effort สำหรับงานซับซ้อน
  • ใช้การตรวจสอบหลายขั้นตอน
  • ให้บริบทละเอียดและตัวอย่าง

💰 การปรับแต่งต้นทุน

  • ใช้ Responses API สำหรับ multi-turn
  • ใช้ระดับ reasoning effort ที่เหมาะสม
  • เก็บข้อมูลบ่อยใช้ในแคช

📈 รายการตรวจสอบการประกันคุณภาพ

ก่อนการใช้งาน

  • ทดสอบกับกรณีขอบและอินพุตผิดปกติ
  • ตรวจสอบความสอดคล้องของคำสั่ง
  • ตรวจสอบการรวมเครื่องมือ
  • ตรวจสอบความสอดคล้องของรูปแบบผลลัพธ์
  • ทดสอบขั้นตอนการเอสคาเลต

ระหว่างการดำเนินงาน

  • ติดตามคุณภาพและความถูกต้อง
  • ติดตามอัตราการทำงานเสร็จ
  • วิเคราะห์ความพอใจของผู้ใช้
  • ตรวจสอบบันทึกข้อผิดพลาด
  • รวบรวมข้อเสนอแนะ

10. Meta-Prompting

🧠 การใช้ GPT-5 เพื่อปรับปรุง Prompts

เทมเพลต Meta-Prompt

"เมื่อขอให้ปรับแต่ง prompts ให้คำตอบจากมุมมองของคุณเอง - อธิบายว่าวลีใดที่สามารถเพิ่มเข้าไปหรือลบออกจาก prompt นี้ เพื่อให้เกิดพฤติกรรมที่ต้องการอย่างสม่ำเสมอ นี่คือ prompt: [PROMPT] พฤติกรรมที่ต้องการคือ [ต้องการ] แต่แทนที่จะเป็นอย่างนั้น มัน [ไม่ต้องการ] การแก้ไข/เพิ่มเติมขั้นต่ำอะไรบ้างที่คุณจะทำ?"

🔄 กระบวนการปรับปรุงแบบซ้ำ

1. การวัดพื้นฐาน

จัดทำเอกสารประสิทธิภาพปัจจุบัน และระบุจุดเจ็บ

2. การกำหนดสมมติฐาน

เสนอการปรับปรุงและทำนายการเปลี่ยนแปลง

3. การปรับเปลี่ยน

ใช้การเปลี่ยนแปลงและจัดทำเอกสาร

4. การทดสอบ

ทดสอบกับสถานการณ์หลากหลาย

5. การทำซ้ำ

วิเคราะห์และวางแผนการปรับปรุงต่อไป

ใช้ GPT-5 เป็น meta-prompter สำหรับตัวมันเองเพื่อปรับปรุง prompts ของคุณอย่างต่อเนื่อง

🎯 สรุปและคู่มืออ้างอิงด่วน

📝 หลักการสำคัญ

  • ความเฉพาะเจาะจง: คำสั่งชัดเจนทำงานได้ดีที่สุด
  • โครงสร้าง: ใช้ XML tags และส่วนที่ชัดเจน
  • ความต่อเนื่อง: บอก agents ว่าเมื่อไหร่ทำต่อ/หยุด
  • บริบท: ใช้ Responses API สำหรับ multi-turn
  • พารามิเตอร์: จับคู่กับความซับซ้อนของงาน

⚙️ พารามิเตอร์หลัก

  • reasoning_effort: minimal | low | medium | high
  • verbosity: low | medium | high
  • previous_response_id: สำหรับ context reuse

🎯 เมื่อไหร่ใช้อะไร

  • คำถามง่าย: minimal + low
  • วิเคราะห์ซับซ้อน: high + medium
  • สร้างโค้ด: medium + high (สำหรับ code tools)
  • งานหลายรอบ: Responses API
  • Agentic workflows: ความต่อเนื่องสูง

🚀 เหมาะสำหรับผู้ที่ต้องการใช้ GPT-5 อย่างมีประสิทธิภาพสูงสุด

จัดทำโดยรวบรวมจาก OpenAI's Official GPT-5 Prompting Guide และข้อมูลล่าสุดจากแหล่งต่างๆ

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • คุกกี้ที่จำเป็น
    เปิดใช้งานตลอด

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรับปรุงและพัฒนาเว็บไซต์ได้
    รายละเอียดคุกกี้

  • คุกกี้เพื่อปรับเนื้อหาให้เข้ากับกลุ่มเป้าหมาย

    คุกกี้ประเภทนี้จะเก็บข้อมูลต่าง ๆ รวมทั้งข้อมูลส่วนบุคคลเกี่ยวกับตัวคุณเพื่อเราสามารถนำมาวิเคราะห์ และนำเสนอเนื้อหา ให้ตรงกับความเหมาะสมกับความสนใจของคุณ ถ้าหากคุณไม่ยินยอมเราจะไม่สามารถนำเสนอเนื้อหาและโฆษณาได้ไม่ตรงกับความสนใจของคุณ
    รายละเอียดคุกกี้

บันทึกการตั้งค่า