MatthewAI
  • CMU Matthew AI คืออะไร?
  • คุณสมบัติผู้ใช้งานและขั้นตอนการเข้าสู่ระบบ
  • Full Credits
  • กลับไปหน้าคู่มือทั้งหมด
  • การเริ่มต้นใช้งาน (Getting Started)
    • รู้จัก Matthew Interface
    • การสร้างผู้ช่วยสอน AI (AI Teaching Assistant)
      • General Setting
      • Available Tools Setting
      • Knowledge Setting
      • Access Control Setting
    • การเปิด-ปิด การแก้ไข การดูสถิติการใช้ และจำนวน tokens ที่เหลือ
    • วิดิโอแนะนำ CMU Mattew Gen AI
  • เทคนิคการใช้ Prompt ให้ได้ผลลัพธ์ดีที่สุด
    • พื้นฐานการเขียน Prompt (โครงสร้างที่ดีของ Prompt)
    • Prompt Techniques
      • The Persona Pattern
      • The Audience Persona Pattern
      • Chain of Thought (CoT) Pattern
      • Zero Shot and Few Shot Prompting
  • ตัวอย่างการสร้าง prompt ในกระบวนวิชาต่างๆ
    • การสร้าง Interactive Quiz
    • EduBot, InnoBot, Botnoi: AI Assistants for Education and Creativity
    • Matti & Kathi: Generative AI prompt trainer
  • ปัญหาที่พบบ่อย (FAQ) และความปลอดภัยของข้อมูล
    • FAQs คำถามที่พบบ่อย
    • นโยบายการจัดการและความปลอดภัยของข้อมูล
    • ช่องทางติดต่อทีมสนับสนุน
Powered by GitBook
On this page
Export as PDF
  1. เทคนิคการใช้ Prompt ให้ได้ผลลัพธ์ดีที่สุด

Prompt Techniques

Previousพื้นฐานการเขียน Prompt (โครงสร้างที่ดีของ Prompt)NextThe Persona Pattern

Last updated 3 months ago

Prompt Engineering เป็นกลยุทธ์ในการใช้ข้อความหรือคำสั่งเพื่อกระตุ้นให้ระบบ AI สร้างผลลัพธ์ตามที่ต้องการ เทคนิคนี้ช่วยให้ได้ผลลัพธ์ที่มีประสิทธิภาพและตรงกับเป้าหมายที่ตั้งไว้มากขึ้น โดยการใช้รูปแบบ (Pattern) ที่เหมาะสม

ตัวอย่าง Prompt Techniques

  1. Personal Pattern The Persona Pattern การออกแบบคำสั่งโดยมุ่งเน้นไปที่ความต้องการ ข้อมูลพื้นฐาน หรือบริบทส่วนบุคคล เพื่อให้ผลลัพธ์ที่ได้มีความเฉพาะด้านและตรงกับผู้ใช้มากที่สุด

  2. Audience Pattern The Audience Persona Pattern การออกแบบคำสั่งที่คำนึงถึงผู้รับสารหรือกลุ่มเป้าหมายที่ต้องการสื่อสาร โดยกำหนดการใช้ภาษาหรือบริบทให้เหมาะสมกับกลุ่มเป้าหมาย

  3. Chain of Thought (CoT) Pattern การกระตุ้นให้ AI คิดเป็นลำดับขั้นตอนเพื่อให้ได้คำตอบที่ซับซ้อนและมีเหตุผลมากขึ้น โดยสามารถใช้คำสั่งเช่น "อธิบายเป็นขั้นตอน" หรือ "ช่วยวิเคราะห์ปัญหานี้ทีละขั้นตอน"

  4. Zero Shot and Few Shot Prompting

    • Zero-shot Prompting: การให้ AI ทำงานโดยไม่มีตัวอย่างมาก่อน เช่น "อธิบายแนวคิดของเศรษฐศาสตร์พฤติกรรม"

    • Few-shot Prompting: การให้ตัวอย่างบางส่วนเพื่อให้ AI เข้าใจแนวทางก่อน เช่น "ตัวอย่างของข้อความเชิญงานคือ... กรุณาสร้างข้อความเชิญงานในลักษณะเดียวกัน"

Chain of Thought (CoT) Pattern
Zero-shot และ Few-shot Prompting