*บทความนี้สร้างขึ้นโดยใช้การป้อนข้อมูลด้วยเสียงผ่าน AI (Aqua Voice) โปรดทราบว่าอาจมีความไม่สอดคล้องกันบ้าง
คุณยังติดอยู่กับ “การเขียน prompt เก่ง” อยู่ไหม? — วิวัฒนาการของ AI กับวิศวกรรมสามประเภท
สวัสดีครับ ทุกคนสบายดีไหมครับ?
ผมชื่อฮิโระ จาก Full Body Tracking Lab ครับ
วันนี้ แทนที่จะพูดเรื่องฟูลบอดี้แทรคกิ้งตามปกติ ผมอยากจะพูดเรื่อง AI ครับ
ผมใช้เครื่องมือ AI ที่ชื่อว่า Claude Code ในการทำหลายอย่าง ไม่ว่าจะเป็นเขียนบทความ เขียนนิยาย สร้างสคริปต์ Blender 3D และอื่น ๆ อีกมากครับ
แต่แค่ใช้งานแบบปกติมันไม่พอครับ
วันนี้ผมจะพูดถึงว่าวิธีการใช้ AI มีวิวัฒนาการอย่างไร อะไรเปลี่ยนไปพร้อมกับวิวัฒนาการของ AI และทำไมผมถึงมาถึงวิธีใช้งานแบบที่ทำอยู่ตอนนี้ครับ
การใช้ AI มีสามยุคสมัย
จากประสบการณ์ของผมในการใช้ AI ผมรู้สึกว่าวิวัฒนาการของการใช้งานสามารถแบ่งออกเป็นสามขั้นตอนใหญ่ ๆ ครับ
ขั้นแรกคือ “Prompt Engineering”
ขั้นที่สองคือ “Context Engineering”
ขั้นที่สามคือ “Harness Engineering”
ให้ผมอธิบายทีละอันนะครับ
ยุคที่ 1: Prompt Engineering
ถ้าคุณใช้ AI เลย คนส่วนใหญ่น่าจะเริ่มจากตรงนี้ครับ
มีหน้าจอแชทคล้าย LINE คุณพิมพ์ว่า “ช่วยทำอย่างนั้นอย่างนี้หน่อย” แล้วมันก็ตอบว่า “ได้ครับ นี่เลยครับ” ประมาณนั้นแหละครับ
Prompt engineering คือทักษะในการเขียนคำสั่งเหล่านั้นให้ดีครับ
ตัวอย่างเช่น แบบนี้ครับ:
“คุณเป็นบรรณาธิการมืออาชีพ กรุณาตรวจทานข้อความต่อไปนี้”
คุณให้บริบทและเงื่อนไขเบื้องต้นแก่อีกฝ่ายเพื่อดึงคำตอบที่เชี่ยวชาญยิ่งขึ้น กุญแจสำคัญคือการเขียนคำสั่งที่ดีครับ
สิ่งนี้ยังคงสำคัญแม้ในยุคหลัง ๆ อย่างไรก็ตาม มันมีจุดอ่อนร้ายแรงครับ
คุณต้องพูดมันทุกครั้ง
“คุณเป็นนักวิจัยฟูลบอดี้แทรคกิ้ง สรรพนามบุรุษที่หนึ่งของคุณคือ ‘ผม’ สไตล์การเขียนของคุณเป็นแบบสุภาพกึ่งทางการ…”
คุณต้องเขียนแบบนี้ทุกครั้ง ภายในจำนวนตัวอักษรที่จำกัดครับ
AI จำทุกอย่างไม่ได้ ดังนั้นคุณต้องกระชับที่สุดเท่าที่จะเป็นไปได้ แต่ก็ต้องแม่นยำด้วยครับ
พูดตรง ๆ มันมีข้อจำกัดครับ
มันลืมเมื่อบทสนทนายาวขึ้น
มนุษย์ก็เหมือนกันใช่ไหมครับ? เวลาคุยไปเรื่อย ๆ สักพัก คุณก็จะคิดว่า “เดี๋ยวนะ เราคุยเรื่องอะไรกันตอนแรก?” AI ก็เหมือนกันครับ
คุณภาพไม่สม่ำเสมอ
เมื่อบทสนทนายาวขึ้น คุณภาพก็เริ่มสั่นคลอน คุณตั้งค่ามันเป็น “นักวิจัยฟูลบอดี้แทรคกิ้ง” แต่ระหว่างทางมันกลายเป็นตัวละครที่แตกต่างไปอย่างสิ้นเชิงครับ
คุณไม่สามารถใช้ประโยชน์จากความรู้ในอดีตได้
คุณอยากจะบอกว่า “กรุณาดูดซับข้อมูลทั้งหมดจากบทความที่ผมเคยเขียนมาก่อนแล้วนำไปใช้” แต่มันเป็นไปไม่ได้ครับ มีข้อจำกัดว่า AI จะเก็บข้อมูลในหน่วยความจำได้มากแค่ไหนในคราวเดียว
สุดท้ายแล้ว แนวทาง “พยายามจัดการทุกอย่างด้วย prompt เพียงอย่างเดียว” ก็เริ่มแสดงข้อจำกัดออกมาครับ
คำถามจึงกลายเป็นว่า: มีวิธีอื่นไหม? แล้วการใช้ AI ก็วิวัฒนาการไปในทิศทางใหม่ครับ
ยุคที่ 2: Context Engineering
Context engineering คืออะไร? มันคือทักษะในการออกแบบว่า “จะแสดงข้อมูลอะไรให้ AI ดู ในจังหวะไหน และในลำดับใด” ครับ
ถ้า prompt เกี่ยวกับ “จะถามอะไร” context ก็เกี่ยวกับ “จะให้ AI ดูอะไร” ครับ
สามสิ่งที่ต้องทำ
อย่างแรก ป้อนข้อมูลที่จำเป็นให้มันครับ
เวลาให้ AI เขียนบทความ คุณโหลดบทความเก่าที่เกี่ยวข้อง ข้อมูลอุปกรณ์ล่าสุด ฟีดแบ็กจากผู้อ่าน และอื่น ๆ ไว้ล่วงหน้า ไม่ใช่ทุกอย่าง แค่สิ่งที่เกี่ยวข้องกับงานปัจจุบันครับ
ถัดมา จัดการความสดใหม่ของข้อมูลครับ
คุณตัดสินว่า “ข้อมูลนี้เป็นปัจจุบัน” และ “ข้อมูลนั้นล้าสมัยแล้ว” แล้วให้ความสำคัญกับการแสดงข้อมูลที่ใหม่กว่า ถ้าคุณให้มันเขียน “คำแนะนำล่าสุด” โดยอิงจากข้อมูลเก่า มันจะทำให้เข้าใจผิดได้ครับ
สุดท้าย ออกแบบลำดับของข้อมูลครับ
ลำดับที่คุณแสดงสิ่งต่าง ๆ ให้ AI ดูนั้นเปลี่ยนผลลัพธ์ได้ “อันดับแรก ให้มันเข้าใจโลกของ VRChat ถัดมา ให้มันเข้าใจเทคโนโลยีฟูลบอดี้แทรคกิ้ง สุดท้าย นำเสนอหัวข้อปัจจุบัน” การกลับลำดับนี้จะให้ผลลัพธ์ที่แตกต่างอย่างสิ้นเชิงครับ
สี่เทคนิค
Context engineering มีสี่เทคนิคหลักครับ
Selection: การเลือกข้อมูลที่จำเป็น
Compression: การย่อข้อมูลและส่งผ่านเฉพาะประเด็นสำคัญ
Segmentation: การแบ่งข้อมูลออกเป็นบล็อกและนำเสนอเป็นขั้นตอน
Writing Out: การลบข้อมูลที่ไม่จำเป็นเพื่อลดสัญญาณรบกวน
การป้อนทุกอย่างพร้อมกันจริง ๆ แล้วกลับส่งผลเสีย กุญแจสำคัญของ context engineering คือการนำเสนอเฉพาะสิ่งที่ต้องการ ในรูปแบบที่ต้องการครับ
ยุคที่ 3: Harness Engineering
อันสุดท้ายที่เกิดขึ้นคือ harness engineering ครับ
เมื่อได้ยินคำว่า “harness” บางคนอาจนึกถึงสายไฟรถยนต์ แต่ harness ที่ผมพูดถึงที่นี่เดิมหมายถึงชุดอุปกรณ์ทั้งหมดสำหรับควบคุมม้า เครื่องมือที่ชี้นำม้าไปในทิศทางที่ถูกต้องครับ
Harness engineering คือทักษะในการออกแบบสภาพแวดล้อมที่ AI ทำงานอยู่ เพื่อให้มันวิ่งไปในทิศทางที่ถูกต้องเสมอครับ
ความคล้ายคลึงกับ Test Harness
อนึ่ง เนื่องจาก Anthropic ซึ่งเป็นบริษัทที่สร้าง Claude Code เป็นบริษัทซอฟต์แวร์ ผมคิดว่า “harness” นี้มีรากศัพท์เดียวกับ “test harness” ครับ
Test harness เป็นศัพท์พัฒนาซอฟต์แวร์ที่หมายถึงระบบที่ควบคุมสภาพแวดล้อมการทำงานของเป้าหมายที่ทดสอบอย่างมีโครงสร้าง และทำให้ผลลัพธ์สามารถตรวจสอบได้ครับ
อุปกรณ์ที่ทำให้ม้าวิ่งได้ถูกต้อง ระบบที่ตรวจสอบเป้าหมายทดสอบได้ถูกต้อง การออกแบบสภาพแวดล้อมที่ทำให้ AI ทำงานได้ถูกต้อง ทั้งหมดเชื่อมโยงกันครับ
ผมทำอะไรจริง ๆ?
ให้ผมแนะนำ harness ที่ผมสร้างขึ้นจริง ๆ ครับ
อย่างแรก: Skills (เปอร์โซนา)
กฎเช่น “ฮิโระเขียนแบบนี้” “สรรพนามบุรุษที่หนึ่งคือ ผม” “สิ่งนี้ห้ามทำ” ถูกกำหนดไว้ในไฟล์ AI อ่านไฟล์เหล่านี้และทำงานตั้งแต่ต้นด้วยหลักการว่า “ผมคือฮิโระ” ครับ
ไม่ต้องเขียน “คุณคือฮิโระ” ใน prompt ทุกครั้ง มันอยู่บนรางนั้นแล้วครับ
อย่างที่สอง: ฐานความรู้
บทความที่ผมเคยเขียนมาก่อน ความรู้เกี่ยวกับ VRChat ข้อมูลเกี่ยวกับอุปกรณ์ฟูลบอดี้แทรคกิ้ง ทั้งหมดนี้ถูกจัดระเบียบไว้ในโฟลเดอร์ และ AI สามารถอ้างอิงได้เมื่อจำเป็นครับ
ไม่ต้องเขียน “ฟูลบอดี้แทรคกิ้งคือเทคโนโลยีที่ติดตามการเคลื่อนไหวของร่างกายทั้งหมด…” ใน prompt ทุกครั้ง มันรู้วิธีค้นหาและวิธีหาความรู้ครับ
อย่างที่สาม: ขั้นตอนการทำงาน
มีขั้นตอนที่กำหนดไว้สำหรับการเขียนบทความ: ยืนยันธีม ออกแบบธีมแฝง ร่างโครงสร้าง เขียน แก้ไข ขั้นตอนนี้ถูกเขียนไว้ในไฟล์ ดังนั้น AI สามารถทำงานตาม “ควรคิดอะไรก่อน” ทีละขั้นตอนครับ
อย่างที่สี่: หน่วยความจำ
บันทึกเช่น “คนนี้เคยตัดสินใจแบบนี้มาก่อน” และ “นโยบายนี้ถูกกำหนดไว้สำหรับโปรเจกต์นี้” ถูกบันทึกไว้ในไฟล์ และ AI สามารถอ่านได้ในเซสชันใหม่ครับ
อันนี้อาจจะสำคัญที่สุด หน่วยความจำถูกส่งต่อเกินขีดจำกัดของ context window ครับ
อย่างที่ห้า: การตรวจสอบคุณภาพ (Checkers)
เมื่อ AI สร้างผลลัพธ์ออกมา มันไม่ได้ไปสู่การเผยแพร่โดยตรง ตัวตรวจสอบจะทำงานโดยอัตโนมัติ “มันตรงกับคำนิยามเดิมไหม?” “สรรพนามบุรุษที่หนึ่งถูกต้องไหม?” ถ้ามีอะไรไม่ผ่าน กระบวนการจะย้อนกลับไปที่จุดเริ่มต้นของแผนผังและทำใหม่ครับ
แทนที่จะพูดว่า “ระวังด้วยนะ” ใน prompt การตรวจสอบถูกสร้างไว้ในระบบเลยครับ
ความแตกต่างระหว่าง “คำขอ” กับ “ระบบ”
ประเด็นสำคัญตรงนี้คือ: “แต่ในขั้นตอน context engineering ก็มีการกำหนดเงื่อนไขเช่น ‘ทำแบบนี้’ และ ‘เขียนแบบนี้’ ด้วยไม่ใช่เหรอ?”
ใช่ครับ มี แต่การกำหนดเงื่อนไขเหล่านั้นจริง ๆ แล้วเป็นแค่คำขอครับ
แม้ว่าคุณจะพูดว่า “อย่าทำแบบนี้” หรือ “อย่าเขียนแบบนั้น” ก็ไม่มีระบบที่รับประกันว่าจะเดินบนเส้นทางที่ถูกต้อง เนื่องจากมันเป็นคำขอ AI อาจลืมหรือเพิกเฉยได้ครับ
Harness engineering ไม่ใช่คำขอ แต่เป็นโครงสร้าง มันวางรางเพื่อให้ AI วิ่งได้เฉพาะในทิศทางที่ถูกต้อง นั่นคือความแตกต่างพื้นฐานครับ
เปรียบเทียบทั้งสามแบบวางคู่กัน
ให้ผมจัดระเบียบทุกอย่างที่พูดมาทั้งหมดในคราวเดียวครับ
Prompt Engineering:
ทักษะในการสร้าง “คำสั่ง” ที่ดีให้ AI
เปรียบกับร้านอาหาร: การสั่งอาหาร
Context Engineering:
ทักษะในการให้ “วัตถุดิบที่ถูกต้อง” แก่ AI
เปรียบกับร้านอาหาร: การจัดหาวัตถุดิบที่ดี
Harness Engineering:
ทักษะในการออกแบบ “ห้องครัว” ที่ AI ทำงาน
เปรียบกับร้านอาหาร: การออกแบบห้องครัว
แตกต่างกันอย่างสิ้นเชิงเลยใช่ไหมครับ? แต่คุณต้องการทั้งสามอย่าง
คำสั่งที่ดีที่สุด (prompt) x วัตถุดิบที่ดีที่สุด (context) x ห้องครัวที่ดีที่สุด (harness)
เมื่อทั้งสามมารวมกัน AI ก็สามารถทำอาหารได้จริง ถ้าขาดอันใดอันหนึ่ง มันก็ทำงานไม่ได้ครับ
เปรียบเทียบกับบ้านจะชัดเจนยิ่งขึ้น
สำหรับคนที่ยังไม่เชื่อมโยงกับการเปรียบเทียบร้านอาหาร นี่คือเวอร์ชันบ้านครับ
Harness = ฐานราก สร้างแล้วอยู่ตลอดไป
Context = กำแพงและเสา (โครงสร้าง) สามารถปรับเปลี่ยนตามงานได้
Prompt = การตกแต่งภายใน (การจัดวางเฟอร์นิเจอร์) สามารถเปลี่ยนได้ทุกครั้ง
ฐานรากที่แข็งแรง กำแพงที่เหมาะสม และการตกแต่งภายในที่จัดวางดี เมื่อทุกอย่างมารวมกันเท่านั้นจึงจะกลายเป็น “บ้าน” ครับ
ในทางกลับกัน ไม่ว่าการตกแต่งภายใน (prompt) จะวิจิตรแค่ไหน ถ้าไม่มีฐานราก (harness) คุณก็ต้องสร้างใหม่ทุกครั้ง ถ้าไม่มีกำแพง (context) คุณก็ไม่มีแม้แต่ห้องครับ
ตัวอย่างจริง — ผมเขียน “คนรักเมตาเวิร์ส” ได้อย่างไร
จุดที่ผมรู้สึกถึงความแตกต่างของทั้งสามนี้มากที่สุดคือตอนเขียนนิยาย “คนรักเมตาเวิร์ส” ทั้งหมด 12 บท ที่ผมเขียนเมื่อเร็ว ๆ นี้ครับ
ถ้าใช้แค่ Prompt จะเป็นอย่างไร?
“ฉากหลังคือ VRChat ธีมคือความรักในโลกเสมือน กรุณาเขียนเป็น 12 บท”
เขียนแบบนั้น แก้สิ่งที่ออกมา ให้คำสั่งเพิ่ม แก้อีกครั้ง ทำซ้ำครับ
มันก็ได้อะไรบางอย่างออกมา แต่สิ่งที่ได้คือ “นิยายแบบ AI” การบรรยาย VRChat นั้นตื้น และอารมณ์ของฟูลบอดี้แทรคกิ้งไม่สื่อออกมาครับ
สิ่งที่ผมทำ
ผมใช้ทั้งสามชั้นครับ
ในระดับ prompt:
“บทนี้เป็นประมาณนี้” “ฉากนี้ควรมีบรรยากาศแบบนี้” ผมทำคำสั่งแต่ละอันให้เรียบง่ายครับ
ในระดับ context:
ผมโหลดเนื้อหาของบทก่อนหน้า วัฒนธรรมการต้อนรับผู้เล่นใหม่ของ VRChat ประสบการณ์ทางอารมณ์ของฟูลบอดี้แทรคกิ้ง และบรรยากาศของห้องเต้นรำ ข้อมูลที่บทนี้ต้องการในตอนนี้ครับ
ในระดับ harness:
เปอร์โซนา “ฮิโระ” รับประกันความสมจริงของ VRChat ฐานความรู้รับประกันการบรรยายฟูลบอดี้แทรคกิ้งที่แม่นยำ การตรวจสอบคุณภาพยืนยันว่า “มีอะไรที่ไม่สมจริงสำหรับ VRChat ไหม?” และ “เนื้อเรื่องสอดคล้องกันไหม?” หน่วยความจำรักษาความสม่ำเสมอตลอดทั้ง 12 บทครับ
ส่วนที่ยากที่สุด พูดตรง ๆ คือ context ครับ ถ้าคุณไม่สามารถเรียบเรียงบางอย่างเป็นคำพูดได้ด้วยตัวเอง คุณก็ไม่สามารถถ่ายทอดมันให้ AI ได้เช่นกัน การเรียบเรียง “ความรู้สึกเฉพาะตัวของ VRChat นี้” เป็นเรื่องยากจริง ๆ มีความล้มเหลวมากมายครับ
แต่เมื่อทั้งสามคลิกเข้าที่ ผมก็สามารถเขียนงานยาว 12 บทที่มีคุณภาพสม่ำเสมอได้ ถ้าขาดองค์ประกอบใดองค์ประกอบหนึ่ง ผมไม่คิดว่ามันจะสำเร็จครับ
ทั้งสามไม่ได้ขัดแย้งกัน — มันเป็นชั้น
“แล้ว prompt engineering ล้าสมัยแล้วเหรอ?”
ไม่เลยครับ
ผมอธิบายว่าทั้งสามอยู่ในยุคที่แตกต่างกัน แต่ไม่ได้หมายความว่าอันเก่ากว่าจะไม่จำเป็น คุณใช้ทั้งหมด มันเป็นแค่ชั้นที่แตกต่างกันครับ
แม้หลังจากสร้าง harness แล้ว คุณก็ยังให้คำสั่งในระดับ prompt: “เขียนบทนี้แบบนี้” ครับ
แม้ว่า context จะจัดระเบียบดี แต่ถ้า prompt ห่วย ผลลัพธ์ก็ห่วยครับ
เมื่อทั้งสามมารวมกันเท่านั้น AI จึงจะแสดงศักยภาพเต็มที่ครับ
สรุป
ด้วย prompt เพียงอย่างเดียว คุณเป็นลูกค้าที่สั่งอาหารจากศูนย์ทุกครั้งครับ
เมื่อคุณจัดระเบียบ context AI ก็ได้วัตถุดิบที่ดี และคุณภาพของผลลัพธ์ก็พุ่งสูงขึ้นครับ
เมื่อคุณสร้าง harness AI จะกลายเป็นเพื่อนร่วมทีม มันแบกความรู้ของคุณ ทำงานในสไตล์ของคุณ และดำเนินการแทนคุณครับ
ผมเป็นนักวิจัยฟูลบอดี้แทรคกิ้ง แต่มันก็เหมือนกันกับฟูลบอดี้แทรคกิ้งครับ
ด้วยแค่เฮดเซ็ตและคอนโทรลเลอร์ (= prompt เพียงอย่างเดียว) คุณก็สามารถเข้าสู่โลกเสมือนได้ครับ
การเลือกเวิลด์ที่ถูกต้อง (= การจัดระเบียบ context) เปลี่ยนคุณภาพของประสบการณ์ครับ
การสวมเซ็นเซอร์ฟูลบอดี้แทรคกิ้ง ปรับเทียบ และตั้งค่าสภาพแวดล้อม (= การสร้าง harness) นั่นแหละครับที่คุณจะรู้สึกว่า “ตัวเองอยู่ที่นั่นจริง ๆ” เป็นครั้งแรก
มันเหมือนกันกับ AI ครับ
เมื่อคุณจัดทั้งสามชั้นให้ตรงกันเท่านั้น มันจึงจะกลายเป็น “AI ของคุณ” ครับ
ผมหวังว่าทุกคนจะลองก้าวไปสู่ขั้นตอนที่อยู่เหนือ prompt ครับ
ฮิโระ
ขอบคุณที่อ่าน! กรุณาติดตามเราบน X และสมัครสมาชิกช่อง YouTube ของเรา!