ข้ามไปยังเนื้อหาบทเรียน
เมนู
เข้าสู่ระบบ — เร็ว ๆ นี้
สารบัญบทที่ 246/8

พื้นฐานการใช้ AIการเขียน Prompt

Context Window คือพื้นที่ทำงานของ Prompt

เข้าใจ Context Window คือพื้นที่ทำงานของ Prompt เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

เป้าหมาย: อธิบายกลไก สังเกตผล และออกแบบการทดลองที่ไม่สรุปเกินหลักฐาน · ใช้เวลาประมาณ 16 นาที

กลไก → ผลที่สังเกต → การทดลอง → ขอบเขต

เข้าใจหลักการเท่าที่ใช้วินิจฉัยงานจริง

กลไก

Prompt, history, เอกสาร เครื่องมือ และคำตอบต้องแบ่งพื้นที่ context window เดียวกัน ข้อมูลที่ชัดและเกี่ยวข้องจึงมีผลมากกว่าการยัดทุกอย่างเข้าไป

ผลที่สังเกต

บันทึก input, model, setting, context, output และเวลา ไม่สรุปจาก demo เดียว

การทดลอง

เปลี่ยนทีละตัวแปรและใช้ชุดโจทย์เดิมเปรียบเทียบ

ขอบเขต

ให้คนตรวจข้อเท็จจริง ตัวเลข สิทธิ์ข้อมูล และผลกระทบสำคัญ

คำศัพท์ที่ใช้ตัดสินใจ

context window

อธิบาย context window ด้วยตัวอย่างภาษาไทยหนึ่งกรณี แล้วบอกสิ่งที่แนวคิดนี้ไม่รับประกัน

คำศัพท์มีประโยชน์เมื่อเชื่อมกับพฤติกรรมที่ทดสอบได้

attention

อธิบาย attention ด้วยตัวอย่างภาษาไทยหนึ่งกรณี แล้วบอกสิ่งที่แนวคิดนี้ไม่รับประกัน

คำศัพท์มีประโยชน์เมื่อเชื่อมกับพฤติกรรมที่ทดสอบได้

retrieval

อธิบาย retrieval ด้วยตัวอย่างภาษาไทยหนึ่งกรณี แล้วบอกสิ่งที่แนวคิดนี้ไม่รับประกัน

คำศัพท์มีประโยชน์เมื่อเชื่อมกับพฤติกรรมที่ทดสอบได้

context budget

อธิบาย context budget ด้วยตัวอย่างภาษาไทยหนึ่งกรณี แล้วบอกสิ่งที่แนวคิดนี้ไม่รับประกัน

คำศัพท์มีประโยชน์เมื่อเชื่อมกับพฤติกรรมที่ทดสอบได้

ข้อสรุปที่กลไกนี้ไม่รองรับ

โมเดลตอบคล่องจึงต้องรู้จริง

ความน่าจะเป็นของข้อความไม่ใช่หลักฐาน

ตรวจแหล่งข้อมูลและเจ้าของข้อมูล

เปลี่ยนหลาย setting พร้อมกัน

ไม่รู้สาเหตุของผลต่าง

ทำ controlled comparison

ใช้ค่าตั้งเดียวกับทุกงาน

ต้นทุน ความแปรผัน และความเสี่ยงไม่เหมาะ

กำหนดตาม use case และ eval

ทดลองกับงานภาษาไทย

ทีมขายใส่คู่มือ 200 หน้าและประวัติ chat ยาวก่อนขออีเมลสั้น

ตั้งสมมติฐาน สร้าง test cases เปลี่ยนตัวแปรเดียว บันทึกผล และกำหนด human review

ดูคำตอบตัวอย่าง

สมมติฐานอิงจาก Prompt, history, เอกสาร เครื่องมือ และคำตอบต้องแบ่งพื้นที่ context window เดียวกัน ข้อมูลที่ชัดและเกี่ยวข้องจึงมีผลมากกว่าการยัดทุกอย่างเข้าไป ใช้ข้อมูลจำลองภาษาไทยอย่างน้อยห้ากรณี ล็อก model และ Prompt เปลี่ยนเฉพาะตัวแปรที่ศึกษา วัดความถูกต้อง ความสม่ำเสมอ token/เวลา/ต้นทุน และบันทึกกรณีผิด ก่อนกำหนดว่าผลใดต้อง human review

  • สมมติฐาน
  • test set ภาษาไทย
  • ตัวแปรเดียว
  • บันทึก setting
  • failure cases
  • human review
บันทึกช่วยจำ
  • พฤติกรรมต่างกันตามโมเดล รุ่น ผู้ให้บริการ และการตั้งค่า
  • ตรวจเอกสารของผู้ให้บริการและทดสอบด้วยข้อมูลที่อนุญาต

สรุปบทเรียนนี้

  • กลไกอธิบายแนวโน้ม ไม่รับประกันคำตอบ
  • เปลี่ยนทีละตัวแปร
  • วัดกับงานภาษาไทยจริง