พื้นฐานการใช้ AIการเขียน Prompt

Search และ Index: ทำไมมีข้อมูลแต่หาไม่เจอ

เข้าใจ “Search และ Index: ทำไมมีข้อมูลแต่หาไม่เจอ” ผ่านงานธุรกิจไทยและผลกระทบต่อความเร็ว ความถูกต้อง และความเป็นธรรม

เป้าหมาย: เลือกโครงสร้างและตั้งคำถามเรื่อง scale ได้โดยไม่ต้องเป็นโปรแกรมเมอร์ · ใช้เวลาประมาณ 15 นาที

Question → Structure → Operation → Trade-off

เลือกโครงสร้างจากคำถามและการเปลี่ยนแปลง ไม่ใช่จากชื่อที่คุ้น

Question

ต้องค้น เรียง เชื่อม คิว หรือเดินตามลำดับอะไร

Structure

เลือก representation และ identifier

Operation

ระบุ read/write/update/delete และความถี่

Trade-off

วัดเวลา พื้นที่ freshness fairness และ failure

แนวคิดที่ใช้คุยกับทีม

search

อธิบาย search ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

วาดตัวอย่างข้อมูลเล็กก่อนเลือก implementation

index

อธิบาย index ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

index แลกพื้นที่และงานอัปเดตกับการค้นเร็วขึ้น ต้องเลือก field, tokenization, filter และ freshness ให้ตรงคำถาม

filter

อธิบาย filter ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

freshness

อธิบาย freshness ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

แบบจำลองที่ทำให้ระบบผิด

ไม่มี stable key

ข้อมูลซ้ำหรืออัปเดตผิดคน

กำหนด identity/matching rule

priority ไม่มีเหตุผล

ไม่ยุติธรรมและตรวจไม่ได้

ประกาศ criteria/tie-break

ทดสอบแต่ข้อมูลน้อย

latency/cost ระเบิดเมื่อ scale

load test และ complexity review

ออกแบบโครงสร้างจากงาน

RAG ค้นคำไทยที่สะกดหลายแบบและได้ SOP เก่า

กำหนด entity/key, structure, operations, edge cases, scale และ metric

ดูคำตอบตัวอย่าง

ระบุ source of truth และ stable key เลือก list/map/queue/tree/graph/index ตามคำถาม เขียน operations และ tie-break ตรวจ duplicate/cycle/stale index วัด latency, memory, fairness และ cost ที่ปริมาณปัจจุบันกับอนาคต พร้อม fallback เมื่อข้อมูลผิด

entity/key
structure
operations
edge cases
scale
metric/fallback

บันทึกช่วยจำ

โครงสร้างเดียวอาจมี implementation หลายแบบ ให้ทีมเทคนิควัดกับ workload จริง
การ ranking คนหรือสิทธิ์ต้องตรวจ bias และผลกระทบ

สรุปบทเรียนนี้

เริ่มจากคำถาม
มี key และ operation ชัด
วัด trade-off เมื่อ scale