ข้ามไปยังเนื้อหาบทเรียน
เมนู
เข้าสู่ระบบ — เร็ว ๆ นี้
สารบัญบทที่ 203/8

พื้นฐานการใช้ AIการเขียน Prompt

Tree สำหรับหมวดหมู่ สิทธิ์ และ Knowledge Navigation

เข้าใจ “Tree สำหรับหมวดหมู่ สิทธิ์ และ Knowledge Navigation” 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

tree

อธิบาย tree ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

วาดตัวอย่างข้อมูลเล็กก่อนเลือก implementation

hierarchy

อธิบาย hierarchy ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

tree เหมาะกับความสัมพันธ์ parent-child เช่นหมวดสินค้าและหน่วยงาน แต่สิ่งที่อยู่หลายหมวดหรือสืบทอดสิทธิ์ซับซ้อนอาจต้องโครงสร้างอื่น

inheritance

อธิบาย inheritance ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

tree เหมาะกับความสัมพันธ์ parent-child เช่นหมวดสินค้าและหน่วยงาน แต่สิ่งที่อยู่หลายหมวดหรือสืบทอดสิทธิ์ซับซ้อนอาจต้องโครงสร้างอื่น

taxonomy

อธิบาย taxonomy ด้วยข้อมูล การทำงาน และผลเมื่อข้อมูลโต

tree เหมาะกับความสัมพันธ์ parent-child เช่นหมวดสินค้าและหน่วยงาน แต่สิ่งที่อยู่หลายหมวดหรือสืบทอดสิทธิ์ซับซ้อนอาจต้องโครงสร้างอื่น

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

SOP หนึ่งฉบับใช้ทั้งโรงแรม ฝ่ายหน้าเคาน์เตอร์ และเหตุฉุกเฉิน

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