จุดจบของการเขียน Prompt: จุดเริ่มต้นของ AI Loops

คนส่วนใหญ่ยังคงพยายามหา prompt ที่สมบูรณ์แบบ

นั่นคือเกมที่ผิดแล้วในตอนนี้

ผู้ใช้ AI ที่เก่งที่สุดไม่ได้เก่งขึ้นเพราะพวกเขาเจอประโยควิเศษ แต่พวกเขาเก่งขึ้นเพราะพวกเขาเลิกปฏิบัติต่อ AI เหมือนกล่องแชท และเริ่มปฏิบัติต่อมันเหมือนระบบที่สามารถนำพางานจากขั้นตอนหนึ่งไปสู่อีกขั้นตอนหนึ่งได้

นี่คือการเปลี่ยนแปลง: การใช้ prompt เคย是关于การได้คำตอบที่ดีหนึ่งคำตอบ Loops คือการทำให้งานดำเนินต่อไปหลังจากได้คำตอบแรก

ตอนที่ 1 · ยุคของ prompt กำลังหมดหนทาง

ทุกคนยังคงพยายามรวบรวม prompt ที่ดีกว่า ซึ่งเป็นวิธีที่ให้ผลตอบแทนต่ำที่สุดในการใช้ AI ในตอนนี้ พวกเขายังคงตามหาประโยคที่สมบูรณ์แบบ การสวมบทบาทที่สมบูรณ์แบบ การตั้งค่า "act as" ที่สมบูรณ์แบบ แล้วก็สงสัยว่าทำไมทุกงานที่จริงจังถึงกลายเป็นการต้องคอยดูแลแท็บแชทอยู่สี่สิบนาที

• เวิร์กโฟลว์ AI แบบเก่ามีลักษณะดังนี้:
• เปิดแชท → วางบริบท → ถามครั้งเดียว → แก้ไขผลลัพธ์ → ถามอีกครั้ง → เริ่มใหม่
• มันให้ความรู้สึกมีประสิทธิผลเพราะมีอะไรเกิดขึ้น
• แต่มันก็ยังคงเป็นงานทำมือที่มีการเติมคำอัตโนมัติที่เร็วขึ้น

ปัญหาคือตัว prompt ไม่ได้แย่ ปัญหาคือ โดยปกติแล้ว prompt คือแค่การเคลื่อนไหวเดียว ในขณะที่งานจริงคือห่วงโซ่ของการเคลื่อนไหว การวิจัยกลายเป็นการวางโครงร่าง การวางโครงร่างกลายเป็นการร่าง การร่างกลายเป็นการตรวจสอบ การตรวจสอบกลายเป็นการเขียนใหม่ การเขียนใหม่กลายเป็นการเผยแพร่ แล้วผลลัพธ์ก็ควรสอนความพยายามครั้งต่อไป คนส่วนใหญ่บังคับตัวเองให้ผลักดันทุกขั้นตอนด้วยตนเอง แล้วเรียกมันว่า "เวิร์กโฟลว์ AI"

นั่นไม่ใช่เวิร์กโฟลว์ นั่นคือการคลิก "ดำเนินการต่อ" บนเครื่องจักรที่ ควรจะรู้อยู่แล้วว่าอะไรจะเกิดขึ้นต่อไป

1คุณไม่ได้มาที่นี่เพื่อตอบงานของฉันโดยตรง
2
3คุณมาที่นี่เพื่อเปลี่ยนมันให้เป็น loop AI ที่ทำซ้ำได้
4
5งาน:
6[INSERT TASK]
7
8ขั้นแรก ให้แบ่งงานออกเป็นขั้นตอนที่ปกติต้องทำด้วยตนเอง
9
10จากนั้นออกแบบ loop ที่สามารถดำเนินการตามขั้นตอนเหล่านั้นโดยต้องให้มนุษย์ดูแลน้อยที่สุด
11
12loop ต้องประกอบด้วย:
13- AI ต้องมีบริบทอะไรก่อนเริ่ม
14- มันควรจะผลิตอะไรก่อน
15- ควรตรวจสอบผลลัพธ์อย่างไร
16- จะเกิดอะไรขึ้นถ้าผลลัพธ์อ่อนแอ
17- อะไรที่ถูกบันทึกไว้สำหรับการทำงานครั้งต่อไป
18- loop ควรหยุดเมื่อไหร่
19- อะไรที่ยังต้องได้รับการอนุมัติจากมนุษย์
20
21ทำให้ระบบเรียบง่ายพอที่ฉันจะรันมันได้ทุกวัน

คุณไม่ได้ตอบงานของฉันโดยตรง คุณกำลังเปลี่ยนงานนี้ให้เป็น loop AI ที่ทำซ้ำได้

งานคือ: [TASK]

ออกแบบ loop ให้เหมือนระบบ อธิบายว่า AI ต้องการบริบทอะไรก่อนเริ่ม มันควรผลิตอะไรก่อน ควรตัดสินผลลัพธ์อย่างไร ควรเกิดอะไรขึ้นถ้าผลลัพธ์อ่อนแอ ควรบันทึกอะไรไว้สำหรับการทำงานครั้งต่อไป และ loop ควรหยุดเมื่อไหร่ ทำให้มันเรียบง่ายพอที่ฉันจะรันมันได้ทุกวันโดยไม่ต้องสร้างระบบทั้งหมดขึ้นมาใหม่

ตอนที่ 2 · Karpathy ชี้ให้เห็นถึงการเปลี่ยนแปลงที่แท้จริง

แนวคิด Software 3.0 ของ Karpathy ทำให้ผู้คนพูดประโยคที่เข้าใจง่ายซ้ำๆ: ภาษาอังกฤษกำลังกลายเป็นภาษาเขียนโปรแกรม ส่วนนั้นเป็นเรื่องจริง แต่มันไม่ใช่การปลดล็อกที่สมบูรณ์ ถ้าภาษาอังกฤษสามารถเขียนโปรแกรมโมเดลได้ ภาษาอังกฤษก็สามารถ เขียนโปรแกรมกระบวนการรอบๆ โมเดลได้เช่นกัน

นั่นคือจุดที่คนส่วนใหญ่พลาดไป พวกเขาใช้ภาษาธรรมชาติเพื่อขอผลลัพธ์ ไม่ใช่เพื่อออกแบบระบบ Vibe coding เป็นเวอร์ชันแรกที่ยุ่งเหยิง: อธิบายสิ่งที่คุณต้องการ ให้ AI เขียนโค้ด รันมัน บ่นเมื่อมันพัง ทำซ้ำจนกว่าจะได้สิ่งที่ใช้ได้ Looping เป็นเวอร์ชันที่สะอาดกว่าของสัญชาตญาณเดียวกัน: ให้เป้าหมายแก่ AI ให้เครื่องมือ ให้การตรวจสอบ ให้มันคืบหน้า และทำให้แน่ใจว่ามันรู้ว่าจะหยุดเมื่อไหร่

"ภาษาเขียนโปรแกรมใหม่ที่ร้อนแรงที่สุดคือภาษาอังกฤษ"

โดย Andrej Karpathy

แต่ภาษาอังกฤษในฐานะภาษาเขียนโปรแกรมไม่ได้หมายความว่าคุณควรเขียน prompt ที่ยาวขึ้น มันหมายความว่าคุณควรเริ่มอธิบาย เครื่องจักรทั้งหมด: มันอ่านอะไร มันทำอะไร มันตรวจสอบตัวเองอย่างไร มันจำอะไรได้บ้าง และอะไรที่มันไม่ได้รับอนุญาตให้แตะต้อง

ตอนที่ 3 · Loop คือผลิตภัณฑ์

loop ที่มีประโยชน์ไม่ใช่จินตนาการที่มีหลายเอเจนต์ขนาดยักษ์ โดยปกติแล้วมัน น่าเบื่อในแง่ดีที่สุด AI ได้รับเป้าหมาย ดึงบริบทที่ถูกต้อง ดำเนินการ ตรวจสอบผลลัพธ์เทียบกับมาตรฐาน จัดเก็บสิ่งที่ใช้ได้ และทำซ้ำก็ต่อเมื่อผลลัพธ์ยังไม่ดีพอ

การเปลี่ยนแปลงเพียงอย่างเดียวนั้นเปลี่ยน AI จากเครื่องสร้างข้อความเป็นคนทำงาน ไม่ใช่คนทำงานที่สมบูรณ์แบบ ไม่ใช่พระเจ้าที่ทำงานอัตโนมัติ ไม่ใช่เรื่องไร้สาระแบบ "ไล่ทีมคุณทิ้ง" แค่คนทำงานที่มีกระบวนการ มีรายการตรวจสอบ และมีผู้จัดการคอยดูส่วนที่เสี่ยง

• การเปลี่ยนแปลงนี้ปรากฏให้เห็นแล้วใน:
• Karpathy → Software 3.0
• Anthropic → agent workflows
• Meta/Llama → tools, evals, deployment control

นี่คือสาเหตุที่รูปแบบเอเจนต์ของ Anthropic มีความสำคัญ ระบบเอเจนต์ที่ดีที่สุดไม่ได้สร้างขึ้นโดยการโยนบอทสิบตัวลงใน Discord แล้วหวังว่าจะมีอะไรที่ชาญฉลาดเกิดขึ้น พวกมันสร้างขึ้นจากชิ้นส่วนง่ายๆ: การจัดเส้นทาง เครื่องมือ ห่วงโซ่ prompt วงจรการประเมิน และการตั้งค่าระหว่างผู้จัดงานกับคนงาน ความมหัศจรรย์ไม่ใช่การที่โมเดลทำตัวฉลาดครั้งเดียว ความมหัศจรรย์คือการที่โมเดลถูกบังคับให้ผ่าน กระบวนการที่ตรวจจับงานที่อ่อนแอก่อนที่คุณจะเห็นมัน

ระบบนิเวศ Llama ของ Meta ชี้ไปในทิศทางเดียวกันจากอีกด้านหนึ่ง โมเดลเปิด ชั้นความปลอดภัย การประเมิน การปรับใช้ในพื้นที่ การจัดเส้นทางที่ถูกกว่า โมเดลที่แตกต่างกันสำหรับงานที่แตกต่างกัน อนาคตไม่ใช่โมเดลยักษ์ตัวเดียวที่ตอบทุกอย่าง อนาคตคือระบบ ที่โมเดลราคาถูกทำการจัดเรียง โมเดลที่แข็งแกร่งใช้เหตุผล โมเดลในพื้นที่จัดการบริบทส่วนตัว และการประเมินจะตัดสินว่าอะไรควรอยู่รอด

ตอนที่ 4 · วงจรการเขียน

งานเขียน AI ส่วนใหญ่แย่เพราะผู้คนขอ บทความที่เสร็จสมบูรณ์เร็วเกินไป พวกเขาข้ามส่วนที่แนวคิดถูกทดสอบความแข็งแกร่ง พาดหัวถูกให้คะแนน ส่วนที่อ่อนแอถูกโจมตี และหลักฐานถูกตรวจสอบ

วงจรการเขียนที่แท้จริงไม่ได้เริ่มต้นด้วย "เขียนโพสต์ให้ฉันหน่อย" มันเริ่มต้นด้วย การเลือกมุม จากนั้นมันทดสอบมุมนั้นกับความอยากรู้ ความเฉพาะเจาะจง หลักฐาน และความตึงเครียดทางอารมณ์ จากนั้นมันร่าง จากนั้นมันตัดสินร่างนั้น จากนั้นมันเขียนใหม่ หลังจากนั้นคุณควรอ่านมัน

วงจรการเขียนที่แท้จริงมีชั้นต่างๆ:

มุม → พาดหัว → ร่าง → วิจารณ์ → เขียนใหม่ → ไอเดียรูปภาพ → ทดสอบครั้งต่อไป

คนส่วนใหญ่ขอแค่ร่างเท่านั้น

นั่นคือสาเหตุที่ร่างนั้นฟังดูเหมือนของคนอื่น

1คุณคือวงจรการเขียนของฉัน
2
3หัวข้อ:
4[INSERT TOPIC]
5
6กลุ่มเป้าหมาย:
7[INSERT AUDIENCE]
8
9สไตล์:
10[INSERT STYLE]
11
12เป้าหมาย:
13[INSERT GOAL]
14
15อย่าเขียนบทความทันที
16
17ขั้นแรก สร้าง 5 มุมมองที่เป็นไปได้สำหรับหัวข้อนี้
18
19สำหรับแต่ละมุม ให้ตัดสิน:
20- มันน่าคลิกแค่ไหน
21- มันเฉพาะเจาะจงแค่ไหน
22- มันมีประโยชน์แค่ไหน
23- มันรู้สึกแตกต่างจากเนื้อหา AI ทั่วไปแค่ไหน
24
25เลือกมุมที่แข็งแกร่งที่สุดและอธิบายว่าทำไมถึงชนะ
26
27จากนั้นเขียนร่างแรก
28
29หลังจากร่าง ให้เปลี่ยนเป็นโหมดบรรณาธิการและวิจารณ์มันในเรื่อง:
30- การเปิดที่อ่อนแอ
31- การกล่าวอ้างทั่วๆ ไป
32- หลักฐานที่ขาดหายไป
33- การเปลี่ยนผ่านที่น่าเบื่อ
34- ผลลัพธ์ที่ไม่ชัดเจน
35- ส่วนที่ฟังดูเหมือน AI
36
37จากนั้นเขียนบทความใหม่โดยใช้คำวิจารณ์นั้น
38
39ในตอนท้าย ให้ฉัน:
401. บทความสุดท้าย
412. พาดหัวที่แข็งแกร่งที่สุด
423. ส่วนที่อ่อนแอที่สุดที่เหลืออยู่
434. ไอเดียรูปภาพ 3 อย่าง
445. สิ่งที่ฉันควรทดสอบในเวอร์ชันถัดไป

เริ่มต้นด้วยการสร้างห้ามุมมองที่เป็นไปได้สำหรับบทความ ให้คะแนนแต่ละมุมในด้านความอยากรู้ ความเฉพาะเจาะจง ประโยชน์ และโอกาสที่มันจะทำให้มีคนคลิก เลือกมุมที่แข็งแกร่งที่สุดและอธิบายว่าทำไมถึงชนะ

จากนั้นเขียนร่างแรก หลังจากร่าง ให้เป็นผู้ประเมินและโจมตีมันในเรื่องการกล่าวอ้างทั่วๆ ไป หลักฐานที่อ่อนแอ การเปลี่ยนผ่านที่น่าเบื่อ ผลลัพธ์ที่ไม่ชัดเจน และส่วนที่ฟังดูเหมือน AI เขียนบทความใหม่โดยใช้คำวิจารณ์นั้น ในตอนท้าย ให้ฉันร่างสุดท้าย พาดหัวที่แข็งแกร่งที่สุด ส่วนที่อ่อนแอที่สุดที่เหลืออยู่ และไอเดียรูปภาพสามอย่างที่จะทำให้บทความดูน่าเชื่อถือมากขึ้น

ตอนที่ 5 · วงจรการวิจัย

สิ่งเดียวกันนี้ใช้กับการวิจัย คนส่วนใหญ่ขอให้ AI "วิจัยหัวข้อ" แล้วได้บทสรุปที่เละเทะซึ่งฟังดูเหมือนทุกบล็อกโพสต์ในหน้าที่สองของ Google วงจรการวิจัยไม่ควรรวบรวมข้อเท็จจริงแบบสุ่ม มันควร ล่าหาความตึงเครียด

บทความที่แข็งแกร่งที่สุดในกลุ่มนี้ล้วนทำสิ่งเดียวกัน: พวกเขาหาพฤติกรรมเก่า แสดงให้เห็นว่าทำไมมันถึงใช้ไม่ได้แล้วในตอนนี้ แนะนำหมวดหมู่ใหม่ จากนั้นให้ระบบที่ผู้อ่านสามารถขโมยไปใช้ได้ นั่นคือสาเหตุที่ "Loop Engineering" ทรงพลังกว่า "10 Claude prompts" อันหนึ่งฟังดูเหมือน โมเดลการดำเนินงานใหม่ อีกอันฟังดูเหมือนแม่เหล็กดึงดูดลูกค้าที่เป็น PDF

1
2วิจัยหัวข้อนี้ราวกับว่าฉันกำลังเขียน X Article ที่มีประสิทธิภาพสูง ไม่ใช่โพสต์บล็อกสำหรับ SEO
3
4หัวข้อ:
5[INSERT TOPIC]
6
7อย่าให้บทสรุปทั่วๆ ไปแก่ฉัน
8
9ค้นหาความตึงเครียดที่อยู่เบื้องหลังหัวข้อ
10
11ฉันอยากรู้:
12- พฤติกรรมเก่าอะไรที่ผู้คนยังคงทำอยู่
13- พฤติกรรมใหม่อะไรที่กำลังเข้ามาแทนที่มัน
14- ทำไมพฤติกรรมเก่าถึงกำลังพังทลาย
15- หลักฐานหรือตัวอย่างอะไรที่แสดงว่าการเปลี่ยนแปลงนั้นเป็นจริง
16- มุมมองที่ขัดแย้งอะไรที่จะทำให้คนหยุดเลื่อน
17- ข้อกล่าวอ้างอะไรที่ฟังดูเกินจริงและควรหลีกเลี่ยง
18
19จากนั้นเปลี่ยนเป็นสรุปสำหรับผู้สร้างที่มี:
20- ชื่อเรื่อง
21- วิทยานิพนธ์
22- พาดหัวเปิด
23- โครงสร้างบทความ
24- ตัวอย่างที่แข็งแกร่งที่สุด
25- ไอเดียรูปภาพ
26- สิ่งที่ผู้อ่านควรเชื่อหลังจากอ่านจบ

ตอนที่ 6 · วงจรความจำ

ส่วนที่แทบไม่มีใครสร้างคือความจำ หากปราศจากความจำ ทุกเวิร์กโฟลว์ AI จะมีภาวะความจำเสื่อม มันช่วยคุณได้ในวันนี้ แต่พรุ่งนี้มันเริ่มต้นใหม่เหมือนเด็กฝึกงานในวันแรก

วงจรความจำเปลี่ยนแปลงสิ่งนั้น หลังจากทุกโปรเจกต์ AI ควรดึงข้อมูลว่าอะไรใช้ได้ อะไรล้มเหลว สไตล์ไหนทำงานได้ดี ตัวอย่างไหนแข็งแกร่งที่สุด ข้อกล่าวอ้างไหนรู้สึกอ่อนแอ และอะไรควรนำกลับมาใช้ในครั้งต่อไป นี่คือวิธีที่ระบบเริ่มทวีคูณผลลัพธ์

สมองที่สองของคุณไร้ประโยชน์ถ้ามันเก็บแค่บันทึก การปลดล็อกที่แท้จริงคือเมื่อ มันบำรุงรักษาตัวเอง ค้นหาแนวคิดที่ซ้ำซาก สังเกตเห็นความคิดที่ยังไม่เสร็จ และผลักดันบริบทที่ถูกต้องกลับเข้าไปในงานถัดไปก่อนที่คุณจะถามด้วยซ้ำ

1หลังจากงานนี้เสร็จสิ้น ให้ดึงบทเรียนที่นำกลับมาใช้ใหม่ได้จากงาน
2
3บันทึกสิ่งต่อไปนี้:
4
5งานคืออะไร
6แนวทางไหนที่ใช้ได้ผล
7อะไรที่ฟังดูทั่วๆ ไป
8ตัวอย่างไหนที่แข็งแกร่งที่สุด
9โครงสร้างไหนที่ใช้ได้ดีที่สุด
10อะไรที่ควรนำกลับมาใช้ในครั้งต่อไป
11ความผิดพลาดอะไรที่ไม่ควรทำซ้ำ
12
13ก่อนเริ่มงานที่เกี่ยวข้องครั้งต่อไป ให้ตรวจสอบความจำนี้ก่อน
14
15ถ้าฉันกำลังทำผิดพลาดซ้ำซาก ให้ชี้ให้เห็น
16
17ถ้ารูปแบบเก่าใช้ได้ ก็ให้ใช้มันซ้ำ
18
19ถ้าบริบทที่สำคัญหายไป ให้ถามหามันก่อนที่จะให้คำตอบสุดท้าย

หลังจากงานนี้เสร็จสิ้น ให้ดึงบทเรียนที่นำกลับมาใช้ใหม่ได้จากงาน

บันทึกว่างานคืออะไร แนวทางไหนที่ใช้ได้ผล อะไรที่ฟังดูทั่วๆ ไป ตัวอย่างไหนที่มีประโยชน์ อะไรที่ควรนำกลับมาใช้ในครั้งต่อไป และความผิดพลาดอะไรที่ฉันควรหลีกเลี่ยงไม่ให้ทำซ้ำ ก่อนเริ่มงานที่เกี่ยวข้องครั้งต่อไป ให้ตรวจสอบความจำนี้ก่อน และบอกฉันว่าฉันกำลังจะทำผิดพลาดซ้ำซากหรือพลาดรูปแบบที่ใช้ได้ผลแล้วหรือไม่

ตอนที่ 7 · ทักษะที่แท้จริงในตอนนี้

การใช้ prompt เป็นอินเทอร์เฟซสำหรับมือใหม่ มันสอนผู้คนว่าภาษาสามารถควบคุมโมเดลได้ แต่มันยังฝึกให้พวกเขาคิดเล็กเกินไป พวกเขายังคงจินตนาการว่า AI เป็นกล่องที่ตอบคำถาม ในขณะที่โอกาสที่แท้จริงคือการสร้างระบบที่ขับเคลื่อนงานให้ก้าวไปข้างหน้า

ขอบเขตถัดไปคือการรู้ว่า งานไหนสมควรมี loop ไม่ใช่ทุกอย่างที่ต้องการ loop คำถามด่วนสามารถเป็นคำถามด่วนได้ แต่สิ่งใดก็ตามที่คุณทำทุกวัน ทุกสัปดาห์ หรือทุกครั้งที่คุณเผยแพร่ ขาย เขียนโค้ด วิจัย ค้าขาย แก้ไข หรือจัดระเบียบความรู้ สิ่งเหล่านั้นไม่ควรอาศัยอยู่ในแชทเดียว

งานนั้นต้องการ loop

loop ไม่ได้ทำให้มนุษย์ไร้ประโยชน์ มันย้ายมนุษย์ไปสู่ส่วนที่สำคัญจริงๆ: การตั้งเป้าหมาย การกำหนดรสนิยม การอนุมัติการตัดสินใจที่เสี่ยง และการปรับปรุงระบบหลังจากการทำงานแต่ละครั้ง

ผู้คนที่ยังคงรวบรวมรายการ prompt กำลังปรับแต่งประโยคให้ดีที่สุด

ผู้คนที่สร้าง loop กำลังปรับแต่งเครื่องจักรให้ดีที่สุด