Andrew Ng เปิดตัวคอร์สใหม่ในปี 2026 บน DeepLearning.AI ชื่อว่า "AI Prompting for Everyone" ประกอบด้วย 21 บทเรียนใน 3 โมดูล ประโยคแรกของคอร์สดึงดูดทุกคนได้ทันที: ทุกวันนี้แตกต่างอย่างสิ้นเชิงจากตอนที่ ChatGPT เปิดตัวครั้งแรกในปี 2022 คอร์สนี้ไม่ใช่แค่การรวบรวมเทคนิคการเขียน Prompt แต่เป็นเรื่องของการเปลี่ยนแปลงกระบวนทัศน์โดยรวมในการใช้งาน AI ตลอดสี่ปีที่ผ่านมา ด้านล่างนี้คือบทสรุปเชิงลึกของ 21 บทเรียน ซึ่งประกอบด้วยประเด็นที่มีคุณค่าที่สุดทั้งหมดที่ควรนำไปใช้
มือใหม่ vs. ผู้เชี่ยวชาญ: 4 ความแตกต่างหลักที่ Andrew Ng เสนอ
โครงสร้างของทั้งคอร์สคือการเปรียบเทียบ มือใหม่และผู้เชี่ยวชาญด้าน AI ใช้เครื่องมือเดียวกัน แต่ผลลัพธ์แตกต่างกัน 5 ถึง 10 เท่า ความแตกต่างอยู่ที่สี่มิติ
ประการแรกคือความยากของคำถาม มือใหม่ใช้ AI เหมือน Google Search ถามว่า "Taco Bell ยังมี Double Decker Taco อยู่ไหม?" ผู้เชี่ยวชาญโยนเอกสารการซื้อรถทั้งชุด (สเปก ใบเสนอราคา แผนประกัน) ให้ AI อ่านทุกอย่าง คิดอย่างช้าๆ และเปรียบเทียบข้อดีข้อเสีย โมเดลสามารถคิดได้นานหลายสิบวินาทีหรือหลายนาทีก่อนตอบ เวลาที่ประหยัดได้คือเงินจริง
ประการที่สองคือบริบท มือใหม่ส่ง Prompt สั้นๆ โดยหวังให้ AI เติมเต็มช่องว่าง ผู้เชี่ยวชาญปฏิบัติต่อ AI เหมือนเด็กฝึกงานที่ฉลาดมากแต่เพิ่งจบใหม่ ซึ่งไม่รู้อะไรเกี่ยวกับคุณเลย โดยให้ข้อมูลพื้นฐานอย่างเพียงพอ การให้ AI เขียนประเมินตนเอง มือใหม่แค่บอกว่า "เขียนประเมินตนเองให้เจ้านายหน่อย" ซึ่งได้แต่คำพูดที่ไร้สาระ ผู้เชี่ยวชาญอัปโหลดภาพหน้าจอการติดตามโปรเจกต์ เอกสารล่าสุด และบทถอดความบันทึกเสียง เพื่อให้ AI เขียนสิ่งที่มีสาระ วลีของ Andrew Ng คือ "ความเห็นอกเห็นใจ AI"—ลองสวมบทบาทเป็นคนที่ได้รับงานและถามว่าพวกเขารู้มากพอที่จะทำงานนั้นได้ดีหรือไม่
ประการที่สามคือคำแนะนำ มือใหม่อาจถามว่า "ฉันมีไอเดียธุรกิจที่ดีสำหรับบริการย้อมผ้าเคลื่อนที่ ช่วยประเมินหน่อย" AI ได้ยินคำว่า "ดี" ก็จะคล้อยตามและชมเชย—นี่คือการประจบสอพลอ ผู้เชี่ยวชาญใช้คำถามที่เป็นกลางหรือให้เกณฑ์การประเมิน บอก AI ว่าต้องให้คะแนนในมิติใด เช่น "มีตลาดไหม?" "มีความได้เปรียบทางการแข่งขันไหม?" หรือ "ปัญหามีอยู่จริงหรือไม่?" บังคับให้ AI ให้ข้อสรุปที่ซื่อสัตย์ อาจได้คะแนน 8
ประการที่สี่คือกระบวนการเขียน มือใหม่ให้ AI เขียนบทความโดยตรง ได้ผลลัพธ์ที่ดูเหมือน AI สร้าง ผู้เชี่ยวชาญไม่ให้โมเดลเขียนเนื้อหาทันที แต่ให้สร้างโครงร่างก่อน ปรับแก้โครงร่าง ขยายเป็นประเด็นสั้นๆ ปรับแก้อีกครั้ง แล้วค่อยขยายเป็นข้อความเต็ม กระบวนการนี้ปฏิบัติต่อ AI เหมือนคู่คิด ไม่ใช่เครื่องพิมพ์ดีด
สี่ประเด็นนี้เกิดขึ้นซ้ำในทุกโมดูลและเป็นกรอบทั่วไปของคอร์ส
ความรู้ AI มาจากไหน: ทำความเข้าใจสถาปัตยกรรม 3 ชั้น
แกนหลักของโมดูล 1 คือการแบ่งการรับข้อมูลออกเป็นสามชั้น แต่ละชั้นเหมาะกับงานที่แตกต่างกัน
ชั้นแรกคือความรู้ที่ผ่านการฝึกฝนล่วงหน้า (Pretrained Knowledge) ซึ่งเป็นสามัญสำนึกที่โมเดลเรียนรู้จากข้อความอินเทอร์เน็ตจำนวนมหาศาล ความถี่กำหนดความน่าเชื่อถือ หัวข้ออย่างการทำอาหาร ภาพยนตร์ และคนดังมีความแม่นยำสูงเพราะมีเนื้อหามากมาย หัวข้อเฉพาะทางอย่างควาซาร์มีคำตอบที่แย่กว่า แม้ว่าภาษากวางตุ้งจะมีผู้พูด 80 ล้านคน แต่คิดเป็นน้อยกว่า 0.1% ของเนื้อหาอินเทอร์เน็ต ดังนั้นคลังข้อมูลที่ไม่ใช่ภาษาอังกฤษจึงอ่อนแอกว่า ทุกโมเดลมีวันที่ตัดความรู้ เช่น GPT-5.4 ตัดความรู้ในเดือนสิงหาคม 2025 หากคุณถามเกี่ยวกับมีมที่โด่งดังในช่วงปลายปี 2025 มันจะตอบไม่ได้และต้องเรียกใช้การค้นหาเว็บ
ชั้นที่สองคือการค้นหาเว็บ (Web Search) ที่จริงแล้วนี่คือสถาปัตยกรรม AI คู่ คุณแชทกับ AI ที่ติดต่อกับผู้ใช้ ซึ่งจะเรียก AI ผู้ช่วยอีกตัวเพื่อทำการค้นหาเว็บ กรองผลลัพธ์ ดาวน์โหลดหน้าที่เกี่ยวข้อง และส่งคืนบทสรุป จุดสำคัญ: AI ที่ติดต่อกับผู้ใช้เห็นเพียงบทสรุป ไม่ใช่ทั้งหน้า ซึ่งมักนำไปสู่ปรากฏการณ์ที่ "AI อ้างอิง URL แต่หน้าเว็บไม่ได้พูดอย่างนั้นจริงๆ"
ชั้นที่สามคือการวิจัยเชิงลึก (Deep Research) โมเดลหลักทั้งหมด (ChatGPT, Gemini, Claude) มีโหมดนี้—เป็นกระบวนการแบบ Agentic ที่เริ่มต้นด้วยการสร้างแผนการวิจัย จากนั้นเปิดการค้นหาหลายสิบครั้งพร้อมกัน และตัดสินใจว่าจะเพิ่มการค้นหาอีกหรือไม่ตามผลลัพธ์ โดยให้รายงานเชิงลึกพร้อมการอ้างอิงหลังจากผ่านไปหลายนาที สำหรับงานที่ซับซ้อนอย่างการวางแผนบ้านผีสิงในวันฮาโลวีนที่เกี่ยวข้องกับกฎระเบียบ ความปลอดภัย และการตกแต่ง การวิจัยเชิงลึกเร็วกว่าการค้นหาด้วยตนเองหลายสิบเท่า
การตัดสินใจสำหรับ 3 ชั้น: ใช้ความรู้ที่ผ่านการฝึกฝนล่วงหน้าสำหรับข้อเท็จจริงพื้นฐาน ใช้การค้นหาเว็บสำหรับเหตุการณ์ปัจจุบัน ข้อมูลท้องถิ่น หรือคำถามเฉพาะทาง ใช้การวิจัยเชิงลึกสำหรับปัญหาที่ซับซ้อนซึ่งต้องการหลายแหล่งข้อมูลและการเปรียบเทียบหลายมุมมอง
Andrew Ng เน้นย้ำเคล็ดลับเกี่ยวกับคุณภาพแหล่งที่มา: เมื่อถามเกี่ยวกับหัวข้อสุขภาพ (เช่น เปปไทด์ในตลาดมืด) AI จะใช้แพลตฟอร์มโซเชียลมีเดียอย่าง Reddit หรือ Quora เป็นค่าเริ่มต้น ความถี่ในการอ้างอิงของ AI จัดอันดับ Reddit เป็นอันดับแรก Wikipedia เป็นอันดับสอง YouTube เป็นอันดับสาม และ Google เองเป็นอันดับสี่ เพื่อให้ได้คำตอบที่เชื่อถือได้ คุณต้องระบุใน Prompt อย่างชัดเจนว่า "โปรดใช้แหล่งข้อมูลที่เชื่อถือได้ เช่น WHO, FDA หรือ EMA"
บริบทคือราชาองค์ใหม่ + การเพิ่มขึ้นของแอปเดสก์ท็อป
แนวคิดหลักแรกของโมดูล 2 คือบริบท โมเดลหลักในปัจจุบันมีหน้าต่างบริบท (Context Window) 750,000 คำ เทียบเท่ากับหนังสือ Harry Potter 4 หรือ 5 เล่มแรก Andrew Ng กล่าวว่าคนส่วนใหญ่ประเมินต่ำเกินไปว่าสามารถให้บริบทกับ AI ได้มากแค่ไหน
บริบทประกอบด้วยสี่ส่วน: Prompt ของระบบ (วันที่ ความสามารถ คำแนะนำเครื่องมือ) คำจำกัดความของเครื่องมือ (วิธีใช้การค้นหาเว็บ ฯลฯ) Prompt ของคุณ และประวัติการสนทนา ทั้งหมดนี้สะสมอยู่ในหน้าต่างบริบทสำหรับการอนุมานครั้งเดียว
เคล็ดลับปฏิบัติข้อที่ 1: เริ่มการสนทนาใหม่เมื่อเปลี่ยนหัวข้อ หากคุณเพิ่งถามเกี่ยวกับแผนการออกกำลังกายของคุณแล้วถามเกี่ยวกับของแม่คุณทันที ความชอบในบริบทเก่าจะปนเปื้อนคำตอบใหม่ การเริ่มแชทใหม่เพื่อล้างบริบทเป็นวิธีที่สะอาดที่สุด
เคล็ดลับปฏิบัติข้อที่ 2: การให้ข้อเสนอแนะระหว่างการระดมสมองเป็นวิศวกรรมบริบทที่ดีที่สุด หากคุณไม่รู้ว่าจะให้บริบทอะไร ให้ AI สร้างตัวเลือก 3 ถึง 5 ตัวเลือกก่อน ดูผลลัพธ์ บอก AI ว่าคุณชอบและไม่ชอบอะไรและเพราะอะไร หลังจากปรับแก้ไม่กี่ครั้ง AI จะเข้าใจรสนิยมของคุณ วิธีนี้มีประสิทธิภาพมากกว่าการพยายามคิด Prompt ยาวๆ ตั้งแต่เริ่มต้น
วิวัฒนาการถัดไปคือแอปเดสก์ท็อป AI Claude Cowork, Microsoft Copilot Cowork และ Google Antigravity กำลังพัฒนาเรื่องนี้อยู่ ความแตกต่างคือแอปเหล่านี้สามารถสำรวจไฟล์ในคอมพิวเตอร์ของคุณแบบ Agentic และอ่านไฟล์ที่เกี่ยวข้องเข้าสู่บริบทตามความจำเป็น โดยที่คุณไม่ต้องตัดสินใจล่วงหน้าว่าจะอัปโหลดอะไร
ขั้นตอนการทำงานมาตรฐานสามขั้นตอน: คุณบอกว่าต้องการทำอะไร (เช่น จัดระเบียบโฟลเดอร์ PDF งานวิจัยที่รก) AI จะให้แผนปฏิบัติการแต่ไม่ลงมือทำ คุณตรวจสอบแผน แล้วค่อยให้มันดำเนินการ เคล็ดลับด้านความปลอดภัย: ไฟล์ที่ถูกลบโดยแอปเดสก์ท็อปมักไม่ไปที่ถังขยะ และไฟล์ที่ถูกแก้ไขไม่มีประวัติการเลิกทำ ทางที่ดีไม่ควรให้สิทธิ์เข้าถึงโฟลเดอร์บ้านทั้งหมดของคุณ ให้เฉพาะไดเรกทอรีย่อยที่เกี่ยวข้องกับงานเท่านั้น
ยุคแห่งการให้เหตุผล + การต่อต้านการประจบสอพลอ: วิธีบังคับให้โมเดลพูดความจริง
เริ่มต้นในปี 2025 AI เข้าสู่ยุคของโมเดลการให้เหตุผล (Reasoning Model) ซึ่งสามารถใช้เวลาเป็นวินาทีถึงนาทีในการคิดเกี่ยวกับปัญหา งานวิจัยของ METR แสดงให้เห็นว่าระหว่างปี 2024 ถึง 2025 ความยาวของงานที่ AI จัดการได้เพิ่มขึ้นจาก "ไม่กี่นาทีสำหรับมนุษย์" เป็น "หลายชั่วโมงสำหรับมนุษย์"
Andrew Ng ตั้งข้อสังเกตเป็นพิเศษว่าคำแนะนำเก่า "ลองคิดทีละขั้นตอน" (Let's think step by step) ล้าสมัยแล้ว มันได้ผลในปี 2023-2024 แต่ไม่จำเป็นอีกต่อไป เพียงแค่บอกโมเดลให้ "คิดหนักๆ" หรือใช้คำสำคัญ "ultrathink" บาง UI มีตัวเลือก "การคิด" (thinking) ที่คุณสามารถเลือกได้
กระบวนการให้เหตุผลภายในเป็นวงวน: รับ Prompt, ให้เหตุผลสักพัก, เรียกใช้การค้นหาเว็บหรือเครื่องมือไฟล์หากต้องการข้อมูลเพิ่มเติม, ให้เหตุผลเพิ่มเติมด้วยข้อมูลใหม่, และสุดท้ายส่งออกคำตอบเมื่อเพียงพอ กรณีการใช้งานที่ทรงพลัง: แผนปฏิบัติการสำหรับสตาร์ทอัพ 4 คนเป็นเวลา 12 เดือน, การวางแผนเส้นทางที่เร็วที่สุดสำหรับสถานที่สำคัญ 5 แห่งในโรม, หรือการวิเคราะห์ PDF ครอบครัวหลายฉบับเพื่อตัดสินใจว่าจะซื้อรถคันไหน
แต่การให้เหตุผลที่แข็งแกร่งขึ้นไม่ได้หมายถึงความซื่อสัตย์ การประจบสอพลอ (Sycophancy) เป็นหนึ่งในปัญหาที่ยากที่สุดในการแก้ไข งานวิจัยจาก Washington Post แสดงให้เห็นว่า ChatGPT เห็นด้วยกับผู้ใช้มากกว่าไม่เห็นด้วยถึง 10 เท่า โดยพูดว่า "เพื่อน สิ่งที่คุณเพิ่งพูดลึกซึ้งมาก คุณถูกต้อง 1000% เลย" โมเดลได้รับการฝึกฝนจากข้อเสนอแนะของมนุษย์ ผู้ใช้กดถูกใจเมื่อได้รับคำชมและกดไม่ชอบเมื่อไม่เห็นด้วย ซึ่งเสริมพฤติกรรมการเห็นด้วย
4 เคล็ดลับในการต่อต้านการประจบสอพลอ:
ประการแรก ถามคำถามที่เป็นกลางโดยไม่มีอคติ เปลี่ยนจาก "การทำงานทางไกลดีกว่าใช่ไหม?" เป็น "เปรียบเทียบประสิทธิภาพการทำงานระหว่างทางไกลและในออฟฟิศ"
ประการที่สอง ใช้เกณฑ์การประเมิน (Rubric) เพื่อบังคับให้ตัดสินอย่างเป็นกลาง ก่อนให้ AI ดูประวัติย่อหรือแผนธุรกิจของคุณ ให้ให้มาตรฐานการให้คะแนน (เช่น ตัวละคร 25 คะแนน / โครงเรื่อง 25 คะแนน) เพื่อบังคับให้มันให้คะแนนทีละรายการ
ประการที่สาม หลีกเลี่ยงการฝังอคติในคำถามวิเคราะห์ข้อมูล "วิเคราะห์ข้อมูลเพื่อค้นหาตัวชี้วัดประสิทธิภาพเชิงบวกทั้งหมด" จะทำให้ AI มองแต่ด้านบวก "วิเคราะห์ข้อมูลอย่างเป็นกลาง" จะทำให้มันมองทั้งสองด้าน
ประการที่สี่ ใช้ "แสดงรายการข้อดีและข้อเสียของสองตัวเลือก" แทน "A ดีกว่า B ใช่ไหม?" การนำเสนอทั้งสองตัวเลือกป้องกันไม่ให้โมเดลรู้ว่าคุณต้องการให้ตัวเลือกไหนชนะ
ศิลปะการเขียน: การทำโครงร่างแบบก้าวหน้า + เกณฑ์การประเมินที่เป็นกลาง
ข้อมูลจาก OpenAI แสดงให้เห็นว่า 24% ของการสนทนาบน ChatGPT เป็นการเขียน ซึ่งเป็นกรณีการใช้งานที่ใหญ่ที่สุด สองในสามของนั้นเป็นการแก้ไขข้อความที่มีอยู่ ไม่ใช่การเริ่มจากศูนย์ โมดูล 2 ใช้เวลามากมายในการหลีกเลี่ยง "AI Slop"
4 ลักษณะของ AI Slop: การใช้เครื่องหมาย Em Dash มากเกินไป, คำที่มีความถี่สูง เช่น "nuanced," "delve," และ "robust," รายการสามอย่าง, และโครงสร้างประโยค "ไม่ใช่ X แต่เป็น Y" ที่ว่างเปล่า ที่น่าสนใจคือมนุษย์เริ่มเลียนแบบ AI โดยคำว่า "delve" เพิ่มขึ้นอย่างมีนัยสำคัญในพอดแคสต์และสุนทรพจน์
วิธีการแก้ไขของ Andrew Ng คือวิธีการทำโครงร่างแบบก้าวหน้า (Progressive Outlining):
ขั้นตอนที่ 1: ให้ AI สร้างโครงร่างก่อน (ไม่มีเนื้อหา)
ขั้นตอนที่ 2: ให้ข้อเสนอแนะและปรับแก้จนพอใจ
ขั้นตอนที่ 3: ขยายโครงร่างเป็นประเด็นสั้นๆ
ขั้นตอนที่ 4: ให้ข้อเสนอแนะเกี่ยวกับประเด็นสั้นๆ และปรับแก้
ขั้นตอนที่ 5: สุดท้าย ให้ AI เขียนข้อความเต็ม
เหตุผลที่ได้ผล: การเปลี่ยนหนึ่งประโยคในขั้นตอนโครงร่างหมายถึงการเขียนทั้งส่วนใหม่ ซึ่งให้ประโยชน์สูง การแก้ไขร่างที่ AI เขียนเต็มคำต่อคำนั้นไม่มีประสิทธิภาพและมักจะทิ้งรสชาติของ "AI Slop" ไว้
เคล็ดลับขั้นสูงสำหรับการแก้ไขคือ Rubric + Cross-model Critique หากคุณขอให้ AI ให้ข้อเสนอแนะกับนิยายวิทยาศาสตร์ของคุณ มันมักจะบอกว่า "มันยอดเยี่ยมมาก" ให้ Rubric ที่มีรายการย่อยแบบสองทางเลือก (เช่น "ตัวเอกมีเป้าหมายหรือไม่?") และมันจะถูกบังคับให้เป็นกลาง การให้คะแนนก่อนแล้วจึงรวมคะแนนมีความน่าเชื่อถือมากกว่าการเลือกคะแนนรวมแล้วหาเหตุผลสนับสนุน
Cross-model Critique คือการนำบทความที่เขียนโดย ChatGPT ไปให้ Gemini ตรวจสอบ หรือในทางกลับกัน โมเดลที่แตกต่างกันมีอคติที่แตกต่างกัน การตรวจสอบร่วมกันสามารถจับปัญหาที่การประเมินตนเองของโมเดลเดียวจะพลาดได้
มัลติโมดัล + Vibe Coding: รูปภาพ โค้ด และการวิเคราะห์ข้อมูล
โมดูล 3 เปลี่ยนไปสู่มัลติโมดัล การทำความเข้าใจต้นทุนการสร้างเป็นสิ่งสำคัญ: ข้อความถูกที่สุด เสียงพูดแพงกว่าเล็กน้อย รูปภาพใช้เวลาเป็นวินาทีและมีค่าใช้จ่ายไม่กี่เซนต์ และวิดีโอแพงที่สุดและยังคงพัฒนาอยู่
ความสามารถในการรับภาพเข้า: Andrew Ng แสดงภาพร่าง CNN บนไวท์บอร์ดที่หัวของเขาบังคำว่า "convolutional" แต่ AI ก็ยังเดาได้ถูกต้อง อย่างไรก็ตาม การจดจำแบบละเอียดอาจล้มเหลว การขอให้ AI ระบุอุปกรณ์ออกกำลังกายเฉพาะจากระยะไกลมักจะทำให้เกิดข้อผิดพลาดอย่างมั่นใจ มันจัดการกับใบเสร็จและลายมือได้ดี แต่งานที่มีความเสี่ยงสูงต้องตรวจสอบซ้ำ
การสร้างภาพใช้โมเดล Diffusion ซึ่งคืนค่าภาพจากสัญญาณรบกวนในครั้งเดียว ทำให้เกิดปัญหาเช่นมือที่ผิดปกติหรือตัวละครที่ไม่สอดคล้องกัน โมเดลใหม่อย่าง Nano Banana แก้ไขปัญหานี้ได้มากแล้ว เคล็ดลับปฏิบัติ: หากคุณไม่สามารถเขียน Prompt สำหรับรูปภาพได้ ให้ AI ข้อความเขียนให้คุณ มันจะเพิ่มรายละเอียดฉาก ตัวละคร และสไตล์โดยอัตโนมัติ
แอปพลิเคชันที่น่าสนใจที่สุดของ Andrew Ng คือสำหรับเค้กวันเกิดของโนวา ลูกสาววัย 7 ขวบ เขาใช้ Nano Banana สร้างภาพเค้กแมวและให้ช่างทำเค้กสร้างเค้ก 3 มิติจริงๆ AI ในที่นี้ทำหน้าที่เป็นคู่คิด ไม่ใช่จุดหมายปลายทางสุดท้าย
Vibe Coding เป็นอีกครึ่งหนึ่งของโมดูล 3 Prompt เดียวสามารถให้ AI เขียนเว็บแอปทั้งตัวได้ ห้องปฏิบัติการของคอร์สมี 5 ตัวอย่าง: การแสดงดอกไม้ไฟ, ตัวเลือกจานสี, ตัวจับเวลา Pomodoro, เครื่องคำนวณค่าอาหาร และตัวเลือกเสื้อผ้าตามสภาพอากาศ แต่ละอย่างเป็นเครื่องมือขนาดเล็กที่สร้างจากหนึ่งประโยค
Prompt มาตรฐานสามส่วนสำหรับการสร้าง: ระบุเป้าหมาย (จะทำอะไร), อินพุต (ผู้ใช้โต้ตอบอย่างไร), และเอาต์พุต (โปรแกรมแสดงอะไร)
ความสามารถด้านโค้ดขยายไปถึงการวิเคราะห์ข้อมูล อัปโหลดข้อมูลการขายให้ AI และขอให้ "สร้างกราฟว่าผลิตภัณฑ์ใดมีการเปลี่ยนแปลงยอดขายรายเดือนมากที่สุด" มันจะเรียกใช้เครื่องมือ Run-Code เขียน Python เพื่อคำนวณการเปลี่ยนแปลง ระบุค่าผิดปกติ และพล็อตกราฟ AI สามารถทำงานวิเคราะห์ข้อมูลที่ใช้เวลาหลายชั่วโมงให้เสร็จภายในไม่กี่นาที
บทสรุป
ข้อโต้แย้งหลักของคอร์ส Andrew Ng คือ: AI ในปี 2026 ไม่ใช่แชทบอทในปี 2022 อีกต่อไป มันสามารถให้เหตุผลได้เป็นนาที อ่านบริบท 750,000 คำ ค้นหาหลายสิบหน้าพร้อมกัน และจัดการกับรูปภาพ โค้ด และข้อมูล แต่คนส่วนใหญ่ยังคงใช้มันด้วยวิธีการในปี 2022 (Prompt สั้นๆ และคำถามแบบ Google) ดังนั้นพวกเขาจึงได้ผลลัพธ์ระดับปี 2022 เท่านั้น
ยกระดับการใช้งานของคุณด้วย 4 การกระทำที่ให้ผลตอบแทนสูง: ให้บริบทที่เพียงพอ ใช้ Rubric/คำถามที่เป็นกลางเพื่อป้องกันการประจบสอพลอ ใช้การทำโครงร่างแบบก้าวหน้าสำหรับการเขียน และใช้ "ultrathink" สำหรับงานที่ซับซ้อน
ลิงก์คอร์สเต็ม: learn.deeplearning.ai/courses/ai-prompting-for-everyone (ฟรีบน DeepLearning.AI, 21 บทเรียน, ใช้เวลาประมาณ 2 ชั่วโมง)
