ห้า habits ด้านการ Prompting ที่ทั้ง Anthropic และ OpenAI ได้ระบุใน documentation ของตัวเอง
ห้องปฏิบัติการทั้งสองเขียนสำหรับโมเดลที่แตกต่างกันและกลุ่มเป้าหมายที่แตกต่างกัน และแนวทางที่เผยแพร่ของพวกเขาก็ยังคงเหมือนเดิมห้าประการ ไม่มีข้อใดเป็นคำวิเศษ ทุกข้อทั้งห้าข้อเกี่ยวกับการขจัดความคลุมเครือ
คำตอบโดยย่อ
Anthropic และ OpenAI แนะนำอะไรบ้างสำหรับการเขียนพรอมต์ให้ดีขึ้น?
ห้องปฏิบัติการทั้งสองแห่งให้คำแนะนำหลักเหมือนกัน: เขียนคำสั่งเป็นคำสั่งแทนที่จะเป็นคำถาม ให้สิทธิ์โมเดลอย่างชัดเจนในการบอกว่าไม่รู้ ให้บริบทก่อนคำถาม ให้งานหนึ่งอย่างต่อพรอมต์ และบอกโมเดลว่าให้มีความคิดริเริ่มมากน้อยเพียงใด จุดร่วมคือทุกข้อที่กล่าวมานั้นช่วยลดความคลุมเครือลง ไม่มีข้อใดเป็นวลีที่คุณคัดลอกและวางเพื่อปลดล็อกคุณภาพที่ซ่อนอยู่
ประเด็นสำคัญ
- โมเดลใหม่ๆ ทำตามคำสั่งอย่างตรงไปตรงมา คำถามจะทำให้คุณได้คำตอบเกี่ยวกับงาน คำสั่งจะทำให้คุณได้ทำงาน
- การบอกให้โมเดลสามารถตอบว่า «ฉันไม่รู้» ช่วยลดการสร้างข้อมูลที่มั่นใจได้อย่างมีนัยสำคัญ — Anthropic จัดทำเอกสารนี้เป็นวิธีแก้ไขเบื้องต้น
- บริบทมาก่อน คำถามทีหลัง ทั้งสองแนวทางวางเนื้อหาไว้ด้านบนของคำถาม ไม่ใช่ด้านล่าง
- หนึ่งพรอมต์ หนึ่งงาน การแบ่งไม่ใช่ทางแก้ปัญหาสำหรับข้อจำกัดด้านบริบทอีกต่อไป แต่เป็นเทคนิคคุณภาพในตัวเอง
- OpenAI เปิดเผยความเป็นเชิงรุกเป็นค่าที่ตั้งได้ (ความพยายามในการให้เหตุผล, ความกระตือรือร้นในการทำงานแบบเอเจนต์) หากคุณไม่ได้ตั้งค่านี้ คุณกำลังยอมรับค่าเริ่มต้นที่อาจไม่ตรงกับงานของคุณ
คำแนะนำส่วนใหญ่เกี่ยวกับการสร้างพรอมต์ที่เผยแพร่ออนไลน์เป็นเพียงเรื่องเล่าปากต่อปาก: วลีที่ใครบางคนเคยใส่เข้าไปแล้วได้คำตอบที่ดี แล้วก็ส่งต่อกันไป ห้องปฏิบัติการสองแห่งที่สร้างโมเดลที่คนส่วนใหญ่ใช้ได้เผยแพร่คำแนะนำของตนเอง ซึ่งอ่านไม่เหมือนกันเลย มันไม่น่าตื่นเต้น มันเฉพาะเจาะจง และ — เขียนขึ้นสำหรับโมเดลที่แตกต่างกัน ปีที่แตกต่างกัน ผู้ชมที่แตกต่างกัน — มันก็ยังคงวนเวียนอยู่กับวิธีการไม่กี่อย่างที่เหมือนกัน
นี่คือห้าวิธีที่ปรากฏในทั้งสองฉบับ พร้อมเหตุผลว่าทำไมแต่ละวิธีจึงได้ผล
1. เขียนคำสั่งเป็นคำสั่ง ไม่ใช่คำถาม
"คุณช่วยแนะนำการเปลี่ยนแปลงฟังก์ชันนี้ได้ไหม" และ "เปลี่ยนฟังก์ชันนี้เพื่อให้จัดการกับรายการว่าง" ไม่ใช่คำขอเดียวกัน อันแรกถามว่าการแนะนำเป็นไปได้หรือไม่ ผู้อ่านที่ตรงไปตรงมาจะตอบคำถามนั้นแล้วหยุด อันที่สองขอให้ทำงาน
คำแนะนำของ Anthropic ระบุอย่างชัดเจนว่าโมเดล Claude ปัจจุบันรับคำสั่งตามตัวอักษรและทำตามที่ร้องขอเท่านั้น ไม่ได้ทำมากกว่านั้น คู่มือของ OpenAI ก็กล่าวถึงประเด็นเดียวกันจากอีกมุมหนึ่ง: ถือว่าความกำกวมเป็นข้อบกพร่อง และบอกโมเดลว่าเมื่อคำขอไม่ชัดเจน ให้ระบุการตีความที่ดีที่สุดของตนเองแล้วดำเนินการต่อ แทนที่จะหยุดนิ่ง
รูปแบบ: ระบุคำกริยา ระบุคำนาม ระบุขอบเขต
2. ให้สิทธิ์อย่างชัดเจนในการกล่าวว่า "ฉันไม่รู้"
นี่คือการแก้ไขความน่าเชื่อถือที่ถูกที่สุดและแทบไม่มีใครใช้
โมเดลที่ถูกผลักดันให้ตอบอย่างมั่นใจในสิ่งที่ไม่มีข้อมูลบางครั้งก็จะเติมช่องว่าง เอกสารของ Anthropic กล่าวถึงเรื่องนี้โดยตรง: การเพิ่มสิทธิ์อย่างชัดเจนในการยอมรับความไม่แน่นอนจะป้องกันสิ่งนั้น ประโยคเดียวในพรอมต์ของคุณ — หากคุณมีข้อมูลไม่เพียงพอ ให้กล่าวเช่นนั้นแทนที่จะคาดเดา — จะเปลี่ยนผลลัพธ์ เพราะคุณได้ลบคำสั่งโดยปริยายว่าต้องมีคำตอบ
คุ้มค่าที่จะเพิ่มในพรอมต์ใดๆ ที่คำตอบผิดมีค่ามากกว่าไม่มีคำตอบ: อะไรก็ตามที่เกี่ยวข้องกับตัวเลข การอ้างอิง ข้อกำหนดทางกฎหมายหรือทางการแพทย์ หรือข้อกล่าวอ้างที่คุณวางแผนจะบอกต่อให้คนอื่น
3. วางบริบทไว้เหนือคำถาม ไม่ใช่ไว้ข้างล่าง
ทั้งสองคู่มือจัดลำดับพรอมต์ในลักษณะเดียวกัน: เนื้อหาก่อน คำสั่งสุดท้าย
กรอบการทำงานเชิงปฏิบัติของ Anthropic คือการจัดโครงสร้างอินพุตยาวๆ ให้ชัดเจน โดยมีรายละเอียดที่สำคัญอยู่ตอนต้นหรือตอนท้าย แทนที่จะถูกฝังอยู่ตรงกลาง โมเดลรุ่นใหม่จัดการกับบริบทที่ยาวได้ดีกว่ารุ่นที่ทำให้เกิดงานวิจัย "หลงอยู่ในกลาง" ดั้งเดิมมาก แต่การจัดลำดับก็ไม่ได้มีค่าใช้จ่ายอะไรและยังคงช่วยได้ — และทำให้พรอมต์ของคุณเองแก้ไขได้ง่ายขึ้น เพราะคำขอจะอยู่ที่เดิมที่ด้านล่าง แทนที่จะซ่อนอยู่สามย่อหน้าในข้อความที่วางไว้
4. พรอมต์เดียว งานเดียว
สิ่งล่อใจด้วยหน้าต่างบริบทขนาดใหญ่คือการใส่ทุกอย่างเข้าไปแล้วขอหกอย่างพร้อมกัน ทั้งสองคู่มือผลักดันให้ทำตรงกันข้าม
เวอร์ชันของ Anthropic ของข้อโต้แย้งนั้นน่าสนใจ เพราะมันแยกเหตุผลออกจากข้อจำกัดเดิมอย่างชัดเจน: การแบ่งงานใหญ่เป็นส่วนเล็กๆ นั้นคุ้มค่าที่จะทำ ไม่ใช่ เพราะข้อจำกัดด้านบริบท แต่เพราะงานที่มุ่งเน้นพร้อมขอบเขตที่ชัดเจนจะให้คุณภาพสูงกว่าพรอมต์ที่ไล่ตามหลายวัตถุประสงค์พร้อมกัน นั่นเปลี่ยนการแบ่งจากการแก้ไขปัญหาให้กลายเป็นเทคนิค — มันยังคงมีประโยชน์ไม่ว่าหน้าต่างจะใหญ่แค่ไหนก็ตาม
หากคุณต้องการบทสรุป รายการความเสี่ยง และร่างอีเมล นั่นคือสามพรอมต์ คุณจะสามารถบอกได้ว่าอันไหนผิดพลาด
5. ตัดสินใจว่าโมเดลควรจะมีความกระตือรือร้นเพียงใด
นี่เป็นนิสัยที่คนส่วนใหญ่ไม่เคยตัดสินใจเกี่ยวกับมัน เพราะมันมองไม่เห็นจนกว่าคุณจะสังเกตเห็น
คู่มือ GPT-5 ของ OpenAI อุทิศส่วนหนึ่งให้กับการปรับ "ความกระตือรือร้นของตัวแทน" — โมเดลจะทำงานไปไกลแค่ไหนก่อนที่จะกลับมาตรวจสอบ — และสังเกตว่าการลดความพยายามในการให้เหตุผลจะจำกัดขอบเขตของพฤติกรรมนั้น ลดการเรียกใช้เครื่องมือที่เกี่ยวข้องและเวลาแฝง ค่าเริ่มต้นคือการรวบรวมบริบทอย่างละเอียด ซึ่งเหมาะสำหรับการสืบสวนแบบปลายเปิดและไม่เหมาะสำหรับการแก้ไขเล็กๆ น้อยๆ ที่ระบุไว้อย่างดี
ดังนั้น ให้ตัดสินใจสำหรับแต่ละงานว่าคุณกำลังดำเนินการแบบใด การเปลี่ยนแปลงที่กำหนดไว้อย่างดีต้องการการควบคุมที่เข้มงวดและการตั้งค่าความพยายามต่ำ การสืบสวนที่คลุมเครือต้องการสิ่งที่ตรงกันข้าม การยอมรับค่าเริ่มต้นโดยไม่บอกกล่าวหมายความว่าครึ่งหนึ่งของงานของคุณจะได้รับท่าทางที่ไม่ถูกต้อง
รูปแบบที่อยู่เบื้องหลัง
อ่านทั้งห้าข้อรวมกันแล้วมันคือคำแนะนำเดียวที่สวมห้าหมวก: บอกสิ่งที่คุณต้องการจริงๆ
คำสั่งแทนคำถามจะขจัดความกำกวมว่าคุณต้องการให้งานเสร็จหรือไม่ การอนุญาตให้ปฏิเสธจะขจัดข้อกำหนดโดยปริยายในการสร้างบางสิ่ง บริบทก่อนจะขจัดความกำกวมว่าเนื้อหาสำหรับอะไร งานเดียวจะขจัดความกำกวมว่าเป้าหมายใดจะชนะ การตั้งค่าความกระตือรือร้นจะขจัดความกำกวมว่าควรไปไกลแค่ไหนโดยลำพัง
นั่นคือเหตุผลที่คำแนะนำบรรจบกันในห้องปฏิบัติการสองแห่งและโมเดลหลายรุ่น โมเดลมีการเปลี่ยนแปลงอยู่เสมอ สิ่งที่กำลังแก้ไข — คำขอที่ระบุไม่เพียงพอ — ไม่ได้เปลี่ยน
ตรวจสอบวันที่ ผู้ขายทั้งสองรายจะแก้ไขเอกสารเหล่านี้เมื่อมีการเปิดตัวโมเดล ลิงก์ภายใต้แหล่งที่มาคือเวอร์ชันหลัก หากคุณกำลังอ่านสิ่งนี้หลังจากนั้นหลายเดือน ให้ไปอ่านที่นั่นแทนที่จะอ่านจากเรา
คำถามที่พบบ่อย
- การใช้คำพูดสุภาพ การเสนอทิป หรือการข่มขู่ ช่วยให้ผลลัพธ์ดีขึ้นหรือไม่
- ไม่มีสิ่งใดในแนวทางปัจจุบันที่เผยแพร่ของห้องปฏิบัติการทั้งสองแนะนำสิ่งเหล่านี้ ทั้งสองคู่มือสร้างขึ้นโดยเน้นที่ความเฉพาะเจาะจง โครงสร้าง และข้อจำกัดที่ชัดเจน ปฏิบัติต่อ «วลีวิเศษ» ที่วางไว้เหมือนนิทานพื้นบ้านจนกว่าเอกสารของผู้ขายจะสนับสนุน
- พรอมต์ที่ยาวกว่าเป็นพรอมต์ที่ดีกว่าหรือไม่
- ไม่ คำแนะนำของ Anthropic คือให้เริ่มต้นอย่างง่ายๆ และเพิ่มโครงสร้างก็ต่อเมื่อการทดสอบแสดงให้เห็นว่ามีประโยชน์ ความยาวที่ไม่สามารถขจัดความกำกวมได้ก็เป็นเพียงค่าใช้จ่ายและความหน่วงเท่านั้น
- สิ่งนี้ใช้กับแอปแชทหรือใช้กับ API เท่านั้น
- สี่นิสัยแรกเกี่ยวกับการเขียนของคุณ ดังนั้นจึงสามารถนำไปใช้ได้ทุกที่ นิสัยที่ห้าเป็นส่วนหนึ่งของการตั้งค่า — ความพยายามในการให้เหตุผลจะปรากฏใน API และในส่วนต่อประสานแอปบางส่วน ดังนั้นให้ตรวจสอบว่าอินเทอร์เฟซของคุณมีอะไรให้บ้าง
- ทำไมสองห้องปฏิบัติการจึงบรรจบกันหากแบบจำลองแตกต่างกัน
- เนื่องจากความล้มเหลวที่ทั้งสองกำลังแก้ไขนั้นเหมือนกัน นั่นคือโมเดลเดาว่าคุณหมายถึงอะไร การฝึกฝนที่แตกต่างกัน แต่คำขอที่ระบุไม่เพียงพอเหมือนกัน