การเป็นผู้เชี่ยวชาญด้าน AI Prompting: เทคนิคเชิงปฏิบัติเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นจาก ChatGPT

ยินดีต้อนรับ! หากคุณต้องการเรียนรู้ AI prompting อย่างมืออาชีพ และรับคำตอบคุณภาพสูงที่สม่ำเสมอจากเครื่องมือต่างๆ เช่น ChatGPT คู่มือนี้จะนำคุณไปสู่แนวคิดที่สำคัญที่สุด พร้อมตัวอย่างเชิงปฏิบัติที่คุณสามารถคัดลอกและปรับใช้ได้

1. AI Prompting (Prompt Engineering) คืออะไร?

AI prompting (มักเรียกว่า prompt engineering) คือทักษะในการเขียนคำสั่งสำหรับ AI เพื่อให้โมเดลให้คุณ:

• คำตอบที่แม่นยำยิ่งขึ้น
• ในรูปแบบและสไตล์ที่คุณต้องการ
• โดยมีความเข้าใจผิดและการลองใหม่น้อยลง

การ prompting ที่ดีจะเปลี่ยน ChatGPT (หรือ LLM ใดๆ) จากบอทถามตอบพื้นฐานให้กลายเป็น:

• ผู้ช่วยวิจัย
• คู่หูในการเขียนโค้ด
• บรรณาธิการงานเขียน
• ครูสอนพิเศษหรือโค้ช
• ที่ปรึกษาทางธุรกิจ

หากคุณยังใหม่กับเรื่องนี้ ให้คิดว่า prompts เป็น “คำแนะนำสำหรับผู้ช่วยที่ฉลาดมากแต่ตรงไปตรงมามาก”

2. สูตรหลักที่ผู้เชี่ยวชาญด้าน Prompter ใช้

นักเขียน prompt มืออาชีพส่วนใหญ่ปฏิบัติตามโครงสร้างง่ายๆ:

บทบาท + เป้าหมาย + บริบท + ข้อจำกัด + รูปแบบผลลัพธ์ + ตัวอย่าง

คุณไม่จำเป็นต้องมีทั้งหมดนี้เสมอไป แต่การรวมเข้าด้วยกันจะช่วยปรับปรุงผลลัพธ์ได้อย่างมาก

2.1. บทบาท

บอก AI ว่า ควรทำหน้าที่เป็นใคร.

แทนที่จะ:

อธิบาย Docker.

ใช้:

ทำหน้าที่เป็นวิศวกร DevOps อาวุโส อธิบาย Docker ให้กับนักพัฒนาเว็บรุ่นเยาว์ที่รู้พื้นฐาน Linux และ Docker Compose แต่ไม่เคยใช้ Kubernetes

2.2. เป้าหมาย

ทำให้ วัตถุประสงค์หลัก ชัดเจน

เป้าหมายของคุณคือช่วยให้ฉันเข้าใจว่าเมื่อใดและทำไมต้องใช้ Docker ไม่ใช่สอนทุกคำสั่ง CLI

2.3. บริบท

เพิ่ม ข้อมูลพื้นหลัง ที่โมเดลต้องการ

ฉันเข้าใจแล้ว: – คอนเทนเนอร์คืออะไรโดยทั่วไป – อิมเมจ Docker เป็นเทมเพลต ฉันสับสนเกี่ยวกับ: – เครือข่ายระหว่างคอนเทนเนอร์ – โวลุ่มและข้อมูลถาวร

2.4. ข้อจำกัด

กำหนด ขีดจำกัด เพื่อให้คำตอบมุ่งเน้น

ข้อจำกัด: – ให้คำอธิบายต่ำกว่า 600 คำ – ใช้ภาษาที่เรียบง่าย ไม่มีคำศัพท์เฉพาะ – รวมตัวอย่างโค้ดขนาดเล็กอย่างมาก 1 ตัวอย่าง

2.5. รูปแบบผลลัพธ์

บอก AI ว่าคุณต้องการให้โครงสร้างคำตอบเป็นอย่างไร

รูปแบบผลลัพธ์:

1. คำอธิบายสั้นๆ (3–4 ประโยค)
2. อุปมาที่เป็นรูปธรรม
3. แผนภาพง่ายๆ ในรูปแบบข้อความ
4. ตัวอย่างเล็กๆ หนึ่งตัวอย่างพร้อม docker-compose.yml

2.6. ตัวอย่าง (Few-Shot Prompting)

แสดง ตัวอย่าง 1–3 ตัวอย่าง ว่าคำตอบที่ดีมีลักษณะอย่างไร (“few-shot prompting”)

นี่คือตัวอย่างคำอธิบายที่ฉันชอบ:

ตัวอย่างสไตล์ที่ดี (สำหรับหัวข้ออื่น): – ชัดเจน เป็นขั้นเป็นตอน – ใช้หัวข้อและสัญลักษณ์แสดงหัวข้อย่อย – ให้ตัวอย่างที่สั้นและสมจริง

คุณสามารถวาง “คำตอบแบบจำลอง” สั้นๆ ที่คุณชอบได้ AI จะเลียนแบบสไตล์และโครงสร้างของมัน

3. เทคนิค Pro ที่ยิ่งใหญ่ที่สุดเพียงอย่างเดียว: Iterative Prompting

ผู้เชี่ยวชาญ ไม่คาดหวังความสมบูรณ์แบบตั้งแต่ครั้งแรก พวกเขาทำซ้ำ:

1. ร่าง prompt → รับคำตอบ
2. วิจารณ์คำตอบ → ปรับแต่ง prompt
3. ขอให้ AI ปรับปรุงผลลัพธ์ของตัวเอง

ตัวอย่าง:

คุณ: สรุปบทความนี้ใน 200 คำ

AI ตอบกลับ…

คุณ: ปรับปรุงบทสรุปนี้โดย: – เน้นที่ผลกระทบทางธุรกิจ – เพิ่มสัญลักษณ์แสดงหัวข้อย่อย 2 ข้อของเมตริกหลัก – ลบแนวคิดที่ซ้ำซ้อนออก ให้อยู่ต่ำกว่า 150 คำ

คุณสามารถอ้างอิงคำตอบก่อนหน้าได้โดยตรง:

ปรับแต่งคำตอบก่อนหน้าของคุณด้วยการเปลี่ยนแปลงเหล่านี้…

“การสนทนาเป็นการวนซ้ำในการแก้ไข” นี้เป็นหนึ่งในจุดเด่นของการ prompting ของผู้เชี่ยวชาญ

4. เฟรมเวิร์ก Prompt ที่คุณสามารถนำกลับมาใช้ใหม่ได้

ด้านล่างนี้คือ เทมเพลตที่นำกลับมาใช้ใหม่ได้ ซึ่งคุณสามารถปรับให้เข้ากับกรณีการใช้งานเกือบทุกกรณี

4.1. เฟรมเวิร์กงานทั่วไป

ทำหน้าที่เป็น [บทบาท]

เป้าหมาย: [สิ่งที่ฉันต้องการ]

บริบท:
- [ข้อมูลพื้นหลังที่เกี่ยวข้อง]
- [สิ่งที่ฉันรู้ / ไม่รู้]

ข้อจำกัด:
- [ความยาว]
- [โทน]
- [สิ่งที่ควรหลีกเลี่ยง]

รูปแบบผลลัพธ์:
1. [ส่วน]
2. [ส่วน]
3. [ส่วน]

ก่อนตอบคำถาม ให้ถามคำถามที่ต้องทำให้กระจ่างได้ถึง 3 ข้อ หากจำเป็น

4.2. Prompt การเขียนโค้ด / การพัฒนา

ทำหน้าที่เป็นนักพัฒนา [ภาษา / เฟรมเวิร์ก] อาวุโส

เป้าหมาย:
ช่วยฉัน [แก้ไขจุดบกพร่อง / ออกแบบ / ปรับโครงสร้างใหม่ / เรียนรู้] ต่อไปนี้:

[วางโค้ดหรือคำอธิบาย]

บริบท:
- ระดับของฉัน: [เริ่มต้น / ปานกลาง / ขั้นสูง]
- Tech stack: [เช่น Laravel + Vue + MySQL]
- ข้อจำกัด: [ประสิทธิภาพ / ความสามารถในการอ่าน / ความเข้ากันได้แบบย้อนหลัง]

สิ่งที่ฉันต้องการจากคุณ:
1. คำอธิบายระดับสูงสั้นๆ
2. เหตุผลทีละขั้นตอน
3. ตัวอย่างโค้ด
4. ข้อผิดพลาดทั่วไป

จัดรูปแบบคำตอบของคุณด้วยบล็อกโค้ดที่เหมาะสมและหัวข้อสั้นๆ

มีประโยชน์หากคุณกำลังทำงานกับ Laravel:

• Laravel Official Docs
• Laravel News

4.3. Prompt การเขียน / การสร้างเนื้อหา

ทำหน้าที่เป็น [นักเขียนคำโฆษณา / นักเขียนเทคนิค / บรรณาธิการ] มืออาชีพ

เป้าหมาย:
ช่วยฉันเขียน [บล็อกโพสต์ / อีเมล / หน้า Landing Page] เกี่ยวกับ:

[หัวข้อ]

กลุ่มเป้าหมาย:
- [พวกเขาเป็นใคร]
- [สิ่งที่พวกเขาสนใจ]
- [ระดับความรู้ของพวกเขา]

โทน:
- [เช่น เป็นมิตรแต่เป็นมืออาชีพ กระชับ ไม่มีอะไรที่ไม่จำเป็น]

ข้อจำกัด:
- จำนวนคำ: [X–Y คำ]
- รวม: [ตัวอย่าง รายการสัญลักษณ์แสดงหัวข้อย่อย คำกระตุ้นการตัดสินใจ]
- หลีกเลี่ยง: [ศัพท์เฉพาะ สำนวนซ้ำซาก]

ผลลัพธ์:
1. ชื่อที่แนะนำ (5 ตัวเลือก)
2. โครงร่าง
3. ร่างฉบับเต็ม
4. คีย์เวิร์ด SEO 3–5 คำเพื่อกำหนดเป้าหมาย

สำหรับแนวคิดการ prompting ที่เน้น SEO มากขึ้น โปรดดูที่:

• Ahrefs Blog – AI & SEO Articles
• Moz – SEO Learning Center

4.4. Prompt การเรียนรู้ / การศึกษา

ทำหน้าที่เป็นครูสอนพิเศษที่อดทนใน [วิชา]

เป้าหมาย:
ช่วยฉันเข้าใจ [แนวคิด / หัวข้อ] ทีละขั้นตอน

ระดับปัจจุบันของฉัน:
- ฉันรู้: [...]
- ฉันไม่เข้าใจ: [...]

รูปแบบการสอน:
- ใช้ภาษาที่เรียบง่าย
- ให้คำอธิบายสั้นๆ
- หลังจากแต่ละขั้นตอน ให้ถามคำถามเพื่อตรวจสอบความเข้าใจ
- ดำเนินการต่อเมื่อฉันตอบเท่านั้น

ผลลัพธ์:
1. ภาพรวมอย่างรวดเร็ว (3–4 ประโยค)
2. คำอธิบายขั้นตอนที่ 1 + คำถาม
3. คำอธิบายขั้นตอนที่ 2 + คำถาม
4. อุปมาง่ายๆ หรือคำอธิบายด้วยภาพ
5. คำถามฝึกหัด 3 ข้อพร้อมคำตอบที่ซ่อนอยู่ (ส่วนแยก)

5. เทคนิคขั้นสูงที่ผู้เชี่ยวชาญใช้

5.1. ข้อจำกัดที่เป็นระบบ (Guardrails)

บอก AI สิ่งที่ไม่ควรทำ.

• “อย่าสร้างแหล่งที่มา หากไม่แน่ใจ ให้บอกว่าคุณไม่รู้”
• “หากคุณไม่มีข้อมูลเพียงพอ ให้ถามคำถามที่ต้องทำให้กระจ่างก่อน”
• “อย่าเปิดเผยคีย์ API ส่วนตัวหรือข้อมูลประจำตัว”

ตัวอย่าง:

หากข้อมูลบางอย่างไม่แน่นอนหรือไม่พบในข้อมูลการฝึกอบรมของคุณ ให้พูดอย่างชัดเจนว่า:
"ฉันไม่มีข้อมูลที่เชื่อถือได้เกี่ยวกับ X เท่าที่ฉันรู้"

5.2. การแยกย่อยงานที่ซับซ้อน

แบ่งงานใหญ่ๆ ออกเป็น งานย่อย และแนะนำโมเดลทีละขั้นตอน

แทนที่จะ:

เขียนแผนธุรกิจ SaaS ฉบับเต็มสำหรับเครื่องมือการจัดการโครงการ

ใช้:

1. “แสดงรายการส่วนหลักของแผนธุรกิจ SaaS สำหรับเครื่องมือการจัดการโครงการสำหรับทีมระยะไกล”
2. “ตอนนี้ขยายเฉพาะส่วนการวิเคราะห์ตลาดด้วยสัญลักษณ์แสดงหัวข้อย่อย”
3. “ตอนนี้เขียนร่างกลยุทธ์การกำหนดราคาโดยอิงตาม [ข้อสมมติฐานเหล่านี้]”

คุณสามารถบอก AI อย่างชัดเจนว่า:

ขั้นแรก ให้ร่างแผนของคุณเป็นสัญลักษณ์แสดงหัวข้อย่อย รอการยืนยันจากฉัน จากนั้น ขยายแต่ละส่วนทีละส่วน

5.3. การขอตัวเลือกหลายตัวเลือก

การ prompting ที่ดีมักจะมี “ให้ตัวเลือก”:

• “ให้มุมมองที่แตกต่างกัน 5 มุม”
• “แนะนำโครงสร้างที่เป็นไปได้ 3 โครงสร้าง”
• “เสนอ 4 รูปแบบที่แตกต่างกันของพาดหัวนี้”

ตัวอย่าง:

สร้าง prompts ทางเลือก 5 รายการที่ฉันสามารถใช้เพื่อรับคำตอบที่ดีขึ้นและมีรายละเอียดมากขึ้นเกี่ยวกับ [หัวข้อ] สำหรับแต่ละรายการ:
- วัตถุประสงค์ 1 ประโยค
- ข้อความ prompt ฉบับเต็ม
- เมื่อใดควรใช้

5.4. การถ่ายโอนสไตล์

ให้ AI เลียนแบบสไตล์ (ไม่ใช่บุคคลที่ระบุ หากถูกจำกัด)

เขียนคำอธิบายต่อไปนี้ใหม่ในสไตล์ที่:
- ตรงไปตรงมาและกระชับ
- ใช้ประโยคสั้นๆ
- ลดคำคุณศัพท์ให้เหลือน้อยที่สุด

[วางข้อความ]

หรือ:

นี่คือ 2 ย่อหน้าที่เขียนในสไตล์ของฉัน:

[ตัวอย่างของคุณ]

เรียนรู้สไตล์นี้ จากนั้น สรุปบทความนี้ในสไตล์เดียวกันโดยประมาณ:
[ข้อความบทความ]

6. ข้อผิดพลาดในการ Prompting ทั่วไป (และวิธีแก้ไข)

6.1. ความคลุมเครือ

อ่อน:

บอกฉันเกี่ยวกับแมชชีนเลิร์นนิง

ดีกว่า:

ใน 300 คำหรือน้อยกว่า อธิบายแมชชีนเลิร์นนิงให้กับผู้จัดการที่ไม่ใช่ด้านเทคนิค เน้นที่: – มันคืออะไรในแง่ง่ายๆ – 2 กรณีการใช้งานทางธุรกิจที่เป็นรูปธรรม – 2 ข้อจำกัดหรือความเสี่ยง หลีกเลี่ยงคณิตศาสตร์หรือสูตร ใช้ภาษาธรรมดา

6.2. การขอมากเกินไปในคราวเดียว

อ่อน:

เขียนหนังสือเกี่ยวกับ AI ให้ฉัน

ดีกว่า:

ขั้นตอนที่ 1: สร้างสารบัญโดยละเอียดสำหรับ eBook ที่เป็นมิตรกับผู้เริ่มต้นเกี่ยวกับ AI ในธุรกิจ (8–12 บท) ขั้นตอนที่ 2: รอการตรวจสอบของฉัน ขั้นตอนที่ 3: หลังจากที่ฉันอนุมัติแล้ว ให้เขียนเฉพาะบทที่ 1 (1000–1500 คำ) เท่านั้น

6.3. การไม่แบ่งปันบริบทที่เพียงพอ

อ่อน:

ปรับปรุงโค้ดนี้

ดีกว่า:

ปรับปรุงโค้ดนี้เพื่อความสามารถในการอ่านและการบำรุงรักษา อย่าเปลี่ยนชื่อเมธอดสาธารณะหรืออินเทอร์เฟซภายนอก ฉันกำลังใช้ PHP 8.1 และ Laravel 10

[โค้ด]

7. การใช้ไลบรารี Prompt และแหล่งข้อมูลภายนอก

คุณสามารถเร่งการเรียนรู้ของคุณได้โดย การศึกษา prompts ที่มีอยู่:

• ตลาด / แกลเลอรี Prompt

  • PromptBase
  • FlowGPT

• คู่มือและบล็อก Prompting

  • OpenAI – Prompt engineering guide
  • Learn Prompting – เนื้อหาที่มีโครงสร้างฟรี
  • Prompting Guide by deep-learning.ai

ใช้สิ่งเหล่านี้ไม่ใช่เพื่อคัดลอกอย่างสุ่มสี่สุ่มห้า แต่เพื่อ ดูรูปแบบ: บทบาท ข้อจำกัด โครงสร้าง ตัวอย่าง

8. แผนการฝึกปฏิบัติรายวันอย่างง่ายเพื่อ “เรียนรู้ Prompting อย่างมืออาชีพ”

คุณไม่จำเป็นต้องมีหลักสูตรเพื่อให้เก่ง นี่คือ กิจวัตรประจำวันเชิงปฏิบัติ 7 วัน:

วันที่ 1 – พื้นฐาน

• ถามคำถามปกติ 1 ข้อที่คุณจะถาม ChatGPT
• เขียนใหม่โดยใช้: บทบาท + เป้าหมาย + บริบท + ข้อจำกัด + รูปแบบผลลัพธ์
• เปรียบเทียบผลลัพธ์

วันที่ 2 – การทำซ้ำ

• ถามบางสิ่งที่ซับซ้อนปานกลาง (เช่น “ช่วยฉันวางแผนตารางเรียน”)
• ทำการปรับปรุง 3 รอบ: “ตอนนี้ปรับปรุงโดย…”

วันที่ 3 – การมุ่งเน้นไปที่โดเมนเดียว

• เลือก 1 ด้าน (การเขียนโค้ด การเขียน การตลาด การเรียนรู้)
• สร้างเทมเพลต prompt ที่นำกลับมาใช้ใหม่ได้ 3–5 เทมเพลตสำหรับมัน

วันที่ 4 – การแยกย่อย

• ทำงานใหญ่และจงใจแบ่งออกเป็น prompts ที่เล็กลง 5 ข้อ
• สังเกตว่าคุณภาพดีขึ้นอย่างไร

วันที่ 5 – สไตล์และรูปแบบ

• ฝึกถามรูปแบบที่เฉพาะเจาะจงมาก: ตาราง รายการสัญลักษณ์แสดงหัวข้อย่อย แผนทีละขั้นตอน JSON ฯลฯ

วันที่ 6 – การวิจารณ์ตนเอง

• หลังจากแต่ละคำตอบ ให้ถาม AI:

  วิจารณ์การตอบสนองของคุณเอง อะไรที่สามารถปรับปรุงได้เพื่อความชัดเจน โครงสร้าง หรือความลึก จากนั้นให้เวอร์ชันที่ปรับปรุงแล้ว

วันที่ 7 – การตรวจสอบและไลบรารี

• บันทึก prompts ที่ดีที่สุดของคุณใน “ไลบรารี Prompt” ส่วนตัว (ไฟล์ markdown อย่างง่ายหรือหน้า Notion)
• จัดกลุ่มตามกรณีการใช้งาน: การเขียนโค้ด การเขียน การเรียนรู้ ธุรกิจ ฯลฯ

เมื่อเวลาผ่านไป คุณจะสร้าง ชุดเครื่องมือ prompt ที่ผ่านการทดสอบในสนามรบแบบกำหนดเอง

9. เทมเพลต Prompt ที่พร้อมใช้งาน

คุณสามารถคัดลอกและวางสิ่งเหล่านี้ได้โดยตรง

9.1. Meta-Prompt: ช่วยฉันปรับปรุง Prompt ของฉัน

ฉันต้องการให้คุณทำหน้าที่เป็นวิศวกร prompt สำหรับ ChatGPT

เป้าหมาย:
ช่วยฉันเขียนใหม่และปรับปรุง prompt ต่อไปนี้เพื่อให้ได้ผลลัพธ์ที่แม่นยำ มีรายละเอียด และมีประโยชน์มากขึ้น:

[ใส่ prompt ร่างของคุณที่นี่]

งานของคุณ:
1. ถามคำถามที่ต้องทำให้กระจ่างได้ถึง 5 ข้อ (ทั้งหมดในคราวเดียว)
2. เสนอ prompts ที่ปรับปรุงแล้ว 3 เวอร์ชัน:
   - เวอร์ชัน A: เรียบง่าย
   - เวอร์ชัน B: มีรายละเอียดและมีโครงสร้าง
   - เวอร์ชัน C: ขั้นสูงพร้อมข้อจำกัดและการจัดรูปแบบ
3. อธิบายสั้นๆ ว่าเมื่อใดควรใช้แต่ละเวอร์ชัน

9.2. การตั้งค่า Prompt “มืออาชีพ” ทั่วไป

ทำหน้าที่เป็น [บทบาท: เช่น สถาปนิกซอฟต์แวร์ นักวางกลยุทธ์เนื้อหา นักวิเคราะห์ธุรกิจ] ที่มีทักษะสูงและมีประสบการณ์มากกว่า 10 ปี

เป้าหมาย:
[อธิบายสิ่งที่คุณต้องการทำให้สำเร็จอย่างแน่นอน]

บริบทที่สำคัญ:
[ให้ข้อมูลพื้นหลัง สถานการณ์ปัจจุบัน ข้อจำกัด และระดับของคุณ]

ข้อกำหนด:
- ทำให้ข้อสมมติฐานที่ไม่ชัดเจนกระจ่าง
- หากมีบางสิ่งที่ไม่รู้จัก ให้แนะนำว่าข้อมูลใดที่จำเป็น
- เป็นคนซื่อสัตย์เมื่อมีบางสิ่งเป็นการคาดเดาหรืออยู่นอกเหนือข้อมูลการฝึกอบรมของคุณ

รูปแบบผลลัพธ์:
1. สรุปสำหรับผู้บริหารสั้นๆ (3–5 สัญลักษณ์แสดงหัวข้อย่อย)
2. คำอธิบายโดยละเอียด
3. ตัวอย่างที่เป็นรูปธรรม
4. ขั้นตอนต่อไปที่นำไปปฏิบัติได้ (รายการตรวจสอบ)

ก่อนให้คำตอบสุดท้าย ให้ระบุงานสั้นๆ ในคำพูดของคุณเองเพื่อยืนยันความเข้าใจ

10. สรุป: หลักการสำคัญในการคิดและ Prompt อย่างมืออาชีพ

หากต้องการ เรียนรู้ AI prompting อย่างมืออาชีพ ให้มุ่งเน้นที่:

1. ความชัดเจนมากกว่าความฉลาด – ชัดเจน มีโครงสร้าง และเฉพาะเจาะจง
2. บริบทคือราชา – แบ่งปันว่าคุณเป็นใคร สิ่งที่คุณรู้ และสิ่งที่คุณต้องการ
3. ทำซ้ำ – ปฏิบัติต่อ AI ในฐานะผู้ทำงานร่วมกัน ไม่ใช่ตู้ขายของอัตโนมัติ
4. ควบคุมรูปแบบ – หัวข้อ สัญลักษณ์แสดงหัวข้อย่อย ตาราง และข้อจำกัด
5. นำเทมเพลตกลับมาใช้ใหม่ – สร้างไลบรารีของคุณเองและปรับแต่งเมื่อเวลาผ่านไป
6. ขอให้ AI ช่วยคุณ prompt ได้ดีขึ้น – ใช้ meta-prompts และการวิจารณ์ตนเอง

คุณสามารถบุ๊กมาร์กหน้านี้และนำเฟรมเวิร์กเหล่านี้กลับมาใช้ใหม่ได้ทุกเมื่อที่คุณต้องการผลลัพธ์ระดับมืออาชีพมากขึ้นจาก ChatGPT หรือแบบจำลองภาษาขนาดใหญ่อื่นๆ

หากคุณบอกกรณีการใช้งานหลักของคุณให้ฉันทราบ (เช่น การเขียนโค้ดด้วย Laravel การเขียนคำโฆษณา การเตรียมสอบ การสร้างแนวคิดเริ่มต้น) ฉันสามารถสร้าง ไลบรารี prompt แบบกำหนดเองขนาดเล็ก ที่ปรับให้เหมาะกับงานของคุณได้