สร้าง Prompt Library ให้ทั้งทีมใช้ร่วมกัน
วิธีเปลี่ยน prompt ที่กระจัดกระจายในแชตส่วนตัวให้เป็นคลังกลางของทีม มีเทมเพลต ตัวแปร เวอร์ชัน เจ้าของ และการทดสอบก่อนใช้
ในทีมเดียวกัน คนหนึ่งมี prompt สรุปประชุมที่ได้ผลดีมาก อีกคนเขียนใหม่ทุกครั้ง อีกคนเจอ prompt ดีๆ ในกลุ่ม LINE แต่หาไม่เจอแล้ว พอคนที่เก่งที่สุดลาออก prompt ทั้งหมดก็หายไปกับแชตส่วนตัวของเขา ถ้าทีมคุณเป็นแบบนี้ ถึงเวลาสร้าง Prompt Library
Prompt Library คืออะไร
Prompt Library คือคลังกลางที่เก็บ prompt ซึ่งทีมทดสอบแล้วว่าได้ผล พร้อมบริบทว่าใช้กับงานอะไร ใช้ยังไง และใครดูแล เป้าหมายไม่ใช่สะสม prompt ให้เยอะ แต่ทำให้งานซ้ำๆ ของทีมได้ผลลัพธ์ที่มีคุณภาพใกล้เคียงกัน ไม่ว่าใครเป็นคนใช้
หลักคิด: มอง prompt เป็นทรัพย์สินของทีม
คู่มือ Prompting ของ OpenAI แนะนำให้มอง prompt ที่ใช้ในระบบจริงเหมือนโค้ดของแอป คือเก็บไว้ในที่ที่ตั้งชื่อชัด ตรวจทานการแก้ไขก่อนใช้ เก็บประวัติเวอร์ชันเพื่อเทียบและย้อนกลับได้ และรันชุดทดสอบทุกครั้งที่เผยแพร่ ทีมที่ไม่ได้เขียนโค้ดก็ใช้หลักเดียวกันได้ ผ่านเครื่องมือที่มีอยู่แล้ว เช่น Google Docs, Notion หรือสเปรดชีต
หนึ่ง prompt ในคลังควรมีอะไรบ้าง
- ชื่อและงานที่ใช้: เช่น "สรุปประชุมลูกค้าเป็น action item"
- ตัว prompt แบบเทมเพลต: ส่วนที่คงที่เขียนไว้ครบ ส่วนที่เปลี่ยนแต่ละครั้งใช้ตัวแปร เช่น {{ชื่อลูกค้า}} {{บันทึกประชุม}}
- ตัวอย่างอินพุตและผลลัพธ์ที่ดี: ให้คนใช้เห็นภาพว่าควรได้อะไร
- โมเดลที่ทดสอบแล้ว: เพราะ prompt เดียวกันอาจให้ผลต่างกันในโมเดลอื่น
- เวอร์ชันและวันที่แก้ล่าสุด พร้อมบันทึกสั้นๆ ว่าแก้อะไร
- เจ้าของ: คนที่รับผิดชอบดูแลและอนุมัติการแก้
- ข้อจำกัด: เช่น "ห้ามใส่ข้อมูลส่วนตัวลูกค้า" หรือ "ต้องตรวจตัวเลขเองทุกครั้ง"
เขียน prompt ให้คนอื่นใช้ได้โดยไม่ต้องถาม
คู่มือของ Anthropic เสนอการทดสอบง่ายๆ ว่า ให้ส่ง prompt ให้เพื่อนร่วมงานที่ไม่รู้บริบทลองทำตาม ถ้าเขาสับสน AI ก็จะสับสนเช่นกัน หลักนี้ใช้ได้ดีกับคลัง prompt เพราะคนที่หยิบไปใช้ไม่ใช่คนเขียน
- บอกเหตุผลของแต่ละคำสั่ง ไม่ใช่แค่กฎ (ดู การออกแบบ System Prompt)
- แยกคำสั่ง ข้อมูล และตัวอย่างด้วยหัวข้อหรือแท็กให้ชัด
- ใส่ตัวอย่าง 3 ถึง 5 ชิ้นสำหรับงานที่ต้องการรูปแบบเฉพาะ (ดู Few-shot Prompting)
เก็บคลังไว้ที่ไหนดี
- เอกสารหรือฐานความรู้ที่ทีมใช้อยู่แล้ว: เริ่มง่ายที่สุด แบ่งหน้าเป็นหมวดตามงาน
- สเปรดชีต: เหมาะเมื่อต้องการกรองตามหมวด เจ้าของ หรือสถานะ และเก็บผลทดสอบไว้คอลัมน์ข้างกัน
- Repository ของโค้ด: สำหรับ prompt ที่อยู่ในผลิตภัณฑ์จริง OpenAI แนะนำให้เก็บไว้ในโค้ดเบส ตรวจการแก้ผ่าน pull request และใช้ประวัติเวอร์ชันเพื่อย้อนกลับ
เลือกที่ที่ทีมเปิดดูทุกวัน ดีกว่าเครื่องมือที่สมบูรณ์แต่ไม่มีใครเข้าไป
ตัวอย่าง: คลัง prompt ของทีมขายบริษัท B2B
สมมติทีมขายขนาด 8 คนเริ่มจากรวบรวม prompt ที่แต่ละคนใช้จริง ได้มาราว 40 ชิ้น หลังคัดซ้ำและเลือกเฉพาะที่ได้ผลเหลือ 12 ชิ้น แบ่งเป็น 3 หมวด คือ เตรียมก่อนพบลูกค้า สรุปหลังประชุม และร่างอีเมลติดตาม แต่ละชิ้นมีเจ้าของหนึ่งคน ใครอยากแก้ต้องเสนอผ่านเจ้าของ และต้องลองกับเคสทดสอบ 5 เคสที่เก็บไว้คู่กันก่อนเปลี่ยนเวอร์ชัน
Prompt ที่ดีที่สุดของทีมไม่ควรอยู่ในแชตส่วนตัวของใครคนเดียว
ข้อควรระวัง
- อย่าเก็บข้อมูลลูกค้า รหัสผ่าน หรือ API key ไว้ในตัวอย่างของคลัง
- Prompt ที่ไม่มีใครดูแลจะล้าสมัยเร็ว ทั้งจากโมเดลที่เปลี่ยนและข้อมูลธุรกิจที่เปลี่ยน ควรทบทวนเป็นระยะ
- คลังที่ใหญ่เกินไปหาของยาก เน้นงานที่ทำซ้ำบ่อยก่อน
เริ่มต้นยังไง
- ให้ทุกคนในทีมส่ง prompt ที่ใช้บ่อยที่สุดคนละ 3 ชิ้น
- คัดชิ้นที่ซ้ำกัน เลือกงานที่ทำบ่อยที่สุด 5 ถึง 10 งานมาทำเป็นเทมเพลต
- กรอกข้อมูลตามโครงสร้างข้างบน และกำหนดเจ้าของแต่ละชิ้น
- เก็บเคสทดสอบคู่กับ prompt และลองซ้ำทุกครั้งที่แก้ (ดู การทดสอบ Prompt)
- นัดทบทวนคลังทุกไตรมาส ลบชิ้นที่ไม่มีใครใช้
ทีมที่แบ่งปันวิธีใช้ AI ได้ดี ช่วยให้สมาชิกใหม่เริ่มงานได้เร็วขึ้นด้วย ถ้าคุณอยากพัฒนาทักษะนี้ต่อ ดูคอร์สใน Plants.work Learn หรือถ้าทีมกำลังขยาย ลงประกาศหาคนที่ใช่ได้ที่ Plants.work สำหรับนายจ้าง