คุณอาจเขียน prompt ดีแล้ว แต่ AI ยังตอบผิด เพราะปัญหาไม่ได้อยู่ที่คำสั่งอย่างเดียว แต่อยู่ที่ข้อมูลทั้งหมดที่ AI เห็นตอนนั้น Context engineering คือการออกแบบว่าอะไรควรเข้าไปอยู่ในบริบทของ AI และอะไรควรอยู่นอกบริบท
ลองนึกถึงพนักงานใหม่ที่ได้รับเอกสารกองโตก่อนเริ่มงาน ถ้าเอกสารส่วนใหญ่ไม่เกี่ยวกับงานที่ได้รับ เขาก็อาจหาคำตอบที่ต้องการไม่เจอ AI ก็ทำงานในลักษณะเดียวกัน
Prompt เป็นแค่ส่วนหนึ่งของบริบท
AI ทำงานจากทุกอย่างที่อยู่ในหน้าต่างบริบทตอนนั้น ซึ่งประกอบด้วยหลายส่วน
✅ คำสั่งระบบ บอกบทบาทและกติกาการทำงาน
✅ ข้อมูลอ้างอิง เอกสารหรือข้อมูลที่เกี่ยวข้องกับงานนั้น
✅ ผลจากเครื่องมือ เช่น ผลการค้นหา หรือข้อมูลที่ดึงจากระบบอื่น
✅ ประวัติการคุย สิ่งที่คุยกันมาก่อนหน้า
หน้าต่างบริบทมีขนาดจำกัด ยิ่งใส่ข้อมูลที่ไม่เกี่ยวข้องมาก AI ก็ยิ่งเสี่ยงหลงประเด็นหรือหยิบข้อมูลผิดชิ้นมาใช้
สามเรื่องที่ควรจัดการ
- เลือกว่าจะใส่อะไร ใส่เฉพาะข้อมูลที่งานนั้นต้องใช้จริง
- จัดลำดับและรูปแบบ วางกติกาที่สำคัญให้เห็นชัด และแยกเป็นส่วนที่อ่านง่าย
- คัดข้อมูลเก่าออก สรุปประวัติการคุยที่ยาวแทนการเก็บทุกข้อความไว้
วิธีเริ่มปรับบริบท
- เขียนงานให้เป็นคำถามเดียวที่ชัดเจน ถ้างานมีหลายเรื่อง ให้แยกเป็นหลายขั้นตอน
- ระบุแหล่งข้อมูลที่จำเป็น และไม่ส่งเอกสารทั้งชุดเข้าไปถ้าใช้แค่บางส่วน
- ทดสอบว่าคำตอบเปลี่ยนไปหรือไม่ เมื่อเอาข้อมูลชิ้นหนึ่งออก ถ้าไม่เปลี่ยน ข้อมูลชิ้นนั้นอาจไม่จำเป็น
- เก็บบันทึกว่า AI เห็นอะไรบ้างในแต่ละครั้ง เพื่อให้ตรวจได้เมื่อคำตอบผิดพลาด
ดูว่า AI Agent ต้องจัดการบริบทอย่างไรเมื่อทำงานหลายขั้นตอน →
จุดที่ควรระวัง
⚠️ ใส่ทุกอย่างลงไป ข้อมูลมากขึ้นไม่ได้หมายความว่าคำตอบจะดีขึ้นเสมอไป
⚠️ ข้อมูลที่ล้าสมัย AI อาจยึดข้อมูลเก่าที่ยังค้างอยู่ในบริบท ทั้งที่มีข้อมูลใหม่กว่าแล้ว
⚠️ ให้สิทธิ์เข้าถึงเกินจำเป็น ข้อมูลลับที่เข้าไปอยู่ในบริบทอาจปรากฏในคำตอบโดยไม่ตั้งใจ
คำถามที่พบบ่อย
อ่านต่อ: AI Agent คืออะไร และองค์กรควรเริ่มใช้อย่างไร · เมื่อ AI ทำงานเอง คนควรอยู่ตรงไหนของกระบวนการ?
💬 คุณเคยเจอคำตอบ AI ที่ผิดทั้งที่ prompt ดูปกติไหม? แชร์ประสบการณ์ไว้ในคอมเมนต์ได้เลย!