เขียน Prompt ให้ Claude ยังไงให้ได้งาน — 7 เทคนิคจากคู่มือทางการของ Anthropic

กฎข้อเดียวที่ใช้ตัดสินว่า prompt ดีหรือยัง

เอกสารของ Anthropic ให้กฎทดสอบไว้สั้นๆ ว่า "เอา prompt ของคุณไปให้เพื่อนร่วมงานที่ไม่รู้เรื่องงานนี้อ่าน แล้วให้เขาทำตาม ถ้าเขางง Claude ก็งงเหมือนกัน"

กฎข้อนี้ตัดปัญหาได้เกินครึ่ง เพราะ prompt ที่คนบ่นว่า "AI ตอบไม่ตรง" ส่วนใหญ่คือประโยคเดียวสั้นๆ อย่าง "สรุปรายงานนี้ให้หน่อย" ซึ่งถ้าเอาไปสั่งพนักงานจริงก็ได้งานที่ไม่ตรงเหมือนกัน เพราะไม่ได้บอกว่าสรุปให้ใครอ่าน ยาวแค่ไหน และต้องมีหัวข้ออะไรบ้าง

7 เทคนิคจากคู่มือทางการ

เทคนิค	ทำอะไร	ใช้เมื่อไร
1. ชัดและตรง	ระบุรูปแบบผลลัพธ์ ความยาว และข้อจำกัดให้ครบ	ทุกครั้ง — เป็นพื้นฐานที่ขาดไม่ได้
2. บอกเหตุผล	อธิบายว่าทำไมต้องทำแบบนั้น ไม่ใช่แค่สั่งว่าให้ทำอะไร	เมื่อมีข้อห้ามหรือข้อบังคับเฉพาะ
3. ให้ตัวอย่าง 3–5 ชุด	แสดงผลลัพธ์ที่ถูกต้อง ครอบคลุมกรณีขอบด้วย	งานที่ต้องได้รูปแบบเดิมซ้ำๆ ทุกครั้ง
4. จัดโครงด้วยแท็ก XML	แยกคำสั่ง ข้อมูล และตัวอย่างออกจากกันด้วยแท็ก	prompt ที่ยาวและมีหลายส่วนปนกัน
5. กำหนดบทบาท	บอกว่าให้สวมบทบาทอะไร แค่ประโยคเดียวก็เห็นผล	งานที่ต้องการน้ำเสียงหรือมุมมองวิชาชีพเฉพาะ
6. เอกสารยาวไว้บน คำถามไว้ล่าง	วางเอกสารต้นเรื่องไว้ก่อน แล้วค่อยตามด้วยคำสั่ง	งานเอกสารยาว ตั้งแต่ประมาณ 20,000 token ขึ้นไป
7. ให้อ้างข้อความก่อนสรุป	สั่งให้ยกข้อความจากเอกสารก่อน แล้วค่อยวิเคราะห์	งานที่ต้องตรวจสอบย้อนกลับไปหาต้นทางได้

เทคนิค 1–2: ชัด ตรง และบอกเหตุผล

เอกสารของ Anthropic ยกตัวอย่างที่เห็นภาพชัด แทนที่จะสั่งว่า "ห้ามใช้จุดไข่ปลา" ให้เขียนว่า "ข้อความนี้จะถูกอ่านออกเสียงด้วยระบบสังเคราะห์เสียง จึงห้ามใช้จุดไข่ปลาเพราะระบบจะอ่านไม่ออก" ผลต่างกันเพราะเมื่อรู้เหตุผล โมเดลจะขยายหลักการนั้นไปยังกรณีอื่นที่คุณไม่ได้สั่งไว้ด้วย

อีกข้อที่คู่มือย้ำคือ ถ้าต้องการงานระดับ "เกินความคาดหมาย" ต้องสั่งไปตรงๆ ตัวอย่างในคู่มือคือคำสั่ง "สร้างแดชบอร์ดวิเคราะห์ข้อมูล" เทียบกับ "สร้างแดชบอร์ดวิเคราะห์ข้อมูล ใส่ฟีเจอร์และการโต้ตอบให้มากที่สุดเท่าที่เกี่ยวข้อง อย่าทำแค่พื้นฐาน" — ประโยคต่อท้ายเพียงบรรทัดเดียวเปลี่ยนขอบเขตของงานที่ได้กลับมาทั้งหมด

งาน	prompt ที่ได้ผลน้อย	prompt ที่ได้ผลดีกว่า
บัญชี	"ดูงบทดลองนี้ให้หน่อย"	"ตรวจงบทดลองที่แนบ หารายการที่ยอดเปลี่ยนจากเดือนก่อนเกิน 20% แสดงเป็นตาราง 4 คอลัมน์: รหัสบัญชี ชื่อบัญชี ผลต่าง สาเหตุที่เป็นไปได้ ถ้าข้อมูลไม่พอสรุปสาเหตุ ให้เขียนว่าต้องขอเอกสารอะไรเพิ่ม"
จัดซื้อ	"ช่วยร่าง TOR หน่อย"	"ร่าง TOR จัดซื้อเครื่องคอมพิวเตอร์ 30 เครื่อง โดยใช้โครงหัวข้อตามตัวอย่างที่แนบ ห้ามระบุยี่ห้อหรือรุ่นเพราะระเบียบห้ามล็อกสเปก ให้เขียนเป็นคุณลักษณะขั้นต่ำแทน ความยาวไม่เกิน 2 หน้า"
HR	"สรุปนโยบายลาให้พนักงานอ่าน"	"สรุประเบียบวันลาที่แนบ ให้พนักงานเข้าใหม่อ่าน ความยาว 1 หน้า ใช้ภาษาพูดปกติไม่ใช่ภาษาระเบียบ แบ่งเป็นหัวข้อตามประเภทการลา และวงเล็บเลขข้อระเบียบไว้ท้ายทุกหัวข้อเพื่อให้ตรวจย้อนได้"

เทคนิค 3–5: ตัวอย่าง แท็ก และบทบาท

การให้ตัวอย่าง (few-shot หรือ multishot) เป็นวิธีที่คู่มือระบุว่าน่าเชื่อถือที่สุดในการควบคุมรูปแบบและน้ำเสียงของผลลัพธ์ คำแนะนำคือใส่ 3–5 ตัวอย่าง โดยตัวอย่างต้องใกล้เคียงงานจริง หลากหลายพอที่จะครอบคลุมกรณีขอบ และห่อด้วยแท็ก <example> เพื่อให้แยกออกจากคำสั่งได้ชัด

แท็ก XML คือเครื่องมือจัดระเบียบ prompt ที่ใช้ได้ผลดีมากเมื่อ prompt เริ่มยาว เพราะแยกคำสั่ง ข้อมูล และตัวอย่างออกจากกันแบบไม่กำกวม ใช้ชื่อแท็กที่สื่อความหมายและใช้ชื่อเดิมทุกครั้ง เช่น

<instructions>
ตรวจใบขอซื้อที่แนบว่าครบตามระเบียบหรือไม่
ตอบเป็นรายการ ผ่าน / ไม่ผ่าน พร้อมเหตุผลสั้นๆ
ถ้าไม่พบข้อมูลที่ต้องใช้ตรวจ ให้ระบุว่าขาดอะไร ห้ามสันนิษฐานแทน
</instructions>

<checklist>
1. มีเลขที่และวันที่ครบ
2. ระบุแหล่งเงินที่ใช้
3. มีผู้อนุมัติตามวงเงิน
4. แนบใบเสนอราคาอย่างน้อย 1 ฉบับ
</checklist>

<document>
[วางเนื้อหาใบขอซื้อตรงนี้]
</document>

ส่วนการกำหนดบทบาทนั้น คู่มือระบุว่าแค่ประโยคเดียวก็ทำให้ผลลัพธ์ต่างได้ เช่น "คุณคือผู้ตรวจสอบภายในที่เคร่งเรื่องหลักฐานประกอบ" จะให้คำตอบที่ระวังกว่า "คุณคือผู้ช่วยทั่วไป" อย่างเห็นได้ชัด สำหรับผู้ใช้ทั่วไปที่ใช้ผ่านหน้าเว็บ ที่วางบทบาทที่ดีที่สุดคือช่อง Custom Instructions ของ Project เพราะตั้งครั้งเดียวมีผลทุกแชทในห้องนั้น

เทคนิค 6–7: งานเอกสารยาว

สองข้อนี้ใช้เฉพาะกับงานที่มีเอกสารยาว แต่ให้ผลชัดที่สุดในบรรดาทั้งเจ็ดข้อ

ลำดับสำคัญกว่าที่คิด — คู่มือแนะนำให้วางเอกสารยาวไว้ด้านบน เหนือคำถามและคำสั่ง และระบุว่าในการทดสอบ การวางคำถามไว้ท้ายสุดช่วยเพิ่มคุณภาพคำตอบได้ถึงราว 30% โดยเฉพาะงานที่มีหลายเอกสารพร้อมกัน ถ้าคุณเคยแนบไฟล์แล้วพิมพ์คำถามสั้นๆ ต่อท้าย แปลว่าคุณทำถูกอยู่แล้วโดยบังเอิญ

ให้ยกข้อความก่อนวิเคราะห์ — เทคนิคนี้คือสั่งให้ Claude ค้นและยกข้อความที่เกี่ยวข้องจากเอกสารออกมาก่อน แล้วค่อยสรุปจากข้อความชุดนั้น ประโยชน์มีสองชั้น ชั้นแรกคือโมเดลโฟกัสเฉพาะส่วนที่เกี่ยว ชั้นที่สองซึ่งสำคัญกว่าสำหรับงานองค์กร คือคุณได้ "ที่มา" ติดมาด้วย ทำให้ตรวจย้อนได้ว่าข้อสรุปมาจากบรรทัดไหน

[วางเอกสารทั้งหมดไว้ตรงนี้ก่อน]

จากเอกสารข้างต้น:
1. ยกข้อความที่เกี่ยวกับเงื่อนไขการรับประกันออกมาก่อน ใส่ไว้ในแท็ก <quotes>
2. จากนั้นจึงสรุปเป็นตารางเปรียบเทียบผู้เสนอราคาแต่ละราย
3. ถ้าข้อความในข้อ 1 ไม่ครอบคลุมประเด็นใด ให้ระบุว่าประเด็นนั้นหาไม่พบ

แม่แบบ prompt ที่ใช้ซ้ำได้ทั้งองค์กร

แทนที่จะให้พนักงานแต่ละคนคิด prompt เอง องค์กรที่ใช้ AI ได้ผลมักทำแม่แบบกลางไว้ 5–10 ชุด แล้วให้ทุกคนใช้ชุดเดียวกัน โครงที่ครอบคลุมงานเอกสารส่วนใหญ่มีแค่นี้

บทบาท: [เช่น เจ้าหน้าที่พัสดุที่เคร่งระเบียบ]
งาน: [สั่งเป็นข้อ 1-2-3 ถ้าลำดับสำคัญ]
ผลลัพธ์: [รูปแบบ + ความยาว เช่น ตาราง 4 คอลัมน์ ไม่เกิน 1 หน้า]
ข้อห้าม: [เช่น ห้ามระบุยี่ห้อ ห้ามคำนวณสูตรใหม่เอง]
ถ้าข้อมูลไม่พอ: ให้ระบุว่าขาดอะไร ห้ามสันนิษฐานแทน

<document>
[เนื้อหา]
</document>

4 กับดักที่ทำให้เสียเวลากับ prompt

กับดัก	สิ่งที่ควรทำแทน
ตามหา "คำวิเศษ" หรือสูตรลับ	ไม่มีคำวิเศษ คู่มือทางการเน้นเรื่องเดียวคือความชัดเจน สั่งให้ครบเหมือนสั่งคน
เขียนยาวไว้ก่อน เผื่อครอบคลุม	ยาวแต่กำกวมแย่กว่าสั้นแต่ชัด สิ่งที่ควรยาวคือตัวอย่างและข้อจำกัด ไม่ใช่คำอธิบายวนไปมา
คาดหวังให้ได้ผลตั้งแต่รอบแรก	ปกติต้องแก้ 2–3 รอบ วิธีเร็วที่สุดคือบอกว่ารอบที่แล้วไม่ตรงตรงไหน แล้วให้แก้เฉพาะจุดนั้น
ยัดงานหลายขั้นลงใน prompt เดียว	งานหลายขั้นให้แยกเป็นหลายรอบ (prompt chaining) รอบละเป้าหมายเดียว ตรวจได้ทีละขั้น

เชื่อมกลับงานหลังบ้าน: prompt ไม่ได้แก้ปัญหาข้อมูลผิด

ข้อจำกัดที่ต้องพูดให้ชัด คือ prompt ที่ดีที่สุดก็ช่วยอะไรไม่ได้ถ้าข้อมูลต้นทางผิด ถ้ารายงานสต๊อกที่แนบเข้าไปไม่ตรงกับของจริงในคลัง คำตอบที่ได้ก็ผิดตามอย่างสวยงามและน่าเชื่อถือ

เส้นแบ่งที่เราแนะนำลูกค้าเสมอคือ ให้ ระบบ ERP เป็นแหล่งความจริงของตัวเลข ส่วน Claude ทำหน้าที่อ่าน เรียบเรียง ตรวจทาน และร่างเอกสารจากตัวเลขชุดนั้น การใช้ AI กับข้อมูลที่ยังกระจายอยู่ในไฟล์ Excel หลายเวอร์ชันคือการขยายปัญหาเดิมให้เร็วขึ้น ไม่ใช่แก้ปัญหา — ประเด็นเดียวกับที่เขียนไว้ใน แชร์ไฟล์ Excel กันไปมา ข้อมูลรั่วโดยไม่รู้ตัว

สำหรับทีมที่อยากยกระดับจาก prompt รายคนไปเป็นมาตรฐานองค์กร ขั้นถัดไปคือเก็บ prompt ที่ใช้ได้ผลไว้เป็น Claude Skills เพื่อให้ทุกคนเรียกใช้ชุดเดียวกันโดยไม่ต้องก๊อปข้อความส่งกันในแชท

สรุป

เทคนิคทั้งเจ็ดข้อในคู่มือของ Anthropic ไม่มีข้อไหนเป็นเวทมนตร์ ทุกข้อคือหลักการสั่งงานที่ดีซึ่งใช้กับคนก็ได้ผลเหมือนกัน — บอกให้ชัด บอกเหตุผล ให้ตัวอย่าง จัดระเบียบข้อมูล กำหนดบทบาท เรียงเอกสารก่อนคำถาม และขอหลักฐานอ้างอิงเสมอ

ถ้าจะเริ่มจากข้อเดียว ให้เริ่มที่การเติมประโยคสุดท้ายเข้าไปในทุก prompt: "ถ้าข้อมูลไม่พอ ให้ระบุว่าขาดอะไร ห้ามสันนิษฐานแทน" ประโยคเดียวนี้เปลี่ยนคำตอบจาก "ดูดีแต่เชื่อไม่ได้" เป็น "ใช้ทำงานต่อได้จริง" ได้มากที่สุดในบรรดาสิ่งที่ทำได้ในสิบวินาที

prompt ที่ดีไม่ได้แปลว่ารู้คำวิเศษ แต่แปลว่าอธิบายงานได้ชัดพอที่คนไม่รู้เรื่องก็ทำตามได้

- ทีม Saeree ERP

แหล่งอ้างอิง

• Anthropic — Prompting best practices (ตรวจสอบ 1 ก.ย. 2569)
• Anthropic — Prompt engineering overview
• Anthropic — Prompt engineering interactive tutorial (GitHub)