การสร้างรูปแบบเติมคำในช่องว่าง
ใช้ตัวแทน {{variable}} และการแทนที่สตริงใน Python
การสร้างรูปแบบเติมคำในช่องว่าง เป็นบทเรียน AI Prompt Engineering ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Prompt Engineering และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
รูปแบบการใช้ตัวยึดตำแหน่ง
รูปแบบพรอมต์แบบเติมคำในช่องว่างใช้ ตัวยึดตำแหน่ง เพื่อทำเครื่องหมายส่วนต่าง ๆ ของพรอมต์ที่จะถูกแทนที่ด้วยค่าจริงก่อนส่งไปยังโมเดล
รูปแบบตัวยึดตำแหน่งที่ใช้กันมากที่สุดคือเครื่องหมายวงเล็บปีกกาคู่: {{variable_name}} รูปแบบนี้อ่านง่าย มีโอกาสปรากฏในข้อความทั่วไปโดยไม่ได้ตั้งใจน้อย และไลบรารีเทมเพลตจำนวนมากรองรับ
รูปแบบอื่นที่คุณอาจพบ ได้แก่ เครื่องหมายวงเล็บปีกกาเดี่ยว {variable} วงเล็บมุม <variable> และตัวแปรที่ใช้ตัวอักษรพิมพ์ใหญ่ทั้งหมด เลือกใช้แบบใดแบบหนึ่งและใช้ให้สม่ำเสมอ
การแทนค่าตัวยึดตำแหน่งพื้นฐาน
รูปแบบเติมคำในช่องว่างที่ง่ายที่สุดคือการแทนค่าสตริงโดยตรง:
แม่แบบ: "เขียนคำอธิบาย {{product}} จำนวน {{word_count}} คำสำหรับ {{audience}}"
เมื่อเติมค่าแล้ว: "เขียนคำอธิบาย TaskFlow Pro จำนวน 150 คำสำหรับเจ้าของธุรกิจขนาดเล็ก"
การแทนค่าเกิดขึ้นก่อนส่งสตริงไปยังโมเดล โมเดลจึงเห็นพรอมต์ที่สมบูรณ์และสะอาด โดยไม่มีเครื่องหมายตัวยึดตำแหน่ง การแทนค่าเป็นขั้นตอนก่อนการประมวลผล ไม่ใช่สิ่งที่โมเดลจัดการเอง
หมวดหมู่ตัวยึดตำแหน่งที่พบบ่อย
สร้างแม่แบบโดยใช้หมวดหมู่ตัวยึดตำแหน่งมาตรฐานที่ครอบคลุมกรณีการใช้งานส่วนใหญ่:
{{customer_name}}— ชื่อผู้รับหรือชื่อหัวข้อ{{product}}— ผลิตภัณฑ์ บริการ หรือหัวข้อที่กำลังเขียนถึง{{tone}}— เช่น เป็นทางการ ไม่เป็นทางการ เร่งด่วน หรือกระตือรือร้น{{audience}}— กลุ่มเป้าหมายของเนื้อหา{{word_count}}— ความยาวเป้าหมาย{{format}}— รายการหัวข้อย่อย ย่อหน้า หรือรายการลำดับเลข{{context}}— ข้อมูลพื้นหลังเฉพาะสำหรับกรณีนี้
การตั้งชื่อให้สอดคล้องกันในทุกแม่แบบช่วยให้ค้นหาในคลังได้ง่ายขึ้นและลดข้อผิดพลาด
การแทนค่าด้วยการจัดรูปแบบสตริงของ Python
เมธอดสตริงในตัวของ Python อย่าง .format() เป็นวิธีง่าย ๆ ในการเติมค่าตัวยึดตำแหน่งโดยใช้ไวยากรณ์ {variable}:
import openai
client = openai.OpenAI(api_key='sk-...')
EMAIL_TEMPLATE = '''Write a follow-up email from {sender_name} to {recipient_name}.
Context: {context}
Tone: {tone}
Length: {word_count} words.
Include a clear call to action: {cta}.
Do not mention competitors. Active voice. No bullet points.'''
def generate_email(sender, recipient, context, tone, word_count, cta):
prompt = EMAIL_TEMPLATE.format(
sender_name=sender,
recipient_name=recipient,
context=context,
tone=tone,
word_count=word_count,
cta=cta
)
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}]
)
return response.choices[0].message.content
result = generate_email(
sender='Sarah Chen',
recipient='Mr. Patel',
context='We met at the DevConf conference last week and discussed API integration.',
tone='warm and professional',
word_count=120,
cta='Schedule a 20-minute demo call'
)
print(result)แนวทางสตริง f ของ Python
สตริง f ของ Python มีไวยากรณ์การแทนค่าแบบแทรกในบรรทัด ซึ่งนักพัฒนาบางคนชอบเพราะอ่านง่าย:
import openai
client = openai.OpenAI(api_key='sk-...')
def generate_product_description(product, audience, tone, word_count, key_benefit):
prompt = (
f'Write a product description for {product}, designed for {audience}. '
f'Tone: {tone}. '
f'Length: {word_count} words. '
f'Lead with this key benefit: {key_benefit}. '
'Active voice. No bullet points. No pricing mentions.'
)
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}]
)
return response.choices[0].message.content
print(generate_product_description(
product='FocusFlow, a time-blocking productivity app',
audience='freelancers and independent consultants',
tone='energetic and practical',
word_count=150,
key_benefit='Reclaim two hours every day by blocking distractions automatically'
))การจัดการอักขระพิเศษในตัวยึดตำแหน่ง
ข้อผิดพลาดที่พบบ่อยคือ ค่าที่ผู้ใช้ระบุซึ่งมีวงเล็บปีกกา เครื่องหมายอัญประกาศ หรืออักขระขึ้นบรรทัดใหม่ อาจทำให้การแทนค่าสตริงเสียหาย
แนวทางป้องกัน:
- ทำความสะอาดข้อมูลนำเข้าก่อนแทนค่า — ตัดออกหรือทำการหลีกอักขระพิเศษตามความจำเป็น
- ใช้สตริงที่ครอบด้วยเครื่องหมายอัญประกาศสามตัวสำหรับแม่แบบหลายบรรทัด เพื่อจัดการอักขระขึ้นบรรทัดใหม่อย่างปลอดภัย
- เมื่อค่าของตัวแปรมีวงเล็บปีกกาอยู่ภายใน (เช่น โค้ด) ให้ใช้แนวทางที่ถือว่าค่าตัวแปรเป็นข้อความตามตัวอักษร (Jinja2 จัดการกรณีนี้ได้ดี)
ทดสอบแม่แบบด้วยข้อมูลนำเข้ากรณีขอบเขตเสมอ ได้แก่ สตริงว่าง สตริงที่มีเครื่องหมายอัญประกาศ สตริงที่มีอักขระขึ้นบรรทัดใหม่ และสตริงที่ยาวมาก
ค่าเริ่มต้นในแม่แบบ
ตัวแปรทุกตัวไม่จำเป็นต้องเป็นข้อมูลที่ต้องระบุ แม่แบบจะยืดหยุ่นมากขึ้นเมื่อกำหนดค่าเริ่มต้นให้พารามิเตอร์ที่ไม่บังคับ:
def build_prompt(product, audience, tone='professional and friendly', word_count=200, format_style='prose'):
format_instruction = {
'prose': 'Write in continuous paragraphs. No bullet points.',
'bullets': 'Use bullet points. Each point is one sentence.',
'numbered': 'Use a numbered list. Each item is one sentence.'
}.get(format_style, 'Write in continuous paragraphs.')
return (
f'Write a description of {product} for {audience}. '
f'Tone: {tone}. '
f'Length: {word_count} words. '
f'{format_instruction} '
'Active voice. No competitor mentions.'
)
# Minimal call — uses all defaults
print(build_prompt('Notion', 'students'))
# Full call — overrides defaults
print(build_prompt('Notion', 'students', tone='casual', word_count=100, format_style='bullets'))แม่แบบหลายบล็อก
พรอมต์ที่ซับซ้อนอาจมีบล็อกตัวแปรหลายบล็อก เช่น บล็อกพรอมต์ระบบและบล็อกข้อความผู้ใช้ ซึ่งแต่ละบล็อกมีตัวยึดตำแหน่งของตนเอง:
SYSTEM_TEMPLATE = 'You are a {role} writing for {company}. Your audience is {audience}. Style: {style}.'
USER_TEMPLATE = 'Write a {content_type} about {topic}. Length: {word_count} words. Deadline tone: {urgency}.'
import openai
client = openai.OpenAI(api_key='sk-...')
def generate(role, company, audience, style, content_type, topic, word_count, urgency):
system_msg = SYSTEM_TEMPLATE.format(
role=role, company=company, audience=audience, style=style
)
user_msg = USER_TEMPLATE.format(
content_type=content_type, topic=topic,
word_count=word_count, urgency=urgency
)
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=[
{'role': 'system', 'content': system_msg},
{'role': 'user', 'content': user_msg}
]
)
return response.choices[0].message.contentการตรวจสอบตัวยึดตำแหน่งก่อนสร้างผลลัพธ์
ตรวจสอบเสมอว่าตัวยึดตำแหน่งที่จำเป็นทั้งหมดได้รับการเติมค่าก่อนส่งพรอมต์ หากขาดตัวยึดตำแหน่ง โมเดลจะได้รับข้อความตามตัวอักษรอย่าง {{product}} และอาจสร้างผลลัพธ์ที่แปลกประหลาด:
import re
def validate_template(template_str, provided_vars):
required = set(re.findall(r'\{\{(\w+)\}\}', template_str))
missing = required - set(provided_vars.keys())
if missing:
raise ValueError(f'Missing required template variables: {missing}')
return True
template = 'Write a {{word_count}}-word {{tone}} description of {{product}} for {{audience}}.'
vars_provided = {'word_count': 150, 'tone': 'friendly', 'product': 'TaskFlow'}
try:
validate_template(template, vars_provided)
except ValueError as e:
print(f'Template error: {e}')
# Output: Template error: Missing required template variables: {{'audience'}}บล็อกแม่แบบแบบมีเงื่อนไข
บางครั้งส่วนหนึ่งของแม่แบบควรปรากฏเฉพาะเมื่อมีการระบุตัวแปร คุณสามารถทำเช่นนี้ใน Python ได้ด้วยการประกอบสตริงแบบมีเงื่อนไข:
def build_report_prompt(topic, audience, word_count, include_recommendations=False, cta=None):
prompt = f'Write a report on {topic} for {audience}. Length: {word_count} words. Active voice.'
if include_recommendations:
prompt += ' End with a numbered list of 3 specific recommendations.'
if cta:
prompt += f' Close with this call to action: {cta}'
return prompt
# Without optional sections
print(build_report_prompt('cloud cost optimization', 'engineering managers', 400))
# With optional sections
print(build_report_prompt(
topic='cloud cost optimization',
audience='engineering managers',
word_count=600,
include_recommendations=True,
cta='Book a cost audit with our team at cloudcost.io'
))ตัวแปรตัวเลือกแบบแจกแจงค่า
ตัวแปรแม่แบบบางตัวควรถูกจำกัดให้อยู่ในชุดตัวเลือกที่ถูกต้องซึ่งกำหนดไว้ล่วงหน้า ใช้การตรวจสอบแบบชุดค่าที่กำหนดเพื่อบังคับใช้ข้อจำกัดนี้:
VALID_TONES = ['professional', 'casual', 'urgent', 'empathetic', 'enthusiastic']
VALID_FORMATS = ['prose', 'bullets', 'numbered', 'table']
def generate_content(topic, tone, format_style, word_count):
if tone not in VALID_TONES:
raise ValueError(f'Invalid tone: {tone}. Choose from: {VALID_TONES}')
if format_style not in VALID_FORMATS:
raise ValueError(f'Invalid format: {format_style}. Choose from: {VALID_FORMATS}')
format_map = {
'prose': 'continuous paragraphs, no lists',
'bullets': 'bullet points',
'numbered': 'numbered list',
'table': 'a markdown table'
}
prompt = (f'Write about {topic} in {tone} tone. '
f'Format: {format_map[format_style]}. '
f'Length: {word_count} words. Active voice.')
return promptตรวจสอบความรู้: รูปแบบเติมคำในช่องว่าง
คุณมีแม่แบบนี้: 'Write a {tone} email to {recipient} about {topic}. Length: {word_count} words.'
คุณเรียกใช้ด้วย: tone='formal', recipient='the team', word_count=100 — แต่ลืมพารามิเตอร์ topic
จะเกิดอะไรขึ้น
สรุป: การสร้างรูปแบบเติมคำในช่องว่าง
รูปแบบพรอมต์แบบเติมคำในช่องว่างใช้ตัวยึดตำแหน่ง ({{variable}}, {variable} หรือรูปแบบที่คล้ายกัน) เพื่อระบุส่วนที่เปลี่ยนแปลงได้ของแม่แบบที่นำกลับมาใช้ใหม่ได้ .format() ของ Python และสตริง f เป็นกลไกการแทนค่าที่ใช้กันมากที่สุด
แนวทางปฏิบัติที่ดี: ตรวจสอบตัวยึดตำแหน่งที่จำเป็นทั้งหมดก่อนสร้างผลลัพธ์ ใช้ค่าเริ่มต้นสำหรับตัวแปรที่ไม่บังคับ จำกัดตัวแปรแบบแจกแจงค่า และจัดการข้อมูลนำเข้ากรณีขอบเขต (สตริงว่าง อักขระพิเศษ) อย่างรัดกุม
ในบทเรียนถัดไป คุณจะได้สำรวจ Jinja2 และ string.Template ของ Python เพื่อรองรับความต้องการด้านการแทนค่าตัวแปรที่ซับซ้อนยิ่งขึ้น
เรียนรู้ AI Prompt Engineering ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 53
- บทเรียน
- 199
คำถามที่พบบ่อย
บทเรียน “การสร้างรูปแบบเติมคำในช่องว่าง” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การสร้างรูปแบบเติมคำในช่องว่าง” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Prompt Engineering ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การสร้างรูปแบบเติมคำในช่องว่าง”
ใช้ตัวแทน {{variable}} และการแทนที่สตริงใน Python คุณปฏิบัติ AI Prompt Engineering ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Prompt Engineering หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Prompt Engineering บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “การสร้างรูปแบบเติมคำในช่องว่าง” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน AI Prompt Engineering นี้ได้ไหม
ได้ บทเรียน AI Prompt Engineering ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- พรอมป์ตเทมเพลตคืออะไร
- การสร้างรูปแบบเติมคำในช่องว่าง
- เทคนิคการแทนที่ตัวแปร
- การนำเทมเพลตกลับมาใช้กับงานต่าง ๆ