การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต
หัวข้อ ตัวหนา บล็อกโค้ด และวิธีกำหนดรูปแบบที่มีรายละเอียด
การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต เป็นบทเรียน AI Prompt Engineering ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Prompt Engineering และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
มาร์กดาวน์ในผลลัพธ์จากปัญญาประดิษฐ์
มาร์กดาวน์เป็นไวยากรณ์การจัดรูปแบบข้อความที่มีน้ำหนักเบา ซึ่งโมเดลปัญญาประดิษฐ์เข้าใจได้โดยตรง เมื่อคุณขอผลลัพธ์ที่จัดรูปแบบด้วยมาร์กดาวน์ โมเดลจะสร้างข้อความที่แสดงผลเป็นการจัดรูปแบบที่มีรูปแบบหลากหลายในสภาพแวดล้อมที่รองรับ
การรู้วิธีขอองค์ประกอบมาร์กดาวน์แต่ละแบบอย่างแม่นยำช่วยให้คุณควบคุมโครงสร้างของเอกสารทุกฉบับที่สร้างโดยปัญญาประดิษฐ์ได้อย่างละเอียด
การขอส่วนหัว
ส่วนหัวมาร์กดาวน์ใช้สัญลักษณ์แฮช: # สำหรับ H1, ## สำหรับ H2, ### สำหรับ H3
ขออย่างชัดเจน: 'จัดโครงสร้างด้วยส่วนหัวระดับ H2', 'ใช้ ## สำหรับส่วนหลักและ ### สำหรับหัวข้อย่อย' หรือ 'ใส่ชื่อเรื่อง H1 ด้วย # เพียงรายการเดียวไว้ด้านบน'
ส่วนหัวช่วยสร้างโครงสร้างที่นำทางได้ในโนชัน, GitHub, ออบซิเดียน และเครื่องมือจัดทำเอกสารส่วนใหญ่
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=400,
messages=[{
'role': 'user',
'content': (
'Write a technical guide outline for "Getting Started with FastAPI". '
'Structure: one # H1 title at the top, then 4 ## H2 section headers, '
'each with 2 ### H3 subsection headers beneath it. '
'Add one sentence of placeholder content under each H3.'
)
}]
)
print(response.content[0].text)การเน้นตัวหนาและตัวเอียง
การเน้นตัวหนาและตัวเอียงในมาร์กดาวน์:
**bold text**→ ข้อความตัวหนา*italic text*→ ข้อความตัวเอียง***bold and italic***→ ข้อความตัวหนาและตัวเอียง
คำขอ: 'ทำตัวหนาคำสำคัญทั้งหมดเมื่อปรากฏครั้งแรก', 'ใช้ตัวเอียงสำหรับชื่อผลิตภัณฑ์' หรือ 'ทำตัวหนางานที่ต้องดำเนินการในแต่ละขั้นตอน'
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Explain the concept of idempotency in REST APIs. '
'Rules:\n'
'- Bold every technical term on its first occurrence only\n'
'- Italicize all HTTP method names (GET, POST, PUT, DELETE, PATCH)\n'
'- 150 words max, flowing prose — no bullets or headers'
)
}]
)
print(response.choices[0].message.content)บล็อกโค้ด
บล็อกโค้ดในมาร์กดาวน์ใช้เครื่องหมายย้อนกลับสามตัวพร้อมคำใบ้ภาษาที่ไม่บังคับสำหรับการเน้นไวยากรณ์:
```python
print('hello')
```คำขอ: 'ใส่โค้ดทั้งหมดในบล็อกโค้ดภาษาไพทอน', 'ห่อคำสั่งทุกคำสั่งไว้ในบล็อกโค้ดภาษาแบช' หรือ 'แสดงตัวอย่างเจสันในบล็อกโค้ดภาษาเจสัน'
คำใบ้ภาษาช่วยเปิดใช้การเน้นไวยากรณ์ใน GitHub, VS โค้ด และเว็บไซต์เอกสารต่าง ๆ
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=400,
messages=[{
'role': 'user',
'content': (
'Show me how to connect to PostgreSQL from Python using psycopg3.\n'
'Structure:\n'
'1. Install command in a bash code block.\n'
'2. Connection example in a python code block with type hints.\n'
'3. A sample SELECT query in a python code block.\n'
'Keep each code block under 10 lines. Brief one-sentence intro before each block.'
)
}]
)
print(response.content[0].text)โค้ดแบบแทรก
โค้ดแบบแทรกใช้เครื่องหมายแบ็กทิกเดี่ยว: `variable_name` โดยจะแสดงเป็นข้อความแบบความกว้างคงที่ภายในประโยค เหมาะอย่างยิ่งสำหรับ:
- ชื่อตัวแปร:
user_id - ชื่อฟังก์ชัน:
calculate_tax() - ชื่อคำสั่ง:
git commit - เส้นทางไฟล์:
/etc/nginx/nginx.conf - จุดปลายทางเอชทีทีพี:
/api/v1/users
คำขอ: 'ใช้การจัดรูปแบบโค้ดแบบแทรกสำหรับชื่อตัวแปรและชื่อฟังก์ชันทั้งหมด'
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Explain the difference between Python list .append() and .extend(). '
'Rules:\n'
'- Use inline code for all method names, parameter names, and variable examples\n'
'- Use a python code block for each demonstration example\n'
'- Prose sections: max 2 sentences\n'
'- Do NOT use headers or bullets — flowing prose with code blocks only'
)
}]
)
print(response.choices[0].message.content)บล็อกข้อความอ้างอิง
บล็อกข้อความอ้างอิงใช้ > ที่ต้นบรรทัด ในมาร์กดาวน์:
> This is a blockquote.
กรณีการใช้งาน ได้แก่ กล่องข้อความเน้นความสนใจ หมายเหตุสำคัญ บทสนทนาตัวอย่าง เนื้อหาจากแหล่งข้อมูลที่ยกมาอ้างอิง และคำเตือน
คำขอ: 'ใส่คำเตือนที่สำคัญที่สุดไว้ในบล็อกข้อความอ้างอิง' หรือ 'ใช้บล็อกข้อความอ้างอิงสำหรับสถานการณ์ตัวอย่าง'
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=300,
messages=[{
'role': 'user',
'content': (
'Write a security guide section about SQL injection prevention. '
'Structure:\n'
'- 2-sentence explanation of the risk\n'
'- One blockquote containing a real example of vulnerable code (as a note/warning)\n'
'- 3 bullet points on how to prevent it\n'
'- One blockquote containing the safe alternative code pattern'
)
}]
)
print(response.content[0].text)รายการซ้อนในมาร์กดาวน์
รายการมาร์กดาวน์แบบซ้อนใช้การเยื้อง (เว้นวรรค 2 หรือ 4 ช่อง) เพื่อสร้างลำดับชั้น:
- Main item
- Sub-item
- Sub-item
- Sub-sub-itemคำขอ: 'สร้างรายการซ้อนสองระดับที่มีรายการหลัก X รายการ และรายการย่อยรายการละ Y รายการ' หรือ 'ใช้จุดนำรายการแบบซ้อนเพื่อแสดงความสัมพันธ์ระหว่างหมวดหมู่กับตัวอย่าง'
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Create a 2-level nested markdown list of AWS services for a web startup. '
'Level 1: 4 service categories (Compute, Storage, Database, Networking). '
'Level 2: 3 specific services under each category with a 5-word description. '
'Format: markdown nested bullets with proper indentation.'
)
}]
)
print(response.choices[0].message.content)ลิงก์และรูปภาพ
ลิงก์มาร์กดาวน์: [link text](URL)
รูปภาพมาร์กดาวน์: 
โมเดลปัญญาประดิษฐ์สามารถสร้างลิงก์ตัวแทนพร้อมข้อความที่สื่อความหมายได้: 'ใส่ลิงก์มาร์กดาวน์ไปยังเอกสารที่เกี่ยวข้อง โดยใช้ URL ตัวแทน เช่น [เอกสารทางการ](https://example.com)'
สำหรับเอกสารที่มีตัวแทนแผนภาพ: 'ใส่ตัวแทนรูปภาพพร้อมข้อความแทนที่ที่สื่อความหมาย'
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=300,
messages=[{
'role': 'user',
'content': (
'Write a README section for a Python open-source project called "sqlens". '
'Include:\n'
'- An image placeholder for a demo screenshot: \n'
'- At least 2 markdown links: one to the PyPI page, one to the documentation\n'
'- A badge placeholder using an image link\n'
'- 3 bullet points of key features\n'
'Use realistic placeholder URLs (pypi.org/project/sqlens etc).'
)
}]
)
print(response.content[0].text)เส้นคั่นแนวนอนและตัวแบ่ง
เส้นคั่นแนวนอนใช้ขีดสามตัว (---) เครื่องหมายดอกจัน (***) หรือขีดล่าง (___)
ใช้เส้นคั่นเหล่านี้เพื่อแยกส่วนหลักของเอกสารออกจากกันทางสายตา คำขอ: 'เพิ่มเส้นคั่นแนวนอน --- ระหว่างแต่ละส่วนหลัก' หรือ 'แยกทั้งสามส่วนด้วยตัวแบ่งมาร์กดาวน์'
เส้นคั่นแนวนอนแสดงผลได้ในสภาพแวดล้อมมาร์กดาวน์ส่วนใหญ่ และช่วยให้ผู้อ่านนำทางไปยังส่วนต่าง ๆ ของเอกสารยาวได้
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Write a mini technical specification document for a user authentication API. '
'Include exactly 3 sections: Overview, Endpoints, Security Requirements. '
'Separate each section with a --- horizontal rule. '
'Each section: ## H2 header + 3-5 bullet points of content. '
'Under Endpoints: use inline code for all route paths and HTTP methods.'
)
}]
)
print(response.choices[0].message.content)เมื่อมาร์กดาวน์ไม่แสดงผล
มาร์กดาวน์มีประโยชน์เฉพาะเมื่อสภาพแวดล้อมของผลลัพธ์รองรับการแสดงผล มาร์กดาวน์จะไม่แสดงผล (NOT) ในกรณีต่อไปนี้:
- โปรแกรมรับส่งอีเมลแบบข้อความธรรมดา (แสดงเครื่องหมายดอกจันดิบ)
- ข้อความ SMS
- ช่องบันทึกส่วนใหญ่ใน CRM
- ผลลัพธ์เสียง (การแปลงข้อความเป็นเสียงพูด)
- ระบบเดิมที่รองรับเฉพาะข้อความธรรมดา
สำหรับบริบทเหล่านี้ ให้ขอผลลัพธ์เป็นข้อความธรรมดาอย่างชัดเจนแทน เรื่องนี้จะกล่าวถึงในบทเรียนถัดไป
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
# Check if environment renders markdown before requesting it
rendering_environments = {
'GitHub': True,
'Notion': True,
'Obsidian': True,
'VS Code': True,
'Gmail body': False, # some markdown, not all
'Outlook': False,
'SMS': False,
'Plain text file': False,
}
print('Markdown rendering support:')
for env, renders in rendering_environments.items():
status = 'RENDERS' if renders else 'DOES NOT RENDER'
print(f' {env:<20} {status}')
# Decision: use markdown only when you know it renders
use_markdown = True # set based on your environment
format_instruction = (
'Use markdown headers, bold, and code blocks.' if use_markdown
else 'Plain text only — no markdown symbols.'
)
print('\nFormat instruction:', format_instruction)การรวมองค์ประกอบมาร์กดาวน์
เอกสารที่สร้างโดยปัญญาประดิษฐ์ระดับพร้อมใช้งานจริงจะรวมองค์ประกอบมาร์กดาวน์หลายประเภทเข้าด้วยกัน เอกสารทางเทคนิคที่มีโครงสร้างดีอาจใช้สิ่งต่อไปนี้:
- ชื่อเรื่อง H1 ด้วย
#และส่วน H2 ด้วย## - คำสำคัญเป็น
**bold**เมื่อกล่าวถึงครั้งแรก - บล็อกโค้ดพร้อมคำใบ้ภาษาสำหรับโค้ดทั้งหมด
- โค้ดแบบแทรกสำหรับชื่อตัวแปรและชื่อฟังก์ชันทั้งหมด
- รายการแบบจุดนำสำหรับข้อกำหนด และรายการแบบมีหมายเลขสำหรับขั้นตอน
- บล็อกข้อความอ้างอิงสำหรับคำเตือนและหมายเหตุสำคัญ
- ตัวแบ่ง
---ระหว่างส่วนหลัก
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Write a mini developer guide for the requests Python library. '
'Use all of the following markdown elements:\n'
'- # H1 title at the top\n'
'- ## H2 sections: Installation, Basic Usage, Error Handling\n'
'- Bold all key terms on first use\n'
'- Code blocks with python/bash language hints\n'
'- Inline code for all function names\n'
'- One blockquote warning about timeout best practice\n'
'- --- between each section\n'
'Max 300 words total.'
)
}]
)
print(response.choices[0].message.content)ตรวจสอบความรู้
นักพัฒนากำลังสร้างผู้ช่วยปัญญาประดิษฐ์ที่ส่งออกเนื้อหาเพื่อแสดงในเทอร์มินัลโดยใช้ print() โดยไม่มีส่วนติดต่อผู้ใช้บนเว็บและไม่มีตัวแสดงผลมาร์กดาวน์ นักพัฒนารายนี้ขอคำอธิบายคุณลักษณะจากปัญญาประดิษฐ์ แต่ได้รับผลลัพธ์ที่เต็มไปด้วยเครื่องหมายดอกจันและเครื่องหมายแฮช ควรเพิ่มอะไรในข้อความระบบเพื่อแก้ไขปัญหานี้
มาร์กดาวน์ในคำสั่ง — สรุปทบทวน
การจัดรูปแบบด้วยมาร์กดาวน์ช่วยให้เอกสารที่สร้างโดยปัญญาประดิษฐ์มีโครงสร้างที่เป็นมืออาชีพ องค์ประกอบสำคัญที่ควรระบุในคำขอ ได้แก่:
- หัวข้อ: # หัวข้อระดับ 1, ## หัวข้อระดับ 2, ### หัวข้อระดับ 3 — สำหรับโครงสร้างเอกสารที่นำทางได้
- การเน้น: **ตัวหนา** สำหรับคำสำคัญ และ *ตัวเอียง* สำหรับชื่อเฉพาะ
- บล็อกโค้ด: แบ็กทิกสามตัวพร้อมคำใบ้ภาษาเพื่อการเน้นไวยากรณ์
- โค้ดแบบแทรก: แบ็กทิกเดี่ยวสำหรับชื่อตัวแปร คำสั่ง และเส้นทาง
- บล็อกข้อความอ้างอิง: ใช้ > เป็นคำนำหน้าสำหรับคำเตือน ข้อความเน้นความสนใจ และเนื้อหาที่อ้างอิง
- รายการซ้อน: จุดนำรายการที่เยื้องเพื่อแสดงข้อมูลแบบลำดับชั้น
ใช้มาร์กดาวน์เฉพาะเมื่อทราบว่าสภาพแวดล้อมของผลลัพธ์รองรับการแสดงผล
เรียนรู้ AI Prompt Engineering ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 53
- บทเรียน
- 199
คำถามที่พบบ่อย
บทเรียน “การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Prompt Engineering ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต”
หัวข้อ ตัวหนา บล็อกโค้ด และวิธีกำหนดรูปแบบที่มีรายละเอียด 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 3 จากทั้งหมด 4 บทเรียน
บทเรียน “การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต” 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
- การขอรายการและหัวข้อย่อย
- การขอตารางและข้อมูลที่มีโครงสร้าง
- การจัดรูปแบบมาร์กดาวน์ในพรอมป์ต
- ผลลัพธ์ข้อความธรรมดากับผลลัพธ์ที่จัดรูปแบบ