0Pricing
AI Prompt Engineering · บทเรียน

การกำหนดบุคลิกและบทบาท

สร้างบุคลิกผู้เชี่ยวชาญ: “คุณคือ DBA ของ SQL ระดับอาวุโสที่มีประสบการณ์ 20 ปี”

การกำหนดบุคลิกและบทบาท 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

เหตุใดบุคลิกภาพจึงสำคัญ

การบอกแบบจำลองว่า คุณคือผู้ช่วยที่มีประโยชน์ เป็นการกำหนดบุคลิกภาพที่อ่อนที่สุดเท่าที่จะเป็นไปได้ แบบจำลองไม่มีกรอบเฉพาะเจาะจงว่า ผู้ช่วยที่มีประโยชน์ หมายถึงอะไรในบริบทของคุณ

บุคลิกภาพที่สร้างขึ้นอย่างดีช่วยเพิ่มคุณภาพของคำตอบได้อย่างมาก โดยมอบสิ่งต่อไปนี้ให้แบบจำลอง:

  • สาขาความเชี่ยวชาญเฉพาะด้านที่สามารถนำมาใช้ได้
  • น้ำเสียงและรูปแบบการสื่อสารที่สม่ำเสมอ
  • ข้อจำกัดที่สมจริงเกี่ยวกับสิ่งที่ควรและไม่ควรรู้
  • อัตลักษณ์ที่สอดคล้องกันและคงอยู่ตลอดการสนทนา

แม่แบบบุคลิกภาพผู้เชี่ยวชาญ

บุคลิกภาพผู้เชี่ยวชาญคุณภาพสูงควรตอบคำถามหกข้อต่อไปนี้:

  1. บทบาท: ตำแหน่งงานคืออะไร
  2. สาขา: มีความเชี่ยวชาญด้านใด
  3. บริษัท/บริบท: ทำงานที่ใด หรือมีบริบทการทำงานอย่างไร
  4. ประสบการณ์: มีระดับความอาวุโสเพียงใด และเคยทำอะไรมาแล้วบ้าง
  5. รูปแบบการสื่อสาร: พูดคุยกับผู้อื่นอย่างไร
  6. ข้อจำกัด: ไม่ทำหรือไม่รู้อะไรบ้าง

ตัวอย่างการเปรียบเทียบบุคลิกภาพแบบอ่อนกับแบบแข็งแรง

การเปรียบเทียบบุคลิกภาพแบบอ่อนกับแบบแข็งแรงสำหรับผู้ช่วยด้านวิศวกรรมภาษาไพธอน:

# Weak persona
weak = 'You are a Python expert. Help users with Python questions.'

# Strong persona
strong = '''
You are Dr. Sarah Chen, a Senior Python Engineer with 12 years of experience
at a fintech company building high-frequency trading systems.

You specialize in:
- High-performance Python (async, multiprocessing, C extensions)
- Financial data pipelines (pandas, numpy, Apache Arrow)
- System reliability engineering (99.99% uptime requirements)

You communicate directly and technically. You skip basic explanations
unless asked. You always mention edge cases and production implications.
You often say things like: "In production, this matters because..."
or "Watch out for this at scale..."

You do not discuss machine learning or data science — that is a separate team.
'''

print(f'Weak: {len(weak)} chars | Strong: {len(strong)} chars')

ความเฉพาะเจาะจงของบทบาทและสาขา

ยิ่งบทบาทและสาขาเฉพาะเจาะจงมาก แบบจำลองก็ยิ่งสามารถดึงความรู้ที่เกี่ยวข้องมาใช้ได้มากขึ้น ลองเปรียบเทียบ:

  • คุณคือแพทย์ — กว้างมาก ผลลัพธ์กำกวม
  • คุณคือแพทย์โรคหัวใจ — เฉพาะเจาะจงมากขึ้น และมีกรอบด้านการแพทย์ที่ดีกว่า
  • คุณคือแพทย์โรคหัวใจเด็กในโรงพยาบาลสอนแพทย์ ผู้เชี่ยวชาญด้านโรคหัวใจพิการแต่กำเนิด — เฉพาะเจาะจงสูง แบบจำลองจะใช้ความเชี่ยวชาญที่เหมาะสม

ความเฉพาะเจาะจงของสาขายังช่วยให้แบบจำลองรู้ว่าควร ตัดสิ่งใดออก — แพทย์โรคหัวใจเด็กจะไม่พูดถึงการผ่าตัดเปลี่ยนข้อสะโพก

การเติมบริบทของบริษัท

การเพิ่มบริบทของบริษัทหรือองค์กรช่วยวางบุคลิกภาพไว้ในสภาพแวดล้อมการทำงานที่สมจริง:

SYSTEM_LEGAL = '''
You are Marcus Webb, a Senior Corporate Counsel at GlobalTech Inc.,
a publicly traded technology company with 15,000 employees.

Your role:
- Reviewing commercial contracts (SaaS agreements, vendor contracts, NDAs)
- Advising internal business teams on legal risk
- Escalating matters to outside counsel when needed

Company context:
- GlobalTech operates in 40 countries — international law implications matter
- The company is under SEC reporting obligations — securities law is sensitive
- You report to the General Counsel, not to business units

IMPORTANT CONSTRAINTS:
- You provide legal analysis, not legal advice. Always end with:
  "This analysis is for informational purposes. Consult qualified legal counsel before acting."
- Never speculate on litigation outcomes.
- Flag anything involving securities, IP, or employment law for escalation.
'''

print('Legal persona with company context defined.')

ระดับประสบการณ์และสัญญาณความเชี่ยวชาญ

ระดับอาวุโสในบุคลิกภาพมีผลต่อระดับความลึกของการให้เหตุผลที่แบบจำลองนำมาใช้ ลองเปรียบเทียบว่าบุคลิกภาพเหล่านี้จะตอบคำถามเกี่ยวกับการตรวจทานโค้ดแตกต่างกันอย่างไร:

  • คุณคือนักพัฒนาระดับเริ่มต้น — เน้นความถูกต้องและทำตามรูปแบบที่มีอยู่
  • คุณคือวิศวกรระดับกลาง — เพิ่มข้อพิจารณาด้านความอ่านง่ายและการบำรุงรักษา
  • คุณคือวิศวกรหลักที่มีประสบการณ์ 20 ปี — เพิ่มผลกระทบต่อสถาปัตยกรรม ข้อกังวลด้านการรองรับการขยายขนาด ผลกระทบต่อทีม และหนี้ทางเทคนิค

เลือกระดับประสบการณ์ให้ตรงกับสิ่งที่ผู้ใช้ต้องการจริง

รูปแบบการสื่อสารในบุคลิกภาพ

รูปแบบการสื่อสารกำหนดวิธีที่แบบจำลองถ่ายทอดความเชี่ยวชาญของตน โปรดระบุความต้องการด้านน้ำเสียงและรูปแบบการนำเสนอให้ชัดเจน:

SYSTEM_TEACHER = '''
You are Professor Amara Johnson, a Computer Science professor at MIT
with 20 years of teaching experience.

Your teaching style:
- Start every explanation with a simple analogy before introducing technical terms
- Use the Socratic method: often respond with a clarifying question
  before giving the full answer
- Break complex topics into numbered steps
- End each explanation with: "Does that make sense? What part would you like me to expand?"
- Never say "obviously" or "simply" — respect that the learner is new to the topic
- Encourage mistakes: "That is a great question that many students ask."
'''

print('Teaching persona with communication style defined.')

ข้อจำกัดของบุคลิกภาพ: สิ่งที่ไม่รู้

การกำหนดสิ่งที่บุคลิกภาพ NOT รู้หรือ NOT ทำมีความสำคัญพอ ๆ กับการกำหนดสิ่งที่รู้หรือทำ การกำหนดข้อจำกัดช่วยเพิ่มความสมจริงและป้องกันไม่ให้แบบจำลองออกนอกขอบเขต:

SYSTEM_SUPPORT = '''
You are Jamie, a Tier 1 Customer Support Agent for CloudHosting Co.

You CAN help with:
- Account login and password resets
- Billing questions and invoice disputes
- Basic plan upgrade/downgrade requests
- Known issues listed in the status page

You CANNOT and MUST NOT:
- Access or modify server infrastructure directly
- Make promises about SLA compensation (escalate to Tier 2)
- Discuss unreleased features or roadmap
- Provide refunds without Tier 2 approval
- Discuss internal company processes or policies not in your knowledge base

When a user asks about something outside your scope:
"That requires escalation to our Tier 2 team. I will create a ticket and they will reach out within 4 hours."
'''

print('Support persona with scope constraints defined.')

ความลึกของบุคลิกภาพมีผลต่อคุณภาพผลลัพธ์

จากหลักฐานเชิงประจักษ์ บุคลิกภาพที่มีรายละเอียดมากกว่าจะสร้างผลลัพธ์ที่มีประโยชน์ สม่ำเสมอ และเหมาะกับสาขามากกว่า เมื่อบุคลิกภาพมีความเฉพาะเจาะจง แบบจำลองจะเรียกใช้ความรู้จากการฝึกที่เกี่ยวข้องได้มากขึ้น

มิติสำคัญที่ช่วยเพิ่มประสิทธิภาพของบุคลิกภาพ:

  • ชื่อตำแหน่งงาน + ประเภทบริษัท + ความเชี่ยวชาญเฉพาะด้าน
  • จำนวนปีที่มีประสบการณ์ + ผลงานเด่นในอดีต
  • วิธีการสื่อสาร (น้ำเสียง รูปแบบ และระดับคำศัพท์)
  • ขอบเขตความรับผิดชอบ (สิ่งที่จัดการและสิ่งที่ส่งต่อให้ผู้เชี่ยวชาญ)

แม่แบบฉบับเต็มสำหรับสร้างบุคลิกภาพผู้เชี่ยวชาญ

แม่แบบที่นำกลับมาใช้ได้สำหรับสร้างบุคลิกภาพผู้เชี่ยวชาญ:

def build_expert_persona(role, domain, company_context, years_exp, specialties, style_notes, constraints):
    specialty_list = '\n'.join(f'- {s}' for s in specialties)
    constraint_list = '\n'.join(f'- {c}' for c in constraints)

    return f'''
You are a {role} specializing in {domain}.
{company_context}

Experience: {years_exp} years in the field.

Core specialties:
{specialty_list}

Communication style:
{style_notes}

Scope constraints:
{constraint_list}
'''

persona = build_expert_persona(
    role='Senior Data Engineer',
    domain='real-time streaming systems',
    company_context='You work at a logistics company processing 10M events/day.',
    years_exp=8,
    specialties=['Apache Kafka', 'Apache Flink', 'data pipeline reliability'],
    style_notes='Technical, direct, always mentions operational complexity.',
    constraints=['Do not advise on machine learning models', 'Escalate data governance questions to legal']
)
print(persona)

การทดสอบความสม่ำเสมอของบุคลิกภาพ

ทดสอบว่าบุคลิกภาพมีความสม่ำเสมอหรือไม่ด้วยการถามคำถามในสถานการณ์ที่แตกต่างกัน บุคลิกภาพควรรักษาน้ำเสียง ระดับความเชี่ยวชาญ และข้อจำกัดของตนไว้ได้ในทุกกรณี:

def test_persona_consistency(system_prompt, test_questions):
    results = []
    for q in test_questions:
        r = client.messages.create(
            model='claude-opus-4-5', max_tokens=200,
            system=system_prompt,
            messages=[{'role': 'user', 'content': q}]
        )
        results.append({'question': q, 'answer': r.content[0].text[:150]})
    return results

# Test the same persona across easy and hard scenarios
tests = [
    'What is a Kafka topic?',                    # Basic question — stays in persona?
    'Can you help me build a React frontend?',   # Out of scope — does it deflect?
    'Explain this like I am 5',                  # Tries to break technical style
    'What would you do differently at scale?'    # Deep domain question
]
print(f'Testing {len(tests)} consistency scenarios.')

ตรวจสอบความเข้าใจ

องค์ประกอบใดของการกำหนดบุคลิกภาพส่งผลมากที่สุดต่อคุณภาพคำตอบที่เหมาะกับสาขา

การออกแบบบุคลิกภาพ — ประเด็นสำคัญ

บุคลิกภาพที่สร้างขึ้นอย่างดีเป็นหนึ่งในการปรับปรุงคำสั่งระบบที่ให้ผลคุ้มค่าสูงที่สุด:

  • ตอบคำถามหกข้อ ได้แก่ บทบาท สาขา บริษัท/บริบท ระดับประสบการณ์ รูปแบบการสื่อสาร และข้อจำกัด
  • ความเฉพาะเจาะจงเป็นปัจจัยสำคัญ — แพทย์โรคหัวใจเด็กในโรงพยาบาลสอนแพทย์ ให้ผลดีกว่า แพทย์
  • กำหนดขอบเขตความรับผิดชอบอย่างชัดเจน — สิ่งที่บุคลิกภาพ NOT รับผิดชอบมีความสำคัญพอ ๆ กับสิ่งที่รับผิดชอบ
  • รูปแบบการสื่อสารมีผลต่อน้ำเสียง รูปแบบ และระดับคำศัพท์ของทุกคำตอบ
  • ทดสอบความสม่ำเสมอของบุคลิกภาพด้วยคำถามที่หลากหลาย รวมถึงข้อมูลนอกขอบเขตและข้อมูลที่มีเจตนาโจมตี
  • ใช้ฟังก์ชันแม่แบบเพื่อทำให้การสร้างบุคลิกภาพเป็นระบบและทำซ้ำได้

คำถามที่พบบ่อย

บทเรียน “การกำหนดบุคลิกและบทบาท” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “การกำหนดบุคลิกและบทบาท” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Prompt Engineering ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “การกำหนดบุคลิกและบทบาท”

สร้างบุคลิกผู้เชี่ยวชาญ: “คุณคือ DBA ของ SQL ระดับอาวุโสที่มีประสบการณ์ 20 ปี” 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 “การกำหนดบุคลิกและบทบาท” 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

  1. ความแตกต่างระหว่างบทบาทระบบกับผู้ใช้
  2. การใส่พฤติกรรมที่คงอยู่
  3. การกำหนดบุคลิกและบทบาท
  4. การทดสอบประสิทธิผลของพรอมป์ตระบบ
← กลับไปที่ AI Prompt Engineering