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:
- บทบาท: ตำแหน่งงานคืออะไร
- สาขา: มีความเชี่ยวชาญด้านใด
- บริษัท/บริบท: ทำงานที่ใด หรือมีบริบทการทำงานอย่างไร
- ประสบการณ์: มีระดับความอาวุโสเพียงใด และเคยทำอะไรมาแล้วบ้าง
- รูปแบบการสื่อสาร: พูดคุยกับผู้อื่นอย่างไร
- 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
- ความแตกต่างระหว่างบทบาทระบบกับผู้ใช้
- การใส่พฤติกรรมที่คงอยู่
- การกำหนดบุคลิกและบทบาท
- การทดสอบประสิทธิผลของพรอมป์ตระบบ