0Pricing
AI Prompt Engineering · บทเรียน

ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ

อนุกรมวิธานของงานปัญญาประดิษฐ์ ได้แก่ การเขียน การสรุป การตอบคำถาม การเขียนโค้ด และการระดมความคิด

ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ 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

อนุกรมวิธานงานของปัญญาประดิษฐ์

โมเดลภาษาปัญญาประดิษฐ์มีความสามารถหลากหลายอย่างน่าทึ่ง โมเดลเหล่านี้จัดการงานได้หลายประเภท และการรู้ว่างานของคุณอยู่ในหมวดหมู่ใดจะช่วยให้คุณเขียนคำสั่งได้ดีขึ้น

เราสามารถจัดกลุ่มงานเป็น: การเขียน การสรุป การถาม–ตอบ การเขียนโค้ด การระดมความคิด การแปล การจำแนกประเภท และ การดึงข้อมูล

งานเขียน

การเขียน เป็นหนึ่งในงานปัญญาประดิษฐ์ที่พบบ่อยที่สุด ตัวอย่างได้แก่:

  • ร่างอีเมล จดหมายสมัครงาน และบทความบล็อก
  • เขียนเรื่องสั้น บท และเนื้อหาสร้างสรรค์
  • เรียบเรียงคำบรรยายสำหรับสื่อสังคมออนไลน์
  • แก้ไขและเขียนร่างเดิมใหม่

สิ่งสำคัญคือการระบุ รูปแบบ น้ำเสียง ความยาว และ กลุ่มผู้อ่าน ไว้ในคำสั่งของคุณ

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=256,
    messages=[{
        'role': 'user',
        'content': (
            'Write a 150-word professional email declining a meeting invitation. '
            'Tone: polite and regretful. Suggest rescheduling next week.'
        )
    }]
)
print(response.content[0].text)

งานสรุป

การสรุป ย่อเนื้อหาที่ยาวให้สั้นลงและเข้าใจได้ง่ายขึ้น การใช้งานที่พบบ่อย:

  • TL;DR ของบทความหรือรายงานยาว ๆ
  • บันทึกการประชุมจากบทถอดเสียง
  • บทสรุปสำหรับผู้บริหารของบทความวิจัย
  • ประเด็นสำคัญที่ดึงออกมาจากบทหนึ่งของหนังสือ

ระบุความยาวเป้าหมายและระดับรายละเอียดที่คุณต้องการ

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

long_text = (
    'Artificial intelligence has transformed industries from healthcare '
    'to finance over the past decade. Machine learning models now diagnose '
    'diseases, detect fraud, and power recommendation engines. However, '
    'concerns about bias, privacy, and job displacement remain significant...'
)

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': f'Summarize the following in exactly 2 sentences:\n\n{long_text}'
    }]
)
print(response.choices[0].message.content)

งานถามและตอบ

งานถาม–ตอบ ใช้ประโยชน์จากฐานความรู้ที่กว้างขวางของโมเดล ประเภทต่าง ๆ ได้แก่:

  • คำถามข้อเท็จจริง ('วัฏจักรเครบส์คืออะไร')
  • คำถามเชิงอธิบาย ('เอชทีทีพีเอสทำงานอย่างไร')
  • คำถามเชิงเปรียบเทียบ ('RAM แตกต่างจากพื้นที่จัดเก็บข้อมูลอย่างไร')
  • การถาม–ตอบเกี่ยวกับเอกสาร — ถามคำถามเกี่ยวกับเอกสารที่วางไว้

สำหรับการถาม–ตอบเกี่ยวกับเอกสาร ให้ใส่เนื้อหาต้นฉบับไว้ในคำสั่งของคุณเสมอ

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

document = 'Our refund policy allows returns within 30 days with receipt...'

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=256,
    system='Answer only based on the document provided. If unsure, say so.',
    messages=[{
        'role': 'user',
        'content': f'Document:\n{document}\n\nQuestion: How many days do I have to return an item?'
    }]
)
print(response.content[0].text)

งานเขียนโค้ด

งานเขียนโค้ด เป็นจุดที่ผู้ช่วยปัญญาประดิษฐ์ทำได้โดดเด่นเป็นพิเศษ คำขอที่พบบ่อย:

  • สร้างโค้ดจากคำอธิบาย ('เขียนฟังก์ชันภาษาไพธอนที่...')
  • อธิบายว่าโค้ดที่มีอยู่ทำอะไร
  • แก้ไขข้อผิดพลาดหรือซ่อมโค้ดที่ทำงานไม่ถูกต้อง
  • แปลงโค้ดจากภาษาหนึ่งไปเป็นอีกภาษา
  • เขียนการทดสอบหน่วยสำหรับฟังก์ชันที่กำหนด
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[
        {
            'role': 'system',
            'content': 'You are a Python expert. Include type hints and a brief docstring.'
        },
        {
            'role': 'user',
            'content': (
                'Write a function that takes a list of integers and returns '
                'the second largest unique value, or None if it does not exist.'
            )
        }
    ]
)
print(response.choices[0].message.content)

งานระดมความคิด

การระดมความคิด ใช้ปัญญาประดิษฐ์เพื่อสร้างแนวคิดจำนวนมากได้อย่างรวดเร็ว ใช้สำหรับ:

  • สร้างชื่อผลิตภัณฑ์
  • จัดทำรายการหัวข้อบทความบล็อก
  • คิดแนวคิดฟีเจอร์สำหรับแอป
  • คิดมุมมองสำหรับแคมเปญการตลาด
  • คิดทางเลือกในการแก้ปัญหา

ขอแนวคิดตามจำนวนที่ต้องการอย่างเฉพาะเจาะจง และบอกโมเดลให้จัดลำดับความหลากหลายเหนือการทำซ้ำ

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=512,
    messages=[{
        'role': 'user',
        'content': (
            'Generate 10 unique app name ideas for a habit-tracking app targeting busy professionals. '
            'Each name should be one or two words. Prioritize variety — avoid similar-sounding names. '
            'After each name, add a 5-word tagline.'
        )
    }]
)
print(response.content[0].text)

งานแปล

การแปลมีความหมายมากกว่าการแปลงคำต่อคำ โมเดลปัญญาประดิษฐ์จัดการสิ่งต่อไปนี้ได้:

  • การแปลภาษา (อังกฤษ → สเปน ฝรั่งเศส → ญี่ปุ่น)
  • การแปลระดับภาษา (ศัพท์เทคนิค → ภาษาทั่วไป)
  • การแปลน้ำเสียง (เป็นทางการ → ไม่เป็นทางการ)
  • การแปลรูปแบบ (ย่อหน้า → จุดรายการ)

ระบุว่าคุณต้องการการแปลตรงตัวหรือการแปลที่เป็นธรรมชาติและใช้สำนวนเหมาะสม

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

text_en = 'Please ensure the deliverables are submitted prior to the agreed deadline.'

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            f'Translate the following into natural, idiomatic Spanish '
            f'suitable for a casual work chat message:\n\n{text_en}'
        )
    }]
)
print(response.choices[0].message.content)

งานจำแนกประเภท

การจำแนกประเภท จัดข้อมูลเข้าให้อยู่ในหมวดหมู่ที่กำหนดไว้ล่วงหน้า ตัวอย่าง:

  • การวิเคราะห์ความรู้สึก (เชิงบวก / เชิงลบ / เป็นกลาง)
  • การจัดหมวดหมู่หัวข้อ (กีฬา / การเมือง / เทคโนโลยี)
  • การตรวจจับเจตนา (ข้อร้องเรียน / คำถาม / คำชม)
  • สแปมหรือไม่ใช่สแปม

ระบุรายการหมวดหมู่ที่ใช้ได้ทั้งหมดไว้ในคำสั่งเสมอ เพื่อให้โมเดลรู้ว่าต้องเลือกจากตัวเลือกใด

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

reviews = [
    'The product broke after one day. Terrible quality!',
    'Shipping was fast and the item is exactly as described.',
    'It is okay, nothing special but does the job.'
]

for review in reviews:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=16,
        messages=[{
            'role': 'user',
            'content': (
                f'Classify this review as exactly one of: POSITIVE, NEGATIVE, NEUTRAL.\n'
                f'Reply with only the label.\n\nReview: {review}'
            )
        }]
    )
    label = response.content[0].text.strip()
    print(f'{label}: {review[:40]}...')

งานดึงข้อมูล

การดึงข้อมูล ดึงข้อมูลที่มีโครงสร้างออกจากข้อความที่ไม่มีโครงสร้าง การใช้งานที่พบบ่อย:

  • ดึงชื่อ วันที่ และจำนวนเงินจากใบแจ้งหนี้
  • ดึงข้อเท็จจริงสำคัญจากบทความข่าว
  • แยกวิเคราะห์ข้อมูลติดต่อจากอีเมล
  • ดึงข้อมูลจำเพาะของผลิตภัณฑ์จากคำอธิบาย

ขอผลลัพธ์เป็นเจสัน เพื่อให้สามารถนำข้อมูลที่ดึงมาใช้ด้วยโปรแกรมได้ง่าย

import openai
import json

client = openai.OpenAI(api_key='sk-your-key-here')

email_text = (
    'Hi, I am Sarah Johnson from Acme Corp. '
    'Please send the invoice for $4,250 to billing@acmecorp.com by June 15th.'
)

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Extract the following fields from the email below and output valid JSON:\n'
            'name, company, email, amount, deadline\n\nEmail:\n' + email_text
        )
    }]
)

raw = response.choices[0].message.content
data = json.loads(raw)
print(data)

การรวมประเภทงาน

คำสั่งในโลกจริงมักรวมงานหลายประเภทไว้ในคำขอเดียว ตัวอย่างเช่น:

  • ดึงข้ออ้างสำคัญจากบทความ แล้ว จำแนกประเภท แต่ละข้อว่าเป็นข้อเท็จจริงหรือความคิดเห็น
  • สรุปเอกสาร แล้ว แปลบทสรุปเป็นภาษาฝรั่งเศส
  • ระดมความคิด แล้ว เขียนข้อเสนอแบบสั้นสำหรับแนวคิดที่ดีที่สุด

การเชื่อมประเภทงานไว้ในคำสั่งเดียวมีพลังมาก เพียงระบุแต่ละขั้นตอนให้ชัดเจน

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=512,
    messages=[{
        'role': 'user',
        'content': (
            'Do the following in order:\n'
            '1. Brainstorm 5 blog post titles about remote work productivity.\n'
            '2. Pick the most compelling title.\n'
            '3. Write a 3-sentence intro paragraph for that post.\n'
            'Format your output with clear numbered sections.'
        )
    }]
)
print(response.content[0].text)

การเลือกกรอบงานที่เหมาะสม

คำขอพื้นฐานเดียวกันสามารถจัดกรอบเป็นงานประเภทต่าง ๆ ได้ และกรอบงานนั้นจะเปลี่ยนผลลัพธ์อย่างมาก

เป้าหมายตัวอย่าง: ทำความเข้าใจหน้าราคาของบริษัท

  • กรอบถาม–ตอบ: 'มีระดับราคาใดบ้าง'
  • กรอบสรุป: 'สรุปหน้าราคาเป็นจุดรายการ 3 ข้อ'
  • กรอบดึงข้อมูล: 'ดึงชื่อแผนและราคาออกมาเป็นเจสัน'
  • กรอบเปรียบเทียบ: 'สร้างตารางเปรียบเทียบแผนทั้งหมด'

เลือกกรอบงานให้ตรงกับวิธีที่คุณจะนำผลลัพธ์ไปใช้

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

pricing_text = (
    'Starter: $9/month - 1 user, 5GB storage. '
    'Pro: $29/month - 10 users, 50GB storage. '
    'Enterprise: custom pricing - unlimited users.'
)

# Extraction frame
response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Extract plan names and monthly prices as a JSON array. '
            'Use null for custom pricing.\n\n' + pricing_text
        )
    }]
)
print(response.choices[0].message.content)

ตรวจสอบความรู้

คุณได้เรียนรู้หมวดหมู่หลักของประเภทงานปัญญาประดิษฐ์แล้ว มาดูกันว่าคุณสามารถระบุประเภทที่เหมาะสมได้หรือไม่

นักพัฒนาวางอีเมลจากฝ่ายสนับสนุนลูกค้าความยาว 500 คำไว้ในคำสั่ง และถามปัญญาประดิษฐ์ว่า 'ดึงชื่อลูกค้า หมายเลขคำสั่งซื้อ และประเภทปัญหาออกมา — ให้ผลลัพธ์เป็นเจสัน'

นี่คืองานประเภทใด

ทบทวนอนุกรมวิธานงาน

ตอนนี้คุณสามารถระบุและจัดกรอบคำขอปัญญาประดิษฐ์ให้เป็นหนึ่งในประเภทงานหลักได้แล้ว:

  • การเขียน — สร้างเนื้อหาข้อความต้นฉบับ
  • การสรุป — ย่อเนื้อหาที่ยาว
  • การถาม–ตอบ — ตอบคำถามจากความรู้หรือเอกสาร
  • การเขียนโค้ด — สร้าง อธิบาย หรือแก้ไขข้อผิดพลาดของโค้ด
  • การระดมความคิด — สร้างแนวคิดที่หลากหลายจำนวนมาก
  • การแปล — แปลงระหว่างภาษาหรือระดับภาษา
  • การจำแนกประเภท — จัดข้อมูลเข้าให้อยู่ในหมวดหมู่ที่กำหนดไว้ล่วงหน้า
  • การดึงข้อมูล — ดึงข้อมูลที่มีโครงสร้างออกจากข้อความที่ไม่มีโครงสร้าง

ระบุประเภทงานก่อน แล้วจึงเขียนคำสั่งให้สอดคล้องกับประเภทนั้น

คำถามที่พบบ่อย

บทเรียน “ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ” ฟรีหรือไม่

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

คุณจะเรียนรู้อะไรในบทเรียน “ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ”

อนุกรมวิธานของงานปัญญาประดิษฐ์ ได้แก่ การเขียน การสรุป การตอบคำถาม การเขียนโค้ด และการระดมความคิด 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 “ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ” 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. ทำความเข้าใจส่วนติดต่อการสนทนา
  2. ประเภทคำขอที่ปัญญาประดิษฐ์รองรับ
  3. ปัญญาประดิษฐ์สร้างคำตอบอย่างไร
  4. สิ่งที่ปัญญาประดิษฐ์ทำไม่ได้
← กลับไปที่ AI Prompt Engineering