วิธีเขียนพรอมป์ที่ดี: 5 ส่วนและตัวอย่างก่อน/หลัง

โมเดลของคุณสรุปอีเมลลูกค้าเป็นสามย่อหน้าในวันจันทร์ และเป็นสองหัวข้อย่อยในวันอังคาร พรอมป์เดียวกัน โมเดลเดียวกัน นั่นคือสิ่งที่คำขอแบบบรรทัดเดียวทำ: มันปล่อยให้ทุกการตัดสินใจเป็นของโมเดล และโมเดลก็ตัดสินใจต่างกันในแต่ละครั้ง

พรอมป์ที่ดีตอบคำถามห้าข้อ: ทำอะไร (task), ทำงานกับอะไร (context), คำตอบควรมีหน้าตาอย่างไร (format), คำตอบที่ดีมีหน้าตาอย่างไร (example) และอะไรที่ควรหลีกเลี่ยง (constraints) ด้านล่าง คำขอที่คลุมเครือหนึ่งอันจะกลายเป็นคำขอที่มีโครงสร้าง ผ่าน CheapTokens API ที่เข้ากันได้กับ OpenAI และคุณจะเห็นว่าพรอมป์ที่ยาวขึ้นเพิ่มอะไรให้บิล

ทำไม "Summarize this email" ถึงเป็นการเสี่ยงโชค#

เมื่อคุณพิมพ์ "Summarize this email" คุณมีคำตอบในใจอยู่แล้ว: หนึ่งประโยค, ความเร่งด่วนแค่ไหน, ต้องทำอะไรต่อไป โมเดลมองไม่เห็นภาพนั้น มันจึงเดา และทุกการเดาล้วนสมเหตุสมผล รวมกันแล้วคุณได้คำตอบที่ต่างกันในแต่ละครั้ง และสคริปต์ที่อ่านคำตอบก็ไม่มีอะไรที่แน่นอนให้แยกวิเคราะห์

คู่มือ prompt engineering ของ OpenAI (อ่านเมื่อ 27 ตุลาคม 2026) วางแนวคิดไว้ตรง ๆ: prompt engineering คือการเขียนคำสั่งที่มีประสิทธิภาพ และโมเดล GPT ทำได้ดีขึ้นเมื่อคุณบอกมันอย่างชัดเจนว่าจะทำงานให้สำเร็จได้อย่างไร นิสัยนี้ไม่ได้จำกัดอยู่แค่ข้อความ เมื่อวันที่ 26 ตุลาคม 2026 ช่อง Telegram หนึ่ง แชร์พรอมป์สำหรับวิดีโอที่สร้างขึ้น 30 วินาที ซึ่งแบ่งเป็นบล็อก: ฉาก, สไตล์ภาพ, บทสนทนา, เสียง และสิ่งที่ยกเว้น, ข้อมูลจำเพาะทางเทคนิค งานต่างกัน แต่ท่าเดียวกัน ผู้เขียนระบุทุกการตัดสินใจไว้ล่วงหน้าแทนที่จะปล่อยให้โมเดล

ห้าส่วน พูดง่าย ๆ#

ลองนึกถึงการบรีฟเพื่อนร่วมงานใหม่ในวันแรก "จัดการอันนี้หน่อย" ได้แค่การเดา โพสต์อิทที่บอกงาน, วัสดุ, รูปแบบที่ต้องการ, ตัวอย่าง และ "ข้อห้าม" จะได้สิ่งที่คุณหมายถึง

Task คือกริยาหนึ่งคำและกรรมหนึ่งอย่าง: "สรุปอีเมลและให้คะแนนความเร่งด่วน" พูดตรง ๆ "ช่วยเรื่องอีเมลนี้หน่อย" ไม่ใช่ task

Context คือวัสดุที่โมเดลทำงานด้วย: อีเมล, คำอธิบายผลิตภัณฑ์, นโยบาย โมเดลรู้เพียงสิ่งที่เรียนรู้จากการฝึกบวกกับสิ่งที่คุณวางเข้าไป ห่อข้อความที่วางด้วยตัวคั่น เช่น แท็กสไตล์ XML อย่าง <email>…</email> หรือหัวข้อ markdown เพื่อให้คำสั่งของคุณปนกับข้อความไม่ได้ คู่มือของ OpenAI แนะนำทั้งสองแบบ

Format คือหน้าตาของคำตอบ: "JSON ที่มีคีย์ summary, urgency, next_step" หรือ "สามหัวข้อย่อย หัวละไม่เกิน 12 คำ" สำคัญที่สุดเมื่อโค้ดอ่านคำตอบ

Example คืออินพุตหนึ่งอันพร้อมเอาต์พุตที่คุณต้องการ คู่มือแนะนำตัวอย่าง few-shot ที่ครอบคลุมอินพุตหลากหลายพร้อมเอาต์พุตที่ต้องการ ตัวอย่างเดียวก็เริ่มได้ดี เพิ่มอันที่สองเมื่ออินพุตของคุณต่างกันมาก

Constraints คือ "ข้อห้าม": ใช้เฉพาะข้อเท็จจริงจากอีเมล, เขียน "unknown" เมื่อมีอะไรขาด, ห้ามคืนเงินหรือส่วนลด

ลำดับก็สำคัญเล็กน้อยเช่นกัน คู่มือเดียวกันบอกว่าข้อความ developer หรือ system มักเรียงเป็น identity, instructions, examples, context และ context ควรอยู่ใกล้ท้ายเพราะมันเปลี่ยนระหว่างคำขอ กฎอยู่ในข้อความ system; อินพุตอยู่ในข้อความ user

ก่อนและหลัง: อีเมลลูกค้า#

นี่คือแบบบรรทัดเดียวเทียบกับคำขอเดียวกันที่มีทั้งห้าส่วน ตัวอีเมลคือ context และมันอยู่ในข้อความ user ห่อด้วยแท็ก <email>

Summarize this email.

You summarize customer emails for a support team.

Task: Summarize the email in the <email> tags and rate how urgent it is.

Format: Reply with JSON only, using the keys "summary" (one sentence), "urgency" ("low", "medium" or "high") and "next_step" (one short sentence).

Example:
<email>Hi, order 1042 was due Monday and it's Thursday. Where is it?</email>
{"summary": "Order 1042 is three days late and the customer asks where it is.", "urgency": "medium", "next_step": "Check the carrier tracking for order 1042 and reply with the status."}

Rules:
- Use only what the email says. If something is missing, write "unknown".
- Don't offer refunds or discounts.
- Output nothing outside the JSON.

อ่าน "after" จากบนลงล่างแล้วคุณชี้แต่ละส่วนได้: บรรทัดเปิดและ task, บรรทัด format, example, กฎ อีเมลหายไปจากข้อความโดยตั้งใจ มันเปลี่ยนทุกคำขอ จึงเดินทางแยก

ส่งผ่าน API#

คำสั่งไม่เคยเปลี่ยน จึงอยู่ในค่าคงที่และอยู่ก่อน อีเมลเปลี่ยน จึงอยู่ท้าย นี่คือสคริปต์ทั้งหมด ใช้ OpenAI Python SDK ชี้ไปที่ CheapTokens โมเดลคือ DeepSeek-V4-Flash: context 380K, เอาต์พุตสูงสุด 32,768 โทเคนต่อคำตอบ, ราคาเดียวทุกชั่วโมง เอา base URL และ model id จาก เอกสาร CheapTokens; ถ้ายังไม่มีคีย์ คำขอ API แรกของคุณ อธิบายไว้แล้ว

import json
import os

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

SYSTEM_PROMPT = """You summarize customer emails for a support team.

Task: Summarize the email in the <email> tags and rate how urgent it is.

Format: Reply with JSON only, using the keys "summary" (one sentence), "urgency" ("low", "medium" or "high") and "next_step" (one short sentence).

Example:
<email>Hi, order 1042 was due Monday and it's Thursday. Where is it?</email>
{"summary": "Order 1042 is three days late and the customer asks where it is.", "urgency": "medium", "next_step": "Check the carrier tracking for order 1042 and reply with the status."}

Rules:
- Use only what the email says. If something is missing, write "unknown".
- Don't offer refunds or discounts.
- Output nothing outside the JSON.
"""

email = "Hello, I was charged twice for my subscription this month. Please fix it before Friday, my card is almost at its limit."

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": f"<email>\n{email}\n</email>"},
    ],
)

reply = response.choices[0].message.content
print(json.loads(reply))
print(response.usage.prompt_tokens, response.usage.completion_tokens)

ถ้าบรรทัด format ทำหน้าที่ คำตอบคือออบเจ็กต์ JSON หนึ่งอันที่มี summary, urgency และ next_step และ json.loads เปลี่ยนมันเป็นดิกชันนารี ถ้ามันเกิดข้อผิดพลาด แสดงว่าโมเดลห่อ JSON ด้วยข้อความเพิ่ม: เข้มกฎข้อสุดท้ายหรือเพิ่มตัวอย่างที่สอง บรรทัดสุดท้ายพิมพ์จำนวนโทเคนที่เข้าและออก ซึ่งเป็นตัวเลขที่ส่วนถัดไปพูดถึง

คำเพิ่มเติมมีค่าใช้จ่ายเท่าไร#

โทเคนคือชิ้นส่วนของคำ คุณจ่ายต่อโทเคนสำหรับสิ่งที่ส่ง (input) และสำหรับสิ่งที่โมเดลเขียน (output) และ output แพงกว่า อ่านเพิ่มใน input vs output tokens

สมมติคุณรันบอทซัพพอร์ตที่มีอีเมล 1,000 ฉบับต่อวัน และอีเมลมีประมาณ 300 โทเคน แบบบรรทัดเดียวเพิ่มคำสั่งประมาณ 10 โทเคน ดังนั้น input ประมาณ 310; สมมติได้สรุปรูปแบบอิสระประมาณ 250 โทเคน system prompt ข้างบนประมาณ 200 โทเคน บวกประมาณ 10 สำหรับแท็ก <email> ดังนั้น input ประมาณ 500; สมมติบรรทัด format ทำให้คำตอบเป็น JSON ประมาณ 80 โทเคน บน DeepSeek-V4-Flash นั่นคือ $0.00003 ต่ออีเมลสำหรับแบบบรรทัดเดียว และ $0.000016 สำหรับพรอมป์ที่มีโครงสร้าง พรอมป์ยาวขึ้น แต่คำขอถูกลง เพราะส่วนที่ยาวคือ input และส่วนที่คุณย่อคือ output รันสคริปต์และเปลี่ยนสมมติฐานเหล่านี้เป็น prompt_tokens และ completion_tokens ของคุณเอง

นี่คือพรอมป์ที่มีโครงสร้างที่อีเมล 1,000 ฉบับต่อวันเทียบข้ามโมเดล โดยรวมเมื่อนับ input และ output ด้วยกัน CheapTokens ออกมา cheaper กว่าราคาอ้างอิงของ OpenRouter ในงานนี้; ราคาปัจจุบันอยู่ที่ หน้าราคา

ตรวจสอบตัวเอง#

คำถามหนึ่งข้อเกี่ยวกับนิสัยที่ให้ผลตอบแทนมากที่สุดเมื่อสคริปต์ใช้พรอมป์ซ้ำ เมื่อโครงสร้างทำงานได้แล้ว ปุ่มปรับถัดไปคือ system message และ temperature อยู่ใน System prompt and temperature