Context Window, Token และ Output Token คืออะไร

Context Window คือพื้นที่ข้อมูลที่โมเดลใช้ประกอบการตอบในรอบหนึ่ง ส่วน Token คือหน่วยย่อยที่ใช้วัดข้อความ การเข้าใจสองคำนี้ช่วยให้รู้ว่าทำไมการส่งเอกสารยาว ๆ ทั้งก้อนอาจทำให้ AI ตอบหลุด และทำไมการสนทนาที่ยาวขึ้นอาจใช้ทรัพยากรมากขึ้น

Context ไม่เท่ากับความจำถาวร

ข้อความที่อยู่ในบทสนทนาอาจถูกนำมาใช้เป็นบริบทของรอบปัจจุบัน แต่ไม่ได้หมายความว่าโมเดลจำทุกอย่างได้ตลอดไป เมื่อบริบทเพิ่มขึ้น ระบบต้องจัดลำดับข้อมูลที่เกี่ยวข้อง และบางส่วนอาจถูกตัด ย่อ หรือถูกใช้งานได้ไม่เต็มประสิทธิภาพ

ดังนั้นอย่าพึ่งพาการเลื่อนแชตยาว ๆ เป็นระบบความรู้หลัก สำหรับงานจริงควรมี source of truth เช่นไฟล์นโยบาย ตารางข้อมูล หรือเอกสารโปรเจกต์ แล้วส่งเฉพาะส่วนที่เกี่ยวข้องกับงานแต่ละรอบ

Input Token และ Output Token

Input คือสิ่งที่ส่งเข้าโมเดล เช่น คำสั่ง บทสนทนา เอกสาร และผลลัพธ์เก่าที่ต้องแนบซ้ำ Output คือสิ่งที่โมเดลสร้างกลับมา Source ที่ตรวจพบชี้ให้เห็นว่า output ที่ยาวอาจมีต้นทุนและเวลามากกว่าคำถามสั้น ๆ อย่างเห็นได้ชัด โดยเฉพาะเมื่อระบบส่งประวัติเดิมกลับเข้าไปทุกครั้ง

ไม่ควรใช้ตัวเลขจากคลิปเป็นราคาอ้างอิงถาวร เพราะราคาและการนับ Token ของผู้ให้บริการเปลี่ยนได้ ให้ตรวจ pricing และ model documentation ล่าสุดก่อนวางงบประมาณ

วิธีลดบริบทโดยไม่ลดคุณภาพ

1. เขียนสรุปสถานะงานหนึ่งย่อหน้าแทนการแนบประวัติทั้งหมด
2. แยกเอกสารเป็นส่วนและเรียกเฉพาะส่วนที่เกี่ยวข้อง
3. ให้ AI สร้าง decision log สั้น ๆ หลังจบแต่ละขั้น
4. กำหนดรูปแบบ output เช่น ตารางหรือ bullet เพื่อไม่ให้ตอบยาวเกินงาน
5. เมื่อโจทย์ใหญ่ ให้แบ่งเป็นขั้นและตรวจผลทีละขั้น

สัญญาณว่าควรแบ่งงาน

• คำตอบเริ่มขัดกับข้อมูลต้นทางที่เพิ่งให้
• AI ลืมข้อกำหนดที่อยู่ช่วงต้นของบทสนทนา
• ต้องแนบไฟล์เดิมซ้ำหลายครั้ง
• ผลลัพธ์ยาวแต่ไม่ตอบคำถามหลัก
• ต้นทุนหรือเวลาประมวลผลสูงขึ้นโดยไม่เพิ่มคุณค่า

สรุปสำหรับงานธุรกิจ

ใช้ Context ให้พอสำหรับการตัดสินใจ ไม่ใช่ยิ่งเยอะยิ่งดี จัดข้อมูลเป็นระบบ สรุป checkpoint และกำหนด output ที่ต้องการ วิธีนี้ช่วยทั้งคุณภาพ ความเร็ว และการควบคุมค่าใช้จ่าย โดยไม่ต้องไล่แก้คำตอบที่หลุดบริบทภายหลัง

แหล่งที่มาและขอบเขตของบทความ

บทความนี้เรียบเรียงใหม่จาก transcript ภาษาไทยของคลิป Public ที่ผ่าน publication gate แล้ว ไม่ใช่การเผยแพร่ transcript เต็ม โดยใช้ source เพื่อจับประเด็นและตัวอย่าง ส่วนรายละเอียดที่ขึ้นกับเครื่องมือหรือเวอร์ชันควรตรวจสอบกับเอกสารทางการก่อนใช้งานจริง

• Context Window และ Token สำคัญกับการใช้ AI อย่างไร — 1 นาที 53 วินาที · ดู Playlist
• Output Token แพงกว่า ส่งผลต่อการถาม AI อย่างไร — 1 นาที 18 วินาที · ดู Playlist

เรียนต่ออย่างเป็นระบบ

ถ้าต้องการเปลี่ยนจากการถาม AI เป็นครั้ง ๆ ไปสู่การออกแบบ workflow ที่ทำซ้ำได้ เรียนต่อใน คอร์ส ChatGPT Mastery ซึ่งต่อยอดเรื่องการสั่งงาน AI, การสร้างคอนเทนต์ และการทำงานกับ Codex ให้เป็นระบบ

ดูรายละเอียดคอร์ส ChatGPT Mastery →