Context Engineering คืออะไร? ต่างจาก Prompt Engineering อย่างไร
คำอธิบายแบบใช้งานได้
Prompt คือคำสั่ง ส่วน context คือสภาพแวดล้อมของงานที่ทำให้คำสั่งมีความหมาย เช่น เอกสารที่เลือก ประวัติที่จำเป็น ผลจากเครื่องมือ สิทธิ์ และรูปแบบผลลัพธ์ คำนี้ยังไม่มีนิยามเดียว จึงควรใช้เป็นกรอบคิด ไม่ใช่คำรับรองผลิตภัณฑ์
Prompt กับ Context ต่างกันอย่างไร
- Prompt: บอกให้ทำอะไร
- Context: บอกว่าต้องใช้ข้อมูลใด ภายใต้กติกาและสิทธิ์ใด
- Workflow: กำหนดว่าจะดึงข้อมูล ตรวจ และให้คนอนุมัติเมื่อไร
ตัวอย่าง: ถามนโยบายวันลา
ก่อนส่งคำถามให้ AI ระบบต้องรู้ประเทศและประเภทพนักงาน ดึงคู่มือฉบับล่าสุดพร้อมชื่อไฟล์และวันที่ ตัดเอกสารเก่าออก และกำหนดให้ตอบ “ไม่พบหลักฐาน” เมื่อค้นไม่เจอ นี่คือการออกแบบ context ไม่ใช่แค่เพิ่มคำสั่งในแชต
เริ่มออกแบบทีละชั้น
- Instruction และข้อห้าม
- ข้อมูลของงานรอบนี้
- เอกสารอ้างอิงที่คัดแล้ว
- ประวัติที่จำเป็น
- เครื่องมือและสิทธิ์
- Output contract และจุดส่งต่อให้คน
ข้อจำกัดและการตรวจ
Context ที่มากเกินไปอาจทำให้ข้อมูลสำคัญถูกกลบ เอกสารเก่าอาจทำให้คำตอบผิด และสิทธิ์ที่กว้างเกินไปเพิ่มความเสี่ยง จึงต้องตรวจแหล่งข้อมูล วันที่ และขอบเขตการอ่านเขียน งาน HR กฎหมาย และการเงินต้องมีผู้เชี่ยวชาญตรวจ
สรุป
เมื่อเพิ่ม prompt แล้วยังผิด ให้ถามว่าข้อมูลต้นทางหรือ workflow ผิดจุดใด อ่าน สูตร Prompt สำหรับ SME เพื่อแยกสิ่งที่ควรอยู่ในคำสั่งกับสิ่งที่ควรจัดการในระบบ
CTA: ดูคอร์สที่เกี่ยวข้องเพื่อฝึกทำ workflow ต่อเนื่อง ดูรายละเอียดคอร์ส
คำถามที่พบบ่อย
+Context Engineering คืออะไร
Context Engineering คือการออกแบบว่า AI ควรได้รับข้อมูลอะไร ในลำดับไหน ภายใต้กติกาใด และต้องส่งผลลัพธ์กลับมาในรูปแบบใด เพื่อให้ทำงานหนึ่งอย่างได้สม่ำเสมอ ไม่ใช่แค่เขียนคำสั่งให้สวยขึ้น คำนี้ยังไม่มีนิยามเดียวที่ทุกบริษัทใช้เหมือนกัน บทความจึงใช้เป็นกรอบคิดเชิงปฏิบัติ
+Context Engineering ต่างจาก Prompt Engineering อย่างไร
Prompt Engineering เน้นออกแบบคำสั่ง บทบาท เป้าหมาย โทนภาษา ขั้นตอน และตัวอย่าง ส่วน Context Engineering ออกแบบทั้งชุดข้อมูลที่ส่งให้โมเดล เช่น คำสั่งระบบ ประวัติ เอกสาร ผลจากเครื่องมือ สิทธิ์ และ schema ของผลลัพธ์ พูดง่าย ๆ คือ Prompt เป็นคำสั่ง ส่วน Context คือสภาพแวดล้อมของงานทั้งหมดที่ทำให้คำสั่งนั้นมีความหมาย
+Context stack ประกอบด้วยอะไรบ้าง
บทความแบ่ง context ออกเป็นหลายชั้น ได้แก่ Instruction เป้าหมายและข้อห้าม Task context คำถามหรือไฟล์ของรอบนี้ Reference context เอกสารและข้อมูลที่คัดเลือกแล้ว Conversation state ประวัติที่จำเป็น Tools and permissions เครื่องมือและขอบเขตการอ่านเขียน และ Output contract รูปแบบผลลัพธ์และเงื่อนไขให้หยุดเมื่อหลักฐานไม่พอ การแยกชั้นช่วยให้แก้ปัญหาได้ถูกจุด
+ส่ง context ให้ AI ยิ่งเยอะยิ่งดีไหม
ไม่เสมอไป การส่งเอกสารทั้งหมดอาจเพิ่มต้นทุนและทำให้ข้อมูลสำคัญถูกกลบ Google อธิบายว่าผลลัพธ์จาก long context ขึ้นกับงานและตำแหน่งของข้อมูล จึงควรส่งเฉพาะส่วนที่จำเป็นและตั้งคำถามให้ชัด หากต้องใช้ข้อมูลชุดเดิมซ้ำ ๆ อาจใช้ context caching แต่ต้องตรวจ model, token ขั้นต่ำ, TTL, ราคา และนโยบายข้อมูลก่อน
+การทำ Context Engineering ต้องใช้ RAG หรือฐานข้อมูลเสมอไหม
ไม่เสมอไป งานเล็กอาจใช้ข้อความที่คัดด้วยมือก็พอ แต่ถ้าข้อมูลจำนวนมากหรือเปลี่ยนบ่อย ควรมี retrieval, citation และ version control เพื่อให้ตรวจสอบย้อนกลับและอ้างอิงแหล่งได้
เครื่องมือฟรี · ไม่ต้องสมัคร
เครื่องมือสร้าง Prompt ภาษาไทย ใช้ฟรี
กรอกบทบาท ภารกิจ และบริบท แล้วได้ prompt ที่มีโครง คัดลอกไปวางใน ChatGPT, Claude หรือ Gemini ได้ทันที
อ่านต่อในหมวดนี้
อยากเขียน Prompt ให้ได้ผลจริงทุกครั้ง?
ChatGPT Mastery
สั่งงาน ChatGPT อย่างเป็นระบบ สร้างคอนเทนต์ ภาพ และวิดีโอให้ธุรกิจได้จริง
เรียนเขียน prompt แบบลงมือทำในคอร์ส ChatGPT Mastery →โจทย์คนละแบบ? ดู AI Co-Worker for SME
อยากคุยเรื่องคอร์สหรือการใช้ AI กับงานของคุณ?
ติดต่อทีมงานASTRO INTELLIGENCE ได้ทาง LINE หรือ Facebook เรายินดีช่วยแนะนำคลาสที่เหมาะกับคุณ