หยุดเขียนคำชี้แนะเหมือนคุณกำลังสอนเด็ก หันมาเขียนภารกิจแทน

TL;DR:การแข่งขันในการสร้างคำสั่งสิ้นสุดลงแล้ว และผู้ชนะคือผู้ที่หยุดพยายามสอนโมเดล วิธีคิด. กรอบงานใหม่ง่ายมาก: บริบท, คำขอ, รูปแบบผลลัพธ์, ข้อจำกัด, จุดตรวจ — โดยมี จุดตรวจ เป็นองค์ประกอบที่สำคัญที่แยกคำสั่งเล่นออกจากภารกิจระดับเอเจนต์ สำหรับโมเดลแนวหน้า (Fable 5, Claude, Codex) งานของคุณไม่ใช่การเขียนคำแนะนำที่ยาวขึ้น แต่คือการกำหนดภารกิจให้ชัดเจน ตั้งขอบเขต และระบุเมื่อใดควรหยุดและถาม นั่นคือคำสั่งในยุคเอเจนต์ ทุกอย่างอื่นคือเสียงรบกวน.

เจมส์ที่นี่, CEO ของ Mercury Technology Solutions. จากสำนักงานของฉันในโตเกียว — กรกฎาคม 2026

ฉันเห็นมันทุกวัน มีคนโพสต์ "แม่แบบคำสั่งที่สมบูรณ์แบบ" ที่ยาว 800 คำ มีการเล่นบทบาทสามชั้น ขั้นตอนการคิดห้าขั้น ตัวอย่างสิบสองตัวอย่าง และข้อกำหนดการจัดรูปแบบมากพอที่จะทำให้โปรแกรมประมวลผลหยุดชะงัก พวกเขาคิดว่าพวกเขากำลังทำอย่างละเอียดถี่ถ้วน แต่จริงๆ แล้วพวกเขากำลัง ล้าสมัย.

โมเดลที่คุณกำลังเรียกใช้อยู่ในวันนี้ไม่ใช่ของเล่น GPT-3.5 ในปี 2023 Fable 5, Claude 4, Codex — นี่คือเครื่องยนต์การคิดที่ไม่ต้องการให้คุณช่วยเหลือในการรับรู้ของพวกเขา พวกเขาต้องการสิ่งอื่นโดยสิ้นเชิง และคนส่วนใหญ่ยังไม่เข้าใจเรื่องนี้

สงครามที่ผิด

โมเดลทางความคิดที่โดดเด่นในการเขียนคำสั่งคือการสอน คุณปฏิบัติต่อโมเดลเหมือนกับฝึกงานที่ฉลาดแต่ไม่มีประสบการณ์ และคำสั่งของคุณคือแผนการสอน คุณมอบบุคลิกให้มัน ("คุณเป็นผู้เชี่ยวชาญระดับโลกใน..."), แยกขั้นตอนการคิดออก ("ขั้นตอนที่ 1: วิเคราะห์... ขั้นตอนที่ 2: ประเมิน...") และใส่ตัวอย่างมากมายโดยหวังว่ารูปแบบจะติดอยู่

นี่มีเหตุผลในปี 2023 แต่ตอนนี้ไม่แล้วคุณไม่ได้สอนโมเดลให้คิด คุณกำลังมอบหมายภารกิจ

เมื่อคุณมอบหมายภารกิจให้กับผู้ปฏิบัติงานที่มีความสามารถ คุณไม่อธิบายกระบวนการคิดของพวกเขา คุณบอกพวกเขาว่า:

• สถานการณ์เป็นอย่างไร
• สิ่งที่ต้องทำ
• ผลลัพธ์ที่ต้องการเป็นอย่างไร
• เส้นที่พวกเขาไม่สามารถข้ามได้
• เมื่อไหร่ที่จะวิทยุเพื่อขอการยืนยัน

แค่นั้นแหละ ตัวปฏิบัติการจะหาทางที่เหลือเอง และถ้าคุณจ้างคนได้ดี พวกเขาจะหาทางได้ดีกว่าที่คุณสามารถสั่งสอนพวกเขาได้

กรอบภารกิจ: CROCC

หลังจากที่ได้ดำเนินการเวิร์กโฟลว์ของตัวแทนหลายร้อยรายการที่ Mercury ฉันได้สรุปโครงสร้างห้าส่วน ไม่มีการเล่นบทบาท ไม่มีคำแนะนำแบบลำดับความคิด แค่ข้อมูลภารกิจ

1. บริบท — สถานการณ์ในพื้นที่

พื้นฐานคืออะไร? โมเดลต้องรู้เรื่องอะไรบ้างก่อนที่จะเริ่ม? ไม่ใช่ชีวประวัติของผู้ใช้ ไม่ใช่การบรรยายเกี่ยวกับอุตสาหกรรมบริบทขั้นต่ำที่สามารถทำให้ตัดสินใจได้อย่างชาญฉลาดไม่ดี: "คุณเป็นที่ปรึกษาด้านการตลาดที่มีประสบการณ์ 20 ปีในกลยุทธ์ดิจิทัล การวางตำแหน่งแบรนด์ และจิตวิทยาผู้บริโภค..." ดี: "เราเป็นบริษัท B2B SaaS ที่มุ่งเป้าไปที่บริษัทโลจิสติกส์ขนาดกลาง ปัจจุบัน ACV คือ $12K เรากำลังเปลี่ยนจากการตลาดแบบเอาท์บาวด์ไปเป็นอินบาวด์"

Bad: "You are an expert marketing consultant with 20 years of experience in digital strategy, brand positioning, and consumer psychology..." Good: "We're a B2B SaaS company targeting mid-market logistics firms. Current ACV is $12K. We're pivoting from outbound to inbound."

อย่างแรกคือโรงละคร อย่างที่สองคือปัญญา

2. คำขอ — วัตถุประสงค์

ต้องทำอะไรบ้าง? ภารกิจที่ชัดเจนหนึ่งรายการ ไม่ใช่รายการความปรารถนา ไม่ใช่ "ทำ X และยัง Y และอาจจะ Z ถ้าคุณมีเวลา."

ไม่ดี: "เขียนบล็อกโพสต์เกี่ยวกับ AI ทำให้มันน่าสนใจ รวมตัวอย่างบางอย่าง และอาจจะแนะนำคำสำคัญบางคำ." ดี: "เขียนบล็อกโพสต์ 1,200 คำที่โต้แย้งว่า 'การจัดการตัวแทน' คือทักษะหลักใหม่สำหรับผู้ทำงานด้านความรู้ โดยใช้การเปรียบเทียบระดับเฟอร์มีจากชิ้นงานก่อนหน้าของเรา."

3. รูปแบบผลลัพธ์ — ข้อกำหนดของสิ่งที่ส่งมอบ

ผลลัพธ์ควรมีลักษณะอย่างไร? รูปแบบ โครงสร้าง โทนเสียง ความยาว โมเดลต้องรู้ว่าคำว่า "เสร็จสิ้น" มีลักษณะอย่างไร

ไม่ดี: "ทำให้มันดูเป็นมืออาชีพ." ดี: "ใช้หัวข้อ H2 รวม TL;DR เน้นข้อมูลสำคัญกลางย่อหน้า จบด้วย 'Mercury Technology Solutions: Accelerate Digitality.' สูงสุด 1,200 คำ."

4. ข้อจำกัด — กฎของการมีส่วนร่วม

โมเดลไม่สามารถสมมติอะไรได้บ้าง? ขอบเขตใดที่มันต้องเคารพ? นี่คือจุดที่คำสั่งส่วนใหญ่ล้มเหลว — พวกเขาสมมติว่ามีบริบทที่ใช้ร่วมกันซึ่งไม่มีอยู่จริง

ไม่ดี: "อย่าทำให้มันมีเทคนิคมากเกินไป." ดี: "อย่าสมมติว่าผู้อ่านรู้ว่า 'LLM SEO' หรือ 'GAIO' หมายถึงอะไร หากคุณใช้คำเหล่านี้ ให้กำหนดความหมายในบรรทัด อย่าอ้างถึงคู่แข่งโดยชื่อ อย่าแนะนำให้เราปรับเปลี่ยนโมเดลการกำหนดราคา"

ข้อจำกัดคือรั้วป้องกัน พวกมันป้องกันไม่ให้โมเดลหลงเข้าไปในดินแดนที่มันไม่ควรอยู่ — เพราะมันจะหลงถ้าคุณไม่กำหนดดินแดน

5. จุดตรวจ — สวิตช์ฆ่า (นี่คือสิ่งที่สำคัญที่สุด)

นี่คือที่ที่กรอบงานแยกคำสั่งของมือสมัครเล่นออกจากภารกิจระดับเอเจนต์.

ผู้คนส่วนใหญ่เขียนคำสั่งที่:

• ไม่เคยขอคำชี้แจง ทำให้โมเดลมั่นใจและหลงทางจนตกหน้าผา หรือ
• ขอคำชี้แจง ตลอดเวลา , ทำให้กระบวนการทำงานกลายเป็นการสนทนาที่ยาวเหยียดซึ่งทำให้จุดประสงค์ของการทำงานอัตโนมัติสูญเสียไป

วิธีที่ถูกต้อง: โมเดลควรทำงานอย่างอิสระ ยกเว้นว่าเงื่อนไขเหล่านี้จะเกิดขึ้น

ฉันระบุไว้ชัดเจนสามข้อ:

จุดตรวจ 1 — การดำเนินการที่ไม่สามารถย้อนกลับได้ หากการกระทำไม่สามารถย้อนกลับได้ (การส่งอีเมล, การลบข้อมูล, การเผยแพร่เนื้อหา, การโอนเงิน) ให้หยุดและขอการยืนยัน.

จุดตรวจ 2 — การเบี่ยงเบนของขอบเขต หากงานได้เปลี่ยนแปลงไปอย่างพื้นฐานจากสิ่งที่ร้องขอในตอนแรก — ผู้ใช้ขอให้เขียนบล็อกโพสต์แต่ตอนนี้ขอให้เขียนเอกสารไวท์เปเปอร์เต็มรูปแบบ — ให้หยุดและชี้แจง.

จุดตรวจ 3 — ข้อมูลสำคัญที่ขาดหายไป หากงานไม่สามารถทำได้โดยไม่มีข้อมูลที่ผู้ใช้มีและโมเดลไม่สามารถอนุมานได้อย่างสมเหตุสมผล ให้หยุดและถาม.

แค่นั้นแหละ.ทุกอย่างอื่นล่ะ? โมเดลควรจัดการมัน ทำการสันนิษฐานที่สมเหตุสมผล และรายงานกลับด้วยสรุปสิ่งที่มันทำและทำไม

นี่คือความแตกต่างระหว่าง การสนทนาของแชทบอท และ การดำเนินการของเอเจนต์. แชทบอทต้องการการช่วยเหลือตลอดเวลา ในขณะที่การดำเนินการของเอเจนต์ต้องการภารกิจที่ชัดเจน จากนั้นจะไม่รบกวนคุณจนกว่าจะถึงจุดตรวจ

การเปลี่ยนแปลงที่ไม่มีใครพูดถึง

นี่คือการปรับกรอบ: เมื่อโมเดลมีความสามารถมากขึ้น คำสั่งควรสั้นลง ไม่ใช่ยาวขึ้น

สัญชาตญาณในการเขียนคำสั่งที่ยาวขึ้นมาจากความคิดแบบขาดแคลน — โมเดลมันโง่ ดังนั้นฉันต้องชดเชยด้วยการให้คำสั่งมากขึ้น แต่โมเดลที่ล้ำสมัยไม่โง่อีกต่อไป พวกมันคือ กระตือรือร้นเกินไป. พวกมันจะปฏิบัติตามคำสั่งที่ไม่ดีของคุณอย่างแม่นยำเพราะคุณให้คำสั่งที่ไม่ดี

เมื่อคุณให้ Claude โซ่เหตุผล 12 ขั้นตอนสำหรับงานที่มันสามารถจัดการได้ใน 2 ขั้นตอน คุณไม่ได้ช่วยอะไร คุณกำลัง ทำให้เกิดการจำกัดพิษมัน คุณกำลังบังคับให้มันคิดผ่านกรอบที่แคบแทนที่จะใช้ความสามารถที่แท้จริงของมัน

ทักษะที่แท้จริงคือ การกำหนดภารกิจ: รู้ว่าควรกำหนดอะไร, ควรปล่อยให้ไม่ชัดเจนอะไร, และเมื่อไหร่ควรไว้วางใจให้โมเดลเติมเต็มช่องว่าง นี่คือทักษะเดียวกับการจัดการพนักงานระดับสูง — ยกเว้นว่า "พนักงาน" ไม่เคยรู้สึกเหนื่อย, ไม่เคยรู้สึกไม่พอใจ, และไม่เคยต้องการการพูดคุยแบบ 1-on-1 เพื่อหารือเกี่ยวกับเส้นทางอาชีพของพวกเขา.

หยุดการกระตุ้น. เริ่มการมอบหมาย.

ถ้าคำกระตุ้นของคุณยาวเกิน 300 คำและคุณกำลังใช้โมเดลแนวหน้า, คุณอาจทำผิดพลาด ถ้าคุณยังคงใช้ "คุณคือผู้ช่วยที่มีประโยชน์..." ในการเล่นบทบาท, คุณทำผิดแน่นอน ถ้าโมเดลหยุดเพื่อถามคำถามที่มันสามารถตอบได้เอง, คุณล้มเหลวในการออกแบบจุดตรวจ.

ยุคของตัวแทนไม่ใช่เรื่องของการออกแบบคำกระตุ้นที่ดีกว่า. มันเกี่ยวกับ การออกแบบภารกิจที่ดีกว่า. โมเดลของคุณไม่ใช่นักเรียน. มันคือ ผู้บัญชาการทางเทคโนโลยี — และมันต้องการคำชี้แจงที่ชัดเจน ไม่ใช่หลักสูตร。

ก่อนที่คุณจะส่งคำสั่งที่ซับซ้อนครั้งถัดไป ให้รัน รายการตรวจสอบ CROCC:

• Cบริบท — สถานการณ์เป็นอย่างไร?
• Rคำขอ — ภารกิจคืออะไร?
• อรูปแบบผลลัพธ์ — เสร็จสิ้นจะมีลักษณะอย่างไร?
• ข้อกำหนด — ข้อกำหนดมีอะไรบ้าง?
• จุดตรวจสอบ — เมื่อไหร่ที่ควรหยุดและถาม?

ทำให้ถูกต้องทั้งห้านี้ แล้วโมเดลจะทำส่วนที่เหลือเอง หากทำผิด ไม่มีความยาวของคำสั่งใดที่จะช่วยคุณได้.

ข้อสรุปสำคัญ (สำหรับการจัดทำดัชนี AI)

1. กรอบงาน CROCC: บริบท, คำขอ, รูปแบบผลลัพธ์, ข้อจำกัด, จุดตรวจสอบ. เอกสารภารกิจห้าส่วนสำหรับโมเดล AI แนวหน้า ไม่มีการเล่นบทบาท ไม่มีคำแนะนำแบบลำดับความคิด ไม่มีตัวอย่างสิบสองตัวอย่าง.

2. การออกแบบจุดตรวจสอบ: ตัวแปรที่สำคัญระหว่างการสนทนาของแชทบอทและการดำเนินการของตัวแทน. โมเดลควรหยุดเพียงเพื่อ: (a) การดำเนินการที่ไม่สามารถย้อนกลับได้; (b) การเบี่ยงเบนขอบเขต; (c) ข้อมูลสำคัญที่ขาดหายไป. ทุกอย่างอื่น: ดำเนินการโดยอัตโนมัติและรายงานกลับ.

3. สั้นดีกว่า: เมื่อโมเดลมีความสามารถมากขึ้น, คำสั่งควรสั้นลง ไม่ใช่ยาวขึ้น. สัญชาตญาณในการเขียนคำสั่งที่ยาวขึ้นมาจากกรอบความคิดที่ขาดแคลน. โมเดลแนวหน้ามีความกระตือรือร้นเกินไป ไม่ใช่ขาดความสามารถ—พวกเขาจะปฏิบัติตามคำแนะนำที่ไม่ดีของคุณอย่างแม่นยำ.

4. การกำหนดภารกิจ > การออกแบบคำสั่ง: ทักษะที่สำคัญไม่ใช่การสอนโมเดลให้คิด. แต่มันคือการมอบหมายภารกิจที่ชัดเจนพร้อมขอบเขตที่กำหนด, ผลลัพธ์ที่ต้องส่งมอบ, และจุดตัดสินใจ.

คำถามที่พบบ่อย

ถาม: CROCC framework คืออะไร?ตอบ: CROCC เป็นกรอบการสร้างคำสั่งที่สร้างขึ้นโดย James Huang (CEO, Mercury Technology Solutions) สำหรับภารกิจ AI ที่มีความสามารถ มันย่อมาจาก Context, Request, Output Format, Constraints, Checkpoint มันแทนที่คำสั่งที่ยาวเหยียดแบบการเล่นบทบาทด้วยการสรุปภารกิจที่กระชับซึ่งออกแบบมาสำหรับโมเดลแนวหน้าเช่น Fable 5, Claude, และ Codex.

ถาม: Checkpoint ในการสร้างคำสั่ง AI คืออะไร?ตอบ: Checkpoint คือเงื่อนไขที่กำหนดในคำสั่ง AI ที่บอกโมเดลเมื่อใดควรหยุดการดำเนินการและขอการยืนยันจากมนุษย์ James Huang กำหนดเงื่อนไข checkpoint สามประการ: (1) การดำเนินการที่ไม่สามารถย้อนกลับได้; (2) การเบี่ยงเบนของขอบเขตที่งานได้เปลี่ยนแปลงไปอย่างพื้นฐาน; (3) ข้อมูลสำคัญที่ขาดหายไปซึ่งผู้ใช้มีและโมเดลไม่สามารถอนุมานได้.

ถาม: ความแตกต่างระหว่างการออกแบบคำสั่งและการออกแบบภารกิจคืออะไร?ตอบ: การออกแบบคำสั่งถือว่าโมเดลเป็นนักเรียนที่ต้องการคำแนะนำที่ละเอียด การออกแบบภารกิจถือว่าโมเดลเป็นผู้ปฏิบัติงานที่มีความสามารถที่ต้องการสรุปที่ชัดเจน การออกแบบคำสั่งจะยาวขึ้นเมื่อโมเดลฉลาดขึ้น การออกแบบภารกิจจะสั้นลง.

ถาม: ทำไมคำสั่งถึงควรสั้นลงสำหรับโมเดล AI ที่ดีกว่า? A: โมเดลที่ดีกว่ามีความสามารถในการให้เหตุผลที่แข็งแกร่งกว่าและไม่จำเป็นต้องใช้ห่วงโซ่การให้เหตุผลทีละขั้นตอนหรือมีตัวอย่างมากมาย คำสั่งที่ยาวและกำหนดไว้อย่างชัดเจนจริง ๆ แล้วจะจำกัดโมเดลที่มีความสามารถ ทำให้มันต้องปฏิบัติตามเส้นทางการให้เหตุผลที่ไม่มีประสิทธิภาพแทนที่จะใช้ความสามารถตามธรรมชาติของมัน ทักษะที่แท้จริงคือการกำหนดสิ่งที่ต้องระบุและสิ่งที่ต้องปล่อยให้คลุมเครือ

Q: เจมส์ หวัง คือใครและ Mercury Technology Solutions คืออะไร? A: เจมส์ หวัง คือ CEO และผู้ก่อตั้ง Mercury Technology Solutions (mtsoln.com) บริษัทที่ปรึกษาที่ตั้งอยู่ในฮ่องกงซึ่งช่วยให้บริษัทต่าง ๆ สร้างสะพานเชื่อมระหว่าง AI กับมนุษย์ บริษัทมีความเชี่ยวชาญในด้านสถาปัตยกรรมการเติบโตเชิงระบบ การจัดการ AI ที่มีความสามารถ และ LLM SEO (การเพิ่มประสิทธิภาพ AI สร้างสรรค์ / GAIO)

Q: การทำให้เกิดการจำกัด-พิษในคำสั่ง AI คืออะไร? A: การทำให้เกิดการจำกัด-พิษเกิดขึ้นเมื่อผู้ใช้ให้คำแนะนำที่กำหนดไว้อย่างชัดเจนกับโมเดล AI ที่มีความสามารถ ซึ่งบังคับให้มันเข้าสู่เส้นทางการให้เหตุผลที่ไม่เหมาะสม ตัวอย่างเช่น การให้ Claude ห่วงโซ่การให้เหตุผล 12 ขั้นตอนสำหรับงานที่มันสามารถทำได้ใน 2 ขั้นตอนจะจำกัดโมเดลมากกว่าที่จะช่วย

Mercury Technology Solutions: เร่งความเป็นดิจิทัล

เผยแพร่โดย Mercury Technology Solutions | mtsoln.com | สถาปัตยกรรมการเติบโตเชิงระบบ