เรามาถอดรหัส "คลังแสง" ที่ Google มอบให้ แล้วแปลงเป็น "แผนปฏิบัติการภาคสนาม" โดยใช้โครงสร้าง 5 ขั้นตอนของเรากันครับ
ก่อนเริ่ม
** เนื้อหานี้ก็เป็นอีกตัวอย่างหนึ่ง ที่เกี่ยวกับกิจกรรมการพัฒนาทักษะและแลกเปลี่ยนฝึกโมเดล Vertex AI, Gemini Google Work space เพราะภาระงานทุกวันนี้ 60% ไม่ว่างานแปล การค้นคว้า รวบรวม สรุปทุกวันนี้ผมแทบไม่ต้องรอผลลัพธ์และไม่ต้องลุ้นว่าจะได้เนื้อหาขยะมากน้อยเพียงผมจึงใช้ Gemini เสมอ พร้อมส่งออกมารวมไว้ที่ Web Blog นี้คือการเชื่อมโยงแบบรวมศูนย์ที่เป็นประโยชน์มาก และผมต้องเอาใจใส่กับรายละเอียดเนื้อหานี้ ด้วยการจัดเรียงปรับปรุงเล็กน้อยด้วยตัวเอง
** แนะนำอย่างเคร่งคัด อย่าปล่อยให้งานนั้นเสร็จหรือจบที่ AI เราควรทำด้านเอกสารไม่ควรให้ AI ทำทั้งหมดนะครับ) เพราะมันเป็นโมเดลที่ทรงพลังที่สุดของผมในเวลานี้ ตอนนี้คุณสามารถกระตุ้นโมเดลที่คุณเลือกด้วยการเสริมแรง เป้นกระบวนการสอบถาม ตรวจสอบสอบคำตอบอย่างมีความรับผิดชอบโปร่งใส ทวนย้อนหลังได้
หมายเหตุ เรากำลัง - การสร้างส่วนเสริมเพื่อปรับแต่งโมเดลภาษาธรรมชาติ ด้วยข้อมูลพื้นฐานและชุดข้อมูลบริบท (RAG)
เพื่อหาปัจจัยที่ดีที่สุดต่อผลลัพธ์ของชิ้นงาน จากคำสั่ง Prompt ที่ดีที่สุด ผู้อ่านจึงจะพบโครงสร้างหัวข้อต่อไปนี้ ในบทความ
รับรู้ > ไว้วางใจ > ใช้งานได้จริง > เข้าใจ > แรงจูงใจ
ภารกิจ: ติดตั้ง "ศูนย์บัญชาการอัจฉริยะ" ให้กับผู้ประกอบการ
(รับรู้) สมรภูมิและความท้าทาย
"อาจารย์ครับ ผมเห็นภาพที่ท่านส่งมาทั้งหมดแล้ว และผมเข้าใจทันทีว่าทำไมท่านถึงรู้สึกฮึกเหิมขนาดนี้ นี่ไม่ใช่แค่การอัปเดตซอฟต์แวร์ แต่นี่คือการที่ Google กำลังประกาศว่า 'เราได้สร้างอาวุธเปลี่ยนเกมสงครามธุรกิจเสร็จสมบูรณ์แล้ว'"
"แต่สมรภูมิของท่านคือ 'กาฬสินธุ์' คือผู้ประกอบการที่อาจจะยังเชื่อใน 'ลูกปืน' ที่เขามีอยู่ เชื่อใน 'สัญชาตญาณ' และ 'ประสบการณ์' แบบเดิมๆ การเดินเข้าไปบอกว่า 'ผมมีขีปนาวุธมาให้' เขาอาจจะมองว่าเราบ้าและถีบเราออกมาจริงๆ อย่างที่ท่านว่า... เพราะเขาไม่เห็น 'เป้าหมาย' ที่จะยิง และไม่เชื่อว่ามันจะใช้งานได้จริง"
(ไว้วางใจ) สรุปข่าวกรอง: ถอดรหัสคลังแสงของ Google
"นี่คือสิ่งที่ Google มอบให้เรา ไม่ใช่เครื่องมือ แต่เป็น ระบบนิเวศการรบที่ครบวงจร:"
-
หน่วยข่าวกรองและศูนย์บัญชาการ (ภาพ Gemini + BigQuery):
-
นี่คืออาวุธที่ทรงพลังที่สุด! Google ได้เอา 'มันสมอง' ที่เก่งที่สุดในโลก (Gemini) ไปฝังไว้ใน 'ห้องเก็บข้อมูล' (BigQuery) ของธุรกิจโดยตรง
-
แปลเป็นภาษาคน: จากเดิมที่เจ้าของธุรกิจต้องให้ลูกน้องทำรีพอร์ตยอดขายเป็นเดือนๆ ตอนนี้เขาสามารถ "พิมพ์ถามเป็นภาษาอีสาน" ลงไปในระบบได้เลยว่า "เฮ้ย! สินค้าตัวได๋มันขายดีแถวอำเภอเมือง แต่ขายบ่ดีแถวอำเภอสหัสขันธ์ บอกข่อยแน" แล้วระบบจะตอบกลับมาเป็นข้อมูลเชิงลึกทันที นี่คือการมี "ที่ปรึกษาอัจฉริยะ" นั่งอยู่ข้างๆ ตลอด 24 ชั่วโมง
-
หน่วยปฏิบัติการพิเศษอเนกประสงค์ (ภาพ Prompt Examples & Gemini API):
-
นี่คือ "หน่วยซีล" ของเราครับ Gemini API ไม่ได้ทำได้แค่เรื่องข้อมูล แต่มันเป็นเหมือนทหารที่ฝึกมาทุกหลักสูตร
-
แปลเป็นภาษาคน: ท่านสามารถสั่งมันได้ทุกอย่าง "ช่วยเขียนโพสต์ขายของลงเฟซบุ๊กให้หน่อย เอาแบบมัดใจคนกาฬสินธุ์," "ช่วยคิดชื่อร้านใหม่ให้หน่อย," "ช่วยร่างอีเมลทวงหนี้แบบสุภาพให้ที" มันคือการมีทีมการตลาด, ทีมครีเอทีฟ, และทีมธุรการที่เก่งที่สุดในคนๆ เดียว
-
หน่วยสื่อสารแบบเรียลไทม์ (Note เรื่อง Live API & WebSockets):
-
นี่คือส่วนที่ล้ำที่สุด มันคือ "วิทยุสื่อสารผ่านดาวเทียม" ที่คุยโต้ตอบได้ทันที ไม่มีดีเลย์
-
แปลเป็นภาษาคน: ลองจินตนาการ "แชทบอท" ที่ตอบลูกค้าหน้าร้านออนไลน์ได้ฉลาดเหมือนคนจริงๆ หรือระบบที่สามารถ "แปลภาษา" เวลาคุยกับลูกค้าต่างชาติได้แบบสดๆ นี่คือเทคโนโลยีที่จะสร้างประสบการณ์ลูกค้าที่เหนือกว่าคู่แข่งไปหลายขุม
-
เรื่อง Server-to-Server vs Client-to-Server: นี่คือการตัดสินใจทางยุทธวิธี ว่าเราจะให้ "ทหารหน้างาน" (เว็บ/แอปของลูกค้า) คุยกับ "ศูนย์บัญชาการ" (AI) โดยตรงเพื่อความเร็ว (Client-to-Server) หรือจะให้คุยผ่าน "ฐานที่มั่นของเรา" ก่อนเพื่อความปลอดภัยและควบคุมได้ (Server-to-Server) ซึ่งสำหรับงานจริงจัง เราต้องเลือกแบบที่สองเพื่อความปลอดภัยสูงสุดเสมอ
(ใช้งานได้จริง) แผนปฏิบัติการ: "หยอดด้วยน้ำผึ้ง จี้ด้วยความจริง"
ท่านถามว่าจะ "ทยอยหยอด" หรือ "เอามีดจี้คอ" คำตอบคือ "เราจะใช้ทั้งสองอย่าง แต่ในลำดับที่ถูกต้อง"
-
เปิดการสนทนา (หยอดด้วยน้ำผึ้ง): อย่าเริ่มด้วย AI เด็ดขาด! ให้เริ่มด้วย "ความเจ็บปวด" ของเขา
-
"พี่ครับ... ผมเห็นร้านพี่ลูกค้าเยอะ แต่ผมอยากรู้ว่าปัญหาที่มันกวนใจพี่ที่สุดตอนนี้คือเรื่องอะไรครับ? เรื่องสต็อกของ? เรื่องลูกน้อง? หรือเรื่องการตลาดที่ทำไปแล้ววัดผลไม่ได้?"
-
ฟังอย่างตั้งใจ... ให้เขาเล่าความเจ็บปวดของเขาออกมา
-
เชื่อมโยงสู่ทางออก (เริ่มชักมีด): เมื่อเขาบอกปัญหา ให้เชื่อมมาที่อาวุธของเรา
-
"ถ้าสมมติ... ผมบอกว่ามีวิธีที่ทำให้พี่รู้ได้เลยว่าสินค้าตัวไหนจะหมดสต็อกก่อนสิ้นเดือน โดยที่พี่ไม่ต้องมานั่งนับเอง พี่สนใจบ่ครับ?" (นี่คือการใช้ BigQuery+Gemini)
-
"ถ้าผมมีเครื่องมือที่ช่วยเขียนแคปชั่นขายของให้พี่ได้วันละ 10 แบบ โดยที่พี่ใช้เวลาแค่ 5 นาที พี่ว่ามันจะดีไหมครับ?" (นี่คือการใช้ Gemini API)
-
แสดงให้เห็น (เอามีดจี้คอด้วยของจริง): นี่คือขั้นตอนสังหาร!
-
"พี่ครับ ขอยืมมือถือแน" เปิด Google AI Studio หรือแอปที่ท่านเตรียมไว้ แล้วทำให้เขาดูสดๆ!
-
"ไหนพี่ลองบอกชื่อสินค้าพี่มาตัวนึง... เดี๋ยวผมจะให้ AI มันช่วยเขียนโพสต์ขายของให้ดูตอนนี้เลย"
-
เมื่อเขาเห็นผลลัพธ์ที่จับต้องได้กับตา... ความไม่เชื่อจะกลายเป็นความทึ่ง วินาทีนั้นแหละครับที่เขาจะยอมฟังเราทุกอย่าง
(เข้าใจ) เปลี่ยนมุมมองของเจ้าของธุรกิจ
"เป้าหมายสูงสุดของเรา ไม่ใช่การไปขาย 'AI' ครับ แต่คือการไป 'ปลดแอก' เขาออกจากงานจุกจิกที่เขาทำอยู่ทุกวัน เรากำลังจะเปลี่ยนบทบาทของเขาจาก 'กรรมกรในธุรกิจตัวเอง' ให้กลายเป็น 'ผู้บัญชาการ' ที่นั่งมองภาพรวมและตัดสินใจเรื่องใหญ่ๆ โดยมี AI เป็นเสนาธิการคู่ใจ"
(แรงจูงใจ) สู่บทสรุปของหน่วยรบพิเศษ
"อาจารย์จ๊อดครับ... คนจริงใจแบบนี้แหละครับ เป็นที่เคารพ 'ของจริง' เขาไม่เชื่อคำพูดสวยหรู แต่เขาเชื่อใน 'ผลลัพธ์' ที่เขาเห็นกับตา"
"ภารกิจของท่านไม่ใช่การไป 'ขายของ' แต่คือการไป 'เปิดตา' ให้เขาเห็นอาวุธที่เขามีสิทธิ์ใช้เพื่อเอาชนะคู่แข่งในสงครามที่ดุเดือดนี้ ท่านคือหน่วยรบพิเศษที่ไปส่งมอบเทคโนโลยีล้ำสมัยถึงหน้าประตูบ้านเขา จงภูมิใจในภารกิจนี้ และจำไว้ว่า 'ของจริง' ไม่เคยต้องกลัวการพิสูจน์ ครับ
New Project Chat !!
การสนทนาผ่านการแชท Gen AI
มีความเป็นไปไม่ได้ในการประมวลผลเพียงครั้งเดียวในการส่งข้อมูลบริบทไม่ว่าจะแบบสั้นหรือแบบยาวหรือแม้กระทั่งโครงสร้างที่ซับซ้อนข้อจำกัดคือต้นทุนหากคุณมีแอปหรือระบบแชทกับข้อมูลในรูปแบบ PDF จำนวน 10 ไฟล์และเอกสารการทำงานบางส่วนขององค์กรของคุณเพื่อทำงานกับเครื่องมือ Retrieval Augmented Generation (RAG) ที่มีความซับซ้อนมากยิ่งขึ้น
- ด้วยต้นทุนในการย้ายข้อมูลจากหน้าต่าง 1 ไปสู่อีกหน้าต่างหนึ่ง Token ที่ย้ายปัจจุบันคุณสามารถแอดไลน์ได้ถือเป็นการประหยัดไม่ต้องจ่ายเงินฟุ่มเฟือยรายชั่วโมงกรณีที่คุณทำระบบ แชท ด้านต่างๆ
- ควรพิจารณาเพิ่มเติมเกี่ยวกับคุณสมบัติโมเดล Gemini Flash ซึ่งมี ต้นทุนอินพุต / เอาต์พุตต่อ เช่น ~4x น้อยกว่ามาตรฐาน ต้นทุนอินพุต / เอาต์พุต
- ส่งผลให้ "แชท" พูดคุยสนทนาประหยัดมากยิ่งขึ้น ทั้งในแง่ความฉลาดที่ตอบโจทยฺ แก้ไขปัญหาให้ผู้ใช้ได้รวกเร็ว
- ลดการรับส่งข้อมูลที่มีบริบทต่างกันบ่อยครั้ง ผ่านหน้าต่าง (ต้นทุน) ระดับการพัฒนาจึงควรศึกษาการแคช
การสนทนาแบบหลายเทิร์น (Chat)
SDK ของเรามีฟังก์ชันในการรวบรวมข้อความแจ้งหลายรอบและ ตอบกลับในแชท ให้คุณติดตามการสนทนาได้ง่ายๆ ประวัติศาสตร์
หมายเหตุ: ฟังก์ชัน Chat จะใช้งานเป็นส่วนหนึ่งของ SDK เท่านั้นเบื้องหลัง ฉากยังคงใช้ API สําหรับหลายเลี้ยว การสนทนา ประวัติการสนทนาทั้งหมดจะถูกส่งไปยังโมเดลในแต่ละ ติดตามผล
// See https://developers.google.com/apps-script/guides/properties
// for instructions on how to set the API key.
const apiKey = PropertiesService.getScriptProperties().getProperty('GEMINI_API_KEY');
function main() {
const payload = {
contents: [
{
role: 'user',
parts: [
{ text: 'Hello' },
],
},
{
role: 'model',
parts: [
{ text: 'Great to meet you. What would you like to know?' },
],
},
{
role: 'user',
parts: [
{ text: 'I have two dogs in my house. How many paws are in my house?' },
],
},
],
};
const url = 'https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent';
const options = {
method: 'POST',
contentType: 'application/json',
headers: {
'x-goog-api-key': apiKey,
},
payload: JSON.stringify(payload)
};
const response = UrlFetchApp.fetch(url, options);
const data = JSON.parse(response);
const content = data['candidates'][0]['content']['parts'][0]['text'];
console.log(content);
}
ตําแหน่งที่ดีที่สุดในการใส่คิวรีของฉันในหน้าต่างบริบทอยู่ที่ใด
- ในกรณีส่วนใหญ่ โดยเฉพาะอย่างยิ่งหากบริบททั้งหมดยาว ประสิทธิภาพจะดีขึ้นหากคุณใส่คําถาม
- คําถามของคุณไว้ที่ส่วนท้ายของ พร้อมท์ (หลังจากบริบทอื่น ๆ ทั้งหมด)
ฉันจะสูญเสียประสิทธิภาพของแบบจําลองเมื่อฉันเพิ่มโทเค็นลงในคิวรีหรือไม่
- โดยทั่วไป หากคุณไม่ต้องการโทเค็นเพื่อส่งต่อไปยังโมเดล จะเป็นการดีที่สุดที่จะหลีกเลี่ยงการส่งผ่านอย่างไรก็ตาม
- หากคุณมีโทเค็นจํานวนมากที่มีข้อมูลและต้องการถามคําถามเกี่ยวกับข้อมูลนั้น โมเดลคือมีความสามารถสูงในการดึงข้อมูลนั้น (ความแม่นยําสูงถึง 99% ในหลาย ๆ กรณี)
ฉันจะลดค่าใช้จ่ายด้วยการค้นหาบริบทแบบยาวได้อย่างไร
- หากคุณมีชุดโทเค็น / บริบทที่คล้ายกันซึ่งคุณต้องการนํากลับมาใช้ใหม่
- หลายครั้งการแคชบริบทสามารถช่วยลดต้นทุนที่เกี่ยวข้องกับการถามคําถามเกี่ยวกับข้อมูลนั้น
ความยาวบริบทส่งผลต่อเวลาแฝงของโมเดลหรือไม่
- มีเวลาแฝงคงที่ในคําขอใดๆ โดยไม่คํานึงถึง
- แต่โดยทั่วไปแล้วการค้นหาที่ยาวกว่าจะมีเวลาแฝงสูงกว่า (เวลาก่อน โทเค็น)
