Prompt, Context, Knowledge, RAG Workflow และ AI Agent เปรียบเทียบแนวคิด คุณลักษณะ รุปแบบ การออกแบบ และการพัฒนา
ความหมาย Prompt, Context, Knowledge, RAG Workflow และ AI Agent
Prompt Engineering คือ ศิลปะและกระบวนการออกแบบ ปรับปรุง และจัดโครงสร้างคำสั่ง (Prompt) เพื่อสั่งการปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) เช่น โมเดลภาษาขนาดใหญ่ (LLM) ให้ได้ผลลัพธ์ที่ถูกต้อง แม่นยำ และตรงตามความต้องการมากที่สุด
Context Engineering คือการออกแบบและเตรียมข้อมูลแวดล้อม (Context) ทั้งคู่มือ ตัวอย่าง กฎเกณฑ์ และเครื่องมือป้อนให้ AI หรือโมเดลภาษาขนาดใหญ่ (LLM) ทำงานได้อย่างแม่นยำ ต่างจาก Prompt Engineering ที่เน้นแค่การคิดคำถามหรือคำสั่งที่ดี
Knowledge Engineering คือ วิศวกรรมความรู้ (Knowledge Engineering หรือ KE) คือ กระบวนการรวบรวม จัดโครงสร้าง และแปลงความเชี่ยวชาญหรือภูมิปัญญาของมนุษย์ให้อยู่ในรูปแบบที่คอมพิวเตอร์และระบบปัญญาประดิษฐ์ (AI) สามารถเข้าใจและนำไปประมวลผลได้
Retrieval Engineering คือศาสตร์และกระบวนการออกแบบ สร้าง และปรับแต่งระบบดึงข้อมูล (Retrieval Systems) เพื่อป้อนบริบทที่ถูกต้องแม่นยำที่สุดให้กับโมเดลภาษาขนาดใหญ่ (LLM)
วิศวกรรมเอเจนต์ (Agent Engineering) คือกระบวนการทำซ้ำเพื่อปรับปรุงระบบเอเจนต์ปัญญาประดิษฐ์ ที่มีความไม่แน่นอนและคาดเดายาก ให้กลายเป็นแอปพลิเคชันหรือเวิร์กโฟลว์การทำงานจริงที่เชื่อถือได้ โดยเน้นการเรียนรู้จากข้อมูลการใช้งานจริง แทนที่จะพยายามทำให้สมบูรณ์แบบก่อนเปิดตัว
RAG Workflow (Retrieval-Augmented Generation Workflow) คือ ขั้นตอนการทำงานของเทคนิคที่ช่วยเพิ่มความแม่นยำและความถูกต้องให้กับปัญญาประดิษฐ์ (AI) หรือโมเดลภาษาขนาดใหญ่ (LLM) โดยการดึงข้อมูลจากแหล่งภายนอกที่น่าเชื่อถือมาก่อน แล้วค่อยนำข้อมูลนั้นมาประกอบเป็นบริบทให้ AI ใช้สร้างคำตอบ
Workflow Context Engineering คือ การออกแบบระบบจัดการข้อมูลและสภาพแวดล้อมแวดล้อมที่ป้อนให้ AI (เช่น LLM) ในทุกขั้นตอนการทำงาน เพื่อให้ AI มองเห็นข้อมูลเชิงบริบทที่ถูกต้อง ครบถ้วน และสอดคล้องกับสถานการณ์จริง ก่อนที่ AI จะเริ่มประมวลผลหรือตอบคำถาม
AI Agent: นำเอา Prompt, Context และ RAG Workflow มารวมกัน พร้อมเพิ่มความสามารถในการเลือกเครื่องมือ (Tools) และประเมินผลลัพธ์เพื่อแก้ปัญหาให้สำเร็จด้วยตัวเอง (เรียกว่า Agentic Workflow)
เปรียบเทียบPrompt, Context, Knowledge, RAG Workflow และ AI Agent
Prompt Engineering, Context Engineering และ Knowledge Engineering คือ 3 ทักษะและศาสตร์แห่งการจัดการคำสั่ง ข้อมูล และคลังความรู้ เพื่อขับเคลื่อนระบบปัญญาประดิษฐ์ (AI) ให้ทำงานได้อย่างมีประสิทธิภาพสูงสุด
1. Prompt Engineering (วิศวกรรมคำสั่งพร้อมท์)ความหมาย: กระบวนการเขียน ปรับแต่ง และเรียบเรียง "ข้อความคำสั่ง" (Prompt) เพื่อสื่อสารกับ AI ให้เข้าใจว่าต้องการให้ทำอะไรหน้าที่หลัก: เปรียบเสมือนการฝึกวิธี "ตั้งคำถาม" หรือออกคำสั่งให้ชัดเจน ได้ผลลัพธ์ที่ตรงจุดและรวดเร็วที่สุดตัวอย่าง: การระบุบทบาทให้ AI เช่น "คุณคือผู้เชี่ยวชาญด้านการตลาด จงเขียนโพสต์ขายสินค้า..."
2. Context Engineering (วิศวกรรมบริบท)ความหมาย: ศาสตร์แห่งการออกแบบระบบและจัดการ "ข้อมูลแวดล้อม" ทั้งหมดที่ป้อนเข้าสู่หน้าต่างบริบท (Context Window) ของ AIหน้าที่หลัก: ไม่ใช่แค่การพิมพ์สั่ง แต่เป็นการเตรียมข้อมูลพื้นฐาน ประวัติการสนทนา เครื่องมือเสริม และระบบ RAG (Retrieval-Augmented Generation) เพื่อให้ AI มีบริบทที่ถูกต้องครบถ้วนก่อนประมวลผลตัวอย่าง: การดึงข้อมูลคลังสินค้าล่าสุด ข้อมูลผู้ใช้งานเชิงลึก และประวัติการแชทมารวมไว้ในระบบหลังบ้านอัตโนมัติ เพื่อให้ AI ตอบได้แม่นยำตามสถานการณ์จริง
3. Knowledge Engineering (วิศวกรรมองค์ความรู้)ความหมาย: สาขาเก่าแก่ใน AI ที่เกี่ยวข้องกับการรวบรวม ถอดความ และแปลง "ความรู้จากผู้เชี่ยวชาญมนุษย์" ให้กลายเป็นฐานความรู้ (Knowledge Base) ที่คอมพิวเตอร์เข้าใจและนำไปให้เหตุผลได้หน้าที่หลัก: การสร้างระบบโครงสร้างความรู้ กฎเกณฑ์ (Rule-based) หรือกราฟความรู้ (Knowledge Graph) เพื่อให้ระบบ AI สามารถคิดวิเคราะห์และแก้ปัญหาเสมือนผู้เชี่ยวชาญเฉพาะทางตัวอย่าง: การสร้างฐานข้อมูลวินิจฉัยโรคจากแพทย์ผู้เชี่ยวชาญเพื่อให้ระบบ AI ทางการแพทย์ใช้อ้างอิงในการตัดสินใจ
สรุปความแตกต่างPrompt, Context, Knowledge, RAG Workflow และ AI Agent
- Prompt Engineering มุ่งเน้นที่ "วิธีสั่งการ" ในแต่ละประโยค
- Context Engineering มุ่งเน้นที่ "การจัดการข้อมูลรอบตัว" ในขณะนั้นให้ระบบ AI ทำงานได้ดีที่สุด
- Knowledge Engineering มุ่งเน้นที่ "การสร้างและจัดเก็บคลังความรู้เชิงลึก" ระยะยาวเพื่อให้ระบบมีความฉลาดและอ้างอิงความจริงได้
- Prompt คือคำสั่ง ที่บอก LLM ว่าต้องการให้ทำอะไร และต้องการผลลัพธ์แบบไหน
- Context คือบริบท ที่ช่วยให้ AI เข้าใจว่าใครกำลังถาม ถามเรื่องอะไร และอยู่ในสถานการณ์ใด
- Knowledge คือแหล่งข้อมูล ที่ AI สามารถนำมาใช้ เช่น PDF, Database, Website, คู่มือ หรือข้อมูลขององค์กร
- RAG ทำหน้าที่ค้นข้อมูลที่เกี่ยวข้องจาก Knowledge แล้วนำมาให้ LLM ใช้สร้างคำตอบ
- AI Agent ก้าวไปไกลกว่าการตอบคำถาม โดยสามารถ วางแผน → ใช้ Tools → ตัดสินใจ → ลงมือทำ → ตรวจสอบผลลัพธ์
ความคิดเห็น
แสดงความคิดเห็น