วิธีเขียนพรอมต์ Gemini 3 ให้ใช้งานได้นานแม้ต้องแก้ไข

ทำไมพรอมต์ Gemini 3 ส่วนใหญ่ถึงพังเมื่อต้องแก้ไขซ้ำ — และวิธีแก้

คนส่วนใหญ่เขียนพรอมต์เหมือนเขียนอีเมล: พิมพ์ส่งแล้วหวังว่าคงได้ผลดี กับ Gemini 3.1 Pro—โดยเฉพาะบน MidassAI Chat—นั่นคือสูตรสำเร็จของงานที่ต้องแก้ซ้ำ ไม่ใช่เพราะโมเดลไม่คงที่ แต่เพราะ พรอมต์ของคุณไม่ได้ถูกออกแบบมาให้ทนทานต่อการตรวจสอบ การแก้ไขไม่ใช่ความล้มเหลว—นั่นคือจุดที่งานจริงเกิดขึ้น และถ้าพรอมต์คุณพังเมื่อถามว่า "เดี๋ยว กรณีขอบเขต X ล่ะ?" หรือ "ช่วยย้อนกลับตรรกะนั้นได้ไหม?" คุณเสียเวลาเป็นชั่วโมง—not นาที

Gemini 3.1 Pro เก่งเรื่องความลึก: การให้เหตุผลบนเอกสาร 100K โทเคน, การแยกสถาปัตยกรรมหลายขั้นตอน, การตีความเฟรมวิดีโอตามเวลา, และการตรวจสอบข้ามแหล่งข้อมูล heterogenous แต่ไม่มีอะไรเกิดขึ้นจากคำสั่งลอยๆ อย่าง "อธิบายควอนตัมคอมพิวติ้ง" หรือ "ปรับปรุงโค้ดนี้" มันเกิดจาก ความตั้งใจที่มีโครงสร้าง—พรอมต์ที่ถูกออกแบบให้รอดวงจรการแก้ไขโดยการเข้ารหัสข้อจำกัด, โลจิกสำรอง, และเกณฑ์การตรวจสอบที่ชัดเจน ตั้งแต่ต้น

กลุ่มเป้าหมายนี้คือ:

นักเขียนเทคนิคที่แก้ไข whitepaper เทียบกับแหล่งข้อมูลใหม่
วิศวกร Backend ที่ตรวจสอบการตัดสินใจออกแบบ service mesh
นักวิจัยที่สังเคราะห์ไฟล์กำกับดูแล Across jurisdictions
หัวหน้าผลิตภัณฑ์ที่ stress-test สเปคฟีเจอร์ก่อนวางแผน sprint
นักวิเคราะห์วิดีโอที่ extract ความสัมพันธ์เชิงเวลา (เช่น "ที่ 2:14–2:27, การเคลื่อนไหวของ subject A เกิดก่อนหรือหลังคำพูดของ subject B?")

นี่ไม่ใช่เคสใช้งานทฤษฎี แต่เป็น workflow ที่เราทดสอบความทนทานบน MidassAI Chat กับผู้ใช้จริง—and จุดที่พรอมต์โครงสร้างแย่ๆ มักพังตั้งแต่ขั้นตอนแก้ไขที่สอง

สรุปประเด็นสำคัญ

หลักการสำคัญPrompt durability > initial output speed

เงื่อนไขการแก้ไข‘What if…?’ questions expose weak assumptions

ข้อได้เปรียบของ MidassAIStateful chat context preserves document + reasoning history across revisions

เทมเพลต 1: การดึงข้อมูลเอกสารยาวพร้อมยึดแหล่งที่มา

อย่าพูดว่า: "สรุปไฟล์ SEC 80 หน้านี้"

แต่ให้พูดว่า:

คุณคือนักวิเคราะห์ compliance กำลังตรวจสอบ Form 10-K สำหรับ Acme Corp (2024) ให้ดึงและ extract เฉพาะส่วนเปิดเผยข้อมูลที่เกี่ยวข้องกับปัจจัยเสี่ยงด้าน cybersecurity (Item 1C), เงื่อนไขการฟ้องร้อง (Item 3), และคำปฏิเสธความรับผิดชอบเกี่ยวกับแถลงการณ์ forward-looking (Item 7) สำหรับแต่ละข้อที่ดึงมา:

อ้างอิงคำเดิม (สูงสุด 45 คำ)

ระบุเลขหน้าและหัวข้อส่วนให้ชัดเจน

Flag ความขัดแย้งภายในใดๆ (เช่น "ความเสี่ยงคือ 'material' ในหน้า 22 แต่ 'immaterial' ในหน้า 41")

ห้ามแปลความ ห้ามอนุมาน ห้ามสรุปเกินกว่าการดึงข้อมูล

ทำไมมันจึงรอดเมื่อแก้ไข: การยึดติดกับหน้า/ส่วนบังคับความถูกต้อง การตรวจจับความขัดแย้งสร้างการตรวจสอบตนเอง—ดังนั้นเมื่อคุณถาม لاحقว่า "แสดงความขัดแย้งทั้งหมดที่ Flag ใน Section 3 ให้ดู" Gemini 3.1 Pro จะดึงมาทันทีเพราะถูกบันทึก ตั้งแต่ครั้งแรก ไม่ใช่มาอนุมานทีหลัง

ทดลองใช้ Gemini 3 บน MidassAI Chat

เทมเพลต 2: การทดสอบความทนทานของตรรกะสำหรับ Decision Trees

ใช้สิ่งนี้เมื่อตรวจสอบกฎธุรกิจ การบังคับใช้นโยบาย หรือ workflow มีเงื่อนไข:

คุณคือนักตรวจสอบระบบที่กำลังประเมินเครื่องยนต์อนุมัติสินเชื่อ จากสามอินพุตนี้:

Credit score ≥ 720 → อนุมัติอัตโนมัติ

Income ratio > 45% → ต้องการตรวจสอบด้วยมนุษย์

Past default ภายใน 24 เดือน → ปฏิเสธอัตโนมัติ

สร้างชุดค่าผสมอินพุตที่เป็นไปได้ ทั้งหมด (n=8) และสำหรับแต่ละชุด:

ระบุการตัดสินใจสุดท้าย

ติดตามเส้นทางกฎที่ใช้อัน exact (เช่น "Credit=730 → อนุมัติอัตโนมัติ; overrides income ratio=48%")

ระบุความขัดแย้งของกฎใดๆ (เช่น "Credit=690 AND default=yes → ทั้งปฏิเสธและตรวจสอบด้วยมนุษย์ถูกเรียกใช้")

เอาต์พุตเป็น CSV ที่มีคอลัมน์: credit_score, income_ratio_pct, past_default, decision, conflict_flag.

เทมเพลตนี้บังคับการแจกแจงอย่างละเอียด—not แค่ "เกิดอะไรขึ้นในกรณีปกติ" เมื่อคุณแก้ไข ("ถ้า income ratio คือ 44.9% ล่ะ?") Gemini 3.1 Pro ไม่เดา—มันคำนวณเมทริกซ์เต็ม ในบริบท ใหม่ โดยรักษาเอาต์พุตก่อนหน้าไว้เพื่อเปรียบเทียบเคียงข้าง

เทมเพลต 3: การแยกส่วนสถาปัตยกรรมโค้ด

ข้าม "ทำให้โค้ดนี้ดีขึ้น" แต่ให้ใช้:

คุณคือ senior backend architect กำลังตรวจสอบ Go microservice นี้ (attached: main.go, handlers/user.go, pkg/db/connection.go) สำหรับแต่ละไฟล์: -列出 exported types/functions ทั้งหมด

แผนที่การไหลของ dependency: ฟังก์ชันไหนเรียกฟังก์ชันไหน รวมถึงการเรียกข้าม package

ระบุจุด coupling Tight (เช่น handler instantiate DB connection โดยตรงแทนที่จะรับ interface)

เสนอการ refactoring หนึ่ง อย่างที่เป็นรูปธรรมต่อจุด coupling (เช่น "แยก db.Connection เป็น interface; inject ผ่าน constructor")

เอาต์พุตเป็น Mermaid graph code + รายการ bullet list ของการ refactoring

Gemini 3.1 Pro parses โครงสร้าง และ ความตั้งใจ—not แค่ syntax การแก้ไขกลายเป็นการผ่าตัด: "รันการแมป dependency ใหม่หลังจาก inject Redis client—user handler ยังพึ่งพา cache อยู่ไหม?" พรอมต์นิยาม "dependency" ไว้ชัดเจนแล้ว ดังนั้นคำตอบจึง deterministic

เทมเพลต 4: พรอมต์วิเคราะห์วิดีโอเชิงเวลา

สำหรับการให้เหตุผลระดับเฟรม (ต้องอัปโหลดวิดีโอขึ้น MidassAI Chat):

วิเคราะห์คลิปวิดีโอที่อัปโหลด (0:00–3:12, 30fps) ที่ timestamp 1:22–1:25 และ 2:08–2:11:

ระบุการเคลื่อนไหวของ subject หลัก (เช่น "ยกแขนซ้าย แล้วหยุด")

สหสัมพันธ์กับ peaks ของ audio waveform (ระบุ timestamp ระดับ ms)

กำหนดลำดับเชิงเวลา: การเคลื่อนไหว นำ, ตาม, หรือ ตรงกับ peak?

ถ้า lag > 120ms, flag ปัญหา sync ที่อาจเกิดขึ้น

เอาต์พุตตาราง: timestamp_range | motion_description | audio_peak_ms | delta_ms | sync_flag.

สิ่งนี้ได้ผลเพราะ Gemini 3.1 Pro ประมวลผลโทเคน multimodal ร่วมกัน การแก้ไขไม่ใช่ "คุณพลาดอะไรหรือเปล่า?"—แต่คือ "วิเคราะห์ 1:22–1:25 ใหม่โดยใช้ thresholds การเคลื่อนไหวที่ tighter (sub-pixel optical flow)" และโมเดลจะ execute โปรโตคอลเดิมใหม่ด้วยพารามิเตอร์ที่ปรับแล้ว

เทมเพลต 5–7: การวิจัย Triangulation, การสร้าง Edge-Case, และการแปลข้ามโดเมน

Research Triangulation: "เปรียบเทียบ FDA draft guidance (2024-05), EMA CHMP report (2023-11), และ WHO technical brief (2024-02) เกี่ยวกับ AI-enabled diagnostics สำหรับแต่ละกฎระเบียบ: extract นิยามของ 'clinical validation', ระบุประเภทหลักฐานที่ต้องการ, และสังเกตความแตกต่างใน thresholds ขนาดตัวอย่าง เอาต์พุตเป็น markdown table ที่มีคอลัมน์ 'Divergence severity (low/medium/high)'"
Edge-Case Generation: "จาก function signature Python นี้ def calculate_tax(income: float, state: str, dependents: int) -> float, สร้าง 12 test cases ครอบคลุม: income ติดลบ, state='XX' (ไม่ถูกต้อง), dependents=−1, income=inf, state='CA' พร้อม dependents=0, และอีก 7 เงื่อนไขขอบเขต สำหรับแต่ละข้อ ระบุพฤติกรรมที่คาดหวัง และ เหตุผลว่าทำไมจึงเป็น edge case ที่มีความหมาย"
Cross-Domain Translation: "แปล Kubernetes Helm chart README นี้ (attached) เป็น product spec ภาษาธรรมดาสำหรับ sales engineers ที่ไม่ใช่เทคนิค รักษา version constraints, resource limits, และ failure modes ทั้งหมด—but แทนที่ 'initContainer' ด้วย 'pre-start health check', 'tolerations' ด้วย 'deployment flexibility settings' ฯลฯ รวม glossary ที่แมปศัพท์เทคนิคเป็นศัพท์เทียบเท่าสำหรับฝ่ายขาย"

แต่ละอันฝัง ความพร้อมในการแก้ไข: ขอบเขตที่ชัดเจน, เกณฑ์ความสำเร็จที่ไร้ความกำกวม, และรูปแบบเอาต์พุตที่มีโครงสร้างที่เปิดใช้งานการตรวจสอบแบบ diff-based

พรอมต์ที่ทนทานต่อการแก้ไขของคุณเริ่มต้นตอนนี้

คุณไม่ต้องการพรอมต์ที่สมบูรณ์แบบในวันแรก คุณต้องการพรอมต์ที่ เรียนรู้ไปกับคุณ ทุกครั้งที่คุณถาม "ถ้า X เปลี่ยนล่ะ?" Gemini 3.1 Pro บน MidassAI Chat จะรักษา chain การให้เหตุผลเดิมไว้—ดังนั้นการแก้ไขไม่ใช่การเริ่มใหม่ แต่มันคือการ layering ความเข้าใจ

ลองสร้างหนึ่งในเทมเพลตเหล่านี้แบบ live อัปโหลด PDF 50 หน้า, วางโค้ดเบส 200 บรรทัด, หรือ drop คลิปวิดีโอ 90 วินาที แล้วถามคำถามแก้ไขแรกของคุณ: "แสดงให้ดูว่าสมมติฐานพังตรงไหน" นั่นคือตอนที่คุณจะเห็นความแตกต่างระหว่างพรอมต์ที่ได้ คำตอบ กับพรอมต์ที่ได้ พื้นฐานที่ใช้งานได้จริง

Try Gemini 3 on MidassAI Chat