Block 2 - Prompt Engineering

Block 2: Prompt Engineering

10:45 - 12:15 90 นาที 3 Quests

🎯 ผลลัพธ์การเรียนรู้

เมื่อจบ block นี้ คุณจะสามารถ:

• เข้าใจหลักการของ Prompt Engineering
• เขียน prompt ที่มีประสิทธิภาพสำหรับ code generation
• ใช้ multi-step prompting สำหรับ tasks ที่ซับซ้อน
• สร้าง domain-specific prompts

---

📖 Concept: Prompt Engineering (30 นาที)

Prompt Engineering คืออะไร?

Prompt Engineering คือศิลปะการสื่อสารกับ AI อย่างมีประสิทธิภาพเพื่อให้ได้ผลลัพธ์ตามต้องการ

ทำไมคุณภาพ Prompt สำคัญ?

Bad Prompt: "Make a function"
Good Prompt: "Create a JavaScript function called calculateDiscount that takes:
- price (number, required)
- discountPercent (number, 0-100, required)
- memberType ('gold' | 'silver' | 'bronze', optional, default: 'bronze')

Rules:
- Gold members get extra 10% off
- Discount cannot exceed 100%
- Return { originalPrice, discountAmount, finalPrice }
- Throw error for invalid inputs"

โครงสร้างของ Prompt ที่ดี

1. Clear Objective

บอก AI ชัดเจนว่าจะสร้างอะไร

2. Input Specification

กำหนด parameters ทั้งหมดพร้อม types

3. Output Format

ระบุโครงสร้าง return

4. Constraints

ระบุ rules และ limitations

Prompt Patterns

Pattern 1: Role-Task-Format

Act as a [ROLE]
[TASK]
Output in [FORMAT]

Pattern 2: Few-Shot Examples

นี่คือตัวอย่างที่ฉันต้องการ:
Input: [ตัวอย่าง]
Output: [ตัวอย่าง]

ทำแบบเดียวกันสำหรับ:
Input: [input ของคุณ]

Pattern 3: Chain of Thought

คิดทีละ step:
1. ก่อน, [step 1]
2. แล้ว, [step 2]
3. สุดท้าย, [step 3]

ความผิดพลาดที่พบบ่อย

ความผิดพลาด	ทำไมถึงล้มเหลว	แก้ไข
ค่อนข้าง vague	AI เดาผิด	ระบุ inputs/outputs ให้ชัดเจน
ไม่มีตัวอย่าง	ไม่มีจุดอ้างอิง	ใส่ตัวอย่าง 1-2 ตัว
ไม่มี constraints	พฤติกรรมไม่คาดคิด	ระบุ rules ทั้งหมด
ขอบเขตผิด	ทำมากเกินไป	แบ่งเป็น tasks เล็กๆ

---

🛠️ เทคนิคขั้นสูง

Multi-Step Prompting

สำหรับ tasks ที่ซับซ้อน แบ่งเป็น steps:

Step 1: ออกแบบ data model
Step 2: สร้าง API endpoints
Step 3: เพิ่ม validation
Step 4: เขียน tests

Domain-Specific Prompting

เพิ่ม context เกี่ยวกับ domain:

For a healthcare application (HIPAA compliant):
- Patient data must be encrypted
- Audit logs required for all access
- Session timeout: 15 minutes

Iterative Refinement

Iteration 1: Basic implementation
Iteration 2: Add error handling
Iteration 3: Optimize performance
Iteration 4: Add documentation

---

💰 การจัดการต้นทุน Token

เข้าใจเศรษฐี Token

AI คิดค่าต่อ token (หน่วยข้อความที่ model อ่าน/สร้าง) — prompt และ output ยาวขึ้น ต้นทุนสูงขึ้น การเข้าใจสิ่งที่คิดตังแพงกว่าช่วยควบคุมงบประมาณ

ราคาตัวอย่าง (ต่อ 1M tokens):

Model	Input	Output	เมื่อไหร่ควรใช้
GPT-4o	$2.50	$10.00	Complex tasks, code generation
GPT-4o-mini	$0.15	$0.60	Simple tasks, classification
Claude 3.5 Sonnet	$3.00	$15.00	Complex tasks, analysis
Claude 3.5 Haiku	$0.25	$1.25	Routine tasks, drafts

ปัจจัยที่ส่งผลต่อต้นทุน:

• Input tokens — prompt + context ที่ส่งเข้าไป
• Output tokens — response ที่ model สร้าง (มักแพงกว่า)
• Model size — ใหญ่ขึ้น = แพงขึ้น

เลือก Model: ต้นทุน vs คุณภาพ

Task	แนะนำ	เหตุผล
Simple classification	Haiku/Mini	เร็ว, ถูก, พอใช้
Code generation	Sonnet/GPT-4o	สมดุล คุณภาพ/ต้นทุน
Complex reasoning	Opus/GPT-4	คุณภาพสูงเมื่อต้องการ
Drafting text	Haiku/Mini	Iterate เร็ว, ต้นทุนต่ำ

กลยุทธ์ลดต้นทุน

1. Prompt Efficiency

• ลบ context ที่ไม่เกี่ยวข้อง
• เขียน instructions แบบกระชับ
• ใช้ caching สำหรับ prefixes ที่ซ้ำ

2. Model Routing

• Simple tasks → model เล็ก
• Complex tasks → model ใหญ่
• A/B test คุณภาพ vs ต้นทุน

3. Token Budgeting

• กำหนด max tokens ต่อ request
• ติดตามการใช้งานต่อ user/project
• แจ้งเตือนเมื่อเกินงบ

4. Caching

• Cache requests ที่เหมือนกัน
• ใช้ semantic similarity สำหรับ requests ใกล้เคียง
• Invalidate เมื่ออัปเดต models

---

🎮 Code Quests

🟢 Quest 2.1: Fix the Vague Prompt

เป้าหมาย: เขียน prompt พร้อม constraints ครบถ้วน จากนั้นสร้าง createUser

1. Download quest files:

   npx degit Poom5741/ai-sdlc-course/quests/block-2-prompt-engineering/quest-04-fix-prompt my-quest
   cd my-quest

2. วิเคราะห์ bad prompt ใน problem.js — “Make a function that handles users”

3. เขียน prompt ที่ดีขึ้น พร้อม constraints ครบ (input shape, email format, empty/null handling, success/error return shape) จากนั้นใช้ AI สร้าง

4. ตรวจสอบ:

   node test.js

ส่งมอบ: createUser ผ่าน constraints ทั้งหมด (handles / null / invalid email) + prompt ที่ปรับปรุงแล้ว

---

🟡 Quest 2.2: Multi-Step Prompting

เป้าหมาย: สร้าง URL validator แบบสองชั้น (core + edge) ด้วยสอง prompts

1. Download quest files:

   npx degit Poom5741/ai-sdlc-course/quests/block-2-prompt-engineering/quest-05-multi-step my-quest
   cd my-quest

2. Step 1 prompt (core): “Write isValidUrl(url) returning true for well-formed http/https URLs with a host, false otherwise.” → implement → node test.js (Layer 1 ผ่าน)

3. Step 2 prompt (edge): “Now handle: empty, whitespace, javascript: scheme, no-protocol, https:// with no host → reject all.” → implement → node test.js (ทั้งหมดผ่าน)

ส่งมอบ: isValidUrl สองชั้น ผ่าน Layer 1 + Layer 2 edge cases

---

🔴 Quest 2.3: Domain-Specific Prompting

เป้าหมาย: Validate เบอร์โทรศัพท์ไทยและหมายเลขบัตรประชาชน โดยระบุ domain rules ใน prompt

1. Download quest files:

   npx degit Poom5741/ai-sdlc-course/quests/block-2-prompt-engineering/quest-06-domain-specific my-quest
   cd my-quest

2. อ่าน domain rules ใน problem.js (เบอร์โทร 10 หลัก prefix 06/08/09; บัตรประชาชน 13 หลักพร้อม checksum)

3. เขียน prompt รวม rules ทั้งสองชุด จากนั้นสร้าง isValidThaiPhone + isValidThaiId

4. ตรวจสอบ:

   node test.js

ส่งมอบ: Validators สองตัว ผ่าน Thai format edge cases (รวม checksum ที่ AI เดาไม่ได้)

---

✅ Block 2 Checklist

• เข้าใจโครงสร้าง prompt
• Quest 2.1 เสร็จแล้ว
• Quest 2.2 เสร็จแล้ว
• Quest 2.3 เสร็จแล้ว

---

🚀 Block ถัดไป

Block 3: Security → เรียนรู้การระบุและแก้ไขช่องโหว่ความปลอดภัยในโค้ดที่สร้างด้วย AI

ไป Block 3 →