# ทำไม Claude ถึงทำผิด: 3 พรอมป์ต์

> Claude เขียนสิ่งที่ผิดเพราะรีบลงมือเขียนโค้ดโดยไม่เข้าใจเจตนาของคุณ ฉันอธิบายสาเหตุและให้พรอมป์ต์พร้อมใช้ 3 แบบที่จะทำให้ Claude ถามคำถามก่อน

Source: https://ailoot.ai/blog/th/why-claude-does-the-wrong-thing/
Canonical: https://ailoot.ai/blog/th/why-claude-does-the-wrong-thing/
Language: th
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-201
Revision: sha256-5759db087af4b3ccdd907afcf152440793ac577b642dddabf70b2d7ff5546ac9


<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

Claude เขียนสิ่งที่ผิดเพราะรีบลงมือเขียนโค้ดและเติมสิ่งที่คิดว่าคุณต้องการเข้าไปเอง ซึ่งบ่อยครั้งก็เดาผิด ปัญหาแทบไม่เคยอยู่ที่โมเดล—แม้แต่โมเดลที่เก่งที่สุดก็ยังพลาดได้เมื่อโจทย์คลุมเครือ ฉันแก้เรื่องนี้ด้วยวิธีเดียว: ให้ Claude สัมภาษณ์ฉันก่อน เพื่อดึงเจตนาของฉันออกมา แล้วค่อยเขียน ต่อไปนี้คือพรอมป์ต์พร้อมใช้สามแบบที่คุณคัดลอกไปวางได้เลย

</div>

ดูข้อมูลเพิ่มเติมเกี่ยวกับการใช้บริการได้ที่[เอกสาร Ailoot](https://ailoot.ai/docs/)



## ทำไม Claude ถึงทำผิด?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

Claude ได้รับคำขอสั้นๆ แล้วเติมส่วนที่ขาดทันทีและรีบเขียนโค้ดตามเวอร์ชันของงานที่ตัวเองตีความขึ้นมา เวอร์ชันของมันกับของคุณไม่ตรงกัน นี่จึงเป็นเหตุให้คุณได้ diff ที่แตะไฟล์ 14 ไฟล์ ทั้งที่คาดว่าจะเปลี่ยนแค่บรรทัดเดียว สาเหตุคือช่องว่างระหว่างสิ่งที่คุณพูดกับสิ่งที่คุณคิดไว้ โมเดลแทบไม่เกี่ยวกับเรื่องนี้เลย

</div>

คุณเขียนว่า “เพิ่มตัวกรองในหน้าสินค้า” ในใจคุณหมายถึงช่องทำเครื่องหมายสองสามช่องกับรายการที่อัปเดตตามนั้น แต่ Claude ได้ยินประโยคเดียวกันแล้วตัดสินใจสร้างระบบกรองเต็มรูปแบบ ทั้งคลังเก็บสถานะของตัวเอง ตรรกะหน่วงเวลารับข้อมูลแยกต่างหาก การซิงก์ URL และฟังก์ชันช่วยอีกเป็นโหล ทั้งที่พารามิเตอร์ URL ไม่กี่ตัวก็เพียงพอแล้ว

ในกรณีแบบนี้ ข้อสรุปชัดเจน: เอเจนต์ไม่ได้ทำผิด แต่มันแก้ปัญหาที่ใหญ่เกินความจำเป็นมาก สาเหตุคือไม่ได้อธิบายผลลัพธ์ที่ต้องการให้สั้นและชัดเจนพอ

คำสำคัญคือ “เจตนา” คุณมีมันอยู่ในหัว แต่ Claude ไม่มี มันเห็นข้อความคำขอของคุณและทุกอย่างในบริบทที่มีอยู่ก่อนถึงคำขอนั้น จากนั้นก็เติมช่องว่างด้วยการคาดเดา ยิ่งคำขอสั้นเท่าไร มันก็ยิ่งเดามากขึ้นเท่านั้น—และผลลัพธ์ก็ยิ่งห่างจากสิ่งที่คุณต้องการ

Anthropic ระบุเรื่องนี้ไว้อย่างชัดเจนในเอกสาร Claude Code:

<figure>
<blockquote>
<p>หากคุณปล่อยให้ Claude กระโดดไปเขียนโค้ดทันที มันอาจแก้ปัญหาผิดข้อ</p>
</blockquote>
<figcaption>— เอกสาร Claude Code, https://code.claude.com/docs/en/best-practices</figcaption>
</figure>

ฉันเคยเจอเรื่องนี้ในโปรเจ็กต์ของตัวเอง ฉันขอให้แก้หน้าการอนุญาตเพียงหน้าเดียว แต่กลับได้ diff ที่กระทบโมดูลข้างเคียงไปครึ่งหนึ่ง Claude ไม่ได้ผิด: ฉันให้คำสั่งไปหนึ่งบรรทัด แล้วมันเติมส่วนที่เหลือเอง ตั้งแต่นั้นมา ฉันเริ่มงานทุกงานที่ใหญ่กว่าการแก้คำผิดด้วยคำถาม—คำถามที่ Claude ถามฉัน

## เป็นเพราะโมเดลจริงหรือ และทำไมแม้แต่โมเดลที่เก่งที่สุดก็ยังพลาด?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

โมเดลมีความสำคัญน้อยกว่าที่คนมักคิด เมื่องานคลุมเครือ แม้แต่โมเดลที่เก่งที่สุดก็ยังพลาด: มันได้รับคำสั่งที่ไม่สมบูรณ์เหมือนกันและเติมช่องว่างด้วยการคาดเดาของตัวเอง นักพัฒนาที่ควบคุมเอเจนต์ได้จะได้ผลลัพธ์เหมือนกัน ไม่ว่าจะใช้โมเดลระดับท็อปหรือโมเดลระดับกลาง ทุกอย่างขึ้นอยู่กับว่าคุณอธิบายสิ่งที่ต้องการได้ชัดเจนแค่ไหน พลังของโมเดลเป็นเรื่องรองในกรณีนี้

</div>

ทุกสัปดาห์มีโมเดลที่ “ฉลาดกว่า” ตัวก่อนออกมา และทุกครั้งก็รู้สึกเหมือนนี่แหละคือเวลาที่ AI จะเข้าใจเราได้จากคำไม่กี่คำเสียที แต่ไม่ใช่ โมเดลที่เก่งขึ้นเขียนโค้ดได้เร็วกว่าและจัดการตรรกะซับซ้อนได้ดีกว่า แต่ก็ยังอ่านใจคุณไม่ได้ หากกำหนดโจทย์ไม่ดี คุณจะได้บางอย่างที่เขียนได้สวยงามแต่ยังผิดอยู่ดี

ข้อสรุปสำหรับคุณนั้นเรียบง่าย การไล่ตามโมเดลใหม่ล่าสุดเพื่อให้มันเดาเก่งขึ้นเป็นทางตัน เรียนรู้วิธีมอบหมายงานให้มันโดยไม่ต้องเดานั้นถูกกว่าและเชื่อถือได้มากกว่า นั่นคือสิ่งที่จะพูดถึงต่อไป

## การซักถามคืออะไร และช่วยแก้ความไม่ตรงกันกับ AI ได้อย่างไร?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

การซักถามคือการให้ AI สัมภาษณ์คุณก่อนเริ่มทำงาน โดยมันจะถามรายละเอียดเกี่ยวกับงานจนกว่าคุณทั้งคู่จะเข้าใจตรงกัน จุดประสงค์คือปิดช่องว่างในการสื่อสารก่อนเริ่มเขียนโค้ดบรรทัดแรก

</div>

ฟังดูขัดกับสัญชาตญาณ เราหันมาใช้ AI เพื่อทำงานให้เร็วขึ้น แต่ตอนนี้กลับมีคนบอกให้ชะลอมันและให้ถามคำถามก่อน ทว่าการถามคำถามห้านาทีก่อนเขียนโค้ดอาจช่วยประหยัดเวลาแก้ไขงานได้หนึ่งชั่วโมงภายหลัง

ปัญหาไม่ได้มีแค่คุณอธิบายให้ Claude ฟังไม่ดีเท่านั้น บ่อยครั้งคุณเองก็ยังคิดเรื่องงานไม่รอบด้าน—ต้องคำนึงถึงกรณีใดบ้าง ขอบเขตอยู่ตรงไหน และอะไรสำคัญที่สุด การซักถามช่วยดึงสิ่งเหล่านี้ออกมาด้วยคำถาม เมื่อจบการสนทนา คุณจะได้ทั้งโจทย์ที่ AI เข้าใจ และโจทย์ของตัวคุณเองที่ในที่สุดก็แจกแจงไว้อย่างละเอียด

นี่คือวิธีทำงานของการออกแบบบริบท: งานหลักเกิดขึ้นก่อนพรอมป์ต์ ไม่ใช่ระหว่างเขียนพรอมป์ต์ คุณไม่ได้ตามหาถ้อยคำวิเศษสำหรับพรอมป์ต์ แต่กำลังแจกแจงสิ่งที่ต้องการจาก Claude ไว้ล่วงหน้า จนมันเข้าใจได้โดยไม่ต้องอธิบายเพิ่ม



## จะทำให้ Claude ถามคำถามคุณก่อนอย่างไร?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

ให้คำอธิบายงานสั้นๆ แก่ Claude และขออย่างชัดเจนให้มันสัมภาษณ์คุณก่อนเริ่มทำงาน ให้ถามเกี่ยวกับรายละเอียด กรณีขอบ และข้อจำกัด แล้วรวบรวมทุกอย่างเป็นไฟล์ข้อกำหนดเมื่อจบ นี่คือคำแนะนำอย่างเป็นทางการของ Anthropic—เอกสาร Claude Code มีแม่แบบพรอมป์ต์พร้อมใช้ให้ด้วย คัดลอกมา เปลี่ยนคำอธิบาย แล้ววางตอนเริ่มเซสชัน

</div>

Anthropic ไม่เพียงอนุญาตให้ใช้แนวทางนี้ แต่ยังแนะนำด้วย เอกสารมีหัวข้อชื่อ “ให้ Claude สัมภาษณ์คุณ” พร้อมพรอมป์ต์สำเร็จรูป นี่คือเวอร์ชันที่นำไปใช้ได้จริง:

<div class="section" data-semantic="prompt" aria-label="Prompt">

พรอมป์ต์พรอมป์ต์สำหรับซักถาม—ให้ Claude สัมภาษณ์คุณ

```
ฉันต้องการสร้าง [คำอธิบายงานโดยย่อ]

สัมภาษณ์ฉันอย่างละเอียดก่อนเขียนโค้ดใดๆ ถามเกี่ยวกับการนำไปใช้ ส่วนติดต่อผู้ใช้ กรณีขอบ ความเสี่ยง และข้อแลกเปลี่ยน อย่าถามคำถามที่เห็นได้ชัด—เจาะลึกส่วนที่ซับซ้อนซึ่งฉันอาจยังไม่ได้คิดให้รอบคอบ

ถามครั้งละหนึ่งคำถามและรอคำตอบของฉัน สำหรับแต่ละคำถาม ให้เสนอคำตอบที่คุณแนะนำทันที

ถามต่อไปจนกว่าเราจะครอบคลุมทุกอย่าง จากนั้นรวบรวมเป็นข้อกำหนดฉบับสมบูรณ์ในไฟล์ชื่อ SPEC.md
```

</div>

มีรายละเอียดสามอย่างที่ทำให้พรอมป์ต์นี้มีประโยชน์แทนที่จะเป็นเพียงของประดับ อย่างแรกคือ “ถามครั้งละหนึ่งคำถาม” หาก AI ถามสิบคำถามรวด คุณจะรู้สึกท่วมท้นและตอบแบบผิวเผิน อย่างที่สองคือ “เสนอคำตอบของคุณ”: คุณไม่ต้องคิดทุกอย่างตั้งแต่ต้น แค่เห็นด้วยหรือแก้ไขก็พอ อย่างที่สามคือ “รวบรวมเป็นข้อกำหนดในไฟล์”: เจตนาที่ดึงออกมาจากคุณจะกลายเป็นเอกสารที่ไม่สูญหาย

Anthropic อธิบายประโยชน์นี้ในแง่ของความพยายามที่ใช้:

<figure>
<blockquote>
<p>เวลาที่ใช้ทำข้อกำหนดให้ถูกต้องมีค่ามากกว่าเวลาที่ใช้เฝ้าดูการนำไปใช้</p>
</blockquote>
<figcaption>— เอกสาร Claude Code, https://code.claude.com/docs/en/best-practices</figcaption>
</figure>

หลังการสัมภาษณ์ ให้เปิดเซสชันใหม่แล้วป้อนข้อกำหนดที่เสร็จสมบูรณ์ให้มัน บริบทสะอาดพร้อมเจตนาที่ระบุชัดเจน—แล้ว Claude ก็ทำได้ตรงเป้าในครั้งแรก

## เทคนิค “พิสูจน์ให้ฉันเห็นว่านี่คือแผนที่ดีที่สุด”

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

อย่าเพียงให้ AI ถามคำถาม แต่ให้มันปกป้องการตัดสินใจของตัวเองด้วย ฉันเพิ่มข้อกำหนดลงในงานว่า ให้พิสูจน์ว่าแผนที่เสนอเป็นแผนที่ดีที่สุด ไม่ใช่แค่แผนแรกที่นึกออก และได้คิดล่วงหน้าไปหลายขั้นแล้ว วิธีนี้ทำให้ Claude ออกจากโหมด “ฉันจะทำอะไรคล้ายๆ กัน” และเข้าสู่โหมดนักวิจารณ์ ซึ่งตรวจสอบงานของตัวเองก่อนที่คุณจะเสียเวลาไปกับการนำไปใช้

</div>

การซักถามช่วยดึงเจตนาของคุณออกมา แต่ AI มีนิสัยอีกอย่าง: คว้าแนวทางแรกที่ดูเข้าท่า Anthropic เรียกช่องว่างนี้ว่า “เชื่อแต่ต้องตรวจสอบ”: Claude สร้างการนำไปใช้ที่ดูสมเหตุสมผล แต่ไม่ผ่านกรณีขอบ วิธีแก้คือขอหลักฐานก่อนเขียนโค้ด

<figure>
<blockquote>
<p>หากตรวจสอบผลลัพธ์ไม่ได้ ก็อย่าส่งงานนั้น</p>
</blockquote>
<figcaption>— Anthropic, เอกสาร Claude Code, https://code.claude.com/docs/en/best-practices</figcaption>
</figure>

ฉันแทบจะเพิ่มส่วน “พิสูจน์ให้เห็น” ลงในพรอมป์ต์เสมอ นี่คือถ้อยคำที่ใช้จริง:

<div class="section" data-semantic="prompt" aria-label="Prompt">

พรอมป์ต์พรอมป์ต์—ให้ AI ปกป้องแผนของตัวเอง

```
ก่อนเขียนโค้ด ให้วิเคราะห์งานอย่างนักวิจารณ์

หาวิธีแก้ปัญหา 2-3 วิธี สำหรับแต่ละวิธี พิสูจน์ให้ฉันเห็นว่าวิธีนั้นแก้โจทย์ของฉันได้จริง แทนที่จะเพิ่มความซับซ้อนโดยไม่จำเป็น อย่าเขียนโค้ดเพียงเพื่อให้ได้เขียนโค้ด

จากนั้นเลือกหนึ่งวิธีและพิสูจน์ว่านี่คือทางแก้ที่ดีที่สุด โดยคิดล่วงหน้าไปหลายขั้น จะมีอะไรพังเมื่อโปรเจ็กต์เติบโตขึ้น? ตอนนี้เรายังมองข้ามอะไรอยู่?

จากนั้นจึงค่อยเสนอแนวทางการนำไปใช้
```

</div>

หากไม่มีส่วนนี้ Claude จะให้ตัวเลือกแรกที่ใช้งานได้ แต่เมื่อมีส่วนนี้ Claude จะคัดทางตันออกเอง อธิบายเหตุผลในการเลือก และให้คุณเห็นกระบวนการคิดก่อนที่จะแตะไฟล์แม้แต่ไฟล์เดียว คุณอ่านข้อความสั้นๆ ที่ใช้เวลาเพียงสองนาที แทนที่จะเสียเวลาหนึ่งชั่วโมงหาสาเหตุว่าทำไมโค้ดที่เสร็จแล้วจึงไม่ทำงานตามที่คาด

## วิเคราะห์ความล้มเหลวล่วงหน้า: ให้ AI หาเหตุผลที่อาจล้มเหลว 10 ข้อก่อนเริ่ม

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

การวิเคราะห์ความล้มเหลวล่วงหน้าเป็นเทคนิคที่ให้ AI จินตนาการว่าโปรเจ็กต์ล้มเหลวไปแล้ว แล้วระบุสาเหตุ Claude จะเปลี่ยนจากโหมดมองโลกในแง่ดีว่า “ฉันทำเสร็จแน่” ไปเป็นการมองหาจุดอ่อนที่ไม่เช่นนั้นอาจปรากฏหลังจากทำงานไปหนึ่งสัปดาห์ คุณจะได้รายการความเสี่ยงก่อนลงทุนเวลากับโปรเจ็กต์ และจัดการกับความเสี่ยงเหล่านั้นได้ล่วงหน้า

</div>

นี่คือเทคนิคโปรดของฉัน และเป็นเรื่องทางจิตวิทยา เมื่อคุณขอให้ AI “ทำงานให้ดี” มันจะถูกกระตุ้นให้มุ่งสู่ความสำเร็จและมองข้ามช่องโหว่ ลองขอให้มันจินตนาการถึงความล้มเหลว แล้วมันจะเริ่มมองเห็นสิ่งที่เคยมองข้าม พรอมป์ต์สั้นๆ คือ:

<div class="section" data-semantic="prompt" aria-label="Prompt">

พรอมป์ต์พรอมป์ต์วิเคราะห์ความล้มเหลวล่วงหน้า—หาช่องโหว่ก่อนเริ่ม

```
ลองจินตนาการว่าตอนนี้ผ่านไปหนึ่งปีแล้ว และโปรเจ็กต์ที่เรากำลังวางแผนล้มเหลว

เขียนเหตุผล 10 ข้อว่าทำไมจึงเกิดเหตุการณ์นั้นขึ้น เราไม่ได้คำนึงถึงอะไรตั้งแต่เริ่มต้น ประเมินอะไรต่ำเกินไป ตัดมุมตรงไหน และสมมติฐานข้อใดกลายเป็นเท็จ?

จากนั้นบอกฉันทีละข้อว่าเราจะแก้ไขอะไรได้บ้างตอนนี้เพื่อรับมือกับปัญหานั้น
```

</div>

ฉันใช้พรอมป์ต์นี้ก่อนอนุมัติแผน เหตุผลครึ่งหนึ่งกลายเป็นเรื่องไร้สาระ แต่อีกครึ่งเป็นหลุมพรางจริงที่ฉันคงเจอในสัปดาห์ถัดไป การจัดการสิ่งเหล่านี้ในขั้นวางแผนใช้เวลาสิบนาที แต่ถ้าไปเจอในโปรเจ็กต์ที่เสร็จแล้ว จะต้องใช้เวลาสืบหาหลายวัน

การผสมผสานนั้นเรียบง่าย: การซักถามดึงเจตนาออกมา “พิสูจน์ให้เห็น” ปกป้องการตัดสินใจ และการวิเคราะห์ความล้มเหลวล่วงหน้าช่วยหาช่องโหว่ ข้อความสั้นๆ สามชิ้นที่วางก่อนเขียนโค้ด เปลี่ยน Claude จากผู้ลงมือที่รีบร้อนไปเป็นผู้ร่วมงานที่คิดก่อน

## ทำไมบริบทที่ล้นเกินทำให้ Claude ทำงานได้แย่ลง?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

Claude มีหน้าต่างบริบทจำกัด—ปริมาณข้อมูลที่มันเก็บไว้ในใจได้ในคราวเดียว เมื่อหน้าต่างเต็มเกินครึ่ง มันจะเริ่มทำรายละเอียดสำคัญหล่น สับสนกับข้อตกลงก่อนหน้า และเติมช่องว่างแทนที่จะจำ การสนทนายาวๆ ครอบจักรวาลเป็นสาเหตุทั่วไปที่ทำให้ตอนท้ายวัน AI ทำสิ่งที่แตกต่างไปอย่างสิ้นเชิงจากที่ตกลงกันไว้เมื่อตอนเช้า

</div>

แม้แต่งานที่กำหนดไว้ชัดเจนก็พังได้ หากทำงานในบริบทที่รก นี่คือวิธีการทำงาน: ทุกคำขอใหม่ที่คุณส่งจะนำประวัติแชตทั้งหมดเข้าสู่บริบทการทำงานของ Claude ยิ่งเซสชันยาว หน้าต่างก็ยิ่งเต็มเร็ว ควรให้หน้าต่างเต็มไม่เกินครึ่งหนึ่ง เพราะเมื่อเกินกว่านั้น AI จะเริ่มทำงานได้แย่ลงและลืมเรื่องสำคัญที่คุยกันไว้ตั้งแต่ต้น

กฎที่ช่วยลดความหงุดหงิดให้ฉันได้มากที่สุดคือ: หนึ่งงาน หนึ่งแชต ทำฟังก์ชันเสร็จแล้วหรือ? ปิดแชตและเปิดแชตใหม่สำหรับงานถัดไป ใช่ บางครั้งการทำทุกอย่างในหน้าต่างเดียวก็สะดวกกว่า แต่คุณจะต้องแลกด้วยการสูญเสียบริบทและคำตอบที่ออกนอกเรื่อง

Anthropic เรียกโหมดความล้มเหลวนี้ว่า “เซสชันลิ้นชักเก็บของจิปาถะ” วิธีแก้ง่ายมาก: ใช้ `/clear` ระหว่างงานที่ไม่เกี่ยวข้องกัน เพื่อล้างหน้าต่างและไม่ให้ความรกจากงานก่อนหน้าติดไปยังงานใหม่

หากคุณใช้เซสชันยาวและไม่เข้าใจว่าเงินกับความสนใจของ AI ถูกใช้ไปกับอะไร ฉันอธิบายเรื่องนี้แยกไว้ในคู่มือเกี่ยวกับ[โทเค็นของ Claude Code ไปอยู่ที่ไหน](https://ailoot.ai/blog/th/where-claude-code-tokens-go/) และฉันรวบรวมพื้นฐานของบริบทถาวร ซึ่ง Claude อ่านทุกครั้งที่เริ่มต้น ไว้ในคู่มือ[การตั้งค่า CLAUDE.md](https://ailoot.ai/blog/th/claude-md-template/)

## การซักถามหรือ Plan Mode—ต่างกันอย่างไร และทำงานร่วมกันแบบไหน?

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

การซักถามกับ Plan Mode แก้ปัญหาเดียวกันคนละส่วน การซักถามใช้คำถามเพื่อดึงเจตนาของคุณออกมาก่อนจะมีแผน ส่วน Plan Mode รับงานที่เข้าใจแล้วและแสดงแผนการเปลี่ยนแปลงให้ดู โดยไม่แตะอะไรจนกว่าคุณจะอนุมัติ ทั้งสองอย่างทำงานร่วมกันได้ดีที่สุด: เริ่มจากการซักถามเพื่อทำให้ชัดว่าเรากำลังสร้างอะไร จากนั้น Plan Mode จะแสดงให้เห็นอย่างชัดเจนว่าจะทำอย่างไร

</div>

ผู้คนมักสับสนระหว่างสองเทคนิคนี้ หรือคิดว่าใช้เพียงอย่างใดอย่างหนึ่งก็พอ ในทางปฏิบัติ ทั้งสองอย่างอยู่คนละช่วงของกระบวนการ

| คุณสมบัติ | การซักถาม | Plan Mode |
|----|----|----|
| เกิดขึ้นเมื่อใด | ก่อนวางแผน—ช่วยชี้แจงเจตนา | หลังจากนั้น—สร้างแผนการเปลี่ยนแปลง |
| ใครถามใคร | AI สัมภาษณ์คุณ | คุณอ่านและอนุมัติแผน |
| สิ่งที่ได้รับ | ข้อกำหนดของงาน | แผนการเปลี่ยนแปลงแยกตามไฟล์ |
| ประโยชน์หลัก | ป้องกันคำว่า “นี่ไม่ใช่สิ่งที่ฉันต้องการ” | ป้องกันคำว่า “อย่าไปแตะอย่างอื่น” |

Anthropic อธิบายขั้นตอนการทำงานมาตรฐานไว้สี่ช่วง: เริ่มจาก Explore (Claude ศึกษาและถามคำถาม) ต่อด้วย Plan (สร้างแผนโดยไม่เปลี่ยนแปลงอะไร) จากนั้น Implement (เขียนโค้ดตามแผน) และสุดท้าย Commit (บันทึกผลลัพธ์) การซักถามเกิดในช่วงแรก ส่วน Plan Mode อยู่ในช่วงที่สอง หากต้องการรายละเอียดของช่วงที่สองทั้งหมด ดูคู่มือเกี่ยวกับ [Plan Mode ใน Claude Code](https://ailoot.ai/blog/th/claude-code-plan-mode/)

มีข้อควรระวังสำคัญจาก Anthropic เอง: อย่าทำให้งานเล็กๆ ต้องแบกรับขั้นตอนเหล่านี้

<figure>
<blockquote>
<p>หากอธิบายการเปลี่ยนแปลงได้ในหนึ่งประโยค ให้ข้ามการวางแผน</p>
</blockquote>
<figcaption>— เอกสาร Claude Code อย่างเป็นทางการ, https://code.claude.com/docs/en/best-practices</figcaption>
</figure>

สำหรับการแก้คำผิด การเปลี่ยนชื่อ หรือการเปลี่ยนแปลงหนึ่งบรรทัด ให้เขียนสิ่งที่ต้องการโดยตรงโดยไม่ต้องสัมภาษณ์หรือวางแผน การซักถามคุ้มค่าสำหรับงานที่คลุมเครือและความผิดพลาดมีต้นทุนสูง สำหรับงานง่ายๆ มันมีแต่จะทำให้ช้าลง

## 5 ข้อผิดพลาดในการกำหนดโจทย์ที่ทำให้ AI ทำผิด

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

เกือบทุกครั้งที่ AI ทำพลาด ล้วนมาจากข้อผิดพลาดห้าอย่างในการกำหนดโจทย์: คำสั่งสั้นๆ ที่คลุมเครือ ไม่มีข้อจำกัด สั่งให้ “เขียนโค้ด” โดยไม่มีขั้น “ทำความเข้าใจก่อน” ไม่ได้กำหนดว่า “เสร็จแล้ว” หมายถึงอะไร และใช้เซสชันเดียวไม่รู้จบทำทุกอย่าง แต่ละข้อทำให้ Claude เติมโจทย์ด้วยการคาดเดา ต่อไปนี้คือหน้าตาของข้อผิดพลาดแต่ละข้อและวิธีแก้

</div>

ฉันสรุปหลุมพรางที่พบบ่อยไว้ในตาราง ด้านซ้ายคือสิ่งที่คนมักทำและทำผิด ส่วนด้านขวาคือสิ่งที่ควรทำแทน

| ข้อผิดพลาด | ฟังดูเป็นอย่างไร | ควรทำอะไรแทน |
|----|----|----|
| คำสั่งสั้นๆ ที่คลุมเครือ | “ทำแดชบอร์ดให้ดีขึ้น” | อธิบายงานและเริ่มการซักถาม—ให้ AI ใช้คำถามดึงรายละเอียดออกมา |
| ไม่มีข้อจำกัด | “เพิ่มการอนุญาต” | ระบุว่าอะไรต้องไม่พัง ไม่ควรนำไลบรารีใดเข้ามา และอะไรอยู่นอกขอบเขต |
| สั่ง “เขียนโค้ด” ทันที | พรอมป์ต์—แล้วเริ่มเขียนโค้ด | เริ่มจาก “ทำความเข้าใจและถามคำถาม” แล้วจึงเขียนโค้ด |
| ไม่กำหนดว่า “เสร็จแล้ว” คืออะไร | คุณหวังให้ AI เดาผลลัพธ์เอง | ให้ตัวอย่าง ภาพหน้าจออ้างอิง หรือการทดสอบที่แสดงว่า “ใช้งานได้” หมายถึงอะไร |
| ใช้เซสชันเดียวทำทุกอย่าง | ใช้เวลาทั้งวันในแชตเดียว | หนึ่งงาน หนึ่งแชตใหม่ เพื่อไม่ให้บริบทปะปนกัน |

ลองตรวจสอบพรอมป์ต์ล่าสุดที่ AI ตอบผิด เกือบแน่นอนว่ามีข้อผิดพลาดหนึ่งในห้าข้อนี้ ส่วนใหญ่มักเป็นข้อแรก: คุณให้คำสั้นๆ แล้วคาดหวังให้ Claude เติมส่วนที่เหลือได้ถูกต้อง มันเติมส่วนที่เหลือจริงๆ—แต่ไม่ใช่ในแบบที่คุณคิดไว้

## ทำอะไรต่อ: สร้างระบบให้ AI เข้าใจคุณจากคำไม่กี่คำ

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

ประเด็นสำคัญ

พรอมป์ต์แต่ละข้อแก้ปัญหาเฉพาะงาน หากต้องการให้ AI เข้าใจคุณโดยไม่ต้องอธิบายยืดยาวทุกครั้ง คุณต้องมีระบบ: การซักถามดึงเจตนาของแต่ละงานออกมา Second Brain เก็บความรู้เกี่ยวกับโปรเจ็กต์ และการออกแบบบริบทเชื่อมทุกสิ่งที่ Claude อ่านก่อนเห็นพรอมป์ต์ จากนั้นสาเหตุที่ทำให้มันทำผิดก็จะหายไป เพราะมีบริบทเพียงพอที่จะไม่ต้องเดา

</div>

พรอมป์ต์สามแบบในคู่มือนี้—การซักถาม “พิสูจน์ให้เห็น” และการวิเคราะห์ความล้มเหลวล่วงหน้า—จัดการกับงานเฉพาะหน้า นั่นก็ช่วยได้มากแล้ว: คุณจะไม่ต้องเจอ diff 14 ไฟล์ ทั้งที่ต้องการเปลี่ยนแค่บรรทัดเดียว

แต่การซักถามก็มีขีดจำกัด การดึงเจตนาของคุณออกมาใหม่ทั้งหมดทุกครั้งใช้เวลานาน การเปลี่ยนแปลงที่แท้จริงจะเกิดขึ้นเมื่อมีบริบทบางอย่างพร้อมใช้อยู่เสมอ: ในโฟลเดอร์ความรู้เกี่ยวกับโปรเจ็กต์ ในไฟล์ CLAUDE.md ที่ Claude อ่านทุกครั้งเมื่อเริ่มต้น และในวิธีการทำงานของคุณที่เข้ารหัสไว้เป็น skills จากนั้น AI ก็เริ่มงานโดยรู้จักธุรกิจ เป้าหมาย และสไตล์ของคุณอยู่แล้ว—และเข้าใจคุณจากคำไม่กี่คำ เพราะคุณเตรียมบริบทไว้ล่วงหน้าแล้วครึ่งหนึ่ง

บทวิเคราะห์ล่าสุดของ Anthropic แสดงให้เห็นว่างานนี้มีมากเพียงใด: นักพัฒนาใช้ AI กับงานประมาณ 60% แต่ไว้วางใจให้ทำงานได้อย่างเต็มที่เพียง 0-20% ของงานทั้งหมด ที่เหลือต้องอาศัยความเข้าใจ การกำกับดูแล และความสามารถของคุณในการอธิบายว่าต้องสร้างอะไร นี่คือทักษะที่ควรพัฒนา ไม่ใช่การไล่ตามโมเดลที่ฉลาดที่สุด

<div class="section" role="doc-bibliography" aria-label="Sources">

### แหล่งที่มา

- [เอกสาร Claude Code - แนวปฏิบัติที่ดีที่สุด (ให้ Claude สัมภาษณ์คุณ, plan mode)](https://code.claude.com/docs/en/best-practices)
- [Anthropic - รายงานแนวโน้ม Agentic Coding ปี 2026](https://resources.anthropic.com/2026-agentic-coding-trends-report)

</div>





มาทำความรู้จักกับ [Ailoot](https://ailoot.ai/)

## คำถามที่พบบ่อย

### เมื่อไรควรใช้พรอมป์ต์สัมภาษณ์แทนเริ่มโค้ดทันที?

ใช้เมื่อผลลัพธ์ กรณีขอบ หรือข้อจำกัดไม่ชัดและความผิดพลาดแพง ถามทีละข้อแล้วบันทึกข้อตกลงใน SPEC.md ส่วนการแก้คำผิดหรือเปลี่ยนบรรทัดเดียวที่ชัดขอโดยตรงได้

### ควรตรวจอะไรก่อนยอมรับแผนที่เสนอ?

ขอ 2–3 แนวทางและเทียบว่าแต่ละแบบตรงข้อกำหนดกับข้อจำกัดอย่างไร จากนั้นใช้พรอมป์ต์ pre-mortem ตรวจเหตุล้มเหลวและจัดการความเสี่ยงที่เกี่ยวข้องก่อนเริ่มพัฒนา


## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ