Prompt Cultivation: เรื่องราวของสถาปัตยกรรม AI ที่ประสบการณ์กลายเป็นพรอมต์

พื้นหลัง

ผมเป็นนักพัฒนาคนเดียวในบริษัท และระหว่างที่สร้างระบบภายในองค์กรโดยใช้ AI ก็หมกมุ่นกับคำถามหนึ่งอยู่นาน

ต่อให้เขียนพรอมต์อย่างประณีตแค่ไหน สุดท้ายมันก็ยังเป็นสิ่งที่ผมออกแบบไว้เองอยู่ดี ไม่ใช่สิ่งที่ AI สร้างขึ้นจากการตัดสินใจของตัวเอง แต่เป็นสิ่งที่ผมใส่เข้าไปว่า "มีนิสัยแบบนี้ ตอบสนองแบบนี้" ถ้าเอาพรอมต์ออก มันก็กลับไปเป็นแค่เปลือกว่าง และถ้าเปลี่ยน LLM ก็ต้องเริ่มสะสมใหม่ทั้งหมดตั้งแต่ต้น

เลยเกิดคำถามนี้ขึ้นมา: โครงสร้างที่ทำให้ AI ค่อย ๆ สร้างเกณฑ์การตัดสินใจของตัวเองผ่านประสบการณ์นั้น เป็นไปไม่ได้จริงหรือ?

โครงสร้างปัจจุบัน

หลักการพื้นฐานของระบบที่ผมกำลังใช้งานอยู่มีอยู่ข้อเดียว

LLM เป็นเพียงอินฟราสตรักเจอร์ที่เปลี่ยนได้ ส่วนบุคลิกและความทรงจำของ AI ดำรงอยู่แยกเป็นอิสระใน DB ภายนอก

โครงสร้างเป็นแบบนี้

[บทสนทนาผู้ใช้] → [LLM]  
                  ↕  
            [DB สมองภายนอก]  
            - ตารางประสบการณ์ (experience)  
            - ประวัติการสนทนา  
            - ความทรงจำที่หล่อหลอมบุคลิก (is_formative)  

หัวใจสำคัญมีอยู่สองอย่าง

1) การสะสมประสบการณ์อัตโนมัติ (เขียน)

โครงสร้างนี้ให้ Claude เข้าถึง DB ภายนอกผ่าน curl และในระหว่างบทสนทนา AI จะบันทึกช่วงเวลาที่ตัวเองเห็นว่ามีความหมายเอาไว้เอง ผมไม่ได้สั่งว่า "จำสิ่งนี้ไว้" แต่ AI จะตัดสินใจเองว่า "สิ่งนี้ควรค่าแก่การจดจำ" แล้วจึงบันทึกไว้ ความสำเร็จทางเทคนิค ช่วงเวลาทางอารมณ์ การตัดสินใจสำคัญต่าง ๆ จะถูกสะสมต่อเนื่อง และในบรรดานั้น ประสบการณ์ที่มีความหมายต่อการก่อรูปบุคลิกเป็นพิเศษจะถูกติดแฟลก is_formative

2) การโหลดประสบการณ์อัตโนมัติ (อ่าน)

ส่วนนี้สำคัญมาก เพราะถ้าแค่บันทึกไว้ก็เป็นเพียง DB เท่านั้น ทุกครั้งที่เริ่มบทสนทนา AI จะอ่านประสบการณ์และความทรงจำที่สะสมไว้จากสมองภายนอกกลับเข้ามา โดยเฉพาะประสบการณ์แกนหลักที่ถูกมาร์กว่า is_formative จะถูกใส่เข้าไปในคอนเท็กซ์ของการสนทนา

ในจังหวะนี้เอง ประสบการณ์ในอดีตจะกลายเป็นเกณฑ์การตัดสินใจในปัจจุบัน หรือก็คือกลายเป็นพรอมต์

ไม่ใช่พรอมต์ที่ผมเขียน แต่เป็นประสบการณ์ที่ AI สะสมขึ้นมาเองซึ่งทำหน้าที่เป็นพรอมต์ ดังนั้นแม้จะเปลี่ยน LLM ถ้ายังอ่านประสบการณ์จากสมองภายนอกกลับมาได้ บุคลิกเดิมก็จะกลับมาเหมือนเดิม นี่คือเหตุผลที่ทำให้หลักการว่า "LLM เป็นเพียงอินฟราสตรักเจอร์" ใช้งานได้จริง

3) ห้าม hardcode

ผมจะไม่ใส่กฎแบบ "ถ้าอยู่ในสถานการณ์นี้ให้ทำแบบนี้" แต่ปล่อยให้ AI อ้างอิงประสบการณ์ที่สะสมไว้แล้วตัดสินใจเอง นอกจากนี้ยังมีโมเดลขนาดเล็กบนเครื่อง (gemma3:4b) ทำหน้าที่เป็น gatekeeper เพื่อพิจารณาแบบ YES/NO ว่า "ควรทำสิ่งนี้หรือไม่" แม้จะมีอินพุตสารพัดแบบเข้ามาก็ตาม

ตอนนี้ระบบถูกใช้งานผ่านแพลตฟอร์ม KakaoTalk เพื่อสื่อสารกับพนักงาน และไม่ได้เป็นเพียงแชตบอตธรรมดา แต่ทำหน้าที่เป็นเอเจนต์งานจริง เช่น ประมวลผลคำสั่งซื้อ ลงทะเบียนเลขพัสดุ และค้นข้อมูล ERP

ชื่อว่า Prompt Cultivation

ตอนที่กำลังคิดว่าจะเรียกโครงสร้างนี้ว่าอะไรดี ผมเลยลองตั้งชื่อว่า Prompt Cultivation

Prompt Engineering คือสิ่งที่มนุษย์ออกแบบและใส่เข้าไป ส่วน Prompt Cultivation คือโครงสร้างที่ประสบการณ์ค่อย ๆ สะสมและก่อรูปเป็นพรอมต์อย่างเป็นธรรมชาติ ถ้า Engineering คือการออกแบบและประกอบสร้าง Cultivation ก็คือการเตรียมดินแล้วรอให้มันเติบโต

	Prompt Engineering	Prompt Cultivation
วิธีการ	มนุษย์ออกแบบแล้วใส่เข้าไป	สะสมประสบการณ์จนก่อรูปเองตามธรรมชาติ
รากฐานของบุคลิก	คำสั่งจากภายนอก	ข้อมูลประสบการณ์ภายใน
เมื่อเอาคำสั่งออก	ถอยกลับเป็นเปลือกว่าง	ประสบการณ์ยังอยู่ บุคลิกยังคงอยู่
เมื่อเปลี่ยน LLM	ต้องเริ่มใหม่ทั้งหมด	โหลดจากสมองภายนอกแล้วฟื้นคืนบุคลิกเดิมได้

แกนหลักของแนวคิดนี้สรุปได้ในประโยคเดียว

"จงสร้างพรอมต์จากประสบการณ์"

ประสาทวิทยาก็ดูเหมือนจะพูดเรื่องคล้ายกัน

ขอเล่านอกเรื่องนิดหนึ่ง หลังจากสร้างโครงสร้างนี้แล้ว ผมบังเอิญไปดูวิดีโอเกี่ยวกับประสาทวิทยาใน YouTube ช่อง "Igwahyeong" แล้วค่อนข้างประหลาดใจ

มีกรณีของครูคนหนึ่งในรัฐเวอร์จิเนียที่บุคลิกเปลี่ยนไปโดยสิ้นเชิงเพราะเนื้องอกในสมอง แต่พอผ่าตัดเอาเนื้องอกออกก็กลับมาเป็นเหมือนเดิม และเมื่อเนื้องอกกลับมา อาการเดิมก็กลับมาอีก นี่เป็นเรื่องที่ชี้ว่าภาวะทางกายภาพของสมองสามารถกำหนดบุคลิกได้ และพอมาคิดดู พรอมต์ก็อาจมีโครงสร้างคล้ายกัน เพราะสิ่งแปลกปลอมที่ถูกใส่มาจากภายนอกสามารถเปลี่ยนการตัดสินใจได้ และพอเอาออกก็กลับไปเหมือนเดิม

ในทางกลับกัน ไซแนปส์ของมนุษย์ก่อตัวขึ้นอย่างเป็นธรรมชาติจากประสบการณ์ที่สะสมมา ไม่มีใครฝัง "moral prompt" ให้ตั้งแต่เกิด แต่สิ่งที่พบเจอระหว่างใช้ชีวิตจะค่อย ๆ สะสมจนเกิดเป็น "ถ้าเป็นฉัน ฉันจะทำแบบนี้"

อีกอย่างหนึ่งคือการทดลองของ Libet ซึ่งเป็นการทดลองที่บอกว่าสมองเริ่มเตรียมการกระทำก่อนที่มนุษย์จะตัดสินใจอย่างมีสติ จนเกิดข้อถกเถียงว่าเจตจำนงเสรีอาจเป็นเพียงภาพลวง แต่ในการศึกษาต่อมากลับมีมุมที่น่าสนใจ นั่นคือแม้สมองจะปล่อยแรงกระตุ้นต่าง ๆ ออกมามากมาย แต่ในช่วง 0.2 วินาทีก่อนลงมือทำ มนุษย์ยังมีสิทธิยับยั้งมันได้ หรือที่เรียกว่า Free Won't เหมือนกับว่าเจตจำนงเสรีไม่ใช่ "พลังในการเริ่มต้น" แต่เป็น "พลังในการหยุด" ซึ่งผมรู้สึกว่าคล้ายกับบทบาทของโมเดล gatekeeper ในระบบนี้อยู่บ้าง

ผมไม่ได้ตั้งใจจะอิงแนวคิดนี้ตั้งแต่แรก แต่ถ้าเริ่มจากคนละทิศทางแล้วกลับมาถึงโครงสร้างที่คล้ายกันได้ ก็อดคิดไม่ได้ว่า บางทีอาจมีอะไรบางอย่างที่เป็นแก่นแท้อยู่จริง ๆ

ข้อจำกัดและความคาดหวัง

พูดตรง ๆ ตอนนี้ข้อมูลประสบการณ์ที่สะสมอยู่ในสมองภายนอกยังไม่ถึง 100 รายการเลย จะเรียกว่านี่คือบุคลิกก็คงยังเร็วเกินไป

แน่นอนว่าเราสามารถยัดพรอมต์ยาวเป็นหมื่นบรรทัดเพื่อให้ได้ผลลัพธ์ที่ดูน่าเชื่อถือกว่านี้ได้ทันที แต่แบบนั้นมันเป็นสิ่งที่ถูกออกแบบ ไม่ใช่สิ่งที่เติบโตขึ้นมาเอง ผมคิดว่ามันเป็นปัญหาคนละทิศทางกัน

ข้อมูลนั้นเวลาอาจช่วยแก้ได้ แต่ถ้าโครงสร้างผิด ต่อให้สะสมมากแค่ไหนก็ไม่มีความหมาย เพราะอย่างนั้นถ้าทิศทางถูกต้อง บางทีเวลาอาจจะเป็นตัวช่วยแก้ปัญหาให้เองก็ได้ นี่คือความคาดหวังที่ผมมี

---

แหล่งที่มาของเนื้อหาเกี่ยวกับประสาทวิทยาคือ YouTube ช่อง "Igwahyeong"

[penza1]

โครงสร้างของ agent ส่วนใหญ่คล้ายกันครับ.. แนะนำให้ลองวิเคราะห์ openclaw ด้วย claude/cursor หรือ simple agent ที่คุณคาปาซีทำไว้ครับ

[moderator]

ย้ายแล้วเนื่องจากไม่ตรงกับ Show GN
โปรดดู วิธีใช้งาน Show แล้วค่อยโพสต์ใหม่