Prompt Chaining: ต่อ Prompt เป็นสายพาน ทำงานใหญ่ให้จบด้วย AI

สรุปก่อน: Prompt Chaining คือการแตกงานใหญ่เป็น Prompt ย่อยหลายตัว แล้วส่งผลลัพธ์ของตัวก่อนหน้าเป็นวัตถุดิบของตัวถัดไป เหตุผลที่ได้ผลดีกว่า Prompt เดียวยาว ๆ คือ คุณตรวจได้ทีละขั้น และเมื่อขั้นไหนพัง คุณแก้เฉพาะขั้นนั้นโดยไม่ต้องรื้อทั้งหมด

ถ้าคุณเคยเขียน Prompt ยาวเป็นหน้า สั่ง 10 อย่างพร้อมกัน แล้วได้งานที่ทำได้ครึ่ง ๆ กลาง ๆ ทุกอย่าง — บทความนี้แก้ปัญหานั้นโดยตรง

พื้นฐานการเขียน Prompt อยู่ที่ วิธีสร้าง Prompt ให้ AI ตอบตรงใจ ส่วนหน้านี้คือขั้นถัดไป

---

สารบัญ

• ทำไม Prompt เดียวยาว ๆ ถึงไม่เวิร์ก
• Prompt Chaining คืออะไร
• รูปแบบการต่อ 6 แบบ
• กฎการออกแบบสายพาน
• ตัวอย่างสายพานจริง 5 ชุด
• ตรวจจุดที่พังระหว่างทาง
• Chaining ต่างจาก AI Agent ยังไง
• FAQ

---

ทำไม Prompt เดียวยาว ๆ ถึงไม่เวิร์ก

ปัญหา 4 อย่างที่เกิดขึ้นเสมอ

ปัญหา	เกิดอะไรขึ้น
น้ำหนักคำสั่งไม่เท่ากัน	คำสั่งข้อ 1-3 ถูกทำครบ ข้อ 8-10 ถูกทำแบบผ่าน ๆ
ตรวจไม่ได้ว่าพังตรงไหน	ผลลัพธ์ออกมาไม่ดี แต่ไม่รู้ว่าขั้นไหนผิด
แก้จุดเดียวต้องรันใหม่หมด	อยากแก้แค่โทน แต่ต้อง generate ใหม่ทั้งก้อน
คำสั่งขัดแย้งกันเองโดยไม่รู้ตัว	ยิ่งยาวยิ่งมีโอกาสที่ข้อ 3 กับข้อ 9 ตีกัน

เทียบกันตรง ๆ

	Prompt เดียวยาว	Prompt Chaining
ตรวจคุณภาพ	ตรวจได้แค่ผลสุดท้าย	ตรวจได้ทุกขั้น
แก้เมื่อผิด	รื้อทั้งก้อน	แก้เฉพาะขั้นที่พัง
ควบคุมทิศทาง	ปล่อยให้ AI ตัดสินใจหมด	คุณเลือกทางในทุกทางแยก
ใช้ซ้ำ	ใช้ได้ทั้งก้อนหรือไม่ใช้เลย	หยิบขั้นไหนไปใช้ก็ได้
เวลาที่ใช้	เร็วกว่ารอบเดียว	ช้ากว่า แต่แก้งานน้อยกว่ามาก
เหมาะกับ	งานเล็ก งานครั้งเดียวทิ้ง	งานสำคัญ งานที่ทำซ้ำ

---

Prompt Chaining คืออะไร

Prompt Chaining คือการต่อ Prompt หลายตัวเข้าด้วยกัน โดยเอาผลลัพธ์ของตัวก่อนหน้ามาเป็นวัตถุดิบของตัวถัดไป

เปรียบเทียบง่าย ๆ คือ สายพานในโรงงาน แต่ละสถานีทำหน้าที่เดียว ทำให้ดี แล้วส่งต่อ

ตัวอย่างที่เห็นภาพที่สุด

❌ แบบ Prompt เดียว

เขียนแผนการตลาดทั้งปีให้หน่อย

✅ แบบสายพาน 4 ขั้น

ขั้นที่ 1 → วิเคราะห์กลุ่มเป้าหมายและคู่แข่งจากข้อมูลนี้
ขั้นที่ 2 → จากการวิเคราะห์นั้น เสนอ 3 กลยุทธ์หลัก
ขั้นที่ 3 → ผมเลือกกลยุทธ์ที่ 2 ขยายเป็นแผนรายไตรมาส
ขั้นที่ 4 → จากไตรมาส 1 แตกเป็นแผนรายสัปดาห์

ความต่างสำคัญคือ ขั้นที่ 3 มีคุณเข้าไปตัดสินใจ ซึ่ง Prompt เดียวทำไม่ได้เลย

---

รูปแบบการต่อ 6 แบบ

แบบที่ 1: ต่อกันเป็นเส้นตรง (Sequential)

พื้นฐานที่สุด ขั้นหนึ่งจบแล้วส่งต่อขั้นถัดไป

วิจัย → วางโครง → เขียน → ตรวจ → ขัดเกลา

เหมาะกับ: งานเขียน งานวิเคราะห์ งานที่มีลำดับชัดเจน

แบบที่ 2: แตกแล้วรวม (Map-Reduce)

แตกงานเป็นชิ้นเล็ก ทำแยกกัน แล้วรวมผล

              ┌→ สรุปบทที่ 1 ─┐
เอกสาร 200 หน้า ├→ สรุปบทที่ 2 ─┼→ รวมเป็นสรุปเดียว
              └→ สรุปบทที่ 3 ─┘

เหมาะกับ: เอกสารยาวมาก ข้อมูลจำนวนมาก รีวิวลูกค้าหลายร้อยชิ้น

แบบที่ 3: สร้างแล้ววิจารณ์ (Generate-Critique)

ตัวหนึ่งทำงาน อีกตัวจับผิด แล้ววนกลับไปแก้

เขียนร่าง → วิจารณ์อย่างเข้มงวด → เขียนใหม่ → วิจารณ์อีกรอบ

เหมาะกับ: งานเขียนที่ต้องการคุณภาพสูง งานที่มีเกณฑ์ชัดเจน

เคล็ดลับ: ให้ AI สวมบทบาทต่างกันในสองขั้น เช่นขั้นแรกเป็นนักเขียน ขั้นสองเป็นบรรณาธิการที่เข้มงวด จะได้ผลดีกว่าให้ตัวเดิม "ตรวจงานตัวเอง" เฉย ๆ

แบบที่ 4: แยกทางตามเงื่อนไข (Branching)

ผลลัพธ์ขั้นแรกเป็นตัวกำหนดว่าจะไปทางไหนต่อ

                    ┌→ ถ้าเป็นคำถามเทคนิค → สายพาน A
จัดประเภทคำถาม ─────┼→ ถ้าเป็นคำถามราคา → สายพาน B
                    └→ ถ้าเป็นคำร้องเรียน → สายพาน C

เหมาะกับ: ระบบตอบลูกค้า การจัดการคำขอที่มีหลายประเภท

แบบที่ 5: สกัดแล้วแปลง (Extract-Transform)

ขั้นแรกดึงข้อมูลออกมาให้เป็นโครงสร้าง ขั้นถัดไปค่อยแปลงเป็นสิ่งที่ต้องการ

ข้อความดิบ → สกัดเป็น JSON → แปลงเป็นรายงาน/ตาราง/กราฟ

เหมาะกับ: งานที่ต้องการความแม่นยำสูง เพราะขั้นกลางตรวจง่าย

นี่คือแบบที่คนใช้น้อยที่สุดแต่คุ้มที่สุด เพราะ JSON ตรงกลางทำให้คุณเห็นว่า AI เข้าใจข้อมูลถูกหรือเปล่า ก่อนที่มันจะเอาไปเขียนต่อ

แบบที่ 6: หลายมุมมองแล้วสังเคราะห์ (Multi-Perspective)

ให้วิเคราะห์เรื่องเดียวจากหลายมุม แล้วรวมข้อสรุป

        ┌→ มุมลูกค้า ─┐
เรื่อง ──┼→ มุมพนักงาน ─┼→ สังเคราะห์ข้อสรุป
        └→ มุมนักลงทุน ─┘

เหมาะกับ: การตัดสินใจสำคัญ การประเมินความเสี่ยง

---

กฎการออกแบบสายพาน

กฎที่ 1: หนึ่งขั้น หนึ่งหน้าที่

ถ้าขั้นไหนทำเกินหนึ่งอย่าง แปลว่าควรแตกอีก

❌ ขั้นเดียวทำหลายอย่าง	✅ แตกเป็นขั้นย่อย
"วิเคราะห์และเขียนสรุปและเสนอทางแก้"	ขั้น 1 วิเคราะห์ → ขั้น 2 สรุป → ขั้น 3 เสนอทางแก้

กฎที่ 2: กำหนดรูปแบบส่งต่อให้ชัด

ผลลัพธ์ของขั้นหนึ่งคืออินพุตของอีกขั้น ถ้ารูปแบบไม่นิ่ง สายพานจะพัง

ผลลัพธ์ของขั้นนี้ต้องเป็น JSON ที่ valid เท่านั้น
ตามโครงสร้างนี้เป๊ะ ๆ:
{
  "ประเด็นหลัก": ["...", "..."],
  "ข้อมูลที่ขาด": ["..."],
  "ระดับความมั่นใจ": "สูง|กลาง|ต่ำ"
}
ห้ามมีข้อความอื่นนอก JSON

กฎที่ 3: ทุกขั้นต้องมีจุดตรวจ

ก่อนส่งต่อขั้นถัดไป ต้องตอบได้ว่า "ขั้นนี้สำเร็จหรือยัง"

ขั้น	จุดตรวจ
วิจัย	ได้ข้อมูลครบทุกหัวข้อที่ต้องการไหม
วางโครง	โครงครอบคลุมโจทย์ทั้งหมดไหม
เขียน	ตรงตามโครงที่อนุมัติไหม
ตรวจ	ผ่านเกณฑ์คุณภาพทุกข้อไหม

กฎที่ 4: ใส่คนในทางแยกสำคัญ

อย่าปล่อยให้ AI ตัดสินใจเรื่องทิศทาง ขั้นที่เลือกกลยุทธ์ เลือกมุมการเล่า หรือเลือกทางแก้ ควรมีคนกดเลือก

กฎที่ 5: เริ่มจาก 3 ขั้นก่อน

อย่าออกแบบสายพาน 12 ขั้นตั้งแต่แรก เริ่มที่ 3 ขั้น รันจริงสัก 5 รอบ แล้วค่อยแตกขั้นที่มีปัญหา

---

ตัวอย่างสายพานจริง 5 ชุด

สายพานที่ 1: เขียนบทความ SEO

ขั้นที่ 1 — วิจัยและวางโครง

คุณคือนักวางกลยุทธ์ Content

หัวข้อ: [หัวข้อ]
กลุ่มผู้อ่าน: [ใคร]
คีย์เวิร์ดหลัก: [คำ]

งาน:
1. คำถามที่ผู้อ่านกลุ่มนี้น่าจะมีจริง 10 ข้อ
2. จัดกลุ่มคำถามเป็นหัวข้อ H2 ไม่เกิน 6 หัวข้อ
3. แต่ละ H2 ระบุประเด็นที่ต้องตอบ

ห้ามเขียนเนื้อหาเต็ม แค่โครงเท่านั้น
ผลลัพธ์เป็นโครงร่างแบบ bullet

จุดตรวจ: โครงตอบคำถามหลักครบไหม มีหัวข้อไหนซ้ำกันไหม

ขั้นที่ 2 — เขียนตามโครง

เขียนเนื้อหาเต็มตามโครงที่อนุมัติแล้วด้านล่าง

เงื่อนไข:
- ย่อหน้าละไม่เกิน 4 บรรทัด
- ทุก H2 ต้องมีคำตอบตรง ๆ ในย่อหน้าแรกของหัวข้อนั้น
- มีตารางหรือรายการอย่างน้อย 1 ชิ้นต่อ 400 คำ
- ห้ามแต่งตัวเลขหรือแหล่งอ้างอิง ให้เขียน [ต้องตรวจสอบ] แทน

โครง:
<<<
[วางโครงจากขั้นที่ 1]
>>>

ขั้นที่ 3 — วิจารณ์อย่างเข้มงวด

สวมบทบาทบรรณาธิการที่เข้มงวด อ่านบทความด้านล่างแล้วระบุ:
1. ย่อหน้าไหนตัดทิ้งได้โดยไม่เสียใจความ
2. จุดไหนที่ผู้อ่านจะสงสัยแล้วไม่มีคำตอบ
3. ประโยคไหนอ่านแล้วสะดุด (ยกมาให้ดู)
4. หัวข้อไหนที่เนื้อหาไม่ตรงกับชื่อหัวข้อ

อย่าแก้ให้ แค่ชี้ปัญหา ผมจะเลือกเองว่าจะแก้อะไร

ขั้นที่ 4 — ขัดเกลาตามที่เลือก

แก้ตามรายการนี้เท่านั้น ห้ามแก้อย่างอื่น:
[ระบุข้อที่คุณเลือกจากขั้นที่ 3]

---

สายพานที่ 2: สรุปเอกสารยาวมาก

ขั้นที่ 1 — แตกและสรุปทีละส่วน (ทำซ้ำต่อแต่ละส่วน)

สรุปเอกสารส่วนนี้เป็น JSON:
{
  "ส่วนที่": "[เลข]",
  "ประเด็นหลัก": ["..."],
  "ตัวเลขสำคัญ": [{"ค่า": "...", "หน้า": "..."}],
  "ข้อสรุปของผู้เขียน": ["..."],
  "สิ่งที่ยังไม่ชัด": ["..."]
}
ห้ามมีข้อความอื่นนอก JSON
ห้ามสรุปสิ่งที่ไม่ได้เขียนไว้

ขั้นที่ 2 — รวมและหาความขัดแย้ง

นี่คือ JSON สรุปจากทุกส่วน

งาน:
1. รวมเป็นสรุปเดียว ไม่เกิน 15 ข้อ
2. หาจุดที่ข้อมูลระหว่างส่วนขัดแย้งกัน ระบุว่าส่วนไหนบอกอะไร
3. หาประเด็นที่ปรากฏซ้ำหลายส่วน (แปลว่าสำคัญ)
4. รวมรายการ "สิ่งที่ยังไม่ชัด" ทั้งหมด

ห้ามรวมตัวเลขจากคนละส่วนโดยไม่บอก

ขั้นที่ 3 — เขียนเป็นรายงานสำหรับคน

เปลี่ยนสรุปด้านบนเป็นรายงาน 1 หน้าสำหรับผู้บริหารที่มีเวลา 2 นาที
โครงสร้าง: สรุปผู้บริหาร 1 ย่อหน้า / ข้อค้นพบ / ความเสี่ยง / สิ่งที่ต้องตัดสินใจ
อ้างอิงเลขหน้าทุกข้อ

---

สายพานที่ 3: วิเคราะห์รีวิวลูกค้าจำนวนมาก

ขั้นที่ 1 → จัดประเภทรีวิวแต่ละชิ้นเป็น JSON
            {"อารมณ์": "บวก|ลบ|กลาง", "หัวข้อ": [...], "ความรุนแรง": 1-5}

ขั้นที่ 2 → นับความถี่ของแต่ละหัวข้อ แยกตามอารมณ์

ขั้นที่ 3 → ยกคำพูดจริงมาประกอบหัวข้อละ 2 ข้อ

ขั้นที่ 4 → เสนอสิ่งที่ควรแก้ก่อน 5 ข้อ พร้อมประเมินความยาก

ทำไมต้องแยกขั้นที่ 1 กับ 2: เพราะถ้าสั่งให้ "อ่านรีวิวแล้วบอกว่าคนบ่นเรื่องอะไรบ่อยที่สุด" ในรอบเดียว AI จะ ประมาณเอา ไม่ได้นับจริง การบังคับให้ออกมาเป็น JSON ก่อนแล้วค่อยนับ ทำให้ตัวเลขเชื่อถือได้

---

สายพานที่ 4: ทำภาพชุดสำหรับแคมเปญ

ขั้นที่ 1 → บรรยายคอนเซปต์ภาพเป็นข้อความ 5 ภาพ
            (ยังไม่ต้องเขียน Prompt)

ขั้นที่ 2 → สร้าง "Style Block" ที่ใช้ร่วมกันทั้ง 5 ภาพ
            (แสง เลนส์ โทนสี สไตล์)

ขั้นที่ 3 → เขียน Prompt เต็มของแต่ละภาพ
            = คอนเซปต์เฉพาะภาพ + Style Block ที่ใช้ร่วมกัน

ขั้นที่ 4 → Generate แล้วเลือกภาพที่ชอบ

ขั้นที่ 5 → ขอ Prompt ย้อนกลับของภาพที่ชอบ เก็บเข้าคลัง

ขั้นที่ 2 คือหัวใจ เพราะมันทำให้ทั้ง 5 ภาพดูเป็นเซ็ตเดียวกัน แทนที่จะเป็นภาพสวย 5 ภาพที่ไม่เข้ากัน ดูรายละเอียดที่ คลังสไตล์ Prompt สร้างภาพ 40 แบบ

---

สายพานที่ 5: ตัดสินใจเรื่องสำคัญ

ขั้นที่ 1 → AI ถามคำถามที่จำเป็น 5 ข้อ (ยังไม่วิเคราะห์)

ขั้นที่ 2 → คุณตอบ แล้ว AI ทำตารางเปรียบเทียบตามเกณฑ์ที่คุณให้ความสำคัญ

ขั้นที่ 3 → วิเคราะห์จาก 4 มุมมองแยกกัน (ลูกค้า / ทีม / การเงิน / ความเสี่ยง)

ขั้นที่ 4 → สวมบทบาทคนที่ไม่เห็นด้วย หาเหตุผลว่าทำไมแผนนี้จะล้มเหลว

ขั้นที่ 5 → สังเคราะห์ข้อสรุป พร้อมระบุว่าข้อมูลอะไรที่ถ้ารู้เพิ่มจะเปลี่ยนคำตอบ

ขั้นที่ 4 สำคัญที่สุด เพราะ AI มีนิสัยเห็นด้วยกับคุณ การบังคับให้มันหาเหตุผลคัดค้านเป็นขั้นแยก ทำให้ได้มุมที่มันไม่เคยบอกคุณ

---

ตรวจจุดที่พังระหว่างทาง

เมื่อผลลัพธ์สุดท้ายไม่ดี ให้ไล่ย้อนกลับทีละขั้น

อาการที่ปลายสายพาน	น่าจะพังที่ขั้นไหน
เนื้อหาไม่ตรงโจทย์	ขั้นวิจัย/วางโครง (ขั้นแรก ๆ)
โครงดีแต่เนื้อหาตื้น	ขั้นเขียน — ให้บริบทไม่พอ
ตัวเลขไม่น่าเชื่อถือ	ขาดขั้นที่บังคับให้ออกเป็นโครงสร้าง
โทนไม่ตรง	ขั้นขัดเกลา — ไม่มีตัวอย่างโทน
ผลไม่นิ่ง รันทีไรได้ไม่เหมือนกัน	รูปแบบส่งต่อระหว่างขั้นไม่ชัด
ขั้นถัดไปตีความผิด	ขั้นก่อนหน้าไม่ได้บังคับรูปแบบ output

เทคนิคหาจุดพังเร็วที่สุด

รันแค่ครึ่งสายพานแล้วดูผล ถ้าถึงขั้นที่ 3 ยังดีอยู่ แปลว่าปัญหาอยู่ที่ขั้น 4-5 ไม่ต้องไปไล่ตั้งแต่ต้น

---

Chaining ต่างจาก AI Agent ยังไง

คำถามที่คนสับสนบ่อยที่สุด

	Prompt Chaining	AI Agent
ใครออกแบบลำดับ	คุณ ออกแบบไว้ล่วงหน้า	Agent วางแผนเอง
ลำดับเปลี่ยนได้ไหม	ไม่ ตายตัวตามที่ออกแบบ	ได้ ปรับระหว่างทาง
ใครกดขั้นถัดไป	คุณ (หรือสคริปต์)	ตัวมันเอง
คาดเดาผลได้แค่ไหน	สูง	ต่ำกว่า
ราคา	ถูกกว่า	แพงกว่า วนหลายรอบ
เหมาะกับ	งานที่รู้ขั้นตอนแล้ว	งานที่ขั้นตอนไม่แน่นอน

คำแนะนำ: ถ้าคุณรู้อยู่แล้วว่าต้องทำอะไรเรียงตามลำดับไหน ใช้ Chaining อย่าใช้ Agent เพราะแพงกว่าและคาดเดายากกว่าโดยไม่จำเป็น

ใช้ Agent เมื่อคุณ ไม่รู้ล่วงหน้า ว่าต้องทำกี่ขั้น เช่น "หาข้อมูลจนกว่าจะครบ 10 ราย" ซึ่งไม่รู้ว่าต้องค้นกี่รอบ อ่านต่อที่ สร้าง AI Agent ตัวแรกของคุณ

---

คำถามที่พบบ่อย

Prompt Chaining คืออะไร?

คือการแตกงานใหญ่เป็น Prompt ย่อยหลายตัว แล้วส่งผลลัพธ์ของตัวก่อนหน้าเป็นวัตถุดิบของตัวถัดไป ข้อดีคือตรวจได้ทีละขั้น และเมื่อขั้นไหนพังก็แก้เฉพาะขั้นนั้น

ควรแตกเป็นกี่ขั้นดี?

เริ่มที่ 3 ขั้นก่อน รันจริงสัก 5 รอบ แล้วค่อยแตกขั้นที่มีปัญหา อย่าออกแบบ 12 ขั้นตั้งแต่แรกเพราะคุณยังไม่รู้ว่าขั้นไหนพังจริง

ต้องใช้เครื่องมือพิเศษไหม?

ไม่ต้อง ทำในแชทธรรมดาได้เลย พิมพ์ทีละขั้น ตรวจ แล้วส่งต่อ ถ้าอยากอัตโนมัติค่อยไปใช้เครื่องมือที่รองรับ workflow

ทำไมต้องบังคับให้ขั้นกลางออกมาเป็น JSON?

เพราะมันทำให้คุณเห็นว่า AI เข้าใจข้อมูลถูกหรือเปล่า ก่อน ที่มันจะเอาไปเขียนต่อ ถ้าปล่อยให้ทำรวดเดียว คุณจะเห็นแค่ผลสุดท้ายที่ผิดโดยไม่รู้ว่าผิดตั้งแต่ขั้นไหน

Chaining ช้ากว่า Prompt เดียวไหม?

ช้ากว่าตอนรัน แต่เร็วกว่ามากเมื่อนับเวลาแก้งาน เพราะคุณจับปัญหาได้ตั้งแต่ขั้นแรก ๆ แทนที่จะมาพบตอนงานเสร็จแล้วต้องรื้อทั้งหมด

ควรใช้ Chaining หรือ AI Agent?

ถ้าคุณรู้ลำดับขั้นตอนอยู่แล้ว ใช้ Chaining เพราะถูกกว่าและคาดเดาได้กว่า ใช้ Agent เมื่อไม่รู้ล่วงหน้าว่าต้องทำกี่ขั้น

---

สรุป

1. Prompt เดียวที่สั่ง 10 อย่าง มักได้งานครึ่ง ๆ กลาง ๆ ทุกอย่าง
2. แตกเป็นสายพาน แล้วตรวจทีละขั้น
3. หนึ่งขั้น หนึ่งหน้าที่ ถ้าทำเกินหนึ่งอย่าง ให้แตกอีก
4. กำหนดรูปแบบส่งต่อให้ชัด ใช้ JSON ในขั้นกลางเมื่อความแม่นยำสำคัญ
5. ใส่คนในทางแยกสำคัญ อย่าปล่อยให้ AI เลือกทิศทางเอง
6. รู้ขั้นตอนแล้วใช้ Chaining ไม่รู้ขั้นตอนค่อยใช้ Agent

---

อ่านต่อ

• วิธีสร้าง Prompt ให้ AI ตอบตรงใจ
• สร้าง AI Agent ตัวแรกของคุณ
• คู่มือ Prompt ฉบับสมบูรณ์
• คลัง Prompt ทั้งหมด