ส่งหลายไฟล์พร้อมกัน — พลังของ Long Context
การเชื่อมโยงข้อมูลจากหลายแหล่ง (เช่น คู่มือ + โค้ด + โลคอลล็อก) เข้าด้วยกัน
เชื่อมโยงจุด (Connecting the Dots)
พลังที่แท้จริงของ LLM ไม่ใช่แค่อ่านไฟล์เดียว แต่คือการโยนหลายๆ ไฟล์เข้าไปแล้วให้มันหาความเชื่อมโยง (Correlation) ข้ามไฟล์
นึกถึงกระดานที่นักสืบเอาสายสิญจน์โยงรูปภาพและหลักฐานหลายๆ ชิ้นเข้าด้วยกัน AI สามารถหาความเชื่อมโยงของไฟล์ A (คู่มือ), ไฟล์ B (ประวัติแชทลูกค้า), และไฟล์ C (ล็อกคอมพิวเตอร์) เพื่อสรุปเรื่องราวให้เราได้
สรุป Key Takeaways
- Context Window ของ AI ยุคนี้รองรับหนังสือได้เป็นเล่ม (เช่น 200k tokens)
- ใส่เอกสารอ้างอิงให้ AI ก่อนถาม จะช่วยลดการมั่ว (RAG concept เบื้องต้น)
- ยิ่งใส่ข้อมูลเยอะ ยิ่งตอบช้าและแพง (ถ้าใช้ API)
คำถามที่พบบ่อย
ส่งหลายไฟล์พร้อมกัน AI จะเชื่อมโยงข้ามไฟล์ได้จริงไหม
ได้ และเป็นจุดแข็งของโมเดล long context — เช่น ส่งคู่มือ + log + config แล้วถามว่า "config ข้อไหนขัดกับคู่มือและอาจทำให้เกิด error ใน log" เคล็ดลับคือติดป้ายชื่อแต่ละไฟล์ชัดๆ และบอกความสัมพันธ์ของไฟล์ในคำถาม
ควรส่งทั้งโปรเจกต์ หรือคัดไฟล์ส่ง
คัดดีกว่าเสมอถ้าทำได้ — บริบทที่เกี่ยวข้องล้วนๆ ให้คำตอบแม่นกว่าบริบทใหญ่ที่มีของไม่เกี่ยวปน ส่งเฉพาะไฟล์ที่เกี่ยวกับคำถาม + ไฟล์โครงสร้าง (เช่น package.json, README) พอให้มันเห็นภาพรวม
ถ้าข้อมูลในสองไฟล์ขัดกันเอง AI จะทำยังไง
พฤติกรรมไม่แน่นอน — บางทีเลือกอันหนึ่งเงียบๆ ซึ่งอันตราย ให้สั่งไว้เลยว่า "ถ้าข้อมูลขัดกันให้ชี้จุดขัดแย้งออกมา อย่าเลือกเอง" เป็นการใช้ AI ช่วยหา inconsistency ไปในตัว ซึ่งเป็น use case ที่มีประโยชน์มากของ long context