เนื่องจากได้ใช้งาน ChatGPT ในงานมาพอสมควร
ทั้งในมุมมองของ Prompt Engineering
ทั้งในมุมมองของการขยายความสามารถด้วยการ coding
เพื่อช่วยให้เราทำงานได้ง่าย และ เฉพาะเจาะจงง่ายขึ้น
ด้วยการใช้งานผ่าน Library ชื่อ LangChain + Python
จึงทำการสรุปสิ่งที่แบ่งปันไว้นิดหน่อย
เริ่มด้วยคำถามว่า เราได้นำ ChatGPT ไปใช้งานของเราบ้างหรือยัง ?
- ถ้ายังไม่ใช้ จงเรียนรู้ที่จะใช้
- ถ้าใช้แล้ว เราใช้ทำอะไรบ้าง มีอะไรบ้างที่ใช้งาน มีเทคนิคอะไรบ้างที่น่าสนใจ
ในส่วนนี้จะเป็นเรื่องของ Prompt Engineering มาก
โดยมากแล้วเรื่องนี้ถูกประยุกต์ใช้งานเยอะมาก ๆ ในแต่ละวงการ
ยิ่งสายการพัฒนา software สามารถทำมาใช้งานได้หลายหลายสุด เช่น
- การ generate code
- การอธิบาย code
- การทดสอบ code
- การ debug code
- การปรับปรุง หรือ refactoring code
ใน community การใช้งาน ChatGPT นั้น ก็มีคำแนะนำ
สำหรับรูปแบบการของพูดคุยว่าควรต้องมีรูปแบบไหนบ้าง
ยกตัวอย่างเช่น
ซึ่งมีหลายสำนัก หลายรูปแบบ ให้ลองเรียนรู้ และ ลองนำไปใช้งาน
เพื่อดูว่าแบบไหนที่เราชอบ และได้ผลตามที่ต้องการ
หรือไปดูตามที่ต่าง ๆ ดังนี้
หรือสามารถดูเพิ่มเติมได้ในเรื่อง AI-aided test-first development
เป็นอีกหนึ่งรูปแบบการนำมาใช้งานสำหรับการพัฒนา software
ตั้งแต่ requirement ไปจนถึงการ coding และ ทดสอบ
หรือสาย Data Analysis ก็สามารถใช้งานได้เช่นกัน
สามารถนำข้อมูลมาใส่ใน ChatGPT ได้เลย
เพื่อให้ทำการวิเคราะห์ข้อมูลให้
เพื่อหา insight หรือ คำแนะนำต่าง ๆ จากข้อมูล
รวมทั้งถ้าต้องการเขียน code เพื่อวิเคราะห์ข้อมูลตัวอย่างก็ทำได้เช่นกัน
ยกตัวอย่างจากบทความนี้
แต่เมื่อข้อมูลใหญ่ขึ้นจะใช้ไม่ได้ผ่าน ChatGPT แล้ว
เพราะว่ามีจำนวน data หรือ token จำกัด
สามารถตรวจสอบจำนวน token ได้ที่ OpenAI Tokenizer
ดังนั้นปัญหาตรงนี้เราสามารถทำได้คือ การแบ่งข้อมูลใหญ่ ๆ ออกเป็นส่วนเล็ก ๆ
เพื่อส่งไปยัง OpenAI ผ่าน API นั่นเอง (จำเป็นต้องมี API Key)
โดย library ที่นิยมใช้งานและช่วยจัดการข้อมูลต่าง ๆ
รวมทั้งการพูดคุยแบบง่ายผ่าน library ชื่อว่า LangChain นั่นเอง
ใน LangChain ใช้งานง่าย รวมทั้งมี use case ต่าง ๆ ให้เป็นตัวอย่างด้วย
เช่น
- Agents ต่าง ๆ
- ตอบคำถามต่าง ๆ จากเอกสารของเรา เช่น user manual เป็นต้น
- Chatbot
- ให้คำแนะนำแบบส่วนตัว
แน่นอนว่าต้องการ coding skill มากขึ้น
แต่ก็ทำให้เราสร้างระบบงานได้ง่ายขึ้น
นำข้อมูลที่เราต้องการมาใช้งานได้ง่าย
แสดงตัวอย่างระบบถามตอบดังรูป
ตัวอย่างง่าย ๆ เช่น การอ่าน user manual จาก PDF ที่มีขนาดใหญ่เขามาทำ index ซะ
ซึ่งเป็น embedding vector นั่นเอง
จะเก็บไว้แบบ local หรือ vector database ก็ได้
จากนั้นก็ถามสิรออะไร !!
[gist id="42a53a77554e53e106a54d8eb3ea6ca4" file="ask.py"]เพียงเท่านี้เราก็สามารถนำไปต่อยอดใช้งานได้อีกมากมายแล้ว
ต่อจากนี้ก็คือ การเรียนรู้ต่อไป