เรียนรู้ 15 Frameworks สำหรับสร้าง Prompt อย่างมืออาชีพ — จากงานทั่วไปจนถึงกลยุทธ์ระดับองค์กร
การใช้ Prompt Framework ช่วยให้เรา จัดโครงสร้างความคิดก่อนสื่อสารกับ AI — เหมือนการวางแผนก่อนเขียนรายงาน ยิ่งเราชัดเจนในเรื่อง บทบาท (Role), บริบท (Context), และ ผลลัพธ์ที่คาดหวัง (Expected Output) มากเท่าไหร่ AI ก็จะตอบได้ตรงประเด็นมากขึ้นเท่านั้น
ในโมดูลนี้ เราจะเรียนรู้ 15 Frameworks ที่ครอบคลุมทุกสถานการณ์การทำงาน ตั้งแต่งานเขียนคอนเทนต์ทั่วไป ไปจนถึงการวางแผนกลยุทธ์ระดับองค์กร แต่ละ Framework มีจุดแข็งและบริบทการใช้งานที่แตกต่างกัน — กุญแจสำคัญคือการเลือกใช้ให้เหมาะกับงาน
อย่าพยายามจำทุก Framework — ให้เริ่มจาก PTCF เป็นพื้นฐาน แล้วค่อยๆ เพิ่ม Framework อื่นตามความซับซ้อนของงาน เมื่อคุ้นเคยแล้ว คุณจะสามารถผสมผสาน Framework ต่างๆ ได้อย่างเป็นธรรมชาติ
Frameworks ในกลุ่มนี้เหมาะสำหรับงานเขียน งานสร้างสรรค์คอนเทนต์ งานสรุป และงานทั่วไปที่ต้องการผลลัพธ์ที่ชัดเจนและมีคุณภาพ
ใช้ได้กับ ทุกงานทั่วไป — เป็น Framework พื้นฐานที่ควรเริ่มต้นด้วยเสมอ เหมาะสำหรับงานเขียน งานสรุป งานแปล งานวิเคราะห์เบื้องต้น หรือเมื่อไม่แน่ใจว่าจะใช้ Framework ไหน
Persona: คุณคือนักวิเคราะห์อาชญากรรมอาวุโสที่มีประสบการณ์ 15 ปี Task: วิเคราะห์รูปแบบการก่อเหตุลักทรัพย์ในพื้นที่สถานีตำรวจภูธรเมืองเชียงใหม่ ช่วง 3 เดือนที่ผ่านมา Context: มีรายงานคดีลักทรัพย์เพิ่มขึ้น 40% โดยเฉพาะในย่านท่องเที่ยว ช่วงเวลา 22:00-02:00 น. เหยื่อส่วนใหญ่เป็นนักท่องเที่ยวชาวต่างชาติ Format: สรุปเป็น bullet points แบ่งเป็น 3 ส่วน: (1) รูปแบบที่พบ (2) พื้นที่เสี่ยง (3) ข้อเสนอแนะเชิงป้องกัน
Persona: คุณคือ Content Strategist ที่เชี่ยวชาญด้าน B2B SaaS Marketing Task: เขียน LinkedIn post เพื่อประกาศฟีเจอร์ใหม่ของผลิตภัณฑ์ Context: บริษัทเพิ่งเปิดตัวฟีเจอร์ AI-powered analytics dashboard ที่ช่วยลดเวลาทำรายงานจาก 4 ชั่วโมงเหลือ 15 นาที กลุ่มเป้าหมายคือ Marketing Manager ในบริษัทขนาดกลาง Format: โพสต์ความยาว 150-200 คำ มี hook ที่ดึงดูด, pain point, solution, CTA พร้อมแนะนำ hashtag 3-5 อัน
ใช้สำหรับ งานง่ายๆ ที่ต้องการความรวดเร็ว — เมื่อบริบทชัดเจนอยู่แล้วหรือไม่ซับซ้อน เช่น การแปลภาษา การสรุปข้อความสั้น การตอบคำถามตรงๆ
Role: นักแปลมืออาชีพ ไทย-อังกฤษ Task: แปลประกาศแจ้งเตือนภัยออนไลน์ต่อไปนี้เป็นภาษาอังกฤษ: "ระวัง! มิจฉาชีพแอบอ้างเป็นเจ้าหน้าที่ตำรวจโทรหลอกให้โอนเงิน อย่าเชื่อ อย่าโอน อย่ากดลิงก์" Format: แปลให้เป็นทางการแต่เข้าใจง่าย เหมาะสำหรับโพสต์บนเว็บไซต์สถานทูต
Role: นักเขียน Technical Documentation Task: สรุป release notes ของ software version 2.5.0 ให้เข้าใจง่าย Format: bullet points แบ่งเป็น New Features, Bug Fixes, Breaking Changes ไม่เกิน 10 ข้อรวม
เมื่อ บริบทสำคัญกว่าบทบาท — เช่น เขียนในฐานะตัวเอง (ไม่ใช่ให้ AI เล่นบทบาท) งานที่ context หนักหน่วง หรือเมื่อต้องการเน้นสถานการณ์มากกว่าความเชี่ยวชาญ
[C] ฉันเป็นพนักงานสอบสวนกำลังเขียนบันทึกสอบปากคำผู้ต้องสงสัยคดีฉ้อโกงออนไลน์
มีคำให้การ 3 หน้าแนบมา
[T] สรุปประเด็นสำคัญและจุดที่ขัดแย้งกัน
[F] bullet points แยก: ข้อเท็จจริง vs ข้อขัดแย้ง ไม่เกิน 10 ข้อ ภาษาราชการ
[C] ฉันเป็น HR Manager กำลังเตรียมประกาศสมัครงาน ตำแหน่ง Data Analyst
ในบริษัท startup fintech
[T] ร่างประกาศที่ดึงดูดผู้สมัครที่มีทักษะ SQL Python และสนใจงาน fintech
[F] ประกาศความยาว 300 คำ แบ่งเป็น About Us, Responsibilities, Requirements, What We Offer
ใช้เมื่อต้องการผลลัพธ์ที่ ครอบคลุมและแม่นยำ โดยเฉพาะเมื่อมีตัวอย่างที่ต้องการให้ AI เลียนแบบ เหมาะกับงานที่ต้องการ consistency เช่น การเขียนรีวิว การสร้าง template ซ้ำๆ
Role: คุณคือนักวิเคราะห์ข้อมูลอาชญากรรม ที่มีประสบการณ์ด้าน Pattern Recognition Instruction: วิเคราะห์รูปแบบการก่อเหตุของแก๊ง Romance Scam จากข้อมูลคดีที่รวบรวมมา Input: ข้อมูลคดี 50 คดี ประกอบด้วย: ช่องทางติดต่อ, ระยะเวลา grooming, วิธีการหลอก, ยอดเสียหาย, ข้อมูลประชากรเหยื่อ Context: ทีมงานต้องการสร้าง awareness campaign เพื่อป้องกัน โดยเฉพาะกลุ่มเสี่ยงสูง ข้อมูลจะใช้นำเสนอต่อ ผบก. และสื่อมวลชน Example: - Pattern ที่ดี: "เหยื่อ 80% ถูกติดต่อผ่าน Facebook Dating → Line → โอนเงินผ่านบัญชีม้า" - Pattern ที่ไม่ดี: "มิจฉาชีพหลอกเงิน" (ไม่มีรายละเอียดที่ actionable) ต้องการ 5 patterns หลัก พร้อมสถิติสนับสนุน และข้อเสนอแนะเชิงป้องกันสำหรับแต่ละ pattern
Role: คุณคือ Email Marketing Specialist ที่เชี่ยวชาญด้าน e-commerce Instruction: เขียน subject line สำหรับ email campaign โปรโมชั่น Mid-Year Sale Input: สินค้าลด 50-70%, ฟรีค่าส่ง, เฉพาะสมาชิก, 3 วันเท่านั้น Context: กลุ่มเป้าหมายคือลูกค้าเก่าที่ไม่ได้ซื้อสินค้ามา 3 เดือน (win-back campaign) อัตราเปิดอ่านปัจจุบันอยู่ที่ 18% ต้องการเพิ่มเป็น 25% Example: - ดี: "คุณสมชาย คิดถึงคุณนะ — ลด 70% เฉพาะคุณ 3 วันเท่านั้น" - ดี: "🎁 สิทธิพิเศษสมาชิก: ลดสูงสุด 70% + ส่งฟรี" - ไม่ดี: "โปรโมชั่น Mid-Year Sale" (ไม่มี urgency, ไม่ personalize) สร้าง subject line มา 5 แบบ พร้อมอธิบายเหตุผลว่าทำไมแต่ละแบบถึงน่าจะได้ open rate สูง
งานที่ต้องการ ตัวอย่างประกอบ (Few-shot) งานวิเคราะห์ข้อมูลซับซ้อน งานที่มีข้อห้ามเฉพาะ — CREATE เหนือกว่า PTCF ตรงที่บังคับให้ใส่ Examples และ Extras ทุกครั้ง
[C] คุณคือนักวิเคราะห์พฤติกรรมทางการเงิน เชี่ยวชาญ Money Laundering
[R] สรุปรูปแบบธุรกรรมผิดปกติจากข้อมูลบัญชีที่แนบ
[E] ตัวอย่างที่ต้องหา:
- โอนเงินเข้าแล้วออกทันทีภายใน 1 ชม.
- รับจากหลายบัญชีในวันเดียว
[A] อธิบายเป็น bullet ไม่เกิน 5 ข้อ ภาษาราชการ
[T] ตาราง: รูปแบบ | ครั้งที่พบ | ระดับความเสี่ยง (สูง/กลาง/ต่ำ)
[E] ห้ามสรุปความผิดทางกฎหมาย ห้ามอ้างข้อมูลนอกเอกสาร
[C] นักเขียน Content Marketing 10 ปี [R] เขียน Facebook post โปรโมทสินค้า [E] เช่น "ลด 50% เฉพาะวันนี้ — อย่าพลาด!" [A] ภาษาเป็นกันเอง อิโมจิได้ ≤150 คำ [T] 3 ตัวเลือก (hook ต่างกัน) [E] ห้ามอ้างสรรพคุณเกินจริง
ใช้สำหรับ งานซับซ้อนที่มีข้อมูลนำเข้าจำนวนมาก และต้องการให้ AI ทำตามขั้นตอนที่กำหนด เหมาะกับงานวิเคราะห์ข้อมูล งานที่ต้อง process ข้อมูลหลายชั้น
Role: คุณคือนักวิเคราะห์ข้อมูลอาชญากรรม (Crime Data Analyst) Input: ข้อมูลคดีแก๊งคอลเซ็นเตอร์ 6 เดือนที่ผ่านมา - จำนวนคดี: 847 คดี - มูลค่าความเสียหายรวม: 234 ล้านบาท - ช่องทาง: โทรศัพท์ 45%, LINE 35%, SMS 20% - กลุ่มเหยื่อ: ผู้สูงอายุ 40%, วัยทำงาน 35%, นักศึกษา 25% - พื้นที่: กรุงเทพฯ 30%, ภาคกลาง 25%, ภาคเหนือ 20%, อื่นๆ 25% Steps: 1. วิเคราะห์แนวโน้มและรูปแบบจากข้อมูล 2. ระบุกลุ่มเสี่ยงสูงสุดและช่องทางที่ต้องเฝ้าระวัง 3. เปรียบเทียบกับแนวโน้มสากล 4. เสนอมาตรการป้องกันเชิงรุก Expectation: รายงานวิเคราะห์ 1 หน้า A4 พร้อมกราฟแนะนำ (อธิบายเป็นข้อความ) และข้อเสนอแนะเชิงนโยบาย 5 ข้อ ที่สามารถนำไปปฏิบัติได้ทันที
ใช้สำหรับ งานสร้างสรรค์คอนเทนต์ ที่ต้องการควบคุมทั้งสไตล์และน้ำเสียง เหมาะมากกับงานเขียนบทความ โพสต์โซเชียล สคริปต์วิดีโอ หรือ copywriting
Context: ฉันเป็นหัวหน้าฝ่ายประชาสัมพันธ์ของกองบัญชาการตำรวจไซเบอร์ กำลังเตรียมแถลงข่าวเกี่ยวกับการทลายเครือข่ายแก๊งคอลเซ็นเตอร์ข้ามชาติ ที่จับกุมผู้ต้องหาได้ 15 คน มูลค่าความเสียหายรวม 500 ล้านบาท Objective: สร้างความเชื่อมั่นให้ประชาชน และประชาสัมพันธ์ความสำเร็จของหน่วยงาน Style: ทางการแต่เข้าถึงง่าย ใช้ภาษาที่ประชาชนทั่วไปเข้าใจ หลีกเลี่ยงศัพท์เฉพาะทาง Tone: มั่นใจ มืออาชีพ ห่วงใยประชาชน Audience: ประชาชนทั่วไป สื่อมวลชน และผู้บริหารระดับสูง Response: Press release 300 คำ พร้อม headline 3 ตัวเลือก และ key messages 3 ข้อ สำหรับโฆษก
Context: บริษัท startup ด้าน HealthTech เพิ่งได้รับเงินทุน Series A 200 ล้านบาท และกำลังจะเปิดตัวแอปพลิเคชันตรวจสุขภาพเบื้องต้นด้วย AI Objective: สร้าง awareness และดึงดูดผู้ใช้งานกลุ่มแรก (early adopters) ให้ลงทะเบียน waitlist Style: เขียนแบบ storytelling ผสม data-driven ใช้ภาษาที่เข้าใจง่ายแม้เป็นเรื่องเทคนิค Tone: น่าตื่นเต้น มั่นใจ แต่ไม่โอ้อวด เน้นความน่าเชื่อถือ Audience: คนวัยทำงาน 25-40 ปี ที่ใส่ใจสุขภาพ ใช้เทคโนโลยีคล่อง แต่ไม่ใช่สาย tech โดยเฉพาะ Response: บทความ PR ความยาว 500 คำ พร้อม headline 3 ตัวเลือก และ key messages 3 ข้อสำหรับทีม PR นำไปใช้ต่อ
Frameworks ในกลุ่มนี้ออกแบบมาสำหรับงานที่ต้องการ การคิดเชิงระบบ การวิเคราะห์ปัญหาหลายมิติ และการวางแผนที่มีขั้นตอนชัดเจน
ใช้สำหรับ งานซับซ้อนที่มีหลายขั้นตอน และต้องการจำกัดขอบเขตให้ชัดเจน เหมาะกับการวางแผนโปรเจกต์ การสร้าง SOP หรืองานที่ต้องการผลลัพธ์ที่เฉพาะเจาะจง
Role: คุณคือที่ปรึกษาด้านการปฏิรูปกระบวนการยุติธรรม Instructions: ออกแบบ SOP (Standard Operating Procedure) สำหรับการรับแจ้งความออนไลน์ผ่านแอปพลิเคชัน Steps: 1. วิเคราะห์ปัญหาของระบบรับแจ้งความปัจจุบัน 2. ออกแบบ user flow สำหรับผู้แจ้งความ 3. กำหนดขั้นตอนการตรวจสอบและคัดกรองโดยเจ้าหน้าที่ 4. ออกแบบระบบติดตามสถานะคดี 5. กำหนด SLA (Service Level Agreement) แต่ละขั้นตอน End goal: SOP ที่พร้อมนำไปใช้งานจริง ลดเวลารับแจ้งความจาก 45 นาทีเหลือ 10 นาที Narrowing: - ต้องรองรับผู้สูงอายุที่ไม่คุ้นเคยเทคโนโลยี - ต้องเป็นไปตาม พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล (PDPA) - ไม่รวมคดีอุกฉกรรจ์ที่ต้องแจ้งความด้วยตนเอง - งบประมาณพัฒนาไม่เกิน 5 ล้านบาท
ใช้สำหรับ การบริหารโปรเจกต์ที่มีข้อจำกัดหลายด้าน — เหมาะกับ Project Manager, ผู้บริหาร หรือทีมที่ต้องตัดสินใจภายใต้ทรัพยากรจำกัด
Situation: สถานีตำรวจภูธร X กำลังเผชิญปัญหาคดีลักทรัพย์ในย่านท่องเที่ยวเพิ่มขึ้น 60% เมื่อเทียบกับปีที่แล้ว โดยเฉพาะช่วงเทศกาล เหยื่อส่วนใหญ่เป็นนักท่องเที่ยวต่างชาติ สร้างความเสียหายต่อภาพลักษณ์การท่องเที่ยว Objective: ลดอัตราการเกิดคดีลักทรัพย์ในพื้นที่ท่องเที่ยว 40% ภายใน 6 เดือน และเพิ่มความพึงพอใจของนักท่องเที่ยวต่อความปลอดภัย Limitations: - งบประมาณเพิ่มเติมได้ไม่เกิน 500,000 บาท - กำลังพล: มีอยู่ 45 นาย ไม่สามารถเพิ่มได้ในระยะสั้น - ต้องไม่กระทบการท่องเที่ยว (ไม่ใช่บรรยากาศ "ตำรวจเต็มเมือง") - ต้องได้รับความร่วมมือจากภาคเอกชน (โรงแรม ร้านค้า) Vision: พื้นที่ท่องเที่ยวที่ปลอดภัย นักท่องเที่ยวมั่นใจ ประชาชนภูมิใจ เป็น model ให้สถานีอื่น Execution: ต้องการแผนปฏิบัติการ 6 เดือน ประกอบด้วย: - มาตรการป้องปราม (Deterrence) - มาตรการตอบสนอง (Response) - มาตรการประสานงาน (Partnership) - KPIs และวิธีวัดผลแต่ละเดือน
Situation: บริษัท e-commerce ขนาดกลาง (รายได้ 500 ล้าน/ปี) กำลังเผชิญปัญหา customer retention rate ลดลงจาก 65% เหลือ 42% ใน 6 เดือน หลังจากคู่แข่งรายใหญ่เข้าตลาดด้วยราคาที่ต่ำกว่า Objective: เพิ่ม retention rate กลับไปที่ 60% ภายใน Q3/2026 โดยไม่ใช้กลยุทธ์สงครามราคา Limitations: - งบ marketing เพิ่มได้ไม่เกิน 15% จากปัจจุบัน - ทีม tech มี 8 คน ไม่สามารถจ้างเพิ่มในระยะสั้น - ต้องไม่กระทบ margin ที่ต่ำอยู่แล้ว (12%) - ระบบ CRM ปัจจุบันเป็น legacy ปรับแต่งยาก Vision: ลูกค้ากลับมาซื้อซ้ำเพราะ "ประสบการณ์" ไม่ใช่ "ราคา" — สร้าง loyalty program ที่เป็น competitive moat Execution: ต้องการแผนปฏิบัติการ 90 วัน แบ่งเป็น 3 เฟส พร้อม KPI แต่ละเฟส, ทรัพยากรที่ต้องใช้, และ risk mitigation plan
ใช้สำหรับ งานวิจัยและพัฒนาผลิตภัณฑ์ ที่ต้องการกระบวนการคิดแบบ systematic ตั้งแต่การนิยามปัญหาจนถึงการวัดผล เหมาะกับ Product Manager, Researcher, หรือทีม R&D
Define: ศึกษาประสิทธิภาพของระบบ Predictive Policing ในการลดอาชญากรรมซ้ำซ้อนในพื้นที่เมือง เพื่อประเมินความเป็นไปได้ในการนำมาใช้กับ สตช. Research: - ศึกษา case study จาก LAPD (PredPol), Chicago PD, และ UK Metropolitan Police - วิเคราะห์ข้อมูลอาชญากรรมย้อนหลัง 5 ปีของ บก.น. - สำรวจความพร้อมด้านข้อมูลและเทคโนโลยีของหน่วยงาน - ทบทวนประเด็นจริยธรรมและ bias ในระบบ AI Execute: ออกแบบ pilot project 6 เดือนในพื้นที่ 3 สถานี Analyse: เปรียบเทียบอัตราอาชญากรรมก่อน-หลัง, ประเมิน false positive rate, วิเคราะห์ cost-benefit Measure: - ลดอาชญากรรมในพื้นที่นำร่อง ≥15% - Response time ลดลง ≥20% - ความพึงพอใจของเจ้าหน้าที่ ≥70% - ไม่มีกรณี racial/demographic bias ที่ตรวจพบ
ใช้สำหรับ การแก้ปัญหาอย่างเป็นระบบ โดยเฉพาะเมื่อต้องพิจารณา trade-offs และต้องการวิธีทดสอบว่าทางออกใช้ได้จริง เหมาะกับ engineering decisions, policy design
Problem: ระบบรับแจ้งความ 191 มี response time เฉลี่ย 15 นาที (สูงกว่ามาตรฐานที่ 8 นาที) สาเหตุหลักจากการวิเคราะห์: (1) operator ใช้เวลานานในการจำแนกประเภทเหตุ (2) การประสานงานกับสายตรวจไม่มีประสิทธิภาพ (3) ข้อมูลตำแหน่งเหตุไม่แม่นยำ Approach: เสนอ 3 แนวทาง 1. ฝึก operator ใหม่ + สร้าง decision tree สำหรับจำแนกเหตุ 2. ติดตั้งระบบ CAD (Computer-Aided Dispatch) แบบอัตโนมัติ 3. ใช้ AI ช่วยจำแนกเหตุจากเสียง + ข้อความ real-time Compromise: - แนวทาง 1: ต้นทุนต่ำ ใช้เวลา 2 เดือน แต่ปรับปรุงได้จำกัด (~20%) - แนวทาง 2: ต้นทุนสูง (8 ล้าน) ใช้เวลา 6 เดือน แต่ปรับปรุงได้มาก (~50%) - แนวทาง 3: ต้นทุนปานกลาง (3 ล้าน) ใช้เวลา 4 เดือน เทคโนโลยีใหม่ยังไม่พิสูจน์ Test: - Pilot ที่ศูนย์รับแจ้ง 1 แห่ง เป็นเวลา 1 เดือน - วัดผลด้วย: average response time, call abandonment rate, operator satisfaction - ต้องมี fallback plan ถ้าระบบใหม่ล้มเหลว ช่วยวิเคราะห์ว่าควรเลือกแนวทางไหน หรือผสมผสานอย่างไร พร้อม implementation roadmap
Problem: ระบบ checkout ของเว็บไซต์มี cart abandonment rate 78% (สูงกว่า industry average ที่ 70%) สาเหตุหลักจาก user research: ขั้นตอนมากเกินไป (5 steps), ต้องสมัครสมาชิกก่อนซื้อ, ค่าส่งแสดงตอนท้าย Approach: เสนอ 3 แนวทาง 1. ลดขั้นตอนเหลือ 2 steps (one-page checkout) 2. เพิ่ม guest checkout + แสดงค่าส่งตั้งแต่หน้าสินค้า 3. ทำ progressive checkout (เก็บข้อมูลทีละน้อย ไม่ต้อง login) Compromise: - แนวทาง 1: เร็วที่สุด แต่อาจเก็บข้อมูลลูกค้าได้น้อยลง - แนวทาง 2: balance ดี แต่ต้องแก้ระบบหลายจุด ใช้เวลา 3 สัปดาห์ - แนวทาง 3: UX ดีที่สุด แต่ซับซ้อนในการพัฒนา ใช้เวลา 6 สัปดาห์ Test: A/B test แต่ละแนวทางกับ traffic 20% เป็นเวลา 2 สัปดาห์ วัดผลด้วย conversion rate, average order value, และ customer satisfaction score ช่วยวิเคราะห์ว่าควรเลือกแนวทางไหน พร้อมเหตุผลและ implementation plan
Frameworks ในกลุ่มนี้เน้นการ วางกลยุทธ์ การตลาด การบริหารจัดการ และการตั้งเป้าหมายที่วัดผลได้ เหมาะสำหรับผู้บริหาร นักการตลาด และผู้วางแผนกลยุทธ์
ใช้สำหรับ งานที่ต้องการความชัดเจนและวัดผลได้ — เรียบง่ายแต่ทรงพลัง เหมาะกับการตั้ง OKR, การมอบหมายงาน, หรือการสร้าง action plan ที่ตรงประเด็น
Task: ปรับปรุงกระบวนการ onboarding พนักงานใหม่ของฝ่าย Engineering Action: - สร้าง automated onboarding checklist ใน Notion - จัดทำ video walkthrough ของระบบหลัก 5 ระบบ - กำหนด buddy system จับคู่พนักงานใหม่กับ senior - สร้าง 30-60-90 day plan template Goal: ลดเวลา time-to-productivity ของพนักงานใหม่จาก 3 เดือนเหลือ 6 สัปดาห์ วัดจาก first solo PR merged และ positive feedback score ≥4/5 จากพนักงานใหม่ ช่วยออกแบบ onboarding program แบบละเอียด พร้อม timeline และ checklist ที่พร้อมใช้งาน
Task: เพิ่มประสิทธิภาพการตอบสนองต่อเหตุฉุกเฉิน 191 Action: - วิเคราะห์ข้อมูล response time ย้อนหลัง 1 ปี - ระบุ bottleneck ในกระบวนการรับแจ้ง-สั่งการ-ออกเหตุ - เสนอการปรับ shift pattern ตามข้อมูล peak hours - ออกแบบ decision tree สำหรับ operator ในการจัดลำดับความสำคัญ Goal: ลด average response time จาก 12 นาทีเหลือ 8 นาที ภายใน 6 เดือน โดยไม่เพิ่มจำนวนบุคลากร
ใช้สำหรับ งานกลยุทธ์และการนำเสนอ transformation — เหมาะมากกับการเขียน proposal, pitch deck, case study หรือเมื่อต้องการให้ AI ช่วยคิดว่า "จะไปจากจุด A ถึงจุด B ได้อย่างไร"
Before (สถานการณ์ปัจจุบัน): - การรับแจ้งความต้องเดินทางมาสถานี ใช้เวลาเฉลี่ย 2 ชั่วโมง - ประชาชน 40% ไม่แจ้งความเพราะไม่สะดวก - เอกสารแจ้งความเป็นกระดาษ ค้นหาย้อนหลังยาก - ไม่มีระบบติดตามสถานะคดีสำหรับผู้เสียหาย - ข้อมูลคดีไม่เชื่อมต่อกันระหว่างสถานี After (สถานการณ์ที่ต้องการ): - แจ้งความออนไลน์ได้ 24/7 ใช้เวลา ≤15 นาที - อัตราการแจ้งความเพิ่มขึ้น 50% - ระบบ digital เชื่อมต่อทุกสถานีในพื้นที่ - ผู้เสียหายติดตามสถานะคดีผ่านแอปได้ - วิเคราะห์ข้อมูลอาชญากรรม cross-station ได้ Bridge: ช่วยออกแบบ transformation roadmap 18 เดือน ที่ประกอบด้วย: - Phase 1 (เดือน 1-4): พัฒนาระบบแจ้งความออนไลน์ + pilot 5 สถานี - Phase 2 (เดือน 5-10): Roll out ทุกสถานี + ระบบติดตามคดี - Phase 3 (เดือน 11-18): เชื่อมต่อฐานข้อมูล + analytics dashboard พร้อมระบุงบประมาณ, ความเสี่ยง, และแผนการฝึกอบรมบุคลากร
Before (สถานการณ์ปัจจุบัน): - ทีม Customer Support ใช้เวลาเฉลี่ย 24 ชั่วโมงในการตอบ ticket - CSAT score อยู่ที่ 3.2/5 - Agent burnout rate สูง (turnover 40%/ปี) - ข้อมูลลูกค้ากระจายอยู่ใน 4 ระบบที่ไม่เชื่อมต่อกัน After (สถานการณ์ที่ต้องการ): - First response time ≤2 ชั่วโมง - CSAT score ≥4.5/5 - Agent turnover ลดเหลือ ≤15%/ปี - Single source of truth สำหรับข้อมูลลูกค้า - 60% ของ tickets ถูก resolve โดย AI chatbot Bridge: ช่วยออกแบบ transformation roadmap 12 เดือน ที่ประกอบด้วย: - Phase 1 (เดือน 1-3): Quick wins ที่ทำได้ทันที - Phase 2 (เดือน 4-8): การ implement ระบบใหม่ - Phase 3 (เดือน 9-12): Optimization และ AI integration พร้อมระบุ investment ที่ต้องใช้, risks, และ expected ROI แต่ละ phase
ใช้สำหรับ การวางแผน campaign และการรวบรวม feedback — เหมาะกับงานที่ต้องการทั้งการวางแผน ดำเนินการ และสรุปผลในกรอบเดียว เช่น marketing campaign, user research, workshop facilitation
Frame: วางแผน campaign "รู้ทัน มิจฉาชีพ" สำหรับกองบัญชาการตำรวจไซเบอร์ ที่ต้องการสร้าง awareness เรื่องภัยออนไลน์ให้กลุ่มผู้สูงอายุ (60+) และลูกหลานที่ต้องช่วยดูแล งบประมาณ 1.5 ล้านบาท ระยะเวลา 3 เดือน Outline: - เดือน 1: Production + Influencer partnership (หมอหรือคนดังที่ผู้สูงอายุเชื่อถือ) - เดือน 2: Launch campaign + Community outreach (วัด, ศูนย์ผู้สูงอายุ) - เดือน 3: Amplification + วัดผล + สรุปบทเรียน Conduct: ออกแบบ content calendar รายสัปดาห์ พร้อม: - Content pillars 3 แกน: รู้จัก (Awareness), รู้ป้องกัน (Prevention), รู้แจ้ง (Action) - ช่องทาง: Facebook, LINE OA, วิทยุชุมชน, โปสเตอร์ในชุมชน - Partnership brief สำหรับ influencer - Template สำหรับ Community workshop Understand: กำหนด metrics ที่จะติดตาม: - Reach & Engagement ในกลุ่มเป้าหมาย - จำนวนผู้เข้าร่วม workshop - จำนวนการแจ้งเบาะแสผ่าน hotline - การเปลี่ยนแปลงของยอดคดี (หลังจบ campaign) Summarise: สร้าง template สำหรับ post-campaign report เพื่อนำเสนอ ผบช. และใช้เป็น model สำหรับ campaign ต่อไป
Frame: วางแผน campaign "Back to School 2026" สำหรับแบรนด์เครื่องเขียนที่ต้องการเจาะกลุ่ม Gen Alpha (อายุ 10-14 ปี) ผ่าน TikTok และ Instagram Reels งบประมาณ 2 ล้านบาท ระยะเวลา 6 สัปดาห์ Outline: - Week 1-2: Teaser content + Influencer seeding - Week 3-4: Main campaign launch + UGC contest - Week 5-6: Retargeting + conversion push Conduct: ออกแบบ content calendar รายสัปดาห์ พร้อม: - Content pillars 3 แกน - Influencer brief - Hashtag strategy - Paid media allocation Understand: กำหนด metrics ที่จะติดตาม: - Reach & Impressions - Engagement rate - UGC submissions - Sales conversion from social Summarise: สร้าง template สำหรับ post-campaign report ที่รวม learnings, ROI analysis, และ recommendations สำหรับ campaign ถัดไป
ใช้สำหรับ การเข้าตลาดใหม่และการออกแบบสถาปัตยกรรมระบบ — เหมาะกับงานระดับ strategic ที่ต้องมองภาพรวม วิเคราะห์ landscape และวางแผนระยะยาว
Map: สำรวจภูมิทัศน์อาชญากรรมไซเบอร์ในประเทศไทย 2026 - ประเภทอาชญากรรม: Romance Scam, Call Center, Phishing, Crypto Fraud - ผู้เล่นหลัก: กลุ่มอาชญากรรมข้ามชาติ, เครือข่ายในประเทศ, ผู้สมรู้ร่วมคิด (บัญชีม้า) - มูลค่าความเสียหาย: แยกตามประเภท และแนวโน้มรายปี - เทคโนโลยีที่ใช้: VPN, SIM Box, Cryptocurrency, AI Deepfake Investigate: - Gap analysis: อะไรที่หน่วยงานยังขาด? (เทคโนโลยี, บุคลากร, กฎหมาย) - International best practices: สิงคโปร์, เกาหลี, UK ทำอย่างไร? - Pain points: ปัญหาที่เจ้าหน้าที่หน้างานเผชิญ - Legal gaps: กฎหมายที่ต้องปรับปรุงเพื่อรองรับอาชญากรรมรูปแบบใหม่ Navigate: กำหนดทิศทางการพัฒนาหน่วยงาน - Priority areas (เรียงลำดับความสำคัญ) - Partnership strategy (หน่วยงานในประเทศ + ต่างประเทศ) - Technology roadmap (เครื่องมือที่ต้องจัดหา) Develop: แผนพัฒนา 3 ปี - ปีที่ 1: Quick wins + ฐานความพร้อม - ปีที่ 2: ยกระดับขีดความสามารถ - ปีที่ 3: เป็นผู้นำในระดับอาเซียน - งบประมาณและ KPIs รายปี Sustain: แผนความยั่งยืน - Knowledge management (เก็บและถ่ายทอดองค์ความรู้) - Continuous training program - International cooperation framework - Performance measurement system
Map: สำรวจตลาด AI-powered HR Tech ในอาเซียน - ผู้เล่นหลัก: ระบุ competitors 10 อันดับแรก - Market size: ประเมินมูลค่าตลาดและ growth rate - Customer segments: แบ่งกลุ่มลูกค้าตามขนาดองค์กร - Technology landscape: เทคโนโลยีที่ใช้ (LLM, NLP, Computer Vision) Investigate: - Gap analysis: อะไรที่ตลาดยังขาด? - Pain points: ปัญหาที่ HR ในอาเซียนเผชิญแต่ยังไม่มีใครแก้ - Regulatory: กฎหมายแรงงานและ data privacy แต่ละประเทศ - Cultural factors: ความแตกต่างทางวัฒนธรรมที่ส่งผลต่อ product design Navigate: กำหนดกลยุทธ์การเข้าตลาด - ประเทศเป้าหมายแรก (เรียงลำดับ) - Positioning statement - Go-to-market model (direct sales vs. partnership vs. PLG) Develop: แผนพัฒนาผลิตภัณฑ์ 18 เดือน - MVP features สำหรับ launch - Roadmap แบ่งเป็น quarterly milestones - Team structure ที่ต้องการ Sustain: แผนความยั่งยืน - Moat strategy (ทำอย่างไรให้คู่แข่งตามไม่ทัน) - Customer success framework - Expansion strategy (จากประเทศแรกไปประเทศถัดไป)
ใช้ตารางนี้เป็น cheat sheet สำหรับเลือก Framework ที่เหมาะสมกับงานอย่างรวดเร็ว:
| Framework | ย่อมาจาก | ใช้เมื่อ | ระดับ |
|---|---|---|---|
| PTCF | Persona-Task-Context-Format | ทุกงาน (เริ่มต้นที่นี่) | ⭐ |
| RTF | Role-Task-Format | งานด่วน ง่ายๆ | ⭐ |
| CTF | Context-Task-Format | Context-first งานที่ตนเองเป็น "ผู้พูด" | ⭐ |
| RICE | Role-Instruction+Input-Context-Example | ต้องการตัวอย่าง | ⭐⭐ |
| R-I-S-E | Role-Input-Steps-Expectation | งานมีข้อมูลเข้า+ขั้นตอน | ⭐⭐ |
| CREATE | Character-Request-Examples-Adjustments-Type-Extras | งานที่ต้องการ Few-shot built-in + ข้อห้าม | ⭐⭐⭐ |
| CO-STAR | Context-Objective-Style-Tone-Audience-Response | Content/Creative | ⭐⭐ |
| RISEN | Role-Instructions-Steps-End goal-Narrowing | งานซับซ้อน+ข้อจำกัด | ⭐⭐⭐ |
| S-O-L-V-E | Situation-Objective-Limitations-Vision-Execution | โปรเจกต์มีข้อจำกัด | ⭐⭐⭐ |
| D-R-E-A-M | Define-Research-Execute-Analyse-Measure | วิจัย/R&D/Product | ⭐⭐⭐⭐ |
| P-A-C-T | Problem-Approach-Compromise-Test | แก้ปัญหา+trade-offs | ⭐⭐⭐ |
| T-A-G | Task-Action-Goal | ตั้งเป้าหมายวัดผลได้ | ⭐ |
| B-A-B | Before-After-Bridge | Transformation/Proposal | ⭐⭐ |
| F-O-C-U-S | Frame-Outline-Conduct-Understand-Summarise | Campaign+Feedback | ⭐⭐⭐⭐ |
| M-I-N-D-S | Map-Investigate-Navigate-Develop-Sustain | เข้าตลาดใหม่/Architecture | ⭐⭐⭐⭐ |
| Golden | ROLE+CONTEXT+TASK+CONSTRAINTS+FORMAT+EXAMPLES | Production/ซับซ้อนมาก | ⭐⭐⭐⭐⭐ |
ขั้นตอนง่ายๆ: ดูระดับความซับซ้อนของงาน (⭐) → เลือก Framework ที่ตรงกับประเภทงาน → ถ้าไม่แน่ใจ เริ่มที่ PTCF เสมอ แล้วค่อยเพิ่มความซับซ้อนทีหลัง
| ขั้น | ชื่อ | ทำอะไร |
|---|---|---|
| G | Goal | กำหนดเป้าหมายที่วัดผลได้ |
| P | Prompt | ออกแบบ Prompt ครั้งแรก |
| E | Evaluate | ประเมินผลลัพธ์ — ดีพอไหม? ขาดอะไร? |
| I | Iterate | ปรับ Prompt แล้วทำซ้ำ |
Goal: เขียนโพสต์ Facebook เตือนภัยมิจฉาชีพตำรวจ อ่านง่าย แชร์ได้
Prompt v1:
Evaluate v1: ❌ ภาษาทางการเกินไป ไม่มีสถานการณ์จำลอง ไม่มี CTA
Prompt v2 (ปรับ):
Evaluate v2: ✅ ได้ผลลัพธ์ที่ต้องการ
ปกติ 2-3 รอบพอ — ถ้าเกิน 5 รอบแล้วยังไม่ได้ → เริ่ม Prompt ใหม่ด้วย Framework ที่ซับซ้อนกว่า
ใช้ตารางนี้เป็นแนวทางในการเลือก Framework ที่เหมาะสมกับสถานการณ์ของคุณ:
ไม่จำเป็นต้องยึดติดกับ Framework เดียว — คุณสามารถผสมผสานหลาย Framework เข้าด้วยกันได้ เช่น ใช้ CO-STAR สำหรับส่วน content + RISEN สำหรับส่วน process
| สถานการณ์ | Framework แนะนำ | ย่อมาจาก | เหตุผล |
|---|---|---|---|
| งานทั่วไป ไม่ซับซ้อน | PTCF | Persona-Task-Context-Format | ครอบคลุม ใช้ง่าย เป็น default ที่ดี |
| งานด่วน ต้องการคำตอบเร็ว | RTF | Role-Task-Format | กระชับ ไม่ต้องคิดมาก |
| บริบทสำคัญกว่าบทบาท / เขียนในฐานะตัวเอง | CTF | Context-Task-Format | Context-first ไม่ต้องให้ AI เล่นบทบาท |
| ต้องการตัวอย่างประกอบใน Prompt (Few-shot) + มีข้อห้ามเฉพาะ | CREATE | Character-Request-Examples-Adjustments-Type-Extras | บังคับ Examples + Extras ทุกครั้ง |
| ต้องการ consistency (ทำซ้ำได้) | RICE | Role-Instruction+Input-Context-Example | มี Example ช่วย calibrate ผลลัพธ์ |
| วิเคราะห์ข้อมูลจำนวนมาก | R-I-S-E | Role-Input-Steps-Expectation | มี Steps ควบคุมกระบวนการ |
| เขียนคอนเทนต์ / Copywriting | CO-STAR | Context-Objective-Style-Tone-Audience-Response | ควบคุม style และ tone ได้ละเอียด |
| สร้าง SOP / กระบวนการ | RISEN | Role-Instructions-Steps-End goal-Narrowing | มี Narrowing จำกัดขอบเขตชัดเจน |
| บริหารโปรเจกต์ที่มีข้อจำกัด | S-O-L-V-E | Situation-Objective-Limitations-Vision-Execution | คำนึงถึง Limitations ตั้งแต่ต้น |
| งานวิจัย / พัฒนาผลิตภัณฑ์ | D-R-E-A-M | Define-Research-Execute-Analyse-Measure | ครบวงจรตั้งแต่ Define ถึง Measure |
| แก้ปัญหาที่มี trade-offs | P-A-C-T | Problem-Approach-Compromise-Test | บังคับให้คิดเรื่อง Compromise |
| ตั้งเป้าหมาย / มอบหมายงาน | T-A-G | Task-Action-Goal | เรียบง่าย วัดผลได้ ตรงประเด็น |
| นำเสนอ transformation / proposal | B-A-B | Before-After-Bridge | เล่าเรื่อง Before→After ได้ทรงพลัง |
| วางแผน campaign / รวม feedback | F-O-C-U-S | Frame-Outline-Conduct-Understand-Summarise | ครอบคลุมตั้งแต่วางแผนถึงสรุปผล |
| เข้าตลาดใหม่ / วางสถาปัตยกรรม | M-I-N-D-S | Map-Investigate-Navigate-Develop-Sustain | มองภาพรวม landscape ได้ครบ |
| ไม่แน่ใจ / เพิ่งเริ่มต้น | PTCF → RICE | Persona-Task-Context-Format → +Example | เริ่มจาก PTCF แล้วเพิ่ม Example ถ้าต้องการ |
| มิติ | Zero-shot | Few-shot | แนะนำ |
|---|---|---|---|
| ความยาก | งานทั่วไป | งานเฉพาะทาง | Few-shot ถ้าผิดพลาดได้น้อย |
| Token cost | ต่ำ | สูงกว่า 2-4× | Zero-shot ถ้างบ API จำกัด |
| ความสม่ำเสมอ | ต่ำ | สูง | Few-shot ถ้าต้องการ consistent output |
| ตัวอย่างที่มี | ไม่ต้องการ | ต้องการ 2-5 ตัวอย่างดี | ถ้าตัวอย่างไม่ดี = ผลลัพธ์ไม่ดี |
Reasoning models (Claude Opus 4.8, GPT-5.5, DeepSeek R1) มี CoT built-in อยู่แล้ว → ใช้ Constraint-First แทน: ระบุสิ่งที่ต้องการ + ข้อจำกัด ไม่ต้องบอกวิธีคิด
❌ Before (verbose):
✅ After (2026):
| Pattern | วิธีใช้ | ตัวอย่าง |
|---|---|---|
| Persona Pattern | กำหนดบทบาทเจาะจง | "คุณเป็น [ตำแหน่ง] ที่มีประสบการณ์ [X] ปี ใน [สาขา]" |
| Template Pattern | กำหนดโครงสร้าง output | "ตอบในรูปแบบ: หัวข้อ: [X] | สาเหตุ: [Y] | แนวทาง: [Z]" |
| Question Refinement | ให้ AI ถามก่อนตอบ | "ก่อนตอบ ถามคำถามที่จำเป็น 3 ข้อ เพื่อให้ตอบได้แม่นยำขึ้น" |
| Devil's Advocate | หาจุดอ่อนของแผน | "มองจากมุมคนคัดค้าน — ปัญหาและความเสี่ยงของแผนนี้คืออะไร?" |
| Confidence Level | ให้ AI ระบุความมั่นใจ | "ระบุระดับความมั่นใจ (สูง/กลาง/ต่ำ) สำหรับทุกข้อสรุป" |
| Structured Verify | แยก fact กับ opinion | "แยกคำตอบเป็น [FACT]: ยืนยันได้ และ [OPINION]: การอนุมาน" |
| Constraint-First | ระบุข้อจำกัดก่อนงาน | "ข้อจำกัด: [A, B, C] | งาน: [X] | Output: [Y]" |
ไม่จำเป็นต้องจำทุก Framework — เลือกตาม ความซับซ้อนของงาน และ ประเภทงาน
| ความซับซ้อน | ประเภทงาน | Framework แนะนำ |
|---|---|---|
| ⭐ ง่าย | งานด่วน ไม่ซับซ้อน | RTF หรือ T-A-G |
| ⭐⭐ ทั่วไป | งานทั่วไป ทุกประเภท | PTCF (เริ่มต้นที่นี่เสมอ) |
| ⭐⭐ ทั่วไป | งาน Content / Creative | CO-STAR |
| ⭐⭐ ทั่วไป | ต้องการตัวอย่าง (Few-shot) | RICE |
| ⭐⭐ ทั่วไป | งานมีข้อมูลเข้า + ขั้นตอน | R-I-S-E |
| ⭐⭐⭐ ซับซ้อน | งานหลายขั้นตอน + ข้อจำกัด | RISEN |
| ⭐⭐⭐ ซับซ้อน | แก้ปัญหา + trade-offs | P-A-C-T |
| ⭐⭐⭐ ซับซ้อน | โปรเจกต์มีข้อจำกัด | S-O-L-V-E |
| ⭐⭐⭐ ซับซ้อน | Transformation / Proposal | B-A-B |
| ⭐⭐⭐⭐ กลยุทธ์ | วิจัย / R&D / Product | D-R-E-A-M |
| ⭐⭐⭐⭐ กลยุทธ์ | Campaign + Feedback | F-O-C-U-S |
| ⭐⭐⭐⭐ กลยุทธ์ | เข้าตลาดใหม่ / Architecture | M-I-N-D-S |
คุณไม่จำเป็นต้องใช้ Framework ใดเพียงอันเดียว — ในงานจริง คุณสามารถ ผสมผสาน ได้:
| # | ❌ ข้อผิดพลาด | ✅ วิธีที่ถูกต้อง |
|---|---|---|
| 1 | ใส่ทุก field ของ Framework โดยไม่คิดว่าจำเป็นหรือไม่ | Framework คือ guideline — ใส่เฉพาะ field ที่เกี่ยวข้องกับงาน |
| 2 | เลือก Framework โดยดูจากชื่อแทนลักษณะงาน | ใช้ Decision Matrix — เลือกตามว่างานต้องการอะไร (speed, structure, few-shot) |
| 3 | คาดหวังว่า Framework เดียวแก้ทุกปัญหา | ใช้ PTCF เป็นพื้นฐาน แล้วผสม Framework อื่นตามความต้องการ |
| 4 | ใส่ "Think step by step" ใน Reasoning Model ปี 2026 | Reasoning Model (GPT-5.5, Claude Opus 4.8) คิดเองอยู่แล้ว — บอกแค่เป้าหมาย + constraint |
| 5 | เขียน Prompt ยาวเกินกว่าจำเป็น ใช้ token มากเปล่าๆ | ชัดเจน ≠ ยาว — เขียนกระชับ ตัด filler words, ใช้ keyword EN ช่วยประหยัด token |
| 6 | ไม่ test Prompt กับ edge cases (ข้อมูลผิดปกติ, ข้อมูลว่าง) | Test กับ: (1) ข้อมูลปกติ (2) ข้อมูลว่าง (3) ข้อมูลผิดรูปแบบ — ดู error handling |
| 7 | คิดว่า Prompt ที่ดี = AI ตอบถูก 100% | Prompt ดีช่วยลด error แต่ไม่หมดสิ้น — ต้อง verify output เสมอ |
| ข้อจำกัด | คำอธิบาย | ทางแก้ |
|---|---|---|
| 1. ไม่แก้ความคิดที่ไม่ชัด | ถ้าคุณไม่รู้ว่าต้องการอะไร Framework ก็ช่วยไม่ได้ — "Garbage in = Garbage out" | คิดให้ชัดก่อน: เป้าหมายคืออะไร? ผู้รับคือใคร? ผลลัพธ์ที่ต้องการคืออะไร? |
| 2. ไม่แทนที่ Context Engineering | Framework ดีแต่ไม่มี context ที่ครบ ผลก็ยังไม่ดี — ต้องทำทั้งสองอย่าง | ใช้ Frameworks + Context Engineering (Module 3) ควบคู่กัน |
| 3. ไม่ได้ทำให้ AI ฉลาดขึ้น | Framework ช่วยจัดโครงสร้าง แต่ไม่ทำให้ model มี capability เพิ่ม (เช่น math, reasoning) | เลือก model ที่เหมาะกับงาน — Reasoning Model สำหรับ logic/math ซับซ้อน |
| 4. Few-shot มีขีดจำกัด | ใส่ตัวอย่างมากเกินไป = กิน tokens + อาจทำให้ AI overfit กับ pattern ตัวอย่าง | ใช้ 2-3 ตัวอย่างก็พอ — หากต้องการมากกว่านี้ใช้ Fine-tuning แทน |
| 5. Framework ไม่แก้ Hallucination | แม้ Prompt มีโครงสร้างดี AI ยังอาจแต่งข้อมูลได้ (โดยเฉพาะตัวเลข ชื่อ วันที่) | ต้อง verify output เสมอ + ใช้ citations/grounding |
| 6. ไม่เหมาะทุกสถานการณ์ | งานง่ายๆ ไม่ต้องใช้ Framework ซับซ้อน — เสียเวลาและ tokens เปล่า | งานง่าย → RTF/OC, งานซับซ้อน → RISEN/CREATE/CO-STAR |
Framework เป็นเครื่องมือ ไม่ใช่คำตอบ — มันช่วยจัดโครงสร้างความคิด แต่ไม่ได้ทำให้คุณคิดแทน
อย่าใช้ Framework เป็น "สูตรสำเร็จ" โดยไม่คิด — Framework ช่วยจัดโครงสร้าง แต่คุณภาพของ prompt ขึ้นอยู่กับ คุณภาพของความคิด ที่ใส่เข้าไป ถ้าคุณไม่ชัดเจนว่าต้องการอะไร ไม่มี Framework ไหนช่วยได้
โจทย์: งาน 3 ชิ้นต่อไปนี้ควรใช้ Framework ไหน?