long ramble session ของ Andrej Karpathy · เลิกพิมพ์พรอมป์สั้น สลับมาเอนหลังพูดราว 10 นาทีให้ AI สรุปแทน
Andrej Karpathy แชร์แพตเทิร์นการคุยกับ AI ในชื่อ long ramble session โดยเปลี่ยนจากการพิมพ์สั่งสั้นๆ มาเป็นเอนหลังพูดเล่ายาวราว 10 นาทีแบบไม่ต้องเรียบเรียง เพราะสาเหตุที่ AI ตอบไม่ตรงใจ ในมุมที่เขาชี้ไว้ มักเกิดจากเราให้ข้อมูลไม่พอ ไม่ใช่เพราะเขียนคำสั่งไม่สวย
เอนหลัง พิงพนัก แล้วเปิดไมค์พูดเล่ารายละเอียดไปยาวๆ สัก 10 นาทีโดยไม่ต้องจัดระเบียบความคิด คือเทคนิคที่ Andrej Karpathy ตั้งชื่อให้ว่า long ramble session
ปกติ เวลาทำงาน เรามักติดอยู่ในวงจรเดิมๆ คือพิมพ์สั่ง AI สั้นๆ อย่าง "ช่วยร่างอีเมลแจ้งลูกค้าเรื่องเลื่อนส่งงานหน่อย" พอ AI เจนข้อความออกมา แม้จะอ่านดูลื่นไหลดี แต่กลับไม่ตรงกับบริบทจริง รอบสองเราเลยต้องพิมพ์เพิ่มว่าลูกค้าเป็นใคร รอบสามต้องบอกเหตุผลและจำนวนวันที่เลื่อนส่งงาน กว่าจะได้ข้อความที่พร้อมใช้จริง ก็เสียเวลามากกว่านั่งเขียนเองตั้งแต่แรก
ในโพสต์บน X เมื่อวันที่ 21 กรกฎาคม 2026 เขาชี้ต้นตอของปัญหานี้ไว้อย่างตรงไปตรงมา ว่าสาเหตุไม่ได้มาจากคำสั่งที่ไม่เป๊ะพอ แต่เป็นเพราะ LLM หรือโมเดลภาษาเบื้องหลังต้องการข้อมูลมากกว่านั้น ถึงจะมองออกว่าเรากำลังจะทำอะไร ส่วนฝั่งคนสั่งงานก็มักขี้เกียจพิมพ์รายละเอียดจนครบ ทางแก้ของเขาจึงไม่ใช่การไล่หาสูตรพรอมป์ที่สวยหรู แต่คือการหยุดพิมพ์ แล้วเปิดไมค์พูดทุกอย่างออกไปให้หมดแทน
ในหัวมีสิบเรื่อง แต่ที่พิมพ์ออกไปเหลือบรรทัดเดียว
เวลา AI ตอบไม่ตรงใจ สิ่งแรกที่เรามักทำคือการกลับไปแก้พรอมป์ ให้ข้อความฟังดูเป็นระเบียบขึ้นอีกหน่อย
แต่ลองนึกถึงสิ่งที่อยู่ในหัวเราจริงๆ ตอนเปิดหน้าแชท มันมีทั้งเป้าหมายของงาน กลุ่มคนที่ต้องอ่าน กำหนดส่ง ข้อจำกัดที่บอกใครไม่ได้ วิธีที่เคยลองแล้วไม่ได้ผล รวมถึงเหตุผลว่าทำไมถึงไม่เวิร์ค รายละเอียดทั้งหมดนี้ชัดเจนอยู่ในหัวเราอยู่แล้ว แต่สิ่งที่ส่งไปถึง AI กลับเหลือเพียงบรรทัดเดียว
ช่องว่างตรงนี้ไม่ได้เกิดจากเราไม่รู้ว่าต้องบอกอะไร แต่เกิดจากต้นทุนในการพิมพ์ พอเรื่องเริ่มยาว การพิมพ์ทุกอย่างให้ครบก็กลายเป็นภาระงานเพิ่มขึ้นมาอีกชิ้น เราเลยเผลอตัดทอนเหลือแค่ประโยคเดียวโดยอัตโนมัติ แล้วค่อยไปเสียเวลาไล่แก้เอาทีหลัง
long ramble session คือเอนหลังแล้วพูดให้จบในทีเดียว
แพตเทิร์นนี้เรียบง่ายกว่าที่คิด แค่เอนหลังพิงพนักเก้าอี้ เปิดระบบพิมพ์ด้วยเสียง แล้วพูดเล่าออกไปเรื่อยๆ ยาวราว 10 นาที ปล่อยให้เละได้เต็มที่ ไม่ต้องจัดเรียงหัวข้อ ไม่ต้องเกลาประโยคก่อนพูด นึกอะไรออกก็พูดตามนั้น
คำว่าเละหมายถึงเละได้จริงๆ เช่น เริ่มจากบอกว่าอยากได้อีเมลแจ้งลูกค้า แล้วกระโดดไปเล่าว่าลูกค้าคนนี้เคยบ่นเรื่องอะไรไว้ จากนั้นย้อนกลับมาบอกว่างานเลื่อนเพราะซัพพลายเออร์ส่งของช้า นึกขึ้นได้ว่าห้ามพูดถึงราคา แล้วค่อยวกกลับไปบอกว่าเคยส่งแบบทางการไปครั้งหนึ่งแล้วลูกค้าเงียบหาย ทั้งหมดนี้พูดออกไปตามที่นึกขึ้นได้ โดยไม่ต้องหยุดเรียงลำดับว่าอะไรควรพูดก่อนหรือหลัง
ระยะเวลา 10 นาทีเป็นเพียงตัวเลขตัวอย่างจากประสบการณ์ส่วนตัวของเขา ไม่ใช่กฎเหล็กที่ต้องทำตาม บางเรื่องอาจเล่าจบใน 2 นาที บางเรื่องอาจยาวเกิน 10 นาที เกณฑ์ที่ใช้ได้จริงคือพูดจนหมดสิ่งที่อยู่ในหัว ไม่ใช่การพูดเพื่อเค้นให้ครบตามเวลา
เป้าหมายของการพูดรอบนี้ไม่ใช่ความไพเราะ หากจะพูดวนกลับเรื่องเดิม พูดผิดแล้วแก้กลางประโยค หรือเปลี่ยนใจกลางทาง ก็ปล่อยให้เป็นไปตามนั้น เพราะจังหวะที่เราหยุดเรียบเรียงความคิด ก็คือจังหวะที่เราจะกลับไปตัดทอนรายละเอียดให้สั้นลงเหมือนเดิม
2 ทริกเล็กๆ ที่เขาใส่เพิ่มเอง
นอกจากเทคนิคหลักแล้ว เขายังเล่าถึงอีก 2 ทริกเสริมที่เลือกใช้เป็นบางครั้ง
อย่างแรก คือการพิมพ์แจ้งสั้นๆ ไว้ที่หัวข้อความว่า กำลังใช้ระบบถอดเสียง ขออภัยหากมีคำผิด ประโยคนี้ช่วยบอก AI ล่วงหน้าว่าไม่ต้องไปยึดคำที่สะกดเพี้ยนตามตัวอักษร
อย่างที่สอง คือการเปลี่ยนบทสนทนาให้เป็นเหมือนการสัมภาษณ์ที่ถามตอบกันไม่กี่รอบ แทนที่จะพูดยาวรวดเดียวจบ ก็ปล่อยให้ AI ถามเจาะกลับมา แล้วเราค่อยตอบทีละประเด็น วิธีนี้ช่วยได้มากในตอนที่เรายังไม่แน่ใจว่าเล่าอะไรตกหล่นไปบ้าง เพราะคำถามที่สะท้อนกลับมาจะช่วยดึงรายละเอียดส่วนที่ขาดออกมาเอง
ทำไมพูดเละๆ ถึงได้งานเรียบร้อยกว่า
เหตุผลที่เขาให้ไว้มาจากการสังเกตส่วนตัว โมเดลภาษาทำได้ดีเกินคาดในเรื่องการรับคำพูดยาวๆ ที่กระโดดไปกระโดดมา แล้วนำมาประมวลผลประกอบกลับเป็นเนื้อหาที่อ่านเข้าใจง่าย
และหลายครั้ง ผลลัพธ์ที่สะท้อนกลับมาก็เรียบร้อยกว่าก้อนความคิดสะเปะสะปะที่เราพูดออกไปตอนแรกเสียอีก ผลที่เขาบอกว่าตามมาคือทั้งสองฝ่ายเข้าใจโจทย์ตรงกันชัดเจนขึ้น และลดการตามแก้ไขงานในขั้นตอนถัดไป
พูดง่ายๆ คือ ข้อมูลที่กระจัดกระจายแต่ครบถ้วน ย่อมนำไปใช้งานได้ดีกว่าข้อมูลที่จัดระเบียบเรียบร้อยแต่ขาดรายละเอียดสำคัญ
ภาษาไทยยิ่งได้เปรียบเมื่อเปลี่ยนมาพูด
เทคนิคนี้คุ้มค่าสำหรับคนไทยมากกว่าที่คิด ลองสังเกตตัวเองเวลาเล่าเรื่องงานให้เพื่อนฟัง เราสามารถเล่าจบได้ในไม่กี่นาทีโดยไม่ต้องเตรียมตัว แต่พอต้องพิมพ์เรื่องเดียวกันเป็นภาษาไทยให้ครบถ้วน เรามักจะเผลอตัดรายละเอียดทิ้งไปกลางทาง
ต้นทุนการพิมพ์ที่สูงกว่านี่เองที่ทำให้ข้อมูลไปไม่ถึง AI ตั้งแต่แรก พอเปลี่ยนมาใช้การพูด ต้นทุนก้อนนั้นก็หมดไป
นอกจากนี้ สำหรับคนที่รู้สึกว่าตัวเองเขียนพรอมป์ไม่เก่ง เทคนิคนี้แทบไม่ต้องใช้ทักษะการเขียนพรอมป์เลย เพราะโจทย์เปลี่ยนจากการค้นหาคำสั่งที่ถูกต้อง มาเป็นการเล่าเรื่องที่เรารู้อยู่แล้วให้ครบถ้วน ซึ่งเป็นสิ่งที่เราทำเป็นกันอยู่แล้ว
สถานการณ์ที่นำไปปรับใช้ได้ทันทีตั้งแต่วันนี้
- โจทย์งานที่ยังคิดไม่ตก เล่าเรื่องราวทั้งหมดออกไป ทั้งจุดที่ติด สิ่งที่เคยลอง และสิ่งที่ยังไม่แน่ใจ แล้วให้ AI สรุปกลับมาเป็นข้อๆ เพื่อดูว่าจุดสำคัญของปัญหาอยู่ตรงไหน
- ไอเดียธุรกิจที่ยังไม่เป็นรูปเป็นร่าง เจ้าของร้านหรือคนทำแบรนด์สามารถเล่าเรื่องกลุ่มลูกค้า ราคา และสินค้าที่มีอยู่ในมือ เพื่อให้ AI ช่วยแยกแยะออกมาเป็นทางเลือกที่ชัดเจน
- สเปกเว็บหรือแอปก่อนสั่งเขียนโค้ด เล่าว่าอยากได้หน้าตาแบบไหน ใครเป็นคนใช้งาน และต้องเก็บข้อมูลอะไรบ้างก่อนเริ่มเขียนจริง คนที่เคยเจอว่าการโยน prompt บรรทัดเดียวให้ agent เขียนโค้ดมักได้งานไม่ตรง จะเห็นความแตกต่างได้อย่างชัดเจน
- เนื้อหาคลิปที่จะถ่าย ครีเอเตอร์เล่าทุกประเด็นที่อยากพูดในคลิป แล้วให้ AI ช่วยจัดลำดับความสำคัญว่าเรื่องไหนควรพูดก่อนหรือหลัง
เริ่มได้เลย คืนนี้ไม่ต้องติดตั้งอะไรเพิ่ม
- หาช่องทางพูดที่มีอยู่แล้ว ปุ่มไมค์ในแอปแชท AI ที่คุณใช้อยู่ หรือระบบพิมพ์ด้วยเสียงบนโทรศัพท์และคอมพิวเตอร์ สามารถใช้งานได้ทันทีโดยไม่ต้องติดตั้งอะไรเพิ่ม ส่วนสายเขียนโค้ดที่ทำงานร่วมกับ agent ก็มีเครื่องมือที่รับคำสั่งด้วยเสียงได้ในตัว
- พิมพ์บอกไว้ที่หัวข้อความ พิมพ์ข้อความสั้นๆ บอกไว้ว่ากำลังสั่งงานด้วยเสียงผ่านระบบถอดเสียงอยู่ อาจมีคำสะกดผิดบ้าง
- พูดเล่าให้จบทั้งเรื่องโดยไม่ต้องหยุดจัดระเบียบ เล่าตั้งแต่เป้าหมายของงาน คนที่จะนำไปใช้ ข้อจำกัด สิ่งที่เคยลองทำมาแล้ว ไปจนถึงจุดที่ยังไม่แน่ใจ
- ขอบทสรุปกลับมาก่อนสั่งงานต่อ ให้ AI สรุปสิ่งที่คุณเพิ่งเล่าออกเป็นข้อๆ แล้วอ่านทวนว่าตรงตามที่คิดไว้หรือไม่ หากมีจุดไหนคลาดเคลื่อนให้แก้ไขก่อน แล้วค่อยสั่งให้เริ่มทำงานจริง
ข้อจำกัดที่ควรรู้ก่อนเริ่มกดปุ่มไมค์
เทคนิคทั้งหมดนี้มาจากประสบการณ์ส่วนตัวของเจ้าของโพสต์ ไม่ใช่งานวิจัยหรือผลการทดสอบอย่างเป็นทางการ ในโพสต์ไม่ได้มีตัวเลขระบุว่าช่วยให้ทำงานเร็วขึ้นกี่เปอร์เซ็นต์หรือประหยัดเวลาเท่าไร มีเพียงข้อสังเกตจากการใช้งานจริงของเขาเอง หากสนใจลองนำไปปรับใช้ แนะนำให้ทดลองกับงานจริงของตัวเองเพื่อดูผลลัพธ์
ข้อจำกัดที่ต้องพบเจออย่างแน่นอน คือระบบถอดเสียงยังคงสะกดผิดได้ ที่พลาดบ่อยคือศัพท์เทคนิค ชื่อบุคคล ชื่อแบรนด์ และตัวเลข ดังนั้น การอ่านทวนบทสรุปที่ AI สรุปกลับมาจึงเป็นขั้นตอนสำคัญที่ไม่ควรข้าม
ครั้งหน้าที่ผลลัพธ์จาก AI ออกมาไม่ตรงใจ ลองหยุดพักก่อนจะพิมพ์แก้รอบสอง แล้วลองทบทวนดูว่า เรื่องราวทั้งหมดที่อยู่ในหัวเรา ได้เล่าออกไปแล้วกี่เปอร์เซ็นต์
ที่มา: บทความ Andrej Karpathy (@karpathy) on X จาก X
ชอบเรื่องแนวนี้ มีอีบุ๊คฟรีให้อ่านต่อ
Vibe Coding สำหรับคนไม่ใช่โปรแกรมเมอร์ ใช้ Claude Code สร้าง landing page, mini app และ prototype จริงโดยไม่ต้องเขียนโค้ด
กดสมัครแล้วเราจะส่งเทคนิค AI และของแจกใหม่ๆ ให้ทางอีเมล เลิกรับได้ตลอด
Vibecoding · The Developer's Playbook
ฉบับภาษาไทย 10 บท พา dev สร้าง Personal Finance Tracker (LINE OA + AI จัดหมวดอัตโนมัติ) ตั้งแต่โครงโปรเจกต์บรรทัดแรกจนแอปทำงานจริงบน server
