รูปแบบที่แตกต่างกันให้ผลลัพธ์ที่แตกต่างกันภายใต้เงื่อนไขที่ต่างกัน นี่ไม่ใช่แค่ความคิดเห็น—มีการทดสอบแบบควบคุมและเอกสารทางการที่ให้ข้อมูลที่เป็นรูปธรรม

Markdown: แชมป์แห่งความอ่านง่าย

หัวข้อและการจัดรูปแบบ Markdown (เช่น ## คำสั่ง, ## บริบท, รายการหัวข้อย่อย และตัวหนาสำหรับเน้นความสำคัญ) อ่านง่าย ประหยัด token และเป็นธรรมชาติสำหรับโมเดลที่ได้รับการฝึกฝนจากเอกสารที่มีการจัดรูปแบบ Markdown

ข้อได้เปรียบด้านความแม่นยำ: ในงานเชิงเหตุผล GPT-4 มีความแม่นยำ 81.2% เมื่อใช้ prompt ที่มีโครงสร้างแบบ Markdown เทียบกับ 73.9% เมื่อใช้ JSON—ดีขึ้น 7.3 จุดเปอร์เซ็นต์ นอกจากนี้ Markdown ยังใช้ token น้อยกว่า JSON ประมาณ 15% ในขณะที่ยังคงความชัดเจน

เป็นมิตรกับมนุษย์: โดยทั่วไปแนะนำให้ใช้ Markdown เพื่อทำให้ prompt และไฟล์คำแนะนำชัดเจนขึ้นสำหรับทั้งมนุษย์และโมเดล AI Playground ของ OpenAI เองก็แนะนำให้ใช้ Markdown หัวข้อ H1 สำหรับการสร้าง prompt

ข้อเสียหลัก: หัวข้อ Markdown เป็นขอบเขตที่นุ่มนวลกว่า ข้อความเหล่านี้อาจเสี่ยงต่อการถูก prompt injection ได้มากกว่า เนื่องจากโมเดลอาจไม่ถือว่า ## Input เป็นตัวคั่นที่เด็ดขาด นักวิจัยด้านความปลอดภัยรายหนึ่งไม่สนับสนุนการใช้ Markdown เพื่อกำหนดขอบเขตของ input ที่ต้องการจำแนกประเภท โดยสังเกตว่าโมเดล "มีโอกาสถูกหลอกน้อยกว่า" ด้วยแท็ก XML

แท็กแบบ XML: ขอบเขตที่แม่นยำ

แท็กแบบ XML ใช้เครื่องหมายเปิด-ปิดอย่างชัดเจน เช่น <instructions>, <schema> และ <input> เพื่อแยกส่วนต่างๆ ของ prompt คำแนะนำอย่างเป็นทางการของ Anthropic แนะนำให้ใช้แท็ก XML เป็นเครื่องมือโครงสร้างหลักสำหรับ prompt ที่ซับซ้อน โดยสังเกตว่ามันสร้างขอบเขตที่ชัดเจนซึ่งช่วยลดการตีความผิด

ข้อได้เปรียบด้านความปลอดภัย: XML มีขอบเขตเปิด-ปิดที่ชัดเจน ซึ่งทำให้เนื้อหาที่ถูกแทรกซึมผ่านระหว่างส่วนต่างๆ ได้ยากขึ้น สำหรับ AI agents คำแนะนำโต้แย้งว่าแท็ก XML มีประสิทธิภาพเหนือกว่าหัวข้อ Markdown ในการแยกคำสั่ง ตัวอย่าง ข้อมูลอ้างอิง และคำถามของผู้ใช้

ไม่ได้ดีกว่าเสมอไป: สำหรับ prompt ที่สั้นและง่าย XML อาจลดความแม่นยำลงเล็กน้อย การทดสอบหนึ่งแสดงให้เห็นว่า prompt ข้อความธรรมดามีความแม่นยำ 97.6% เทียบกับ XML ที่ 96.4%—ส่วนต่างเล็กน้อย 1.2 จุดเปอร์เซ็นต์ โดยอัตราการหลอนไม่เปลี่ยนแปลง การทดสอบเดียวกันยังแสดงให้เห็นว่า XML มีค่า overhead ของ token input เพิ่มขึ้น 31% ประโยชน์ของ XML จะเพิ่มขึ้นตามความซับซ้อนของ prompt ไม่ใช่คุณภาพของ prompt: มันช่วยได้เมื่อ prompt มีความยาวเกินประมาณ 500 tokens และมีมากกว่า 3 หัวข้อเชิงตรรกะ

ผู้ให้บริการ AI รายใหญ่แนะนำอะไร

ผู้ให้บริการรายใหญ่ทุกรายแนะนำ XML เป็นรูปแบบตัวคั่นที่มีประสิทธิภาพ แต่ความถูกต้องตามรูปแบบของ XML ไม่จำเป็นต้องเคร่งครัด—เจตนาเชิงความหมายคือสิ่งที่สำคัญ

คำแนะนำเชิงปฏิบัติตามกรณีการใช้งาน

แนวทางแบบผสมผสาน: ทางเลือกที่ใช้งานได้จริง

ผู้ปฏิบัติงานหลายคนใช้วิธีผสมผสาน: หัวข้อ Markdown สำหรับโครงสร้างโดยรวม บวกกับแท็กแบบ XML หรือ code fences รอบบล็อก input ของผู้ใช้ วิธีนี้รวมความอ่านง่ายของ Markdown เข้ากับขอบเขตความปลอดภัยของ XML

ตัวอย่างเช่น คุณอาจใช้:

## คำสั่ง
[คำสั่งของคุณที่นี่]

## บริบท
[ข้อมูลพื้นฐาน]

## Input จากผู้ใช้
<UserInput>
[input จริงจากผู้ใช้]
</UserInput>

รูปแบบนี้ให้สิ่งที่ดีที่สุดของทั้งสองโลก—ส่วนที่มีป้ายกำกับชัดเจนซึ่งมนุษย์อ่านง่าย บวกกับขอบเขตที่แข็งรอบส่วนที่ไม่น่าเชื่อถือของ prompt

สรุป

ใช้ Markdown สำหรับ prompt ส่วนใหญ่ในชีวิตประจำวัน เพราะอ่านง่าย ประหยัด token และทำงานได้ดีในการเปรียบเทียบรูปแบบ prompt ที่ได้รับการบันทึกไว้ สลับไปใช้ แท็ก XML เมื่อคุณมี prompt ที่ซับซ้อน หลายส่วน ต้องการขอบเขตเชิงความหมายที่เข้มงวดเพื่อความปลอดภัย หรือกำลังทำงานกับ Claude ประสิทธิผลของรูปแบบยังขึ้นอยู่กับโมเดล AI ด้วย—ความสามารถในการบำรุงรักษาในฝั่งมนุษย์ก็สำคัญพอๆ กับประสิทธิภาพของโมเดล

รูปแบบที่แตกต่างกันให้ผลลัพธ์ที่แตกต่างกันภายใต้เงื่อนไขที่ต่างกัน นี่ไม่ใช่แค่ความคิดเห็น—มีการทดสอบแบบควบคุมและเอกสารทางการที่ให้ข้อมูลที่เป็นรูปธรรม

Markdown: แชมป์แห่งความอ่านง่าย

หัวข้อและการจัดรูปแบบ Markdown (เช่น ## คำสั่ง, ## บริบท, รายการหัวข้อย่อย และตัวหนาสำหรับเน้นความสำคัญ) อ่านง่าย ประหยัด token และเป็นธรรมชาติสำหรับโมเดลที่ได้รับการฝึกฝนจากเอกสารที่มีการจัดรูปแบบ Markdown

ข้อได้เปรียบด้านความแม่นยำ: ในงานเชิงเหตุผล GPT-4 มีความแม่นยำ 81.2% เมื่อใช้ prompt ที่มีโครงสร้างแบบ Markdown เทียบกับ 73.9% เมื่อใช้ JSON—ดีขึ้น 7.3 จุดเปอร์เซ็นต์ นอกจากนี้ Markdown ยังใช้ token น้อยกว่า JSON ประมาณ 15% ในขณะที่ยังคงความชัดเจน

เป็นมิตรกับมนุษย์: โดยทั่วไปแนะนำให้ใช้ Markdown เพื่อทำให้ prompt และไฟล์คำแนะนำชัดเจนขึ้นสำหรับทั้งมนุษย์และโมเดล AI Playground ของ OpenAI เองก็แนะนำให้ใช้ Markdown หัวข้อ H1 สำหรับการสร้าง prompt

ข้อเสียหลัก: หัวข้อ Markdown เป็นขอบเขตที่นุ่มนวลกว่า ข้อความเหล่านี้อาจเสี่ยงต่อการถูก prompt injection ได้มากกว่า เนื่องจากโมเดลอาจไม่ถือว่า ## Input เป็นตัวคั่นที่เด็ดขาด นักวิจัยด้านความปลอดภัยรายหนึ่งไม่สนับสนุนการใช้ Markdown เพื่อกำหนดขอบเขตของ input ที่ต้องการจำแนกประเภท โดยสังเกตว่าโมเดล "มีโอกาสถูกหลอกน้อยกว่า" ด้วยแท็ก XML

แท็กแบบ XML: ขอบเขตที่แม่นยำ

แท็กแบบ XML ใช้เครื่องหมายเปิด-ปิดอย่างชัดเจน เช่น <instructions>, <schema> และ <input> เพื่อแยกส่วนต่างๆ ของ prompt คำแนะนำอย่างเป็นทางการของ Anthropic แนะนำให้ใช้แท็ก XML เป็นเครื่องมือโครงสร้างหลักสำหรับ prompt ที่ซับซ้อน โดยสังเกตว่ามันสร้างขอบเขตที่ชัดเจนซึ่งช่วยลดการตีความผิด

ข้อได้เปรียบด้านความปลอดภัย: XML มีขอบเขตเปิด-ปิดที่ชัดเจน ซึ่งทำให้เนื้อหาที่ถูกแทรกซึมผ่านระหว่างส่วนต่างๆ ได้ยากขึ้น สำหรับ AI agents คำแนะนำโต้แย้งว่าแท็ก XML มีประสิทธิภาพเหนือกว่าหัวข้อ Markdown ในการแยกคำสั่ง ตัวอย่าง ข้อมูลอ้างอิง และคำถามของผู้ใช้

ไม่ได้ดีกว่าเสมอไป: สำหรับ prompt ที่สั้นและง่าย XML อาจลดความแม่นยำลงเล็กน้อย การทดสอบหนึ่งแสดงให้เห็นว่า prompt ข้อความธรรมดามีความแม่นยำ 97.6% เทียบกับ XML ที่ 96.4%—ส่วนต่างเล็กน้อย 1.2 จุดเปอร์เซ็นต์ โดยอัตราการหลอนไม่เปลี่ยนแปลง การทดสอบเดียวกันยังแสดงให้เห็นว่า XML มีค่า overhead ของ token input เพิ่มขึ้น 31% ประโยชน์ของ XML จะเพิ่มขึ้นตามความซับซ้อนของ prompt ไม่ใช่คุณภาพของ prompt: มันช่วยได้เมื่อ prompt มีความยาวเกินประมาณ 500 tokens และมีมากกว่า 3 หัวข้อเชิงตรรกะ

ผู้ให้บริการ AI รายใหญ่แนะนำอะไร

ผู้ให้บริการรายใหญ่ทุกรายแนะนำ XML เป็นรูปแบบตัวคั่นที่มีประสิทธิภาพ แต่ความถูกต้องตามรูปแบบของ XML ไม่จำเป็นต้องเคร่งครัด—เจตนาเชิงความหมายคือสิ่งที่สำคัญ

คำแนะนำเชิงปฏิบัติตามกรณีการใช้งาน

แนวทางแบบผสมผสาน: ทางเลือกที่ใช้งานได้จริง

ผู้ปฏิบัติงานหลายคนใช้วิธีผสมผสาน: หัวข้อ Markdown สำหรับโครงสร้างโดยรวม บวกกับแท็กแบบ XML หรือ code fences รอบบล็อก input ของผู้ใช้ วิธีนี้รวมความอ่านง่ายของ Markdown เข้ากับขอบเขตความปลอดภัยของ XML

ตัวอย่างเช่น คุณอาจใช้:

## คำสั่ง
[คำสั่งของคุณที่นี่]

## บริบท
[ข้อมูลพื้นฐาน]

## Input จากผู้ใช้
<UserInput>
[input จริงจากผู้ใช้]
</UserInput>

รูปแบบนี้ให้สิ่งที่ดีที่สุดของทั้งสองโลก—ส่วนที่มีป้ายกำกับชัดเจนซึ่งมนุษย์อ่านง่าย บวกกับขอบเขตที่แข็งรอบส่วนที่ไม่น่าเชื่อถือของ prompt

สรุป

ใช้ Markdown สำหรับ prompt ส่วนใหญ่ในชีวิตประจำวัน เพราะอ่านง่าย ประหยัด token และทำงานได้ดีในการเปรียบเทียบรูปแบบ prompt ที่ได้รับการบันทึกไว้ สลับไปใช้ แท็ก XML เมื่อคุณมี prompt ที่ซับซ้อน หลายส่วน ต้องการขอบเขตเชิงความหมายที่เข้มงวดเพื่อความปลอดภัย หรือกำลังทำงานกับ Claude ประสิทธิผลของรูปแบบยังขึ้นอยู่กับโมเดล AI ด้วย—ความสามารถในการบำรุงรักษาในฝั่งมนุษย์ก็สำคัญพอๆ กับประสิทธิภาพของโมเดล