สไตล์ Stanford: 4 พรอมต์ทรงพลังที่จะช่วยยกระดับคุณภาพงานเขียนของคุณอย่างก้าวกระโดด

"ถาม Claude ได้คำตอบ ปิดแท็บไป" "รู้สึกเหมือนเข้าใจ แต่ไม่ลึกพอที่จะอธิบายให้คนอื่นฟัง"

ถ้าคุณเป็นแบบนั้นทุกครั้งที่ค้นคว้า สาเหตุอาจไม่ใช่เพราะ Claude ไม่มีประสิทธิภาพพอ แต่เป็นเพราะคุณพยายามหาคำตอบทั้งหมดจากคำถามเดียว

ผมเคยเป็นแบบนั้นมานาน ใช้มันแทนช่องค้นหาแล้วปิดทิ้งหลังจากได้คำตอบแรก

ต่อมา ผมจำไม่ได้ว่าข้อสรุปที่แท้จริงคืออะไร ผมกำลังใช้คู่หูที่ยอดเยี่ยมเป็นแค่พจนานุกรมที่เร็วขึ้น

จุดเปลี่ยนของผมคือแนวคิดของระบบการค้นคว้าที่ชื่อว่า STORM ซึ่งเผยแพร่โดย Stanford

STORM แสดงให้เห็นในงานวิจัยว่าการค้นคว้าจากหลายมุมมอง แทนที่จะมองเพียงมุมเดียว ส่งผลให้บทความมีคุณภาพสูงขึ้นอย่างมีนัยสำคัญ

โดยเฉพาะอย่างยิ่ง เปอร์เซ็นต์ของบทความที่ผู้เชี่ยวชาญประเมินว่า "มีโครงสร้างที่ดี" สูงขึ้น 25 จุดในเชิงสัมบูรณ์ และความครอบคลุมของเนื้อหาสูงขึ้น 10 จุด (arXiv:2402.14207

คุณสามารถเลียนแบบวิธีการ "ตั้งคำถามแบบหลายมุมมอง" นี้ได้ เพียงแค่วางพรอมต์สี่ข้อต่อไปนี้ลงใน Claude ตามลำดับ โดยไม่ต้องติดตั้งซอฟต์แวร์พิเศษใดๆ

ผมได้เตรียมพรอมต์ทั้งสี่ไว้ด้านล่างนี้แล้ว

เมื่อคุณอ่านจบ คุณจะมีพรอมต์ที่สามารถคัดลอกและวางได้สี่ข้อ เพื่อเปลี่ยน Claude จาก "เครื่องมือค้นหาทั่วไป" ให้เป็น "คู่หูวิจัยที่ระบุประเด็นสำคัญทั้งหมดได้ภายใน 5 นาที"

บทความที่เกี่ยวข้อง: Claude Code Textbook - Basics

https://note.com/nobel/n/n7d7a422f828f

STORM คืออะไรกันแน่?

ก่อนอื่น มาทำความรู้จักกับแหล่งที่มากันสักเล็กน้อย

STORM คือระบบการค้นคว้าที่สร้างโดย Stanford OVAL Lab (Open Virtual Assistant Lab) ซึ่งจะเขียนบทความแบบยาวพร้อมการอ้างอิงโดยอัตโนมัติเมื่อได้รับหัวข้อ

ชื่อ STORM ย่อมาจาก Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking และถูกนำเสนอในการประชุมนานาชาติด้านการประมวลผลภาษาธรรมชาติ NAACL 2024 (arXiv:2402.14207

โค้ดนี้ มีให้ใช้งานบน GitHub ภายใต้สัญญาอนุญาต MIT โดยมีดาวมากกว่า 28,000 ดวง ณ เวลาที่เขียน นอกจากนี้ยังมีเวอร์ชันสดที่คุณสามารถทดลองใช้ได้ทันทีในเบราว์เซอร์ (storm.genie.stanford.edu) ซึ่งรายงานว่ามีผู้ใช้มากกว่า 70,000 คน

เมื่อคุณป้อนหัวข้อ คุณจะเห็นมันสร้างบทความพร้อมการอ้างอิงไปพร้อมกับการค้นหาเว็บเบื้องหลัง หากคุณต้องการข้อความแบบยาวพร้อมลิงก์แหล่งที่มาทันที การใช้เวอร์ชันสดจะเร็วกว่า สิ่งที่ผมแนะนำในบทความนี้ไม่ใช่ระบบอัตโนมัติเต็มรูปแบบนั้น แต่เป็นวิธีการเลียนแบบแนวคิดหลักของ STORM นั่นคือ "การตั้งคำถามแบบหลายมุมมอง" ภายในบทสนทนา Claude ปกติของคุณ

หัวใจของ STORM คือมันไม่ได้เริ่มเขียนทันที มันแบ่งขั้นตอน "ก่อนการค้นคว้า" ออกเป็นสามขั้นตอน: (1) การระบุมุมมองที่เป็นไปได้สำหรับหัวข้อนั้น (2) การจำลองบทสนทนาที่ผู้เขียนที่มีมุมมองเหล่านั้นถามคำถามผู้เชี่ยวชาญ และ (3) การจัดระเบียบข้อมูลที่รวบรวมได้เป็นโครงร่าง ตามรายงานวิจัย หัวใจของการทำให้การค้นคว้าเป็นอัตโนมัติคือ "ความสามารถในการสร้างคำถามที่ดีโดยอัตโนมัติ" และการเพียงแค่ขอให้ AI "ถามคำถาม" นั้นไม่ได้ผลดีนัก นั่นคือเหตุผลที่คุณต้องเตรียมหลายมุมมองก่อนเพื่อให้ได้ความกว้างและความลึก

สิ่งสำคัญคือต้องชี้แจงขอบเขต STORM เป็นระบบที่ "ช่วยในการค้นคว้าเบื้องต้น" README อย่างเป็นทางการระบุอย่างชัดเจนว่าผลลัพธ์ยังไม่มีคุณภาพเพียงพอสำหรับการตีพิมพ์และต้องมีการแก้ไขอย่างมาก แต่มีประโยชน์สำหรับขั้นตอนก่อนการค้นคว้าสำหรับบรรณาธิการ Wikipedia ที่มีประสบการณ์ กล่าวอีกนัยหนึ่ง สิ่งที่ผมแนะนำที่นี่ไม่ใช่ "เคล็ดลับวิเศษให้ Claude พ่นบทความที่สมบูรณ์แบบออกมา" แต่เป็น "เทมเพลตให้ Claude ระบุประเด็นการอภิปรายทั้งหมดภายใน 5 นาทีก่อนที่มนุษย์จะตัดสิน"

ทำไม "คำถามเดียว" ถึงแพ้

เมื่อคุณถาม Claude ว่า "บอกฉันเกี่ยวกับ [หัวข้อ]" คุณมักจะได้ความคิดเห็นส่วนใหญ่ กรอบความคิดที่พบบ่อยที่สุด บทสรุปผิวเผิน มันปลอดภัยและไม่แย่ แต่มันไม่ลึกซึ้ง

แต่สำหรับหัวข้อใดหัวข้อหนึ่ง คนต่างกันมองเห็นสิ่งต่างกัน ตัวอย่างเช่น ถ้าคุณถามผู้ปฏิบัติงาน นักวิจัย ผู้คลางแคลง นักเศรษฐศาสตร์ และนักประวัติศาสตร์ว่า "การทำงานทางไกลเพิ่มประสิทธิภาพการทำงานหรือไม่?" คำตอบจะแตกต่างกันโดยสิ้นเชิง ผู้ปฏิบัติงานเห็นความเป็นจริงในสนาม ผู้คลางแคลงเห็นข้อเท็จจริงที่ผู้สนับสนุนมองข้าม และนักเศรษฐศาสตร์เห็นว่าใครได้ประโยชน์ โดยพื้นฐานแล้ว นี่คือสิ่งที่นักศึกษาปริญญาเอกทำ: การตั้งคำถามหลายข้อพร้อมกันแทนที่จะตั้งเพียงข้อเดียว

รายงานวิจัยของ STORM แสดงให้เห็นความแตกต่างนี้เป็นตัวเลข บทความที่สร้างขึ้นโดยการตั้งคำถามแบบหลายมุมมองมีคะแนนการจัดระเบียบสูงกว่า 25 จุด และคะแนนความครอบคลุมสูงกว่า 10 จุด เมื่อเทียบกับวิธีพื้นฐาน (วิธีปกติคือการตัดสินใจโครงร่างก่อนแล้วจึงเติมด้วยผลการค้นหา) นี่คือการค้นพบหลักของ STORM: "การเพิ่มมุมมองเผยให้เห็นจุดบอดที่คำถามเดียวไม่มีทางเห็น"

และแนวคิดของการตั้งคำถามแบบหลายมุมมองนี้สามารถทำซ้ำได้โดยไม่ต้องใช้ซอฟต์แวร์พิเศษ นี่คือหัวข้อหลัก

คุณส่งพรอมต์สี่ข้อไปยัง Claude ตามลำดับเพื่อสร้างโฟลว์:

(1) การสแกนจาก 5 มุมมอง

(2) การทำแผนที่ความขัดแย้ง

(3) การบูรณาการ

(4) การตรวจสอบตนเอง

พรอมต์ 1: การสแกนจาก 5 มุมมอง

นี่คือหัวใจของวิธีการ วางพรอมต์ด้านล่างลงใน Claude โดยเปลี่ยนเฉพาะหัวข้อในบรรทัดแรกเป็นหัวข้อของคุณเอง

1ฉันต้องการทำความเข้าใจ [หัวข้อ] อย่างลึกซึ้ง
2โปรดทำหน้าที่เป็นผู้เชี่ยวชาญ 5 คน และวิเคราะห์จากมุมมองของแต่ละคน
3
41. ผู้ปฏิบัติงาน: คนที่จัดการเรื่องนี้ทุกวัน
5   ความเป็นจริงในสนามที่นักวิชาการมักมองข้ามคืออะไร?
62. นักวิชาการ: คนที่ค้นคว้าเรื่องนี้มาหลายปี
7   หลักฐานที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญแสดงให้เห็นอะไรจริงๆ?
8   มันขัดแย้งกับภูมิปัญญาทั่วไปตรงไหน?
93. ผู้คลางแคลง: คนที่เชื่อว่ามุมมองกระแสหลักผิด
10   ข้อโต้แย้งที่แข็งแกร่งที่สุดคืออะไร?
11   ข้อเท็จจริงอะไรที่ผู้สนับสนุนจงใจมองข้าม?
124. สายตาเศรษฐกิจ: คนที่ติดตามเงิน
13   ใครได้ประโยชน์จากวาทกรรมปัจจุบัน?
14   ผลประโยชน์อะไรที่บิดเบือนงานวิจัยหรือข้อมูล?
155. สายตาประวัติศาสตร์: คนที่เห็นรูปแบบคล้ายกันในอดีต
16   ความคล้ายคลึงทางประวัติศาสตร์คืออะไร?
17   สิ่งเหล่านั้นจบลงอย่างไร?
18
19สำหรับแต่ละมุมมอง โปรดให้:
20- ข้ออ้างหลักใน 2 ประโยค
21- หลักฐานที่แข็งแกร่งที่สุดที่สนับสนุน
22- ข้อมูลเชิงลึกหนึ่งอย่างที่มีเพียงมุมมองนี้เท่านั้นที่ให้ได้ และจะไม่ได้รับจากมุมมองอื่น

สิ่งที่คุณจะได้กลับมาคือวิธีการอ่านหัวข้อเดียวกันที่แตกต่างกันห้าวิธี ผู้ปฏิบัติงานนำเสนอความเป็นจริง ผู้คลางแคลงเขย่าสมมติฐาน นักเศรษฐศาสตร์นำเสนอผลประโยชน์ และนักประวัติศาสตร์นำเสนอรูปแบบ ภายในเวลาทำงาน 60 วินาที คุณจะจัดแนวประเด็นการอภิปรายที่คำถามเดียวจะพลาดไป

หนึ่งการกระทำสำหรับวันนี้: เลือกหัวข้อที่คุณกำลังสนใจอยู่ในตอนนี้แล้วใส่ลงในบรรทัดแรกของพรอมต์นี้ แค่การจัดแนวเสียงทั้งห้า คุณจะรู้ว่าจนถึงตอนนี้คุณมองจากมุมมองเดียวเท่านั้น

พรอมต์ 2: การทำแผนที่ความขัดแย้ง

ต่อไป ให้ Claude ค้นหาว่าเสียงทั้งห้าขัดแย้งกันตรงไหน จุดที่ความคิดเห็นชนกันคือจุดที่ความเข้าใจที่แท้จริงอยู่

1จาก 5 มุมมองข้างต้น โปรดจัดระเบียบความขัดแย้ง
2
31. มุมมองสองมุมมองขึ้นไปขัดแย้งกันโดยตรงตรงไหน?
4   สำหรับความขัดแย้งแต่ละข้อ ให้ระบุข้ออ้างที่แข่งขันกันโดยเฉพาะ
52. มุมมองใดมีหลักฐานแข็งแกร่งที่สุด?
6   มุมมองใดอ่อนแอที่สุด? เพราะเหตุใด?
73. "คำถามเดียว" ที่ถ้าได้คำตอบแล้วจะคลี่คลายความขัดแย้งที่ใหญ่ที่สุดคืออะไร?
84. ทุกมุมมองเห็นพ้องต้องกันในเรื่องใด?
9   (เนื่องจากแม้แต่ฝ่ายตรงข้ามก็เห็นด้วย นี่จึงน่าจะแน่นอน)
105. หัวข้อใดที่ไม่มีมุมมองใดกล่าวถึง?
11   (นี่คือจุดบอดของทั้งสาขา มักจะมีค่าที่สุด)

สิ่งที่คุณจะได้กลับมาคือแผนที่ว่าผู้เชี่ยวชาญไม่เห็นด้วยที่ไหนและเพราะเหตุใด คนส่วนใหญ่ข้ามขั้นตอนนี้ แต่นี่คือทางแยกระหว่างความเข้าใจผิวเผินกับความเข้าใจที่แท้จริง ประเด็นที่ทุกคนเห็นพ้องต้องกันน่าจะถูกต้อง ประเด็นที่ไม่มีใครพูดถึงคือช่องว่างในสาขานั้น

หนึ่งการกระทำสำหรับวันนี้: เพียงแค่วางสิ่งนี้ในบทสนทนาเดียวกันหลังจากพรอมต์ 1 แม้แต่สองบรรทัดสำหรับ "ประเด็นที่ทุกคนเห็นด้วย" และ "ประเด็นที่ไม่มีใครพูดถึง" ก็คุ้มค่าที่จะจดบันทึกไว้

พรอมต์ 3: การบูรณาการเป็นรายงานสรุปเดียว

ตอนนี้ ให้ Claude สังเคราะห์เนื้อหาที่มีจนถึงตอนนี้เป็นบันทึกการวิจัยฉบับเดียว

1บูรณาการ 5 มุมมองและแผนที่ความขัดแย้งเพื่อสร้างบันทึกการวิจัย
2
31. สรุปหนึ่งย่อหน้า: สรุปสำหรับคนมีเวลาจำกัดเพียง 60 วินาที
4   โดยสื่อถึง "ความแตกต่างเล็กน้อย" ไม่ใช่แค่หัวข้อ
52. 5 ข้อค้นพบสำคัญที่สุด: ระบุสิ่งที่สำคัญที่สุดที่ได้เรียนรู้จนถึงตอนนี้
6   เรียงตามความแน่นอน สำหรับแต่ละข้อ ให้ระบุ "มุมมองใดสนับสนุนและ
7   มุมมองใดคัดค้าน"
83. ความเชื่อมโยงที่ซ่อนอยู่: ความเชื่อมโยงที่น่าประหลาดใจหนึ่งอย่างระหว่างข้อค้นพบ
9   ที่มองเห็นได้ก็ต่อเมื่อซ้อนทับ 5 มุมมองเท่านั้น
104. ผลกระทบต่อการปฏิบัติ: จากหลักฐานนี้ โดยเฉพาะอย่างยิ่ง
11   คนใน [ตำแหน่ง/บทบาทของคุณ] ควรเปลี่ยนแปลงอะไร?
125. คำถามแนวหน้า: คำถามเดียวที่ถ้าได้คำตอบแล้ว
13   จะเปลี่ยนความเข้าใจในหัวข้อนี้อย่างสิ้นเชิง

สิ่งที่คุณจะได้กลับมาคือรายงานสรุปที่ผู้เชี่ยวชาญคนเดียวไม่สามารถเขียนได้ มันพิจารณาทุกแง่มุม ระบุความขัดแย้ง จัดอันดับตามความแน่นอน และลงเอยด้วยการปฏิบัติที่เฉพาะเจาะจง เมื่อมีแผนที่ประเด็นการอภิปรายพร้อมแล้ว คุณจะเห็นว่าคุณต้องตัดสินใจอะไรต่อไป

หนึ่งการกระทำสำหรับวันนี้: ในวงเล็บสำหรับข้อ 4 ให้ใส่ตำแหน่งงานหรือบทบาทของคุณ (เช่น "เจ้าของธุรกิจขนาดเล็ก" "ผู้สรรหาบุคลากร") เพื่อให้ได้ผลกระทบเฉพาะบุคคล ไม่ใช่เรื่องทั่วไป

พรอมต์ 4: การตรวจสอบตนเอง

STORM มีจุดอ่อนที่ผู้สร้างยอมรับ ผู้เขียนชี้ให้เห็นว่าผลลัพธ์อาจประสบปัญหา "การถ่ายโอนอคติของแหล่งที่มา" และ "การเชื่อมโยงข้อเท็จจริงที่ไม่เกี่ยวข้องมากเกินไป" สิ่งนี้เกิดขึ้นเช่นกันเมื่อคุณให้ Claude ทำแบบเดียวกัน สุดท้าย ให้มันให้คะแนนผลงานของตัวเองเพื่อควบคุมสิ่งนี้

1โปรดตรวจสอบบันทึกการวิจัยที่คุณเพิ่งสร้างขึ้น
2
31. คะแนนความเชื่อมั่น: ให้คะแนนแต่ละข้อใน 5 ข้อค้นพบสำคัญที่สุดในระดับ 1-10
4   สำหรับความน่าเชื่อถือ อธิบายเหตุผลสำหรับแต่ละคะแนน
52. จุดอ่อนที่สุด: ข้ออ้างใดที่คุณมั่นใจน้อยที่สุด?
6   ต้องการข้อมูลเฉพาะอะไรเพื่อยืนยัน?
73. ตรวจสอบอคติ: มุมมองใดมีอิทธิพลมากเกินไปต่อการบูรณาการ?
8   มีเสียงเฉพาะใดที่กำลังครอบงำหรือไม่?
94. มุมมองที่ขาดหายไป: มี "มุมมองที่ 6" ที่สามารถเปลี่ยนข้อสรุปหรือไม่?
105. การประเมินโดยรวม: หากผู้เชี่ยวชาญบุคคลที่สามเห็นบันทึกนี้
11   พวกเขาจะให้คะแนนเท่าไหร่และจะบอกให้แก้ไขอะไร?

สิ่งที่คุณจะได้กลับมาคือการตรวจสอบงานวิจัยของคุณอย่างตรงไปตรงมา ข้ออ้างที่แข็งแกร่ง ข้ออ้างที่อ่อนแอ มุมมองที่มีอิทธิพลมากเกินไป และมุมมองที่ขาดหายไป รายการที่ได้รับ "คะแนนความเชื่อมั่น" ต่ำคือประเด็นที่คุณควรไปตรวจสอบแหล่งข้อมูลปฐมภูมิด้วยตนเองในที่สุด

หนึ่งการกระทำสำหรับวันนี้: เลือกข้ออ้างหนึ่งข้อที่การตรวจสอบระบุว่า "มีความน่าเชื่อถือต่ำ" และตรวจสอบแหล่งที่มาบนเว็บไซต์ทางการหรือเอกสารต้นฉบับ นี่คือขั้นตอนสุดท้ายเพื่อหลีกเลี่ยงการพึ่งพา AI อย่างสิ้นเชิง

สรุปขั้นตอนการทำงาน 5 นาที

พรอมต์ทั้งสี่ทำงานเป็นโฟลว์ดังนี้:

• นาทีที่ 1: พรอมต์ 1 → 5 มุมมอง
• นาทีที่ 2-3: พรอมต์ 2 → แผนที่ความขัดแย้ง
• นาทีที่ 3-4: พรอมต์ 3 → บันทึกการวิจัย
• นาทีที่ 5: พรอมต์ 4 → สิ่งที่แน่นอนและสิ่งที่น่าสงสัย

ภายใน 5 นาที คุณจะครบวงจรของการระบุประเด็นแบบหลายมุมมอง การวิเคราะห์ความขัดแย้ง การบูรณาการ และการให้คะแนนความแน่นอน แน่นอนว่านี่ไม่ได้หมายความว่าคุณ "เหนือกว่าผู้เชี่ยวชาญ" นี่เป็นเพียงการเตรียมการก่อนที่มนุษย์จะตัดสินใจ แต่เมื่อเทียบกับการดูผลการค้นหาเพียงรายการเดียว จุดเริ่มต้นของคุณเปลี่ยนไปอย่างสิ้นเชิง

ขอแนะนำตัวผมเอง ผมคือ tatsuki (@nobel_824) ผมสนับสนุนการใช้ AI สำหรับวิสาหกิจขนาดกลางและขนาดย่อม ช่วยในการนำ Claude/Codex ไปใช้ในธุรกิจ ขณะเดียวกันก็ใช้ Claude Code ด้วยตัวเองตลอดทั้งวัน เมื่อผมจำเป็นต้องค้นคว้าอุตสาหกรรมใหม่ของลูกค้าอย่างกะทันหัน พรอมต์ทั้ง 4 นี้คือสิ่งแรกที่ผมใช้

สิ่งนี้มีประสิทธิภาพเมื่อใด?

เทมเพลตนี้สามารถใช้ได้กับเกือบทุกจุดเริ่มต้นของการค้นคว้า ผมมักใช้ในสถานการณ์ต่อไปนี้:

ก่อนเขียนบทความหรือข้อเสนอ โดยการรันพรอมต์ทั้ง 4 คุณสามารถจับมุมที่คนอื่นไม่ได้แตะต้องตั้งแต่เริ่มต้น ก่อนการตัดสินใจครั้งสำคัญ เนื่องจากผู้ปฏิบัติงานให้ "สิ่งที่เคลื่อนไหวในความเป็นจริง" ผู้คลางแคลงให้ "สิ่งที่ผิด" และนักเศรษฐศาสตร์ให้ "ใครได้ประโยชน์" จึงมีรากฐานมากกว่าเอกสารจากฝ่ายสนับสนุนเท่านั้น ก่อนเริ่มเรียนรู้สาขาที่ไม่คุ้นเคย โดยการถามผู้ปฏิบัติงาน "ว่าควรเรียนรู้อะไรก่อน" และผู้คลางแคลง "ว่าอะไรถูกกล่าวเกินจริง" คุณสามารถลดการอ้อมค้อมที่ไม่จำเป็นได้ แม้กระทั่งก่อนการประชุมทางธุรกิจหรือการสัมภาษณ์ การมองอีกฝ่ายจาก 5 มุมมองจะเปลี่ยนคุณภาพของคำถามที่คุณเตรียมไว้

สิ่งที่เหมือนกันคือผมใช้มันเพื่อ "ระบุประเด็นการอภิปรายทั้งหมด" ไม่ใช่เพื่อ "หาคำตอบ" เนื่องจากคุณเป็นผู้ตัดสินใจในที่สุด มันจึงทำงานได้ดีในฐานะเครื่องมือในการจัดเตรียมวัสดุการตัดสินใจทั้งหมดโดยไม่ขาดตกบกพร่อง

ข้อควรระวังสามประการ

แม้จะสะดวก แต่ก็มีประเด็นที่ต้องระวัง มีเพียงสามข้อ

ประการแรกคือภาพหลอน (การสร้างข้อมูลที่ดูน่าเชื่อถือแต่เป็นเท็จ) ยิ่งคุณให้ทั้ง 5 มุมมองพูดอย่างเฉพาะเจาะจงมากเท่าไหร่ คำตอบก็ยิ่งน่าเชื่อถือมากขึ้นเท่านั้น แต่ความน่าเชื่อถือและความถูกต้องเป็นคนละเรื่องกัน สำหรับชื่อเฉพาะ ตัวเลข และวันที่ ให้ตรวจสอบกับข้อมูลปฐมภูมิเสมอ โดยเริ่มจากสิ่งที่การตรวจสอบพรอมต์ 4 ระบุว่า "อ่อนแอ" ขั้นตอนนี้ข้ามไม่ได้

ประการที่สองคือการถ่ายโอนอคติของแหล่งที่มา นี่คือจุดอ่อนที่กล่าวถึงในรายงานวิจัยของ STORM หากแหล่งข้อมูลมีอคติ อคตินั้นจะถูกถ่ายโอนไปยังผลลัพธ์ เนื่องจากคุณไม่สามารถเลือกแหล่งข้อมูลที่ Claude เห็นเบื้องหลังได้ ถ้าทั้ง 5 มุมมองชี้ไปในทิศทางเดียวกัน คุณควรสงสัยว่ามันครอบคลุมทุกอย่างจริงๆ หรือแค่มีอคติร่วมกัน

ประการที่สามคือความมั่นใจเกินไปของการ "เป็นผู้เชี่ยวชาญใน 5 นาที" เทมเพลตนี้เร็วในการเตรียมการ ไม่ใช่ความรู้ของผู้เชี่ยวชาญ ควรมองบันทึกผลลัพธ์เป็น "รายการสมมติฐานที่ต้องตรวจสอบต่อจากนี้" ซึ่งท้ายที่สุดจะนำไปสู่การตัดสินใจที่ดีขึ้น

บทสรุป: คุณค่ากำลังเปลี่ยนจาก "ผู้ค้นหา" เป็น "ผู้ออกแบบคำถาม"

ในยุคที่ AI ให้คำตอบที่ดีเป็นเรื่องปกติ ผมรู้สึกว่าความแตกต่างกำลังเปลี่ยนจาก "คุณรู้คำตอบกี่ข้อ" เป็น "คุณสามารถตั้งคำถามแบบไหนจากกี่มุมมอง"

การดูผลการค้นหาหนึ่งรายการแล้วปิดทิ้งก็เหมือนกับการหันหลังกลับที่ทางเข้า ในเวลา 5 นาทีเดียวกัน ถ้าคุณสแกนด้วย 5 มุมมอง ทำแผนที่ความขัดแย้ง บูรณาการ และตรวจสอบตนเอง จุดเริ่มต้นของคุณจะเปลี่ยนไปอย่างสิ้นเชิง สิ่งที่ Stanford แสดงให้เห็นในรายงานวิจัยคือข้อเท็จจริงที่ชัดเจน—แต่มักถูกละเลย—ที่ว่า "การเพิ่มมุมมองช่วยลดจุดบอด" เพื่อเลียนแบบสิ่งนั้นด้วย Claude สิ่งที่คุณต้องมีคือการคัดลอกและวางสี่ครั้ง

3 ขั้นตอนที่ต้องลองวันนี้

• [ ] ตัดสินใจเลือกหัวข้อที่คุณต้องการค้นคว้ามากที่สุดหนึ่งหัวข้อและวางพรอมต์ 1 ลงใน Claude
• [ ] วางพรอมต์ 2 → 3 → 4 ในบทสนทนาเดียวกันและทำวงจรให้เสร็จภายใน 5 นาที
• [ ] เลือกข้ออ้างหนึ่งข้อที่การตรวจสอบ (พรอมต์ 4) ระบุว่า "มีความน่าเชื่อถือต่ำ" และตรวจสอบกับข้อมูลปฐมภูมิ

ครั้งต่อไปที่คุณค้นคว้าบางสิ่ง คุณจะให้ Claude ตั้ง "คำถาม 5 ข้อ" อะไรให้คุณ?

ข้อมูลที่เป็นประโยชน์ซึ่งไม่สามารถแชร์บน X กำลังถูกแชร์ใน LINE OpenChat หากคุณสนใจในการใช้ Claude Code/Codex หรือการดำเนินการ X โดยใช้ AI โปรดเข้าร่วมกับเรา

OpenChat: https://t.co/90omRA4UQ7

หากคุณอ้างอิงบทความนี้พร้อมกับความประทับใจของคุณ ผมจะรีโพสต์ทั้งหมด!

ลิงก์อ้างอิง

• Shao et al. (2024) Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models (STORM Paper, NAACL 2024), arXiv:2402.14207 : https://arxiv.org/abs/2402.14207
• STORM Paper (ACL Anthology version) : https://aclanthology.org/2024.naacl-long.347/
• stanford-oval/storm (Official implementation, MIT license, including Co-STORM) : https://github.com/stanford-oval/storm
• STORM Live Version (Free research preview) : https://storm.genie.stanford.edu/
• Stanford STORM Project Site : https://storm-project.stanford.edu/