Pre-Test: Prompt Engineering - PromptWizards Zero to Mystery

JavaScript isn't enabled in your browser, so this file can't be opened. Enable and reload.

แบบทดสอบนี้มีวัตถุประสงค์เพื่อประเมินความรู้และความเข้าใจพื้นฐานถึงระดับสูงในวิชา Prompt Engineering ก่อนเข้าร่วมโครงการ PromptWizards Zero to Mystery

อยากให้ทุกคนทำด้วยตัวเอง โดยไม่เปิดอะไร หรือใข้AIช่วย ❤️

Email *

Part 1 : Examinee Information

ส่วนที่ 1: ข้อมูลผู้เข้าสอบ

First-name/Last-name

ชื่อ-นามสกุล

Student ID:

รหัสนิสิต: *

Which Generative AI models have you used? (You may add more if applicable)

คุณเคยใช้Generative Ai Model ใดบ้าง (ใส่เพิ่มเติมได้) *

ChatGPT

Gemini

Claude

Grok

Perplexity

NotebookLM

ไม่เคยใช้เลย

Other:

Required

Part 2: Prompt Engineering Test (20 Questions | 20 Points)

ส่วนที่ 2: แบบทดสอบ Prompt Engineering (20 ข้อ | 20 คะแนน)

1. [Easy Level] What is Prompt Engineering?

[ระดับ ง่าย] Prompt Engineering คืออะไร? *

Coding to create AI. การเขียนโค้ดเพื่อสร้าง AI

The art and science of designing prompts to communicate with large language models (LLMs). ศิลปะและศาสตร์ในการออกแบบคำสั่งเพื่อสื่อสารกับโมเดลภาษาขนาดใหญ่ (LLMs)

Training a new AI model. การฝึกฝนโมเดล AI ใหม่

Designing the user interface of an AI application. การออกแบบ User Interface ของแอปพลิเคชัน AI

2. [Easy Level] What is the most important element in a prompt?

[ระดับ ง่าย] องค์ประกอบที่สำคัญที่สุดใน Prompt คืออะไร? *

Prompt length. ความยาวของ Prompt

English only. การใช้ภาษาอังกฤษเท่านั้น

Clear and specific instructions. คำสั่งที่ชัดเจนและเจาะจง (Instruction)

Including images. การใส่รูปภาพประกอบ

3. [Easy Level] Which of the following is an example of a “Role” assigned to the AI?

[ระดับ ง่าย] ข้อใดคือตัวอย่างของ "Role" (บทบาท) ที่กำหนดให้ AI? *

Summarize this report. สรุปรายงานนี้

Provide the output in JSON. ให้ผลลัพธ์เป็น JSON

You are a marketing expert. คุณคือผู้เชี่ยวชาญด้านการตลาด

Do not mention politics. ห้ามพูดถึงการเมือง

4. [Easy Level] Which of the following actions helps make a prompt more effective?

[ระดับ ง่าย] การกระทำใดต่อไปนี้ที่ช่วยให้ Prompt มีประสิทธิภาพมากขึ้น? *

Use of complex technical terminology. การใช้คำศัพท์ทางเทคนิคที่ซับซ้อน

Writing the prompt as short as possible. การเขียน Prompt ให้สั้นที่สุดเท่าที่จะทำได้

Specifying the desired output format. การระบุรูปแบบผลลัพธ์ที่ต้องการ (Output Format)

Asking multiple open-ended questions at once. การถามคำถามปลายเปิดหลายคำถามในครั้งเดียว

5. [Easy Level] What does “LLM,” the core of Prompt Engineering, stand for?

[ระดับ ง่าย] "LLM" ซึ่งเป็นหัวใจหลักของ Prompt Engineering ย่อมาจากอะไร? *

Large Learning Model

Low Level Machine

Large Language Model

Local Logic Module

6. [Easy Level] What is an important limitation that prompt users should be aware of when using Generative AI?

[ระดับ ง่าย] ข้อจำกัดสำคัญที่ผู้ใช้งาน Prompt ต้องตระหนักถึงใน Generative AI คืออะไร? *

Cann't generate images. ไม่สามารถสร้างภาพได้

Only supports English. ใช้ได้เฉพาะภาษาอังกฤษ

Prone to producing false information (hallucinations). มีแนวโน้มที่จะสร้างข้อมูลที่ไม่เป็นความจริง (Hallucination)

Cann't process text fast enough. ไม่สามารถประมวลผลข้อความได้เร็วพอ

7. [Easy Level] If you want the AI to generate a list with multiple sections, which prompt design technique should you use to organize the information?

[ระดับ ง่าย] หากต้องการให้ AI สร้างรายการที่มีหลายส่วน ควรใช้เทคนิคใดในการออกแบบ Prompt เพื่อจัดระเบียบข้อมูล? *

Few-Shot Prompting

Zero-Shot Prompting

Use Bullet Points or Numbering. ใช้ Bullet Points หรือ Numbering

Chain-of-Thought

8. [Easy Level] What does “Zero-Shot Prompting” mean when giving instructions to an AI?

[ระดับ ง่าย] "Zero-Shot Prompting" หมายถึงการสั่งงาน AI แบบใด? *

Tasking with 3–5 examples provided. การสั่งงานโดยมีตัวอย่าง 3-5 ตัวอย่าง

Tasking with no examples provided. การสั่งงานโดยไม่มีการให้ตัวอย่างใดๆ

Tasking where AI generates its own examples. การสั่งงานที่ให้ AI สร้างตัวอย่างเอง

Tasking that uses only information from the internet. การสั่งงานที่ใช้ข้อมูลจากอินเทอร์เน็ตเท่านั้น

9. [Easy Level] Which part of a prompt is used to define the “Context”?

[ระดับ ง่าย] ส่วนใดของ Prompt ที่ใช้ในการกำหนด "Context" (บริบท)? *

Correct answer. คำตอบที่ถูกต้อง

Background information or relevant context. ข้อมูลพื้นฐานหรือสถานการณ์ที่เกี่ยวข้อง

Instructions to start the task. คำสั่งให้เริ่มทำงาน

Task difficulty level. ระดับความยากของงาน

10. [Easy Level] Which of the following is not a basic technique for improving the accuracy of AI outputs?

[ระดับ ง่าย] ข้อใดไม่ใช่เทคนิคพื้นฐานในการเพิ่มความแม่นยำของผลลัพธ์ AI?

Clarity of language. ความชัดเจนของภาษา

Use of dialects unfamiliar to AI. การใช้ภาษาถิ่นที่ AI ไม่คุ้นเคย

Specification of answer scope. การระบุขอบเขตของคำตอบ

Breaking a complex task into smaller steps. การแบ่งงานที่ซับซ้อนเป็นขั้นตอนย่อย

11. [Intermediate Level] What is the main benefit of “Few-Shot Prompting” in improving AI outputs?

[ระดับ ปานกลาง] "Few-Shot Prompting" มีประโยชน์หลักอย่างไรในการพัฒนาผลลัพธ์ของ AI? *

Saves the most time in writing prompts. ประหยัดเวลาในการเขียน Prompt มากที่สุด

Helps AI better understand the desired answer format or style by learning from examples. ช่วยให้ AI เข้าใจรูปแบบหรือสไตล์ของคำตอบที่ต้องการได้ดีขึ้นโดยการเรียนรู้จากตัวอย่าง

Used to restrict AI from answering a question. ใช้เพื่อจำกัดไม่ให้ AI ตอบคำถาม

Used only to instruct AI to create images. ใช้ในการสั่งให้ AI วาดรูปเท่านั้น

12. [Intermediate Level] What does the “Chain-of-Thought (CoT) Prompting” technique encourage the AI to do in order to improve the quality of answers for complex tasks?

[ระดับ ปานกลาง] เทคนิค "Chain-of-Thought (CoT) Prompting" เน้นให้ AI ทำสิ่งใดเพื่อปรับปรุงคุณภาพคำตอบในงานที่ซับซ้อน? *

Answer questions as briefly as possible. ตอบคำถามให้สั้นที่สุด

Have AI search for information externally. ให้ AI ค้นหาข้อมูลจากภายนอก

Show the reasoning steps before giving the final answer. แสดงขั้นตอนการคิดก่อนจะให้คำตอบสุดท้าย

Used to create complex images. ใช้ในการสร้างภาพที่ซับซ้อน

13. [Intermediate Level] If the AI produces results that are “off-topic” or unnecessarily long, which part of the prompt should be adjusted the most?

[ระดับ ปานกลาง] หาก AI ให้ผลลัพธ์ที่ "เกินขอบเขต" (Off-topic) หรือมีความยาวเกินความจำเป็น ควรปรับปรุง Prompt ในส่วนใดมากที่สุด? *

Make the "Role" more complex. เพิ่ม "Role" ให้ซับซ้อนขึ้น

Make the "Constraint" clearer, e.g., limit word count or allowed topics. เพิ่ม "Constraint" (ข้อจำกัด) ให้ชัดเจนยิ่งขึ้น เช่น จำกัดจำนวนคำหรือหัวข้อที่อนุญาต

Switch to another language. เปลี่ยนไปใช้ภาษาอื่น

Reduce the number of examples (Few-Shot). ลดจำนวนตัวอย่าง (Few-Shot)

14. [Intermediate Level] When evaluating the quality of a prompt, what should be primarily considered to confirm its effectiveness?

[ระดับ ปานกลาง] ในการตรวจสอบคุณภาพของ Prompt ที่ดี ควรคำนึงถึงสิ่งใดเป็นหลักเพื่อยืนยันประสิทธิภาพ? *

Price of the AI model used. ราคาของโมเดล AI ที่ใช้

Consistency and accuracy of the results. ความสม่ำเสมอและความแม่นยำของผลลัพธ์ที่ได้ (Consistency and Accuracy)

Processing speed. ความเร็วในการประมวลผล

Number of people who have used this prompt. จำนวนผู้ที่เคยใช้ Prompt นี้

15. [Intermediate Level] In what type of tasks is a “Negative Prompt” usually used, and what is its purpose?

[ระดับ ปานกลาง] "Negative Prompt" มักถูกใช้ในงานประเภทใด และมีวัตถุประสงค์เพื่ออะไร? *

Text summarization, to highlight key words. งานสรุปข้อความ, เพื่อเน้นคำสำคัญ

Language translation, to remove words that shouldn’t be translated. งานแปลภาษา, เพื่อตัดคำที่ไม่ต้องการแปล

Image generation, to specify things not to appear in the image. งานสร้างภาพ (Image Generation), เพื่อระบุสิ่งที่ *ไม่ต้องการ* ให้ปรากฏในภาพ

Coding, to specify functions that must not be used. งานเขียนโค้ด, เพื่อระบุฟังก์ชันที่ห้ามใช้

16. [Intermediate Level] Using a command in the form “If [Condition], then [Action]” adds which element to a prompt to make the AI follow a specified logic?

[ระดับ ปานกลาง] การใช้คำสั่งในรูปแบบ "If [Condition], then [Action]" เป็นการเพิ่มองค์ประกอบใดให้กับ Prompt เพื่อให้ AI ทำงานตามตรรกะที่กำหนด? *

Role

Examples

Logic/Condition

Format

17. [Intermediate Level] What is “Prompt Injection,” and what type of risk should prompt engineers be cautious of?

[ระดับ ปานกลาง] "Prompt Injection" คืออะไร และเป็นความเสี่ยงด้านใดที่นัก Prompt Engineer ควรระวัง? *

Using prompts in multiple languages at once – risk of language ambiguity. การใส่ Prompt หลายภาษาพร้อมกัน, ความเสี่ยงด้านความกำกวมของภาษา

Attempting to “hack” or alter AI behavior through harmful prompts – security risk. การพยายาม "แฮ็ก" หรือเปลี่ยนพฤติกรรมของ AI ผ่าน Prompt ที่เป็นอันตราย, ความเสี่ยงด้านความปลอดภัย

Using overly long prompts – cost risk. การใส่ Prompt ที่ยาวเกินไป, ความเสี่ยงด้านต้นทุนการใช้งาน

Using prompts that generate false information – ethical risk. การใช้ Prompt ที่สร้างข้อมูลไม่จริง, ความเสี่ยงด้านจริยธรรม

18. [Advanced Level] Which technique involves iterating and evaluating AI model outputs multiple times to automatically refine a prompt for the best results?

[ระดับ ยาก] เทคนิคใดที่ต้องใช้การวนซ้ำและการประเมินผลลัพธ์ของโมเดล AI หลายครั้ง เพื่อปรับปรุง Prompt ให้ได้ผลลัพธ์ที่ดีที่สุดโดยอัตโนมัติ? *

Zero-Shot Prompting

Few-Shot Prompting

Self-Correction/Iterative Prompting

Simple CoT Prompting

19. [Advanced Level] In the context of RAG (Retrieval-Augmented Generation), which component of prompt engineering plays the most crucial role?

[ระดับ ยาก] ในบริบทของ RAG (Retrieval-Augmented Generation) องค์ประกอบของ Prompt Engineering มีบทบาทสำคัญที่สุดในส่วนใด? *

Specifying the retrieval source. การกำหนดแหล่งข้อมูลที่ถูกดึงมา (Retrieval Source)

Creating embeddings of documents. การสร้าง Embeddings ของเอกสาร

Defining how the LLM should use and synthesize retrieved information into an answer (Generation Stage). การกำหนดวิธีที่ LLM ควรใช้และสังเคราะห์ข้อมูลที่ดึงมาให้เป็นคำตอบ (Generation Stage)

Converting the final answer into speech. การแปลงคำตอบสุดท้ายให้เป็นเสียงพูด

20. [Advanced Level] What is the most significant technical difference between In-Context Learning (via Few-Shot Prompting) and Fine-Tuning a model?

[ระดับ ยาก] ข้อใดคือความแตกต่างทางเทคนิคที่สำคัญที่สุดระหว่าง In-Context Learning (ผ่าน Few-Shot Prompting) กับ Fine-Tuning โมเดล? *

In-Context Learning can only be done with small LLMs. In-Context Learning ทำได้เฉพาะกับ LLM ขนาดเล็กเท่านั้น

Fine-Tuning is only applicable to translation tasks. Fine-Tuning ใช้ได้เฉพาะกับงานแปลภาษา

In-Context Learning is much more expensive than Fine-Tuning. In-Context Learning มีค่าใช้จ่ายสูงกว่า Fine-Tuning มาก

In-Context Learning does not update model weights, but Fine-Tuning does. In-Context Learning ไม่ได้อัปเดตน้ำหนัก (Weights) ของโมเดล แต่ Fine-Tuning อัปเดต

Submit

Clear form

Never submit passwords through Google Forms.

This content is neither created nor endorsed by Google. - Terms of Service - Privacy Policy

Does this form look suspicious? Report

Forms