ทำไม Perplexity AI ปี 2026 จึงสำคัญ?
- Perplexity AI พัฒนาจาก “AI search engine” ที่เน้น real‑time web search + อ้างอิงแหล่งที่มาชัดเจน มากกว่าเป็นแค่ chatbot ทั่วไป โดยจุดแข็งคือคำตอบที่มี citation ทุกครั้งและค้นเว็บแบบสดใหม่ ไม่ติด knowledge cutoff แบบ LLM เดี่ยวๆ.
- สถิติปี 2025 ระบุว่า Perplexity ประมวลผลคำค้นราวหลายร้อยล้านครั้งต่อเดือน และถูกใช้งานมากใน use case ที่ต้องการ fact‑checking และ research เป็นหลัก.
ในปี 2026 สำหรับสายงานที่ต้อง “อยู่กับข้อมูล” เช่น AI Trainer, AI PM, Marketing Strategist, Researcher และ Consultant การเข้าใจวิธีใช้ Perplexity ให้เต็มศักยภาพ (ทั้ง Free และ Pro) กลายเป็น core skill ไม่ต่างจากการใช้ Google / Excel ในยุคก่อน และเป็น skill ที่แปลงตรงเป็น Productivity + Quality ของงานได้ทันที
Perplexity AI คืออะไร และใช้เทคโนโลยีอะไร
- Perplexity ใช้สถาปัตยกรรม “multi‑model” เลือก LLM ที่เหมาะกับคำถามโดยอัตโนมัติ เช่น Mistral, Gemini, GPT‑5, Claude 4.5 สำหรับคนละประเภทคำถาม (factual vs long analysis).
- แหล่งข้อมูลบางแห่งระบุว่าชั้น reasoning / synthesis (เช่น Deep Research) มักใช้รุ่นระดับ GPT‑5 หรือ Claude 4.5 Sonnet สำหรับงานสรุปเชิงลึกและเขียนรายงานยาวๆ.
- Perplexity ยังมีโมเดลภายในตระกูล “Sonar” ที่ optimize สำหรับ search + retrieval integration บนฐาน LLaMA / Llama 3.x เพื่อให้ตอบเร็วและอ้างอิงได้ดี.
สำหรับผู้ใช้ ปัจจัยนี้แปลว่า “ไม่จำเป็นต้องเลือก model เองเสมอไป” แต่ควรเข้าใจว่า Free tier มักจะถูก route ไปโมเดลสายเร็ว (เช่น Mistral / Gemini)
ส่วน Pro/Deep Research จะได้พลัง reasoning จาก GPT‑5 / Claude ระดับสูงกว่า เหมาะกับงานกลยุทธ์, research และรายงานเชิงลึก
ภาพรวมแผนใช้งานและเวอร์ชันในปี 2026
แผนจากเอกสารทางการล่าสุด
จาก Help Center ของ Perplexity มีแผนหลักดังนี้:
- Individual
- Standard (Free)
- Pro
- Education Pro
- Max
- Enterprise
- Enterprise Pro
- Enterprise Max
- API / Sonar สำหรับการเชื่อมต่อผ่าน API โดยตรง
ตารางเปรียบเทียบการใช้งาน
- Free:
- “Practically unlimited basic searches”, Pro searches จำนวนจำกัด (3/วันในตารางปัจจุบัน)
- มี search history, basic file uploads แบบจำกัด
- ไม่มี advanced AI models, image generation, premium support
- Pro (บุคคล):
- Extended Pro Search
- Access to advanced AI models, image & video generation
- อัปโหลดไฟล์ได้มากขึ้น (up to 50 files per space) และ rate limit สูงกว่า
- Priority support (สองวันทำการ)
- Max / Enterprise:
- เพิ่ม limit Pro search / Research queries / Browser Agent (Comet Assistant) สูงมาก
- Enterprise Pro/Max มี seat management, organization file repository, internal knowledge search, trust center และ data ไม่ถูกใช้ฝึกโมเดล.
ฟังก์ชันหลักของ Free (Standard Plan)
- Basic search
- ใช้ได้ “แทบไม่จำกัด” (practically unlimited) สำหรับ quick search + Q&A พร้อม citation.
- Pro search จำนวนจำกัดมาก
- Help Center ระบุ 3 Pro searches/วันในตารางล่าสุด ขณะที่รีวิวปี 2025 ระบุ 5 Pro searches/วัน → แปลว่าค่า quota มีการเปลี่ยนแปลงได้ ควรดูหน้า pricing ปัจจุบันก่อนตัดสินใจ
- Model routing อัตโนมัติ
- ระบบเลือก model “ที่เหมาะที่สุด” ให้ โดย Free ไม่มีสิทธิ์เลือกโมเดลขั้นสูงเอง.
- Threads / Search history
- เก็บประวัติการสนทนาและค้นหาย้อนกลับได้.
- File upload ขั้นพื้นฐาน
- Free รองรับ file upload แบบ “limited” (เช่นแนบไฟล์เพื่อสรุป/ถามได้ แต่ปริมาณและขนาดน้อยกว่า Pro)
ขอบเขตการใช้งาน Free ที่ “คุ้ม” ที่สุด
- เหมาะกับงาน: quick research, fact‑check ข่าว, สรุปบทความสั้น, brainstorming idea, outline เบื้องต้น, แปลภาษา, rephrase, short report ที่ไม่ยาวมาก และไม่ได้อัปโหลดไฟล์หลายสิบไฟล์
- จุดที่เริ่มติดเพดาน:
- งานที่ต้องอ้างอิงเอกสารจำนวนมาก
- งานที่ต้องการ Pro search/Research ต่อเนื่องยาวๆ (literature review, market landscape, policy synthesis)
- งานที่ต้องการเลือกโมเดลเฉพาะ หรือเรียกใช้ advanced research / browser agent / image‑video generation หนักๆ
กลยุทธ์ Prompting สำหรับ Free User
ส่วนนี้คือ “หลักการ Prompt Engineering สำหรับ Perplexity เวอร์ชัน Free” ที่ใช้ได้จริง เน้นดึงศักยภาพการ search ที่มีจำกัดให้คุ้มที่สุด
1) สั่งให้ “สังเคราะห์” แทนการถามปลายเปิดทีละประเด็น
แนวคิด
ใช้คำสั่งให้ Perplexity ทำ synthesis + structuring บนคำค้นเดียว เพื่อประหยัด Pro search และลดจำนวน follow‑up ที่ไม่จำเป็น
โครง Prompt ตัวอย่าง (ค้นคว้าหัวข้อ)
“สรุปภาพรวมแนวโน้ม Generative AI ในภาคการศึกษาในปี 2024–2026
- ช่วยสังเคราะห์จากแหล่งข่าว/รายงานวิจัยหลักเป็น bullet
- แยกส่วน ‘ข้อเท็จจริง (Fact)’ กับ ‘การตีความ (Interpretation)’
- ขอ citation แบบลิงก์ พร้อมชื่อองค์กรที่ออกรายงานแต่ละชิ้น”
ประเด็นสำคัญ
- ใช้คำว่า “สังเคราะห์”, “จัดโครงสร้าง”, “แยก Fact / Interpretation” เพื่อให้ผลลัพธ์นำไปสอนต่อได้เลย
- ใน Free ควรหลีกเลี่ยงการไล่ถามจุดเล็กๆ หลายครั้ง → รวบ task ให้จบใน 1–2 Pro searches
2) Chain‑style Prompting แบบ manual (ทีละ message)
แนวคิด: แทนที่จะให้ Perplexityคิดทุกอย่างในคำถามเดียว ให้แยกเป็น “ขั้น” แล้วคุมเอง (เพราะ context ยังไม่ยาวเท่า Pro/Max)
ตัวอย่าง 3 ขั้นตอนสำหรับงานเขียนบทความ:
ขั้นที่ 1: ให้ช่วยวางโครงสร้างหัวข้อ (outline + key points)ขั้นที่ 2: ให้ขยายทีละหัวข้อ เป็น section draftขั้นที่ 3: ให้ refine สำนวน / เพิ่ม citation / ตรวจ bias
การทำแบบนี้ทำให้ Free สามารถผลิต output ระดับใกล้ Pro ได้ ถ้าผู้ใช้คุม process เองอย่างมีวินัย
3) Prompt แบบ “Refine คำถาม” เพื่อใข้ Pro search ให้น้อยแต่แม่น
ตัวอย่าง:
“ก่อนตอบ ให้ประเมินว่าคำถามนี้ยังคลุมเครือในประเด็นใด
- เสนอ 3 คำถามย่อยที่ควรถามเพิ่ม
- จากนั้นค่อยตอบคำถามเดิมโดยสมมติคำตอบของคำถามย่อยเหล่านั้นให้เรียบร้อย”
กลยุทธ์นี้ช่วยลดรอบแก้ไข และใช้ search ทีเดียวให้คุ้มที่สุด
ฟังก์ชันหลักของ Pro / Max (เน้น Pro สำหรับผู้ใช้รายบุคคล)
- Pro Search / Research
- Advanced models
- Pro เข้าถึง “advanced AI models” เช่น GPT‑4/GPT‑4o, Claude 3.x/4.x, Gemini 2.5, ฯลฯ และบางรีวิวระบุว่า Pro routing ใช้ GPT‑5 / Claude 4.5 ในโหมดวิเคราะห์ยาว.
- File upload & long‑context
- Image / Video generation
- Pro (และสูงกว่า) มี image & video generation, quota ต่อเดือนสูงกว่าฟรี ซึ่งไม่มีฟีเจอร์นี้เลย.
- Create files & apps / Labs
- ตั้งแต่ปี 2025 มี product line สำหรับสร้าง report, dashboard, spreadsheet, presentation, web apps ภายใต้โควตา “Create files and apps” ซึ่ง Pro/Max/Enterprise ได้ limit สูงกว่า Free อย่างชัดเจน.
- Experience & Support
- Pro มัก ad‑free, response เร็วกว่า, และมี priority support.
ความหมายต่อผู้ใช้มืออาชีพ
- Pro ทำให้ Perplexity ขยับจาก “เครื่องมือหาคำตอบ” → “เครื่องมือวิเคราะห์ + สังเคราะห์เชิงลึกระดับ report”
- เมื่อมี file upload, long context และ advanced models งานเช่น market study, technical due diligence, academic review สามารถทำ end‑to‑end ภายในแพลตฟอร์มเดียวได้
- สำหรับ AI Trainer / AI PM, Pro ทำให้สามารถออกแบบ “workflow/agent” ที่ใช้ Perplexity เป็น research backend ให้คนในองค์กรได้จริง ไม่ใช่แค่ตอบคำถามรายคน
Deep Research และ Browser Agent (Comet Assistant)
Deep Research ทำอะไร
- Perplexity เปิดตัว Deep Research อย่างเป็นทางการในช่วงต้นปี 2025 เพื่อให้ระบบ “วิจัยหลายขั้นตอนแทนมนุษย์” บนหัวข้อที่ซับซ้อน ใช้เวลาไม่กี่นาที.
- แหล่งข้อมูลเทคนิคอธิบายว่า Deep Research ใช้ multi‑step chain รวม LLM ชั้น reasoning (เช่น GPT‑5 / Claude 4.5) กับ retrieval หลายรอบ, สามารถสร้างรายงานยาวหลาย section พร้อม citation จำนวนมาก และรองรับ context ต่อ chain สูงถึงระดับหลักแสน token.
Browser Agent (Comet Assistant)
- ใน Help Center ปี 2026 มีการพูดถึง “Browser Agent (Comet Assistant)” แยกจาก Pro Search และ Research query โดยมี quota เฉพาะต่อเดือนและสูงมากในแผน Max/Enterprise.
ใช้ Deep Research / Comet อย่างไรให้คุ้ม
- Deep Research เหมาะกับงานที่คุณ “ไม่อยากเสียเวลา browse เอง” เช่น literature scan, market scan, technology landscape, long‑form report
- Comet Assistant (browser‑style agent) ทำหน้าที่ใกล้เคียง “Copilot เวลา research บนเว็บ” – เหมาะกับเวลาต้องเปิดหลายแท็บ, อ่านหน้าเว็บยาวๆ, และสรุปข้ามหลายโดเมน
- ค่าจริง: Deep Research ไม่ใช่ magic – ยังคงทำ hallucinate ได้ถ้า source บางส่วนไม่แม่น และยังต้อง manual review ก่อนนำไปใช้เชิงนโยบาย/การเงินจริง
Prompt Engineering ขั้นสูงสำหรับโหมด Pro / Deep Research
1) Multi‑step Prompting กับ Deep Research
โครงพื้นฐาน:
- Phase 1 – Scope & framing – นิยามขอบเขตหัวข้อ, keyword, time horizon, industry segment ที่ใช้ในการค้นคว้า
ตรวจสอบกับฉันก่อนเริ่ม research” - Phase 2 – Research plan – เสนอ research plan 3 แบบ (กว้าง, กลาง, ลึก) พร้อมรายการประเภทแหล่งข้อมูล (academic, market report, news, blog)”
- Phase 3 – Run Deep Research – ใช้แผนระดับกลาง (หรือที่เลือก) แล้วรัน Deep Research
- สร้างรายงานสรุปเชิงผู้บริหาร (Executive Summary)
- บทวิเคราะห์เชิงกลยุทธ์
- แยก Fact vs Interpretation ชัดเจน
- แนบ citation แหล่งข้อมูลทั้งหมด”
2) Instructive role assignment
ตัวอย่างสำหรับงาน Strategy:
“คุณคือ Strategy Analyst ระดับ McKinsey
- ใช้ภาษาสุขุม เป็นกลาง
- โฟกัส framework เช่น SWOT, 5 Forces, JTBD
- แยกคำตอบเป็น 3 ส่วน: Insight ที่พิสูจน์ได้, Assumption, Risk/Bias ที่ควรตรวจซ้ำ”
การกำหนด role + structure ทำให้ Pro/Deep Research ไม่หลุดไปเป็น general writing แต่ผลิต “artifact” ที่คนทำงานเอาไปใช้ต่อในการประชุม/สไลด์ได้จริง
3) Memory / Context Management
แม้ Perplexity จะใช้ thread‑based memory มากกว่า cross‑conversation memory แบบบางแพลตฟอร์ม, การจัดการ context ยังคงสำคัญ:
- แยก thread ตาม project/ลูกค้า/หัวข้อ เพื่อไม่ให้ context สับสน
- สรุป “สาระสำคัญรอบก่อน” ใน message แรกของทุก session ยาวๆ
- หากใช้ Deep Research หลายรอบ ให้ maintain section “Known Facts” และ “Open Questions” ใน thread แล้วอ้างถึงทุกครั้ง
Perplexity Spaces คือฟีเจอร์ที่สามารถสร้าง knowledge hub ที่ personalize ได้ ใช้ได้ทั้งผู้ใช้เดี่ยวและทีม.
Spaces คือ “knowledge hub” ที่รวม Threads (การสนทนา), files ที่อัปโหลด, custom links, และ custom AI instructions เข้าด้วยกัน เพื่อจัดการ research ตาม project/topic/interest.
ใช้ได้ทุกแผน (Free/Pro/Max/Enterprise) แต่ Pro ขึ้นไปให้ file upload limit สูงกว่าและ collaboration เต็มรูปแบบ.
จุดเด่น: Custom instructions (กำหนด tone/model/response style), collaboration (viewer/research partner), sources control (web/files/links/internal repo ใน Enterprise).
วิธีเริ่มใช้งาน Spaces
- คลิก “Spaces” ใน sidebar ซ้าย (ต้อง Pro ขึ้นไปเพื่อ full access).
- คลิก “Create a Space” → ตั้งชื่อ, description (optional), custom instructions (เช่น “ตอบภาษาไทย, ใช้ framework SWOT เสมอ”).
- เพิ่ม Sources:
โครงสร้าง Prompt ใน Spaces
ไม่มี “prompt structure เฉพาะ” สำหรับ Spaces แต่ custom instructions ใน space settings คือ “global prompt” ที่ apply ทุก query ใน space นั้น
โครงสร้างแนะนำสำหรับ Spaces (Prompt Engineering)
[Instruction]: คุณคือ [role เช่น Strategy Analyst สำหรับ space นี้]
[Context]: ใช้ files/links ใน space นี้เป็น primary source, supplement ด้วย web ถ้าจำเป็น
[Constraints]: ตอบภาษาไทย, แยก Fact/Interpretation, citation ทุก claim
[Example Output]:
- Executive Summary (3 bullets)
- Analysis Table
- Recommendations
[Output Format]: Markdown ด้วย headers, tables, numbered lists เสมอ
ตัวอย่าง Custom Instructions สำหรับ Spaces ต่างๆ
- Marketing Space: “คุณคือ Marketing Strategist. วิเคราะห์จาก files ใน space + web trend ล่าสุด. Output: SWOT table + content calendar ใน CSV.”
- Training Space: “อธิบาย ELI5 สำหรับ non-tech audience. สร้าง lesson plan/quiz จาก syllabus ใน space. Format: Weekly modules + MCQ 10 ข้อ.”
- Research Space: “สังเคราะห์ literature จาก PDFs. แยก research gap. Output: Matrix table | Author | Findings | Gaps |.”
เมื่อใดที่ “ควร” อัปเกรดเป็น Pro
มุมมองเชิง ROI สำหรับการใช้งาน
- ใช้ Free พอ ถ้า:
- ใช้ Perplexity วันละไม่กี่ครั้ง
- งานส่วนใหญ่คือ quick fact‑check, summary บทความ, brainstorm idea
- ไม่ต้องอ่านเอกสารยาว/หลายไฟล์ในคราวเดียว
- ควรเป็น Pro ถ้า:
- ทำ research ทุกวัน (เช่น consult, analyst, strategist, researcher)
- ชอบหรือจำเป็นต้องอัปโหลด PDF/Excel/slide เป็น routine
- ต้องการ Deep Research report เป็นจุดตั้งต้นของงาน
- เวลาที่ประหยัดได้จาก Pro > ค่า subscription (โดยทั่วไปถ้าประหยัดได้ 1–2 ชั่วโมง/เดือน ก็เกินราคาแล้วในระดับ professional rate)
- ควรพิจารณา Max / Enterprise ถ้า:
- ดูแลทีม research/strategy หรือทั้งองค์กร
- ต้องการ knowledge hub กลาง + privacy/compliance เข้ม (data ไม่ใช้ฝึกโมเดล).
Use Case ตามสายงาน (พร้อม Prompt ตัวอย่าง)
1) Marketing: Research + Content Strategy
กรณีตัวอย่าง
“ต้องการออกแบบ content pillar 12 เดือน สำหรับแบรนด์…. โดยเน้นจุดต่างเชิงกลยุทธ์จากคู่แข่ง”
ตัวอย่าง Prompt สำหรับ Perplexity Free
หา insight เบื้องต้น, รวบรวม article/ข่าว, brainstorm campaign, สรุปบทความคู่แข่ง
Prompt ตัวอย่าง:“ช่วยสรุป key message และ positioning ของแบรนด์ X จากหน้าเว็บไซต์ทางการและบทความรีวิวหลัก 5 แห่ง
แยกเป็น value proposition, tone of voice, target segment
ระบุ citation ให้ครบ”
ตัวอย่าง Prompt สำหรับ Perplexity Pro
จากอัปโหลดไฟล์ทั้งหมดนี้ วิเคราะห์: กลุ่มเป้าหมายหลัก, key benefit, pricing strategy ของคู่แข่งแต่ละราย แสดงในตาราง
- Pro รองรับการอัปโหลดไฟล์ (PDF, Excel, image) ไม่จำกัด และใช้ long‑context วิเคราะห์หลายเอกสารในคราวเดียว.
- มี Deep Research + advanced models ที่เหมาะกับ market analysis และ SEO content planning.
- Upload deck คู่แข่ง, sales script, pricing sheet → ให้ Perplexity สังเคราะห์ competitive positioning
- กดปุ่ม Deep Research เพื่อหาข้อมูลเชิงการตลาด เช่น “แนวโน้ม adoption ของ GenAI tools ในอุตสาหกรรมการศึกษาใน SEA”
2) Education: Lesson Plan & Assessment Design
กรณีตัวอย่าง
” ใช้สร้างแผนการสอนเบื้องต้น, summary หนังสือ, quiz ง่ายๆ “
ตัวอย่าง Prompt สำหรับ Perplexity Free
ออกแบบ lesson plan 4 สัปดาห์ สำหรับสอนพื้นฐาน Generative AI ให้บุคลากรมหาวิทยาลัย
แยกเป็นเป้าหมายการเรียนรู้, กิจกรรม, แบบฝึกหัด
ใช้ภาษาไทย, ระดับ non‑technical
ตัวอย่าง Prompt สำหรับ Perplexity Pro
ทำ literature mapping อย่างย่อเกี่ยวกับ ‘ผลกระทบของ Generative AI ต่อการเรียนรู้เชิงลึก (deep learning) ของนักศึกษา’
ระบุงานวิจัยหลักหลังปี 2020 พร้อม DOI/ลิงก์
จัดหมวดเป็นเชิงบวก เชิงลบ และเงื่อนไขปัจจัยร่วม
แยก Fact จาก Interpretation ของผู้วิจัยให้ชัดเจน
- สามารถเพิ่มเอกสารที่เกี่ยวข้องเช่น literature mapping, ออกแบบ rubric, วิเคราะห์ alignment กับ Learning Outcomes และใช้ DeepResearch เพื่อได้เนื้อหาที่ละเอียดมากยิ่งขึ้น
3) Business Strategy: Competitor Benchmarking, SWOT, Scenario Simulation
กรณีตัวอย่าง
ต้องการทำ research‑centric Q&A, อ้างอิงแหล่งข้อมูล, และสรุปรายงานเชิงกลยุทธ์ได้ดี
ตัวอย่าง Prompt สำหรับ Perplexity Free
สรุปข่าวและเหตุการณ์สำคัญเกี่ยวกับบริษัท X ใน 12 เดือนที่ผ่านมา
แยก financial, strategic, technology move
ระบุข่าวที่มีผลต่อการแข่งขันในระยะ 3–5 ปี
ตัวอย่าง Prompt สำหรับ Perplexity Pro
จากไฟล์ที่อัปโหลด สร้างตารางเปรียบเทียบกลยุทธ์หลักของบริษัท A, B, C ใน 3 แกน: Growth, Efficiency, Innovation”สร้าง scenario 3 แบบ (Base, Upside, Downside) ว่าแต่ละกลยุทธ์จะส่งผลต่อ margin / market share อย่างไรภายใน 3–5 ปี โดยระบุ assumption ที่ใช้ชัดเจน
- อัปโหลดเอกสาร annual report, 10‑K, investor presentation ของหลายบริษัทพร้อมๆกัน
- กด Deep Research และ เขียน Promptว่า สร้าง comparative SWOT / strategic themes สำหรับเคสนี้
4) Research & Policy: Evidence‑based Synthesis, Literature Review
กรณีตัวอย่าง
การใช้ในงานวิจัย/นโยบาย
ตัวอย่าง Prompt สำหรับ Perplexity Free
ใช้ scan หัวข้อ…..
หา paper แรกเริ่มเกี่ยวกับ…
สรุป article ในเรื่อง….
ตัวอย่าง Prompt สำหรับ Perplexity Pro
สร้าง literature matrix แสดง: ปี, ประเทศ, methodology, sample size, key findings
สังเคราะห์ช่องว่างงานวิจัย (research gap) ที่ยังไม่ถูกตอบ
- อัปโหลดไฟล์งานวิจัยที่เกี่ยวข้องทั้งหมด
- Pro รองรับการอัปโหลดไฟล์วิชาการจำนวนมาก, มี Deep Research และ citation‑rich answers ที่ดีกว่า free
- ใช้ Deep Research + multi‑file upload เพื่อทำ literature review version 0.1 ที่นักวิจัยไปขัดเกลาเอง
5) Competitive Intelligence Dashboard สรุปเนื้อหาจากไฟล์คู่แข่งหลายสิบไฟล์เพื่อเป็นข้อมูลในการเปรียบเทียบ
- Perplexity Pro รองรับ upload 50+ ไฟล์ต่อ space + Deep Research เพื่อสังเคราะห์ cross-document analysis
- ลดเวลา manual review จากวันเหลือชั่วโมง สร้าง artifact ที่เอาไป present ได้ทันที.
อัปโหลดไฟล์ที่ต้องการ เช่น annual report, 10-K, investor deck ของบริษัท A, B, C แล้ว:
Prompt
- สร้างตารางเปรียบเทียบ revenue growth, margin, market share (2023-2025)
- สร้าง interactive dashboard summary พร้อม risk flags
แยก Fact vs Assumption ชัดเจน พร้อม citation ทุก cell.
- กดปุ่ม Deep Research หา external validation จาก news/analyst report
6) Scenario Planning สำหรับกลยุทธ์ธุรกิจ 3 ปีข้างหน้า
กรณีตัวอย่าง
- สำหรับเคสที่มีเนื้อหาเป็นจำนวนมาก ( Long context ) รองรับ simulation เชิงกลยุทธ์ข้าม scenario
- เปลี่ยนจากใช้การเดาด้วยความรู้สึก ( gut-feeling ) เป็น data-backed foresight ลดความเสี่ยง decision.
Prompt
สร้าง 3 scenario (Base, Optimistic, Pessimistic) สำหรับ [อุตสาหกรรม] ใน SEA 2026-2028: – Base: GDP growth 3%, inflation 2% – Optimistic: AI adoption +20% – Pessimistic: Recession -5% สำหรับแต่ละ scenario: SWOT, key metrics, action items. Citation จาก IMF/World Bank/McKinsey ล่าสุด.
- กดปุ่ม Deep Research เพื่อเพิ่มเนื้อหาที่ละเอียดขึ้น
7) Personalized Lesson Plan + Quiz จากเอกสารPDF
กรณีศึกษา
- Education Pro + file analysis สร้าง custom content จาก องค์กร
- สร้างคอร์สให้ 100 คนใน 1 ชั่วโมง แทน manual design.
Prompt
จากไฟล์…. PDF สร้าง 8-week lesson plan สำหรับ Generative AI training
- Weekly objectives, activities, readings
- Auto-generate 20 MCQ quiz ต่อ module พร้อม answer key
- Align กับ Bloom’s Taxonomy. Output เป็น Google Slides format.
8) SEO Content Pillar จาก Keyword Research
กรณีศึกษา
- Pro Search + Labs สร้าง keyword map + content calendar
- Marketer ต้องการปรับ traffic +30% จาก cluster content ที่ optimize แล้ว.
Prompt
Research keyword cluster สำหรับ “Generative AI training Thailand”: – Topic clusters (pillar + cluster pages) – Search volume + difficulty – 12-month content calendar + meta descriptions Export เป็น spreadsheet พร้อม internal linking map.
- กดปุ่ม Deep Research เพื่อเพิ่มเนื้อหาที่ละเอียดขึ้น
9) Product Roadmap จาก User Feedback + Trend Scan
กรณีศึกษา
- Threads + file upload ผสม feedback log + Deep Research trend
- PM prioritize feature ได้ data-driven ไม่ใช่ meeting politics.
Prompt
1. Theme analysis จาก feedback
2. Prioritize features โดย MoSCoW + impact score
3. Roadmap Q1-Q4 2026 เป็น Gantt chart
- กดปุ่ม Deep Research เพื่อเพิ่มเนื้อหาที่ละเอียดขึ้น
Use Casesของการใช้ Comet Assistant (Browser Agent ใน Perplexity Pro/Max 2026)
Comet Assistant คือ AI agent ใน browser ของ Perplexity ที่ควบคุม tab, interact กับเว็บ (summarize, fill form, execute task), ใช้ context จาก open tabs และ real-time data โดย quota สูงใน Pro/Max/Enterprise.
Comet ไม่ใช่แค่ search แต่ “ทำแทน” workflow จริง ลดเวลา manual browsing จากชั่วโมงเหลือนาที เหมาะ AI Trainer/PM ที่ train ทีมใช้ agentic AI.
วิธีใช้ Comet ง่ายๆ (Pro/Max Tier)
1. ติดตั้ง (1 นาที)
- ดาวน์โหลด comet.perplexity.ai → Install → Login account Pro.
2. เปิด Assistant (กดปุ่ม/ลัด)
- Alt + A: เปิด sidebar ซ้าย (Assistant หลัก ถามทุกอย่าง)
- Alt + S: Summarize page ปัจจุบัน (one-click)
- Shift + Alt + V: Voice mode (พูดสั่ง)
- / (slash): Quick commands (เช่น /tldr)
3. สั่งงาน Agent (สูตรเดียว)
พิมพ์ “Take control และ [task]” ใน sidebar:
- “Take control ค้น flight BKK-HK”
- “Take control จัด tabs ตามหัวข้อ”
- “Take control สรุป Gmail unread”
4. Key ลัด Comet Browser ทั้งหมด (2026)
แยก Mac/Windows จาก Help Center + Changelog ล่าสุด.
AI Assistant (หลัก)
- Alt + A / Cmd + J (Mac): เปิด Assistant sidebar
- Alt + S / Cmd + Shift + S (Mac): Summarize page
- Shift + Alt + V / Shift + Option + V (Mac): Voice mode
- /: Slash commands (/tldr, /fact-check, /update-tabs)
- Cmd + K / Ctrl + K (Mac): Command palette
Tab Management
- Ctrl + Tab / Option + Tab (Mac): Switch 5 tabs ล่าสุด
- Cmd + 1-9 / Ctrl + 1-9 (Mac): Jump to tab 1-9
- Cmd + 9 / Ctrl + 9 (Mac): Last tab
- Cmd + Shift + P / Ctrl + Shift + P (Mac): Pin/unpin tab
- Cmd + Shift + K / Ctrl + Shift + K (Mac): Duplicate tab
- Cmd + Shift + ]/[ / Ctrl + Shift + ]/[ (Mac): Move tab right/left
Navigation/Page
- Cmd + L / Ctrl + L (Mac): Address bar
- Cmd + R / Ctrl + R (Mac): Reload
- Cmd + Shift + R / Ctrl + Shift + R (Mac): Hard reload
- Cmd + [ / Alt + ← (Mac): Back
- Cmd + ] / Alt + → (Mac): Forward
- Space: Scroll down / Shift + Space: Scroll up
Search/Find
- Cmd + F / Ctrl + F (Mac): Find in page
- Cmd + G / Ctrl + G (Mac): Find next
- Cmd + Shift + G / Ctrl + Shift + G (Mac): Find previous
- Cmd + Shift + A / Ctrl + Shift + A (Mac): AI search selection
Window
- Cmd + N / Ctrl + N (Mac): New window
- Cmd + Shift + N / Ctrl + Shift + N (Mac): New incognito
- Cmd + Shift + W / Ctrl + Shift + W (Mac): Close window
Power/Custom
- comet://settings/shortcuts: เปิด customize/reassign
- Cmd + / / Ctrl + / (Mac): Focus input
- Cmd + Shift + C / Ctrl + Shift + C (Mac): Compare tabs
หมายเหตุ: Customize ได้เต็ม / ใช้ hover tooltip ดูเพิ่ม. Shortcuts / สร้าง reusable prompt ได้ใน Settings
Use Cases ของ Comet Assistant (Browser Agent ใน Perplexity Pro/Max 2026)
1) Email Triage & Draft Replies ใน Gmail
กรณีศึกษา
- Comet interact กับ Gmail tab โดยตรง สรุป email, หา unanswered, draft reply โดยไม่ต้อง API.
- ลด inbox zero time จาก 2 ชม. เหลือ 10 นาที ส่งผล productivity สูงขึ้น 20%.
Prompt
Take control of my Gmail tab. Identify unanswered emails จาก 3 วันล่าสุดที่ urgent, summarize แต่ละฉบับสั้นๆ, แล้ว draft reply professional 3-5 บรรทัดพร้อมส่ง.
2. Flight/Hotel Booking
กรณีศึกษา
- เปิด tab website airline,booking
- Travel planner อัตโนมัติ ดีกว่า manual search ลด error/miss deal.
Prompt
Take control และค้น flight one-way Bangkok to Tokyo สัปดาห์หน้า: KLM/EVA เท่านั้น, no Boeing 737 Max, max 1 stop. ช่วยเปิด tab airline แต่ละเจ้า compare price/best date แล้ว recommend จอง
3. LeetCode/Code Submission อัตโนมัติ
กรณีศึกษา
- Comet เข้า LeetCode tab, generate code, paste, submit, pass test cases ได้
- Developer/debugger เร็วขึ้น 10x สำหรับ interview prep หรือ bug fix
Prompt
Take control of LeetCode tab. Solve problem [Two Sum] ด้วย Python ที่ optimal runtime, paste code, run test, submit ถ้าผ่านทั้งหมด แล้ว summarize solution
4. Job Application Automator ใน LinkedIn
กรณีศึกษา
- Comet scan job posting, tailor resume/cover letter, apply form auto-fill
- Job seeker สมัคร 10 jobs/ชั่วโมง แทน 1-2 ด้วย manual
Prompt
Take control of LinkedIn tab. หา job AI Trainer ใน Thailand 5 ตำแหน่ง top match skill ฉัน, tailor cover letter จาก resume tab, แล้ว apply ทุกอันพร้อม track status
5. Competitor Website Intelligence
กรณีศึกษา
- Comet เปิด competitor site tabs, extract pricing/feature/compare ใน table.
- Sales/Marketing ได้ intel ทันทีสำหรับ pitch/demo
Prompt
Take control และเปิด tab competitor sites [….]. Compare pricing tiers, features, customer testimonials ในตาราง. Highlight จุดต่างของเรา แล้ว suggest counter pitch points
6. Lead Gen จาก Company Website Scan
กรณีศึกษา
- Comet scrape contact/pricing จาก prospect sites ใน parallel tabs
- BD team build prospect list + outreach ได้ scale ใหญ่
Prompt
Take control และค้น 10 company websites [list]. Extract decision maker LinkedIn/email, recent funding/news, แล้วสร้าง lead sheet Excel พร้อม outreach email template personalized
7. จัดระเบียบการประชุม จาก Calendar
กรณีศึกษา
- Comet pull calendar + suggest agenda/questions
- Exec prep meeting ดีขึ้น ลด awkward silence เพิ่ม close rate
Prompt
Take control of Google Calendar + LinkedIn tabs. สำหรับ meeting ถัดไป: list attendees, background จาก profile/news, suggest 3 icebreaker + key questions/agenda. Draft pre-meeting email
8.ให้ Comet วางแผน “ทริปโตเกียว 5 วัน” ครบทั้งบิน–ที่พัก–ที่เที่ยว
กรณีศึกษา
- ใช้ Comet เป็น travel planner เต็มตัว: เปิดเว็บจองตั๋ว/โรงแรม, เทียบราคา, อ่านรีวิว, แล้วสรุปเป็น itinerary 5 วันพร้อมลิงก์จอง
Prompt
Take control of the browser และช่วยวางแผนทริปโตเกียว 5 วันให้หน่อย
เงื่อนไข:
- เดินทางจากกรุงเทพ ช่วงวันที่ [กรอกวันที่]
- งบค่าตั๋วไป–กลับไม่เกิน [xx,xxx] บาท/คน
- งบที่พักคืนละไม่เกิน [x,xxx] บาท ใกล้รถไฟใต้ดิน
- เน้นเที่ยวสายอาหาร + ย่านชอปปิ้ง + 1 วันเที่ยวธรรมชาติใกล้โตเกียว
งานที่ต้องทำ:
- เปิดเว็บเปรียบเทียบตั๋ว (เช่น Skyscanner / Expedia) เลือก 3 ตัวเลือกที่ดีที่สุด จำนวนต่อเครื่องน้อยที่สุด พร้อมตารางเปรียบเทียบเวลา/ราคา
- เปิดเว็บโรงแรม (เช่น Booking / Agoda) หาโรงแรมคะแนนรีวิว > 8.5 ในย่าน Shinjuku / Shibuya / Ueno พร้อมลิงก์
- สร้างแผนเที่ยว 5 วัน แยกเช้า–บ่าย–เย็น ระบุวิธีเดินทางระหว่างจุด หมายเหตุว่าต้องจองล่วงหน้าหรือไม่
- สรุปทั้งหมดในรูปแบบสารบัญ + ตาราง และให้ลิงก์จองตั๋ว/โรงแรมที่เลือกมา
ถ้ามีข้อมูลขาด ให้ถามคำถามฉันเพิ่มก่อนตัดสินใจ
9. วางแผน “Road Trip ญี่ปุ่น/ยุโรป” แบบ custom route + จุดแวะ + Map จริง
- ใช้ Comet สร้าง road trip ที่ซับซ้อน: วางเส้นทาง, เปิด Google Maps, คำนวณระยะทาง/เวลา, หาจุดแวะเที่ยวและร้านอาหารระหว่างทาง แล้วสรุปเส้นทางให้
Prompt
Take control of the browser และช่วยวางแผน road trip จากโอซาก้าไปฟุกุโอกะ 6 วันด้วยรถเช่า
ข้อกำหนด:
- อยากแวะเมือง/จุดเที่ยวธรรมชาติระหว่างทางอย่างน้อย 4 แห่ง
- ขับรถต่อวันไม่เกิน 4 ชั่วโมง
- เน้นเมืองเล็ก/ธรรมชาติ ไม่เน้นห้าง
งานที่ต้องทำ:
- ใช้ Google Maps วางเส้นทาง road trip จากโอซาก้า → [เมือง A] → [เมือง B] → [เมือง C] → ฟุกุโอกะ
- คำนวณระยะทางรวมและเวลาขับรถต่อวัน แสดงในตาราง
- สำหรับแต่ละเมือง แนะนำสถานที่เที่ยว 3–5 จุด และร้านอาหาร/คาเฟ่แนะนำ (อ้างอิงจากรีวิว Google/Instagram ถ้าเป็นไปได้)
- สร้าง itinerary รายวัน แยกเช้า–บ่าย–เย็น พร้อมคำแนะนำเรื่องที่พัก (ช่วงราคา + ย่าน)
- สรุปเป็น travel brief 1 หน้า สำหรับแชร์ให้เพื่อนร่วมทริปอ่านเข้าใจง่าย
ถ้าเจอข้อมูลขัดแย้งหรือ route ไม่เหมาะ ให้เสนอทางเลือกอื่นและอธิบายเหตุผล
genaispace .net : A Space to learn Generative AI Together
รับเทรนนิ่งองค์กรเกี่ยวกับการใช้ Generative AI เพื่อพัฒนาทักษะของพนักงาน เป็นองค์กร,บริษัท,กลุ่ม,เดี่ยว ด้วยประสบการณ์กว่า 3 ปี ผ่านองค์กรใหญ่ๆมากกว่า 50 แห่งและพนักงานกว่า 2,000 คน
สนใจ Inbox ข้อความเพื่อขอรายละเอียดได้ครับ
Leave a Reply