PROMPT ANALYST • LESSON 11

Reasoning Scaffolds និង Checklists

27 កក្កដា 2026

រៀបចំផ្លូវធ្វើការឱ្យ AI ដោយប្រើ Framework និង Checklist ដែលអាចមើលឃើញ—Fact, Evidence, Assumptions, Unknowns និង Quality Gate—ជំនួសការស្នើឱ្យបង្ហាញការគិតសម្ងាត់។

រយៈពេលប្រហែល ១៨ នាទី

Prompt Mission • Level 11 បង្កើត Reasoning Scaffold មួយដែលបង្ហាញភស្តុតាង ការសន្មត់ និងលទ្ធផល Checklist ដោយមិនទាមទារ Chain-of-Thought សម្ងាត់

0 XP

ចាប់ផ្តើម

សេចក្តីផ្តើម
ពាក្យ «គិតមួយជំហានម្តងៗ» មិនធានាថាចម្លើយត្រឹមត្រូវទេ ហើយការទាមទារឱ្យ AI បង្ហាញការគិតខាងក្នុងទាំងអស់ មិនមែនជាវិធីផ្ទៀងផ្ទាត់ Fact ដ៏ល្អ។ អ្វីដែលមានប្រយោជន៍ជាងគេ គឺកំណត់ Artifact ដែលអ្នកអាចអានបាន៖ Claims, Evidence, Assumptions, Unknowns, Criteria និង Checklist Result។

គោលបំណងមេរៀននេះ
បន្ទាប់ពីរៀនចប់ អ្នកអាចជ្រើស Scaffold តាមប្រភេទការងារ, ស្នើឱ្យ AI បង្ហាញភស្តុតាង និងការសន្មត់, បង្កើត Checklist ដែលវាស់បាន និងសម្រេចថា PASS, REVISE ឬ HUMAN REVIEW។

១. Reasoning Scaffold ជាអ្វី?

Scaffold គឺជាគ្រោងការងារខាងក្រៅដែលបំបែក Task ទៅជាផ្នែកច្បាស់។ វាមិនស្នើឱ្យ AI បង្ហាញដំណើរការគិតសម្ងាត់ទេ; វាស្នើតែព័ត៌មានដែលអ្នកត្រូវការដើម្បីពិនិត្យលទ្ធផល។

Factsអ្វីដែល Input ឬប្រភពបញ្ជាក់ដោយផ្ទាល់។ ត្រូវរក្សាពាក្យ ឯកតា និងកាលបរិច្ឆេទឱ្យត្រឹមត្រូវ។

Evidenceប្រភព ឬកំណាត់ទិន្នន័យដែលគាំទ្រ Claim នីមួយៗ។

Assumptions & Unknownsអ្វីដែលត្រូវសន្មត់ និងអ្វីដែលមិនអាចសន្និដ្ឋានពី Input បាន។

Checklist Resultលទ្ធផល PASS/FAIL/NEEDS REVIEW ជាមួយមូលហេតុខ្លីដែលអាចត្រួតពិនិត្យបាន។

Prompt មិនងាយពិនិត្យ«គិតឱ្យជ្រៅ ហើយប្រាប់ចម្លើយល្អបំផុត»—គ្មាន Criteria, Evidence ឬ Failure Rule។

Prompt មាន Scaffold«រាយ Claims, Evidence, Assumptions, Unknowns; វាយតម្លៃតាម Checklist; បង្ហាញតែសេចក្តីសន្និដ្ឋានខ្លី»។

គោលដៅមិនមែនធ្វើឱ្យ AI សរសេរ Reasoning វែងទេ។ គោលដៅគឺធ្វើឱ្យ Output មានភស្តុតាង រចនាសម្ព័ន្ធ និងចំណុចត្រួតពិនិត្យដែលមនុស្សអាចប្រើបាន។

២. ជ្រើស Framework ឱ្យត្រូវប្រភេទ Task

Framework មួយមិនសមនឹងគ្រប់ការងារទេ។ ជ្រើស Artifact ដែលត្រូវនឹង Decision ដែលអ្នកចង់ធ្វើ។

Content Review៖ CLAIM → EVIDENCE → LIMITATIONប្រើពេលផ្ទៀងផ្ទាត់អត្ថបទ កុំឱ្យ Claim លើសពីប្រភព។

Decision៖ OPTIONS → CRITERIA → TRADE-OFFSកំណត់ Criteria និងទម្ងន់មុនប្រៀបធៀប ដើម្បីកាត់បន្ថយការជ្រើសដោយអារម្មណ៍។

Data៖ INPUT → CALCULATION → UNIT CHECKបង្ហាញរូបមន្ត តម្លៃប្រើ និងលទ្ធផល ដោយបំបែក Missing Data ចេញពីលេខពិត។

Code Review៖ REQUIREMENT → TEST → RISKភ្ជាប់ Requirement នីមួយៗទៅ Test ហើយរាយ Edge Cases និងផលប៉ះពាល់។

SCAFFOLD SELECTOR LAB

ជ្រើស FRAMEWORK • បង្កើត ARTIFACT ដែលអាចពិនិត្យបាន

READY

ជ្រើស Scenario ដើម្បីមើល Scaffold និង Output Contract ដែលសមស្រប។ នេះជាគំរូបង្ហាញ—not ការហៅ AI ពិត។

TASKពិនិត្យ CaptionClaim អំពី Leverage

SCAFFOLD
SELECTOR

ARTIFACTCLAIM–EVIDENCE TABLEClaim • Source • Limitation • Status

បង្កើតតារាង ៤ Column៖ Claim, Evidence/Source, Limitation និង Status។ Claim គ្មានប្រភព = NEEDS REVIEW; Claim លើស Evidence = REVISE; បន្ទាប់មកបង្ហាញ Caption ដែលកែរួច។

៣. ស្នើ Observable Artifacts មិនស្នើការគិតសម្ងាត់

សំណួរ «បង្ហាញការគិតរបស់អ្នកទាំងអស់» ផ្តល់អត្ថបទវែងដែលមិនចាំបាច់ ហើយមិនធានាថា Fact ត្រឹមត្រូវ។ ផ្ទុយទៅវិញ ស្នើ Artifact ខ្លីៗដែលអ្នកអាចផ្ទៀងផ្ទាត់ជាមួយ Input ឬប្រភពបាន។

OBSERVABLE ARTIFACT CONTRACT

សូមផ្តល់តែ៖ ១) FACTS ដែលមានក្នុង Input, ២) CLAIMS និង EVIDENCE ដែលគាំទ្រ, ៣) ASSUMPTIONS ដែលចាំបាច់, ៤) UNKNOWNS ឬព័ត៌មានមិនគ្រប់, ៥) OPTIONS និង TRADE-OFFS, ៦) FINAL ANSWER ខ្លី។ កុំបង្ហាញ Chain-of-Thought ឬការគិតសម្ងាត់; បង្ហាញតែសេចក្តីពន្យល់ខ្លីដែលអាចពិនិត្យបាន។

បើ Task ជាគណនា អាចស្នើ Formula និងតម្លៃដែលប្រើ។ បើ Task ជាការជ្រើសរើស ស្នើ Criteria និង Trade-offs។ បើ Task ជា Fact-check ស្នើ Claim-to-Source Mapping។

៤. សរសេរ Checklist ដែលវាស់បាន

Checklist ល្អមិនប្រើពាក្យទូលំទូលាយដូចជា «ល្អ», «ត្រឹមត្រូវ» ឬ «Professional» ដោយគ្មាននិយមន័យទេ។ Item នីមួយៗត្រូវអាចឆ្លើយ PASS/FAIL/NOT CHECKED ហើយប្រាប់ភស្តុតាងសម្រាប់ Status នោះ។

Specificកំណត់អ្វីត្រូវមាន ឬមិនត្រូវមាន៖ «មាន Source សម្រាប់ Claim តួលេខទាំងអស់»។

Measurableអាចរាប់ ឬវាស់បាន៖ «១២០–១៥០ ពាក្យ», «Bullet ៣»។

Independentពិនិត្យ Fact, Format, Safety និង Privacy ដាច់ដោយឡែក ដើម្បីរកកំហុសបានងាយ។

Failure Ruleបើ Evidence ខ្វះ ត្រូវសរសេរ NOT VERIFIED—not ទាយ PASS។

CHECKLIST សម្រាប់ DMTRADE CONTENT

FACT៖ Claim តួលេខមាន Source/Date/Unit។ SCOPE៖ មិនបន្ថែម Fact ក្រៅ Input។ AUDIENCE៖ ពាក្យបច្ចេកទេសមាននិយមន័យសម្រាប់អ្នកចាប់ផ្តើម។ FORMAT៖ មាន Hook, Body, Bullet ៣, Risk note និង CTA។ SAFETY៖ មិនធានាចំណេញ មិនផ្តល់ Signal និងមិនបង្ហាញទិន្នន័យសម្ងាត់។ STATUS៖ PASS / REVISE / NEEDS HUMAN REVIEW។

៥. Verification និង Human Review

AI អាចអនុវត្ត Checklist បាន ប៉ុន្តែ Self-check មិនមែនជាភស្តុតាងថា Output ត្រឹមត្រូវទាំងស្រុងទេ។ ប្រើប្រភពដើម, Calculation Tool, Tests ឬមនុស្សជំនាញសម្រាប់ចំណុចដែលមានផលប៉ះពាល់ខ្ពស់។

អាចឱ្យ AI ពិនិត្យដំបូងStructure, Missing Fields, Consistency, Claim–Evidence Mapping, Tone និង Rule ដែលបានកំណត់ច្បាស់។

ត្រូវការមនុស្ស/ឧបករណ៍Fact បច្ចុប្បន្ន, ការគណនាសំខាន់, កូដមិនទាន់ Test, សេចក្តីណែនាំហិរញ្ញវត្ថុ/ច្បាប់/វេជ្ជសាស្ត្រ និងការអនុម័តផុស។

កំណត់ Stop Rule៖ បើ Source ខ្វះ, Evidence ផ្ទុយគ្នា, Calculation មិនអាចផ្ទៀងផ្ទាត់ ឬ Checklist Item សំខាន់ FAIL—កុំ Publish; ដាក់ Status «NEEDS HUMAN REVIEW»។

៦. រូបមន្តអនុវត្ត៖ Evidence–Checklist Builder

Prompt ខាងក្រោមប្រើ Scaffold ដើម្បី Review Caption សម្រាប់ dmtrade.app។ វាស្នើ Observable Artifacts, កំណត់ Failure Rule និងរក្សាការសម្រេចចិត្តចុងក្រោយឱ្យខ្លី។

សាកអនុវត្ត • PROMPT ជាភាសាខ្មែរ

ROLE៖ ធ្វើជាអ្នកត្រួតពិនិត្យខ្លឹមសារ Prompt សម្រាប់ dmtrade.app។ TASK៖ ពិនិត្យ Caption ខាងក្រោមដោយប្រើ Framework «CLAIM → EVIDENCE → LIMITATION → RISK → DECISION CHECK»។ កុំបង្ហាញ Chain-of-Thought ឬការគិតសម្ងាត់; បង្ហាញតែ Artifact និងសេចក្តីពន្យល់ខ្លីដែលអាចពិនិត្យបាន។ STEP 1 — EXTRACT៖ បង្កើតតារាងមាន Column CLAIM, EVIDENCE/SOURCE, DATE/UNIT, LIMITATION និង STATUS។ ប្រើតែ Input/Source ដែលបានផ្តល់; កុំបង្កើត Fact ឬ Source។ STEP 2 — ASSUMPTIONS៖ រាយ Assumptions និង Unknowns ដាច់ដោយឡែក។ បើ Claim មិនមាន Evidence សរសេរ NOT VERIFIED។ STEP 3 — CHECKLIST៖ ពិនិត្យ (ក) Claim តួលេខមាន Source, Date និង Unit, (ខ) ភាសាខ្មែរងាយយល់សម្រាប់អ្នកចាប់ផ្តើម, (គ) មាន Hook, Explanation, Bullet ៣, Risk note និង CTA, (ឃ) មិន Hype មិនធានាចំណេញ និងមិនផ្តល់សញ្ញាទិញលក់, (ង) គ្មានទិន្នន័យសម្ងាត់។ ផ្តល់ Status PASS / REVISE / NEEDS HUMAN REVIEW និង Evidence ខ្លីសម្រាប់ Item នីមួយៗ។ STEP 4 — REVISE៖ កែតែចំណុចដែល FAIL ដោយមិនបន្ថែម Fact ថ្មី។ STEP 5 — FINAL៖ បង្ហាញ Caption កែរួច, បញ្ជី Unknowns និងសេចក្តីសន្និដ្ឋានអតិបរមា ៣ Bullet។ STOP RULE៖ បើ Source សំខាន់ខ្វះ ឬ Claim ផ្ទុយគ្នា កុំសរសេរថា PASS និងកុំផុស; សរសេរ NEEDS HUMAN REVIEW។ INPUT_CAPTION៖ «Leverage ខ្ពស់ធ្វើឱ្យចំណេញបានលឿន ដូច្នេះអ្នកចាប់ផ្តើមគួរប្រើឱ្យច្រើន»។ SOURCES៖ មិនបានផ្តល់។

៧. ពិនិត្យការយល់ដឹង

QUIZ ខ្លី

តើវិធីណាផ្តល់ Reasoning Scaffold ដែលអាចពិនិត្យបាន និងសុវត្ថិភាពជាងគេ?

ចម្លើយត្រឹមត្រូវ៖ គ។ Observable Artifacts និង Checklist ធ្វើឱ្យអ្នកអាចប្រៀបធៀប Claim ជាមួយ Source រក Assumption និងកំណត់ពេលត្រូវ Human Review ដោយមិនទាមទារការគិតសម្ងាត់។

៨. ចំណុចសំខាន់ដែលត្រូវចងចាំ

Reasoning Scaffold គឺជាគ្រោង Artifact ដែលអាចមើលឃើញ—not ការស្នើ Chain-of-Thought សម្ងាត់។
ជ្រើស Framework តាម Task៖ Claim–Evidence, Decision Matrix, Calculation Sheet ឬ Requirement–Test Checklist។
បំបែក Facts, Assumptions និង Unknowns ដើម្បីកុំឱ្យការទាយលាយជាមួយទិន្នន័យពិត។
Checklist Item ត្រូវ Specific, Measurable, Independent និងមាន Failure Rule។
AI Self-check ជា First Pass ប៉ុណ្ណោះ; Fact សំខាន់ និង High-stakes Output ត្រូវការប្រភព ឧបករណ៍ ឬ Human Review។

រូបមន្តសាមញ្ញ៖ «រាយ Facts → ភ្ជាប់ Claim ទៅ Evidence → បង្ហាញ Assumptions/Unknowns → ពិនិត្យ Checklist → ផ្តល់ Final Answer ខ្លី និង Status»។

លំហាត់អនុវត្ត៖ យកអត្ថបទ AI មួយដែលអ្នកធ្លាប់ប្រើ។ បង្កើត Checklist ៦ ចំណុចមាន PASS/FAIL/NOT CHECKED, សម្គាល់ Evidence សម្រាប់ Claim សំខាន់ ៣ និងកំណត់ Stop Rule មួយសម្រាប់ Human Review។

PROMPT ANALYST BADGE