รู้จัก Unsame: หยุดรูปแบบซ้ำ ๆ ของงานเขียน AI ในทุกโพสต์ คำตอบ และ changelog
ถ้าคุณใช้ LLM กับงานที่ทำซ้ำ — โพสต์ประจำวัน ตอบ mention สคริปต์รายสัปดาห์ อีเมลติดต่อลูกค้า คำตอบฝ่ายซัพพอร์ต changelog — คุณจะชนกำแพงเดิมภายในไม่กี่วัน โมเดลมีวิธีทำอยู่วิธีเดียว คุณเลยเขียนพรอมต์ให้ยาวขึ้น เติมคำว่า "ช่วยสร้างสรรค์หน่อย" ปรับอุณหภูมิให้สูงขึ้น ผลลัพธ์ก็ยังเป็นโครงเดิมที่เปลี่ยนแค่คำนาม — รูปแบบงานเขียน AI แบบเดิมทุกครั้ง — แล้วคุณก็ต้องนั่งเขียนใหม่ด้วยมือ ซึ่งเป็นสิ่งที่โมเดลควรจะมาช่วยเราไม่ต้องทำ
เราเจอปัญหานี้เองตอนสร้างเอเจนต์ และสร้างบางอย่างขึ้นมาแก้มัน Unsame คือ Playbook Engine แบบโฮสต์ที่เปิดตัววันนี้ที่ unsame.io มันไม่ได้เขียนข้อความของคุณ ก่อนการสร้างแต่ละครั้ง มันบอกโมเดลของคุณเองว่า ควรรับมือกับครั้งนี้อย่างไร — และจะไม่ส่งแนวทางที่คุณเพิ่งใช้ไปให้ซ้ำอีก
ทำไม LLM ถึงเขียนทุกอย่างด้วยวิธีเดิม ๆ?
เพราะวิธีที่โมเดลถูกเทรน และคุณแก้ปัญหานี้จากฝั่งพรอมต์ไม่ได้
- การจัดแนว (alignment) บีบเอาต์พุตให้แคบลง การเทรนตามความชอบของผู้ประเมินดันโมเดลไปหาคำตอบ "แบบทั่วไป" จำนวนน้อยที่ผู้ประเมินชอบ เปเปอร์ Verbalized Sampling (arXiv 2510.01171) เรียกสิ่งนี้ว่า mode collapse
- อุณหภูมิของ LLM เพิ่มสัญญาณรบกวน ไม่ได้เพิ่มแนวทางใหม่ อุณหภูมิที่สูงขึ้นแค่สลับคำภายในแนวทางเดียว ไม่ได้พาโมเดลไปสู่แนวทางอื่น
- "คราวนี้ทำให้ต่างออกไป" ก็ไม่ได้ผลเช่นกัน โมเดลที่ถูกขอให้สุ่มเลือกไม่สามารถสร้างความสุ่มที่งานนั้นต้องการได้ — ดู String Seed of Thought (arXiv 2510.21150)
เบื้องหลังปัญหาแรกยังมีปัญหาที่สอง เมื่อทุกเอาต์พุตเดินตามเทมเพลตเดียว โมเดลมักไม่ได้สนใจสิ่งที่เฉพาะเจาะจงในอินพุตเลย ผู้อ่านสังเกตได้ทั้งสองอย่าง และนี่คือสิ่งที่คนเรียกว่า AI slop
ข้อสรุปของเรา: การเลือกแนวทาง ต้องเกิดขึ้นนอกโมเดล จากรายการที่ระบุชัดเจน ด้วยเอนโทรปีจริง และมีความจำว่าอะไรถูกใช้ไปแล้ว นั่นคือทั้งหมดของผลิตภัณฑ์นี้
Unsame ทำอะไร?
คุณเรียก Unsame ก่อนการสร้างแต่ละครั้งพร้อมอินพุต — โพสต์ที่จะตอบ mention อีเวนต์ หรือไม่มีอะไรเลยสำหรับช่องที่วางแผนไว้ มันส่งโปรโตคอลกลับมา: บล็อกสั้น ๆ ที่คุณใส่ลงในพรอมต์ของโมเดล หน้าตาเป็นแบบนี้ (ตัวอย่างประกอบ ไม่ใช่เอาต์พุตที่วัดผลจริง):
Situation: reacting to someone's post.
Engage with:
- they claim local models can't do agentic coding
- their one run looped for an hour
Use:
- glm-5.3 test run finished the task in 14 min
Approach: quote their point, add the missing angle, end with a question back
Form: length: short; opener: statement
Always: one real example from own work
Voice: casual, concrete, no emojis
Never: politics, competitor names
Do not repeat: hot_take (2 of the last 10)
อ่านจากบนลงล่าง:
- สถานการณ์และจุดเกาะ (hooks) สถานการณ์ไหนของคุณที่ใช้ได้ และจุดที่แน่ชัดในอินพุตที่ข้อความต้องเกาะ นี่คือสิ่งที่ทำให้เอาต์พุตเฉพาะเจาะจงแทนที่จะกว้างทั่วไป
- ข้อเท็จจริง ข้อเท็จจริงที่คุณให้ไว้และเข้ากับอินพุตนี้ เพื่อให้โมเดลใช้วัตถุดิบจริง
- แนวทางและรูปแบบ หนึ่งใน แนวทางของคุณ ที่เหมาะสม เลือกด้วยความสุ่มจริง โดยลดคะแนนแนวทางที่เพิ่งใช้ไป เอนจินไม่เคยหยิบตัวเลือกคะแนนสูงสุดตัวเดียว และ seed ของการสุ่มมาจากเอนโทรปีของระบบปฏิบัติการ
- Voice, always, never ถูกคัดลอกลงทุกโปรโตคอลตามตัวอักษร ไม่เคยถูกเปลี่ยน ไม่เคยถูกเรียนรู้ให้หายไป ไม่เคยถูกยกเลิก
- ห้ามซ้ำ สิ่งที่เพิ่งใช้ไป เพื่อให้โมเดลหลีกเลี่ยง
โมเดลของคุณ ด้วยคีย์ของคุณ เป็นผู้เขียนข้อความ Unsame ไม่เคยเห็นคีย์นั้น และไม่เขียนแม้แต่คำเดียวของเอาต์พุต
ต่างจากไลบรารีพรอมต์หรือการเพิ่มอุณหภูมิ LLM อย่างไร?
ไลบรารีพรอมต์ให้พรอมต์เดิมทุกครั้ง Unsame อ่านอินพุต ตรวจว่าเป็นสถานการณ์ไหน ดึงสิ่งที่ต้องเกาะออกมา แล้วเลือกแนวทางที่เหมาะอีกแบบหนึ่ง โดยจำได้ว่าเคยใช้อะไรไปแล้ว ภายในหนึ่งขอบเขต — เช่น หนึ่งบัญชีหรือหนึ่งจดหมายข่าว — จะไม่มีคู่ผสมของแนวทางกับรูปแบบซ้ำภายในช่วงล่าสุด ตราบที่ยังมีคู่ที่ไม่เคยใช้เหลืออยู่
อุณหภูมิเปลี่ยนคำภายในแนวทางเดียว Unsame เปลี่ยนตัวแนวทางเอง และไม่แตะน้ำเสียงกับกฎของคุณ นี่คือคันโยกคนละอัน และคุณต้องการทั้งสอง: กลยุทธ์คงที่ การลงมือที่หลากหลาย
Playbook คืออะไร?
Playbook คือส่วนของคุณในข้อตกลง มันเก็บเป้าหมาย น้ำเสียง กฎ always และ never สถานการณ์ของคุณ (ประเภทอินพุตที่คุณเจอ) และวิธีของคุณ (แนวทางที่คุณยอมใช้ในแต่ละสถานการณ์) บวกแกนรูปแบบอีกสองสามแกน เช่น ความยาวหรือประโยคเปิด Unsame เปลี่ยนเฉพาะการเลือกระหว่างสิ่งเหล่านี้
คุณไม่ต้องเริ่มเขียนจากหน้าว่าง ให้ seed จากประโยคเดียวแล้วแก้ผลลัพธ์เหมือนไฟล์ YAML:
curl -s "${H[@]}" $BASE/v1/goals -d '{
"goal": "indie_dev_x",
"goal_text": "grow the account as an indie dev: one post a day, reply to mentions",
"voice": "casual, concrete, no emojis",
"never": ["politics", "competitor names"]
}'
คุณจะได้ฉบับร่างที่มีสถานการณ์และวิธีจำนวนหนึ่ง ทุกการเขียนคือเวอร์ชันที่มีหมายเลข อ่านและส่งออกได้ คุณปักหมุดวิธีหนึ่งเพื่อยกเว้นจากระบบกันซ้ำ หรือแบนวิธีหนึ่งไม่ให้ถูกสุ่มเลย การ seed playbook ใช้เครดิตเพราะต้องใช้ LLM ส่วนการลองด้วย dry-run ไม่แตะประวัติของคุณ
มันเรียนรู้ไหม?
เรียนรู้ และคุณยังคุมได้ สิ่งที่ถูกเรียนรู้ไม่ใช่ข้อความของโมเดลคุณ แต่คือ playbook เมื่ออินพุตไม่เข้ากับสิ่งที่คุณเขียนไว้เลย ตัวเรียนรู้ (learner) เสนอสถานการณ์หรือวิธีใหม่ได้จากลักษณะจริงของอินพุตคุณ คุณเลือกโหมดต่อเป้าหมาย:
off— ไม่เรียนรู้อะไรและไม่เก็บอินพุต playbook เป็นอย่างที่คุณเขียนทุกประการpropose— อินพุตที่ playbook รับมือได้ไม่ดีจะถูกจัดกลุ่มเป็นข้อเสนอ คุณยอมรับ แก้ไข หรือปฏิเสธแต่ละข้อauto— ข้อเสนอเข้ามาเป็นการทดลองกับการสุ่มส่วนเล็ก ๆ แล้วถูกเลื่อนขั้นหรือเลิกใช้ตามผลลัพธ์
learner ไม่เคยแก้โหนดของคุณ หลังการสร้างแต่ละครั้งคุณรายงานได้ว่าเกิดอะไรขึ้น — reward ตั้งแต่ 0 ถึง 1, chosen, rejected หรืออัตราส่วน edited — แล้วเอนจินจะถ่วงน้ำหนักให้แนวทางที่ได้ผลกับคุณ ถ้าคุณขอหลายการสุ่มต่อหนึ่งการเรียกแล้วเลือกหนึ่งอัน รายงานเดียวจะทำเครื่องหมายที่เหลือว่าถูกปฏิเสธ การรายงานฟรีเสมอ
อะไรทำงานบนเส้นทางหลัก (hot path)?
ส่วนของ Unsame ที่ทำงานทุกการเรียกไม่สร้างข้อความ การตัดสินอย่าง "สถานการณ์ไหนเหมาะ" และ "hook นี้เจาะจงพอไหม" เป็นคำถามแบบกำหนดชนิดประเภทใช่/ไม่ใช่และเลือกตัวเลือก ที่ตอบโดย Jev โมเดลของ TypeSafe ที่เขียนประโยคไม่ได้เลย — เราเพิ่มการรองรับโมเดลประเภทนี้ใน Octolib ตั้งแต่ต้นฤดูใบไม้ร่วงนี้ ส่วนการเลือกเองเป็นคณิตศาสตร์ธรรมดาบน playbook ของคุณ: ความเหมาะสม ความใหม่ และน้ำหนัก พร้อมค่าขั้นต่ำของเอนโทรปีเพื่อไม่ให้ยุบเหลือตัวเลือกเดียว
มีสองผลที่เราใส่ใจ หนึ่ง ไม่มี LLM เชิงสร้างข้อความบนเส้นทางของการเรียก สอง ไม่มีทางสำรองแบบเงียบ ๆ: ถ้าตัวตัดสินใช้ไม่ได้หลังลองซ้ำหนึ่งครั้ง API จะตอบ 503 judge_unavailable แทนที่จะแอบส่งแนวทางที่สุ่มหรือจับคู่ด้วยคีย์เวิร์ดมาให้ คำตอบที่แต่งขึ้นแต่ดูดีแย่กว่าข้อผิดพลาดที่คุณมองเห็น
เหมาะกับงานแบบไหน?
ที่ไหนก็ตามที่งานซ้ำ ความหลากหลายสำคัญ และกลยุทธ์ของบ้านคงที่:
- โพสต์และคำตอบบนโซเชียล
- จดหมายข่าวและย่อหน้าเปิดของบล็อก
- สคริปต์วิดีโอ พอดแคสต์ และคอนเทนต์สั้น
- การติดต่อลูกค้าใหม่และการตอบฝ่ายขาย
- คำตอบฝ่ายซัพพอร์ตและคอมมูนิตี้
- คอปปี้โฆษณา แลนดิ้งเพจ และผลิตภัณฑ์
- งานเขียนสำหรับนักพัฒนา เช่น changelog และ release notes
- เอเจนต์หรือไปป์ไลน์ใด ๆ ที่วนติดอยู่กับกลยุทธ์เดียว
ไม่เหมาะกับเอกสารครั้งเดียว ข้อความทางกฎหมายและ compliance และงานใดก็ตามที่ความหลากหลายคือข้อบกพร่อง เราขอบอกตรง ๆ ดีกว่าขายเครื่องมือผิดงานให้คุณ
จะลอง MCP เซิร์ฟเวอร์ระยะไกลหรือ HTTP API ได้อย่างไร?
ผ่านผู้ช่วย AI โดยไม่ต้องเขียนโค้ด Unsame รัน MCP เซิร์ฟเวอร์ระยะไกลสองตัวหลังระบบล็อกอิน OAuth 2.1 ของตัวเอง จึงไม่มี API key ให้วางลงในผู้ช่วยของคุณ หากต้องการใช้ Unsame เป็น MCP เซิร์ฟเวอร์ของ Claude Code:
claude mcp add --transport http unsame-engine https://unsame.io/mcp/engine
claude mcp add --transport http unsame-author https://unsame.io/mcp/author
รัน /mcp เลือกแต่ละเซิร์ฟเวอร์ แล้วเลือก Authenticate เบราว์เซอร์จะเปิดหน้าล็อกอินด้วยลิงก์วิเศษ (magic link) เซิร์ฟเวอร์ engine คือตัวที่เอเจนต์เรียกก่อนและหลังการเขียน (advise, report) เซิร์ฟเวอร์ author ใช้สร้างและแก้ playbook จากแชต จากนั้นสั่งว่า: "Use unsame-author to set up a playbook for my daily indie-dev posts on X: casual, concrete, no emojis, never politics." ตามด้วย "Write today's post. Call unsame-engine advise first and follow the advice."
เซิร์ฟเวอร์ชุดเดียวกันใช้ได้กับ Codex CLI, Claude Desktop, คอนเนกเตอร์แบบกำหนดเองของ claude.ai และคอนเนกเตอร์ของ ChatGPT รวมถึงเป็น MCP เซิร์ฟเวอร์ของ Cursor — ขั้นตอนของแต่ละตัวอยู่ในเอกสาร
จากแบ็กเอนด์ของคุณเอง หนึ่ง HTTP call ต่อหนึ่งการสร้าง ขอโทเค็นด้วย client-credentials grant แล้ว:
curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
-H "Idempotency-Key: post-2026-11-05" https://unsame.io/v1/advise -d '{
"goal": "indie_dev_x",
"scope": "acct:me",
"kind": "reply",
"input": {"text": "Local models cannot do agentic coding. My run looped for an hour.", "author": "@someone"},
"facts": ["glm-5.3 test run finished the task in 14 min", "we ship a CLI agent"],
"k": 1
}'
ใส่ draws[0].advice ลงในซิสเต็มพรอมต์ของโมเดล สร้างข้อความ แล้วปิดลูป:
curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
https://unsame.io/v1/report -d '{"draw_id": "…", "outcome": {"chosen": true}}'
Idempotency-Key เดิมภายใน 24 ชั่วโมงจะคืนคำตอบที่เก็บไว้และไม่คิดค่าใช้จ่าย มีไคลเอนต์ TypeScript (@unsame/sdk) และ Python (unsame) ที่จัดการโทเค็นให้ และสคีมาเต็มคือเอกสาร OpenAPI ที่คุณใช้สร้างไคลเอนต์ในภาษาใดก็ได้
ราคาเท่าไร?
หน่วยคือ เครดิต และหนึ่งเครดิตคือหนึ่งการสุ่ม การเรียก advise ที่ k=3 คือสามเครดิต นี่คือตัวเลขเดียวที่คุณต้องใช้คาดการณ์ค่าใช้จ่าย
- แผนฟรี: เครดิตรายเดือน ไม่ต้องใช้บัตร เครดิตไม่สะสมข้ามเดือน ออกแบบเป็นการทดลองใช้ — หนึ่งการสุ่มต่อการเรียก และเป้าหมายจำนวนไม่มาก
- แผนเสียเงิน: เครดิตรวมในแต่ละเดือน บวกส่วนเกินในราคาต่อเครดิต พร้อมเพดานการใช้จ่ายที่คุณควบคุมเอง เมื่อถึงเพดานจะได้
429 quota_exceededไม่เคยมีใบแจ้งหนี้ที่ทำให้ตกใจ คุณภาพโปรโตคอลเท่ากันทุกแผน แผนต่างกันที่จำนวนเป้าหมาย จำนวนการสุ่มต่อการเรียก และจำนวนคำขอต่อวินาทีที่เอนจินอนุญาต และว่าการเรียนรู้รันในโหมดautoได้หรือไม่ - แพ็กเครดิตแบบเติมล่วงหน้า: สำหรับนักพัฒนา API ที่ไม่ชอบการสมัครสมาชิก ซื้อเครดิตแล้วใช้ในราคาต่อเครดิตเท่ากัน
การรายงาน การอ่าน สถิติ การส่งออก และการตรวจสอบฟรีในทุกแผน เมื่อเครดิตหมด คุณจะได้ข้อผิดพลาดพร้อมวันที่รีเซ็ต — ไม่ใช่โปรโตคอลที่แย่ลง แผนและราคาปัจจุบันอยู่ที่ unsame.io
อะไรที่เราไม่ได้อ้าง?
เราไม่สัญญาว่าจะได้การมีส่วนร่วมเพิ่ม โพสต์นี้ไม่มีตัวเลขการเพิ่มขึ้นเพราะเรายังไม่ได้วัดกับบัญชีจริง และจะไม่ยกตัวเลขใด ๆ จนกว่าจะวัดแล้ว สิ่งที่ Unsame อ้างคือกลไก: แนวทางที่ต่างกันทุกครั้ง ยึดอยู่กับอินพุต ด้วยน้ำเสียงที่คงที่ คุณตรวจสอบแต่ละส่วนได้เอง — เดโมสดบนหน้าแรกให้คุณวางอินพุตแล้วกดปุ่มสามครั้งเพื่อดูสามโปรโตคอลที่ต่างกันแต่เกาะ hook เดียวกัน
เรื่องข้อมูล: อินพุตของคุณถูกเก็บเฉพาะเมื่อเปิดการเรียนรู้ และคุณส่งออกหรือลบได้ทุกเมื่อ
ลองเลย
Unsame เปิดตัววันนี้ แผนฟรีใช้แค่อีเมล ไม่ต้องใช้บัตร:
- เปิด unsame.io ลองเดโม และเชื่อมต่อ MCP ด้วยคำสั่งบรรทัดเดียวข้างบน
- หรือสร้าง API client ในแผงควบคุมแล้วเรียก
adviseครั้งแรก
ถ้าคุณอยากหยุด AI slop ในงานเขียนซ้ำ ๆ ที่เอาต์พุตเริ่มจืด ลองใช้ Unsame กับงานนั้นก่อน แล้วเล่าให้เราฟังที่ [email protected] ว่าเป็นอย่างไร
— Don
Unsame คือ Playbook Engine สำหรับงานเขียน AI ที่ทำซ้ำ พัฒนาโดย Muvon Un Limited ลองได้ที่ unsame.io
