Collect
รวบรวมเอกสาร
นำไฟล์ คำสั่ง รายงาน ตาราง รูปภาพ หรือบันทึกข้อมูลเข้าสู่คลัง โดยแยกแหล่งที่มาและวันที่ให้ชัดเจน
TOPMAN AI Academy · Knowledge Track
RAG คือวิธีให้ AI ตอบจากคลังเอกสารที่ตรวจสอบได้ ไม่ใช่เดาจากความจำกว้าง ๆ เหมาะกับงานสืบสวน สรุปรายงาน คลังคำสั่ง แฟ้มคดี และการทำ brief ที่ต้องมีแหล่งอ้างอิง
Core Idea
เป้าหมายไม่ใช่ให้ AI ตอบเก่งอย่างเดียว แต่ต้องรู้ว่า AI เอาคำตอบมาจากเอกสารไหน และส่วนใดยังต้องตรวจเพิ่ม
กลับ Academy Hub →RAG Workflow
วางระบบข้อมูลตั้งแต่รับเอกสารจนถึงคำตอบที่ตรวจสอบแหล่งอ้างอิงได้
Collect
นำไฟล์ คำสั่ง รายงาน ตาราง รูปภาพ หรือบันทึกข้อมูลเข้าสู่คลัง โดยแยกแหล่งที่มาและวันที่ให้ชัดเจน
Clean
ตั้งชื่อไฟล์ แยกหมวด ลบซ้ำ ทำสารบัญ และกำหนด metadata เช่น คดี หน่วยงาน วันที่ บุคคล และสถานะตรวจสอบ
Chunk
แบ่งเอกสารเป็นส่วนเล็กพอให้ AI ค้นได้แม่น เช่น หัวข้อ หน้า ย่อหน้า ตาราง หรือรายการข้อเท็จจริง
Retrieve
ให้ระบบค้นเฉพาะส่วนที่เกี่ยวข้องกับคำถาม พร้อมอ้างอิงแหล่งที่มา ไม่ดึงความจำกว้าง ๆ มาเดา
Generate
ให้ AI ตอบจากหลักฐานที่ค้นได้ แยกสิ่งที่ยืนยันแล้ว สิ่งที่ยังไม่พบ และสิ่งที่ต้องตรวจเพิ่ม
Verify
เจ้าหน้าที่ตรวจแหล่งอ้างอิงอีกครั้ง ก่อนนำไปใช้ในรายงาน บรีฟผู้บังคับบัญชา หรือเอกสารทางการ
Knowledge Sources
Metadata
Prompt Templates
ตอบคำถามนี้โดยยึดเฉพาะข้อมูลจากเอกสารในคลังที่ค้นพบเท่านั้น ระบุแหล่งอ้างอิงหรือชื่อไฟล์ทุกครั้ง หากไม่พบข้อมูลให้ตอบว่า ‘ยังไม่พบข้อมูลในคลัง’ และเสนอคำค้นหรือเอกสารที่ควรตรวจเพิ่ม
สรุปแฟ้มข้อมูลนี้เป็น 1) ข้อเท็จจริงสำคัญ 2) timeline 3) บุคคล/หน่วยงานเกี่ยวข้อง 4) red flag 5) ช่องว่างของข้อมูล 6) สิ่งที่ต้องตรวจสอบเพิ่ม โดยแยกข้อมูลที่ยืนยันแล้วออกจากข้อสันนิษฐาน
จัดทำ executive brief จากหลักฐานที่ค้นพบเท่านั้น โครงสร้าง: เรื่อง, สาระสำคัญ, ข้อเท็จจริง, การวิเคราะห์, ความเสี่ยง, ทางเลือก, ข้อเสนอแนะ และ next action ห้ามเพิ่มข้อมูลที่ไม่มีในหลักฐาน
Guardrails
มาตรฐาน TOPMANIDMB
คำตอบที่ดีต้องบอกได้ว่า “มาจากเอกสารไหน” และ “ส่วนไหนยังไม่พบหลักฐาน” ก่อนนำไปใช้ในงานจริง
Training Plan
ฝึกสร้างคลังความรู้เล็ก ๆ ก่อน แล้วค่อยขยายเป็นระบบ War Room
จัดแฟ้มตัวอย่าง
ตั้ง metadata
ทำสารบัญเอกสาร
สร้างคำถามจากแฟ้ม
ตรวจคำตอบกับแหล่งอ้างอิง
ทำ brief จากคลัง
ออกแบบ workflow ทีม