> For the complete documentation index, see [llms.txt](https://help.zaapi.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.zaapi.com/th/ai/ai/best-practices-knowledge-sources.md).

# แนวทางปฏิบัติที่ดีที่สุด: แหล่งความรู้

### ภาพรวม

การสร้างแหล่งความรู้สำหรับ AI Agent เปรียบได้กับการสร้างห้องสมุดให้กับนักวิจัยอัจฉริยะ แต่ตีความตามตัวอักษรอย่างเคร่งครัด ยิ่งจัดห้องสมุดเป็นระบบดีเท่าไร นักวิจัยก็ยิ่งค้นหาข้อมูลที่ถูกต้องได้เร็วและแม่นยำขึ้นเท่านั้น เอกสารที่มีโครงสร้างชัดเจนเป็นปัจจัยสำคัญที่สุดในการทำให้ AI ส่งคำตอบที่ถูกต้อง เกี่ยวข้อง และเป็นประโยชน์แก่ลูกค้า

คู่มือนี้จะอธิบายแนวปฏิบัติที่ดีที่สุดสำหรับการจัดโครงสร้างเอกสารแหล่งความรู้

#### **AI อ่านอย่างไร: ทำความเข้าใจ "Chunking"**

ก่อนลงรายละเอียดของกฎต่าง ๆ ควรทำความเข้าใจ *วิธีที่* AI ประมวลผลเอกสาร เอกสารของ AI ไม่ได้อ่านจากบนลงล่างเหมือนมนุษย์ แต่จะตัดเนื้อหาออกเป็นชิ้นข้อมูลขนาดเล็กที่จัดการได้ ซึ่งเรียกว่า **"chunks"**

เครื่องมือหลักที่ AI ใช้สร้าง chunks เหล่านี้คือ **หัวข้อ** แต่ละหัวข้อและเนื้อหาที่ตามมาจะกลายเป็น chunk ความรู้แยกต่างหาก

**เหตุผลที่เรื่องนี้สำคัญ:** เมื่อผู้ใช้งานถามคำถาม AI จะค้นหาในชุด chunks เพื่อหาชิ้นที่ตรงกับคำถามมากที่สุด หาก chunks กระจัดกระจาย ไม่ชัดเจน หรือกำหนดขอบเขตไม่ดี AI จะหาคำตอบที่ถูกต้องได้ยาก โครงสร้างที่ชัดเจนพร้อมหัวข้อที่เป็นลำดับเหตุผลคือกุญแจสำคัญในการสร้าง chunks ที่มีประสิทธิภาพ

### **กฎทอง: หนึ่งหัวข้อ ต่อหนึ่งส่วน**

หลักการสำคัญที่สุดคือให้แต่ละส่วนของเอกสารมุ่งไปที่หัวข้อเฉพาะเพียงเรื่องเดียว หลีกเลี่ยงการรวมหลายประเด็นไว้ใต้หัวข้อเดียว เพราะจะทำให้ AI สับสน

* **แย่ 👎:** ส่วน "Policies" เพียงส่วนเดียวที่รวมข้อมูลเรื่องการคืนสินค้า การจัดส่ง และความเป็นส่วนตัว
* **ดี 👍:** แยกเป็นส่วน "นโยบายการคืนสินค้า" "ข้อมูลการจัดส่ง" และ "นโยบายความเป็นส่วนตัว"

### **แนวปฏิบัติที่ดีที่สุดสำหรับการจัดโครงสร้างเอกสาร**

#### **1. ใช้หัวข้อที่ถูกต้อง (ไม่ใช่แค่ตัวหนา)**

หัวข้อ (เช่น H1, H2, H3) เป็นองค์ประกอบเชิงโครงสร้างที่บอก AI ว่าเนื้อหาถูกจัดวางอย่างไร การทำให้ข้อความ **เป็นตัวหนา** หรือ `มีขนาดใหญ่ขึ้น` เป็นเพียงการจัดรูปแบบเชิงสไตล์ และไม่ได้ให้ข้อมูลโครงสร้างในลักษณะเดียวกัน AI อาศัยหัวข้ออย่างเป็นทางการในการสร้าง chunks

**ตัวอย่าง:**

**โครงสร้างไม่ดี 👎**

> **นโยบายการคืนสินค้า** รับคืนสินค้าได้ภายใน 30 วัน...
>
> **รายละเอียดการจัดส่ง** จัดส่งทุกออเดอร์ผ่าน Kerry Express...

**โครงสร้างที่ดี 👍**

> ## การคืนสินค้าและการจัดส่ง
>
> ### วิธีคืนสินค้า
>
> รับคืนสินค้าได้ภายใน 30 วันนับจากวันที่ซื้อ หากต้องการเริ่มดำเนินการคืนสินค้า โปรดติดต่อทีมสนับสนุนพร้อมหมายเลขคำสั่งซื้อ...
>
> ### ระยะเวลาและค่าจัดส่ง
>
> จัดส่งทุกออเดอร์ผ่าน Kerry Express การจัดส่งมาตรฐานใช้เวลา 2-3 วันทำการ และมีค่าใช้จ่าย ฿40...

#### **2. ตั้งชื่อให้ชัดเจนและเน้นการกระทำ**

หัวข้อควรอธิบายเนื้อหาได้ชัดเจนและสะท้อนสิ่งที่อยู่ในส่วนนั้นอย่างถูกต้อง ใช้ภาษาง่าย ตรงไปตรงมา แบบที่ผู้ใช้งานจะใช้

* **เริ่มด้วยกริยา:** "วิธีติดตามคำสั่งซื้อ" ดีกว่า "Order Tracking."
* **เจาะจง:** "นโยบายการคืนสินค้าสำหรับสินค้าลดราคา" ดีกว่า "นโยบายอื่น ๆ."
* **ใส่คีย์เวิร์ดไว้ด้านหน้า:** วางคำที่สำคัญที่สุดไว้ตอนต้น

**ตัวอย่าง:**

| **หัวข้อแย่ 👎**              | **หัวข้อที่ดี 👍**                  |
| ----------------------------- | ----------------------------------- |
| ข้อมูล                        | เกี่ยวกับบริษัท                     |
| ติดต่อ                        | วิธีติดต่อฝ่ายสนับสนุนลูกค้า        |
| สเปกสินค้า                    | คู่มือวัสดุและขนาดเสื้อยืด          |
| ต้องทำอย่างไรหากสินค้าเสียหาย | วิธีขอคืนเงินสำหรับสินค้าที่เสียหาย |

#### **3. จัดลำดับจากภาพรวมไปสู่รายละเอียด**

จัดโครงสร้างเอกสารแบบลำดับชั้น เริ่มจากหัวข้อกว้าง ๆ ในระดับบนสุด (ใช้หัวข้อ H1 หรือ H2) แล้วค่อยแยกเป็นหัวข้อย่อยที่เฉพาะเจาะจงมากขึ้น (ใช้ H3, H4 เป็นต้น) วิธีนี้ช่วยให้ AI เข้าใจความสัมพันธ์ระหว่างข้อมูลแต่ละส่วนได้

**ตัวอย่าง:**

**โครงสร้างไม่ดี (แบนและไม่เป็นระเบียบ) 👎**

> ### การจัดส่ง
>
> ### การคืนสินค้า
>
> ### ขนาดเสื้อยืด
>
> ### วิธีชำระเงิน
>
> ### สินค้าที่เสียหาย

**โครงสร้างที่ดี (เป็นลำดับชั้น) 👍**

> ## ข้อมูลการสั่งซื้อ
>
> ### วิธีชำระเงิน
>
> #### การชำระเงินด้วยบัตรเครดิต
>
> #### การโอนเงินผ่านธนาคาร
>
> ## การจัดส่งและการส่งมอบ
>
> ### ค่าจัดส่งและระยะเวลา
>
> ### วิธีติดตามคำสั่งซื้อ
>
> ## การคืนสินค้าและการคืนเงิน
>
> ### นโยบายการคืนสินค้า
>
> ### วิธีขอคืนเงินสำหรับสินค้าที่เสียหาย
>
> ## รายละเอียดสินค้า
>
> ### คู่มือขนาดเสื้อยืด
>
> ### ข้อมูลวัสดุเสื้อยืด

#### **4. วิธีจัดรูปแบบส่วน FAQ**

ข้อผิดพลาดที่พบบ่อยคือการจัดรูปแบบรายการคำถามที่พบบ่อยเป็นข้อความธรรมดา แม้จะอ่านง่ายสำหรับมนุษย์ แต่กลับอาจทำให้กระบวนการ chunking ของ AI สับสนและทำให้จับคู่คำถามกับคำตอบผิด

วิธีจัดรูปแบบ FAQ ที่ถูกต้องคือให้ **แต่ละคำถามเป็นหัวข้อ** (เช่น H3) และ **แต่ละคำตอบเป็นย่อหน้ามาตรฐาน** อยู่ด้านล่าง วิธีนี้จะสร้าง chunk ที่แยกชัดเจนและเชื่อถือได้สำหรับทุกคำถาม

**โครงสร้าง FAQ ไม่ดี 👎**

> Q: จัดส่งใช้เวลานานเท่าไร A: โดยปกติจัดส่งใช้เวลา 2-3 วันทำการ.
>
> Q: นโยบายการคืนสินค้าคืออะไร A: รับคืนสินค้าได้ภายใน 30 วันนับจากวันที่ซื้อ.

รูปแบบนี้อาจทำให้ AI จับคู่คำตอบ "โดยปกติจัดส่งใช้เวลา 2-3 วันทำการ" กับคำถามเกี่ยวกับนโยบายการคืนสินค้าอย่างผิดพลาด

**โครงสร้าง FAQ ที่ดี 👍**

> ### คำถามที่พบบ่อย
>
> #### จัดส่งใช้เวลานานเท่าไร?
>
> โดยปกติจัดส่งใช้เวลา 2-3 วันทำการ
>
> #### นโยบายการคืนสินค้าคืออะไร?
>
> รับคืนสินค้าได้ภายใน 30 วันนับจากวันที่ซื้อ

#### **5. เขียนให้เรียบง่ายและหลีกเลี่ยงศัพท์เฉพาะ**

AI ฉลาด แต่ไม่ได้อ่านใจ ใช้ภาษาที่ชัดเจน กระชับ และหลีกเลี่ยงศัพท์เฉพาะภายในองค์กร คำสแลง หรือประโยคที่ซับซ้อนเกินไป เขียนในแบบที่ลูกค้าพูด

* **แย่ 👎:** "ตามข้อกำหนดการดำเนินการไตรมาส 3 คำสั่งซื้อทุกรายการต้องดำเนินการผ่านพอร์ทัลโลจิสติกส์ก่อนการจัดส่ง"
* **ดี 👍:** "หากต้องการรับสินค้า ต้องยืนยันรายการสินค้าบนเว็บไซต์ก่อน จากนั้นระบบจะจัดส่งสินค้าให้"

#### **6. อย่าคาดเดาว่ามีความรู้มาก่อน**

จัดแต่ละส่วนเหมือนเป็นสิ่งเดียวที่ AI จะอ่าน AI ดึงข้อมูลเป็นชิ้น chunks ทีละส่วน ไม่ได้อ่านทั้งเอกสาร จึงไม่มีบริบทจากส่วนก่อนหน้า

* **แย่ 👎:** ในส่วน "การคืนเงิน" การเขียนว่า "ดังที่กล่าวไว้ข้างต้น จะต้องใช้หมายเลขคำสั่งซื้อ" AI อาจดึงมาเฉพาะ chunk ของการคืนเงิน และจะไม่รู้ว่า "ดังที่กล่าวไว้ข้างต้น" อ้างถึงอะไร
* **ดี 👍:** ในส่วน "การคืนเงิน" การเขียนว่า "ในการขอคืนเงิน จะต้องใช้หมายเลขคำสั่งซื้อจากการยืนยันการซื้อครั้งแรก"

หากปฏิบัติตามแนวทางเหล่านี้ จะสามารถสร้างแหล่งความรู้ที่แข็งแรงและเชื่อถือได้ ซึ่งช่วยให้ AI Agent ทำงานได้อย่างเต็มประสิทธิภาพ