เจาะเคส Tencent Marvis File Manager: ตามหาไฟล์ที่ "หายไป", OCR ภาพ และค้นหาแกลเลอรี AI ทำไมมันถึงเริ่มเหมือนคอมพิวเตอร์ที่มองเห็นได้?

ถ้าบทความ Marvis ก่อนหน้านี้คุยกันเรื่อง:

• ผู้ช่วย AI ระดับระบบ
• คลังความรู้ในเครื่อง
• งานแบบมัลติโหมด

บทความนี้อยากตอบอีกคำถามหนึ่งที่ธรรมดามาก แต่ทำให้คนใช้คอมพิวเตอร์หงุดหงิดได้มากพอกัน:

ถ้าคุณจำได้แค่ว่า "ในไฟล์นั้นเคยเขียนอะไรไว้" "รูปนั้นเคยถ่ายอะไร" หรือ "ในสกรีนช็อตมีคำไหนอยู่บ้าง" แต่ดันจำชื่อไฟล์กับพาธไม่ได้เลย Marvis จะช่วยตามของพวกนี้กลับมาได้จริงไหม?

ผมกลับไปไล่อ่านทั้งเว็บไซต์ทางการของ Marvis บทความสาธารณะใน Tencent Cloud Developer Community และกรณีศึกษาที่ซิงก์มาจาก WeChat ซึ่งเกี่ยวกับ File Manager / การรู้จำเอกสารในเครื่อง / การค้นหาเนื้อหาในภาพ ใหม่อีกรอบ ข้อสรุปของผมตรงมาก:

จุดที่น่าสนใจที่สุดของ Marvis ในเส้นนี้ ไม่ใช่แค่ "มีช่องค้นหาเพิ่มอีกช่อง" แต่คือมันเริ่มเอาการค้นหาเชิงความหมายของไฟล์, OCR ภาพ, AI Gallery, โฟลเดอร์ที่อนุญาต และการจัดระเบียบแบบเป็นชุด มาประกอบกันเป็นสิ่งที่ใกล้เคียงกับโต๊ะทำงานไฟล์บนเดสก์ท็อปจริงมากขึ้น

สรุปก่อน

• ณ วันที่ 29 มิถุนายน 2026 จากข้อมูลสาธารณะ ความสามารถของ Marvis ในเส้นทาง "File Manager / ค้นหารูปภาพ" ที่ควรจับตามอง อย่างน้อยครอบคลุม 4 เรื่อง:

  1. ตามหาไฟล์กลับคืนด้วยเวลา เนื้อหา และลักษณะ
  2. ค้นหาเนื้อหาในภาพและข้อความในภาพ
  3. จัด AI Gallery ตามใบหน้า ธีม เทศกาล และสถานที่
  4. รู้จำเอกสารในโฟลเดอร์ที่อนุญาตและจัดระเบียบแบบเป็นชุด

• คุณค่าจริงของเส้นนี้ไม่ใช่แค่ "มันค้นหาได้" แต่คือมันเริ่มรองรับวิธีคิดที่ใกล้กับความทรงจำของคนมากกว่า:

  • ผมจำได้ว่าแก้ไฟล์นี้เมื่อสัปดาห์ก่อน
  • ผมจำได้ว่าในไฟล์มีคำว่า "ใบแจ้งหนี้"
  • ผมจำได้ว่าเป็นรูปทะเลช่วงหน้าร้อนปีที่แล้ว
  • ผมจำได้ว่าปก PPT เป็นสีฟ้า

• ถ้างานประจำวันของคุณคือ:

  • หา screenshot
  • หาใบแจ้งหนี้
  • หา Word / PDF / Excel
  • หาเอกสารเก่า
  • หรือจัดเดสก์ท็อปกับโฟลเดอร์ดาวน์โหลดให้เรียบร้อย

  เส้นทาง "File Manager" ของ Marvis จะมีค่ามากกว่า AI แชตทั่วไปพอสมควร

ทำไมเรื่อง "หาไฟล์" ที่ดูเล็ก ถึงกลับเป็นตัวชี้ว่ามันเป็นผลิตภัณฑ์ระดับระบบจริงไหม

เวลา AI โชว์เดโม หลายตัวชอบโชว์งานใหญ่:

• เขียนแผนงาน
• สรุปรายงาน
• สร้างหน้าเว็บ

แต่ในการใช้คอมพิวเตอร์จริง สิ่งที่เกิดซ้ำบ่อยและน่าปวดหัวกว่ามักเป็นเรื่องเล็กแบบนี้:

• เซฟไฟล์ไว้แน่ ๆ แต่หาไม่เจอ
• รู้ว่ามีคำบางคำอยู่ใน screenshot แต่จำไม่ได้ว่าอยู่โฟลเดอร์ไหน
• อยากค้น PDF จากเนื้อหา ไม่ใช่จากชื่อไฟล์
• อยากจัดหมวดเอกสารใหม่ แต่ไม่อยากลากทีละไฟล์

ลักษณะของงานแบบนี้คือ:

• ไม่ได้ยากเชิงแนวคิด
• แต่จุกจิกมาก
• และเกิดบ่อยมาก

เพราะแบบนี้ ผมเลยมองว่างานกลุ่มนี้ต่างหากที่บอกได้ชัดว่า Marvis เป็นผู้ช่วยระดับระบบจริงแค่ไหน

เพราะสิ่งที่มันต้องรับมือไม่ใช่ปัญหานามธรรม แต่คือ:

กองไฟล์จริงในคอมพิวเตอร์ของคุณ ที่ต้องแตะทุกวันและหายไม่เจอบ่อยกว่าที่คิด

เว็บไซต์ทางการพูดชัดมากแล้วว่า ค้นได้ทั้งเนื้อหาไฟล์ เนื้อหารูป และข้อความในภาพ

บนเว็บไซต์ทางการของ Marvis มีข้อความที่ตรงมาก:

• การจัดระเบียบและค้นหาไฟล์อัจฉริยะ
• ค้นหาได้ทั้งไฟล์และเนื้อหาในภาพ
• ค้นหาข้อความในภาพได้
• จัด AI Gallery และคลังเอกสาร AI ตามใบหน้า ธีมคอนเทนต์ เทศกาล และสถานที่ได้

ถ้ารวมประโยคพวกนี้เข้าด้วยกัน สิ่งที่ได้ไม่ใช่แค่ "ระบบค้นหาไฟล์" แต่คือความสามารถ 3 ชั้นที่วางซ้อนกันอยู่:

1. ค้นหาสิ่งที่อยู่ลึกกว่าชื่อไฟล์
2. ค้นหาเนื้อหาในภาพและข้อความที่อยู่ในภาพ
3. จัดกลุ่มรูปภาพและเอกสารใหม่ตามวิธีที่ใกล้กับความทรงจำของคน

พูดง่าย ๆ คือ สิ่งที่ Marvis กำลังพยายามทำในเส้นนี้ไม่ใช่เครื่องมือค้นหาเดสก์ท็อปแบบเดิม แต่ใกล้กับ:

คอมพิวเตอร์ที่เริ่มเข้าใจเนื้อหาของไฟล์และรูปภาพ ไม่ใช่แค่ชื่อของมัน

เคส 1: ใช้ประโยคเดียวตามหาไฟล์ที่ "หายไป" แก่นจริงไม่ใช่การค้นชื่อไฟล์ แต่คือ semantic search

กรณีศึกษาสาธารณะที่หยิบมาใช้อ้างอิงได้ตรงที่สุด คือบทความนี้:

《Marvis 保姆级教程（二）｜文件管家——一句话找回“消失”的文件》

มันเป็นเคสที่ซิงก์มาจาก WeChat โดยต้นทางมาจากบัญชีทางการ WeChat 数字师匠训练营

จุดที่มีค่าที่สุดของบทความนี้ คือมันแยกการ "หาไฟล์" ออกเป็นรูปแบบที่เกิดขึ้นจริงมาก:

1.1 ค้นหาตามเวลา

ตัวอย่างเช่น:

• "ช่วยหาแบบทดสอบคณิตที่ส่งมาให้ผมเมื่อสัปดาห์ก่อน"

คำขอแบบนี้แทบไม่ค่อยค้นเจอด้วยการค้นหาแบบเดิม เพราะหลายครั้งคุณจำไม่ได้เลยว่า:

• ชื่อไฟล์คืออะไร
• อยู่พาธไหน
• เป็นนามสกุลอะไร

แต่รูปแบบการใช้งาน Marvis ที่บทความสาธารณะอธิบายไว้ คือให้มันตีความ "เงื่อนเวลา" ก่อน แล้วค่อยจำกัดขอบเขตการค้นหา

1.2 ค้นหาตามเนื้อหา

ตัวอย่างเช่น:

• "ช่วยหาแผนการสอนที่มีคำว่า 'ทฤษฎีบทพีทาโกรัส' อยู่ข้างใน"

เคสสาธารณะระบุชัดว่า Marvis อ่านไฟล์เหล่านี้ได้:

• Word
• PPT
• Excel
• PDF
• TXT

นั่นหมายความว่ามันไม่ได้ค้นแค่ในชื่อไฟล์ แต่ค้นใน:

เนื้อหาจริงของไฟล์

1.3 ค้นหาตามลักษณะ

ส่วนนี้ใกล้กับวิธีที่คนเราจำของจริงมากที่สุด

ตัวอย่างสาธารณะที่บทความยกไว้มีเช่น:

• "ช่วยหา PPT ที่ปกสีฟ้า มีประมาณ 20 หน้า"
• "ช่วยหารูปที่ถ่ายริมทะเลช่วงหน้าร้อนปีที่แล้ว"
• "ช่วยหา screenshot ทั้งหมดที่มีคำว่า 'ใบแจ้งหนี้'"

รูปแบบพวกนี้สะท้อนชัดว่าแกนของ Marvis ในเส้นนี้ไม่ใช่เรื่อง "คุณตั้งชื่อไฟล์เก่งไหม" อีกแล้ว แต่คือ:

ขอแค่ยังจำลักษณะคลุม ๆ ได้ ระบบก็ควรช่วยเอาของกลับมาให้ได้

เคส 2: หัวหน้ากลุ่มวิชาการหาเอกสารที่ปกติกินเวลา 2 ชั่วโมงให้เหลือ 5 นาที เรื่องแบบนี้เหมือนงานจริงมาก

ในบทความ WeChat เดียวกัน ยังมีตัวอย่างที่ใกล้กับสภาพแวดล้อมการทำงานจริงมาก:

หัวหน้ากลุ่มวิชาการต้องส่งรายงานสรุปในวันถัดไป และต้องรวบรวม:

• แผนการสอนชั้นเรียนเปิดของกลุ่มภาษาในภาคเรียนนี้
• บันทึกการประเมินการสอน
• ตารางวิเคราะห์ผลการเรียน

เอกสารเหล่านี้กระจายอยู่ใน:

• โฟลเดอร์ดาวน์โหลดจาก WeChat
• ไฟล์แนบอีเมล
• ไดรฟ์แชร์ของโรงเรียน
• โฟลเดอร์ในเครื่องของตัวเอง

ตัวบทความเปรียบเทียบไว้ตรงมาก:

• วิธีเดิม: อย่างน้อย 2 ชั่วโมง
• หลังใช้ Marvis: 5 นาที

ที่สำคัญกว่านั้น เคสนี้ทำให้เห็นว่า Marvis ไม่ได้หยุดที่ "หาเจอหนึ่งไฟล์" แต่ยังต่อยอดไปเป็น:

• รวบรวมไฟล์ทั้งหมดไว้ในโฟลเดอร์เดียว
• เปลี่ยนชื่อไฟล์ตามชื่อหัวข้อ

นี่คือสัญญาณว่ามันเริ่มขยับจาก "การค้นหา" ไปสู่ "การจัดระเบียบ"

เคส 3: ไม่ได้แค่หา แต่จัดเป็นชุดได้ และก่อนลบยังขึ้นรายการให้ยืนยันก่อน

กรณีศึกษาสาธารณะเดียวกันยังพูดถึงการกระทำที่ใช้งานจริงมากอีกสองแบบ:

• "ช่วยย้ายไฟล์ PDF ทั้งหมดบนเดสก์ท็อปไปยังโฟลเดอร์เอกสารการสอนในไดรฟ์ D"
• "ช่วยลบเอกสารทั้งหมดในไดรฟ์ D ที่ชื่อไฟล์มีคำว่า 'ร่าง'"

สำหรับผม จุดสำคัญที่สุดของตรงนี้ไม่ใช่แค่มัน "ย้ายไฟล์ได้" แต่คือวิธีที่มันจัดการกับคำสั่งลบ:

มันแสดงรายการก่อน แล้วค่อยให้ผู้ใช้ยืนยัน

นี่แหละคือหน้าตาของผลิตภัณฑ์ระดับระบบที่ควรเป็น

เพราะทันทีที่เริ่มแตะไฟล์ในเครื่อง สิ่งที่คนใช้กังวลที่สุดมักไม่ใช่ "เร็วไหม" แต่คือ:

• จะลบผิดไหม
• ดูรายการก่อนตัดสินใจได้ไหม
• มีขั้นตอนยืนยันความปลอดภัยหรือเปล่า

ส่วนนี้เลยบอกได้ชัดว่าเส้น File Manager ของ Marvis ไม่ใช่แค่เดโมแนวคอนเซปต์ แต่เริ่มแตะ action บนเดสก์ท็อปจริงแล้ว

เคส 4: การรู้จำเอกสารในเครื่องดึงเรื่องโฟลเดอร์ที่อนุญาต ช่วงสแกน และโหมดความเป็นส่วนตัวเข้ามาจริงจัง

ถ้าบทความก่อนหน้าเน้นชั้นการใช้งาน อีกบทความหนึ่งจะลงรายละเอียดด้านกลไกมากกว่า:

《省时利器：实战 Marvis 本地文档识别，让知识搜索告别翻文件夹》

บทความนี้อธิบาย workflow เบื้องหลังการค้นหาไฟล์ได้ละเอียดขึ้น โดยแกนหลักมีประมาณนี้:

• รองรับการค้นหาเนื้อหาในไฟล์อย่าง PDF และ Word
• เพิ่มประสิทธิภาพการทำดัชนีด้วย โฟลเดอร์ที่อนุญาตอย่างเจาะจง
• การตั้งค่ามีเพียง 2 ขั้น:
  1. อนุญาตสิทธิ์เข้าถึงไฟล์
  2. กำหนดช่วงสแกน
• เลือกใช้ local mode เพื่อรักษาความปลอดภัยของข้อมูลได้

สิ่งนี้แปลว่า เส้นทางของ Marvis ในจุดนี้ไม่ได้เป็นแค่ Agent ที่ค้นเก่ง แต่เริ่มมีขอบเขตการใช้งานระดับ production ที่ชัดขึ้นแล้ว:

• อนุญาตก่อน
• ทำดัชนีก่อน
• แล้วค่อยค้นหา
• จากนั้นค่อยตัดสินใจว่าจะประมวลผลแบบ local หรือไม่

ขอบเขตแบบนี้สำคัญมาก เพราะถ้าไม่มี หลายคนคงไม่สบายใจพอที่จะให้ผู้ช่วยระดับระบบแตะข้อมูลอ่อนไหวอย่าง:

• สัญญา
• ไฟล์การเงิน
• แผนภายใน
• screenshot ใบแจ้งหนี้
• เอกสารลูกค้า

สิ่งที่ทำให้มันต่างจากการค้นหาไฟล์ทั่วไปจริง ๆ คือเรื่อง "AI Gallery"

สำหรับผม จุดที่น่าหยิบมาพูดมากที่สุดในเส้นนี้ไม่ใช่แค่การค้น PDF แต่คือสิ่งที่เว็บไซต์ทางการระบุไว้ตรง ๆ ว่า Marvis สามารถ:

• ค้นหา เนื้อหาในภาพ
• ค้นหา ข้อความในภาพ
• จัดกลุ่มรูปภาพและเอกสารตาม ใบหน้า ธีมคอนเทนต์ เทศกาล และสถานที่
• ให้ AI Gallery

ทำไมเรื่องนี้ถึงสำคัญ?

เพราะสำหรับหลายคน สิ่งที่จัดการยากที่สุดในคอมพิวเตอร์ไม่ใช่เอกสาร แต่คือรูปภาพกับ screenshot:

• screenshot ใบแจ้งหนี้
• screenshot ใบปะหน้าพัสดุ
• รูปสินค้า
• รูปทริปท่องเที่ยว
• ภาพยาวที่เซฟจากแชตกลุ่ม
• รูปอ้างอิงที่ไม่รู้ต้นทางแล้ว

ในระบบไฟล์แบบเดิม สิ่งเหล่านี้แทบค้นได้แค่จาก:

• ชื่อไฟล์
• เวลา
• โฟลเดอร์

แต่ความทรงจำของคนไม่ได้ทำงานแบบนั้น

สิ่งที่คุณจำได้จริงมักเป็น:

• ในภาพมีคำว่า "ใบแจ้งหนี้"
• รูปนั้นถ่ายที่ทะเล
• เป็น screenshot รายงานปกสีแดง
• ในรูปมีใบหน้าคน

และ narrative เรื่อง AI Gallery ของ Marvis ก็กำลังยิงตรงเข้าไปที่ปัญหานี้พอดี

ทำไมเส้นนี้ถึงไม่เหมือนกับ "คลังความรู้ในเครื่อง"

คุณอาจรู้สึกว่า มันก็คล้ายกับ Marvis แบบคลังความรู้ในเครื่องไม่ใช่หรือ?

คล้าย แต่แกนไม่เหมือนกัน

เส้นทางคลังความรู้ในเครื่องจะเน้นไปที่:

• ถามตอบกับเอกสาร
• เก็บถาวรความรู้
• สะสมองค์ความรู้ระยะยาว

แต่เส้น "File Manager / OCR ภาพ / AI Gallery" นี้จะเน้นกว่าในมุม:

• ตอนนี้ผมต้องหาไฟล์นี้ให้เจอ
• ตอนนี้ผมต้องหารูปหรือ screenshot นี้ให้เจอ
• ตอนนี้ผมต้องเก็บกวาดไฟล์บนเดสก์ท็อป

พูดอีกแบบ มันใกล้กับ:

ชั้นการค้นคืนและจัดระเบียบบนเดสก์ท็อปแบบทันที

มากกว่าจะเป็น:

ชั้นความรู้ระยะยาวที่ค่อย ๆ สะสม

ตอนนี้ใครควรลองก่อน

เหมาะจะลองทันที

• คนที่มีรูปภาพ screenshot และเอกสารจำนวนมากในเครื่อง
• คนที่ต้องหาใบแจ้งหนี้ ไฟล์การสอน PDF และเอกสารเก่าเป็นประจำ
• คนที่โฟลเดอร์ดาวน์โหลดจาก WeChat เดสก์ท็อป และไดรฟ์แชร์รกตลอดเวลา
• คนที่ต้องค้นหารูปจากเนื้อหา หรือค้นหา screenshot จากข้อความในภาพ
• คนที่อยากจัด workflow เรื่องไฟล์ให้ลงตัวก่อน แล้วค่อยขยับไปสู่ฉาก AI Agent ที่ซับซ้อนกว่า

อาจรอดูก่อนได้

• คนที่แทบไม่แตะไฟล์หรือรูปในเครื่องเลย
• คนที่งานทั้งหมดอยู่บนเครื่องมือ collaboration บนคลาวด์แทบหมด
• คนที่ไม่อยากอนุญาตสิทธิ์ให้โฟลเดอร์ในเครื่อง
• คนที่แค่อยากได้ AI แชตทั่วไป ไม่ได้อยากได้ workspace สำหรับไฟล์

ถ้าจะต่อ workflow แบบ Marvis เข้ากับโมเดลที่ปรับเอง คุณค่าด้านการจัดซื้ออยู่ตรงไหน

ถ้ามองจากฝั่งธุรกิจ คำถามจริงมักไม่ใช่ "มันค้นหาได้ไหม" แต่คือ:

• งานประเภทไฟล์และรูปภาพมีต้นทุน token ที่นิ่งพอไหม
• OCR, การถามตอบเอกสารยาว และการเข้าใจ screenshot ควรแยกไปคนละโมเดลหรือไม่
• workflow ข้อมูลในเครื่องสามารถใช้เกตเวย์โมเดลและบิลชุดเดียวกันได้ไหม
• งานไฟล์จากหลาย Agent สามารถรวมทางเข้าไว้จุดเดียวได้ไหม

ดังนั้น ถ้าคุณกำลังทำระบบแนว ค้นหาไฟล์ / OCR ภาพ / เข้าใจ screenshot / จัดระเบียบข้อมูลในเครื่อง การมีเกตเวย์โมเดลรวมศูนย์มักใช้งานจริงได้มากกว่าการผูกกับโมเดลเดียว

ดูต่อได้จากลิงก์เหล่านี้:

• Model pricing
• Buy API Key
• Tutorials

บทสรุปของผม

ถ้าจะสรุปความเห็นของผมต่อเส้น "File Manager / OCR ภาพ / AI Gallery" ของ Marvis ให้เหลือประโยคเดียว มันคือ:

สิ่งที่ควรจับตาไม่ใช่แค่ "มันค้นหาไฟล์ได้" แต่คือมันเริ่มรวมงานเล็ก ๆ บนเดสก์ท็อปอย่าง "หาไฟล์ตามเนื้อหา, หารูปจากสิ่งที่อยู่ในภาพ, หา screenshot จากคำในภาพ, แล้วจัดระเบียบต่อแบบเป็นชุด" ให้กลายเป็น workspace ที่ใช้งานต่อเนื่องได้จริง

หรือพูดอีกแบบ ส่วนที่มันดู "เหมือนของจริง" ที่สุดตอนนี้ไม่ใช่ความแม่นของการค้นครั้งใดครั้งหนึ่ง แต่คือมันเริ่มเข้าใกล้วิธีใช้คอมพิวเตอร์ที่เป็นธรรมชาติกว่าเดิม:

1. คุณไม่จำเป็นต้องจำชื่อไฟล์
2. คุณแค่จำเนื้อหา ลักษณะ และบริบท
3. ระบบช่วยตามของกลับมา แล้วช่วยจัดต่อให้เลย

ถ้าเส้นนี้ถูกพัฒนาต่ออีก Marvis ก็คงไม่ใช่แค่ "คอมพิวเตอร์ที่ค้นหาเก่ง" แต่จะยิ่งใกล้กับ:

คอมพิวเตอร์ที่เข้าใจไฟล์และรูปภาพของคุณจริง ๆ

แหล่งอ้างอิง

• Marvis 官网
• Marvis 保姆级教程（二）｜文件管家——一句话找回“消失”的文件
• 省时利器：实战 Marvis 本地文档识别，让知识搜索告别翻文件夹
• 新手全面指南：上手腾讯 Marvis 进行个人知识管理与智能问答