Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

กลับไปที่บล็อก

ถอดกรณีศึกษา Tencent Marvis ด้านคลังความรู้ในเครื่อง: ค้นหาไฟล์ ถามตอบเอกสาร จัดเก็บข้อมูล ทำไมมันถึงเหมือนคอมพิวเตอร์ที่จดจำได้มากกว่า?

MarvisTencentคลังความรู้ในเครื่องFile Agentถามตอบเอกสารค้นหาไฟล์ผู้ช่วย AI

ภาพหน้าจอสาธารณะของ Marvis File Agent

ถ้าบทความก่อนหน้าของเราเกี่ยวกับ Marvis เน้นที่ local mode, การควบคุมระยะไกล และงานระดับระบบ บทความนี้อยากตอบอีกคำถามที่สำคัญกว่าสำหรับคนทำงานกับความรู้:

Marvis สามารถค่อย ๆ เปลี่ยนไฟล์ เอกสาร ข้อมูลอ้างอิง และประวัติการใช้งานที่กระจัดกระจายอยู่ในคอมพิวเตอร์ ให้กลายเป็นคลังความรู้ในเครื่องที่ "ถามได้ ค้นได้ จัดระเบียบได้" หรือไม่?

ผมไล่อ่านเว็บไซต์ทางการของ Marvis และบทความสาธารณะใน Tencent Cloud Developer Community ที่เกี่ยวข้องกับการจัดการความรู้ส่วนบุคคล การรู้จำเอกสารในเครื่อง และการจัดระเบียบไฟล์อีกครั้ง ข้อสรุปของผมตรงไปตรงมามาก:

สิ่งที่น่าจับตาที่สุดของ Marvis ในตอนนี้ ไม่ใช่แค่ว่ามันช่วยกดปุ่มแทนคุณได้หรือไม่ แต่คือมันเริ่มประกอบ "พื้นที่ทำงานไฟล์ในเครื่อง + จุดเข้าใช้งานสำหรับถามตอบเอกสาร + ความสามารถในการจัดระเบียบข้อมูล" ให้กลายเป็นชั้นความรู้บนเดสก์ท็อปที่ใช้งานระยะยาวได้จริง

สรุปก่อน

  • ณ วันที่ 29 มิถุนายน 2026 จากข้อมูลสาธารณะ ความสามารถของ Marvis ที่น่าเชื่อถือที่สุดในเส้นทางคลังความรู้ในเครื่อง กระจุกอยู่ที่ 4 เรื่อง:

    1. ค้นหาเนื้อหาในไฟล์ภายในเครื่อง
    2. ถามตอบข้ามเอกสารและระบุตำแหน่งข้อมูล
    3. จัดระเบียบ จัดเก็บ และแปลงรูปแบบไฟล์แบบเป็นชุด
    4. ควบคุมขอบเขตความเป็นส่วนตัวภายใต้ local mode
  • หัวใจสำคัญของเส้นทางนี้ไม่ใช่ "มีช่องค้นหาเพิ่มอีกหนึ่งช่อง" แต่คือมันเริ่มเชื่อม:

    • PDF / Word / Excel
    • โฟลเดอร์ที่ได้รับสิทธิ์
    • File Agent
    • local mode
    • การถามตอบเอกสาร

    ให้กลายเป็น workflow เดียวที่ต่อเนื่อง

  • ถ้ามองจากวิธีใช้งานจริง มันใกล้เคียงกับ:

    ชั้นความรู้บนคอมพิวเตอร์ของคุณ

    มากกว่า

    หน้าต่างแชตที่เอาไว้ถามชั่วคราวเพียงประโยคเดียว

ทำไม "คลังความรู้ในเครื่อง" จึงสำคัญกว่า "แชตทั่วไป"

เวลาพูดถึงผู้ช่วย AI หลายคนมักนึกถึงสิ่งเหล่านี้ก่อน:

  • เขียนข้อความสักย่อหน้า
  • สรุปเว็บเพจหนึ่งหน้า
  • ช่วยปรับถ้อยคำเล็กน้อย

แต่สำหรับคนที่ต้องจมอยู่กับเอกสารทุกวัน ความเจ็บปวดจริงมักเป็นเรื่องพวกนี้มากกว่า:

  • รู้แน่ว่าประโยคนั้นอยู่ในไฟล์ แต่หาเท่าไรก็หาไม่เจอ
  • จำได้ว่าเคยเห็นพารามิเตอร์บางตัวใน PDF สักไฟล์ แต่ลืมชื่อไฟล์ไปแล้ว
  • อยากเก็บเอกสารที่กระจายอยู่บนเดสก์ท็อป ในโฟลเดอร์ดาวน์โหลด และในโฟลเดอร์โปรเจกต์ให้เป็นระเบียบ
  • อยากให้ครั้งต่อไปไม่ต้องกลับไปอ่านใหม่ทั้งหมด แต่ถามตรง ๆ ได้เลย

พูดอีกแบบ สิ่งที่ทำให้คนเสียแรงจริง ๆ หลายครั้งไม่ใช่ "ไม่มีคำตอบ" แต่คือ:

คำตอบอยู่ในคอมพิวเตอร์ของคุณอยู่แล้ว แต่คุณดึงมันออกมาใช้ไม่ได้

และสำหรับผู้ช่วยระดับระบบอย่าง Marvis จุดที่มีโอกาสสร้างความแตกต่างได้มากที่สุดก็อยู่ตรงนี้เอง:

  • มันเข้าถึงไฟล์ในเครื่องได้
  • มันอ่านเนื้อหาได้ ไม่ใช่แค่ชื่อไฟล์
  • มันวางการค้นหา การถามตอบ การจัดระเบียบ และการแปลงรูปแบบไว้ในที่เดียวกัน

กรณีศึกษา 1: File Agent ไม่ได้มีไว้หาไฟล์อย่างเดียว แต่เริ่มเข้ามารับช่วง workflow งานเอกสาร

จากหน้าจอสาธารณะและบทความในชุมชน จุดที่น่าสนใจมากของ Marvis คือมันไม่ใช่ entry point เดียวอีกต่อไป แต่เริ่มแยกความสามารถด้านไฟล์ออกมาเป็นบทบาทที่ชัดเจน:

File Agent

จากภาพสาธารณะจะเห็นได้ว่าแท็กความสามารถของ File Agent ใกล้เคียงกับ workflow งานความรู้จริงมาก:

  • ค้นหาไฟล์
  • ถามตอบเอกสาร
  • แปลงรูปแบบไฟล์
  • สร้างรายงานวิเคราะห์ข้อมูล
  • แก้ไขเอกสาร Office

นั่นหมายความว่าสิ่งที่ Marvis อยากทำ ไม่ได้มีแค่:

  • ช่วยคุณหาไฟล์บางไฟล์ในโฟลเดอร์

แต่มันใกล้กับการทำแบบนี้มากกว่า:

  • หาเอกสารต้นทางให้เจอก่อน
  • อ่านและทำความเข้าใจเอกสารต่อ
  • แปลงเอกสารให้อยู่ในรูปแบบที่คุณต้องการ
  • แล้วค่อยสร้างสรุป รายงาน หรือผลลัพธ์ที่จัดระเบียบต่อได้ทันที

ทำไมรูปแบบผลิตภัณฑ์แบบนี้ถึงคุ้มค่าที่จะพูดถึงแยกต่างหาก? เพราะมันชี้ว่าความสามารถด้านไฟล์ของ Marvis ไม่ได้เป็นแค่ "ฟังก์ชันเสริมของระบบ" อีกต่อไป แต่กำลังเดินไปสู่ พื้นที่ทำงานด้านไฟล์ที่นำกลับมาใช้ซ้ำได้ในระยะยาว

กรณีศึกษา 2: การรู้จำเอกสารในเครื่อง ทำให้การ "ค้นจากความทรงจำลาง ๆ" เริ่มใช้งานได้จริงเป็นครั้งแรก

ภาพหน้าจอการตั้งค่าโฟลเดอร์ที่ได้รับสิทธิ์ใน Marvis

กรณีสาธารณะที่ตรงกับทิศทางนี้ที่สุดใน Tencent Cloud Developer Community คือ:

ตัวช่วยประหยัดเวลา: ทดลองใช้ Marvis รู้จำเอกสารในเครื่อง เพื่อให้การค้นหาความรู้ไม่ต้องไล่เปิดทีละโฟลเดอร์

จุดที่น่าดูที่สุดของบทความนี้ไม่ใช่ "มันรองรับการค้นหา" แต่คือมันทำให้เรื่องนี้ลงมาอยู่กับการใช้งานที่ใกล้เคียงสภาพจริงมาก:

  • อนุญาตสิทธิ์ให้กับโฟลเดอร์
  • ระบุขอบเขตการสแกน
  • รองรับไฟล์ในเครื่องอย่าง PDF, Word
  • เลือกใช้ local mode ได้
  • เป้าหมายคือดึงผลลัพธ์จากเนื้อหา ไม่ใช่จากชื่อไฟล์

ตรงนี้เองที่ทำให้มันต่างจาก desktop search แบบเดิม

วิธีแบบดั้งเดิมมักบังคับให้คุณต้องจำอะไรสักอย่างอย่างน้อยหนึ่งข้อ:

  • ชื่อไฟล์
  • ตำแหน่งโฟลเดอร์
  • เวลา
  • นามสกุลไฟล์

แต่สิ่งที่ Marvis พยายามทำคือวิธีที่ใกล้เคียงกับความทรงจำของมนุษย์มากกว่า:

  • ฉันจำได้แค่ว่าข้างในเคยเขียนอะไรไว้
  • ฉันจำได้แค่ว่าเคยพูดถึง field ไหน
  • ฉันจำได้แค่ว่าในเอกสารชุดหนึ่งเคยมีตารางนั้นอยู่

บทความสาธารณะอธิบายประสบการณ์นี้ไว้ได้ค่อนข้างตรง: มันเหมือนติดตั้ง "สมองที่คิดได้" ให้กับกองเอกสารในเครื่อง

ทำไมความสามารถแบบนี้จึงสำคัญมากกับคลังความรู้ในเครื่อง? เพราะเอกสารของงานสายความรู้จำนวนมากตั้งแต่แรกก็แตกกระจายอยู่แล้ว:

  • PDF เต็มไปหมดในโฟลเดอร์ดาวน์โหลด
  • บันทึกการประชุมวางอยู่บนเดสก์ท็อป
  • เอกสารอธิบายงานอยู่ในโฟลเดอร์โปรเจกต์
  • สัญญา proposal รายงาน และภาพหน้าจอปะปนกันไปหมด

ถ้าไม่มีจุดเข้าใช้งานที่ค้น "ตามเนื้อหา" ได้ ความรู้ก็จะยังคงกองอยู่บนฮาร์ดดิสก์ และไม่กลายเป็นทรัพย์สินที่หยิบใช้ได้จริง

กรณีศึกษา 3: การจัดการความรู้ส่วนบุคคล ไม่ได้หยุดที่การสะสม แต่เริ่มรองรับการถามตอบและการจัดเก็บ

อีกบทความสาธารณะที่ควรอยู่ในเส้นเรื่องนี้คือ:

คู่มือสำหรับผู้เริ่มต้น: ใช้ Tencent Marvis เพื่อจัดการความรู้ส่วนบุคคลและถามตอบอัจฉริยะ

คุณค่าของบทความนี้ไม่ได้อยู่ที่ตัว tutorial เอง แต่อยู่ที่มันชี้ Marvis ไปในทิศทางของ จุดเข้าใช้งานสำหรับการจัดการความรู้ส่วนบุคคล อย่างชัดเจน

จากบทความสาธารณะ เราจะเห็นรูปแบบการใช้งานที่เป็นตัวแทนได้ดีหลายแบบ:

  • ถามตอบเชิงเทคนิค
  • จัดเก็บคำถามและปัญหา
  • จัดเก็บข่าวสั้นและบทความ
  • จัดเก็บตามคีย์เวิร์ด
  • จัดเก็บ developer handbook
  • จัดเก็บเป็น section ของ developer handbook

สัญญาณชุดนี้สำคัญมาก เพราะมันบอกว่าเป้าหมายของ Marvis ในทิศทางนี้ ไม่ใช่แค่ "ช่วยคุณหาไฟล์สักไฟล์ในวันนี้" แต่คือ:

ค่อย ๆ เปลี่ยนข้อมูลในคอมพิวเตอร์ของคุณให้กลายเป็นชุดความรู้ที่ยังถามต่อ ค้นต่อ และจัดหมวดหมู่ต่อได้

พูดอีกแบบ มันกำลังเข้าใกล้เส้นทางแบบนี้:

  • ป้อนข้อมูลเข้าไปก่อน
  • จัดระเบียบข้อมูลเหล่านั้นต่อ
  • แล้วให้คุณถามต่อจากข้อมูลเหล่านั้นได้อีก

นี่คือความต่างเชิงแก่นระหว่าง "คลังความรู้ในเครื่อง" กับ "การค้นหาไฟล์ในเครื่องแบบทั่วไป"

กรณีศึกษา 4: โหมดความเป็นส่วนตัว เป็นตัวชี้วัดว่ามันพร้อมแตะสัญญา รายงาน และข้อมูลอ่อนไหวจริงหรือไม่

ภาพหน้าจอการตั้งค่า local mode ของ Marvis

ถ้าจะนำคลังความรู้ในเครื่องเข้าไปใช้ในงานจริง คำถามที่เลี่ยงไม่ได้มีอยู่ข้อหนึ่ง:

ข้อมูลเหล่านี้สามารถอยู่ในเครื่องเท่านั้นได้หรือไม่?

ในบทความสาธารณะทั้งฝั่งทางการและฝั่งชุมชนของ Marvis มีความสามารถหนึ่งที่ถูกพูดถึงซ้ำ ๆ คือ:

  • โหมดประสิทธิภาพ
  • local mode

คำอธิบายในหน้าจอสาธารณะของ local mode ก็ชัดเจนมาก:

  • ออกแบบมาสำหรับสถานการณ์ที่ต้องรักษาความลับ
  • ใช้โมเดลภายในเครื่อง
  • ไฟล์ทั้งหมดถูกประมวลผลและวิเคราะห์บนเครื่อง

ทำไมเส้นนี้จึงสำคัญ? เพราะถ้าไม่มีขอบเขตนี้ เอกสารที่มีมูลค่าจริงจำนวนมากก็ไม่มีทางถูกส่งให้มันอย่างสบายใจ:

  • สัญญา
  • ข้อมูลการเงิน
  • แผนงานโครงการภายใน
  • คู่มือทางเทคนิค
  • ข้อมูลลูกค้า
  • รายงานวิจัย

ดังนั้นในมุมของการจัดซื้อหรือการนำไปใช้จริง ความยั่งยืนของเส้นทางคลังความรู้ในเครื่องของ Marvis ไม่ได้ขึ้นอยู่แค่ว่า "ค้นหาแม่นหรือไม่" แต่ยังขึ้นอยู่กับ:

  • local mode เสถียรแค่ไหน
  • ขอบเขตการอนุญาตชัดเจนหรือไม่
  • ไฟล์ถูกประมวลผลอยู่บนเครื่องจริงหรือไม่

อะไรคือส่วนที่ทำให้มันใกล้เคียง production จริงที่สุดในตอนนี้

เมื่อเอากรณีสาธารณะทั้งหมดมาวางรวมกัน ลักษณะที่ทำให้ Marvis บนเส้นทาง "คลังความรู้ในเครื่อง / พื้นที่ทำงานด้านไฟล์" ดูใกล้เคียงการใช้งานจริงมากที่สุด น่าจะเป็นสิ่งเหล่านี้:

  • มีบทบาทตัวแทนไฟล์ที่ชัดเจน
  • มีโฟลเดอร์ที่ได้รับสิทธิ์และขอบเขตการสแกน
  • เรียกคืนผลลัพธ์จากระดับเนื้อหา ไม่ใช่ระดับชื่อไฟล์
  • มีการถามตอบเอกสารและการแปลงรูปแบบ
  • มี local mode เป็นวาล์วควบคุมความเป็นส่วนตัว

นั่นหมายความว่าสิ่งที่มันใกล้เคียงที่สุดในตอนนี้ ไม่ใช่คลังความรู้บนคลาวด์ตามความหมายแบบเดิม แต่คือ:

ฐานความรู้ส่วนตัวบนคอมพิวเตอร์เครื่องหนึ่ง

สิ่งที่มันพยายามกินพื้นที่ ไม่ได้มีแค่การค้นหา แต่รวมถึง:

  • หาเอกสาร
  • ถามจากเอกสาร
  • จัดเก็บเอกสาร
  • เปลี่ยนรูปแบบ
  • สรุปและทำรายงานต่อทันที

ใครบ้างที่ควรลองก่อน

คนที่เหมาะจะลองทันที

  • คนที่มีไฟล์เยอะ เอกสารเยอะ เดสก์ท็อปรก
  • คนทำงานความรู้ที่ต้องเปิด PDF / Word / Excel บ่อย
  • สมาชิกทีมที่ต้องแตะสัญญา แผนงาน ข้อมูลวิจัย และเอกสารทางเทคนิค
  • คนที่ไม่อยากโยนข้อมูลทั้งหมดขึ้นคลาวด์ แต่ก็อยากได้ความสามารถด้านถามตอบและการค้นหา
  • ผู้ใช้ที่อยากค่อย ๆ เปลี่ยน "กองเอกสาร" ให้กลายเป็น "คลังความรู้ที่ถามได้"

คนที่อาจรอดูก่อนได้

  • คนที่แทบไม่มีข้อมูลในเครื่องเลย
  • คนที่งานหลักเกิดขึ้นในเครื่องมือทำงานร่วมกันแบบออนไลน์ล้วน ๆ
  • คนที่ไม่ตั้งใจจะให้สิทธิ์กับโฟลเดอร์ในเครื่อง
  • คนที่แค่อยากได้ AI สำหรับแชตทั่วไป ไม่ใช่พื้นที่ทำงานด้านไฟล์

ถ้าคุณอยากนำ workflow แบบ Marvis ไปเชื่อมกับโมเดลแบบกำหนดเอง คุณค่าด้านการจัดซื้ออยู่ตรงไหน

จากมุมธุรกิจ คำถามจริงมักไม่ใช่ "มันสรุปได้ไหม" แต่คือ:

  • ต้นทุน token สำหรับงานประเภทเอกสารนิ่งพอหรือไม่
  • งานถามตอบเอกสารยาวควรสลับไปใช้คนละโมเดลหรือไม่
  • workflow ข้อมูลในเครื่องใช้ gateway และบิลรวมชุดเดียวกันได้ไหม
  • งานด้านไฟล์ของหลาย Agent ใช้จุดเข้าใช้งานเดียวกันได้หรือไม่

ดังนั้นถ้าคุณทำงานแนว ถามตอบเอกสารในเครื่อง / ค้นหาไฟล์ / จัดเก็บข้อมูล / office automation gateway โมเดลแบบรวมศูนย์มักใช้งานได้จริงกว่าการฝากความหวังไว้กับโมเดลเดียว

สามารถดูต่อได้จากหน้านี้:

คำตัดสินสุดท้ายของผม

ถ้าจะสรุปมุมมองของผมต่อเส้นทาง "คลังความรู้ในเครื่อง" ของ Marvis ในประโยคเดียว ก็คือ:

สิ่งที่ควรให้ความสำคัญที่สุด ไม่ใช่แค่ว่า "มันอ่านเอกสารได้" แต่คือมันเริ่มรวม "การค้นหาไฟล์ การถามตอบเอกสาร การจัดระเบียบข้อมูล และโหมดความเป็นส่วนตัว" ไว้ในจุดเข้าใช้งานบนเดสก์ท็อปเดียวกัน

พูดอีกแบบ สิ่งที่มันดู "ใกล้ของจริง" ในตอนนี้ ไม่ได้อยู่ที่คำตอบครั้งใดครั้งหนึ่งจะฉลาดแค่ไหน แต่อยู่ที่มันเริ่มเข้าใกล้รูปแบบการใช้งานระยะยาวแบบนี้แล้ว:

  1. ข้อมูลในคอมพิวเตอร์ถูกสะสมและตกผลึกต่อเนื่อง
  2. ข้อมูลเหล่านี้ถูกถามต่อได้ในอนาคต
  3. หลังจากถามแล้ว ยังจัดระเบียบ แปลง และส่งออกต่อได้

ตราบใดที่เส้นทางนี้ยังพัฒนาให้ลึกขึ้น Marvis ก็จะไม่ใช่แค่ "AI ระดับระบบที่ Tencent สร้างขึ้น" แต่จะยิ่งเหมือน:

คอมพิวเตอร์ที่มีความสามารถในการจดจำอย่างแท้จริง

อ้างอิง