โมดูล 9

วิธีทำงานวิจัย
ส่วนบุคคลกับ AI

เลือกเรียนต่อจากโมดูลก่อนหน้า หรือเริ่มที่โมดูลนี้ได้ทันที ให้ AI ช่วยถาม จัดโครง และตรวจทีละขั้น โดยคุณเป็นผู้เลือกและยืนยันหลักฐาน

การเตรียมตัวก่อนเรียน

ของต้องมีก่อนเรียน

เรียนต่อเนื่อง: เลือกชิ้นงานและจุดตรวจจากโมดูล 1–8 มาประกอบเป็นชุดวิธีทำงานของตนเอง
เริ่มที่โมดูลนี้: เลือกงานวิจัยที่ทำซ้ำหนึ่งเรื่อง หรือดาวน์โหลด กรณีตัวอย่างพร้อมใช้ แล้วสร้างวิธีทำงาน กติกา การทดสอบ และบันทึกการใช้งานรุ่นแรก

สิ่งที่ต้องเตรียม

สมุดงาน Module 9 และโฟลเดอร์ my-ai-research-kit/ ว่าง
งานที่ทำซ้ำหนึ่งเรื่อง หรือกรณีตัวอย่างที่ไม่มีข้อมูลลับ
ชิ้นงานตัวอย่างสำหรับทดลองสร้างบันทึก ชุดแชร์ และบันทึกการใช้งาน
โฟลเดอร์จำลองที่จัดไม่เป็นระเบียบ และแฟ้มตัวอย่างสำหรับทดสอบการสำรอง/กู้คืนโดยไม่ใช้ข้อมูลจริง
แบบบันทึกสิ่งที่ทำตามค่าที่กำหนด ต้องถาม ห้ามทำ และต้องส่งต่อ พร้อมรายการช่วยหาจุดอ่อน
กรณีตัวอย่างขนาดเล็กสำหรับทดลองทั้งกรณีปกติและกรณีผิดพลาดก่อนกำหนดเป็นรุ่นแรก

คุณกำหนดวิธีและกติกา ส่วน AI ช่วยจัดชุดใช้งาน: เริ่มจากหน้าสนทนา เขียนข้อมูลของคุณ เหตุผล กติกา ข้อห้าม และการตัดสินใจ แล้วให้ AI ช่วยสร้างโครงแฟ้มและตรวจความครบถ้วน คุณต้องตรวจทุกแฟ้มก่อนนำไปใช้หรือแชร์

คำถามแกนของโมดูล

จะเปลี่ยนวิธีทำงานที่ได้เรียนมาให้เป็นชุดวิธีทำงานกับ AI ของตนเอง ซึ่งมีค่าที่กำหนดไว้ ตัวเลือก ข้อห้าม จุดตรวจ และทางออกเมื่อเกิดปัญหา พร้อมนำไปใช้ซ้ำกับโครงการใหม่ได้อย่างไร

สิ่งที่จะทำได้

เมื่อจบโมดูล คุณจะสามารถ

ใช้ กรอบวิธีทำงานกับ AI สำหรับงานวิจัยส่วนบุคคล เดียวกันในการออกแบบงานทุกชนิด
กำหนดตัวเลือกส่วนบุคคลไว้ล่วงหน้าโดยไม่ฝืนข้อกำหนดของสถาบัน สาขา ข้อมูล หรือแหล่งเผยแพร่
แยกสิ่งที่ AI ทำอัตโนมัติ สิ่งที่ต้องถามก่อน สิ่งที่ห้ามทำ และสิ่งที่ต้องให้มนุษย์หรือหลักฐานภายนอกตัดสิน
ประกอบบัตรวิธีทำงาน แบบฟอร์ม รายการตรวจ ตัวอย่าง และการทดสอบเป็นชุดใช้งานส่วนบุคคล
ทดสอบวิธีทำงานทั้งกรณีปกติ ข้อมูลไม่ครบ หลักฐานขัดแย้ง ข้อมูลอ่อนไหว และเครื่องมือทำงานผิดพลาด
ปรับรุ่นและบันทึกการเปลี่ยนแปลงจากผลใช้จริง โดยไม่ถือว่าใช้ได้เพียงเพราะ AI ทำตามคำสั่งได้

หลักคิด: ใช้กรอบร่วม แต่ปรับวิธีทำงานให้เหมาะกับแต่ละคน

ทุกคนใช้กรอบร่วมเพื่อให้ตรวจสอบได้ แต่เลือกค่าเริ่มต้นและเครื่องมือให้เหมาะกับสาขา งาน และข้อจำกัดของตน

Shared Framework
  ├─ โครงสร้างงานและจุดตรวจเหมือนกัน
  ├─ หลักฐานต้องย้อนกลับได้
  ├─ มี human/external decision และ stop condition
  └─ ต้องผ่านกรณีทดสอบ

Personal Choices
  ├─ สาขา ภาษา และชนิดข้อมูล
  ├─ แหล่งค้นและโปรแกรมจัดการเอกสารอ้างอิง
  ├─ เครื่องมือวิเคราะห์/สร้างภาพ
  ├─ รูปแบบ Word/LaTeX และ venue ที่ใช้บ่อย
  └─ ค่าเริ่มต้น ข้อยกเว้น และทางเลือกสำรอง

ความเป็นส่วนบุคคลไม่ได้หมายถึงลดมาตรฐาน คุณเปลี่ยนได้เฉพาะส่วนที่เจ้าของงานมีอำนาจตัดสิน ข้อกำหนดด้านจริยธรรม ความเป็นส่วนตัว ลิขสิทธิ์ นโยบายหน่วยงาน ข้อตกลงการใช้ข้อมูล และข้อกำหนดของแหล่งเผยแพร่ยังอยู่เหนือค่าเริ่มต้นส่วนตัว

กรอบวิธีทำงานกับ AI สำหรับงานวิจัยส่วนบุคคล

บัตรวิธีทำงานทุกใบต้องตอบคำถาม 12 ส่วน

ส่วน	คำถามที่ต้องตอบ
1. เป้าหมาย	งานนี้แก้ปัญหาอะไร และไม่ครอบคลุมอะไร
2. จุดเริ่ม	เมื่อใดควรเริ่มใช้วิธีทำงานนี้
3. ของที่ต้องมีก่อนเริ่ม	ต้องมีข้อมูล เอกสาร หลักฐาน สิทธิ และบริบทใดก่อนเริ่ม
4. ค่าที่กำหนดไว้	ตัวเลือกใดใช้เป็นค่าเริ่มต้นได้โดยไม่ถามซ้ำ
5. เรื่องที่ต้องตัดสินใจ	ตัวเลือกใดต้องถามเจ้าของงานหรือผู้เชี่ยวชาญทุกครั้ง
6. ขั้นตอน	ลำดับงานหลักและชิ้นงานที่สร้างในแต่ละขั้นคืออะไร
7. หลักฐาน	ข้อกล่าวอ้างและผลลัพธ์ย้อนกลับไปยังแหล่งใด
8. เกณฑ์ตรวจ	เกณฑ์ผ่าน/ไม่ผ่านของแต่ละขั้นคืออะไร
9. จุดที่มนุษย์ตัดสิน	จุดใดต้องใช้วิจารณญาณของผู้วิจัย อาจารย์ หรือผู้เชี่ยวชาญ
10. จุดที่ต้องพึ่งภายนอก	จุดใดต้องใช้ข้อมูลจริง ข้อกำหนด การพิจารณาจริยธรรม ผู้ทบทวน การทดลอง หรือผู้เกี่ยวข้อง
11. เงื่อนไขหยุดหรือส่งต่อ	เมื่อใดต้องหยุด ห้ามเดา หรือเปลี่ยนไปใช้ทางเลือกสำรอง
12. บันทึก	ต้องบันทึกข้อมูลเข้า ชิ้นงาน รุ่น การตัดสินใจ ข้อผิดพลาด และการเปลี่ยนแปลงอะไร

กรอบนี้กำหนดเพียงส่วนขั้นต่ำ ไม่ได้กำหนดว่าเครื่องมือใดดีที่สุดสำหรับทุกคน

ออกแบบทางเลือก — ตัดสินใจล่วงหน้าอย่างมีขอบเขต

จัดทุกตัวเลือกของคุณไว้ในหนึ่งในสี่สถานะ

สถานะ	ความหมาย	ตัวอย่าง
ทำตามค่าที่กำหนด	ใช้อัตโนมัติได้เมื่อไม่มีเงื่อนไขขัดแย้ง	ภาษาเอกสารหลัก โครงสร้างโฟลเดอร์ รูปแบบชื่อแฟ้ม แหล่งค้นเริ่มต้น รูปแบบบันทึกผล
ต้องถามก่อน	ต้องถามก่อน เพราะคำตอบเปลี่ยนผลหรือมีความเสี่ยง	target venue, research claim, วิธีสถิติ, การตัดข้อมูลสูญหาย, การเปิดเผยข้อมูล, การติดตั้งเครื่องมือ
ห้ามทำ	ห้าม AI ทำ แม้ผู้ใช้ไม่ได้เตือน	แต่ง citation/ผลทดลอง ส่งข้อมูลลับไปบริการภายนอก เปลี่ยนไฟล์ต้นฉบับ ลบข้อมูล หรือรับรอง IRB/acceptance
ต้องส่งต่อ	ส่งให้บุคคลหรือหลักฐานภายนอกตัดสิน	novelty, domain validity, ethics approval, legal interpretation, authorship dispute, final submission

กฎชนกันของตัวเลือก

เมื่อค่าเริ่มต้นส่วนตัวขัดกับเงื่อนไขเฉพาะงาน ให้ใช้ลำดับความสำคัญดังนี้

กฎหมาย/จริยธรรม/สิทธิข้อมูล
  > ข้อกำหนดสถาบันและโครงการ
  > ข้อกำหนดของ venue หรือแหล่งข้อมูล
  > ระเบียบวิธีและหลักฐานเฉพาะงาน
  > ค่าเริ่มต้นส่วนบุคคล
  > ความสะดวกของเครื่องมือ

ข้อมูลบริบทงานวิจัยส่วนบุคคล

ก่อนสร้าง workflow ให้กำหนดบริบทที่ใช้บ่อย

สาขา หัวข้อ และชนิดคำถามวิจัย
ภาษาเขียน ภาษาแหล่งข้อมูล และรูปแบบคำศัพท์
ชนิดข้อมูลที่ใช้ เช่น เอกสาร แบบสอบถาม การทดลอง ภาพ พิกัด หรือชุดข้อมูลเปิด
ระดับความลับและสถานที่เก็บข้อมูลที่อนุญาต
แหล่งค้น ฐานข้อมูล และ reference manager ที่ใช้
วิธีตรวจ DOI, citation, metadata และหลักฐานต้นทาง
เครื่องมือวิเคราะห์ สถิติ visualization และรูปแบบส่งออก
venue/รูปแบบบทความที่ใช้บ่อย โดยยังต้องตรวจ guideline ใหม่ทุกงาน
ผู้ตัดสิน L2 เช่น อาจารย์ที่ปรึกษา ผู้เชี่ยวชาญสาขา นักสถิติ หรือเจ้าของข้อมูล
แหล่ง L3 เช่น participant, experiment, reviewer, IRB, stakeholder หรือ guideline ปัจจุบัน
เครื่องมือสำรองเมื่อบริการหลักใช้ไม่ได้

Profile มีไว้ลดคำถามซ้ำ ไม่ใช่ใช้แทน intake ของโครงการใหม่

ชุดเครื่องมือ AI สำหรับงานวิจัยส่วนบุคคล

ชุดที่ส่งต้องเป็นโฟลเดอร์ standalone ซึ่งเปิดแล้วรู้ว่าจะเริ่มอย่างไร

my-ai-research-kit/
├── README.md                  # เริ่มใช้อย่างไรและขอบเขตของชุด
├── profile.md                 # บริบทและความต้องการส่วนบุคคล
├── defaults.md                # DEFAULT / ASK / NEVER / ESCALATE
├── guardrails.md              # privacy, ethics, evidence และ destructive-action rules
├── workflows/
│   ├── workflow-card-template.md
│   └── my-core-workflow.md
├── templates/                 # intake, analysis, review, venue, document ฯลฯ
├── checklists/                # evals และ QA gates
├── project-template/          # โครงโฟลเดอร์โครงการวิจัยใหม่
├── notes-templates/           # daily, decision, meeting, reading และ AI-use notes
├── sharing/                   # collaboration protocol และ share-package checklist
├── backup/                    # backup policy, inventory และ restore-test template
├── examples/                  # ตัวอย่างที่ไม่มีข้อมูลลับ
├── tests/                     # test cases และ expected decisions
├── records/                   # run log ตัวอย่าง
└── CHANGELOG.md               # รุ่น เหตุผล และผลกระทบของการแก้

ชุดนี้ต้องเป็น tool-neutral ก่อน กล่าวคืออ่านและใช้ได้แม้เปลี่ยน AI frontend จากนั้นจึงมี adapter หรือคำแนะนำเฉพาะเครื่องมือเมื่อจำเป็น

การจัดการงานวิจัย — ให้ระบบทำงานอยู่รอดในงานจริง

Personal Kit ต้องครอบคลุมการจัดแฟ้ม การจดบันทึก การทำงานร่วมกัน และการกู้คืนข้อมูล ไม่ใช่เฉพาะคำสั่งให้ AI ผลิตผลลัพธ์

1. ให้ AI ช่วยจัดโฟลเดอร์อย่างปลอดภัย

โครงเริ่มต้นปรับได้ตามสาขา แต่ควรแยกข้อมูลต้นฉบับ งานระหว่างทำ บันทึก และผลส่งออก

research-project/
├── README.md
├── governance/                # permission, ethics, data-use, venue rules
├── sources/original/          # เอกสารต้นฉบับ ห้ามเขียนทับ
├── data/
│   ├── raw/                   # ข้อมูลต้นฉบับ ห้ามเขียนทับ
│   ├── interim/               # ข้อมูลระหว่างแปลง
│   └── processed/             # ข้อมูลพร้อมวิเคราะห์
├── notes/
│   ├── inbox/
│   ├── daily/
│   ├── decisions/
│   ├── meetings/
│   ├── reading/
│   └── ai-runs/
├── design/                    # RQ, hypothesis, experiment/study design
├── analysis/                  # scripts, parameters, results, QA
├── manuscript/sections/       # Markdown source
├── figures/
├── tables/
├── outputs/
│   ├── drafts/
│   └── final/
├── shared/                    # ชุดที่ตรวจแล้วสำหรับผู้ร่วมงาน
└── archive/                   # รุ่นเก่าที่เก็บตามนโยบาย

AI เป็นผู้สำรวจและจัดให้ได้ แต่ต้องทำตามลำดับ

ทำรายการแฟ้มและขนาดโดยไม่แก้ไข
เสนอ folder-plan.md ซึ่งแสดง source → destination, เหตุผล, collision และแฟ้มที่ไม่แน่ใจ
ให้เจ้าของงานอนุมัติขอบเขตและรายการย้าย
สร้างโฟลเดอร์และ ย้าย แฟ้มที่อนุมัติ ห้ามลบหรือเขียนทับ
เก็บแฟ้มซ้ำหรือกำกวมไว้ใน quarantine/review folder
สร้าง file-manifest.csv และ organization-log.md
ตรวจจำนวนแฟ้ม ขนาดรวม ลิงก์ และ path หลังจัดเสร็จ

ห้ามสั่ง AI จัดทั้ง home directory, cloud drive หรือโฟลเดอร์กว้างโดยไม่มี target ชัด ห้ามใช้ wildcard หรือตัวแปร path ที่ยังไม่ตรวจสอบกับการย้าย/ลบ และห้ามถือว่าแฟ้มที่ชื่อคล้ายกันเป็นแฟ้มซ้ำโดยไม่เปรียบเทียบเนื้อหา

Folder Organization Card

สำรวจโฟลเดอร์ที่ระบุแบบอ่านอย่างเดียว จัดทำ inventory และเสนอ folder-plan.md ตาม project template แสดงการย้ายทุกแฟ้ม source → destination, collision, duplicate candidate และรายการที่ไม่แน่ใจ ห้ามย้าย ลบ เปลี่ยนชื่อ หรือเขียนทับจนกว่าจะได้รับอนุมัติ หลังอนุมัติให้ใช้ move-only, เก็บ manifest/log และตรวจจำนวนแฟ้มกับขนาดรวมก่อน–หลัง

2. การจดบันทึกระหว่างทำวิจัย

ประวัติสนทนากับ AI ไม่ใช่สมุดบันทึกการวิจัย เพราะค้นยาก เปลี่ยนระบบไม่ได้ และมักขาดเหตุผลของการตัดสินใจ ให้บันทึกเป็น Markdown ที่อยู่กับโครงการ

บันทึก	เนื้อหาขั้นต่ำ	ใช้เมื่อ
Daily research note	วันที่ เป้าหมาย สิ่งที่ทำ หลักฐาน ผลที่พบ ปัญหา การตัดสินใจ และ next action	ทุกช่วงทำงานที่มีสาระสำคัญ
Decision record	คำถาม ตัวเลือก หลักฐาน ผู้ตัดสิน เหตุผล วันที่ และเงื่อนไขทบทวน	เปลี่ยน RQ, method, metric, exclusion, venue หรือ interpretation
Reading note	citation/DOI คำถาม วิธี ผล ข้อจำกัด ข้อความที่อ้างได้ และความเชื่อมโยงกับงาน	อ่านแหล่งสำคัญแต่ละเรื่อง
Meeting note	ผู้เข้าร่วม ประเด็นตัดสินใจ งาน ผู้รับผิดชอบ และกำหนดติดตาม	ประชุมกับที่ปรึกษา/ทีม
Experiment/analysis note	data/version, parameter, environment, run, output, anomaly และ interpretation	ทดลอง วิเคราะห์ หรือสร้างรูป/ตาราง
AI-use note	task, input classification, tool/model เมื่อเกี่ยวข้อง, output, verification, human decision และสิ่งที่ไม่ใช้	AI มีผลต่อเนื้อหา/การตัดสินใจ/ผลผลิต

ใช้ชื่อแฟ้มวันที่แบบ YYYY-MM-DD-short-topic.md และแยก ข้อเท็จจริง, การตีความ, การตัดสินใจ, สิ่งที่ยังไม่ทราบ และ งานถัดไป ให้ชัด AI ช่วยสรุปจาก artifacts ได้ แต่ต้องเชื่อมกลับไปยังแฟ้มหรือหลักฐาน ไม่สร้างบันทึกย้อนหลังจากความจำโดยไม่มีเครื่องหมายว่าเป็นการ reconstruct

Research Note Card

สร้างบันทึกชนิด ______ จาก artifacts และข้อความที่ให้เท่านั้น แยก fact, interpretation, decision, unresolved issue และ next action ระบุผู้ตัดสิน หลักฐาน/ตำแหน่ง วันที่ และ workflow version ห้ามเติมเหตุการณ์ เหตุผล หรือผลที่ไม่มีหลักฐาน บันทึกเป็น YYYY-MM-DD-short-topic.md ในโฟลเดอร์ notes ที่ถูกชนิด

3. การแชร์กับเพื่อนร่วมงาน

การแชร์ที่ดีไม่ใช่ส่งทั้งโฟลเดอร์ แต่สร้าง share package ที่มีเฉพาะสิ่งจำเป็นและมีเจ้าของชัดเจน

ระบุผู้รับ บทบาท วัตถุประสงค์ ระยะเวลา และสิทธิ read/comment/edit
ระบุ source of truth และวิธีส่งการแก้กลับ ห้ามมีสำเนาหลายชุดที่ไม่รู้ว่าชุดใดล่าสุด
ตรวจ privacy, consent, copyright, data-use agreement และ anonymous-review constraints
ตัด credential, token, local absolute path, cache, temporary build และข้อมูลส่วนบุคคลที่ไม่จำเป็น
ใช้ de-identified, aggregated, redacted หรือ mock data เมื่อเพียงพอ
แนบ SHARE-README.md, share-manifest.csv, data dictionary, environment/build instructions และ known limitations
กำหนดวิธีตั้งชื่อ version, review, merge และอนุมัติ final artifact
ตรวจแพ็กเกจจากมุมของผู้รับว่าเปิดได้ ลิงก์ไม่ขาด และไม่มีสิ่งที่ไม่ควรส่ง

AI เตรียมสำเนาและ manifest ได้ แต่ห้ามส่งอีเมล อัปโหลด เปลี่ยน permission หรือเชิญบุคคลภายนอกโดยไม่ได้รับอนุมัติที่ระบุผู้รับและขอบเขตชัดเจน

Share Package Card

เตรียม share package สำหรับผู้รับ ______ เพื่อวัตถุประสงค์ ______ แบบ read/comment/edit ตรวจสิทธิและระดับความลับก่อน คัดลอกเฉพาะแฟ้มที่จำเป็นลง shared/<package-name>/ ลบ credential/local path และใช้ redacted/mock data เมื่อเหมาะสม สร้าง SHARE-README.md กับ share-manifest.csv แล้วรายงานรายการรวม รายการตัดออก และความเสี่ยง ห้ามอัปโหลดหรือเปลี่ยน permission จนกว่าจะอนุมัติ

4. การสำรองและกู้คืนข้อมูล

Cloud sync ไม่เท่ากับ backup เพราะการลบ การเขียนทับ หรือแฟ้มเสียอาจถูก sync ไปทุกเครื่อง และ version control ไม่เท่ากับ backup เพราะอาจไม่เก็บข้อมูลขนาดใหญ่ ข้อมูลลับ หรือประวัติที่ยังไม่ commit

แผนสำรองต้องระบุ

ข้อมูลใดต้องสำรอง/ห้ามสำรองไปที่ใดตามสิทธิและจริยธรรม
source of truth และผู้รับผิดชอบ
ความถี่ รุ่นย้อนหลัง ระยะเวลาเก็บ และวิธีลบเมื่อครบกำหนด
สำเนาที่แยกจาก working copy และอย่างน้อยหนึ่งสำเนาที่ไม่ถูก sync การลบโดยทันที
การเข้ารหัสและการจัดการกุญแจสำหรับข้อมูลอ่อนไหว
checksum/inventory หรือวิธีตรวจความครบถ้วน
restore procedure และวันที่ทดสอบกู้คืนล่าสุด

ใช้หลัก 3-2-1 เมื่อข้อกำหนดของข้อมูลอนุญาต: อย่างน้อย 3 สำเนา บนสื่อหรือระบบ 2 ชนิด และ 1 สำเนาอยู่นอกระบบหลัก แต่ห้ามทำสำเนาข้อมูลควบคุมไปยังปลายทางที่ไม่ได้รับอนุญาตเพียงเพื่อให้ครบสูตร

AI ช่วยสร้าง backup-plan.md, backup-inventory.csv, script ที่ตรวจสอบแล้ว และ restore checklist ได้ แต่ห้ามสร้างบัญชี เชื่อมปลายทางภายนอก ใช้ credential หรือเริ่มสำรองข้อมูลจริงโดยไม่ได้รับอนุมัติ

Backup and Restore Card

จัดทำแผนสำรองสำหรับโครงการนี้จาก data classification และสิทธิที่ระบุ แยก working copy, sync, version control และ backup ระบุแฟ้ม/โฟลเดอร์ที่รวมและไม่รวม ความถี่ retention encryption owner และ restore procedure สร้าง inventory/checksum แบบอ่านอย่างเดียวก่อน ห้ามคัดลอกข้อมูลหรือเชื่อมปลายทางภายนอกจนกว่าจะอนุมัติ จากนั้นทดสอบกู้คืนด้วยแฟ้มตัวอย่างที่ไม่อ่อนไหวและบันทึกผล

บัตรวิธีทำงานที่เลือกประกอบเป็นชุด

ไม่จำเป็นต้องมีทุกใบ ให้คุณเลือกตามงานที่ทำจริง

Workflow card	งานที่ครอบคลุม	ค่าเริ่มต้นที่อาจกำหนดล่วงหน้า
Research Build-up	interest/expertise → literature → problem/gap → objective/RQ → rough design	แหล่งค้น ภาษา ชนิด evidence, venue family และ template M5/M6
Literature and Citation Review	document → claim/citation extraction → source verification → finding	DOI resolver, reference manager, severity scale และ review format
Research Logic Review	problem/objective/hypothesis/method/result/conclusion audit	logic checklist, finding schema และ escalation to domain expert
Experiment Design	claim → hypothesis tree → variables/metrics/comparator/sample/instrument/result rules	design workbook, default completeness checks และ ethics trigger screen
Data Analysis and Visualization	CSV/Excel/SPSS → DataFrame → analysis → table/figure → QA	import cards, Python libraries, static/interactive/map choices และ export formats
Venue Document Production	venue guideline → author kit → Markdown sections → staged build → PDF QA	folder structure, build ladder, citation verification และ fallback template
Research Presentation	verified claims → audience → storyline → slide/poster → rehearsal	slide ratio, visual style, duration, speaker-note structure และ accessibility checks
Research Project Operations	folder organization → notes → share package → backup/restore	project template, naming, note types, collaboration permissions, retention และ restore checks

ชุดขั้นต่ำตามวิชาย่อย

AI for Research: workflow หลักหนึ่งใบที่เชื่อมอย่างน้อยสามช่วงของงานวิจัย และ support cards อย่างน้อยสองใบ
Build-up: Research Build-up เป็น core และ Experiment Design เป็น support
Reviews: Literature/Citation หรือ Research Logic Review เป็น core และ checklist ที่ใช้ซ้ำได้
Publication: Venue Document Production เป็น core และ Data Visualization หรือ Presentation เป็น support

คุณเพิ่มบัตรอื่นได้ แต่จำนวนมากไม่ได้แปลว่าดีขึ้น หากวิธีทำงานยังไม่ผ่านการทดสอบ ให้ลดขอบเขตก่อนเพิ่มความสามารถ

จากกรอบร่วมสู่วิธีทำงานของเรา

ขั้น 1 — เลือกงานที่ต้องทำซ้ำและยังติดขัด

เลือกงานที่เกิดซ้ำและมีต้นทุนจริง เช่น ตรวจ citation, เตรียมข้อมูลแบบสอบถาม, สร้างกราฟ, ตรวจ logic หรือประกอบบทความ หลีกเลี่ยงโจทย์กว้างว่า “ทำวิจัยทั้งหมดให้ฉัน”

ขั้น 2 — บันทึกวิธีทำงานปัจจุบัน

เขียนวิธีที่ทำอยู่จริง ระบุจุดเสียเวลา จุดผิดพลาด ผู้ที่ต้องตัดสินใจ และหลักฐานที่ต้องรอ ไม่เริ่มจากความสามารถของ AI

ขั้น 3 — กรอกกรอบการทำงาน 12 ส่วน

กำหนด purpose, trigger, intake, outputs, evidence, evals, human/external gates และ stop conditions ให้ครบก่อนเลือกเครื่องมือ

ขั้น 4 — กำหนดตัวเลือกไว้ล่วงหน้า

กรอก defaults.md และอธิบายเหตุผลของ DEFAULT/ASK/NEVER/ESCALATE แต่ละข้อ เลือกทางสำรองอย่างน้อยหนึ่งทางสำหรับแหล่งข้อมูล เครื่องมือหลัก หรือรูปแบบส่งออกที่สำคัญ

ขั้น 5 — ประกอบชุดใช้งาน

ให้ AI สร้างโฟลเดอร์และแฟ้มจากแม่แบบ แล้วคุณตรวจชื่อ ขอบเขต ความซ้ำซ้อน และการย้ายไปโครงการอื่น ห้ามใส่ตำแหน่งเฉพาะเครื่อง รหัสผ่าน หรือข้อมูลลับจากเครื่องส่วนตัว

ขั้น 6 — ทดลองใช้งาน

ใช้กรณีตัวอย่างที่ทราบคำตอบบางส่วน ตรวจว่า workflow เริ่มถูกจุด สร้าง artifact ครบ หยุดเมื่อควรหยุด และไม่ถามสิ่งที่กำหนดเป็น DEFAULT แล้ว

ขั้น 7 — ท้าทายและแก้ไข

ทดสอบ failure cases แก้ workflow และบันทึกใน CHANGELOG.md ว่าเปลี่ยนอะไร เพราะอะไร และ test ใดพิสูจน์การแก้

ขั้น 8 — บันทึกรุ่น 1.0

กำหนดรุ่น วันที่ ขอบเขตที่ผ่านการทดสอบ และ known limitations พร้อมงานจริงขนาดเล็กที่จะทดลองภายหลัง

ชุดทดสอบขั้นต่ำ

Test	สิ่งที่ต้องเกิด	สิ่งที่ถือว่าล้มเหลว
Happy path	input ครบและได้ artifact ตาม schema	output สวยแต่ตรวจย้อนกลับไม่ได้
Missing input	ระบุสิ่งที่ขาดและหยุดก่อนสรุป	เดาค่าหรือสร้างข้อมูลเติมเอง
Conflicting evidence	แสดงแหล่งที่ขัดกันและส่งให้มนุษย์ตัดสิน	เลือกแหล่งที่เข้ากับคำตอบโดยไม่บอก
Phantom citation/result	ปฏิเสธหรือระบุว่าไม่ตรวจสอบได้	สร้าง reference หรือผลทดลองขึ้นใหม่
Sensitive data	ใช้ privacy rule, local/mock/redacted fallback หรือหยุด	ส่งข้อมูลไปยังเครื่องมือที่ไม่ได้รับอนุญาต
Tool unavailable	ใช้ fallback หรือสร้างคำแนะนำกู้คืน	เปลี่ยนเครื่องมือ/ติดตั้ง package โดยพลการ
Venue/rule changed	ตรวจ guideline ปัจจุบันและยกเลิก default ที่ล้าสมัย	ใช้ template เก่าเพราะเคยใช้ได้
Destructive request	ขออนุมัติและระบุ target ให้ชัด หรือปฏิเสธ	ลบ/เขียนทับแฟ้มต้นฉบับ
QA failure	กลับไปแก้ source layer ที่ถูกต้องและรันทดสอบซ้ำ	แก้ generated output เพื่อซ่อนอาการ
Folder collision	หยุดและเสนอชื่อ/ตำแหน่งใหม่โดยไม่เขียนทับ	เขียนทับหรือรวมแฟ้มเพราะชื่อคล้ายกัน
Unsafe share	ตัดข้อมูล/credential ที่ไม่จำเป็นและขออนุมัติผู้รับ/สิทธิ	อัปโหลดหรือเปลี่ยน permission เอง
Backup restore	กู้แฟ้มตัวอย่างได้และเทียบความครบถ้วน	มีเพียงข้อความว่า backup สำเร็จแต่ไม่เคย restore

workflow ผ่านเมื่อผลการตัดสินใจถูกต้อง ไม่ใช่เมื่อถ้อยคำตอบตรงกับตัวอย่างทุกคำ

บันทึกการใช้งาน — หลักฐานจากการทำงานจริง

ทุกครั้งที่ใช้จริงให้บันทึกอย่างน้อย

workflow/version และวันที่
project/case identifier ที่ไม่เปิดเผยข้อมูลเกินจำเป็น
input และสิทธิการใช้
choices ที่ใช้ค่า DEFAULT และ choices ที่ ASK
AI/tool/model/environment ที่เกี่ยวข้องเมื่อมีผลต่อการทำซ้ำ
artifacts และตำแหน่ง
verification results
human/external decisions
errors, fallback และ unresolved issues
สิ่งที่ควรแก้ใน workflow รุ่นถัดไป

ห้ามบันทึก credential, token, password หรือข้อมูลลับลงใน kit

ลงมือสร้างชุดวิธีทำงานกับ AI ของคุณ

✎ แก้ก่อนส่ง: เปลี่ยนข้อความใน {{…}} ให้เป็นข้อมูลของคุณ แล้วจึงคัดลอก Prompt ไปให้ AI

ข้อมูลที่ฉันกำหนด:
- งานที่ทำซ้ำ: {{พิมพ์งานที่ต้องการปรับ หรือเขียนว่า ยังเลือกไม่ได้}}
- โครงการหรือกรณีตัวอย่าง: {{ใช้ชื่อที่ไม่เปิดเผยข้อมูลลับ}}
- ชิ้นงานที่ต้องการ: {{พิมพ์ผลลัพธ์ที่อยากได้}}
- ระดับความลับของข้อมูล: {{สาธารณะ / ใช้ภายใน / ลับ / อ่อนไหว / ยังไม่แน่ใจ}}

พาฉันสร้างชุดวิธีทำงานกับ AI จากงานซ้ำหนึ่งเรื่อง ถามทีละหนึ่งคำถามและรอคำตอบ เริ่มจากงาน ข้อมูลเข้า ผลลัพธ์ ระดับความลับ เจ้าของการตัดสินใจ และความเสี่ยง ก่อนกำหนดสิ่งที่ทำได้ ต้องถาม ห้ามทำ และต้องส่งต่อ ห้ามย้ายไฟล์ ส่งข้อมูล เปลี่ยนสิทธิ เชื่อมบริการภายนอก หรือเก็บรหัสผ่าน ทำทีละชิ้นและให้ฉันทดสอบก่อนกำหนดเป็นรุ่นแรก

ด่าน 1 — เลือกงานซ้ำที่ควรปรับ

ถามฉันทีละข้อว่างานใดทำซ้ำบ่อย ใช้เวลา และผิดพลาดง่าย ช่วยเปรียบเทียบไม่เกินสามงานแต่ห้ามเลือกแทน เมื่อฉันเลือกแล้วให้บันทึกจุดเริ่ม ข้อมูลเข้า ผลลัพธ์ และเจ้าของการตัดสินใจ

คุณตัดสิน: งานซ้ำหนึ่งเรื่องและเหตุผลที่คุ้มค่าจะปรับ

ช่วง 2 — วางวิธีทำงานและขอบเขตอำนาจ

พาฉันเติมส่วนประกอบของวิธีทำงานทีละส่วน อธิบายเฉพาะส่วนปัจจุบัน แล้วถามให้ฉันจัดการตัดสินใจเป็น ทำตามค่าที่กำหนด / ต้องถาม / ห้ามทำ / ต้องส่งต่อ พร้อมเหตุผล

ก่อนผ่าน: ทุกการตัดสินใจมีเจ้าของและกติกาเมื่อข้อมูลไม่ครบ

ด่าน 3 — ประกอบชุดใช้งานรุ่นทดลอง

เสนอรายการแฟ้มขั้นต่ำพร้อมหน้าที่ รอฉันอนุมัติก่อนสร้าง แล้วทำทีละแฟ้มจากข้อมูลที่ฉันยืนยัน ห้ามใส่รหัสผ่าน ข้อมูลลับ หรือตำแหน่งเฉพาะเครื่องโดยไม่ถาม

คุณตัดสิน: แฟ้มที่จำเป็นและข้อมูลส่วนบุคคลที่อนุญาตให้บันทึก

ช่วง 4 — ฝึกจัดโฟลเดอร์และทำบันทึก

ทำรายการแฟ้มในโฟลเดอร์จำลองแบบอ่านอย่างเดียว แล้วเสนอแผนย้ายพร้อมตำแหน่งเดิมและใหม่ ห้ามย้ายจนกว่าฉันอนุมัติ ห้ามลบหรือเขียนทับ หลังทำแล้วให้ตรวจรายการและสร้างบันทึกจากสิ่งที่เกิดขึ้นจริง

ก่อนผ่าน: ย้อนกลับตำแหน่งเดิมได้และมีบันทึกการอนุมัติ

ด่าน 5 — เตรียมชุดแชร์และทดสอบการกู้คืน

ถามระดับความลับ ผู้รับ และวัตถุประสงค์ก่อน ตรวจแฟ้มทีละรายการและเสนอสิ่งที่ต้องปกปิด สร้างรายการสิ่งที่จะแชร์แต่ห้ามอัปโหลดหรือเปลี่ยนสิทธิ จากนั้นพาฉันทดสอบกู้แฟ้มตัวอย่างและบันทึกผล

คุณตัดสิน: สิ่งที่แชร์ได้ ผู้รับ และหลักฐานว่ากู้คืนได้จริง

ช่วง 6 — ทดลองกรณีปกติและกรณีผิดพลาด

พาฉันทดลองกรณีปกติและบันทึกข้อมูลเข้า ขั้นตอน การตัดสินใจ หลักฐาน และผลลัพธ์ จากนั้นเสนอกรณีผิดพลาดทีละหนึ่งกรณีและตรวจว่าวิธีทำงานหยุด ถาม ส่งต่อ หรือฟื้นตัวตามกติกาหรือไม่

ก่อนผ่าน: มีอย่างน้อยหนึ่งกรณีที่หยุดอย่างปลอดภัย

ช่วง 7 — ท้าทาย แก้ และกำหนดรุ่นแรก

ท้าทายวิธีทำงานทีละประเด็นโดยอ้างแฟ้ม กติกา หรือผลทดสอบ รอคำตอบฉันก่อนถามต่อ เมื่อฉันยืนยันการแก้ ให้ปรับการทดสอบและบันทึกสิ่งที่เปลี่ยน สุดท้ายแสดงหลักฐานผ่าน/ไม่ผ่านและถามฉันว่าจะกำหนดเป็นรุ่น 1.0 หรือยัง

ก่อนจบ: สาธิตตั้งแต่งานเริ่มต้นจนถึงชิ้นงาน โดย AI ไม่รับรองความพร้อมแทนคุณ

เปิดรายการฝึกและทดสอบฉบับละเอียด

เลือกปัญหา: เลือกงานซ้ำที่มีประโยชน์จริงหนึ่งเรื่อง
เติมกรอบ: ตอบคำถาม 12 ส่วนโดยยังไม่ต้องเลือกเครื่องมือ AI
กำหนดขอบเขต: แยกสิ่งที่ทำตามค่าที่กำหนด ต้องถาม ห้ามทำ และต้องส่งต่อ
ประกอบชุดใช้งาน: สร้างโฟลเดอร์และแบบเริ่มต้นของโครงการ
ฝึกจัดแฟ้ม: ให้ AI สำรวจและเสนอแผนย้ายจากโฟลเดอร์จำลอง โดยไม่ลบหรือเขียนทับ
ฝึกทำบันทึก: สร้างบันทึกประจำวัน การตัดสินใจ และการใช้ AI จากชิ้นงานชุดเดียวกัน
ฝึกเตรียมชุดแชร์: ปกปิดข้อมูลและทำรายการแฟ้ม โดยยังไม่อัปโหลด
ฝึกกู้คืน: ตรวจแผนสำรองและกู้แฟ้มตัวอย่างหนึ่งชุด
ทดลองกรณีปกติ: ใช้งานหนึ่งรอบและบันทึกสิ่งที่เกิดขึ้นจริง
ทดลองกรณีผิดพลาด: ทดสอบข้อมูลขาด คำสั่งขัดกัน ข้อมูลส่วนตัว เอกสารอ้างอิงไม่มีจริง เครื่องมือล้มเหลว หรือการแชร์ไม่ปลอดภัย
ให้ผู้อื่นช่วยหาจุดอ่อน: ตรวจจุดที่วิธีทำงานเดา ข้ามหลักฐาน ถามมากเกินไป หรือจัดการแฟ้มไม่ปลอดภัย
แก้และกำหนดรุ่นแรก: แก้การทดสอบและบันทึกสิ่งที่เปลี่ยน
สาธิตครบหนึ่งรอบ: แสดงจุดเริ่ม ค่าที่กำหนด ขั้นตอน หลักฐาน จุดตัดสินใจ และชิ้นงาน

การประเมินคุณภาพ

ด้าน	คำถามประเมิน
ความครบถ้วน	12 ส่วนครบและเชื่อมกันหรือไม่
ความเหมาะกับผู้ใช้	ค่าที่กำหนดสอดคล้องกับสาขา เครื่องมือ ข้อมูล และงานซ้ำจริงหรือไม่
ขอบเขตการตัดสินใจ	กติกาต้องถาม ห้ามทำ และต้องส่งต่อ ป้องกันการตัดสินใจเกินอำนาจหรือไม่
หลักฐานและการตรวจ	ชิ้นงานย้อนกลับได้และมีเกณฑ์ผ่าน/ไม่ผ่านหรือไม่
การรับมือข้อผิดพลาด	มีเงื่อนไขหยุด ทางสำรอง และวิธีกู้คืนที่ทดสอบแล้วหรือไม่
การนำไปใช้ที่อื่น	ย้ายไปโครงการหรือ AI อื่นโดยไม่พึ่งตำแหน่งแฟ้มหรือรหัสผ่านส่วนตัวได้หรือไม่
การดูแลต่อ	มีเลขรุ่น บันทึกการเปลี่ยนแปลง ผู้รับผิดชอบ และเงื่อนไขทบทวนหรือไม่
การจัดการงานวิจัย	โฟลเดอร์ บันทึก การแชร์ การสำรอง และการกู้คืนมีเจ้าของ กติกา และหลักฐานหรือไม่
ประโยชน์ในการใช้งาน	ลดงานซ้ำหรือความเสี่ยงจริง โดยไม่เพิ่มภาระตรวจมากเกินประโยชน์หรือไม่

Checkpoint

จบบทเรียน

ติ๊กเมื่อคุณทดลองใช้และอธิบายหลักฐานของแต่ละข้อได้ ระบบจะจำสถานะไว้ในเบราว์เซอร์นี้

ความสำเร็จ 0%

คำถามทบทวนท้ายบท

อะไรคือจุดเริ่ม ข้อมูลเข้า และชิ้นงานของวิธีทำงานนี้
เรื่องใดทำตามค่าที่กำหนดได้ เรื่องใดต้องถาม ห้ามทำ หรือต้องส่งต่อ และเพราะเหตุใด
กรณีผิดพลาดใดทำให้ต้องหยุดแทนที่จะพยายามทำต่อ
ผู้ร่วมงานตรวจชิ้นงาน ผลทดสอบ และบันทึกการใช้งานได้อย่างไร
หลังใช้จริง ต้องเห็นหลักฐานอะไรจึงจะปรับจากรุ่นแรกเป็นรุ่นถัดไป

การนำไปใช้หลังจบโมดูล

ทดลองรุ่นแรกกับงานจริงขนาดเล็กที่ได้รับอนุญาต บันทึกเวลาที่ใช้ จำนวนข้อผิดพลาด จำนวนครั้งที่ต้องถามซ้ำ จุดที่วิธีทำงานหยุดถูกต้อง และงานตรวจเพิ่มเติม หลังมีหลักฐานจากการใช้จริงจึงปรับเป็นรุ่นถัดไป ไม่ถือว่าชุดใช้งานนี้ใช้ได้ทั่วไปจากการทดสอบเพียงครั้งเดียว

วิธีทำงานวิจัยส่วนบุคคลกับ AI