สร้างอัตโนมัติเมื่อ 2026-10-03T02:28:03Z

รายงานการนำเข้าข้อมูลฐานองค์ความรู้

อ้างอิง TOR: ข้อ 7.2.5 (รายงานผลการนำเข้าข้อมูล งวดที่ 2), ข้อ 4.5.2 และ ก.4.7.4 (นำเข้าเอกสารตามภาคผนวก ข), ภาคผนวก ข.1 (พระไตรปิฎกและอรรถกถาแปล ฉบับ มมร. 91 เล่ม)

รายงานนี้สร้างโดยสคริปต์ npm run report:ingestion (scripts/reports/ingestion-report.ts) ซึ่งอ่านตัวเลขจากฐานข้อมูลของระบบโดยตรง (ตาราง KnowledgeDocument, Chunk, IngestionJob, IngestionJobItem) และเทียบกับไฟล์ต้นฉบับ ไม่มีการกรอกตัวเลขด้วยมือ ผู้ดูแลระบบดูข้อมูลชุดเดียวกันแบบสดได้ที่หน้า /admin/knowledge-base (การ์ด coverage) และ /admin/knowledge-base/jobs

1. สรุปภาพรวม

รายการ	จำนวน
เอกสารที่ทำดัชนีแล้ว (indexed)	329
Chunks ที่ค้นหาได้	4,392
โทเคนโดยประมาณรวมทุก chunk	1,215,968
ขนาดเฉลี่ย / สูงสุดต่อ chunk (tokens)	277 / 17,848
Chunks ที่ยาวเกิน 3,000 tokens (คงทั้งข้อ ไม่แบ่ง)	5
บรรทัดที่ถูกตัดโดยขั้นตอน sanitize	0 บรรทัด ใน 0 เอกสาร
เอกสารรอนำเข้า / ล้มเหลว / ลบแล้ว	0 / 0 / 1
ความครอบคลุมฉบับ มมร. 91 เล่ม	6 จาก 91 เล่ม (6.6%)
เล่มพระไตรปิฎกฉบับหลวงที่มีข้อมูล	12 จาก 45 เล่ม (26.7%)
แหล่งที่มาของเอกสาร	seed: 329

2. จำนวนเอกสารและ chunks ตามประเภทเอกสาร (ก.4.8.3)

ประเภทเอกสาร	เอกสาร	Chunks
หนังสือ/ตำราร่วมสมัย (contemporary)	171	3,662
พระไตรปิฎก (tipitaka)	151	636
อรรถกถา (atthakatha)	4	85
ธรรมะครูบาอาจารย์ (teacher_dhamma)	3	9
รวม	329	4,392

3. จำนวนเอกสารและ chunks ตามปิฎก

ปิฎก	เอกสาร	Chunks
(ไม่ระบุ)	178	3,756
พระสุตตันตปิฎก	131	396
พระอภิธรรมปิฎก	7	130
พระวินัยปิฎก	13	110
รวม	329	4,392

หมายเหตุ: “(ไม่ระบุ)” คือเอกสารที่ไม่ได้จัดอยู่ในปิฎกใดปิฎกหนึ่ง เช่น อรรถกถา หนังสือร่วมสมัย และธรรมะครูบาอาจารย์

4. จำนวนเอกสารและ chunks ตามฉบับ

ฉบับ	เอกสาร	Chunks
หลักสูตรนักธรรมและธรรมศึกษา — ฉบับมหามกุฏราชวิทยาลัย	132	3,277
ไทย	138	549
พุทธประวัติ ฉบับมหามกุฏราชวิทยาลัย (วิกิซอร์ซ)	27	310
มมร.	7	94
English (Sujato, CC0)	7	69
นวโกวาท ฉบับ มหามกุฏราชวิทยาลัย พ.ศ. ๒๕๑๓	11	47
ราชกิจจานุเบกษา (วิกิซอร์ซ)	1	28
บาลี	6	18
รวม	329	4,392

5. เล่มของพระไตรปิฎกฉบับหลวง (45 เล่ม) ที่มีข้อมูล

นับจากเลขเล่ม (volume) ของเอกสารประเภทพระไตรปิฎกที่ไม่ใช่ฉบับ มมร. (ฉบับไทย บาลี และฉบับแปลอังกฤษใช้เลขเล่มชุดเดียวกัน)

ปิฎก	ช่วงเล่ม	จำนวนเล่ม	เล่มที่มีข้อมูล	ร้อยละ	เล่มที่มีข้อมูล (เลขเล่ม)
พระวินัยปิฎก	1–8	8	2	25.0%	1, 4
พระสุตตันตปิฎก	9–33	25	8	32.0%	10–12, 16–17, 19–20, 25
พระอภิธรรมปิฎก	34–45	12	2	16.7%	34–35
รวม	1–45	45	12	26.7%

เล่ม (ฉบับหลวง)	ปิฎก	เอกสาร	Chunks
1	พระวินัยปิฎก	3	40
4	พระวินัยปิฎก	10	70
10	พระสุตตันตปิฎก	2	53
11	พระสุตตันตปิฎก	2	48
12	พระสุตตันตปิฎก	5	68
16	พระสุตตันตปิฎก	10	41
17	พระสุตตันตปิฎก	26	60
19	พระสุตตันตปิฎก	5	29
20	พระสุตตันตปิฎก	23	29
25	พระสุตตันตปิฎก	58	68
34	พระอภิธรรมปิฎก	5	100
35	พระอภิธรรมปิฎก	2	30

6. ความครอบคลุมเทียบภาคผนวก ข — ฉบับ มมร. 91 เล่ม

ผลปัจจุบัน: มีข้อมูล 6 จาก 91 เล่ม คิดเป็น 6.6% (เกณฑ์งวดที่ 2 ตาม TOR ข้อ 7.2.5: ไม่น้อยกว่า 20% — ชุดข้อมูลสาธิตยังไม่ถึงเกณฑ์)

ปิฎก	ช่วงเล่ม	จำนวนเล่ม	เล่มที่มีข้อมูล	ร้อยละ	เล่มที่มีข้อมูล (เลขเล่ม)
พระวินัยปิฎก	1–10	10	1	10.0%	6
พระสุตตันตปิฎก	11–74	64	5	7.8%	14, 16, 34, 39–40
พระอภิธรรมปิฎก	75–91	17	0	0.0%	—
รวม	1–91	91	6	6.6%

เล่ม (มมร.)	ปิฎก	เอกสาร	Chunks
6	พระวินัยปิฎก	2	10
14	พระสุตตันตปิฎก	2	53
16	พระสุตตันตปิฎก	2	48
34	พระสุตตันตปิฎก	3	9
39	พระสุตตันตปิฎก	6	9
40	พระสุตตันตปิฎก	1	1

ข้อจำกัดที่ต้องระบุตามจริง

• ชุดข้อมูลในระบบสาธิตเป็น ส่วนย่อย ที่คัดจากพระไตรปิฎกฉบับหลวงที่เผยแพร่ออนไลน์ (ตามภาคผนวก ข.1 ที่ให้ระยะแรกใช้ฉบับออนไลน์) พร้อมอรรถกถา บาลี และฉบับแปลอังกฤษบางส่วน ไม่ใช่ไฟล์ฉบับ มมร. 91 เล่ม เพราะยังไม่ได้รับไฟล์จากมหาวิทยาลัย
• ตัวเลขร้อยละข้างต้นนับ “เล่มที่มีข้อมูลอย่างน้อย 1 เอกสาร” โดยอาศัยฟิลด์ mbuVolume ซึ่งระบุเฉพาะเอกสารที่ทราบเลขเล่มฉบับ มมร. ที่ตรงกัน เล่มที่นับว่ามีข้อมูลจึงมีเพียงบางสูตร/บางข้อ ไม่ใช่ทั้งเล่ม
• เกณฑ์ไม่น้อยกว่า 20% ของ TOR ข้อ 7.2.5 ใช้กับการนำเข้าไฟล์ฉบับ มมร. 91 เล่มจริง (ต้องมีอย่างน้อย 19 เล่ม) เมื่อได้รับไฟล์แล้วให้นำเข้าผ่านหน้า /admin/knowledge-base โดยระบุ “เล่มฉบับ มมร.” แล้วรันรายงานนี้ซ้ำ ตัวเลขจะคำนวณใหม่จากฐานข้อมูลโดยอัตโนมัติ

7. Chunks ที่ยาวเกิน 3,000 tokens (ก.4.6.2)

นโยบายแบ่ง chunk ของพระไตรปิฎก/อรรถกถาคือ 1 ข้อ = 1 chunk ห้ามแบ่งกลางข้อ ข้อที่ยาวเกิน 3,000 tokens จึงยังเป็น chunk เดียวและติดธง oversized — พบ 5 chunk

เอกสาร	เล่ม/ข้อ/หน้า	Tokens (ประมาณ)
ลักษณะสิกขาที่เป็นอันบอกคืน [๗๘ บท] (วิ.มหา. ข้อ 31–40)	1/40/53	17,848
อุโปสถสูตร	20/510/232	5,537
สุทินน์กลันทบุตรออกบวช (วิ.มหา. ข้อ 14–30)	1/30/32	5,477
กาลามสูตร (เกสปุตตสูตร)	20/505/212	3,319
สังคารวสูตร	20/500/190	3,266

8. สถิติการ sanitize (ป้องกัน prompt injection ผ่านเอกสาร)

ก่อนแบ่ง chunk ทุกไฟล์ผ่าน sanitizeText ซึ่งตัดอักขระควบคุม/อักขระล่องหน และตัดทั้งบรรทัดที่ตรงกับรูปแบบคำสั่งแฝง 19 รูปแบบ (ไทย/อังกฤษ/การปลอม role) จำนวนบรรทัดที่ตัดถูกบันทึกต่อเอกสารในฟิลด์ sanitizedLines

• บรรทัดที่ถูกตัดรวม: 0 บรรทัด จาก 0 เอกสาร (จากเอกสารที่ทำดัชนีแล้ว 329 ฉบับ)

• ไม่พบบรรทัดที่เข้าข่ายในชุดข้อมูลปัจจุบัน (ข้อความคัมภีร์ต้นฉบับไม่มีคำสั่งแฝง) — กลไกนี้ทดสอบด้วย fixture ที่ฝังบรรทัดคำสั่งใน tests/api/knowledge-base.test.ts และ tests/unit/sanitize.test.ts

9. งานนำเข้า (Ingestion Jobs) และรายการที่ล้มเหลว

ประเภทงาน	จำนวนงาน	รายการทั้งหมด	สำเร็จ	ล้มเหลว	สถานะงาน
นำเข้าเอกสาร	3	330	330	0	completed: 3
ลบเอกสาร	1	1	1	0	completed: 1

รายการที่ล้มเหลวค้างอยู่: 0 รายการ

ไม่มีรายการที่ล้มเหลว — งานล้มเหลวราย item ไม่ทำให้ทั้งงานหยุด และระบบส่งการแจ้งเตือน (ingestion_failed) ไปยังผู้ดูแลเมื่อเกิดขึ้น

10. วิธีตรวจสอบความครบถ้วนของการนำเข้า

ขั้นตอนตรวจสอบที่สคริปต์นี้ทำจริงทุกครั้งที่สร้างรายงาน (เทียบฐานข้อมูลกับไฟล์ต้นฉบับ):

1. นับ marker รายข้อเทียบต้นฉบับ — สำหรับเอกสารที่มี marker [เล่ม N][ข้อ N][หน้า N] อ่านไฟล์ต้นฉบับใหม่ นับจำนวน “ข้อ” (คู่ เล่ม/ข้อ ที่ไม่ซ้ำ) แล้วเทียบกับจำนวนข้อที่ไม่ซ้ำใน chunks ของเอกสารนั้น ต้องเท่ากันและไม่มีข้อใดขาด (1 ข้อ = 1 chunk ตาม ก.4.6.2)
2. เทียบปริมาณข้อความ — สำหรับเอกสารที่ไม่มี marker (แบ่งแบบ semantic) เทียบจำนวนอักขระของ chunks + หัวข้อ กับต้นฉบับหลัง sanitize ต้องไม่น้อยกว่า 98%
3. ตรวจไฟล์ต้นฉบับ — เอกสารที่ไฟล์ต้นฉบับหายจะถูกรายงานแยก (Re-index ไม่ได้)

การตรวจ	ผล
เอกสารที่ตรวจเทียบไฟล์ต้นฉบับ	329 จาก 329 เอกสารที่ทำดัชนีแล้ว
เอกสารที่มี marker: จำนวนข้อตรงกับต้นฉบับ	155 / 155 เอกสาร
จำนวนข้อในไฟล์ต้นฉบับ / ใน chunks	578 / 578 ข้อ
เอกสารไม่มี marker: ปริมาณข้อความ ≥ 98%	174 / 174 เอกสาร
ไฟล์ต้นฉบับหาย	0
เอกสารที่ไม่ผ่านการตรวจ	0

การตรวจเพิ่มเติมที่ทำโดยอัตโนมัติในระบบ:

• ทุก item ของงานนำเข้าบันทึกขั้นตอน (parse → sanitize → chunk → embed → index) จำนวน chunk เวลา และข้อความผิดพลาด ตรวจย้อนหลังได้ที่ /admin/knowledge-base/jobs
• ชุดทดสอบ tests/api/knowledge-base.test.ts นำเข้าไฟล์ทั้ง 4 ชนิด (PDF, TXT, TEI-XML, DOCX) แล้วยืนยันว่าค้นเจอผ่านดัชนี hybrid, ข้อยาวไม่ถูกแบ่ง, บรรทัดคำสั่งแฝงถูกตัด และ Re-index ไม่ทำให้จำนวน/รหัส chunk เปลี่ยนเมื่อเนื้อหาไม่เปลี่ยน
• tests/unit/chunking-policy.test.ts ยืนยันนโยบายไม่แบ่งกลางข้อ และ tests/unit/parsers.test.ts ยืนยันการอ่านไฟล์แต่ละชนิด
• ผู้ตรวจรับสุ่มตรวจเนื้อหาได้ที่หน้า /admin/knowledge-base/[id] ซึ่งแสดง chunk ทุกรายการพร้อมเล่ม/ข้อ/หน้า เทียบกับไฟล์ต้นฉบับ