สร้าง AI Agent สกัดข้อมูลและสรุปเปเปอร์วิจัย: เปลี่ยน PDF ขนาดยาวเป็น Literature Review อัจฉริยะด้วย Python + Ollama

สำหรับนักวิจัย นักศึกษา หรือใครก็ตามที่ต้องทำงานกับข้อมูลวิชาการ การติดตามงานวิจัยใหม่ๆ เป็นเรื่องที่เหนื่อยล้าทางความคิดมาก ในแต่ละวันเรามักต้องเจอกับไฟล์ PDF วรรณกรรมยาวเหยียดหลายสิบหน้า การอ่านและสรุปใจความสำคัญของเปเปอร์เหล่านี้จึงสร้าง Cognitive Load หรือภาระทางสมองอย่างมหาศาล

หากเราหันไปพึ่งพาบริการ Cloud AI อย่าง ChatGPT หรือ Claude ในการอัปโหลดไฟล์เพื่อสรุปข้อมูล นอกจากจะมีข้อจำกัดเรื่องขนาดไฟล์และค่าใช้จ่ายรายเดือนแล้ว สิ่งสำคัญที่สุดที่ต้องแลกไปคือ ความเป็นส่วนตัวของข้อมูล (Data Privacy) โดยเฉพาะอย่างยิ่งหากงานวิจัยที่คุณกำลังอ่านอยู่นั้นเป็นงานดราฟต์ที่ยังไม่ได้ตีพิมพ์ หรือเอกสารลับทางธุรกิจขององค์กร

ในบทความนี้ เราจะมาสร้าง AI Agent ส่วนตัว บนเครื่องคอมพิวเตอร์ของคุณเอง 100% โดยใช้ภาษา Python และ Ollama เพื่อทำหน้าที่คอยตรวจสอบโฟลเดอร์เปเปอร์ ดึงเนื้อหาจาก PDF ออกมาสกัดใจความสำคัญอย่างหัวข้อ วัตถุประสงค์ วิธีการวิจัย ผลลัพธ์ และข้อจำกัด แล้วจัดทำเป็นโน้ตสรุปวรรณกรรม (Literature Review) ส่งตรงเข้าสู่สมองส่วนที่สองอย่าง Obsidian โดยอัตโนมัติ

โครงสร้างการทำงานของ Research Assistant Agent

ระบบอัตโนมัตินี้มีกระบวนการไหลของข้อมูลที่เรียบง่ายแต่ทรงพลัง ดังนี้:

1. Monitor & Scan: Agent ทำการตรวจสอบโฟลเดอร์เก็บไฟล์ PDF ในเครื่อง เพื่อค้นหาไฟล์เปเปอร์ใหม่ที่ยังไม่เคยผ่านการประมวลผล
2. Smart Extraction: ดึงข้อความจากหน้าแรกๆ (Abstract/Intro) และหน้าท้ายๆ (Conclusion) ของ PDF เพื่อประหยัด Token และไม่ให้เกิน Context Window ของ Local LLM
3. LLM Synthesis: ส่งข้อมูลให้ Ollama ประมวลผลโดยใช้โมเดลภาษาขนาดใหญ่ที่รันในเครื่อง (เช่น gemma2 หรือ llama3) เพื่อสกัดประเด็นและสรุปตามหัวข้อที่กำหนด
4. Obsidian Integration: เซฟผลลัพธ์เป็นไฟล์ Markdown (.md) ลงใน Obsidian Vault โดยตรง พร้อมแท็กหัวข้อและแนบลิงก์เชื่อมโยงกลับไปยัง PDF ต้นฉบับเพื่อความสะดวกในการย้อนอ่าน

สิ่งที่ต้องเตรียมก่อนเริ่มสร้าง

โปรดตรวจสอบให้แน่ใจว่าเครื่องคอมพิวเตอร์ของคุณได้รับการติดตั้งสิ่งเหล่านี้เรียบร้อยแล้ว:

• Python 3: สำหรับรันสคริปต์และควบคุมขั้นตอนทั้งหมด
• Ollama: ตัวรัน LLM ออฟไลน์ภายในเครื่อง (ดาวน์โหลดได้จาก ollama.com)
• Obsidian: แอปพลิเคชันจดโน้ตแนว Second Brain สำหรับจัดเก็บผลสรุป

สำหรับงานสรุปเปเปอร์วิชาการซึ่งมักมีคำศัพท์เทคนิคและภาษาอังกฤษปนอยู่มาก เราแนะนำให้ดาวน์โหลดโมเดลที่มีความสามารถในการเข้าใจภาษาผสมผสานได้เป็นอย่างดี เช่น gemma2 หรือ llama3 โดยรันคำสั่งใน Terminal:

ollama pull gemma2

ถัดมา ให้ติดตั้งแพ็กเกจสำหรับอ่านและดึงข้อความจากไฟล์ PDF ใน Python:

pip install pypdf

เขียนสคริปต์ Python ควบคุม AI Agent

ให้สร้างไฟล์สคริปต์ Python ชื่อ research_agent.py ขึ้นมา แล้วใส่โค้ดด้านล่างนี้ลงไป โดยอย่าลืมแก้ไข Path ของโฟลเดอร์ PDF และตำแหน่ง Obsidian Vault ให้ตรงกับเครื่องของคุณ:

import os
import json
import urllib.request
from pypdf import PdfReader

# ================= ตั้งค่าระบบ (Configuration) =================
PDF_FOLDER = "/home/linn/research/pdfs"        # โฟลเดอร์ที่เก็บไฟล์ PDF วิจัย
OBSIDIAN_VAULT_PATH = "/home/linn/notes/Research" # Path สำหรับเก็บโน้ตสรุปใน Obsidian
LLM_MODEL = "gemma2"                           # โมเดล Ollama ที่ต้องการใช้
# =============================================================

def extract_pdf_context(pdf_path):
    try:
        reader = PdfReader(pdf_path)
        num_pages = len(reader.pages)

        pages_to_read = []
        if num_pages <= 5:
            pages_to_read = list(range(num_pages))
        else:
            # ดึงเฉพาะ 3 หน้าแรก (Abstract/Intro) และ 2 หน้าสุดท้าย (Conclusion/Discussion)
            pages_to_read = [0, 1, 2] + [num_pages - 2, num_pages - 1]

        text_content = []
        for page_num in pages_to_read:
            if page_num < num_pages:
                page = reader.pages[page_num]
                text = page.extract_text()
                if text:
                    text_content.append(text)

        return "\n--- PAGE BREAK ---\n".join(text_content)
    except Exception as e:
        print(f"เกิดข้อผิดพลาดในการอ่านไฟล์ PDF: {e}")
        return ""

def process_paper_with_ollama(text, pdf_filename):
    prompt = f"""
คุณคือ AI Research Assistant ผู้เชี่ยวชาญด้านการวิเคราะห์และสรุปวรรณกรรมทางวิชาการ (Literature Review)
จงวิเคราะห์ข้อความจากเปเปอร์วิจัยต่อไปนี้ และสรุปข้อมูลออกมาเป็นภาษาไทยตามโครงสร้างที่กำหนดอย่างเคร่งครัด:

[เป้าหมายการสรุป]
1. ดึงข้อมูล Metadata ที่สำคัญ (ชื่อเรื่อง, ผู้แต่ง, ปีที่พิมพ์)
2. สรุปวัตถุประสงค์หลักของการวิจัย (Research Objective)
3. อธิบายระเบียบวิธีวิจัย (Methodology) อย่างกระชับ
4. สรุปผลลัพธ์สำคัญ (Key Findings) เป็นข้อๆ
5. อธิบายข้อจำกัดของงานวิจัยหรือแนวทางในอนาคต (Limitations & Future Work)
6. กำหนดคำสำคัญ (Keywords) 3-5 คำเพื่อสร้างเป็น tag

[ข้อความจากเปเปอร์]
{text[:12000]}

[รูปแบบรายงาน (Markdown Output Format)]
---
title: "[ชื่อเปเปอร์ภาษาอังกฤษ/ไทย]"
authors: "[ชื่อผู้แต่งทุกคน]"
year: "[ปีที่พิมพ์ ค.ศ.]"
tags: ["Research", "[keyword1]", "[keyword2]"]
---

# Literature Review: [ชื่อเปเปอร์]

### 📌 ข้อมูลสังเขป
- **ผู้แต่ง:** [ชื่อผู้แต่ง]
- **ปีที่เผยแพร่:** [ปี]
- **ลิงก์อ้างอิงไฟล์:** [[{pdf_filename}]]

### 🎯 วัตถุประสงค์การวิจัย (Research Objective)
[เขียนอธิบายสั้นๆ เกี่ยวกับเป้าหมายหลักและปัญหาที่งานวิจัยต้องการแก้ไข]

### 🛠️ ระเบียบวิธีวิจัย (Methodology)
[ขั้นตอนหรือกระบวนการวิจัย เช่น วิธีการเก็บข้อมูล, เครื่องมือ, การวิเคราะห์ข้อมูล]

### 📊 ผลลัพธ์และข้อค้นพบสำคัญ (Key Findings)
- [ผลลัพธ์ข้อที่ 1]
- [ผลลัพธ์ข้อที่ 2]
- [ผลลัพธ์ข้อที่ 3]

### ⚠️ ข้อจำกัดและงานในอนาคต (Limitations & Future Work)
- [ข้อจำกัดหรือสิ่งที่ยังขาดอยู่]
- [แนวทางการพัฒนาต่อยอด]
"""

    url = "http://localhost:11434/api/generate"
    data = {
        "model": LLM_MODEL,
        "prompt": prompt,
        "stream": False,
        "options": {
            "num_ctx": 16384  # กำหนดขนาด Context ให้กว้างขึ้นเพื่อรองรับบทความยาว
        }
    }

    req = urllib.request.Request(
        url, 
        data=json.dumps(data).encode('utf-8'), 
        headers={'Content-Type': 'application/json'}
    )

    try:
        with urllib.request.urlopen(req) as response:
            result = json.loads(response.read().decode('utf-8'))
            return result.get('response', '')
    except Exception as e:
        print(f"เกิดข้อผิดพลาดในการเชื่อมต่อกับ Ollama: {e}")
        return ""

def main():
    if not os.path.exists(PDF_FOLDER):
        os.makedirs(PDF_FOLDER)
        print(f"สร้างโฟลเดอร์สำหรับใส่ PDF แล้วที่: {PDF_FOLDER} กรุณานำไฟล์ PDF มาใส่")
        return

    if not os.path.exists(OBSIDIAN_VAULT_PATH):
        os.makedirs(OBSIDIAN_VAULT_PATH)

    pdf_files = [f for f in os.listdir(PDF_FOLDER) if f.lower().endswith('.pdf')]

    if not pdf_files:
        print("ไม่พบไฟล์ PDF ในโฟลเดอร์สำหรับประมวลผล")
        return

    for pdf_file in pdf_files:
        pdf_path = os.path.join(PDF_FOLDER, pdf_file)

        # ตั้งชื่อโน้ตสรุปตามชื่อไฟล์เดิมและเปลี่ยนนามสกุลเป็น .md
        note_name = os.path.splitext(pdf_file)[0] + " - Summary.md"
        note_path = os.path.join(OBSIDIAN_VAULT_PATH, note_name)

        # ปฏิบัติตามหลักการ Idempotence ป้องกันการประมวลผลซ้ำ
        if os.path.exists(note_path):
            print(f"ข้ามไฟล์ {pdf_file} (ตรวจพบไฟล์สรุปแล้ว)")
            continue

        print(f"\nกำลังจัดการไฟล์: {pdf_file}")

        # 1. ดึงข้อความจาก PDF
        pdf_text = extract_pdf_context(pdf_path)
        if not pdf_text:
            print(f"ไม่สามารถอ่านข้อความจาก {pdf_file} ได้")
            continue

        # 2. ส่งให้ Ollama สรุป
        print("กำลังส่งประมวลผลผ่าน Ollama...")
        summary = process_paper_with_ollama(pdf_text, pdf_file)

        if summary:
            # 3. บันทึกลง Obsidian Vault
            with open(note_path, 'w', encoding='utf-8') as f:
                f.write(summary)
            print(f"สร้างโน้ตสรุปเรียบร้อยแล้ว: {note_name}")
        else:
            print(f"การสรุปข้อมูลล้มเหลวสำหรับ: {pdf_file}")

if __name__ == "__main__":
    main()

เทคนิคการสกัดข้อมูลอัจฉริยะ (Smart Context Extraction)

หนึ่งในอุปสรรคสำคัญของการรันโมเดลภาษาขนาดใหญ่ (LLM) ในเครื่องตัวเอง คือข้อจำกัดเรื่องหน่วยความจำและ Context Window Limit ไฟล์ PDF วิจัยโดยทั่วไปมักมีความยาว 10-30 หน้า ซึ่งหากเราส่งเนื้อหาทั้งหมดเข้าไปพร้อมกัน อาจทำให้เครื่องคอมพิวเตอร์ค้าง ประมวลผลช้ามาก หรือชนขีดจำกัดจำนวนคำจนข้อมูลปลายทางสูญหาย

ความเจ๋งของ Agent ตัวนี้อยู่ที่ฟังก์ชัน extract_pdf_context() ซึ่งจะใช้วิธี สุ่มเลือกหน้าสำคัญแบบจำเพาะเจาะจง โดยจะอ่านเฉพาะ 3 หน้าแรก และ 2 หน้าสุดท้ายของเอกสาร ซึ่งเป็นตำแหน่งที่บรรจุ Abstract (บทคัดย่อ), Introduction (บทนำ), Conclusion (บทสรุป) และ Discussion (บทอภิปรายผล) เอาไว้เกือบทั้งหมด วิธีการนี้ช่วยลดจำนวนข้อความที่จะส่งให้ LLM ได้ถึง 70-80% ทำให้การประมวลผลผ่านโมเดล Local รวดเร็วและแม่นยำขึ้นอย่างมหาศาล

[!TIP] สำหรับเครื่องที่มีการ์ดจอแยกที่มี VRAM สูง (เช่น 8GB ขึ้นไป) คุณสามารถเพิ่มขีดจำกัด num_ctx ในการตั้งค่า Ollama ได้ถึง 16384 หรือ 32768 เพื่อให้อ่านหน้าเนื้อหากลางเรื่องได้ละเอียดยิ่งขึ้น

การออกแบบ Prompt สำหรับสร้างวรรณกรรมปริทัศน์ (Literature Review)

เพื่อให้โน้ตที่ได้จาก AI Agent สอดคล้องและเป็นระเบียบเหมาะสมกับการจัดเก็บในคลังความรู้ เราจึงบังคับโครงสร้าง (Format Enforcement) ใน Prompt อย่างชัดเจน

ผลลัพธ์ที่ AI ส่งกลับมาจะมีรูปแบบ Markdown Frontmatter ประกอบไปด้วย Title, Authors, Year และ Tags เสมอ ซึ่งสิ่งนี้จะเอื้อต่อการค้นหาและรวบรวมข้อมูลในระบบ Second Brain ของคุณได้เป็นอย่างดี นอกจากนี้ ในหัวข้อข้อมูลสังเขป ระบบยังสร้างลิงก์เชื่อมโยงไปยังไฟล์ PDF ต้นฉบับในรูปแบบ [[ชื่อไฟล์.pdf]] ให้อัตโนมัติอีกด้วย

เชื่อมโยงเข้าสู่ระบบ Second Brain

เมื่อ AI Agent บันทึกสรุปเป็นไฟล์ .md ลงในโฟลเดอร์ Obsidian Vault ของคุณแล้ว คุณจะสามารถปลดล็อกพลังของ Obsidian ในการจัดการและเชื่อมโยงความรู้ต่อได้อย่างง่ายดาย:

• การสร้างความเชื่อมโยง (Bidirectional Links): หากคุณเก็บไฟล์ PDF ต้นฉบับไว้ในโฟลเดอร์เดียวกับคลังโน้ต Obsidian ลิงก์ [[ชื่อไฟล์.pdf]] ที่ AI สร้างให้จะกลายเป็นลิงก์ที่สามารถคลิกเพื่อเปิดไฟล์ PDF ขึ้นมาอ่านคู่กับโน้ตสรุปได้ทันที
• การกรองข้อมูลด้วย Dataview: คุณสามารถสร้างแดชบอร์ดรวมงานวิจัยโดยใช้ปลั๊กอิน Dataview เพื่อดึงโน้ตสรุปทั้งหมดมาแสดงผล แยกตามปีที่ตีพิมพ์หรือหัวข้อแท็ก เช่น: markdowndataview TABLE authors as Author, year as Year, tags as Keywords FROM #Research SORT year DESC
• การสร้าง Map of Content (MOC): เชื่อมโยงโน้ตสรุปวรรณกรรมนี้เข้ากับโน้ตหลักของแต่ละโปรเจกต์งานวิจัย เพื่อวางโครงสร้างไอเดียเป็นเครือข่ายความรู้ที่จับต้องได้จริง

ด้วยแนวคิด Cognitive Automation แบบ Local-first นี้ นอกจากจะช่วยให้คุณประหยัดเวลาในการอ่านคัดกรองเปเปอร์วิจัยลงไปได้มหาศาลแล้ว ข้อมูลงานวิจัย แผนงาน และประเด็นการคิดวิเคราะห์ทั้งหมดของคุณจะยังถูกเก็บรักษาไว้ภายในฮาร์ดแวร์ของคุณเองอย่างปลอดภัย ไร้ความกังวลเรื่องการรั่วไหลของทรัพย์สินทางปัญญาอย่างสมบูรณ์แบบ