SSD Nodes Learn Hosting plans →
คู่มือ Matt Connorโดย Matt Connor · อัปเดตเมื่อ 2026-10-20

วิธีเปลี่ยนไฟล์เอกสารเทคนิคให้เป็นทักษะสำหรับ AI Agent

เรียนรู้วิธีแปลงไฟล์ PDF หรือ EPUB ให้เป็นทักษะสำหรับ Coding Agent โดยใช้เครื่องมือแปลงไฟล์แบบ Open Source ครอบคลุมการจัดการ Token Budget การรันแบบ Headless และเงื่อนไขลิขสิทธิ์

การเปลี่ยนหนังสือทางเทคนิคให้เป็น agent skill: สิ่งที่คุณจะได้รับ

ในการเปลี่ยนหนังสือทางเทคนิคให้เป็น agent skill คุณเพียงแค่ระบุไฟล์ PDF, EPUB, ไฟล์ที่ส่งออกจาก DOCX หรือโฟลเดอร์ของเอกสารภายในที่คุณมีอยู่ให้กับตัวแปลง (converter) มันจะสร้างไดเรกทอรีของ skill ขึ้นมา โดยประกอบด้วยไฟล์หลักหนึ่งไฟล์ที่เก็บเฟรมเวิร์กที่ตั้งชื่อไว้พร้อมกับดัชนีของบทต่างๆ และไฟล์แยกตามบทอีกหนึ่งไฟล์ต่อหนึ่งบท ซึ่ง agent จะอ่านเฉพาะเมื่อคำถามของคุณเรียกใช้เท่านั้น เนื้อหาของหนังสือจะไม่ถูกนำเข้าสู่ context window แต่ดัชนีจะถูกนำเข้าไป

นี่เป็นงานที่ตรงกันข้ามกับ การเขียน agent skill ขึ้นมาใหม่ตั้งแต่ต้น ซึ่งคุณต้องเข้ารหัสขั้นตอนที่คุณรู้อยู่แล้ว แต่ในกรณีนี้ ความรู้มีอยู่แล้วและไม่มีใครเข้าถึงได้ เช่น ไฟล์ PDF ของผู้จำหน่ายที่มีความยาว 800 หน้า หรือคู่มือที่ไม่มีใครเปิดอ่านเลยตั้งแต่คนที่เขียนมันลาออกไป งานนี้คือการบีบอัดและการทำดัชนี หากคำว่า skill เป็นเรื่องใหม่สำหรับคุณ โปรดอ่าน ว่า agent skill คืออะไรกันแน่ ก่อน

ตัวแปลงที่ใช้ในที่นี้คือ book-to-skill ซึ่งเป็น skill ที่ได้รับอนุญาตแบบ MIT และทำงานบนเครื่องของคุณเอง แท็กปัจจุบัน ณ เดือนตุลาคม 2026 คือ v1.4.0 โครงสร้างที่มันสร้างขึ้นมีความสำคัญมากกว่าตัวเครื่องมือเอง และส่วนสุดท้ายก่อนถึง FAQ จะแสดงวิธีสร้างโครงสร้างเดียวกันด้วยตนเอง

เหตุใดงบประมาณโทเค็นจึงเป็นหัวใจสำคัญของการออกแบบ

การนำหนังสือทั้งเล่มใส่ลงใน context window จะทำให้เสียค่าใช้จ่ายเต็มจำนวนในทุกบทสนทนาที่ต้องใช้งานหนังสือเล่มนั้น ในขณะที่ทักษะ (skill) จะเสียค่าใช้จ่ายสำหรับไฟล์ entry file เพียงครั้งเดียว บวกกับเนื้อหาในบทที่คำถามนั้นอ้างถึงจริงเท่านั้น โครงการนี้จึงกำหนดงบประมาณสำหรับแต่ละไฟล์ที่สร้างขึ้น

แผนภูมิDocumented token budget per generated file, book-to-skill v1.4.0
ข้อมูลเบื้องหลังแผนภูมินี้
[
  {
    "label": "SKILL.md entry file",
    "tokens": "4,000"
  },
  {
    "label": "One chapter file",
    "tokens": "1,000"
  },
  {
    "label": "glossary.md",
    "tokens": "1,500"
  },
  {
    "label": "patterns.md",
    "tokens": "2,000"
  },
  {
    "label": "cheatsheet.md",
    "tokens": "1,000"
  }
]

ไฟล์ entry file ซึ่งก็คือ SKILL.md ถูกจำกัดไว้ที่ 4,000 โทเค็น โดยจะบรรจุชื่อเฟรมเวิร์กและดัชนีของบทต่างๆ ไว้ ไฟล์แต่ละบทมีความยาวประมาณ 1,000 โทเค็นและจะถูกเก็บไว้ในดิสก์จนกว่าจะมีการเรียกใช้งาน ไฟล์สนับสนุนอื่นๆ ก็มีลักษณะคล้ายกัน คือ 1,500 โทเค็นสำหรับ glossary.md, 2,000 สำหรับ patterns.md และ 1,000 สำหรับ cheatsheet.md

งบประมาณเหล่านี้สอดคล้องกับวิธีการที่ Claude Code ใช้ context จริงๆ โดย description ของทักษะจะอยู่ในรายการทักษะเพื่อให้โมเดลทราบว่าทักษะนั้นมีอยู่จริง ส่วนเนื้อหาหลักจะถูกโหลดเมื่อมีการเรียกใช้ทักษะ และเมื่อโหลดแล้วจะคงอยู่ใน context ตลอดช่วงเวลาที่เหลือของเซสชัน ดังนั้นทุกบรรทัดใน entry file จึงเป็นค่าใช้จ่ายที่เกิดขึ้นซ้ำๆ ส่วนไฟล์สนับสนุนจะถูกโหลดเฉพาะเมื่อเอเจนต์อ่านไฟล์เหล่านั้น ซึ่งเป็นเหตุผลว่าทำไมไฟล์แยกรายบทจึงมีต้นทุนต่ำ

มีข้อจำกัดที่เข้มงวดกว่านั้นอยู่เบื้องหลังตัวเลขของ entry file เมื่อระบบ auto-compaction สรุปบทสนทนาที่ยาว Claude Code จะแนบการเรียกใช้ทักษะล่าสุดของแต่ละทักษะกลับเข้าไปหลังบทสรุป และเก็บโทเค็น 5,000 แรกของแต่ละทักษะไว้ ภายใต้งบประมาณรวม 25,000 โทเค็นสำหรับทุกทักษะที่ถูกแนบกลับมา หาก entry file มีขนาดไม่เกิน 5,000 โทเค็น มันจะคงอยู่ครบถ้วนหลังจากการบีบอัด แต่ถ้า entry file มีขนาด 20,000 โทเค็น มันจะถูกดึงกลับมาเพียงหนึ่งในสี่ส่วนแรกเท่านั้น และไม่มีระบบใดแจ้งให้คุณทราบว่าส่วนที่เหลืออีกสามส่วนหายไปไหน

นี่คือหลักการของการเปิดเผยข้อมูลแบบค่อยเป็นค่อยไป (progressive disclosure): ดัชนีขนาดเล็กที่คุ้มค่าต่อการเก็บไว้เสมอ และเนื้อหาจำนวนมากที่ถูกเก็บไว้หลังประตูที่เอเจนต์จะเปิดออกเมื่อจำเป็นเท่านั้น วิธีที่ Claude Code จัดการ context window อธิบายรายละเอียดส่วนที่เหลือของการคำนวณนี้

ติดตั้งตัวแปลงบน VPS ของคุณโดยตรึงเวอร์ชันไว้ที่ release ที่กำหนด

ทักษะนี้อยู่ในรูปแบบ git repository ให้โคลนลงในไดเรกทอรี skills ของเอเจนต์ที่คุณใช้งาน ชื่อของไดเรกทอรีจะกลายเป็น slash command ดังนั้นเส้นทางการโคลนจึงไม่ใช่เรื่องของความชอบส่วนบุคคล

git clone --depth 1 --branch v1.4.0 \
  https://github.com/virgiliojr94/book-to-skill.git \
  ~/.claude/skills/book-to-skill

--branch รองรับการระบุ tag ดังนั้นคำสั่งนี้จะดึงเฉพาะ v1.4.0 และไม่รวมเวอร์ชันที่ใหม่กว่า การตรึงเวอร์ชันไว้เป็นสิ่งสำคัญเนื่องจากทักษะคือชุดคำสั่งที่เอเจนต์ของคุณปฏิบัติตาม และการเปลี่ยนแปลงชุดคำสั่งเหล่านั้นโดยไม่ได้ตรวจสอบย่อมหมายถึงการเปลี่ยนแปลงสิ่งที่ทำงานบนเซิร์ฟเวอร์ของคุณ GitHub Copilot CLI จะอ่านค่าจาก ~/.copilot/skills/ แทน ส่วน Amp จะอ่านจาก ~/.agents/skills/

นอกจากนี้ยังมีวิธีการติดตั้งแบบบรรทัดเดียวคือ npx skills add virgiliojr94/book-to-skill ซึ่งจะดึงเวอร์ชันล่าสุดมาให้ ให้ใช้คำสั่งนี้เพื่อทดลองใช้งานเครื่องมือ แต่สำหรับการใช้งานที่ต้องเรียกซ้ำให้ใช้การโคลนแบบตรึงเวอร์ชันแทน

จากนั้นตรวจสอบว่าเซิร์ฟเวอร์ของคุณมี extractor ตัวใดบ้าง:

cd ~/.claude/skills/book-to-skill
python3 scripts/extract.py --check

--check จะรายงานว่ามี extractor ใดติดตั้งอยู่บ้างและแสดงคำแนะนำว่าต้องติดตั้งอะไรเพิ่มเติมสำหรับส่วนที่ขาดหายไป โดยจะแสดงคำสั่ง pip รวมสำหรับแพ็กเกจ Python ที่ขาดไป และคำแนะนำสำหรับเครื่องมือระบบแต่ละตัวที่ยังไม่มี แพ็กเกจนี้ต้องการ Python 3.9 หรือใหม่กว่า

หาก /book-to-skill ไม่ปรากฏใน autocomplete หลังจากโคลนเสร็จสิ้น ให้รัน /reload-skills หรือรีสตาร์ทเอเจนต์ของคุณ Claude Code จะเฝ้าติดตามไดเรกทอรีทักษะที่มีอยู่ตั้งแต่เริ่มเซสชัน ดังนั้น ~/.claude/skills/ ที่คุณเพิ่งสร้างขึ้นเมื่อสองนาทีก่อนจึงยังไม่ถูกเฝ้าติดตาม

คุณจำเป็นต้องใช้ extractor ตัวไหนบ้าง?

ไม่มีสิ่งใดจำเป็นต้องใช้เกินไปกว่า Python เนื่องจากทุกรูปแบบไฟล์มีตัวสำรองใน standard library อยู่แล้ว แต่ตัวสำรองเหล่านั้นมีประสิทธิภาพต่ำกว่า และบนเซิร์ฟเวอร์ขนาดเล็ก การติดตั้ง extractor ที่ไม่ได้ใช้งานจะทำให้เสียเวลาโดยเปล่าประโยชน์

  • pdftotext จากแพ็กเกจ poppler-utils ใช้จัดการไฟล์ PDF ที่มีข้อความจำนวนมากและทำงานได้เกือบจะทันที ติดตั้งได้ด้วย sudo apt install poppler-utils
  • pypdf และ pdfminer.six คือตัวสำรองของ Python สำหรับไฟล์ PDF
  • docling ใช้สำหรับไฟล์ PDF ทางเทคนิคที่เน้นข้อมูลในตารางและรายการโค้ด โครงการนี้วัดประสิทธิภาพไว้ที่ประมาณ 1.5 วินาทีต่อหน้า
  • ebooklib ร่วมกับ beautifulsoup4 ใช้สำหรับอ่านไฟล์ EPUB อย่างถูกต้อง หากไม่มีเครื่องมือจะเปลี่ยนไปใช้ตัวอ่าน zipfile ของ stdlib แทน
  • python-docx ใช้สำหรับอ่านไฟล์ DOCX และ striprtf ใช้สำหรับอ่านไฟล์ RTF
  • ebook-convert ของ Calibre จำเป็นสำหรับไฟล์ MOBI และ AZW
  • ocrmypdf ใช้ทำ OCR (การรู้จำอักขระด้วยแสง) สำหรับหนังสือที่สแกนมาซึ่งไม่มีเลเยอร์ข้อความเลย

บน Ubuntu 24.04 การใช้ pip3 install pypdf แบบปกติจะหยุดทำงานพร้อมข้อความนี้:

error: externally-managed-environment

นี่ไม่ใช่ pip ที่พัง แต่ Ubuntu และ Debian กำหนดให้ Python ของระบบถูกจัดการโดย apt ดังนั้น pip จึงปฏิเสธที่จะเขียนไฟล์ลงไป มีสองวิธีที่ใช้ได้ผล วิธีแรกคือ sudo apt install poppler-utils ซึ่งเป็นการติดตั้งแบบ binary และไม่จำเป็นต้องใช้ pip เลย ส่วน pdftotext สามารถจัดการไฟล์ PDF ที่เป็นข้อความส่วนใหญ่ได้ด้วยตัวเอง สำหรับ extractor ของ Python ให้สร้าง virtual environment และเริ่มการทำงานของ agent จากภายในนั้น เพื่อให้ python3 ที่ skill เรียกใช้เป็น interpreter ที่มีแพ็กเกจเหล่านั้นติดตั้งอยู่

python3 -m venv ~/.venvs/book-to-skill
source ~/.venvs/book-to-skill/bin/activate
pip install "$HOME/.claude/skills/book-to-skill[pdf,epub,docx]"
claude

การ checkout v1.4.0 ที่ถูกระบุเวอร์ชันไว้จะประกาศ extras ได้แก่ pdf, epub, docx, rtf, technical และ all โดยที่ technical คือ docling หน้าการติดตั้งของโครงการยังระบุวิธีติดตั้งผ่านบรรทัดคำสั่งโดยตรงจาก GitHub ด้วย pip install "book-to-skill[pdf,epub,docx] @ git+https://github.com/virgiliojr94/book-to-skill.git" ตามด้วย book-to-skill --check เพื่อแสดงรายการ extractor ที่ติดตั้งไว้ วิธีนี้ไม่จำเป็นต้องใช้ PyPI release แต่จะเป็นการติดตั้ง branch เริ่มต้นของโครงการแทนที่จะเป็น v1.4.0 และคุณจะได้เพียงคำสั่ง extractor เท่านั้น ไม่ใช่ /book-to-skill skill สำหรับการตั้งค่าที่ระบุเวอร์ชันไว้ ให้ติดตั้งจาก checkout ของคุณเองตามที่ระบุข้างต้น การใช้ pip install book-to-skill เปล่าๆ จะไม่ทำงาน เนื่องจากชื่อนั้นยังไม่ได้ถูกเผยแพร่บน PyPI ณ เดือนตุลาคม 2026

ละเว้น docling ไว้ก่อนจนกว่าจะมีหนังสือที่จำเป็นต้องใช้ เนื่องจากมันจะดึง stack ของ machine learning มาด้วย ดังนั้นควรตรวจสอบพื้นที่ดิสก์ว่างบนแผนบริการขนาดเล็กก่อนทำการติดตั้ง

การรันคำสั่งผ่านโฟลเดอร์เอกสาร รวมถึงการรันแบบ headless

คำสั่งนี้รองรับการระบุไฟล์, โฟลเดอร์, glob ที่อยู่ในเครื่องหมายคำพูด หรือหลายพาธพร้อมกัน ตามด้วยชื่อ skill ที่ต้องการ คุณสามารถใช้ข้อมูลใดก็ได้ที่อยู่ในไดเรกทอรีเดียว รวมถึงชุดเอกสาร RFC (Request for Comments ซึ่งเป็นเอกสารกำหนดมาตรฐานโปรโตคอลอินเทอร์เน็ต)

/book-to-skill ~/library/platform-docs/ platform-handbook
/book-to-skill "~/books/*.epub" my-library
/book-to-skill ~/papers/paper1.pdf ~/notes/export.txt unified-research

ให้ใส่เครื่องหมายคำพูดครอบ glob เพื่อป้องกันไม่ให้ shell ขยายค่าก่อนที่ skill จะได้รับ หากระบุพาธไปยังไดเรกทอรีของ skill ที่มีอยู่แล้ว ระบบจะรวมแหล่งข้อมูลใหม่เข้าไปใน skill นั้น แทนที่จะสร้าง skill ใหม่ขึ้นมา

การรันแบบโต้ตอบ (interactive) จะมีคำถามให้คุณตอบ เช่น เนื้อหาเป็นเชิงเทคนิคหรือเน้นข้อความ ซึ่งจะเป็นตัวกำหนดตัวสกัด (extractor) ที่เหมาะสม, ต้องการให้ skill ช่วยทำอะไร ซึ่งจะกำหนดความลึกของการอ้างอิงหรือการศึกษาและงบประมาณต่อบท, ชื่อของ skill, และหากยังไม่มี root ของ skill หรือมีมากกว่าหนึ่ง root ระบบจะถามว่าต้องการให้เก็บไว้ที่ใด นอกจากนี้ระบบจะแสดงการประมาณการจำนวน token และเวลาที่ใช้ก่อนเริ่มสร้าง และรอให้คุณยืนยัน

การรันแบบ headless จะไม่มีผู้ตอบคำถามเหล่านี้ คุณสามารถใช้ skill ที่เรียกใช้งานโดยผู้ใช้ได้ใน claude -p โดยใส่ slash command ลงใน prompt string แล้ว Claude Code จะขยายค่าก่อนเริ่มการรัน ดังนั้นให้ตอบคำถามเหล่านั้นไว้ใน prompt เดียวกัน

claude -p "/book-to-skill ~/library/platform-docs/ platform-handbook
The sources are technical. Use reference depth. Write the skill to
~/.claude/skills/. Do not publish it to GitHub. Proceed without asking me." \
  --allowedTools "Bash,Read,Write,Edit"

--allowedTools จะทำการอนุมัติเครื่องมือที่จำเป็นสำหรับการรันล่วงหน้า เนื่องจากหากมีการแจ้งเตือนขอสิทธิ์ในขณะที่ไม่มี terminal เชื่อมต่ออยู่ การรันนั้นจะไม่เสร็จสิ้น การเพิ่ม --output-format json จะทำให้ผลลัพธ์แสดง total_cost_usd ซึ่งเป็นการประมาณการที่ฝั่งไคลเอนต์แทนที่จะเป็นยอดเรียกเก็บเงินของคุณ

กระบวนการสกัด (extraction) จะรวบรวมแหล่งข้อมูลทั้งหมดไว้ในไดเรกทอรีทำงานชั่วคราวภายใต้ /tmp ก่อนที่โมเดลจะอ่านข้อมูล และขั้นตอนสุดท้ายของการรันจะลบไดเรกทอรีดังกล่าวทิ้ง แหล่งข้อมูลใดที่สกัดไม่สำเร็จจะถูกข้ามไปเพื่อให้การประมวลผลแบบ batch ดำเนินต่อไปได้ ซึ่งหมายความว่าการรันอาจรายงานว่าสำเร็จแม้จะอ่านไฟล์ได้น้อยกว่าจำนวนที่คุณระบุไว้ ให้ตรวจสอบรายการไฟล์ในรายงานฉบับสุดท้ายเทียบกับสิ่งที่อยู่ในโฟลเดอร์ หากบทใดหายไป มักเกิดจากแหล่งข้อมูลนั้นไม่ถูกอ่าน

ควรใช้เซิร์ฟเวอร์ที่คุณมั่นใจในการมอบสิทธิ์ให้แก่ agent ในการรัน การรัน Claude Code อย่างปลอดภัยบน VPS ครอบคลุมรายละเอียดด้านสิทธิ์ในส่วนนี้

ตำแหน่งที่ไฟล์ผลลัพธ์จะถูกจัดเก็บเพื่อให้ coding agent ของคุณค้นพบ

ทักษะที่สร้างขึ้นจะถูกจัดเก็บไว้ในรูทของทักษะ ซึ่งมีอยู่สองตำแหน่งที่สำคัญ:

  • ~/.claude/skills/<skill-name>/ เป็นตำแหน่งส่วนบุคคลและสามารถใช้งานได้ในทุกโปรเจกต์บนเครื่องนั้น
  • .claude/skills/<skill-name>/ จะอยู่ใน repository และถูกย้ายไปพร้อมกับ repository นั้น

ภายในตำแหน่งใดตำแหน่งหนึ่ง คุณจะพบ SKILL.md ซึ่งเป็นไดเรกทอรี chapters/ ที่มีไฟล์หนึ่งไฟล์ต่อหนึ่งบท รวมถึงไฟล์สนับสนุนอื่นๆ ชื่อของไดเรกทอรีคือคำสั่ง ดังนั้น ~/.claude/skills/platform-handbook/ จะให้ผลลัพธ์เป็น /platform-handbook และคุณสามารถตามด้วยหัวข้อหรือคำถามทั่วไปได้

ให้เลือกรูทโดยพิจารณาจากสิทธิ์การใช้งานแทนความสะดวก ทักษะที่สร้างจากหนังสือที่คุณซื้อควรอยู่ในไดเรกทอรีส่วนบุคคล ส่วนทักษะที่สร้างจากเอกสารที่ทีมของคุณเขียนเองควรอยู่ใน repository ซึ่งจะทำให้ การแชร์ทักษะเดียวข้ามหลาย repository กลายเป็นปัญหาถัดไปที่ต้องแก้ไข

ต้นทุนอย่างหนึ่งจะเพิ่มขึ้นตามจำนวนทักษะที่คุณเพิ่มเข้าไป คำอธิบายของแต่ละทักษะจะถูกเก็บไว้ในรายการทักษะเพื่อให้โมเดลตัดสินใจเลือกใช้งานได้ ข้อความคำอธิบายรวมจะถูกตัดทอนที่ 1,536 ตัวอักษรต่อรายการ และรายการโดยรวมจะมีงบประมาณจำกัด ทักษะจากหนังสือ 10 เล่มหมายถึงคำอธิบาย 10 รายการที่ต้องแย่งพื้นที่กัน สำหรับทักษะที่คุณเรียกใช้ด้วยชื่อเป็นประจำ ให้เพิ่มหนึ่งบรรทัดลงใน frontmatter ที่สร้างขึ้น:

---
name: platform-handbook
description: Frameworks and chapter index from the internal platform handbook.
disable-model-invocation: true
---

ด้วย disable-model-invocation: true คำอธิบายจะถูกแยกออกจากบริบทโดยสิ้นเชิง และทักษะจะยังคงโหลดเต็มรูปแบบเมื่อคุณพิมพ์ /platform-handbook คุณจะสูญเสียการค้นพบอัตโนมัติ แต่จะได้หน้าต่างบริบทที่สะอาดขึ้น

การอนุญาตให้ใช้สิทธิ์: MIT ครอบคลุมเฉพาะตัวแปลง ไม่ใช่เนื้อหาในหนังสือ

โปรดทำความเข้าใจในประเด็นนี้ให้ชัดเจน เนื่องจากความผิดพลาดที่อาจเกิดขึ้นไม่ใช่ปัญหาทางเทคนิค

  • สิทธิ์การใช้งานแบบ MIT ครอบคลุมเฉพาะโค้ดของตัวแปลงและนิยามทักษะ (skill definition) เท่านั้น โดยไม่ได้กล่าวถึงเอกสารที่คุณนำมาป้อนเข้าสู่ระบบ
  • การรันตัวแปลงกับหนังสือที่คุณซื้อมาบนฮาร์ดแวร์ที่คุณควบคุม ถือเป็นการจดบันทึกจากสำเนาส่วนตัวของคุณ
  • การเผยแพร่ผลลัพธ์ถือเป็นการแจกจ่าย และสิทธิ์การใช้งานแบบ MIT ของเครื่องมือนี้ไม่ได้มอบสิทธิ์ให้คุณแจกจ่ายผลงานใดๆ ที่ดัดแปลงมาจากหนังสือของผู้อื่น
  • ผลลัพธ์ที่ได้ถือเป็นงานดัดแปลง (derivative work) โครงสร้างและประเด็นสำคัญของบทต่างๆ ยังคงถูกกำหนดโดยแหล่งข้อมูลต้นฉบับ และงานดัดแปลงยังคงอยู่ภายใต้ลิขสิทธิ์ของแหล่งข้อมูลนั้น
  • ทักษะที่สร้างขึ้นจากเนื้อหาที่คุณไม่สามารถแจกจ่ายได้ จะต้องเก็บไว้บนเครื่องที่สร้างมันขึ้นมาเท่านั้น ห้ามนำไปไว้ใน repository สาธารณะ หรือ marketplace ของทีมที่ใช้ร่วมกัน
  • คุณสามารถเผยแพร่ได้ก็ต่อเมื่อแหล่งข้อมูลนั้นเป็นของคุณหรือได้รับอนุญาตให้เผยแพร่ได้อย่างเปิดเผย เช่น เอกสารที่ทีมของคุณเขียนขึ้นเอง หรือมาตรฐานที่ข้อกำหนดอนุญาตให้แจกจ่ายได้

เครื่องมือนี้ถูกสร้างขึ้นโดยคำนึงถึงประเด็นดังกล่าว โดยไม่มีการจัดส่งเนื้อหาหนังสือใดๆ มาพร้อมกับตัวเครื่องมือ และการสกัดข้อมูลจะทำงานในเครื่อง (locally) เท่านั้น v1.4.0 ที่ถูกปักหมุดไว้จะแสดงเพียงบรรทัด gh skill publish ที่เป็นตัวเลือกเสริม และไม่เคยสอบถามเกี่ยวกับระดับการมองเห็น (visibility) ดังนั้นการตัดสินใจจึงขึ้นอยู่กับคุณโดยสมบูรณ์ สาขาเริ่มต้น (default branch) ของโปรเจกต์ได้เพิ่มขั้นตอนการเผยแพร่ที่สอบถามเกี่ยวกับระดับการมองเห็นของ repository โดยเป็นคำถามแยกต่างหาก และจะสร้าง repository สาธารณะก็ต่อเมื่อคำตอบคือคำว่า public เท่านั้น หากเป็นคำอื่น ระบบจะตั้งค่าเป็นส่วนตัว (private) ให้ถือว่าขั้นตอนนี้เป็นการตัดสินใจด้านลิขสิทธิ์ เพราะนั่นคือสิ่งที่มันเป็น

คู่มือภายในองค์กรมีปัญหาอีกประการหนึ่ง คือมักจะมีข้อมูลรับรอง (credentials) แฝงอยู่มากกว่าที่ใครจะยอมรับ และตัวแปลงจะเปลี่ยนไฟล์ PDF ที่ไม่มีใครเปิดอ่าน ให้กลายเป็นไฟล์ที่เอเจนต์ของคุณอ่านได้ตามต้องการ โปรดตรวจสอบไฟล์ที่สร้างขึ้นก่อนทำการ commit และดูรายละเอียดเพิ่มเติมได้ที่ การเก็บรักษาความลับให้ห่างจากเอเจนต์ AI ของคุณ

การแปลงข้อมูลหนึ่งครั้งมีค่าใช้จ่ายเท่าใด

ตัวเลขด้านล่างนี้เป็นการวัดผลที่โครงการเผยแพร่ด้วยตนเอง ไม่ใช่การวัดผลของเรา

แผนภูมิCost to convert one full-length book, as published by the project
ข้อมูลเบื้องหลังแผนภูมินี้
[
  {
    "label": "Think Python 2",
    "cost_usd": 0.88
  },
  {
    "label": "Working Backwards",
    "cost_usd": 0.96
  },
  {
    "label": "Pro Git",
    "cost_usd": 1.23
  },
  {
    "label": "Moby-Dick",
    "cost_usd": 1.42
  }
]

จากการวัดผลหนังสือจำนวน 4 เล่มของโครงการ การแปลงข้อมูลหนึ่งครั้งมีค่าใช้จ่ายอยู่ระหว่าง 0.88 ถึง 1.42 ดอลลาร์สหรัฐ โดยหนังสือ Pro Git มีค่าใช้จ่ายอยู่ที่ 1.23 ตัวเลขเหล่านี้วัดผลบน Claude Sonnet 4.5 โดยนับจำนวนโทเค็นจาก tiktoken ด้วยการใช้ cl100k_base และได้รับการเผยแพร่ใน docs/performance.md ของโครงการ ณ เดือนตุลาคม 2026 ตัวเลขของคุณจะเปลี่ยนแปลงไปตามโมเดลและราคาที่คุณใช้งาน

นอกจากนี้ โครงการยังระบุว่าการตอบคำถามหนึ่งข้อโดยใช้ทักษะ (skill) จะใช้จำนวนโทเค็นน้อยกว่าการคัดลอกเนื้อหาทั้งเล่มลงในบริบท (context) ถึง 24 ถึง 51 เท่า โปรดมองว่านี่เป็นแนวโน้มของการประหยัดค่าใช้จ่ายมากกว่าการรับประกัน เนื่องจากผลลัพธ์ขึ้นอยู่กับหนังสือและคำถามนั้นๆ อย่างไรก็ตาม ประเด็นเชิงโครงสร้างยังคงเดิม คือการแปลงข้อมูลจะจ่ายเพียงครั้งเดียว ในขณะที่การใส่ข้อมูลลงในบริบทจะต้องจ่ายซ้ำทุกครั้งที่มีการสนทนาที่จำเป็นต้องใช้หนังสือเล่มนั้น

ทำไมไม่ใช้วิธีแปะไฟล์ PDF หรือสร้างดัชนี RAG?

การแปะเนื้อหาใช้งานได้จริง และเป็นคำตอบที่เหมาะสมสำหรับคำถามเดียวเกี่ยวกับเอกสารหนึ่งฉบับ แต่วิธีนี้จะไม่เหมาะสมอีกต่อไปเมื่อคุณต้องใช้หนังสือเล่มเดิมทั้งในวันอังคารและวันศุกร์ เพราะคุณต้องเสียค่าใช้จ่ายตามขนาดเต็มของข้อมูลทุกครั้งที่ใช้งาน

การดึงข้อมูลหรือ RAG (retrieval augmented generation) จะทำการค้นหาในขณะที่มีการสอบถามและส่งคืนข้อความที่ตรงกับคำค้นหาของคุณ วิธีนี้มีประสิทธิภาพสูงเมื่อคุณต้องการประโยคที่ถูกต้องแม่นยำ แต่จะด้อยประสิทธิภาพเมื่อสิ่งที่เป็นประโยชน์คือกรอบแนวคิดที่กระจายอยู่ทั่วทั้งบท เนื่องจากไม่มีข้อความส่วนใดส่วนหนึ่งที่ครอบคลุมเนื้อหาทั้งหมดได้ การสร้าง Skill จะทำหน้าที่สกัดข้อมูลดังกล่าวเพียงครั้งเดียวในขั้นตอนการแปลงข้อมูล และจัดเก็บเป็นโครงสร้างแทนที่จะเก็บเป็นข้อความดิบ

ข้อจำกัดที่ต้องยอมรับคือ Skill ที่ถูกสร้างขึ้นเป็นสรุปแบบสูญเสียข้อมูล (lossy summary) ที่เขียนโดยโมเดล มันเป็นเพียงเครื่องมือช่วยศึกษา และแหล่งข้อมูลต้นฉบับยังคงเป็นสิ่งที่สำคัญที่สุด ในกรณีที่ถ้อยคำที่ถูกต้องแม่นยำมีผลทางกฎหมายหรือระเบียบปฏิบัติ ให้เก็บไฟล์ PDF ไว้และอ้างอิงจากไฟล์นั้นโดยตรง การเปรียบเทียบ Skill กับ MCP servers และไฟล์กฎ จะครอบคลุมถึงสถานการณ์ที่แต่ละแนวทางเหมาะสมที่สุด

รูปแบบความล้มเหลวและข้อความที่คุณจะพบ

ไฟล์ PDF ที่สแกนมาไม่แสดงผลลัพธ์ใดๆ ตัวดึงข้อมูลจะตรวจสอบหน้าแรกๆ ว่ามีเลเยอร์ข้อความหรือไม่ หากไม่พบจะหยุดทำงานพร้อมแจ้งคำอธิบาย แทนที่จะเสียเวลาประมวลผลรูปภาพทั้ง 400 หน้า ให้รัน ocrmypdf input.pdf output.pdf ก่อน แล้วจึงส่งไฟล์ผลลัพธ์นั้นเข้าไป

pip ปฏิเสธการติดตั้ง error: externally-managed-environment บน Ubuntu 24.04 เกิดจากการที่ apt ปกป้องระบบ Python ไว้ ให้ใช้ virtual environment ตามที่ระบุไว้ข้างต้น หรือติดตั้ง poppler-utils แล้วข้ามการใช้ pip ไปเลย

บทของหนังสือออกมาไม่ถูกต้อง ระบบตรวจจับบทจะมองหาหัวข้อที่ชัดเจน เช่น Chapter 7 และรูปแบบภาษาอื่นๆ รวมถึงจดจำเลขโรมัน เช่น Chapter IV หรือ IV. Title ได้ด้วย หนังสือที่ใช้หัวข้อส่วนแบบไม่มีเลขกำกับจะทำให้การแบ่งบทผิดพลาด วิธีแก้ไขคือระบุตำแหน่งเริ่มต้นของบทให้ชัดเจน แทนที่จะคาดหวังให้ระบบเดาเอง

คำสั่งไม่มีอยู่จริง หาก /book-to-skill ไม่ปรากฏใน autocomplete แสดงว่าไดเรกทอรี skills ถูกสร้างขึ้นหลังจากที่คุณเริ่ม session แล้ว ให้รัน /reload-skills หรือเริ่มการทำงานของ agent ใหม่

Docling ใช้เวลานานเกินไป ด้วยความเร็วประมาณ 1.5 วินาทีต่อหน้า การประมวลผลหนังสือเล่มยาวต้องใช้เวลา CPU นานหลายนาที และบนเซิร์ฟเวอร์ที่ใช้งานร่วมกัน การทำงานนี้จะแย่งทรัพยากรกับบริการอื่นที่คุณโฮสต์อยู่ ให้ตอบว่า "text-heavy" เมื่อระบบถามถึงประเภทเนื้อหา หรือส่งค่า --mode text เมื่อคุณรัน scripts/extract.py ด้วยตนเอง --mode technical คือคำตอบที่เลือกใช้ docling

แหล่งข้อมูลหายไปอย่างเงียบๆ ไฟล์ที่ไม่สามารถอ่านได้จะถูกข้ามไปเพื่อให้การประมวลผลแบบ batch ทำงานจนจบ การรันจะรายงานว่าสำเร็จแม้จำนวนแหล่งข้อมูลจะน้อยกว่าที่คุณส่งให้ และจุดเดียวที่จะเห็นความผิดปกตินี้คือรายการไฟล์ในรายงานฉบับสุดท้าย นิสัยในการตรวจสอบผลการรันเทียบกับข้อมูลที่คุณให้ไปนั้นเป็นประโยชน์มากกว่าแค่เครื่องมือนี้ และ วิธี Depth Tree ของทักษะ the unlazy เป็นวิธีหนึ่งที่ช่วยให้ agent รักษามาตรฐานการทำงานของตนเอง แทนที่จะประกาศว่างานเสร็จสิ้นก่อนเวลาอันควร

ประยุกต์ใช้รูปแบบเดียวกันด้วยตนเอง

เครื่องมือนี้เป็นเพียงความสะดวกสบาย โครงสร้างต่างหากคือส่วนที่นำไปปรับใช้ได้จริง และโปรแกรมแก้ไขข้อความ (text editor) สามารถใช้สร้างโครงสร้างนี้สำหรับเอกสารอ้างอิงใดๆ ที่คุณมี

  1. เขียนไฟล์รายการหลัก (entry file) หนึ่งไฟล์และเก็บไว้ใกล้กับโทเค็น 4,000 ที่ตัวแปลงข้อมูลกำหนดเป้าหมายไว้ ใส่แนวคิดที่ตั้งชื่อไว้ลงในไฟล์พร้อมกับคำจำกัดความที่แม่นยำ รวมถึงดัชนีที่ระบุรายการไฟล์รายละเอียดทั้งหมดและหัวข้อที่ไฟล์เหล่านั้นบรรจุอยู่
  2. แบ่งเนื้อหาออกเป็นไฟล์ที่มีขนาดประมาณ 1,000 โทเค็น โดยให้หนึ่งไฟล์ต่อหนึ่งหัวข้อ และตั้งชื่อไฟล์ให้สื่อถึงเนื้อหาภายในอย่างชัดเจน
  3. อธิบายไฟล์เหล่านั้นแต่ละไฟล์จากไฟล์รายการหลัก โดยระบุไว้ในประโยคที่บอกว่าควรเปิดอ่านเมื่อใด

ขั้นตอนที่ 3 คือขั้นตอนที่ผู้คนมักข้ามไป และเป็นขั้นตอนที่ทำให้รูปแบบนี้ใช้งานได้จริง ตัวแทน (agent) จะเลือกไฟล์ที่จะเปิดโดยการอ่านจากดัชนี ดังนั้นไฟล์ที่ไม่มีการอธิบายไว้ในดัชนีจะเป็นไฟล์ที่ตัวแทนไม่เคยเปิดอ่าน ดัชนีคือตัวผลิตภัณฑ์ ส่วนไฟล์บทต่างๆ คือที่จัดเก็บข้อมูล

รักษาไฟล์รายการหลักให้อยู่ภายในงบประมาณการบีบอัดข้อมูล (compaction budget) แล้วโครงสร้างทั้งหมดจะคงอยู่ได้ตลอดเซสชันที่ยาวนาน กฎข้อนี้ใช้ได้ไม่ว่าไฟล์เหล่านั้นจะถูกสร้างโดยตัวแปลงข้อมูลหรือสร้างโดยตัวคุณเองก็ตาม

FAQ

ฉันสามารถเผยแพร่ skill ที่สร้างจากหนังสือที่ฉันซื้อมาได้หรือไม่?

ไม่ได้ เว้นแต่ว่าใบอนุญาตของหนังสือเล่มนั้นจะอนุญาตให้แจกจ่ายต่อได้ ใบอนุญาต MIT บนตัวแปลงครอบคลุมเฉพาะโค้ดของตัวแปลงเท่านั้น ไม่ใช่เนื้อหาที่คุณป้อนเข้าไป และ skill ที่สร้างขึ้นถือเป็นงานดัดแปลงจากหนังสือเล่มนั้น ให้เก็บไว้ใน ~/.claude/skills/ บนเครื่องของคุณเอง การเผยแพร่สามารถทำได้สำหรับเอกสารที่คุณเขียนขึ้นเองหรือแหล่งข้อมูลที่ได้รับอนุญาตแบบเปิด v1.4.0 ที่ถูกปักหมุดไว้จะไม่ถามเรื่องการมองเห็น ในขณะที่ branch เริ่มต้นของโปรเจกต์จะถามเรื่องนี้เป็นคำถามแยกต่างหากและจะเผยแพร่ต่อสาธารณะก็ต่อเมื่ออยู่บน public เปล่าๆ เท่านั้น ดังนั้นไม่ว่าจะทางใด การตัดสินใจก็เป็นสิ่งที่คุณต้องเลือกอย่างตั้งใจ

ฉันจำเป็นต้องใช้ docling หรือแค่ pdftotext ก็เพียงพอแล้ว?

pdftotext จาก poppler-utils เพียงพอสำหรับเนื้อหาที่เป็นข้อความและทำงานได้เกือบจะทันที ให้ติดตั้ง docling เมื่อคุณค่าของหนังสืออยู่ที่ตารางและรายการโค้ด เพราะตัวดึงข้อความธรรมดาจะตัดส่วนเหล่านั้นทิ้งไป สิ่งที่ต้องแลกคือความเร็ว โดยโปรเจกต์วัดค่า docling ได้ประมาณ 1.5 วินาทีต่อหน้า ดังนั้นคู่มือขนาด 300 หน้าจะใช้เวลาประมวลผลบน CPU ของ VPS หลายนาที

ทำไม pip ถึงล้มเหลวด้วยข้อผิดพลาด externally-managed-environment บน VPS ของฉัน?

Ubuntu 24.04 และ Debian รุ่นปัจจุบันกำหนดให้ Python ของระบบถูกจัดการโดย apt ดังนั้น pip จึงปฏิเสธที่จะติดตั้งลงในนั้นและแสดงข้อความ error: externally-managed-environment ให้สร้าง virtual environment ด้วย python3 -m venv ~/.venvs/book-to-skill, เปิดใช้งาน (activate), ติดตั้งตัวดึงข้อมูล (extractor) ไว้ที่นั่น จากนั้นจึงเริ่ม agent ของคุณจาก shell เดียวกันนั้น ตัว skill จะเรียกใช้ python3 ดังนั้นมันจะใช้ interpreter ตัวใดก็ตามที่อยู่ใน PATH ของคุณ ซึ่งตอนนี้คือตัวที่อยู่ใน virtual environment แล้ว

ทำไม skill ที่ฉันสร้างขึ้นถึงไม่แสดงเป็น slash command?

มีสองสาเหตุ ชื่อคำสั่งมาจากชื่อไดเรกทอรี ดังนั้น skill จะต้องวางอยู่ที่ ~/.claude/skills/<name>/SKILL.md หรือ .claude/skills/<name>/SKILL.md โดยที่ SKILL.md ต้องสะกดให้ถูกต้องตามนั้น หาก path ถูกต้องแล้ว ให้รัน /reload-skills หรือรีสตาร์ท agent ใหม่ Claude Code จะตรวจพบการแก้ไขภายในไดเรกทอรี skill ที่มันเฝ้าดูอยู่แล้ว แต่ไดเรกทอรี skill ที่ถูกสร้างขึ้นหลังจากเริ่ม session ไปแล้วนั้นจะยังไม่ถูกเฝ้าดูจนกว่าคุณจะดำเนินการดังกล่าว

บทความนี้มีประโยชน์หรือไม่