สร้าง AI Knowledge Base แบบเดียวกับ Karpathy ได้ง่ายๆ โดยไม่ต้องเขียนโค้ด

FOMO ของคุณ ถูก Karpathy ปั่นหัวเข้าให้อีกแล้ว

เมื่อสัปดาห์ที่แล้ว Andrej Karpathy ได้โพสต์ทวีตว่า ตอนนี้เขาไม่ได้ใช้ AI token จำนวนมหาศาลไปกับการเขียนโค้ดอีกต่อไป แต่หันไปใช้กับการสร้างคลังความรู้ส่วนตัว (Personal Knowledge Base) แทน ทวีตนี้มียอดเข้าชมถึง 17 ล้านครั้ง และกลายเป็นไวรัลในวงการ AI ทั้งในจีนและต่างประเทศ

เทพเจ้าแห่งวงการลงมาสร้าง FOMO อีกแล้ว ทำเอาทุกคนอยากลองทำตามกันไปหมด

แต่ถ้าคุณได้ลองจริงๆ จะรู้ว่า วิธีนี้ในทางทฤษฎีนั้นทรงพลังมาก แต่ในทางปฏิบัตินั้นมีปัญหาอยู่หลายประการ

ปัญหาที่ 1: กำแพงในการตั้งค่าสูงเกินไป

วิธีการสร้างคลังความรู้ด้วย LLM ของ Karpathy คือ: โยนวัตถุดิบดิบๆ ให้ LLM โดยไม่ต้องใช้ RAG ไม่ต้องใช้ฐานข้อมูลเวกเตอร์ (Vector Database) แต่อาศัย LLM ในการ "คอมไพล์" (Compile) ให้กลายเป็นคลังความรู้ในรูปแบบ markdown ที่มีทั้งบทสรุป, ลิงก์ย้อนกลับ (Backlinks) และดัชนีแนวคิด (Concept Index)

ทวีตนี้มีความยาว 600 กว่าคำ พูดตามตรง สำหรับคนที่เขียนโค้ดเป็น ขั้นตอนนี้ไม่ได้ซับซ้อนเลย

แต่ในฐานะวิศวกรระดับเทพอย่าง Karpathy สิ่งที่เขาเขียนเพียงไม่กี่คำที่ดูเหมือนง่าย กลับซ่อน "ความรู้ที่ฝังลึก" (Tacit Knowledge) ไว้มากมาย ไม่อย่างนั้นคงไม่มีคนจำนวนมากทำบทช่วยสอนแบบ step-by-step ออกมาหลังจากที่เขาโพสต์ทวีตนี้

อย่างไรก็ตาม หากคุณเปิดดูบทช่วยสอนเหล่านั้น คุณจะพบว่ามันถูกเขียนโดยวิศวกรทั้งสิ้น แม้จะละเอียดมาก เช่น วิธีสร้างโฟลเดอร์สามชั้น raw/, wiki/, outputs/, วิธีตั้งค่า Claude Code ในเทอร์มินัล (Terminal), วิธีเขียน system prompt เพื่อให้ LLM แสดงผลเป็น markdown ตามรูปแบบที่กำหนด...

แต่วิศวกรเป็นเพียงคนส่วนน้อย คนทำงานด้านความรู้ (Knowledge Workers) ส่วนใหญ่ยังคงต้องเผชิญกับต้นทุนการเรียนรู้ที่มหาศาลเมื่อเจอเข้ากับบทช่วยสอนเหล่านี้ ซึ่งนั่นอธิบายได้ว่าทำไมมันถึงทำให้เกิด FOMO ได้ขนาดนี้

บล็อกเกอร์สายโซเชียลมีเดีย, นักการตลาดที่ทำแบรนด์, นักศึกษาปริญญาโทที่เขียนวิทยานิพนธ์, ครูที่เตรียมสื่อการสอน, นักลงทุนที่วิจัยแนวโน้มอุตสาหกรรม — คนเหล่านี้ทำหน้าที่ "รวบรวมข้อมูล → ทำความเข้าใจข้อมูล → ผลิตเนื้อหา" อยู่ทุกวัน พวกเขาอาจต้องการระบบความรู้ AI มากกว่าวิศวกรเสียด้วยซ้ำ แต่จะให้พวกเขาไปตั้งค่าสภาพแวดล้อมในเทอร์มินัล, เขียน markdown, ปรับจูน prompt หรือ?

มันไม่สมจริงเลย

ในฐานะคนส่วนใหญ่ที่ไม่เข้าใจโค้ด เรายังคงต้องเอาชนะความกลัวเมื่อต้องเผชิญหน้ากับเทอร์มินัลและบรรทัดคำสั่ง (Command Line)

เครื่องมือควรรับใช้ผู้ใช้ ไม่ใช่ผู้ใช้ต้องยอมจำนนต่อเครื่องมือ

ปัญหาที่ 2: "คลังความรู้" คือกับดักขนาดใหญ่

Karpathy ใช้ LLM เพื่อลดต้นทุนในการ "จัดระเบียบข้อมูล" อย่างมหาศาล เมื่อก่อนเราต้องเขียนสรุปเอง ใส่แท็กเอง สร้างลิงก์เอง แต่ตอนนี้ให้ LLM ทำแทน วิธีการสร้าง "สมองที่สอง" (Second Brain) จึงก้าวหน้าไปอีกขั้น

แต่จุดหมายปลายทางยังคงเดิม คลังความรู้นี้ทำได้เพียงแค่ "อ่าน" เท่านั้น

หากใช้เพื่อการวิจัยและการเรียนรู้เพียงอย่างเดียว "คลังความรู้ที่จัดระเบียบโดยอัตโนมัติอย่างดี" ก็ถือว่าเพียงพอแล้ว

แต่แก่นแท้ของคนทำงานด้านความรู้คือคนทำงานเอกสาร และแก่นแท้ของคนทำงานเอกสารก็คือครีเอเตอร์ (Creator) งานที่แท้จริงของคนทำงานด้านความรู้ไม่ใช่การสะสมความรู้ แต่คือการใช้ความรู้เพื่อสร้างสรรค์เนื้อหา

การเรียนรู้และการวิจัยทั้งหมดในงานประจำวัน มีจุดมุ่งหมายเพื่อผลิตเนื้อหาออกมา นั่นหมายความว่า การมี wiki ที่สวยงามเพียงอย่างเดียวไม่สามารถช่วยให้เราทำงานสุดท้ายให้สำเร็จได้

แนวคิดเรื่องคลังความรู้เป็นเหมือนทางตันที่สวยหรู สิ่งที่คุณได้รับมีเพียงความพึงพอใจจอมปลอมแบบ "เห็นอย่างไรได้รู้อย่างนั้น" (WYSIWYG) แต่ไม่ได้ผลตอบแทนที่แท้จริงจากการ "ผลิตและส่งมอบงาน"

ดังนั้น แก่นแท้ของคลังความรู้คือ "Productivity Porn" — มันจำลองความสุขของการ "ได้รับ" ได้อย่างสมบูรณ์แบบ แต่ไม่ได้ให้ผลลัพธ์ในเชิงผลิตภาพ

ผมจะใช้สถานการณ์จริงเพื่ออธิบายความแตกต่างนี้

ลองยกตัวอย่างเรื่องของ Karpathy เอง สมมติว่าคุณเป็นนักการตลาดในบริษัท AI คุณเห็นทวีตของเขาแล้วอยากเกาะกระแส (Trend) เพื่อสร้างเนื้อหาชุดหนึ่งเกี่ยวกับหัวข้อนี้

หากทำตามวิธีของ Karpathy คุณจะต้องผ่านขั้นตอนต่อไปนี้:

1. ใช้สคริปต์ดึงทวีต, ไฟล์ไอเดีย และบทความวิจารณ์ที่เกี่ยวข้อง แล้วดาวน์โหลดลงในโฟลเดอร์ raw/
1. ติดตั้ง Node.js, ติดตั้ง Claude Code ในเทอร์มินัล, เขียนไฟล์คำสั่งเพื่อให้ Claude Code คอมไพล์วัตถุดิบเหล่านี้ให้เป็นบทความ wiki สองสามบทความ
1. ดาวน์โหลด Obsidian หรือโปรแกรมแก้ไข markdown อื่นๆ เพื่อให้ได้คลังความรู้ที่มีโครงสร้างเกี่ยวกับ "LLM Knowledge Base"
1. จากนั้น คุณจึงเปิดเอกสารเปล่าขึ้นมาเพื่อเริ่มเขียนด้วยตัวเอง

Nick Spisak สาธิตการสร้างคลังความรู้ด้วย LLM

ไม่ต้องพูดถึงขั้นตอนที่ 4 แค่สามขั้นตอนแรก คุณก็ต้องใช้เทอร์มินัลเป็น, ติดตั้ง Node.js, ตั้งค่า API key, เขียนคำสั่ง prompt, ดาวน์โหลด Obsidian... สำหรับคนส่วนใหญ่ แค่ยังไม่ทันเริ่มสร้างคลังความรู้ ก็ถูกกำแพงของเครื่องมือเหล่านี้ทำให้ถอดใจไปเสียก่อน

และต่อให้คุณทำทุกอย่างผ่านไปได้ จนถึงขั้นตอนที่ 4 คุณก็กลับมาที่จุดเริ่มต้นอยู่ดี คลังความรู้ช่วยให้คุณเข้าใจเรื่องนี้ แต่การเขียน, การหาภาพประกอบ, การเผยแพร่... สิ่งเหล่านี้คุณยังต้องเริ่มจากศูนย์อยู่ดี

ถ้าอย่างนั้น มีวิธีไหนที่สามารถแก้ปัญหาทั้งสองนี้ได้พร้อมกัน และสร้าง "สมองที่สอง" ที่เน้นผลลัพธ์ออกมาได้อย่างง่ายดายหรือไม่?

มีครับ บทความที่คุณกำลังอ่านอยู่นี้ คือผลลัพธ์ที่ผมสร้างขึ้นด้วยวิธีดังกล่าว ตลอดกระบวนการผมใช้เครื่องมือเพียงอย่างเดียวคือ YouMind ผมจะสาธิตขั้นตอนให้ดูครับ:

ทำอย่างไร?

ขั้นตอนที่ 1: รวบรวมวัตถุดิบ

เปิด YouMind ในเบราว์เซอร์ สร้าง Board ใหม่ (เปรียบเสมือนพื้นที่โปรเจกต์) จากนั้นเก็บวัตถุดิบที่เกี่ยวข้องทั้งหมดลงไป:

• บทความบนเว็บ: วางลิงก์ ระบบจะดึงเนื้อหาทั้งหมดโดยอัตโนมัติ
• วิดีโอ YouTube: วางลิงก์ ระบบจะดึงคำบรรยายและเนื้อหาโดยอัตโนมัติ
• เอกสาร PDF: อัปโหลดได้โดยตรง
• พอดแคสต์ (Podcast): วางลิงก์ ระบบจะถอดรหัสเสียงโดยอัตโนมัติ
• ความคิดของตัวเอง: จดบันทึกสั้นๆ ลงไปได้ทันที

นี่คือโฟลเดอร์ raw/ ของ Karpathy แต่ไม่ต้องดาวน์โหลดอะไรเอง และไม่ต้องยุ่งกับระบบไฟล์

ขั้นตอนที่ 2: AI ทำความเข้าใจและโต้ตอบ

หลังจากเก็บวัตถุดิบแล้ว คุณสามารถคุยกับ AI ภายใน Board ได้โดยตรง บริบท (Context) ของ AI คือข้อมูลชั้นต้นที่เราคัดสรรมาเองกับมือ ซึ่งเกี่ยวข้องกับหัวข้อนี้โดยเฉพาะ ไม่ใช่ข้อมูลทั่วไปจากอินเทอร์เน็ต

คุณสามารถถามมันได้ว่า:

• 「ประเด็นหลักของบทความเหล่านี้มีความเหมือนหรือต่างกันอย่างไร?」
• 「ความแตกต่างที่แท้จริงระหว่างวิธีของ Karpathy กับระเบียบวิธี PARA ของ Tiago Forte คืออะไร?」
• 「จากวัตถุดิบเหล่านี้ ช่วยสรุปมุมมองหัวข้อที่น่าเขียนที่สุดมา 3 มุมมองหน่อย」

นี่เทียบเท่ากับกระบวนการคอมไพล์ wiki ของ Karpathy แต่ข้อแตกต่างคือ: คุณไม่ต้องรอให้ LLM สร้างชุด wiki ทั้งหมดออกมาโดยอัตโนมัติ แต่คุณใช้การสนทนาเพื่อนำทางทิศทางความเข้าใจด้วยตัวเอง

ขั้นตอนที่ 3: จากความเข้าใจสู่การสร้างสรรค์

ขั้นตอนนี้คือเส้นแบ่งที่สำคัญ เวิร์กโฟลว์ของ Karpathy สิ้นสุดลงที่ขั้นตอนก่อนหน้า แต่ใน YouMind คุณสามารถใช้ภาษาธรรมชาติสั่งให้ AI เปลี่ยนจากความเข้าใจเข้าสู่การสร้างสรรค์ได้ทันที:

• สร้างร่างแรกของบล็อกที่มีโครงสร้างสมบูรณ์โดยอิงจากวัตถุดิบและการสนทนา
• สรุปเนื้อหาสั้นๆ ที่เหมาะสำหรับโพสต์บน Twitter จากการสนทนาและความเข้าใจ
• เปลี่ยนประเด็นหลักให้กลายเป็นอินโฟกราฟิก (Infographic) ที่เห็นภาพชัดเจน
• สร้างสไลด์นำเสนอ (Slides) ได้โดยตรง

ผลลัพธ์ทั้งหมดนี้จะถูกเก็บไว้ใน Board เดียวกัน อยู่รวมกับวัตถุดิบและบันทึกการสนทนาของคุณ มันไม่ใช่ไฟล์ที่แยกส่วนกัน แต่เป็นโหนด (Node) ต่างๆ บนเส้นทางความรู้เดียวกัน

ขั้นตอนที่ 4: ความรู้เติบโตอย่างต่อเนื่อง

Board ไม่ใช่สิ่งที่ใช้แล้วทิ้ง คุณสามารถตั้งค่าการทำงานอัตโนมัติเพื่อให้ YouMind ดึงข้อมูลอัปเดตจากทวีตของ Karpathy มาให้คุณเป็นระยะๆ และเก็บไว้ใน Board เดียวกัน เพื่อให้ความรู้เกิดการสะสมและต่อยอด (Compound Effect)

นี่คือสิ่งที่ "สมองที่สอง" ควรจะเป็น ไม่ใช่แค่การสะสม แต่ต้องสามารถผลิตผลงานออกมาได้ด้วย

เมื่อนำวิธีของ Karpathy และ YouMind มาเปรียบเทียบกัน จะเห็นปรัชญาของ "สมองที่สอง AI" ที่แตกต่างกันสองแบบ:

##

วิธีแก้ปัญหาความวิตกกังวลด้านข้อมูลที่แท้จริง

สุดท้ายนี้มีเรื่องน่าสนใจอย่างหนึ่ง

Karpathy สร้าง wiki ที่มีคำถึง 4 แสนคำ แต่ลองคิดดูสิว่า สิ่งที่คนทั่วโลกนำไปอ้างอิงคืออะไร? ไม่ใช่ wiki นั้น แต่เป็นทวีตของเขา, วิดีโอของเขา, บทความที่เขาเขียน ไฟล์ markdown ของเขามีแค่เขาคนเดียวที่ดู แต่ทวีตของเขามีคนดูถึง 12 ล้านคน

คลังความรู้ที่แท้จริงไม่ใช่ระบบ แต่คือ "คน"

เมื่อคุณเขียนบทความที่อธิบายเรื่องหนึ่งได้อย่างทะลุปรุโปร่ง แล้วคนอื่นเซฟบทความของคุณ อ้างอิงความคิดเห็นของคุณ — เมื่อนั้นคุณก็คือคลังความรู้ของพวกเขา

นี่คือยาแก้ความวิตกกังวลด้านความรู้ คนที่วิตกกังวลกำลังกรอกข้อมูลลงในระบบ โดยคิดว่าระบบจะทำความเข้าใจแทนเขา แต่คนที่มีอิทธิพลจริงๆ กำลังส่งต่อความเข้าใจออกมา และเปลี่ยนตัวเองให้เป็นแหล่งข้อมูลของคนอื่น

แบบแรกจะวิตกกังวลตลอดไป เพราะข้อมูลนั้นไม่มีที่สิ้นสุด แบบหลังจะไม่วิตกกังวล เพราะเขาได้ทำความเข้าใจผ่านการถ่ายทอดออกมาเรียบร้อยแล้ว

ดังนั้น คำถามจึงไม่ใช่ "จะสร้างคลังความรู้ที่ดีขึ้นได้อย่างไร" แต่เป็น "จะทำอย่างไรให้ตัวเองกลายเป็นคลังความรู้" คำตอบนั้นง่ายมาก: ผลิตผลงานออกมาอย่างต่อเนื่อง

สิ่งที่ YouMind ทำ คือการช่วยให้คุณเปลี่ยนจากผู้บริโภคข้อมูล กลายเป็นต้นทางของข้อมูล

บทความและภาพประกอบนี้สร้างสรรค์ร่วมกันโดยกองบรรณาธิการและ YouMind