Boom Field Lab

สร้าง data pipeline หุ้นไทยด้วย AI agent — จากกอง PDF 56-1 สู่ข้อมูลเกือบล้านบรรทัด (FY2021–2026) ที่กดดูต้นฉบับได้

เบื้องหลัง pipeline ของ Boom Leverage Terminal: ดึงเอกสารที่บริษัทยื่นต่อ ก.ล.ต. แยกข้อความพร้อมเลขหน้า ให้ AI สกัดประเด็นโดยบังคับให้มีถ้อยคำต้นฉบับ แล้วทำ index ค้นได้ทั้งตลาด ตัวเลขจริงจาก index (ช่วงหลัก FY2021–2026: 988,998 บรรทัด · คลังย้อนหลัง FY2016–2020 แยกอีก 381,072 · 19 หมวด) และกับดักที่ต้องรู้ก่อนอ่านตัวเลขรายปี

โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก · ตรวจทานล่าสุด

ห้องเก็บฮาร์ดดิสก์และกล่องเอกสารแสงสลัว พร้อมข้อความ จากกอง PDF สู่ข้อมูลที่ตรวจย้อนได้

บทความเดิมของผมเมื่อเดือนมิถุนายนพูดถึงการใช้ Claude Code ดึงข้อมูลหุ้นไทยแบบ "จัดการข้อมูล ไม่ใช่ทำนายราคา" สามเดือนต่อมา หลักการนั้นกลายเป็น pipeline จริงที่อยู่หลัง Boom Leverage Terminal บทความนี้คือเวอร์ชันที่เขียนใหม่ทั้งหมดจากของจริง: โครงสร้าง ตัวเลข และกฎที่ทำให้มันเชื่อถือได้

ก่อนอ่านต่อ ถ้ายังไม่แน่ใจว่าข้อมูลแต่ละแหล่งใช้ได้แค่ไหน อ่าน ข้อมูลหุ้นไทยมาจากไหน — SETSMART, 56-1 และเส้นลิขสิทธิ์ ก่อน เพราะ pipeline ที่สร้างบนข้อมูลที่ไม่มีสิทธิ์ ต่อให้เขียนสวยแค่ไหนก็ต้องทิ้ง

Pipeline ที่ใช้จริงมีกี่ขั้น?

แผนภาพ pipeline 5 ขั้น: ดึงเอกสารที่ยื่น ก.ล.ต., แยกข้อความพร้อมเลขหน้า, AI สกัดประเด็นโดยต้องมีถ้อยคำต้นฉบับ, ตรวจว่าถ้อยคำตรงกับต้นฉบับ, และทำ index ค้นหาได้ทั้งตลาด
5 ขั้นของ pipeline หลัง Terminal · ขั้นที่ 4 (ตรวจถ้อยคำ) คือขั้นที่ทำให้ product การเงินต่างจาก chatbot สรุปเอกสาร
ขั้นทำอะไรทำไมสำคัญ
1. ดึงเก็บเอกสารที่บริษัทยื่นต่อ ก.ล.ต. (เช่น 56-1 One Report, MD&A)เอกสารเปิดเผยต่อสาธารณะ อ้างอิงพร้อมที่มาได้
2. แยกข้อความแปลง PDF เป็นข้อความ โดยเก็บเลขหน้าไว้ทุกช่วงไม่มีเลขหน้า = ตรวจย้อนไม่ได้
3. AI สกัดประเด็นให้โมเดลจัดหมวด สรุป และ คัดถ้อยคำต้นฉบับมาแนบผู้ใช้อ่านคำของบริษัท ไม่ใช่คำของโมเดล
4. ตรวจถ้อยคำเช็กว่าถ้อยคำที่แนบมามีอยู่จริงในเอกสารกันโมเดลแต่งประโยคที่ฟังดูเหมือนจริง
5. ทำ indexembed + ค้นหาเชิงความหมายข้ามทั้งตลาดค้นด้วยความหมาย ไม่ใช่แค่ Ctrl+F

ผมใช้ AI agent ช่วยเขียนและดูแลแทบทุกขั้น แต่สิ่งที่ทำให้ระบบเชื่อถือได้ไม่ใช่ความเก่งของ agent — คือกฎในขั้น 2 และ 4 ที่มันข้ามไม่ได้ (เรื่องนี้เล่าละเอียดใน ทำไมผมสร้าง Terminal ด้วย Claude Code เพราะ harness)

ข้อมูลใน index ตอนนี้มีหน้าตายังไง?

กราฟแท่งแนวนอน 6 หมวดที่ใหญ่ที่สุดใน index: การเงิน 327,295 บรรทัด, ความเสี่ยง 230,876, forensic 161,936, Opportunity Day 145,321, ธุรกิจ 96,587, insider 89,337
6 จาก 19 หมวดที่ใหญ่ที่สุดใน index ของ Terminal (จำนวนบรรทัด) · นับจาก index จริง วัดเมื่อ 27 ก.ย. 2026

ภาพรวม ณ วันที่ 27 ก.ย. 2026:

ตัวชี้วัดค่า
บรรทัดช่วงหลัก FY2021–2026988,998
คลังย้อนหลัง FY2016–2020 (แสดงแยก)381,072
หลักทรัพย์ที่มีข้อมูล1,082
จำนวนหมวด19
บรรทัดที่ผูกกับเลขหน้าหรือวินาทีในคลิป1,269,184 (92.63%)
บรรทัดจากข้อมูลแบบฟอร์ม (insider · ผู้ถือหุ้นใหญ่ · ข่าว)100,932 — ลิงก์ไปรายการต้นทางแทนเลขหน้า
ไฟล์ PDF ในคลัง MD&A33,922

6 หมวดที่ใหญ่ที่สุด:

หมวดบรรทัด
การเงิน (financials)327,295
ความเสี่ยง (risk)230,876
forensic161,936
Opportunity Day (คลิปประชุมนักวิเคราะห์)145,321
ธุรกิจ (business)96,587
insider89,337

สังเกตว่า Opportunity Day เป็นคลิป ไม่ใช่ PDF — บรรทัดจากคลิปจึงผูกกับ วินาที ในวิดีโอแทนเลขหน้า หลักเดียวกัน: ทุกบรรทัดต้องชี้กลับจุดที่ถูกพูดหรือเขียนได้

ทำไมห้ามอ่านจำนวนบรรทัดรายปีเป็น "เทรนด์"?

กราฟแท่งแนวนอนจำนวนบรรทัดต่อปีงบ 2016 ถึง 2025: เริ่ม 64,417 ในปี 2016 เพิ่มเป็น 239,380 ในปี 2025 โดยปี 2021 เป็นต้นไปถูกเน้นสีว่าเป็นช่วงหลัก
จำนวนบรรทัดต่อปีงบใน index · วัดเมื่อ 27 ก.ย. 2026 · ปี 2021–2025 คือช่วงหลักที่เติมข้อมูลครบก่อน ปีเก่ายังเติมอยู่ — ความสูงของแท่งสะท้อนความครบของคลัง ไม่ใช่ปริมาณที่ตลาดเขียน
ปีงบบรรทัด
201664,417
201769,083
201875,227
201982,589
202089,756
2021132,235
2022159,772
2023176,869
2024199,717
2025239,380

ถ้ามองผ่านๆ จะเห็น "บริษัทไทยเขียนมากขึ้น 3.7 เท่าใน 10 ปี" ซึ่งเป็น ข้อสรุปที่ผิด ตัวเลขนี้ขึ้นกับว่าเราเติมข้อมูลปีไหนไปแล้วแค่ไหน — ช่วงหลัก (ปี 2021 เป็นต้นไป) ถูกเติมก่อน ปีเก่ายังอยู่ระหว่างเติม ปีล่าสุด (2026) ยังไม่จบปีจึงไม่ได้ใส่ในกราฟ

นี่คือวินัยแบบคนทำ model validation: ก่อนอ่านตัวเลขใดๆ ให้ถามว่าตัวหารคืออะไร และข้อมูลครบแค่ไหน pipeline ที่ดีต้องโชว์ช่องว่างของตัวเอง ไม่ใช่ปล่อยให้ผู้ใช้เดาเอา ตัวอย่างการอ่านข้อมูลบริษัทเดียวข้ามหลายปีอย่างระวัง ดูได้ใน อ่านงบการเงิน 3 มุมแบบคนทำ credit risk

ให้ AI agent ช่วยสร้าง pipeline แบบนี้ยังไงให้ไม่พัง?

สิ่งที่ผมทำซ้ำทุกครั้ง:

  • บอกขอบเขตสิทธิ์ข้อมูลตั้งแต่ประโยคแรก — "ข้อมูลนี้มาจากแหล่งนี้ ใช้ได้แบบนี้" agent จะเขียนตัวดึงในกรอบนั้น
  • ซอยงานเป็นขั้น แล้วตรวจทีละขั้น — ไม่สั่งรวดเดียวแล้วเชื่อผลสุดท้าย
  • ให้ทุก record มีสนามที่มา (แหล่ง ปี งวด หน้า) ตั้งแต่ขั้นแยกข้อความ — เติมทีหลังแพงกว่ามาก
  • เขียนตัวตรวจแยกจากตัวสร้าง — ตัวที่ตรวจว่าถ้อยคำตรงต้นฉบับ ต้องไม่ใช่ prompt เดียวกับที่สกัดมัน
  • รายงานความครบของข้อมูลเป็นตัวเลขเสมอ — เช่น "กี่เปอร์เซ็นต์ผูกเลขหน้าได้" แทนคำว่า "ครอบคลุมทั้งตลาด"

ข้อจำกัดที่ต้องบอกตรงๆ

  • ข้อความที่ AI สรุป เป็นตัวช่วยนำทาง ส่วนหลักฐานคือถ้อยคำต้นฉบับพร้อมเลขหน้าเท่านั้น
  • ข้อมูลแบบฟอร์ม (insider · ผู้ถือหุ้นใหญ่ · ข่าว) ไม่มีเลขหน้า จึงลิงก์ไปรายการต้นทางแทน
  • ทั้งหมดนี้คือการ อธิบายสิ่งที่บริษัทเขียนไว้แล้ว ไม่ใช่การพยากรณ์และไม่ใช่สัญญาณซื้อขาย

สรุป

pipeline หุ้นไทยที่เอาไปทำ product ได้ ไม่ได้วัดกันที่ขนาดของข้อมูล แต่วัดที่ว่า ทุกบรรทัดตรวจย้อนได้ไหม และ ระบบยอมรับช่องว่างของตัวเองหรือเปล่า AI agent ทำให้คนคนเดียวสร้างของแบบนี้ได้ แต่กฎเรื่องที่มาและการตรวจถ้อยคำ คือสิ่งที่เราต้องวางเองตั้งแต่วันแรก

ถ้าฝั่งที่ต้องต่อคือราคาและบัญชีซื้อขาย ไม่ใช่เอกสาร ดู Settrade Open API และถ้าอยากฝึกต่อท่อข้อมูลทางการ (BOT API · SET News · SETSMART) ให้เป็นเส้นเวลาเดียวต่อบริษัท ดูได้ที่ Three Pipes Practice Lab

คำถามที่พบบ่อย

data pipeline เอกสาร 56-1 ของ Boom Leverage Terminal มีกี่ขั้น
มี 5 ขั้น คือดึงเอกสารที่บริษัทยื่นต่อ ก.ล.ต. แยกข้อความโดยเก็บเลขหน้าไว้ทุกช่วง ให้ AI สกัดประเด็นพร้อมคัดถ้อยคำต้นฉบับมาแนบ ตรวจว่าถ้อยคำนั้นมีอยู่จริงในเอกสาร และทำ index ค้นหาเชิงความหมายข้ามทั้งตลาด
ทำไมต้องตรวจถ้อยคำที่ AI สกัดจากเอกสารเทียบกับต้นฉบับ
เพื่อกันโมเดลแต่งประโยคที่ฟังดูเหมือนจริง ขั้นนี้คือสิ่งที่ทำให้ product การเงินต่างจาก chatbot สรุปเอกสาร และตัวตรวจควรเขียนแยกจากตัวสร้าง ไม่ใช่ prompt เดียวกับที่สกัดข้อมูล
index ของ Terminal มีข้อมูลมากแค่ไหน
ณ วันที่ 27 ก.ย. 2026 ช่วงหลัก FY2021–2026 มี 988,998 บรรทัด และคลังย้อนหลัง FY2016–2020 แยกอีก 381,072 บรรทัด จาก 1,082 หลักทรัพย์ใน 19 หมวด รวมทั้งหมดราว 92.63% เป็นบรรทัดจากเอกสารและคลิปที่ผูกกับเลขหน้าหรือวินาที ที่เหลือเป็นข้อมูลแบบฟอร์มที่ลิงก์ไปรายการต้นทางแทน
จำนวนบรรทัดรายปีใน index บอกว่าบริษัทไทยเขียนรายงานมากขึ้นหรือไม่
ไม่ได้บอก จำนวนบรรทัดรายปีขึ้นกับว่าเติมข้อมูลปีเก่าไปถึงไหนแล้ว ช่วงหลักตั้งแต่ปี 2021 ถูกเติมก่อน ปีเก่ายังอยู่ระหว่างเติม ความสูงของแท่งจึงสะท้อนความครบของคลัง ไม่ใช่ปริมาณที่ตลาดเขียน
ใช้ AI agent สร้าง pipeline ข้อมูลหุ้นอย่างไรไม่ให้พัง
บอกขอบเขตสิทธิ์ข้อมูลตั้งแต่ประโยคแรก ซอยงานเป็นขั้นแล้วตรวจทีละขั้น ให้ทุก record มีฟิลด์ที่มา (แหล่ง ปี งวด หน้า) ตั้งแต่ขั้นแยกข้อความ เขียนตัวตรวจแยกจากตัวสร้าง และรายงานความครบของข้อมูลเป็นตัวเลขเสมอ

อ่านต่อ

โต๊ะทำงานยามดึกริมหน้าต่างตึกสูงในกรุงเทพฯ มีแล็ปท็อปและรายงานวางซ้อน พร้อมข้อความ ข้อมูลหุ้นไทยมาจากไหน

ข้อมูลตลาดทุนไทยมาจากไหน — SETSMART, เอกสาร 56-1 และเส้นลิขสิทธิ์ที่คนสร้าง fintech ต้องรู้ก่อนเขียนโค้ด

ก่อนสร้าง product การเงินสักตัว คำถามแรกไม่ใช่ใช้โมเดลอะไร แต่คือข้อมูลมาจากไหนและเรามีสิทธิ์ทำอะไรกับมัน สรุปแหล่งทางการของตลาดทุนไทย (SETSMART · 56-1 One Report · Settrade Open API) ราคาจริง ณ วันที่ตรวจ และเงื่อนไข Personal Use ที่ทำให้ข้อมูลดิบเอาไปขายต่อไม่ได้

มือนักพัฒนาบนคีย์บอร์ดในห้องมืด หน้าจอเป็นบล็อกสีเบลอ พร้อมข้อความ ลองใน sandbox ก่อนเงินจริง

Settrade Open API: ย้ายจาก Amibroker/VBA มา Python — และทำไมโค้ดที่ส่งคำสั่งซื้อขายต้องเริ่มใน sandbox เสมอ

API ทางการของฝั่งซื้อขายหุ้นและ TFEX ในไทย: SDK รองรับ Python, Amibroker และ Excel · SDK v2 บน PyPI ออกรุ่นล่าสุด 2.2.1 (2 ต.ค. 2025) · มี sandbox ให้ทดลองส่งคำสั่งโดยไม่ใช้เงินจริง สรุปจากซอร์สโค้ด SDK จริง และเช็กลิสต์ model risk ก่อนปล่อยโค้ดที่แตะบัญชีซื้อขาย

ห้องเก็บเอกสารขนาดใหญ่ในความมืด แสงสีอำพันส่องลงบนเอกสารที่เปิดอยู่บนโต๊ะ พร้อมข้อความ ทุกคำตอบต้องชี้กลับหน้าได้

RAG กับเอกสาร 56-1: สร้างระบบค้นที่ทุกคำตอบชี้กลับหน้าต้นฉบับได้ — และซ่อนทุกบรรทัดที่พิสูจน์ไม่ได้

ถาม AI ตรงๆ กับงบหรือแบบ 56-1 เสี่ยงได้ตัวเลขที่ฟังดูใช่แต่ผิด นี่คือวิธีที่ Boom Leverage Terminal ถูกสร้างให้ค้นเอกสารทั้งตลาดแล้วชี้กลับหน้าได้ทุกบรรทัด: ค้นตามความหมาย, floor คะแนน, และด่าน citation ที่เปิด PDF พิสูจน์ทีละประโยค พร้อมผลทดสอบกับ 'เอกสารผิด' ก่อนจะเชื่อ

BOOM FIELD LAB

ลงมือฝึกเรื่องนี้ต่อใน Three Pipes Practice Lab 2026

ต่อสามท่อข้อมูลด้วยโค้ด — BOT API ของ ธปท., SET News และ SETSMART — ให้กลายเป็นเส้นเวลาเดียวต่อบริษัท เคสจริง PTT