← กลับหน้าภาพรวม
ระดับ 2 · INTERMEDIATE

งานวิจัยเต็มรูปแบบ: Pro Search, Deep Research, Spaces และ Pages

ยกระดับจากการถามตอบเดี่ยวสู่กระบวนการวิจัยหลายขั้น จัดระเบียบความรู้เป็นเวิร์กสเปซ และแปลงผลเป็นเอกสารเผยแพร่ได้

📦 6 โมดูล⏱ 12-14 ชั่วโมง (6 โมดูล)

6 โมดูลในระดับนี้: 2.1 Pro Search: การค้นแบบ · 2.2 Deep Research: เอเจนต์ · 2.3 Spaces: เวิร์กสเปซความ · 2.4 File Upload: วิเคราะห์ · 2.5 Pages: แปลงงานวิจัยเป็ · 2.6 Focus Modes ขั้นสูง: F

2.1
โมดูล 2.1

Pro Search: การค้นแบบ Agentic หลายขั้น

ลึกกว่าคำตอบช็อตเดียว ด้วยการค้นหลายรอบ

🎯 วัตถุประสงค์การเรียนรู้

  • อธิบายกลไก Pro Search: rephrase, ค้นหลายครั้ง, ดึงแหล่งมากขึ้น ~3 เท่า
  • เลือก underlying model ขั้นสูงใน Pro Search ให้เหมาะกับความซับซ้อน
  • แยกได้ว่าเมื่อใดคำถามซับซ้อนพอที่จะต้องใช้ Pro Search แทน default

เนื้อหา

Pro Search เป็นการค้นแบบ agentic หลายขั้น: มันปรับคำถามใหม่ รันหลายการค้น ดึงแหล่งมากกว่าราว 3 เท่าของคำตอบ default และให้เลือกโมเดลขั้นสูงเบื้องหลัง เหมาะกับคำถามที่ต้องประกอบข้อมูลหลายชิ้นหรือเปรียบเทียบหลายมิติ ต่างจากคำตอบ default ที่เป็นช็อตเดียว

คำถามเปรียบเทียบหลายมิติ
(Pro Search) เปรียบเทียบแพลตฟอร์ม e-commerce สามเจ้าสำหรับ SME ไทย ในด้านค่าธรรมเนียม ฟีเจอร์การชำระเงิน การเชื่อมระบบขนส่ง และรีวิวผู้ใช้ปี 2025 จัดเป็นตารางพร้อมแหล่ง
ผลลัพธ์ที่คาดหวัง

ตารางเปรียบเทียบที่ประกอบจากหลายแหล่ง แต่ละช่องมีเลขอ้างอิง โดยดึงแหล่งมากกว่าคำตอบ default

จุดสอน

จุดสอน: คำถามที่มีหลายมิติเปรียบเทียบคือกรณีที่ Pro Search ให้ผลดีกว่ามาก เพราะรันหลายการค้นและรวมข้อมูลได้กว้างกว่า

เลือกโมเดล reasoning สำหรับงานวิเคราะห์
(Pro Search + เลือกโมเดล reasoning) วิเคราะห์ว่าปัจจัยใดบ้างที่ทำให้ยอดขายค้าปลีกไทยไตรมาสล่าสุดเปลี่ยนแปลง โดยอ้างอิงข้อมูลเศรษฐกิจจริง
ผลลัพธ์ที่คาดหวัง

บทวิเคราะห์เชิงเหตุผลที่เชื่อมโยงหลายปัจจัย พร้อม citation ข้อมูลเศรษฐกิจ

จุดสอน

จุดสอน: เมื่อคำถามต้องการการให้เหตุผลเป็นขั้น ควรเลือกโมเดล reasoning สอนให้จับคู่ประเภทงานกับประเภทโมเดล

แบบฝึกหัดท้ายโมดูล

  1. นำคำถามซับซ้อนจากงานจริงมารันทั้งแบบ default และ Pro Search แล้วเทียบจำนวนแหล่งและความลึกของคำตอบ
  2. ออกแบบคำถามเปรียบเทียบ 4 มิติสำหรับการตัดสินใจในงานของตน แล้วรันด้วย Pro Search พร้อมเลือกโมเดลที่เหมาะ
2.2
โมดูล 2.2

Deep Research: เอเจนต์วิจัยอัตโนมัติ

รันการค้นหลายสิบครั้ง อ่านหลายร้อยแหล่ง ได้รายงานยาว

🎯 วัตถุประสงค์การเรียนรู้

  • อธิบายกลไก Deep Research และผลลัพธ์ที่ได้ (รายงานยาวมีโครงสร้าง)
  • ตั้งโจทย์วิจัยที่เหมาะกับ Deep Research
  • ตระหนักถึงความเสี่ยง hallucination ที่สูงขึ้นในรายงานยาวและวางแผนตรวจสอบ

เนื้อหา

Deep Research เป็นเอเจนต์อัตโนมัติที่รันการค้นหลายสิบครั้ง อ่านแหล่งหลายร้อยแหล่ง แล้วผลิตรายงานยาวมีโครงสร้าง ส่งออกเป็น PDF/Doc หรือ Page ได้ และปัจจุบันสามารถออกมาเป็น presentation, สเปรดชีต, dashboard มีในระดับ Free แบบจำกัดโควตารายวัน และปริมาณสูงขึ้นสำหรับ Pro/Max ข้อควรระวังสำคัญ: hallucination โดดเด่นเป็นพิเศษใน Deep Research เพราะสังเคราะห์ยาว อาจอ้างแหล่งที่ไม่สนับสนุน หรือสรุปเกิน จึงต้องตรวจ ไม่ใช่เชื่อทั้งฉบับ

ตั้งโจทย์วิจัยตลาด
(Deep Research) จัดทำรายงานภาพรวมตลาดรถยนต์ไฟฟ้าในไทยปี 2025-2026 ครอบคลุมส่วนแบ่งตลาด ผู้เล่นหลัก นโยบายรัฐ โครงสร้างพื้นฐานสถานีชาร์จ และแนวโน้ม พร้อมแหล่งอ้างอิงทุกส่วน
ผลลัพธ์ที่คาดหวัง

รายงานยาวมีหัวข้อย่อยครบ พร้อม citation จำนวนมาก และปุ่มส่งออกเป็น PDF/Page

จุดสอน

จุดสอน: โจทย์กว้างหลายมิติเหมาะกับ Deep Research แต่ต้องสอนขั้นตอนตรวจสอบ ให้ผู้เรียนสุ่มตรวจ citation อย่างน้อย 10 จุด โดยเฉพาะตัวเลขส่วนแบ่งตลาด

ตรวจจับ hallucination ในรายงานยาว
(หลังได้รายงาน) เลือกข้อความที่อ้างตัวเลขสำคัญ แล้วคลิกตรวจสอบแหล่งว่าตรงกันหรือไม่
ผลลัพธ์ที่คาดหวัง

บางจุดแหล่งสนับสนุนตรง บางจุดอาจอ้างตัวเลขที่ไม่ปรากฏในแหล่งจริง

จุดสอน

จุดสอน: ย้ำว่า Deep Research คือจุดเสี่ยง hallucination สูงสุด ผู้เรียนต้องมีกระบวนการสุ่มตรวจตัวเลขและคำพูดเป็นระบบก่อนใช้รายงาน

แบบฝึกหัดท้ายโมดูล

  1. รัน Deep Research หนึ่งรายงานในหัวข้องานจริง แล้วส่งออกเป็น PDF พร้อมทำ checklist ตรวจสอบ citation อย่างน้อย 10 จุด
  2. เขียนบันทึกวิจารณ์รายงานที่ได้ ระบุจุดแข็ง จุดที่พบการสรุปเกิน และส่วนที่ต้องหาข้อมูลเพิ่มด้วยตนเอง
2.3
โมดูล 2.3

Spaces: เวิร์กสเปซความรู้และการทำงานร่วมกัน

รวมไฟล์ ตั้ง custom instructions และเชิญผู้ร่วมงาน

🎯 วัตถุประสงค์การเรียนรู้

  • สร้าง Space ต่อโปรเจกต์ พร้อมอัปโหลดไฟล์เป็นฐานความรู้
  • ตั้ง custom AI instructions เพื่อคงบริบทและสไตล์ในงานหนึ่ง ๆ
  • เชิญผู้ร่วมงานและจัดระเบียบเธรดวิจัยในที่เดียว

เนื้อหา

Spaces คือ collection/เวิร์กสเปซต่อหัวข้อหรือโปรเจกต์ ผู้ใช้อัปโหลดไฟล์ (PDF, เอกสาร, สเปรดชีต) เป็นฐานความรู้ให้ Perplexity ใช้ตอบ ตั้ง custom instructions เพื่อกำหนดบริบท/สไตล์คงที่ในสเปซนั้น และเชิญผู้ร่วมงานได้ นี่คือทางแก้ข้อจำกัดเรื่องความจำข้ามเซสชัน เพราะบริบทถูกผูกกับ Space ไม่ใช่หวังให้โมเดลจำเอง

สร้าง Space พร้อม custom instructions
(ตั้ง custom instructions ใน Space) ตอบในฐานะผู้ช่วยวิจัยด้านนโยบายสาธารณะ ใช้ภาษาทางการ อ้างอิงแหล่งทางการเสมอ และสรุปเป็นหัวข้อ bullet
ผลลัพธ์ที่คาดหวัง

ทุกคำถามในสเปซนี้ตอบตามแนวที่ตั้งไว้โดยไม่ต้องย้ำทุกครั้ง

จุดสอน

จุดสอน: custom instructions ใน Space คือวิธีคงสไตล์/บริบทที่ Perplexity ทำได้จริง แทนความจำข้ามเซสชันที่จำกัด

อัปโหลดไฟล์เป็นฐานความรู้
(อัปโหลดรายงานประจำปี PDF เข้า Space) จากเอกสารที่อัปโหลด สรุปตัวเลขรายได้และกำไรสามปีย้อนหลัง และเทียบกับข้อมูลอุตสาหกรรมล่าสุดจากเว็บ
ผลลัพธ์ที่คาดหวัง

คำตอบดึงจากไฟล์ที่อัปโหลดผสมกับข้อมูลเว็บสด พร้อมแยกแหล่ง

จุดสอน

จุดสอน: Spaces ให้ Perplexity ตอบจากทั้งเอกสารภายในและเว็บพร้อมกัน สอนให้แยกว่าข้อมูลส่วนใดมาจากไฟล์ ส่วนใดมาจากเว็บ

แบบฝึกหัดท้ายโมดูล

  1. สร้าง Space สำหรับโปรเจกต์จริง อัปโหลดไฟล์อย่างน้อย 2 ไฟล์ และตั้ง custom instructions ที่เหมาะกับงาน
  2. เชิญเพื่อนร่วมงานหนึ่งคนเข้ามาใน Space แล้วทดลองทำงานวิจัยร่วมกันในเธรดเดียว
2.4
โมดูล 2.4

File Upload: วิเคราะห์เอกสารและข้อมูล

ถาม-ตอบกับ PDF สเปรดชีต และรูปภาพ

🎯 วัตถุประสงค์การเรียนรู้

  • อัปโหลดและวิเคราะห์ PDF, เอกสาร, สเปรดชีต/CSV, รูปภาพ
  • ตั้งคำถามเชิงวิเคราะห์กับเนื้อหาในไฟล์
  • ผสานข้อมูลจากไฟล์กับการค้นเว็บสด

เนื้อหา

Perplexity รองรับการอัปโหลด PDF เอกสาร รูปภาพ สเปรดชีต/CSV เพื่อวิเคราะห์และถาม-ตอบ เป็นฟีเจอร์หลักของ tier เสียเงิน และป้อนเข้า Spaces ได้ ใช้ได้ทั้งสรุปเอกสารยาว ดึงข้อมูลจากตาราง และเทียบกับข้อมูลเว็บ

วิเคราะห์สเปรดชีตยอดขาย
(อัปโหลด CSV ยอดขายรายเดือน) วิเคราะห์แนวโน้มยอดขายรายไตรมาส ระบุเดือนที่ผิดปกติ และเสนอสมมติฐานสาเหตุ
ผลลัพธ์ที่คาดหวัง

บทวิเคราะห์แนวโน้มพร้อมชี้จุดผิดปกติจากข้อมูลในไฟล์ และสมมติฐานที่ตั้งได้

จุดสอน

จุดสอน: Perplexity อ่านตารางในไฟล์และวิเคราะห์ได้ แต่สมมติฐานสาเหตุต้องตรวจสอบเพิ่ม เพราะโมเดลอนุมานจากข้อมูลที่มีเท่านั้น

สรุป PDF สัญญา
(อัปโหลด PDF สัญญา) สรุปข้อผูกพันหลัก เงื่อนไขการยกเลิก และความเสี่ยงที่ควรระวังในสัญญานี้
ผลลัพธ์ที่คาดหวัง

สรุปประเด็นสำคัญของสัญญาเป็นหัวข้อ พร้อมชี้จุดที่ควรตรวจกับที่ปรึกษากฎหมาย

จุดสอน

จุดสอน: สอนให้ใช้เป็นเครื่องมือช่วยอ่านเบื้องต้น ไม่ใช่คำวินิจฉัยทางกฎหมาย เนื้อหาสำคัญต้องยืนยันกับผู้เชี่ยวชาญ

แบบฝึกหัดท้ายโมดูล

  1. อัปโหลดเอกสารจริงหนึ่งฉบับ แล้วตั้งคำถามเชิงวิเคราะห์ 5 ข้อ ทดสอบว่า Perplexity ดึงข้อมูลจากไฟล์ได้แม่นแค่ไหน
  2. อัปโหลด CSV แล้วขอให้วิเคราะห์แนวโน้ม จากนั้นตรวจสอบตัวเลขที่โมเดลอ้างกับข้อมูลจริงในไฟล์
2.5
โมดูล 2.5

Pages: แปลงงานวิจัยเป็นเอกสารเผยแพร่

เปลี่ยนเธรดเป็นเว็บเอกสารที่คง citation

🎯 วัตถุประสงค์การเรียนรู้

  • แปลงเธรดวิจัยเป็น Page ที่จัดรูปแบบและแชร์ได้
  • ปรับแต่งโครงสร้างและเนื้อหาของ Page ให้เหมาะกับผู้อ่าน
  • เผยแพร่ Page เป็น URL สาธารณะที่ยังคงแหล่งอ้างอิง

เนื้อหา

Pages เปลี่ยนเธรดวิจัยให้เป็นเอกสารเว็บที่จัดรูปแบบ แชร์และเผยแพร่ได้ มี URL สาธารณะและคง citation ไว้ เหมาะกับการส่งมอบผลวิจัยให้ผู้อื่นอ่านโดยยังตรวจแหล่งได้ ต่างจากการก็อปคำตอบดิบ เพราะ Page จัดโครงสร้างและนำเสนอเป็นระเบียบ

สร้าง Page สรุปหัวข้อ
(สร้าง Page จากเธรด) จัดทำหน้าเผยแพร่หัวข้อ 'แนวโน้มพลังงานหมุนเวียนในไทยปี 2026' มีบทนำ หัวข้อย่อยตามประเภทพลังงาน และบทสรุป คงแหล่งอ้างอิงทุกส่วน
ผลลัพธ์ที่คาดหวัง

เว็บเอกสารจัดรูปแบบสวยงาม มี URL แชร์ได้ และเลขอ้างอิงคลิกได้ตลอด

จุดสอน

จุดสอน: Pages คือวิธี "ส่งมอบ" งานวิจัยแบบมืออาชีพที่ผู้รับยังตรวจแหล่งได้ ต่างจากการวางข้อความดิบ ให้ผู้เรียนคิดถึงผู้อ่านปลายทาง

ปรับ Page ให้เหมาะกลุ่มเป้าหมาย
ปรับ Page ให้กระชับสำหรับผู้บริหาร เพิ่มบทสรุปผู้บริหาร 5 บรรทัดที่ต้นหน้า
ผลลัพธ์ที่คาดหวัง

Page ที่มี executive summary ชัดเจนด้านบน ตามด้วยรายละเอียด

จุดสอน

จุดสอน: การนำเสนอต้องคำนึงถึงผู้อ่าน สอนให้ปรับความยาวและลำดับตามกลุ่มเป้าหมาย

แบบฝึกหัดท้ายโมดูล

  1. แปลงงานวิจัยจากโมดูล 2.2 เป็น Page ที่เผยแพร่ได้ พร้อมบทนำและบทสรุป
  2. สร้าง Page เวอร์ชันสำหรับผู้บริหารและเวอร์ชันสำหรับทีมเทคนิค แล้วเทียบว่าปรับอะไรบ้าง
2.6
โมดูล 2.6

Focus Modes ขั้นสูง: Finance และ Academic เชิงลึก

ใช้แหล่งเฉพาะทางให้เกิดประโยชน์สูงสุด

🎯 วัตถุประสงค์การเรียนรู้

  • ใช้ Finance focus ดึงข้อมูลหุ้นเรียลไทม์และเอกสาร SEC 10-K
  • ใช้ Academic focus ทำ literature review เบื้องต้น
  • ผสาน Focus mode กับ Pro Search เพื่อความลึก

เนื้อหา

Finance focus ให้ข้อมูลราคาหุ้นเรียลไทม์และเอกสารทางการเงินเช่น SEC 10-K ส่วน Academic focus เน้นงาน peer-reviewed กรอง SEO spam เหมาะกับ literature review เบื้องต้น การผสาน Focus mode ที่เหมาะกับ Pro Search ทำให้ได้ทั้งแหล่งคุณภาพและความลึกหลายขั้น

วิเคราะห์การเงินด้วย Finance focus
(Finance focus) สรุปผลประกอบการล่าสุดของบริษัทจดทะเบียนแห่งหนึ่ง เทียบรายได้และกำไรกับไตรมาสก่อน พร้อมอ้างอิงเอกสารทางการเงิน
ผลลัพธ์ที่คาดหวัง

สรุปตัวเลขการเงินพร้อมอ้างอิงเอกสารทางการหรือข้อมูลเรียลไทม์

จุดสอน

จุดสอน: Finance focus ดึงข้อมูลการเงินที่เชื่อถือได้กว่าการค้นเว็บทั่วไป แต่ยังต้องยืนยันตัวเลขกับรายงานต้นทาง

Literature review ด้วย Academic focus + Pro Search
(Academic + Pro Search) รวบรวมงานวิจัย peer-reviewed 5 ปีล่าสุดเกี่ยวกับผลของ remote work ต่อ productivity จัดกลุ่มตามข้อค้นพบที่ขัดแย้งกัน
ผลลัพธ์ที่คาดหวัง

สรุปงานวิจัยจัดกลุ่มตามข้อค้นพบ พร้อมเลขอ้างอิงชี้วารสารจริง

จุดสอน

จุดสอน: การรวม Academic focus กับ Pro Search ให้ทั้งคุณภาพแหล่งและความครอบคลุม เหมาะเป็นจุดเริ่มของ literature review แต่ไม่แทนการอ่านงานต้นฉบับ

แบบฝึกหัดท้ายโมดูล

  1. ใช้ Finance focus วิเคราะห์บริษัทที่สนใจหนึ่งแห่ง แล้วยืนยันตัวเลขที่ได้กับรายงานการเงินต้นทาง
  2. ทำ mini literature review 1 หัวข้อด้วย Academic focus + Pro Search จัดกลุ่มงานวิจัยตามข้อค้นพบ

🎯 Capstone: รายงานวิจัยเชิงลึกพร้อมเวิร์กสเปซและ Page เผยแพร่

  1. เลือกหัวข้อวิจัยจากงานจริง สร้าง Space พร้อมอัปโหลดไฟล์อ้างอิงและตั้ง custom instructions
  2. ใช้ Pro Search และ Deep Research รวบรวมข้อมูล พร้อมทำ checklist ตรวจสอบ citation อย่างเป็นระบบ
  3. วิเคราะห์ไฟล์ข้อมูลที่อัปโหลดผสานกับข้อมูลเว็บสด และเลือก Focus mode ที่เหมาะในแต่ละช่วง
  4. แปลงผลเป็น Page เผยแพร่ที่คง citation พร้อมบทสรุปผู้บริหาร และนำเสนอกระบวนการตรวจสอบความน่าเชื่อถือที่ใช้
ก้าวต่อไป

Agentic Workflow และการผสานระบบ: Labs, Comet และ Sonar API

ไปต่อ →