EngineerBrain · Know IT Solution

ความรู้บริษัท พร้อมให้ Agent ทุกตัวใช้

Markdown มีเจ้าของและ audience Domain hubs เกินกว่า engineering ดัชนีเดียวให้คนและ AI — Admin UI กับ MCP ใช้แคตตาล็อกเดียวกัน

กำลังนับไฟล์ Markdown…

Rules

มาตรฐานที่ใช้เสมอ: UX, API, security, CI, observability และการทดสอบ
Skills และ inbox

HOW ตามสแต็ก รวม SEO / agent-ready และการตรวจเว็บภายนอกสำหรับไซต์สาธารณะ และ draft ใน inbox จนกว่าจะ promote หรือ merge ผ่าน Admin UI หรือ MCP write tools
Blueprints และ checklists

รูปทรงฟีเจอร์ที่ทำซ้ำได้ และเกณฑ์ก่อน merge (SEO, agent-ready, web-site-audit, PR) โดยแนบไฟล์ได้เมื่อเปิด object storage

Domain hubs ครอบคลุม engineering, pharmacy, telecom, sales, support, product, ops, ERP และอื่นๆ คู่มือเชิงลึกอยู่ในคลัง — Admin บน Tubim SSO โหลดตามสภาพแวดล้อม มี catalog search (ตัวกรอง + เรียงคอลัมน์) และแผนที่หลังล็อกอิน รายละเอียดไม่อยู่บนโฮสต์นี้

วิธีทำงาน

ลูปเดียว: ดึงความจริงบริษัท → ลงมือด้วยมัน → จับสิ่งที่ควรอยู่ถาวร

ค้นสมององค์กร

เครื่องมือ search_* แบบระบุประเภท หา rules / skills / blueprints: keyword ใช้ได้แบบออฟไลน์; เปิด hybrid (keyword ∪ Qdrant) จะฝัง chunk ของ Markdown เพื่อ recall จากคำถามที่ถอดความ แล้วจัดอันดับด้วย domain แท็ก ความสำคัญ และสัญญาณ semantic มี rerank เสริม (Cohere หรือ Jina) สำหรับ top-k ที่คมขึ้น Knowledge Admin ใช้ search stack ชุดเดียวกัน (ตัวกรอง เรียงคอลัมน์ ดูตัวอย่าง ไฟล์แนบ)
โหลดเฉพาะที่ใช้จริง

คัดด้วย get_documents แบบ snippet (และ related[{id,reason?}] / plan_feature.nextDocuments[{id,reason?}]) แล้วค่อย full สำหรับ 6–10 เอกสารที่จะใช้ มาตรฐาน always-on อยู่ในขอบเขต ทักษะตามสแต็ก/โดเมนโหลดเมื่องานต้องการ
ลงมือ ตรวจ แล้วเรียนรู้กลับ

วางแผนด้วย /plan-feature หรือ /iterative-retrieve ปิดลูปด้วย /quality-gate (ถาม /session-capture เมื่อมีบทเรียน) อุ่น hub ด้วย /session-start: คนยืนยัน inbox ก่อน promote

เลิกให้ทุก Agent เดา Know IT ใหม่ทุกครั้ง

ผู้ช่วยทั่วไปมักเดารูปแบบเอง EngineerBrain คือสมองกลางขององค์กร: ค้นหาความรู้บริษัท วางแผน/รีวิวตามนั้น แล้วเรียนรู้กลับโดยมีคนยืนยัน: ใช้ได้กับ Cursor, Claude, Copilot, Windsurf, Cline หรือ MCP client ใดก็ได้

Adapt แล้วได้อะไร

เสียบ EngineerBrain เข้ากับ Agent ที่ทีมใช้อยู่แล้ว ความรู้สะสมแทนที่จะค้างในแชทและหัวคน — ด้านล่างคือแนวใช้จริงพร้อมตัวอย่าง

Agent เลิกเดา

ดึง rules, skills, domain hubs และ checklists ก่อนลงมือ: pharmacy, telecom, sales, support, ops, ERP, engineering จากแหล่งเดียว
IDE ไหนก็ชุด tool เดียวกัน

MCP แบบ stdio หรือ HTTP แชร์ คำสั่งติดตั้งให้ Cursor, AGENTS.md, Claude, Copilot, Windsurf, Cline: search / plan / review / write ชุดเดียวกัน
คนยังถือสิทธิ์คลัง

บทเรียนเข้า inbox ก่อน Promote / merge / reject ใน Knowledge Admin: ไม่มี silent write ลงคลังถาวร
งานข้าม session สะสมได้

Handoff, quality gate, harness hygiene และ Related backlinks เปลี่ยนชัยชนะครั้งเดียวให้เป็นความจำองค์กร

แนวใช้งานจริง

ไม่ใช่แค่ “ต่อ MCP แล้วจบ” — ทีม Know IT ใช้ลูปพวกนี้ตอนส่งฟีเจอร์ งานแนวตั้ง จับบทเรียน และส่งงานต่อ

Session → ดึงความรู้ → เกต → จับบทเรียน

อุ่น hub ดึงเอกสารบริษัทก่อนลงมือ ปิดด้วย quality gate แล้ว capture เฉพาะเมื่อมี lesson ที่ reuse ได้

ตัวอย่าง /session-start → /iterative-retrieve หรือ /plan-feature → ลงมือ → /quality-gate → /session-capture (ถ้า reuse ได้)
งานแนวตั้ง ไม่ใช่ IT ทั่วไป

ดึง domain hub ก่อนออกแบบ UX หรือโมเดลข้อมูล แล้วตาม Related ที่มีเหตุผล

ตัวอย่าง หน้า dialer โทรคมนาคม: search domain=telecom → hop Related → ตาม skills ที่ hub ชี้ ไม่เดา PBX จากเน็ต
แก้บั๊กแล้วกลายเป็นความจำองค์กร

ถ้า Fix reuse ได้ จับเป็น lesson เข้า inbox — คน promote/merge ไม่ silent write

ตัวอย่าง Redis sticky-session ใต้ LB: /session-capture → Inbox ใน Admin → promote + Related backlink บน hub ops
ส่งงานต่อกลางฟีเจอร์โดยไม่หลงบริบท

สแนปช็อตสิ่งที่โหลดไว้ แล้วให้ session ถัดไปอุ่น hub ชุดเดิมก่อนลงมือต่อ

ตัวอย่าง /brain-status (remember lastSession) → แชทถัดไป /session-start → Agent เริ่มจาก hub เดิม ไม่เริ่มศูนย์

เทียบกับทางเลือกอื่น

ไม่ใช่แค่หน้าแชทอีกอัน EngineerBrain คือสมองกลางองค์กรที่ทางอื่นมักขาด

เลื่อนตารางแนวนอนได้บนจอแคบ

ความสามารถ	Copilot / แชททั่วไป	Wiki / RAG chat	Rules ใน IDE อย่างเดียว	EngineerBrain
ยึดคลังความรู้บริษัทคุณ	ไม่มี: เดาจากเว็บสาธารณะ	บางส่วน: ดึงเอกสารได้ แต่ลูปส่งมอบอ่อน	บางส่วน: rules ใน repo เดียว	มี: rules, skills, hubs, checklists
ใช้ข้าม AI Agent / IDE ได้	แชทเจ้าเดียว	มักเป็น UI แชทเดียว	ผูก IDE นั้น	มี: MCP client ใดก็ได้
วางแผน / รีวิวตามมาตรฐาน	พรอมต์เฉพาะกิจ	ถามแล้วลุ้น	แค่คำใบ้	มี: plan, review, quality-gate
เรียนรู้กลับโดยมีคนยืนยัน	ไม่กลายเป็นความจำองค์กร	แก้ wiki มือ	ไม่มี inbox lifecycle	มี: inbox → promote/merge
Domain hubs นอก engineering	ค่าเริ่มต้น IT ทั่วไป	ถ้าเขียนหน้าไว้	น้อย	มี: pharmacy, telecom, sales, support, ERP…
คนกับ Agent ใช้แคตตาล็อกเดียว — ไม่มีสองสมอง	ไม่มี	UX wiki แยกจาก Agent	ไม่มี	มี: Admin + MCP ชุดเดียว
เลือกเอกสารถัดไปด้วยเหตุผล (Related)	ไม่มี	ลิงก์เปล่าถ้ามี	ไม่มีกราฟความรู้	มี: id — reason + nextDocuments
คุมงบ context ของ Agent	ยัดหรือเดาเอง	มัก dump ชิ้นเอกสารเข้าแชท	แค่ไฟล์ rules — ไม่มีงบดึง	มี: snippet default + soft warnings
ความรู้มีอายุและ audience	ไม่มี	มักเป็นเอกสารนิรันดร์ ไม่มี gate	ไม่มี	มี: audience + validFrom/validTo

พิสูจน์ด้วยการหาเอกสารถูก ไม่ใช่คำตอบสวย — ดู benchmark →

เทียบกับ IDE harness และ Obsidian

Harness = กาว session ใน IDE (slash / hooks / quality-gate) · Obsidian = คลัง Markdown ให้คนอ่าน — แม้แชร์ vault ในองค์กรก็ยังเป็น wiki ไม่ใช่ MCP delivery brain · EngineerBrain = สมององค์กรที่ Agent เรียกผ่าน MCP ได้

IDE harness อย่างเดียว

Cursor / ECC-style session glue
ข้อดี
- slash / hooks / session-start ใน IDE ที่ใช้อยู่
- quality-gate และ nudge ใกล้จุดที่เขียนโค้ด
- ตั้งค่าเร็ว ไม่ต้องมีคลังกลาง
ข้อเสีย
- ไม่มีคลังบริษัทร่วมข้ามทีม/IDE
- ไม่มี inbox → promote ที่คนยืนยัน
- ความรู้ยังกระจัดกระจายในแชทและกฎ repo
EngineerBrain ใช้ harness เป็นทางเข้า — เติม corpus + MCP tools + Admin
Obsidian

คลัง Markdown ให้คน — ส่วนตัวหรือ wiki ทีมที่แชร์ได้
ข้อดี
- เขียน/ลิงก์ Markdown สะดวก กราฟสวย local-first
- เหมาะโน้ตส่วนตัวและการคิดออกเสียง
- ปลั๊กอินและธีมครบสำหรับมนุษย์อ่าน
ข้อเสีย
- แชร์ vault / sync / plugin AI ได้ แต่ยังไม่ใช่ MCP brain สำหรับ Agent หลายตัว
- ไม่มีลูป plan → quality-gate → inbox ที่คนยืนยัน
- ไม่มี audience ขององค์กร หรือความรู้แบบมีช่วงอายุ
EngineerBrain ไม่แทนที่ vault ส่วนตัวหรือ wiki ทีม — เติมชั้น MCP ให้ Agent ค้น วางแผน และเรียนรู้กลับตามมาตรฐานบริษัท

Benchmark การดึงความรู้

ชุดคำถาม company-knowledge เดียวกันบน EngineerBrain HTTP ที่รันอยู่ ไม่ใช่คะแนนคำตอบของ LLM — แต่ Agent หาเอกสารถูกหรือไม่

สตาร์ท EngineerBrain HTTP

รัน process จริง (TRANSPORT=http) keyword กับ hybrid คนละพอร์ต เพราะ backend ละ process
ยิงชุดคำถามเดียวกัน 3 โหมด

AI เปล่าไม่เรียก MCP · keyword / hybrid เรียก search_* ผ่าน POST /mcp แล้วเทียบ id ที่ควรเจอ
วัด recall / MRR + latency

golden คือคำตรง paraphrase คือภาษาธรรมชาติ สคริปต์เขียน results/latest.json ให้รันซ้ำได้

Golden = คำตรงๆ · Paraphrase = ภาษาธรรมชาติ (จุดที่ hybrid นำ)

โหมด	mean recall	mean MRR	paraphrase recall	search p50
AI ปกติ (ไม่มี EngineerBrain)	0.00	0.00	0.00	—
AI + EngineerBrain keyword	1.00	0.95	0.88	9.3 ms
AI + EngineerBrain hybrid	1.00	0.95	1.00	13.9 ms

ผลจาก HTTP bench สาธารณะที่ยิง EngineerBrain process จริง (golden 20 + paraphrase 8 อัปเดต 2026-07-24) keyword จากรัน backend keyword ล่าสุด · hybrid รีเฟรชสด รันซ้ำได้จาก repo เปิดสาธารณะ

ดูโค้ด benchmark บน GitHub

สมองเดียว เข้าได้สี่ทาง

ต่อ Agent ที่ทีมใช้อยู่แล้ว: หรือดูแลคลังในเบราว์เซอร์ ความรู้ยังเป็นของกลาง

MCP stdio (IDE ในเครื่อง)

รัน pnpm start:stdio (หรือ Docker stdio) ชี้ Cursor / Claude Desktop ที่ EngineerBrain ใน mcp.json Agent เรียก search_*, plan_feature, review_against_standards และ write tools ด้วย env token ในเครื่อง รีโหลด MCP ถ้า server_info แสดงรายการ tool ค้าง
MCP ผ่าน HTTP (แชร์ทีม)

แคตตาล็อก tool เดียวกับ stdio โฮสต์ให้ทีม ไคลเอนต์ต่อ URL MCP HTTP ที่ได้รับอนุญาตด้วย token อ่าน/เขียนจาก env: ไม่ใช่คุกกี้ SSO ของ Admin ใช้เมื่อหลายคนแชร์ brain process เดียว
Knowledge Admin (เบราว์เซอร์)

คนดูแลคลัง: Ask playground (cite / plan → map story), ค้นแบบ multi-filter, แผนที่ + link hygiene, จับโน้ต และ promote Tubim SSO ตามสภาพแวดล้อม ล็อกอินแยกจาก MCP token
Product repo หลัง generate_agent_rule

ติดตั้ง AGENTS.md / Cursor rules + slash ลง workspace ของโปรดักต์ Agent ใน repo นั้นตาม EngineerBrain โดยไม่ต้องวางคลังทั้งหมด รันใหม่เมื่อเทมเพลต slash หรือ rule เปลี่ยน

เครื่องมือที่ agent เรียก

stdio ในเครื่องหรือ HTTP แชร์: เลเยอร์แอปเดียวกัน พร้อม Knowledge Admin Slash ชี้ทาง: วางแผน iterative retrieve รีวิว รีแฟกเตอร์ ขัด UI quality gate ตรวจ PR เริ่ม/จับ session หรือ brain status

plan_feature
แผนงานจากคลังความรู้แบบกำหนดได้ (nextDocuments พร้อมเหตุผล optional)
review_against_standards
แพ็กเช็คลิสต์สำหรับรีวิวเบา รีแฟกเตอร์ หรือตรวจก่อน merge
get_document · get_documents
Markdown เต็มตามรหัส: หรือ get_documents แบบชุด (snippet หรือ full)

search_rule มาตรฐานวิศวกรรมที่ใช้เสมอ
search_skill ความสามารถเสริมตามสแต็ก
search_blueprint โครงฟีเจอร์ (CRUD, แดชบอร์ด…)
brain_status สแนปช็อตส่งงานต่อ (+ remember lastSession ได้)
server_info เวอร์ชัน + รายการ tool (เช็ก MCP ค้างเวอร์ชัน)
search_reference ชุด Vuexy / Metronic ที่เมาท์ไว้
add_knowledge เสนอ lesson/note → inbox (ต้องให้คนยืนยัน)
assist_knowledge ข้อความอิสระ → ดราฟต์มีโครง (LLM หรือ keyword)
generate_agent_rule ติดตั้งคำสั่ง agent + workspace map + slash commands
install_craft_skill ติดตั้ง Impeccable / Taste ใน product repo (ถามก่อน)
get_attachment_url ลิงก์ดาวน์โหลดไฟล์แนบ (MinIO / S3 / local)

Slash commands สำหรับ agent

ทางลัด Cursor หลัง generate_agent_rule (format cursor|all) · IDE อื่นใช้ MCP prompts/tools ชุดเดียวกัน · ลูปหลัก: session-start → plan หรือ iterative-retrieve → quality-gate → session-capture เมื่อมี lesson

/plan-feature วางแผนแบบ search-first จากคลังบริษัท
/iterative-retrieve ลูป explore → snippet → full
/review-standards แพ็กเช็คลิสต์เบา (purpose=review)
/refactor แพ็กมาตรฐานเน้นรีแฟกเตอร์
/audit-ui ขัด UI / craft audit
/quality-gate ตรวจ repo ก่อนส่ง แล้วถาม session-capture
/pr-check เช็คลิสต์พร้อมก่อน merge
/session-start อุ่น hubs ก่อนงานลึก
/session-capture จับบทเรียนจาก session เข้า inbox
/capture-lesson ข้อความอิสระ → ดราฟต์ lesson
/brain-status สแนปช็อตส่งงานต่อ (+ remember)

AI agent ไหนต่อได้

EngineerBrain เป็น MCP server — ไม่ใช่ปลั๊กอิน ChatGPT · ต้องเป็น MCP client จริง แล้วติดตั้ง harness ที่ product repo

First-class (มี generate_agent_rule)

Cursor (slash + hooks), Claude Code / Desktop, VS Code + GitHub Copilot, Windsurf, Cline · tool ชุดเดียวกัน · format=all ครอบทุกไฟล์
ใช้ได้เมื่อเปิด MCP จริง

ChatGPT เฉพาะโหมด Connectors / Developer Mode ที่ชี้ instance ของคุณ · client ชุมชนต้อง smoke-test ก่อน · Knowledge Admin Ask สำหรับคนในเบราว์เซอร์
ไม่แนะนำเป็นช่องทางหลัก

แชททั่วไปที่ไม่มี MCP เรียก tool ไม่ได้ · Microsoft Copilot ฝั่ง consumer ≠ GitHub Copilot ใน VS Code

ในคลัง: skills/engineerbrain-mcp-clients · ลูปใช้งาน: skills/engineerbrain-agent-playbook

Knowledge Admin ทำอะไรได้บ้าง

GUI สำหรับคนที่ดูแลคลัง: ค้นด้วยดัชนีเดียวกับที่ agent ใช้ คัด inbox และจัดทิศทาง session

หน้าแรกและ brain status

นับ inbox, แบดจ์ Fix-suggested, ทางลัดไป capture/map และแถบ brain-status สด
Ask playground

ไม่ใช่แชทเสรี Cite พร้อม document id หรือพรีวิว plan_feature แล้วเปิด map story
ค้นหาคลัง

ค้นหาเต็มข้อความพร้อม type chips ตัวกรองหลายค่า เรียงคอลัมน์ พรีวิว และสถานะซิงก์ใน URL
เปิดล่าสุด

รายการ recently viewed บนหน้าแรกและใน nav search
แผนที่ความรู้

กราฟ outline หรือ mindmap ของเอกสารที่เกี่ยวข้อง · โฮเวอร์ขอบกราฟเพื่อดูเหตุผล Related · ขอบสีส้ม = Related ทางเดียว
Quick capture

วางโน้ตหรือบทเรียน ดราฟต์แล้วเข้า inbox ให้คนรีวิว
รีวิว Inbox

อนุมัติ ปฏิเสธ merge หรือ promote กรอง Fix-suggested ได้

pnpm install
cp .env.example .env
pnpm start:stdio

# smoke without an IDE client
pnpm smoke:plan "Create Customer CRUD with Nuxt"

เริ่มต้นใช้งาน

Node 24+, pnpm 11+ เชื่อมต่อ coding assistant ที่รองรับ MCP แล้วรีโหลด ถ้า tool หายให้เรียก server_info

1) ตั้งค่า MCP (stdio หรือ HTTP) 2) รัน generate_agent_rule (format ตาม IDE หรือ all) 3) hybrid เสริม: Qdrant + embeddings แล้ว pnpm knowledge:reindex (หรือ --force เพื่อ re-embed ทั้งชุด) 4) rerank เสริม: Cohere หรือ Jina 5) compose เสริม: MCP HTTP, Knowledge Admin, object storage Admin login ≠ MCP token

สำรวจเวิร์กโฟลว์ กลับขึ้นบน

ความรู้กลางองค์กร หนึ่งชุด: AI Agent ทุกตัวพูดภาษาเดียวกัน

ความรู้บริษัท พร้อมให้ Agent ทุกตัวใช้

Rules

Skills และ inbox

Blueprints และ checklists

ค้นสมององค์กร

โหลดเฉพาะที่ใช้จริง

ลงมือ ตรวจ แล้วเรียนรู้กลับ

เลิกให้ทุก Agent เดา Know IT ใหม่ทุกครั้ง

Adapt แล้วได้อะไร

Agent เลิกเดา

IDE ไหนก็ชุด tool เดียวกัน

คนยังถือสิทธิ์คลัง

งานข้าม session สะสมได้

แนวใช้งานจริง

Session → ดึงความรู้ → เกต → จับบทเรียน

งานแนวตั้ง ไม่ใช่ IT ทั่วไป

แก้บั๊กแล้วกลายเป็นความจำองค์กร

ส่งงานต่อกลางฟีเจอร์โดยไม่หลงบริบท

เทียบกับทางเลือกอื่น

เทียบกับ IDE harness และ Obsidian

IDE harness อย่างเดียว

Obsidian

Benchmark การดึงความรู้

สตาร์ท EngineerBrain HTTP

ยิงชุดคำถามเดียวกัน 3 โหมด

วัด recall / MRR + latency

สมองเดียว เข้าได้สี่ทาง

MCP stdio (IDE ในเครื่อง)

MCP ผ่าน HTTP (แชร์ทีม)

Knowledge Admin (เบราว์เซอร์)

Product repo หลัง generate_agent_rule

เครื่องมือที่ agent เรียก

Slash commands สำหรับ agent

AI agent ไหนต่อได้

First-class (มี generate_agent_rule)

ใช้ได้เมื่อเปิด MCP จริง

ไม่แนะนำเป็นช่องทางหลัก

Knowledge Admin ทำอะไรได้บ้าง

หน้าแรกและ brain status

Ask playground

ค้นหาคลัง

เปิดล่าสุด

แผนที่ความรู้

Quick capture

รีวิว Inbox

เริ่มต้นใช้งาน