AI จำอะไรเกี่ยวกับเรา? แยก Context, Memory และประวัติแชตให้ชัด

AI จำสไตล์การเขียนได้ แต่กลับลืมตัวเลขที่คุยกันเมื่อวาน ไม่จำเป็นต้องแปลว่าระบบเสีย เพราะการเก็บประวัติ การดึงความจำ และการส่งข้อมูลให้โมเดลตอบอาจเป็นคนละขั้นตอน

ถาดทำงาน กล่องเก็บข้อมูล และแถบสนทนาแยกกัน โดยมีบัตรบางใบย้ายเข้าถาดทำงาน

ข้อมูลที่เก็บไว้ไม่เท่ากับข้อมูลที่โมเดลกำลังเห็น

เมื่อพูดว่า AI “จำได้” ควรแยกอย่างน้อยสามอย่าง: Context คือข้อมูลที่ใช้ในรอบการตอบนั้น Memory คือกลไกเก็บและนำข้อมูลกลับมาใช้ข้ามรอบหรือข้ามงานตามการออกแบบ และ ประวัติแชต คือบันทึกการสนทนาที่ผลิตภัณฑ์จัดเก็บให้เปิดดู ทั้งสามอาจเชื่อมกัน แต่ไม่ใช่วัตถุเดียวกัน

เอกสาร Memory ของ LangChain อธิบายการจำในระดับเธรดและการเก็บระยะยาว ส่วน บทความ Context Engineering ของ Anthropic อธิบายการคัดข้อมูลเข้าสู่บริบทที่มีขอบเขตจำกัด ใช้เป็นพื้นฐานของแนวคิดได้ แต่ไม่ได้ยืนยันว่าแอป AI ทุกตัวใช้รูปแบบเก็บหรือลบข้อมูลเหมือนกัน

บทความนี้อธิบายหลักการทั่วไป ไม่ใช่คู่มือตั้งค่าความเป็นส่วนตัวของผลิตภัณฑ์ใด หากต้องการรู้ว่าแอปหนึ่งเก็บอะไรและนานแค่ไหน ต้องอ่านเอกสารและการตั้งค่าของบัญชีนั้นโดยตรง

Context, Memory และประวัติแชตต่างกันตรงไหน

LangChain แยก Short-term memory ผ่าน Checkpointer กับ Long-term memory ผ่าน Store ก่อนส่งข้อมูลให้ LLM
แผนภาพความจำจาก LangChain: สังเกตว่า Checkpointer กับ Store เป็นคนละทางเข้าสู่ LLM ภาพช่วยแยกชั้นข้อมูล แต่ไม่บอกว่าแอปทุกตัวเก็บประวัติหรือมีนโยบายลบเหมือนกัน ที่มา: LangChain Docs ใช้ตาม MIT แปลงเป็น WebP แบบไม่สูญเสีย ไม่ยืดภาพหรือแก้ข้อความ
ส่วนคำถามที่ใช้ตรวจสิ่งที่ไม่ควรอนุมาน
Contextรอบนี้ระบบส่งข้อความ ไฟล์ หรือผลค้นใดให้โมเดลข้อความทุกบรรทัดในประวัติอยู่ในรอบนี้ทั้งหมด
Memoryระบบเก็บข้อมูลอะไร และเลือกดึงกลับมาเมื่อใดเก็บแล้วจะเรียกใช้ทุกครั้ง หรือเรียกได้ถูกเสมอ
ประวัติแชตมีบันทึกใดให้ผู้ใช้เปิดย้อนหลังลบแชตแล้วความจำหรือสำเนาทั้งหมดจะถูกลบด้วย

ความรู้จากการฝึกโมเดลเป็นอีกชั้นหนึ่ง การแก้ข้อความในแชตหรือเปลี่ยนรายการความจำไม่ได้แปลว่าได้ฝึกน้ำหนักโมเดลใหม่ และการจำข้อมูลผู้ใช้ไม่จำเป็นต้องเกิดจากการฝึกโมเดล ระบบอาจเพียงดึงบันทึกเก่ามาวางในบริบทก็ได้

Context อาจรวมคำสั่งระบบ ผลจากเครื่องมือ และข้อมูลที่ค้นได้ซึ่งผู้ใช้ไม่ได้พิมพ์เอง หน้าจอแชตจึงอาจแสดงบริบทไม่ครบ หากแอปไม่เปิดรายละเอียดเหล่านี้ เราก็ตรวจได้เท่าที่แอปแสดง ไม่ควรให้ AI เดาว่าระบบเบื้องหลังทำอะไร

ตัวอย่างสมมติ: จำสไตล์ได้ แต่ใช้วันกำหนดส่งผิด

สมมติผู้ใช้บอกว่า “ชอบคำตอบไทยสั้น ๆ” และเคยวางแผนส่งงานวันศุกร์ ต่อมามีการเปลี่ยนกำหนดส่งเป็นวันพฤหัสบดีในข้อความยาวอีกห้องหนึ่ง หากระบบเก็บสไตล์ไว้เป็น Memory แต่ไม่ได้ดึงการเปลี่ยนกำหนดส่งเข้ามา AI อาจตอบสั้นตามใจผู้ใช้พร้อมใช้วันศุกร์ที่ล้าสมัย

นี่เป็นสถานการณ์สมมติเพื่อแยกชั้นข้อมูล ไม่ใช่ผลทดสอบของผลิตภัณฑ์จริง วิธีแก้สำหรับงานนี้คือส่งข้อมูลปัจจุบันพร้อมหลักฐานใหม่ว่า “กำหนดส่งที่ใช้กับงานนี้คือวันพฤหัสบดีตามประกาศฉบับล่าสุด อย่าใช้วันจากแผนเก่า” แล้วตรวจแผนที่สร้างว่าทุกส่วนใช้วันเดียวกัน

ข้อมูลถาวรอย่างภาษาที่ชอบกับข้อมูลชั่วคราวอย่างกำหนดส่งควรจัดการต่างกัน ในมุม KrobClick ข้อมูลชั่วคราวควรมีวันที่และขอบเขตของงาน ส่วนข้อมูลที่มีผลสูงควรยืนยันจากต้นฉบับปัจจุบัน แม้ระบบบอกว่าจำได้แล้ว

ทำไมคุยนานขึ้นไม่ได้แปลว่าระบบเข้าใจดีขึ้นเสมอ

บริบทมีขนาดจำกัด และระบบอาจตัด สรุป หรือค้นเฉพาะส่วนเพื่อทำงานต่อได้ตามการออกแบบ การสรุปช่วยรักษาใจความ แต่รายละเอียดที่ไม่ได้ถูกเก็บอาจหาย เช่น ข้อยกเว้นที่อยู่ในบทสนทนาเก่า การเปิดประวัติเห็นข้อความไม่ได้พิสูจน์ว่ารอบตอบล่าสุดได้รับข้อความนั้นเต็ม ๆ

บทความของ Anthropic เสนอการจัดบริบทและการใช้บันทึกช่วยงานยาว เรานำหลักนี้มาเป็นข้อเสนอปฏิบัติว่าให้สร้าง “สถานะงานล่าสุด” แยกจากบทสนทนาที่ยาว โดยระบุสิ่งที่ตกลงแล้วและสิ่งที่ยังไม่ยืนยัน ไม่ทำให้การสรุปนั้นกลายเป็นแหล่งความจริงที่เหนือเอกสารต้นฉบับ

สถานะงานล่าสุด: เป้าหมายคือคู่มือสำหรับผู้เริ่มต้น สิ่งที่ยืนยันแล้วคือใช้ภาษาไทยและส่งวันพฤหัสบดี แหล่งอ้างอิงคือประกาศฉบับล่าสุด ข้อห้ามคือห้ามเติมราคาหรือผลทดลอง งานที่เสร็จคือโครงเรื่อง งานค้างคือเช็กแหล่งและภาพ ก่อนทำต่อให้ระบุข้อมูลที่ยังขาด

ข้อความนี้เป็นแม่แบบสมมติ เปลี่ยนให้ตรงงานจริงและลบข้อมูลที่ไม่จำเป็นก่อนส่งต่อ สำหรับ workflow ส่งงานข้ามเซสชันอ่านต่อได้ที่ บทความ Handoff และบริบทงาน

หากต้องการอ่านเรื่อง Token และการจัดเอกสารยาวโดยเฉพาะ ดู คู่มือ Context Window ส่วนบทความนี้เน้นแยกข้อมูลที่เก็บ การดึงความจำ และความหมายของการลบประวัติ

ตรวจการจำและการลบจากการตั้งค่า ไม่ใช้คำตอบ AI เป็นใบยืนยัน

รายการนี้เป็นคำถามสำหรับตรวจนโยบาย ไม่ใช่การรับรองว่าผลิตภัณฑ์ทุกตัวมีเมนูครบตามนี้ หาก AI ตอบว่า “ลืมแล้ว” แต่ไม่มีเครื่องมือหรือตัวบ่งชี้การลบที่ตรวจสอบได้ อย่าใช้ถ้อยคำนั้นเป็นหลักฐานว่าข้อมูลถูกลบจากระบบทุกชั้น

ทำให้งานต่อเนื่องด้วยหลักฐานที่ชัด ไม่ฝากไว้กับการจำอย่างเดียว

งานประจำอาจใช้ Memory ลดการพิมพ์ซ้ำได้ แต่กำหนดส่ง ตัวเลข เงื่อนไขสัญญา และสิทธิ์ทำงานควรอ้างแหล่งปัจจุบัน ก่อนเริ่มงานใหม่ให้ส่งสรุปสถานะที่กระชับ พร้อมลิงก์หรือไฟล์ฉบับที่ใช้ แล้วตรวจผลลัพธ์ว่าตรงกับข้อมูลนั้น

คำถามที่มีประโยชน์กว่าการถามว่า “จำฉันได้ไหม” คือ “คำตอบนี้ใช้ข้อมูลฉบับไหน และสิ่งใดต้องยืนยันใหม่” คำถามนี้ช่วยทั้งจับความจำที่ล้าสมัยและทำให้เราเห็นขอบเขตของการพึ่ง AI ได้ชัดขึ้น

อ่านต่อAI ทำงานเสร็จจริงหรือแค่บอกว่าเสร็จ? วิธีตรวจรับงานจาก AI Agentกำหนดหลักฐานรับงานก่อนเริ่ม แล้วตรวจผลลัพธ์จริงแยกจากคำรายงานของ Agent

แหล่งข้อมูล

ตรวจเอกสารต้นทางวันที่ 14 ตุลาคม 2569 ตามเวลาไทย ตัวอย่างและคำสั่งภาษาไทยเป็นข้อเสนอของ KrobClick ไม่ใช่ผลทดลองผลิตภัณฑ์ ความสามารถและการตั้งค่าอาจต่างตามรุ่นหรือบัญชี ควรตรวจต้นฉบับและผลลัพธ์ก่อนใช้งานจริง