PAIDEIA — ปลั๊กอิน Claude Code สำหรับอ่านหนังสือสอบที่สร้างโดยนักศึกษาควบสาขาฟิสิกส์และคณิตศาสตร์ที่ KAIST
(github.com/TaewoooPark)PAIDEIA – ปลั๊กอิน Claude Code แบบ local-first สำหรับสร้างฐานความรู้เตรียมสอบจากเอกสารการเรียนของฉัน
ผมกำลังเรียนควบสาขาฟิสิกส์และคณิตศาสตร์ประยุกต์ที่ KAIST ระหว่างที่อ่านหนังสือสอบแล้วเห็นเพื่อนๆ เอา PDF ทั้งก้อนไปยัดใส่ GPT ผมก็เริ่มคิดถึงวิธีที่มีประสิทธิภาพกว่านั้น เลยลงมือทำปลั๊กอินขึ้นมาเองและเปิดซอร์สให้ใช้งานกันครับ!
นักศึกษาส่วนใหญ่มักจะเอาเอกสารประกอบการสอน การบ้าน เฉลย และข้อสอบเก่าทั้งหมดใส่เข้าไปใน LLM พร้อมสั่งว่า “อธิบายให้หน่อย”, “สรุปให้หน่อย”, “ช่วยออกข้อสอบที่น่าจะเจอให้หน่อย” แต่สำหรับการเตรียมสอบจริง สิ่งสำคัญไม่ใช่แค่การสรุปเนื้อหา แต่คือการติดตามอย่างต่อเนื่องว่า ในวิชานั้นมีรูปแบบการแก้โจทย์อะไรที่วนซ้ำอยู่ สไตล์การออกการบ้านของอาจารย์เป็นแบบไหน ฉันพลาดตรงไหนบ่อย และส่วนไหนมีโอกาสออกสอบสูง นั่นจึงเป็นเหตุผลที่ผมสร้าง PAIDEIA ขึ้นมา
PAIDEIA ถูกออกแบบให้เป็น Local-first สำหรับ Claude Code เมื่อใส่ PDF ของเอกสารการสอน การบ้าน และเฉลยไว้ในโฟลเดอร์ของรายวิชา มันจะสร้างฐานความรู้สำหรับการเตรียมสอบที่ออกแบบมาเฉพาะสำหรับวิชานั้น
ฟีเจอร์
- แปลง PDF ของเอกสารการสอน/HW/เฉลยเป็น Markdown
- ดึงรูปแบบการแก้โจทย์ที่ปรากฏซ้ำจากเฉลย
- ระบุหัวข้อที่มีโอกาสออกสอบสูงโดยอิงจาก coverage ของการบ้าน
- สร้าง pattern card, แผนที่จุดอ่อน และชีตสรุปหนึ่งหน้า
- สร้าง twin variant ของโจทย์เดิม
- สร้างข้อสอบจำลอง
- อ่าน PDF คำตอบที่เขียนด้วยมือผ่าน OCR แล้วเทียบกับ reference solution เพื่อให้คะแนน
- สะสมรูปแบบความผิดพลาดเพื่อนำไปสะท้อนในแบบฝึกหัดรอบถัดไปและชีตสรุป
- บันทึกผลลัพธ์ทั้งหมดเป็น plain Markdown
ที่มา
สิ่งที่นักศึกษามหาวิทยาลัยต้องการ ไม่ใช่ “AI ติวเตอร์ที่ใจดียิ่งขึ้น” แต่คือระบบการเรียนรู้รายวิชาที่สะสมทั้งเอกสารการสอนของฉันและความผิดพลาดของฉันอย่างต่อเนื่อง
การสอบมักผูกติดกับสไตล์ของอาจารย์แต่ละคนและการกระจายตัวของโจทย์การบ้าน มากกว่าความรู้ทั่วไปเสียอีก แม้จะเป็นแนวคิดเดียวกัน แต่สิ่งสำคัญคือมันถูกออกข้อสอบในรูปแบบไหน มีรูปแบบการแก้โจทย์แบบใดที่ถูกใช้ซ้ำ และฉันมักติดขัดตรงไหน ด้วยเหตุนี้ PAIDEIA จึงใกล้เคียงกับกราฟการเรียนรู้ที่แก้ไขได้ มากกว่าจะเป็นแชตบอตแบบโต้ตอบ เมื่อทำโจทย์ผิดหนึ่งครั้ง ความผิดพลาดนั้นจะถูกบันทึกไว้ในแผนที่จุดอ่อน และสะท้อนกลับไปยังแบบฝึกหัดและชีตสรุปในครั้งถัดไป
Local-First
ผลลัพธ์ไม่ได้ถูกขังอยู่ในแอปใดแอปหนึ่ง มันจะถูกเก็บเป็นไฟล์ Markdown ภายในโฟลเดอร์ของแต่ละวิชา และสามารถเปิดต่อได้ทันทีในเครื่องมืออย่าง Obsidian สำหรับ OCR นั้น โดยพื้นฐานสามารถใช้ vision workflow ของ Claude/Codex ได้ และยังเปิดให้ต่อกับ Qwen3-VL หรือ Tesseract แบบเลือกใช้ได้ด้วย
ผมอยากแชร์โปรเจกต์นี้ เพราะอยากให้ผู้เรียนสายวิศวกรรมจำนวนมากได้ลองใช้และช่วยยืนยันความสามารถของฟีเจอร์ต่างๆ ครับ!
11 ความคิดเห็น
https://github.com/OPTIMETA/PAIDEIA-opencode
https://github.com/OPTIMETA/PAIDEIA-Hermes
ตอนนี้คุณสามารถใช้ PAIDEIA ได้บน OpenCode และ Hermes แล้ว!
ถ้ารองรับ HTML ได้ด้วยก็คงดีครับ
เป็นความคิดที่ดีครับ แบบนั้นก็น่าจะรวมกราฟหรือ figure บางส่วนเข้าไปได้ด้วย ขอบคุณสำหรับไอเดียครับ!
คงจับแพตเทิร์นสมองของพวกศาสตราจารย์ได้แล้วสินะ ฮ่าๆ
ฮ่าๆ ขอบคุณที่มองกันในแง่ดีนะครับ!
ผมคือผู้โพสต์ครับ! เนื่องจาก README ค่อนข้างยาว เลยตั้งใจว่าจะเพิ่ม GIF เดโม 30 วินาทีที่ช่วยให้เข้าใจได้เร็ว และผลลัพธ์ของ sample-course ครับ
ก่อนหน้านั้นอยากขอคำแนะนำจากทุกท่านเยอะ ๆ ครับ!
ถ้าให้ความเห็นมา ผมจะรีบเอาไปพิจารณาทันทีครับ! ขอบคุณครับ
สำหรับข้อ 2 ฟลोว์ดูดีนะ แต่ก็น่าติดตามว่าเอาต์พุตจริงจะออกมาได้ดีแค่ไหน
อัปเดตครับ!
ตามคำแนะนำที่ได้รับ ผมได้เพิ่มวิดีโอเดโมที่แสดงลำดับการทำงานจริงไว้ใน README แล้ว สามารถดูได้จากลิงก์นี้! https://github.com/TaewoooPark/PAIDEIA
โดยเฉพาะมีฟีดแบ็กว่า “อยากรู้ว่าผลลัพธ์จริงออกมาได้ประมาณไหน” เลยเสริมให้เห็นทั้งการโต้ตอบจริงในเทอร์มินัลและผลลัพธ์การเรียนรู้ที่ถูกสร้างขึ้น แทนการอธิบายแบบทั่วไป
ถ้ายังมีฟีดแบ็กเพิ่มเติม ผมจะรีบนำไปปรับใช้ทันที ขอบคุณครับ!
ผมเองก็ใช้อย่างจริงจังในการเรียนอยู่เหมือนกัน! โดยเฉพาะยิ่งใช้ไปเรื่อย ๆ ยิ่งรู้สึกชัดว่าเมื่อจุดอ่อนของเราถูกสะสมมากขึ้น มันก็ยิ่งปรับให้เหมาะกับเรามากขึ้นตามระยะเวลาที่ใช้งาน
ถ้ารองรับ codex หรือ gemini ด้วยก็น่าจะดีเหมือนกันครับ~ 555
ขอบคุณสำหรับความคิดเห็น! ตอนนี้เรารองรับ codex ผ่านรีโปแยกต่างหากอยู่แล้ว! (https://github.com/TaewoooPark/PAIDEIA-codex) เราจะพิจารณาการพัฒนา Gemini CLI ด้วยเช่นกัน