ตัวอย่างใช้งานจริง: KB ร้านหนังสือ

บทนี้เดินครบทุกขั้นตั้งแต่ศูนย์จนค้นได้ — สร้าง knowledge base เล็ก ๆ ของร้านหนังสือออนไลน์ ด้วยคำสั่งจริง ใช้เป็นแม่แบบกับโดเมนของคุณได้เลย

1. สร้างโครง (init)

python3 tools/okf-init.py ./bookstore-kb
cd bookstore-kb

ได้ AGENTS.md + wiki/{index.md, log.md, getting-started.md} + raw/

2. ใส่ความรู้ (จำลอง ingest)

สร้าง concept ตามโครงสร้าง canonical — ตาราง 2 ตัว, metric, join, playbook ตัวอย่าง wiki/tables/books.md:

---
type: BigQuery Table
title: Books
description: หนึ่งแถวต่อหนังสือหนึ่งเล่มในแคตตาล็อก
tags: [catalog, books]
timestamp: 2026-06-16T00:00:00Z
---

# Schema
| Column | Type | Description |
| :--- | :--- | :--- |
| book_id | STRING | รหัสหนังสือ (PK) |
| author_id | STRING | FK ไปยัง [authors](authors.md) |
| price | NUMERIC | ราคา (USD) |
| stock | INT64 | จำนวนคงคลัง |

# Joins
เชื่อม [authors](authors.md) ผ่าน `author_id` — ดู [Books → Authors](../references/joins/books__authors.md)
stock ต่ำ → [restock runbook](../playbooks/low-stock-runbook.md)

ทำแบบเดียวกันกับ authors, references/metrics/monthly-revenue, references/joins/books__authors, playbooks/low-stock-runbook แล้วอัปเดต wiki/index.md + wiki/log.md

ในงานจริง: วาง source ลง raw/ แล้วให้ agent ทำ INGEST แบบมีคนกำกับ (บท Ingest) — agent จะดึงประเด็น แสดงให้อนุมัติ แล้วเขียน concept + อัปเดต index/log ให้

KB ที่ได้เป็นกราฟแบบนี้:

flowchart LR
  D["datasets/bookstore"] --> B["tables/books"]
  D --> A["tables/authors"]
  B -->|author_id| A
  J["references/joins/books__authors"] --> B
  J --> A
  M["references/metrics/monthly-revenue"] --> D
  P["playbooks/low-stock-runbook"] --> B

3. ตรวจ conformance

python3 tools/okf-validate.py ./wiki
# → ✓ CONFORMANT with OKF v0.1  (0 warning(s), 0 info)

4. ค้นหา

python3 tools/okf-index.py build ./wiki                       # สร้าง BM25 index
python3 tools/okf-search.py "how to join books to authors" --bundle ./wiki
# → references/joins/books__authors  [Reference]   อันดับ 1

เพิ่ม semantic (ไม่บังคับ, on-prem):

ollama pull nomic-embed-text
python3 tools/okf-embed.py build ./wiki
python3 tools/okf-search.py "who wrote the novels" --bundle ./wiki
# → mode: hybrid (bm25+semantic, RRF) — จับ authors ได้แม้ไม่มีคำตรงกัน

5. ดูกราฟ

python3 tools/okf-viz.py ./wiki --name "Bookstore KB"
open wiki/viz.html        # ไฟล์เดียว เปิด offline ได้

6. (ทีม) แชร์ผ่าน MCP

ทำให้ทั้งทีม/agent ใช้ร่วมกัน: commit wiki/ ขึ้น git ภายใน แล้วยก MCP server ชี้มาที่ bundle นี้ — agent จะ okf_search แบบ hybrid และเสนอแก้ผ่าน PR/lease ได้

สรุปลำดับ

okf-init → (ingest concepts) → okf-validate → okf-index/okf-search → okf-viz → [MCP share]

ครบลูปแล้ว! ต่อไปดูแนวทางการเขียนที่ดี เพื่อให้ KB โตอย่างมีคุณภาพ