Context Engineering Foundation

How Your AI
Understands You

ระบบที่ทำให้ AI เข้าใจภาษาของฟ้าใสโดยไม่ต้องถามซ้ำ — พูดว่า "ถ่ายพี่กบ" แล้ว AI รู้ทุกอย่างเอง

21
Leads with Aliases
3
Databases Linked
13
Content Entries Connected
0
Clarifying Questions Needed
The Problem

Before: AI Was Blind

🤷‍♀️

No Alias Lookup

พูดว่า "พี่กบ" แต่ AI ไม่รู้ว่าคือ G&O Green Organic — ต้องพิมพ์ชื่อเต็มทุกครั้ง

🏝️

Data Silos

Lead DB, Content DB, Tasks DB อยู่แยกกันหมด — AI หา connection ไม่เจอ

❓

No Domain Vocabulary

"Shoot" ไม่ได้แปลว่ายิง — แปลว่าไปถ่ายวีดีโอ แต่ AI ไม่รู้

🔁

Constant Clarification

ทุกครั้งที่สั่งงาน AI ต้องถามกลับ: "ใครคะ?" "หมายถึงอะไร?" "ทำอะไร?" — เสียเวลา

How It Works

The Resolution Flow

เมื่อฟ้าใสพิมพ์คำสั่ง AI จะทำ 5 ขั้นตอนนี้ภายในวินาที — ไม่มีถามกลับ

1

Extract Entities

ดึงคำสำคัญออกมาจากคำสั่ง — ชื่อคน, ชื่อโปรเจกต์, สถานที่, action word

📌🤖 Shoot พี่กบ → Entity: "พี่กบ" + Action: "Shoot"
2

Resolve via Aliases

ค้นหาใน Lead DB — ทุก lead มีฟิลด์ Aliases เก็บชื่อเล่น, ชื่อแบรนด์, ตัวย่อ ทั้งไทยและอังกฤษ

"พี่กบ" → ค้นหา Aliases → 🟡 G&O พี่กบ (Status: Paid, Contract ends: June 2026)
3

Classify Intent

แปล action word ด้วย Domain Vocabulary — "Shoot" = ถ่ายวีดีโอ → ใช้ shooting-plan skill

"Shoot" → Content Production → shooting-plan skill
4

Gather Context

ดึงข้อมูลเพิ่มจาก databases ที่เชื่อมกัน — Content ที่กำลังทำ, Meeting ล่าสุด, Direction ที่คุยไว้

Lead page → พบ: Pillar A (CEO clips), Pillar B (Podcast), Pillar C (Trending) + Content DB: 5 clips linked + Tasks DB: last meeting 11.3.26
5

Execute with Full Context

สั่งงาน skill ที่ถูกต้อง พร้อมข้อมูลครบ — ไม่ต้องเดา ไม่ต้องถาม ลงมือทำเลย

→ สร้าง Shooting Plan สำหรับพี่กบ ตาม 3-pillar direction → บันทึกลง Content DB → เชื่อมกลับ Lead → Mark 🤖✅
System Architecture

The 4 Layers

Layer 1: Input

📅 Google Calendar

📌🤖 emoji tasks from daily plan

💬 Chat Command

Direct instructions in Thai/English

📋 Task List

Notion tasks marked for AI

▼
Layer 2: Router

🧠 Context Router

Entity resolution + intent classification + domain vocabulary → decides what to do and who it's about

▼
Layer 3: Data

👥 Lead DB

Clients + Aliases + Status + Relations

🎬 Content DB

Shoots, edits, posts ↔ Client

✅ Tasks DB

Meetings, notes, tasks ↔ Client

▼
Layer 4: Skills

🎥 Shooting Plan

Content production plans

📊 Report

Performance reports

📝 Proposal

Client proposals

🔍 Audit

Brand research

Data Layer

How Databases Connect

Lead DB คือศูนย์กลาง — ทุก client มี Aliases สำหรับค้นหา และ Relations เชื่อมไป Content + Tasks

#1 Primary

👥 Lead Database

Name ✨ Aliases Status ✨ Contract End ✨ Payment Type ✨ Content ↔ ✨ Tasks ↔ Contact Info Action Note
#2

🎬 Content DB

Channel Status Type ✨ Client ↔ STEP Destination
#3

✅ Tasks DB

Type Status Channel ✨ Client ↔ Subject Area

🤖 AI Use Case

Projects Tools Status
Lead DB ⟷ Content DB
Lead DB ⟷ Tasks DB
Two-way synced relations
Entity Resolution

The Alias System

ทุก lead มีฟิลด์ Aliases — ชื่อเล่น ชื่อแบรนด์ ตัวย่อ ภาษาไทย+อังกฤษ ทำให้ AI หาเจอไม่ว่าจะพิมพ์ยังไง

ClientStatusAliases (พิมพ์คำไหนก็เจอ)
🟡 G&O พี่กบ Paid กบพี่กบG&OGreen Organicกรีนออแกนิค
🟡 P TOMMY Paid Tommyทอมมี่ดอกหญ้าCostcoLA
🟡 พี่ป๊อป Paid ป๊อปพี่ป๊อปSling Shotสลิงช็อต
🟡 ปั้นน้องเมเม่ Paid เมเม่น้องเมเม่ชิโน่PERSES
Pearchot น้องแพร Active แพรน้องแพรPearchot
SJC พี่ภา Active ภาพี่ภาSJC

+ 15 more leads with aliases configured

Intent Classification

Domain Vocabulary Map

AI รู้จักศัพท์ Content Clinic — "shoot" ไม่ใช่ "ยิง" แต่คือ "ไปถ่ายวีดีโอ"

🎬 Content Production
Shoot / ถ่าย
ถ่ายวีดีโอ
shooting-plan
Edit / ตัด
ตัดต่อวีดีโอ
content-db
Post / ลง
ลงคอนเทนต์
content-db
Caption
เขียนแคปชั่น
product-info
Lot / ลอต
ชุดคอนเทนต์
content-db
💼 Business Development
Deal / ดีล
เจรจาธุรกิจ
proposal-gen
Pitch
นำเสนอบริการ
proposal-gen
Audit
วิเคราะห์แบรนด์
customer-audit
Report
รายงานผลงาน
clinic-report
Trip / ไป
ไปถ่ายนอกสถานที่
shooting-plan
See It In Action

Example Walkthroughs

📌🤖 Shoot พี่กบ

+
1

Extract

Entity: "พี่กบ" — Action: "Shoot"

2

Resolve

Search Lead DB → Aliases field match: "พี่กบ" = 🟡 G&O พี่กบ

✅ Found: G&O พี่กบ | Status: Paid | Contract: until June 2026
3

Classify

"Shoot" → Domain vocab → Content Production → shooting-plan skill

4

Gather Context

Fetch lead page notes → 3 content pillars (CEO clips, Podcast interviews, Trending commentary). Check Content DB → 5 existing clips. Check Tasks → meeting notes from 11.3.26

5

Execute

Invoke shooting-plan skill with full context about G&O brand, 3-pillar direction, existing content pipeline

✅ Output: Complete shooting plan → saved to Content DB → linked to พี่กบ → Calendar marked 🤖✅

📌🤖 Make LA Trip Plan

+
1

Extract

Entity: "LA" — Action: "Trip Plan"

2

Resolve

Search Lead DB → Aliases field match: "LA" = 🟡 P TOMMY ดอกหญ้า Costco

✅ Found: P TOMMY | Status: Paid | Alias match: "LA" in aliases list
3

Classify

"Trip Plan" → Domain vocab → On-location shoot planning → shooting-plan + logistics

4

Gather Context

Fetch lead page → Tommy project is about ดอกหญ้า brand, Costco trips in LA. Check Content DB → 1 existing shoot entry. Check Tasks → meeting notes

5

Execute

Create comprehensive LA trip plan: shooting schedule, locations, content deliverables, logistics

✅ Output: Trip plan document → saved to Tasks DB → linked to Tommy → Calendar marked 🤖✅

📌🤖 Deal พี่แพร

+
1

Extract

Entity: "พี่แพร" — Action: "Deal"

2

Resolve

Search Lead DB → Aliases field match: "แพร" = Pearchot น้องแพร

✅ Found: Pearchot น้องแพร | Status: Active (in discussion)
3

Classify

"Deal" → Domain vocab → Business proposal → proposal-generator skill

4

Gather Context

Status: Active = still in discussion. Check Tasks → find meeting notes. Check if proposal already exists

5

Execute

Run customer-audit first → then proposal-generator with audit results → create branded proposal

✅ Output: Professional proposal → linked to Pearchot lead → Calendar marked 🤖✅
Summary

What Was Built

🏗️

Lead DB Restructure

5 new fields added, 21 leads backfilled with aliases + payment types + contract dates

🔗

Cross-DB Relations

Lead ↔ Content and Lead ↔ Tasks two-way synced relations, 14 entries linked

🧠

Context Router

Skill with alias tables, domain vocabulary, intent classification, search priority rules

🤖

Calendar Worker v2

System prompt that processes 📌🤖 tasks autonomously using context resolution