Content Factory: ระบบ AI Pipeline 9 Stages — เอกสารครบจบสำหรับทีมพัฒนา

ลดต้นทุน content จาก 50,000+ บาท/เดือน เหลือแค่ ~2,400 บาท — Content Factory คือระบบ AI Pipeline (ระบบท่อส่งงานอัตโนมัติ) 9 ขั้นตอน ที่เปลี่ยนบันทึกงาน 1 ชิ้น เป็น content 21+ ชิ้น กระจายไป 12+ แพลตฟอร์ม ทั้ง TH + EN โดยอัตโนมัติ

เอกสารนี้เขียนสำหรับทุกคนในทีม — Dev, Marketing, Sales, Content Creator — เพื่อเข้าใจระบบทั้งหมดแบบจบในที่เดียว แล้วพัฒนาต่อยอดได้ทันที input จริงแค่ 10 นาที ที่เหลือ AI ทำให้หมด

ทำไมต้องมี Content Factory — เจอปัญหาอะไรบ้าง?

ก่อนมีระบบ การสร้าง content 1 ชิ้นสำหรับ 1 แพลตฟอร์ม 1 ภาษา ใช้เวลาประมาณ 8-15 ชั่วโมง — เขียนเอง ตัดต่อเอง โพสต์ทีละที่ แปลภาษาเอง analytics กระจัดกระจาย

Productivity gain ประมาณ 30-90 เท่า — จาก 8-15 ชั่วโมง เหลือแค่ 10 นาที input ต้นทุนประมาณ 2,400 บาท/เดือน แทนจ้างทีมคน 50,000+

Content Factory คืออะไร — ระบบทำงานอย่างไร?

Content Factory คือระบบ AI Pipeline (ท่อส่งงานอัตโนมัติ) ที่ทำงานตั้งแต่ต้นจนจบ — รับ input จากงานจริง → AI วิจัยวิเคราะห์ → สร้าง content ทุกรูปแบบ → เผยแพร่อัตโนมัติ → วิเคราะห์ปรับปรุง

6 บทบาทที่ใช้ระบบนี้

จากระบบที่ซับซ้อน → สร้างผลลัพธ์ที่สวยงาม เหมือน Santorini ที่เปลี่ยนหน้าผาหินเป็นเมืองระดับโลก

ภาพรวมระบบ — 5 กลุ่มหลักเชื่อมกันอย่างไร?

ระบบแบ่งเป็น 5 กลุ่ม: Input Sources → Content Factory Server ที่รันบน Node.js + Fastify (เฟรมเวิร์คเว็บที่เร็วกว่า Express 2-3 เท่า) port 3006 → AI Services → Storage → Output Platforms

Data Flow 3 Phase: Content Creation (input → video) → Distribution (post ทุก platform) → Optimization (analytics + ads อัตโนมัติ)

Pipeline 9 ขั้นตอน — จาก note 10 นาที สู่ content 21+ ชิ้นได้อย่างไร?

Pipeline ทั้ง 9 stages ทำงานต่อเนื่อง แบ่ง 4 กลุ่มตามความเร็ว — รวมแล้วประมาณ 30-60 นาทีอัตโนมัติทั้งหมด

Total: ประมาณ 30-60 นาทีอัตโนมัติทั้งหมด — input จริงแค่ 10 นาที ที่เหลือ AI ทำให้ Ad campaigns สร้างในสถานะ PAUSED เสมอ — ไม่มีการใช้เงินโดยไม่ผ่าน approve

🔬

เจาะลึก 9 Stages

ต่อไปคือรายละเอียดแต่ละ stage — input types, Content Brief, voice clone, distribution, analytics

เจาะลึกแต่ละ Stage — input อะไร output อะไร ใช้เวลาเท่าไหร่?

แต่ละ stage มีหน้าที่ชัดเจน รับ input จาก stage ก่อนหน้า → ประมวลผล → ส่ง output ไป stage ถัดไป — ถ้า stage ไหน fail ระบบจะ retry อัตโนมัติ 3 ครั้งก่อนส่งเข้า Dead Letter Queue (คิวเก็บงานที่ fail ให้ admin review)

Tech Stack — เลือกเครื่องมืออะไรบ้าง ต้นทุนรวมเท่าไหร่?

เลือก technology ตาม 3 หลัก: self-hosted ได้ (ลดค่าใช้จ่าย), open source / free tier, และ production-ready — รวมค่าใช้จ่ายทั้งหมดประมาณ $60-100/เดือน (~2,400 บาท)

ส่วนถัดไป: สำหรับ Dev Team — โครงสร้างโปรเจกต์, API, Database, Environment Variables ทุกตัว

สำหรับ Dev — โครงสร้างโปรเจกต์ API Database เป็นอย่างไร?

ส่วนนี้ครอบคลุมทุกอย่างที่ Dev team ต้องการเพื่อเข้ามาพัฒนาต่อ — project structure, 13 API endpoints, 8 database tables, environment variables, error handling

Content-Factory/
├── src/
│   ├── index.ts              # Entry point
│   ├── server.ts             # Fastify routes (13 endpoints)
│   ├── core/                 # 🧠 Pipeline stages (9 files)
│   │   ├── pipeline-manager.ts
│   │   ├── stage-capture.ts → stage-ads.ts
│   │   └── caption-generator.ts
│   ├── services/             # 🔌 External integrations
│   │   ├── ai/  storage/  media/  social/  ads/
│   ├── types/  utils/  dashboard/
├── config/brand/  prompts/  grafana/  n8n/
├── python/slide_generator.py
├── docker-compose.yml  .env  tsconfig.json

API Endpoints — 13 routes ทั้งหมด

Base URL: http://localhost:3006 | Format: JSON | Auth: ยังไม่มี (Phase 1 — internal use)

Cursor: "ส่ง POST request ไปที่ Content Factory API เพื่อสร้าง content ใหม่
หัวข้อ: ทดสอบ Claude 4 กับงานจริง
ประเภท: note, pillar: ai-tech, tags: AI, Claude, review"

# AI จะรัน curl ให้:
# POST http://localhost:3006/api/v1/capture
# แล้ว trigger pipeline อัตโนมัติ

Cursor: "trigger full pipeline ของ content id abc-123
แล้วเช็คสถานะให้หน่อย ถ้า fail ให้ retry stage ที่พัง"

# AI จะ trigger pipeline + monitor status + retry ถ้าจำเป็น

Database — 8 Tables หลัก

Environment Variables

Error Handling: ทุก stage retry อัตโนมัติ 3 ครั้ง (exponential backoff: 2s → 4s → 8s) → ถ้า fail ทั้ง 3 ครั้ง → Dead Letter Queue → Admin review ผ่าน dashboard → retry / skip / resolve

🎤

Brand Voice + Anti-AI

ทุก content ต้องฟังเหมือน Nat พูดเอง — score ≥ 80 ถึงผ่าน ถ้าไม่ถึง AI re-write อัตโนมัติ

Brand Voice + ระบบตรวจจับ AI — ทำไม content ต้อง score ≥ 80?

ทุก content ที่ออกจากระบบผ่าน Anti-AI Detection System 3 ด้าน: ตรวจคำที่ AI ชอบใช้ (Blacklist), ตรวจว่าตรง Nat's style ไหม (Voice Card), ตรวจว่ามีเรื่องจริงไหม (Human Signals) — score ≥ 80 ถึงผ่าน ถ้าไม่ถึงระบบ re-write อัตโนมัติ

Platform Tone: Facebook = เป็นกันเอง | LinkedIn = Professional | Instagram = Punchy visual-first | X = Sharp concise | TikTok = Casual trendy | Medium/Dev.to = Long-form EN only

สำหรับ Marketing — Daily Workflow ทำงานอย่างไรตลอดวัน?

Marketing team ดูแล 3 เรื่อง: content calendar, analytics + platform performance, content pillar strategy — ระบบทำงานอัตโนมัติตลอดวัน

สำหรับ Sales — ต้นทุน ~2,400 บาท/เดือน ประหยัดได้กี่ %?

ข้อมูลสำหรับ Sales team นำไปใช้ pitch ลูกค้า หรือทำ case study — ต้นทุนรวมประมาณ $60-100/เดือน เทียบกับจ้างทีม content $2,000-5,000/เดือน

ต้นทุน ~2,400 บาท/เดือน เทียบกับจ้างทีมคน 50,000-150,000 บาท — ประหยัด 95-98% output มากกว่าหลายสิบเท่า

SaaS Roadmap — 3 Phase

6 Roles สำหรับทีมพัฒนา — เลือก role ตาม skill แล้วเริ่มได้เลย มองภาพรวมก่อน แล้วลงลึกตามความถนัด

Roadmap + 6 Roles — Sprint 1-8 เสร็จแล้ว ทีมต่อยอดอะไรได้บ้าง?

โปรเจกต์ผ่าน 8 Sprint แล้ว — Foundation, Research, Create, Produce, Distribute, Repurpose, Analytics+Ads, Polish — ต่อไปคือ SaaS MVP ทีมใหม่เลือก role ตาม skill แล้วเริ่มพัฒนาได้เลย

วิธีเริ่มต้น — Clone ตั้ง environment แล้วรัน pipeline อย่างไร?

ทีม Dev ที่จะพัฒนาต่อทำตาม 6 ขั้นตอนนี้ — ใช้เวลาประมาณ 15-30 นาที setup เสร็จแล้วลอง trigger pipeline ได้เลย

Cursor: "clone Content Factory repo แล้ว setup ให้หน่อย
ต้อง start Docker services (MinIO, n8n, Grafana)
setup database, install dependencies ทั้ง Node.js + Python
แล้ว start dev server ที่ port 3006"

# AI จะทำทุกอย่างให้:
# 1. git clone + cd Content-Factory
# 2. docker compose up -d
# 3. copy .env.example → .env + setup DB
# 4. python venv + pip install python-pptx Pillow
# 5. npm install
# 6. npm run dev → http://localhost:3006/dashboard

อ่านจบแล้ว — clone repo, ตั้ง environment, trigger pipeline ทดสอบ เลือก role ตาม skill แล้วเริ่มพัฒนาต่อยอดได้เลย

คำถามที่พบบ่อย — ทีมมักถามอะไรบ้าง?

รวมคำถามที่เกิดขึ้นบ่อยเมื่อทีมใหม่เข้ามาดูระบบ — ตอบทุกข้อแบบตรงประเด็น

อัปเดตล่าสุด: มีนาคม 2026