260322:1648 Correct Coresspondence / Doing RFA / Correct CI

2026-03-22 16:48:12 +07:00
parent e5deedb42e
commit 11984bfa29
683 changed files with 105251 additions and 29068 deletions
@@ -9,37 +9,41 @@ try {
  if (!fs.existsSync(config.SOURCE_PDF_DIR)) {
    throw new Error(`PDF Source directory not found at: ${config.SOURCE_PDF_DIR}`);
  }
-  
+
  const files = fs.readdirSync(config.SOURCE_PDF_DIR);
-  
+
  // Check write permission to log path
  fs.writeFileSync(`${config.LOG_PATH}/.preflight_ok`, new Date().toISOString());
-  
+
  // Grab categories out of the previous node (Fetch Categories) if available
  // otherwise use fallback array
-  let categories = ['Correspondence','RFA','Drawing','Transmittal','Report','Other'];
+  let categories = ['Correspondence', 'RFA', 'Drawing', 'Transmittal', 'Report', 'Other'];
  try {
    const upstreamData = $('Fetch Categories').first()?.json?.data;
    if (upstreamData && Array.isArray(upstreamData)) {
-        categories = upstreamData.map(c => c.name || c.type || c); // very loose mapping depending on API response
+      categories = upstreamData.map((c) => c.name || c.type || c); // very loose mapping depending on API response
    }
-  } catch(e) {}
-  
+  } catch (e) {}
+
  // Grab existing tags from Fetch Tags node
  let existingTags = [];
  try {
    const tagData = $('Fetch Tags').first()?.json?.data || [];
-    existingTags = Array.isArray(tagData) ? tagData.map(t => t.tag_name || t.name || '').filter(Boolean) : [];
-  } catch(e) {}
-    
-  return [{ json: { 
-    preflight_ok: true, 
-    pdf_count_in_source: files.length,
-    excel_target: config.EXCEL_FILE,
-    system_categories: categories,
-    existing_tags: existingTags,
-    timestamp: new Date().toISOString()
-  }}];
+    existingTags = Array.isArray(tagData) ? tagData.map((t) => t.tag_name || t.name || '').filter(Boolean) : [];
+  } catch (e) {}
+
+  return [
+    {
+      json: {
+        preflight_ok: true,
+        pdf_count_in_source: files.length,
+        excel_target: config.EXCEL_FILE,
+        system_categories: categories,
+        existing_tags: existingTags,
+        timestamp: new Date().toISOString(),
+      },
+    },
+  ];
 } catch (err) {
  throw new Error(`Pre-flight check failed: ${err.message}`);
-}
+}
@@ -1,46 +1,56 @@
 ตารางสรุปหน้าที่และผลลัพธ์ (Output) ของแต่ละ Node ใน LCBP3 Migration Workflow v1.8.1 คแบ่งกลุ่มตามขั้นตอนการทำงานเพื่อให้เข้าใจได้ง่ายขึ้นครับ:
+
 ## 🚀 กลุ่มที่ 1: จุดเริ่มต้นและเตรียมการ (Initialization & Preflight)
-| ชือ Node              | หน้าที่ (Function)                                                                | ผลลัพธ์ (Output)                                      |
-| -------------------- | ------------------------------------------------------------------------------ | --------------------------------------------------- |
-| Form Trigger         | จุดเริ่มต้นของ Workflow แสดงฟอร์มให้ผู้ใช้เลือกโมเดล AI, ขนาด Batch และระบุตำแหน่งไฟล์ Excel | ข้อมูลจากผู้ใช้ (Model, Batch Size, Excel Path)          |
-| Set Configuration    | ตั้งค่าตัวแปรระบบ (Config) เช่น URL, Token, โฟลเดอร์ทำงาน และเกณฑ์การตัดสินใจของ AI      | ชุดตัวแปร config ไว้ใช้ตลอด Workflow                    |
-| Check Backend Health | เรียก API ทดสอบว่าระบบ Backend พร้อมทำงานหรือไม่                                     | สถานะ HTTP 200 (OK)                                 |
-| Fetch Categories     | ดึงข้อมูล Master Data หมวดหมู่เอกสารจาก Backend                                     | รายการหมวดหมู่เอกสารทั้งหมดในระบบ                       |
-| Fetch Tags           | ดึงข้อมูล Master Data แท็กที่มีอยู่จาก Backend                                          | รายชื่อแท็กทั้งหมดในระบบ                                 |
-| File Mount Check     | ตรวจสอบว่าไฟล์ Excel และโฟลเดอร์ PDF มีอยู่จริง และเช็คสิทธิ์การเขียนไฟล์ Log               | สถานะ preflight_ok: true พร้อมรายชื่อหมวดหมู่/แท็กที่ดึงมาได้ |
+
+| ชือ Node             | หน้าที่ (Function)                                                                           | ผลลัพธ์ (Output)                                              |
+| -------------------- | -------------------------------------------------------------------------------------------- | ------------------------------------------------------------- |
+| Form Trigger         | จุดเริ่มต้นของ Workflow แสดงฟอร์มให้ผู้ใช้เลือกโมเดล AI, ขนาด Batch และระบุตำแหน่งไฟล์ Excel | ข้อมูลจากผู้ใช้ (Model, Batch Size, Excel Path)               |
+| Set Configuration    | ตั้งค่าตัวแปรระบบ (Config) เช่น URL, Token, โฟลเดอร์ทำงาน และเกณฑ์การตัดสินใจของ AI          | ชุดตัวแปร config ไว้ใช้ตลอด Workflow                          |
+| Check Backend Health | เรียก API ทดสอบว่าระบบ Backend พร้อมทำงานหรือไม่                                             | สถานะ HTTP 200 (OK)                                           |
+| Fetch Categories     | ดึงข้อมูล Master Data หมวดหมู่เอกสารจาก Backend                                              | รายการหมวดหมู่เอกสารทั้งหมดในระบบ                             |
+| Fetch Tags           | ดึงข้อมูล Master Data แท็กที่มีอยู่จาก Backend                                               | รายชื่อแท็กทั้งหมดในระบบ                                      |
+| File Mount Check     | ตรวจสอบว่าไฟล์ Excel และโฟลเดอร์ PDF มีอยู่จริง และเช็คสิทธิ์การเขียนไฟล์ Log                | สถานะ preflight_ok: true พร้อมรายชื่อหมวดหมู่/แท็กที่ดึงมาได้ |
+
 ## 📂 กลุ่มที่ 2: เตรียมข้อมูลและการแบ่งชุด (Data Ingestion & Batching)
-| ชือ Node                  | หน้าที่ (Function)                                                                        | ผลลัพธ์ (Output)                                              |
-| ------------------------ | -------------------------------------------------------------------------------------- | ----------------------------------------------------------- |
-| Read Checkpoint          | อ่านฐานข้อมูลว่าครั้งที่แล้วประมวลผล Excel ถึงบรรทัดที่เท่าไหร่ (Resume capability)                   | ตัวเลข last_processed_index ล่าสุด                             |
-| Read Excel Binary        | อ่านไฟล์ Excel ต้นฉบับขึ้นมาเป็นข้อมูลไบนารี                                                     | ข้อมูล Binary ของ Excel                                       |
-| Read Excel               | แปลงข้อมูล Binary ให้เป็นตารางข้อมูล JSON                                                    | JSON Array ของข้อมูลเอกสารทุกแถว                               |
-| Process Batch + Encoding | ตัดแบ่งแถวตามจำนวน BATCH_SIZE เริ่มจากจุด Checkpoint และแปลง Encoding ให้รองรับภาษาไทย (UTF-8) | ข้อมูลเอกสาร 1 ชุด (เช่น 2 รายการ) ที่พร้อมทำงาน                    |
-| File Validator           | ตรวจสอบว่าไฟล์ PDF ที่ระบุใน Excel มีอยู่จริงในโฟลเดอร์ ป้องกัน Path Traversal                     | เฉพาะรายการที่มีไฟล์ PDF อยู่จริง (รายการ Error จะถูกตัดและส่งไป Log) |
+
+| ชือ Node                 | หน้าที่ (Function)                                                                             | ผลลัพธ์ (Output)                                                      |
+| ------------------------ | ---------------------------------------------------------------------------------------------- | --------------------------------------------------------------------- |
+| Read Checkpoint          | อ่านฐานข้อมูลว่าครั้งที่แล้วประมวลผล Excel ถึงบรรทัดที่เท่าไหร่ (Resume capability)            | ตัวเลข last_processed_index ล่าสุด                                    |
+| Read Excel Binary        | อ่านไฟล์ Excel ต้นฉบับขึ้นมาเป็นข้อมูลไบนารี                                                   | ข้อมูล Binary ของ Excel                                               |
+| Read Excel               | แปลงข้อมูล Binary ให้เป็นตารางข้อมูล JSON                                                      | JSON Array ของข้อมูลเอกสารทุกแถว                                      |
+| Process Batch + Encoding | ตัดแบ่งแถวตามจำนวน BATCH_SIZE เริ่มจากจุด Checkpoint และแปลง Encoding ให้รองรับภาษาไทย (UTF-8) | ข้อมูลเอกสาร 1 ชุด (เช่น 2 รายการ) ที่พร้อมทำงาน                      |
+| File Validator           | ตรวจสอบว่าไฟล์ PDF ที่ระบุใน Excel มีอยู่จริงในโฟลเดอร์ ป้องกัน Path Traversal                 | เฉพาะรายการที่มีไฟล์ PDF อยู่จริง (รายการ Error จะถูกตัดและส่งไป Log) |
+
 ## 🧠 กลุ่มที่ 3: สกัดข้อความและวิเคราะห์ด้วย AI (Text Extraction & AI Analysis)
-| ชือ Node                      | หน้าที่ (Function)                                                                  | ผลลัพธ์ (Output)                                               |
-| ---------------------------- | -------------------------------------------------------------------------------- | ------------------------------------------------------------ |
-| Read PDF File                | อ่านไฟล์ PDF ของรายการที่ผ่านเข้ามาเป็นข้อมูลไบนารี                                        | ข้อมูล Binary ของไฟล์ PDF                                       |
-| Extract PDF Text             | ส่งไฟล์ PDF ให้ Apache Tika ทำ OCR / สกัดตัวอักษร                                       | ข้อความดิบ (Text) ที่อ่านได้จากหน้า PDF                             |
-| Check Fallback State         | ตรวจสอบใน DB ว่าระบบกำลังอยู่ในโหมดใช้โมเดล AI สำรองหรือไม่                               | สถานะ is_fallback_active                                     |
-| Fetch DB Context             | ดึงข้อมูลโปรเจกต์ แผนก และองค์กร เพื่อใช้เป็นบริบทให้ AI อ้างอิง                              | ข้อมูลอ้างอิงรหัสและชื่อต่างๆ จากระบบเก่า                             |
-| Build AI Prompt              | ประกอบร่างข้อความ (Prompt) โดยรวมข้อมูลจาก Excel, ข้อความใน PDF และบริบท เพื่อสั่งงาน AI   | คำสั่งในฟิลด์ ollama_payload                                      |
-| Ollama AI Analysis           | ส่ง Prompt ยิงเข้า Server Ollama เพื่อให้ AI วิเคราะห์ จัดหมวดหมู่ และสรุปข้อมูล               | ข้อความอธิบายหรือ JSON ที่ AI ตอบกลับมา                            |
+
+| ชือ Node                     | หน้าที่ (Function)                                                                         | ผลลัพธ์ (Output)                                                      |
+| ---------------------------- | ------------------------------------------------------------------------------------------ | --------------------------------------------------------------------- |
+| Read PDF File                | อ่านไฟล์ PDF ของรายการที่ผ่านเข้ามาเป็นข้อมูลไบนารี                                        | ข้อมูล Binary ของไฟล์ PDF                                             |
+| Extract PDF Text             | ส่งไฟล์ PDF ให้ Apache Tika ทำ OCR / สกัดตัวอักษร                                          | ข้อความดิบ (Text) ที่อ่านได้จากหน้า PDF                               |
+| Check Fallback State         | ตรวจสอบใน DB ว่าระบบกำลังอยู่ในโหมดใช้โมเดล AI สำรองหรือไม่                                | สถานะ is_fallback_active                                              |
+| Fetch DB Context             | ดึงข้อมูลโปรเจกต์ แผนก และองค์กร เพื่อใช้เป็นบริบทให้ AI อ้างอิง                           | ข้อมูลอ้างอิงรหัสและชื่อต่างๆ จากระบบเก่า                             |
+| Build AI Prompt              | ประกอบร่างข้อความ (Prompt) โดยรวมข้อมูลจาก Excel, ข้อความใน PDF และบริบท เพื่อสั่งงาน AI   | คำสั่งในฟิลด์ ollama_payload                                          |
+| Ollama AI Analysis           | ส่ง Prompt ยิงเข้า Server Ollama เพื่อให้ AI วิเคราะห์ จัดหมวดหมู่ และสรุปข้อมูล           | ข้อความอธิบายหรือ JSON ที่ AI ตอบกลับมา                               |
 | Parse & Validate AI Response | แปลงคำตอบ AI เป็น JSON Object ตรวจสอบว่าโครงสร้างถูกต้อง และจัดรูปแบบให้ตรงกับ Backend     | ข้อมูลเดิม + ผลลัพธ์ ai_result (หรือ parse_error ถ้า AI ตอบผิดรูปแบบ) |
-| Update Fallback State        | นับจำนวน Error ลง DB หาก AI ทำงานพลาดหลายครั้ง ระบบจะสลับไปใช้ Fallback Model โดยอัตโนมัติ | อัปเดตตาราง migration_fallback_state สำเร็จ                     |
+| Update Fallback State        | นับจำนวน Error ลง DB หาก AI ทำงานพลาดหลายครั้ง ระบบจะสลับไปใช้ Fallback Model โดยอัตโนมัติ | อัปเดตตาราง migration_fallback_state สำเร็จ                           |
+
 ## 🔀 กลุ่มที่ 4: การตัดสินใจและการนำเข้าระบบ (Routing & Ingestion)
-| ชือ Node                         | หน้าที่ (Function)                                                                | ผลลัพธ์ (Output)                                                   |
-| ------------------------------- | ------------------------------------------------------------------------------ | ---------------------------------------------------------------- |
+
+| ชือ Node                        | หน้าที่ (Function)                                                                   | ผลลัพธ์ (Output)                                                    |
+| ------------------------------- | ------------------------------------------------------------------------------------ | ------------------------------------------------------------------- |
 | Confidence Router               | ตรวจประเมินคะแนนความมั่นใจ (Confidence) จาก AI และกำหนดเส้นทาง route_index ให้เอกสาร | สถานะชั่วคราวและค่า route_index (0, 1, 2, 3)                        |
-| Route by Confidence	Switch Node | แบ่งเส้นทางข้อมูลออกเป็น 4 ขา ตามค่าจาก Router                                       | กระจายข้อมูลไปทาง Staging(High), Staging(Review), Reject หรือ Error |
-| Restore Binary                  | (หลังแยกสาย) ดึงข้อมูล Binary ของ PDF กลับมาแนบกับข้อมูลอีกครั้งเตรียมอัปโหลด               | JSON + Binary PDF ของไฟล์นั้นๆ                                      |
-| Upload to Backend               | ยิง API นำไฟล์ PDF ฝากไว้ที่ Temp Storage ของ Backend DMS                            | รหัสไฟล์ temp_attachment_id ของ Backend                            |
-| Build Enqueue Payload           | ประกอบร่างข้อมูลผลวิเคราะห์ AI เข้ากับรหัสไฟล์ เพื่อเตรียมโยนเข้าคิว Migration               | โครงสร้าง JSON ที่พร้อมส่งเข้า API Queue (enqueue_payload)             |
-| Enqueue to Review Queue         | ยิงข้อมูลเข้า API Backend เพื่อบันทึกเข้าสู่ Review Queue ระบบ DMS                        | สถานะสำเร็จจากการรับข้อมูลของ Backend                                 |
-| Save Checkpoint                 | บันทึกประวัติลง Database ว่าประมวลผลผ่านเอกสารชุดนี้เรียบร้อยแล้ว                          | อัปเดต last_processed_index สำเร็จ                                  |
-| Delay                           | หน่วงเวลา (เช่น 2 วินาที) ก่อนวนรอบขึ้นไปทำข้อมูล Batch ถัดไป                             | วนลูปกลับไปที่จุด Read Checkpoint                                     |
+| Route by Confidence Switch Node | แบ่งเส้นทางข้อมูลออกเป็น 4 ขา ตามค่าจาก Router                                       | กระจายข้อมูลไปทาง Staging(High), Staging(Review), Reject หรือ Error |
+| Restore Binary                  | (หลังแยกสาย) ดึงข้อมูล Binary ของ PDF กลับมาแนบกับข้อมูลอีกครั้งเตรียมอัปโหลด        | JSON + Binary PDF ของไฟล์นั้นๆ                                      |
+| Upload to Backend               | ยิง API นำไฟล์ PDF ฝากไว้ที่ Temp Storage ของ Backend DMS                            | รหัสไฟล์ temp_attachment_id ของ Backend                             |
+| Build Enqueue Payload           | ประกอบร่างข้อมูลผลวิเคราะห์ AI เข้ากับรหัสไฟล์ เพื่อเตรียมโยนเข้าคิว Migration       | โครงสร้าง JSON ที่พร้อมส่งเข้า API Queue (enqueue_payload)          |
+| Enqueue to Review Queue         | ยิงข้อมูลเข้า API Backend เพื่อบันทึกเข้าสู่ Review Queue ระบบ DMS                   | สถานะสำเร็จจากการรับข้อมูลของ Backend                               |
+| Save Checkpoint                 | บันทึกประวัติลง Database ว่าประมวลผลผ่านเอกสารชุดนี้เรียบร้อยแล้ว                    | อัปเดต last_processed_index สำเร็จ                                  |
+| Delay                           | หน่วงเวลา (เช่น 2 วินาที) ก่อนวนรอบขึ้นไปทำข้อมูล Batch ถัดไป                        | วนลูปกลับไปที่จุด Read Checkpoint                                   |
+
 ## 🚨 กลุ่มที่ 5: การจัดการข้อผิดพลาด (Error Logging)
-| ชือ Node           | หน้าที่ (Function)                                                    | ผลลัพธ์ (Output)                      |
-| ----------------- | ------------------------------------------------------------------ | ----------------------------------- |
-| Log Reject to CSV | หาก AI ให้คะแนนต่ำกว่าเกณฑ์ จะบันทึกเหตุผลทิ้งไว้ในไฟล์ CSV                    | บรรทัดข้อมูลใน reject_log.csv          |
-| Log Error to CSV  | หากเกิดข้อผิดพลาดในการประมวลผล (เช่น หาไฟล์ไม่เจอ, AI หลอน) จะบันทึกลง CSV | บรรทัดข้อมูลใน error_log.csv           |
-| Log Error to DB   | ยิง API ของ Backend เพื่อบันทึก Error เข้าสู่ Database ส่วนกลาง             | ข้อมูล Error ในตาราง migration_errors |
+
+| ชือ Node          | หน้าที่ (Function)                                                         | ผลลัพธ์ (Output)                      |
+| ----------------- | -------------------------------------------------------------------------- | ------------------------------------- |
+| Log Reject to CSV | หาก AI ให้คะแนนต่ำกว่าเกณฑ์ จะบันทึกเหตุผลทิ้งไว้ในไฟล์ CSV                | บรรทัดข้อมูลใน reject_log.csv         |
+| Log Error to CSV  | หากเกิดข้อผิดพลาดในการประมวลผล (เช่น หาไฟล์ไม่เจอ, AI หลอน) จะบันทึกลง CSV | บรรทัดข้อมูลใน error_log.csv          |
+| Log Error to DB   | ยิง API ของ Backend เพื่อบันทึก Error เข้าสู่ Database ส่วนกลาง            | ข้อมูล Error ในตาราง migration_errors |
@@ -1,10 +1,13 @@
 # Database Indexing & Performance Strategy
+
 **Version:** 1.0.0
 **Context:** Production-scale (100k+ documents, High Concurrency)
 **Database:** MySQL 8.x (On-Premise via Docker)

 ## 1. Core Principles (หลักการสำคัญ)
+
 ในการออกแบบ Database Index สำหรับระบบ DMS ให้ยึดหลักการตัดสินใจดังนี้:
+
 1. **Data Integrity First:** ใช้ `UNIQUE INDEX` เพื่อเป็นปราการด่านสุดท้ายป้องกันการเกิด Duplicate Document Number และ Revision ซ้ำซ้อน (แม้ Application Layer จะมี Logic ดักไว้แล้วก็ตาม)
 2. **Soft-Delete Awareness:** ทุก Index ที่เกี่ยวข้องกับความถูกต้องของข้อมูล ต้องคำนึงถึงคอลัมน์ `deleted_at` เพื่อไม่ให้เอกสารที่ถูกลบไปแล้ว มาขัดขวางการสร้างเอกสารใหม่ที่ใช้เลขเดิม
 3. **Foreign Key Performance:** สร้าง B-Tree Index ให้กับ Foreign Key (FK) ทุกตัว เพื่อรองรับการ JOIN ข้อมูลที่รวดเร็ว โดยเฉพาะการดึง Workflow และ Routing
@@ -13,12 +16,15 @@
 ---

 ## 2. Document Control Indexes (ป้องกัน Duplicate & Conflict)
+
 หัวใจของ DMS คือห้ามมีเอกสารเลขซ้ำในระบบที่ Active อยู่

 ### 2.1 Unique Document Number & Revision
+
 เพื่อรองรับระบบ Soft Delete (`deleted_at`) ใน MySQL การตั้ง Unique Index จำเป็นต้องมีเทคนิคเพื่อจัดการกับค่า `NULL` (เนื่องจาก MySQL มองว่า `NULL` ไม่เท่ากับ `NULL` จึงอาจทำให้เกิด Duplicate ได้ถ้าตั้งค่าไม่รัดกุม)

 **SQL Recommendation (Functional Index - MySQL 8.0+):**
+
 ```sql
 -- ป้องกันการสร้าง Document No และ Revision ซ้ำ สำหรับเอกสารที่ยังไม่ถูกลบ (Active)
 ALTER TABLE `documents`
@@ -30,7 +36,7 @@ ADD UNIQUE INDEX `idx_unique_active_doc_rev` (

 ```

-*เหตุผล:* โครงสร้างนี้รับประกันว่าจะมี `document_no` + `revision` ที่ Active ได้เพียง 1 รายการเท่านั้น แต่สามารถมีรายการที่ถูกลบ (`deleted_at` มีค่า) ซ้ำกันได้
+_เหตุผล:_ โครงสร้างนี้รับประกันว่าจะมี `document_no` + `revision` ที่ Active ได้เพียง 1 รายการเท่านั้น แต่สามารถมีรายการที่ถูกลบ (`deleted_at` มีค่า) ซ้ำกันได้

 ### 2.2 Current/Superseded Flag Index

@@ -75,7 +81,7 @@ ADD FULLTEXT INDEX `ft_idx_doc_title` (`title`, `subject`);

 ```

-*(หมายเหตุ: หากอนาคตมีระบบ OCR หรือค้นหาในเนื้อหาไฟล์ PDF ให้พิจารณาขยับไปใช้ Elasticsearch แยกต่างหาก ไม่ควรเก็บ Full-Text ขนาดใหญ่ไว้ใน MySQL)*
+_(หมายเหตุ: หากอนาคตมีระบบ OCR หรือค้นหาในเนื้อหาไฟล์ PDF ให้พิจารณาขยับไปใช้ Elasticsearch แยกต่างหาก ไม่ควรเก็บ Full-Text ขนาดใหญ่ไว้ใน MySQL)_

 ---

@@ -104,10 +110,9 @@ ADD INDEX `idx_audit_user_action` (`user_id`, `action`, `created_at`);

 1. **Partitioning:** แนะนำให้ทำ Table Partitioning ตามเดือน (Monthly) หรือปี (Yearly) บนคอลัมน์ `created_at`
 2. **Minimal Indexing:** ห้ามสร้าง Index เยอะเกินความจำเป็นในตารางนี้ แนะนำแค่:
-* `INDEX(document_id, created_at)` สำหรับดู History ของเอกสารนั้นๆ
-* `INDEX(user_id, created_at)` สำหรับตรวจสอบพฤติกรรมผู้ใช้ต้องสงสัย (Security Audit)
-

+- `INDEX(document_id, created_at)` สำหรับดู History ของเอกสารนั้นๆ
+- `INDEX(user_id, created_at)` สำหรับตรวจสอบพฤติกรรมผู้ใช้ต้องสงสัย (Security Audit)

 ```sql
 -- ตัวอย่างการ Index สำหรับดูกระแสของเอกสาร
@@ -122,10 +127,10 @@ ADD INDEX `idx_entity_history` (`entity_type`, `entity_id`, `created_at` DESC);

 เนื่องจากระบบอยู่บน On-Prem NAS (QNAP/ASUSTOR) ทรัพยากร I/O ของดิสก์มีจำกัด (Disk IOPS)

-* **Index Defragmentation:** ให้กำหนด Scheduled Task (ผ่าน Cronjob หรือ MySQL Event) มารัน `OPTIMIZE TABLE` ทุกๆ ไตรมาส สำหรับตารางที่มีการ Delete/Update บ่อย (ช่วยคืนพื้นที่ดิสก์และลด I/O)
-* **Slow Query Monitoring:** ใน `04-infrastructure-ops/04-01-docker-compose.md` ต้องเปิดใช้งาน `slow_query_log=1` และตั้ง `long_query_time=2` เพื่อตรวจสอบว่ามี Query ใดทำงานแบบ Full Table Scan (ไม่ใช้ Index) หรือไม่
-
+- **Index Defragmentation:** ให้กำหนด Scheduled Task (ผ่าน Cronjob หรือ MySQL Event) มารัน `OPTIMIZE TABLE` ทุกๆ ไตรมาส สำหรับตารางที่มีการ Delete/Update บ่อย (ช่วยคืนพื้นที่ดิสก์และลด I/O)
+- **Slow Query Monitoring:** ใน `04-infrastructure-ops/04-01-docker-compose.md` ต้องเปิดใช้งาน `slow_query_log=1` และตั้ง `long_query_time=2` เพื่อตรวจสอบว่ามี Query ใดทำงานแบบ Full Table Scan (ไม่ใช้ Index) หรือไม่

 ## 💡 คำแนะนำเพิ่มเติมจาก Architect (Architect's Notes):
+
 1. **เรื่อง Soft Delete กับ Unique Constraint:** เป็นจุดที่นักพัฒนาพลาดกันบ่อยที่สุด ถ้าระบบอนุญาตให้ลบ `DOC-001 Rev.0` แล้วสร้าง `DOC-001 Rev.0` ใหม่ได้ การจัดการ Unique Constraint บน MySQL ต้องใช้ Functional Index (ตามตัวอย่างในข้อ 2.1) เพื่อป้องกันการตีกันของค่า `NULL` ในฐานข้อมูล
 2. **ลดภาระ QNAP/ASUSTOR:** อุปกรณ์จำพวก NAS On-Premise มักจะมีปัญหาเรื่อง Random Read/Write Disk I/O การใช้ **Composite Index** แบบครบคลุม (Covering Index) จะช่วยให้ MySQL คืนค่าได้จาก Index Tree โดยตรง ไม่ต้องกระโดดไปอ่าน Data File จริง ซึ่งจะช่วยรีด Performance ของ NAS ได้สูงสุดครับ
@@ -1,16 +1,19 @@
 # 3.3 File Storage and Handling

 ---
+
 title: 'Data & Storage: File Storage and Handling (Two-Phase)'
 version: 1.8.0
 status: drafted
 owner: Nattanin Peancharoen
 last_updated: 2026-02-22
 related:
+
 - specs/01-requirements/01-03.10-file-handling.md (Merged)
 - specs/03-Data-and-Storage/ADR-003-file-storage-approach.md (Merged)
 - specs/02-architecture/02-01-system-architecture.md
 - ADR-006-security-best-practices
+
 ---

 ## 1. Overview and Core Infrastructure Requirements
@@ -18,12 +21,15 @@ related:
 เอกสารฉบับนี้รวบรวมข้อกำหนดการจัดการไฟล์และการจัดเก็บไฟล์ (File Storage Approach) สำหรับ LCBP3-DMS โดยมีข้อบังคับด้าน Infrastructure และ Security ที่สำคัญมากดังต่อไปนี้:

 ### 1.1 Infrastructure Requirement (การจัดเก็บและ Mount Volume)
+
 **สำคัญ (CRITICAL SPECIFICATION):**
+
 1. **Outside Webroot:** ไฟล์รูปและเอกสารทั้งหมดต้องถูกจัดเก็บไว้ **ภายนอก Webroot ของ Application** ห้ามเก็บไฟล์รูปหรือเอกสารไว้ใน Container หรือโฟลเดอร์ Webroot เด็ดขาด เพื่อป้องกันการเข้าถึงไฟล์โดยตรงจากสาธารณะ (Direct Public Access)
 2. **QNAP Volume Mount:** ต้องใช้ **QNAP Volume Mount เข้า Docker** (Mount external volume from QNAP NAS to Docker container) สำหรับเป็นพื้นที่เก็บไฟล์ Storage ให้ Container ดึงไปใช้งาน
 3. **Authenticated Endpoint:** ไฟล์ต้องถูกเข้าถึงและให้บริการดาวน์โหลดผ่าน Authenticated Endpoint ในฝั่ง Backend เท่านั้น โดยต้องผ่านการตรวจสอบสิทธิ์ (RBAC / Junction Table) เสียก่อน

 ### 1.2 Access & Security Rules
+
 - **Virus Scan:** ต้องมีการ scan virus สำหรับไฟล์ที่อัปโหลดทั้งหมด โดยใช้ ClamAV หรือบริการ third-party ก่อนการบันทึก
 - **Whitelist File Types:** อนุญาตเฉพาะเอกสารตามที่กำหนด: PDF, DWG, DOCX, XLSX, ZIP
 - **Max File Size:** ขนาดไฟล์สูงสุดไม่เกิน 50MB ต่อไฟล์ (Total max 500MB per form submission)
@@ -36,7 +42,9 @@ related:
 ## 2. Two-Phase File Storage Approach (ADR-003)

 ### 2.1 Context and Problem Statement
+
 LCBP3-DMS ต้องจัดการ File Uploads สำหรับ Attachments ของเอกสาร (PDF, DWG, DOCX, etc.) โดยต้องรับมือกับปัญหา:
+
 1. **Orphan Files:** User อัปโหลดไฟล์แล้วไม่ Submit Form ทำให้ไฟล์ค้างใน Storage
 2. **Transaction Integrity:** ถ้า Database Transaction Rollback ไฟล์ยังอยู่ใน Storage ต้องสอดคล้องกับ Database Record
 3. **Virus Scanning:** ต้อง Scan ไฟล์ก่อน Save เข้าระบบถาวร
@@ -44,6 +52,7 @@ LCBP3-DMS ต้องจัดการ File Uploads สำหรับ Attachm
 5. **Storage Organization:** จัดเก็บไฟล์แยกเป็นสัดส่วน (เพื่อไม่ให้ QNAP Storage กระจัดกระจายและจำกัดขนาดได้)

 ### 2.2 Decision Drivers
+
 - **Data Integrity:** File และ Database Record ต้อง Consistent
 - **Security:** ป้องกัน Virus และ Malicious Files
 - **User Experience:** Upload ต้องรวดเร็ว ไม่ Block UI (ถ้าอัปโหลดพร้อม Submit อาจทำให้ระบบดูค้าง)
@@ -51,11 +60,13 @@ LCBP3-DMS ต้องจัดการ File Uploads สำหรับ Attachm
 - **Auditability:** ติดตามประวัติ File Operations ได้

 ### 2.3 Considered Options & Decision
+
 - **Option 1:** Direct Upload to Permanent Storage (ทิ้งไฟล์ถ้า Transaction Fail / ได้ Orphan Files) - ❌
 - **Option 2:** Upload after Form Submission (UX แย่ ผู้ใช้ต้องรออัปโหลดรวดเดียวท้ายสุด) - ❌
 - **Option 3: Two-Phase Storage (Temp → Permanent) ⭐ (Selected Option)** - ✅

 **แนวทาง Two-Phase Storage (Temp → Permanent):**
+
 1. **Phase 1 (Upload):** ไฟล์ถูกอัปโหลดเข้าโฟลเดอร์ `temp/` ได้รับ `temp_id`
 2. **Phase 2 (Commit):** เมื่อ User กด Submit ฟอร์มสำเร็จ ระบบจะย้ายไฟล์จาก `temp/` ไปยัง `permanent/{YYYY}/{MM}/` และบันทึกลง Database ใน Transaction เดียวกัน
 3. **Cleanup:** มี Cron Job ทำหน้าที่ลบไฟล์ใน `temp/` ที่ค้างเกินกำหนด (เช่น 24 ชั่วโมง)
@@ -65,6 +76,7 @@ LCBP3-DMS ต้องจัดการ File Uploads สำหรับ Attachm
 ## 3. Implementation Details

 ### 3.1 Database Schema
+
 ```sql
 CREATE TABLE attachments (
  id INT PRIMARY KEY AUTO_INCREMENT,
@@ -89,6 +101,7 @@ CREATE TABLE attachments (
 ```

 ### 3.2 Two-Phase Storage Flow
+
 ```mermaid
 sequenceDiagram
    participant User as Client
@@ -205,7 +218,12 @@ export class FileStorageService {
  }

  // Phase 2: Commit to Permanent (within Transaction Manager)
-  async commitFiles(tempIds: string[], entityId: number, entityType: string, manager: EntityManager): Promise<Attachment[]> {
+  async commitFiles(
+    tempIds: string[],
+    entityId: number,
+    entityType: string,
+    manager: EntityManager
+  ): Promise<Attachment[]> {
    const attachments = [];

    for (const tempId of tempIds) {
@@ -227,13 +245,17 @@ export class FileStorageService {
      await fs.move(tempAttachment.file_path, permanentPath);

      // Update Database record
-      await manager.update(Attachment, { id: tempAttachment.id }, {
-        file_path: permanentPath,
-        stored_filename: permanentFilename,
-        is_temporary: false,
-        temp_id: null,
-        expires_at: null,
-      });
+      await manager.update(
+        Attachment,
+        { id: tempAttachment.id },
+        {
+          file_path: permanentPath,
+          stored_filename: permanentFilename,
+          is_temporary: false,
+          temp_id: null,
+          expires_at: null,
+        }
+      );

      attachments.push(tempAttachment);
    }
@@ -283,7 +305,9 @@ export class FileStorageService {
 ```

 ### 3.4 API Controller Context
+
 ในส่วนของตัว Controller ฝ่ายรับข้อมูลจะต้องแยกระหว่าง Uploading กับ Comit:
+
 1. `POST /attachments/upload` ใช้เพื่อรับไฟล์และ Return `temp_id` แก่ User ทันที
 2. `POST /correspondences` หรือ Object อื่นๆ ใช้เพื่อ Commit Database โดยจะรับ `temp_file_ids: []` พ่วงมากับ Body form

@@ -292,6 +316,7 @@ export class FileStorageService {
 ## 4. Consequences & Mitigation Strategies

 ### Positive Consequences
+
 1. ✅ **Fast Upload UX:** User upload แบบ Async ก่อน Submit ดำเนินการลื่นไหล
 2. ✅ **No Orphan Files:** เกิดระบบ Auto-cleanup จัดการไฟล์หมดอายุโดยอัตโนมัติ ไม่เปลืองสเปซ QNAP
 3. ✅ **Transaction Safe:** Rollback ได้สมบูรณ์หากบันทึกฐานข้อมูลผิดพลาด ไฟล์จะถูก Cron จัดการให้ทีหลังไม่ตกค้างในระบบ
@@ -300,16 +325,18 @@ export class FileStorageService {
 6. ✅ **Storage Organization:** จัดเก็บอย่างเป็นระเบียบ ด้วยรูปแบบ YYYY/MM ลดคอขวด IO Operations ในระบบ

 ### Negative Consequences & Mitigations
+
 1. ❌ **Complexity:** ต้อง Implement 2 phases ซึ่งซับซ้อนขึ้น
-   👉 *Mitigation:* รวบ Logic ทุกอย่างให้เป็น Service ชั้นเดียว (`FileStorageService`) เพื่อให้จัดการง่ายและเรียกใช้ง่ายที่สุด
+   👉 _Mitigation:_ รวบ Logic ทุกอย่างให้เป็น Service ชั้นเดียว (`FileStorageService`) เพื่อให้จัดการง่ายและเรียกใช้ง่ายที่สุด
 2. ❌ **Extra Storage:** ต้องใช้พื้นที่ QNAP ในส่วน Temp directory ควบคู่ไปกับแบบ Permanent
-   👉 *Mitigation:* คอย Monitor และปรับรอบความถี่ของการ Cleanup หากไฟล์มีปริมาณไหลเวียนเยอะมาก
+   👉 _Mitigation:_ คอย Monitor และปรับรอบความถี่ของการ Cleanup หากไฟล์มีปริมาณไหลเวียนเยอะมาก
 3. ❌ **Edge Cases:** อาจเกิดประเด็นเรื่อง File lock หรือ missing temp files
-   👉 *Mitigation:* ทำ Proper error handling พร้อม Logging ให้ตรวจสอบได้ง่าย
+   👉 _Mitigation:_ ทำ Proper error handling พร้อม Logging ให้ตรวจสอบได้ง่าย

 ---

 ## 5. Performance Optimization Consideration
+
 - **Streaming:** ใช้ multipart/form-data streaming เพิ่อลดภาระ Memory ของฝั่งเครื่องเซิฟเวอร์ (NestJS) ขณะสูบไฟล์ใหญ่ๆ
 - **Compression:** พิจารณาเรื่องการบีบอัดสำหรับไฟล์ขนาดใหญ่หรือบางประเภท
 - **Deduplication Check:** สามารถใช้งาน Field `checksum` ดักการ Commit ด้วยข้อมูลชุดเดิมที่เคยถูกอัปโหลดเพื่อประหยัดพื้นที่จัดเก็บ (Deduplicate)
@@ -35,25 +35,28 @@
 ### Phase 1: การเตรียม Infrastructure และ Storage (สัปดาห์ที่ 1)

 **File Migration:**
+
 - ย้ายไฟล์ PDF ทั้งหมดจากแหล่งเก็บไปยัง Folder ชั่วคราวบน NAS (QNAP)
 - Target Path: `/share/np-dms/staging_ai/`

 **Mount Folder:**
+
 - Bind Mount `/share/np-dms/staging_ai/` เข้ากับ n8n Container แบบ **read-only**
 - สร้าง `/share/np-dms/n8n/migration_logs/` Volume แยกสำหรับเขียน Log แบบ **read-write**

 **Ollama Config:**
+
 - ติดตั้ง Ollama บน Desktop (Desk-5439, RTX 2060 SUPER 8GB)
 - No DB credentials, Internal network only

 #### 🔍 เปรียบเทียบผลลัพธ์ที่คาดหวัง

-| งาน | Typhoon2-4B | Qwen2.5-7B | OpenThaiGPT-7B |
-|-----|-------------|------------|----------------|
-| ความเร็ว (ток/วินาที) | ~35-45 | ~8-12 | ~10-15 |
-| ความเข้าใจบริบทไทย | ดีมาก | ดี | ดีมาก |
-| การสร้างแท็กแม่นยำ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
-| ความเสถียรบน 8GB | ✅ สูง | ⚠️ ปานกลาง | ⚠️ ปานกลาง |
+| งาน                   | Typhoon2-4B | Qwen2.5-7B | OpenThaiGPT-7B |
+| --------------------- | ----------- | ---------- | -------------- |
+| ความเร็ว (ток/วินาที) | ~35-45      | ~8-12      | ~10-15         |
+| ความเข้าใจบริบทไทย    | ดีมาก       | ดี         | ดีมาก          |
+| การสร้างแท็กแม่นยำ    | ⭐⭐⭐⭐    | ⭐⭐⭐⭐   | ⭐⭐⭐⭐⭐     |
+| ความเสถียรบน 8GB      | ✅ สูง      | ⚠️ ปานกลาง | ⚠️ ปานกลาง     |

 ```bash
 # แนะนำ: llama3.2:3b (เร็ว, VRAM ~3GB, เหมาะ Classification) หรือ ollama run llama3.2:3b
@@ -79,15 +82,18 @@ watch -n 1 nvidia-smi
 # Fallback: mistral:7b-instruct-q4_K_M (แม่นกว่า, VRAM ~5GB)
 # ollama pull mistral:7b-instruct-q4_K_M
 ```
+
 ใช้ ทางเลือกที่ 1

 **ทดสอบ Ollama:**
+
 ```bash
 curl http://192.168.20.100:11434/api/generate \
  -d '{"model":"llama3.2:3b","prompt":"reply: ok","stream":false}'
 ```

 **Concurrency Configuration:**
+
 - Sequential: Batch Size = 1, Delay ≥ 2 วินาที, ปิด Parallel Execution
 - เพิ่ม Health Check Node ก่อนเริ่ม Batch เพื่อป้องกัน Workflow ค้างหาก Desktop Sleep หรือ Overheat

@@ -96,6 +102,7 @@ curl http://192.168.20.100:11434/api/generate \
 ### Phase 2: การเตรียม Target Database และ API (สัปดาห์ที่ 1)

 **SQL Indexing:**
+
 ```sql
 ALTER TABLE correspondences ADD INDEX idx_doc_number (document_number);
 ALTER TABLE correspondences ADD INDEX idx_deleted_at (deleted_at);
@@ -103,6 +110,7 @@ ALTER TABLE correspondences ADD INDEX idx_created_by (created_by);
 ```

 **Checkpoint Table:**
+
 ```sql
 CREATE TABLE IF NOT EXISTS migration_progress (
    batch_id             VARCHAR(50) PRIMARY KEY,
@@ -113,6 +121,7 @@ CREATE TABLE IF NOT EXISTS migration_progress (
 ```

 **Tags Table (สำหรับ AI Tag Extraction):**
+
 ```sql
 -- ตาราง Master เก็บ Tags (Global หรือ Project-specific)
 CREATE TABLE tags (
@@ -143,6 +152,7 @@ CREATE TABLE correspondence_tags (
 ```

 **Idempotency Table :**
+
 ```sql
 CREATE TABLE IF NOT EXISTS import_transactions (
    id               INT AUTO_INCREMENT PRIMARY KEY,
@@ -158,6 +168,7 @@ CREATE TABLE IF NOT EXISTS import_transactions (
 > **Idempotency Logic:** ถ้า `idempotency_key` ซ้ำ → Backend คืน HTTP 200 ทันที (ไม่สร้าง Revision ซ้ำ) ถ้าไม่ซ้ำ → ประมวลผลปกติ

 **API Authentication — Migration Token:**
+
 ```sql
 INSERT INTO users (username, email, role, is_active)
 VALUES ('migration_bot', 'migration@system.internal', 'SYSTEM_ADMIN', true);
@@ -165,14 +176,14 @@ VALUES ('migration_bot', 'migration@system.internal', 'SYSTEM_ADMIN', true);

 **Scope ของ Migration Token (Patch — คำนิยามชัดเจน):**

-| สิทธิ์                                   | ปกติ | Migration Token | หมายเหตุ                           |
-| ------------------------------------- | --- | --------------- | --------------------------------- |
-| Bypass File Virus Scan                | ❌   | ✅               | ไฟล์ผ่าน Scan มาแล้วก่อน Import       |
-| Bypass Duplicate **Validation Error** | ❌   | ✅               | **Revision Logic ยัง enforce ปกติ** |
-| Bypass Created-by User validation     | ❌   | ✅               |                                   |
-| Overwrite existing revision           | ❌   | ❌               | **ห้ามโดยเด็ดขาด**                  |
-| Delete previous revision              | ❌   | ❌               | **ห้ามโดยเด็ดขาด**                  |
-| ลบ / แก้ไข Record อื่น                   | ❌   | ❌               | **ห้ามโดยเด็ดขาด**                  |
+| สิทธิ์                                | ปกติ | Migration Token | หมายเหตุ                            |
+| ------------------------------------- | ---- | --------------- | ----------------------------------- |
+| Bypass File Virus Scan                | ❌   | ✅              | ไฟล์ผ่าน Scan มาแล้วก่อน Import     |
+| Bypass Duplicate **Validation Error** | ❌   | ✅              | **Revision Logic ยัง enforce ปกติ** |
+| Bypass Created-by User validation     | ❌   | ✅              |                                     |
+| Overwrite existing revision           | ❌   | ❌              | **ห้ามโดยเด็ดขาด**                  |
+| Delete previous revision              | ❌   | ❌              | **ห้ามโดยเด็ดขาด**                  |
+| ลบ / แก้ไข Record อื่น                | ❌   | ❌              | **ห้ามโดยเด็ดขาด**                  |

 > ⚠️ **Patch Clarification:** "Bypass Duplicate Number Check" ถูกแทนด้วย "Bypass Duplicate **Validation Error**" — Revision increment logic ยังทำงานตามปกติทุกกรณี

@@ -194,21 +205,25 @@ VALUES ('migration_bot', 'migration@system.internal', 'SYSTEM_ADMIN', true);
 4. File Mount Check → `staging_ai` มีไฟล์, `migration_logs` เขียนได้

 **Fetch System Categories (Patch — ห้าม hardcode):**
+
 ```http
 GET /api/meta/categories
 Authorization: Bearer <MIGRATION_TOKEN>
 ```
+
 Response:
+
 ```json
-{ "categories": ["Correspondence","RFA","Drawing","Transmittal","Report","Other"] }
+{ "categories": ["Correspondence", "RFA", "Drawing", "Transmittal", "Report", "Other"] }
 ```
+
 n8n ต้องเก็บ categories นี้ไว้ใน Workflow Variable (`system_categories`) และ inject เข้า AI Prompt ทุก Request

 #### Node 1: Data Reader & Checkpoint

 #### Node 1: Data Reader & Checkpoint

- อ่าน Checkpoint จาก **MariaDB Node แยก** 
+- อ่าน Checkpoint จาก **MariaDB Node แยก**
 - Batch ทีละ **50–100 แถว** ตาม `$env.MIGRATION_BATCH_SIZE` (ควรจำกัด Batch Size ป้องกัน DB Connection Overload)
 - ติด `original_index` ทุก Item และ Normalize Encoding (UTF-8 NFC) สำหรับ ชื่อไฟล์ และ เลขเอกสารเก่า

@@ -221,7 +236,7 @@ n8n ต้องเก็บ categories นี้ไว้ใน Workflow Variab
  3. แปลง `receiver_code` -> `receiver_organization_id`
  4. หา Tags ที่มีอยู่ในโปรเจ็กต์: `SELECT * FROM tags WHERE project_id = {{project_id}}`
 - **Output:** n8n เก็บ `project_id`, `organization_ids` และ `existing_tags_json` ไว้ในแต่ละ item
- *ถ้าหารหัสโปรเจ็กต์ไม่เจอ ให้ส่งเข้า Error Log ไม่ทำต่อ*
+- _ถ้าหารหัสโปรเจ็กต์ไม่เจอ ให้ส่งเข้า Error Log ไม่ทำต่อ_

 #### Node 3: File Processor (Extract PDF Text & Temp Upload)

@@ -235,6 +250,7 @@ n8n ต้องเก็บ categories นี้ไว้ใน Workflow Variab
 #### Node 4: AI Analysis (Sequential เท่านั้น)

 **System Prompt:**
+
 ```text
 You are a Document Controller for a large construction project.
 Your task is to validate document metadata, summarize content, and suggest relevant tags.
@@ -242,6 +258,7 @@ You MUST respond ONLY with valid JSON. No explanation, no markdown.
 ```

 **User Prompt:**
+
 ```text
 Validate and summarize this document. Respond in JSON.
 Document Number: {{$json.document_number}}
@@ -273,12 +290,14 @@ Respond ONLY with this exact JSON structure:
 ข้อมูลทั้งหมดที่ผ่าน n8n และ AI Model **จะต้องไม่ถูกอัพเดทเข้าตารางหลักอัตโนมัติ** แต่จะถูกบังคับนำเข้าตาราง Staging `migration_review_queue` แทน เพื่อรอมนุษย์จัดการผ่าน Frontend UI

 **Status Routing Policy:**
+
 - `confidence >= 0.85` และ `is_valid = true` -> Status **`PENDING`** (พร้อมรับ Batch Import)
 - `confidence >= 0.60` และ `< 0.85` -> Status **`PENDING`** (ติด Flag ให้ระวัง)
 - `confidence < 0.60` หรือ `is_valid = false` -> Status **`REJECTED`**
 - Parse Error / AI ไม่ตอบ -> **Error Log** (Node ถัดไป)

 **Insert into staging:**
+
 ```sql
 INSERT INTO migration_review_queue (
  document_number, title, project_id, sender_organization_id, receiver_organization_id,
@@ -290,7 +309,7 @@ ON DUPLICATE KEY UPDATE status = VALUES(status), ai_summary = VALUES(ai_summary)

 #### Node 6: Error Log & Reject Log

- Parse Error → เขียนลงไฟล์ `/share/np-dms/n8n/migration_logs/error_log.csv` 
+- Parse Error → เขียนลงไฟล์ `/share/np-dms/n8n/migration_logs/error_log.csv`
 - ทุก 10-50 ราบการอัพเดท MariaDB `migration_progress` เพื่อเป็น Checkpoint.

 ---
@@ -308,10 +327,12 @@ ON DUPLICATE KEY UPDATE status = VALUES(status), ai_summary = VALUES(ai_summary)
 ### Phase 4: แผนการทดสอบ (Testing & QA)

 **Dry Run Policy (Mandatory):**
+
 - All migrations MUST run with `--dry-run`
 - No DB commit until validation approved

 **Dry Run Validation (20–50 แถว):**
+
 - JSON Parse Success Rate > 95%
 - Category ที่ AI ตอบตรงกับ System Enum ทุกรายการ
 - รัน Batch เดิมซ้ำ 2 รอบ → ต้องไม่สร้าง Duplicate หรือ Revision ซ้ำ (Idempotency Test)
@@ -319,6 +340,7 @@ ON DUPLICATE KEY UPDATE status = VALUES(status), ai_summary = VALUES(ai_summary)
 - Revision Drift ถูก route ไป Review Queue

 **Integrity Check:**
+
 ```sql
 -- ตรวจยอด
 SELECT COUNT(*) FROM correspondences WHERE created_by = 'SYSTEM_IMPORT';
@@ -351,11 +373,13 @@ WHERE created_by = 'SYSTEM_IMPORT' AND action = 'IMPORT';
 ## 4. Rollback Plan

 **Step 1:** หยุด n8n และ Disable Token
+
 ```sql
 UPDATE users SET is_active = false WHERE username = 'migration_bot';
 ```

 **Step 2:** ลบ Records (Transaction)
+
 ```sql
 START TRANSACTION;
 DELETE FROM correspondence_files
@@ -369,6 +393,7 @@ COMMIT;
 **Step 3:** ย้ายไฟล์กลับ `/share/np-dms/staging_ai/` ผ่าน Script แยก

 **Step 4:** Reset State
+
 ```sql
 UPDATE migration_progress
 SET status = 'FAILED', last_processed_index = 0
@@ -383,19 +408,19 @@ WHERE batch_id = 'migration_20260226';

 ## 5. แผนรับมือความเสี่ยง (Risk Management)

-| ลำดับที่ | ความเสี่ยง                   | การจัดการ (Mitigation)                              |
-| ---- | -------------------------- | -------------------------------------------------- |
-| 1    | AI Node หรือ GPU ค้าง        | Timeout 30 วินาที, Retry 3 รอบ, Delay 60 วินาที        |
-| 2    | Ollama ตอบไม่ใช่ JSON        | JSON Pre-processor + ส่ง Human Review Queue         |
-| 3    | Category ไม่ตรง System Enum | Fetch `/api/meta/categories` ก่อน Batch ทุกครั้ง       |
-| 4    | Idempotency ซ้ำ              | `import_transactions` table + Backend คืน HTTP 200  |
-| 5    | Revision Drift             | ตรวจ Excel revision column → Route ไป Review Queue |
-| 6    | Storage bypass             | ห้าม move file โดยตรง — ผ่าน Backend API เท่านั้น       |
-| 7    | GPU VRAM Overflow          | ใช้เฉพาะ Quantized Model (q4_K_M)                   |
-| 8    | ดิสก์ NAS เต็ม                | ปิด "Save Successful Executions" ใน n8n             |
-| 9    | Migration Token ถูกขโมย     | Token 7 วัน, IP Whitelist `<NAS_IP>` เท่านั้น          |
-| 11   | AI Tag Extraction ผิดพลาด | Tag confidence < 0.6 → ส่งไป Review Queue / บันทึกใน metadata |
-| 12   | Tag ซ้ำ/คล้ายกัน        | Normalization ก่อนบันทึก (lowercase, trim, deduplicate) |
+| ลำดับที่ | ความเสี่ยง                  | การจัดการ (Mitigation)                                        |
+| -------- | --------------------------- | ------------------------------------------------------------- |
+| 1        | AI Node หรือ GPU ค้าง       | Timeout 30 วินาที, Retry 3 รอบ, Delay 60 วินาที               |
+| 2        | Ollama ตอบไม่ใช่ JSON       | JSON Pre-processor + ส่ง Human Review Queue                   |
+| 3        | Category ไม่ตรง System Enum | Fetch `/api/meta/categories` ก่อน Batch ทุกครั้ง              |
+| 4        | Idempotency ซ้ำ             | `import_transactions` table + Backend คืน HTTP 200            |
+| 5        | Revision Drift              | ตรวจ Excel revision column → Route ไป Review Queue            |
+| 6        | Storage bypass              | ห้าม move file โดยตรง — ผ่าน Backend API เท่านั้น             |
+| 7        | GPU VRAM Overflow           | ใช้เฉพาะ Quantized Model (q4_K_M)                             |
+| 8        | ดิสก์ NAS เต็ม              | ปิด "Save Successful Executions" ใน n8n                       |
+| 9        | Migration Token ถูกขโมย     | Token 7 วัน, IP Whitelist `<NAS_IP>` เท่านั้น                 |
+| 11       | AI Tag Extraction ผิดพลาด   | Tag confidence < 0.6 → ส่งไป Review Queue / บันทึกใน metadata |
+| 12       | Tag ซ้ำ/คล้ายกัน            | Normalization ก่อนบันทึก (lowercase, trim, deduplicate)       |

 ---

@@ -9,13 +9,13 @@

 ## ⚠️ ความแตกต่างจากเวอร์ชัน Enterprise

-| ฟีเจอร์                 | Enterprise              | Free Plan (นี้)                  |
-| --------------------- | ----------------------- | ------------------------------ |
-| Environment Variables | ✅ ใช้ `$env`             | ❌ ใช้ `Set Node` + `staticData` |
-| External Secrets      | ✅ Vault/Secrets Manager | ❌ Hardcode ใน Set Node         |
-| Multiple Workflows    | ✅ Unlimited             | ⚠️ รวมเป็น Workflow เดียว         |
-| Error Handling        | ✅ Advanced              | ⚠️ Manual Retry                 |
-| Webhook Triggers      | ✅                       | ✅ ใช้ได้                         |
+| ฟีเจอร์               | Enterprise               | Free Plan (นี้)                  |
+| --------------------- | ------------------------ | -------------------------------- |
+| Environment Variables | ✅ ใช้ `$env`            | ❌ ใช้ `Set Node` + `staticData` |
+| External Secrets      | ✅ Vault/Secrets Manager | ❌ Hardcode ใน Set Node          |
+| Multiple Workflows    | ✅ Unlimited             | ⚠️ รวมเป็น Workflow เดียว        |
+| Error Handling        | ✅ Advanced              | ⚠️ Manual Retry                  |
+| Webhook Triggers      | ✅                       | ✅ ใช้ได้                        |

 ---

@@ -75,7 +75,7 @@

 **สิ่งสำคัญ:**

-| Item         | ค่า Production                                                                                   |
+| Item         | ค่า Production                                                                                  |
 | ------------ | ----------------------------------------------------------------------------------------------- |
 | Image        | `n8nio/n8n:latest`                                                                              |
 | Container    | `n8n`                                                                                           |
@@ -134,7 +134,7 @@ const CONFIG = {

  // Thresholds
  CONFIDENCE_HIGH: 0.85,
-  CONFIDENCE_LOW: 0.60,
+  CONFIDENCE_LOW: 0.6,
  MAX_RETRY: 3,
  FALLBACK_THRESHOLD: 5,

@@ -147,14 +147,14 @@ const CONFIG = {
  DB_PORT: 3306,
  DB_NAME: 'lcbp3_production',
  DB_USER: 'migration_bot',
-  DB_PASSWORD: 'YOUR_DB_PASSWORD_HERE' // 🔴 เปลี่ยน
+  DB_PASSWORD: 'YOUR_DB_PASSWORD_HERE', // 🔴 เปลี่ยน
 };

 // อย่าแก้โค้ดด้านล่างนี้
 $workflow.staticData = $workflow.staticData || {};
 $workflow.staticData.config = CONFIG;

-return [{ json: { config_loaded: true, timestamp: new Date().toISOString() }}];
+return [{ json: { config_loaded: true, timestamp: new Date().toISOString() } }];
 ```

 ### ขั้นตอนที่ 2: ตั้งค่า Credentials ใน n8n UI
@@ -166,7 +166,6 @@ return [{ json: { config_loaded: true, timestamp: new Date().toISOString() }}];
 3. **Rotate Token ทันทีหลัง Migration เสร็จ**
 4. **💡 หมายเหตุ:** Backend ระบบ DMS ได้ถูกตั้งค่าให้สร้าง Token แบบไม่มีวันหมดอายุ (100 ปี) สำหรับ User ชื่อ `migration_bot` โดยเฉพาะ เพื่อป้องกันปัญหา Token หมดอายุระหว่างที่ Workflow กำลังทำงานข้ามวัน

-
 **Credentials (ถ้าใช้):**

 | Credential | Type | ใช้ใน Node |
@@ -175,7 +174,6 @@ return [{ json: { config_loaded: true, timestamp: new Date().toISOString() }}];
 | LCBP3 Backend | HTTP Request | Import to Backend, Fetch Categories |
 | MariaDB | MySQL | ทุก Database Node |

-
 ### ขั้นตอนที่ 3: วิธีการรับ MIGRATION_TOKEN

 เนื่องจากหน้าเว็บ DMS ใช้ระบบ Session Cookies (Auth.js) จึงไม่สามารถคัดลอก JWT Token จาก Network Tab ในเบราว์เซอร์ได้โดยตรง
@@ -183,6 +181,7 @@ return [{ json: { config_loaded: true, timestamp: new Date().toISOString() }}];
 ให้ใช้วิธี **เรียก API ตรงไปที่ Backend** ด้วยเครื่องมืออย่าง Postman, cURL หรือ Thunder Client แทน:

 **ตัวอย่างคำสั่ง cURL:**
+
 ```bash
 curl -X POST https://api.np-dms.work/api/auth/login \
  -H "Content-Type: application/json" \
@@ -190,6 +189,7 @@ curl -X POST https://api.np-dms.work/api/auth/login \
 ```

 **การนำไปใช้งาน:**
+
 1. เปลี่ยน URL ให้ตรงกับ Backend ของคุณ (เช่น `http://localhost:3001/api/auth/login` สำหรับ Local)
 2. นำรหัสผ่านของบัญชี `migration_bot` มาใส่แทนที่ `YOUR_PASSWORD`
 3. ในผลลัพธ์ที่ได้ ให้คัดลอกเฉพาะค่าจากฟิลด์ `access_token` (ข้อความยาวๆ)
@@ -211,59 +211,67 @@ mysql -h <DB_HOST> -u migration_bot -p lcbp3_production < lcbp3-v1.8.0-migration
 **ตารางที่สร้าง (6 ตาราง ชั่วคราว — ลบได้หลัง Migration เสร็จ):**

 | ตาราง                      | วัตถุประสงค์                       |
-| -------------------------- | ------------------------------- |
+| -------------------------- | ---------------------------------- |
 | `migration_progress`       | Checkpoint ติดตามความคืบหน้า Batch |
 | `migration_review_queue`   | รายการที่ต้องตรวจสอบโดยคน          |
-| `migration_errors`         | Error Log                       |
-| `migration_fallback_state` | สถานะ AI Model Fallback         |
-| `import_transactions`      | Idempotency ป้องกัน Import ซ้ำ      |
-| `migration_daily_summary`  | สรุปผลรายวัน                      |
+| `migration_errors`         | Error Log                          |
+| `migration_fallback_state` | สถานะ AI Model Fallback            |
+| `import_transactions`      | Idempotency ป้องกัน Import ซ้ำ     |
+| `migration_daily_summary`  | สรุปผลรายวัน                       |

 ---

 ## 📌 ส่วนที่ 4: การทำงานของแต่ละ Node

 ### Node 0: Set Configuration
+
 - เก็บค่า Config ทั้งหมดใน `$workflow.staticData.config`
 - อ่านผ่าน `$workflow.staticData.config.KEY` ใน Node อื่น

 ### Node 1: Pre-flight Checks & Data Reader
+
 - ตรวจสอบ Backend Health และ Ollama Ping
 - อ่าน Checkpoint (`last_processed_index`) จาก `migration_progress`
 - Batch ข้อมูลจาก Excel ตามตาราง `BATCH_SIZE` ปกติ (50-100)
 - Normalize ข้อมูล UTF-8 (NFC) และสร้าง `original_index`

 ### Node 2: DB Lookup & Categories Fetch
+
 - ดึง Categories จาก `/api/meta/categories` เพื่อเตรียม Prompt
 - Query ทะลวง DB: แปลงรหัสใน Excel (`project_code`, `sender`, `receiver`) ให้เป็น IDs จาก MariaDB
 - Query ดึง Master Tags ของโปรเจ็กต์: `SELECT tag_name, description FROM tags WHERE project_id = ...`
 - Output: แปลง ID เรียบร้อยและเตรียม `existing_tags_json` ให้ Ollama

 ### Node 3: Text Extraction & Temp Upload
+
 - ใช้ **Apache Tika** (ผ่าน `Extract PDF Text` node หรือ HTTP Request) สกัดข้อความ (OCR/Text) ออกจาก PDF ใน staging
 - แนบไฟล์ไปยัง Backend: ยิง HTTP Request **`POST /api/storage/upload`** ของ Backend
 - รอรับผลลัพธ์เป็น `temp_attachment_id` (หมายความว่าไฟล์นี้เข้าข่าย Temporary ถูกเก็บจัดการใน NAS เรียบร้อยแล้ว)
 - Output: ไฟล์พร้อมใช้งาน, ได้เนื้อหา Text มาเตรียม prompt

 ### Node 4: AI Analysis
+
 - วาง System Prompt บังคับ Output JSON
 - โยน Metadata (Title, Date, DB Lookups) พร้อม Extracted PDF Text คุยกับ **Ollama `llama3.2:3b`**
- ให้ AI วิเคราะห์ และสรุปเป็น `ai_summary` 
+- ให้ AI วิเคราะห์ และสรุปเป็น `ai_summary`
 - ให้ AI แนะนำ Tags ใหม่หรือเลือก Tags เดิมจาก `existing_tags_json`

 ### Node 5: Parse & Validate
+
 - Schema Validation (ดูให้แน่ใจว่า AI ตอบ `is_valid`, `confidence`, `summary`, `suggested_tags`)
 - Normalizing categories, trimming tags (`is_new: true / false` flag สำคัญมาก)
 - จัดชุดค่า Status ใหม่

 ### Node 6: Confidence Router & Staging Ingest
+
 **แยกสาย 4 สาย:**
-1. **PENDING (Auto Ready):** (`confidence ≥ 0.85` && `is_valid = true`) → INSERT เข้า `migration_review_queue` 
+
+1. **PENDING (Auto Ready):** (`confidence ≥ 0.85` && `is_valid = true`) → INSERT เข้า `migration_review_queue`
 2. **PENDING (Flagged):** (`confidence 0.60 - 0.84`) → INSERT เข้า `migration_review_queue` พร้อม Highlight/Remarks ให้ Admin ดูละเอียด
 3. **REJECTED:** (`confidence < 0.60` หรือ `is_valid = false`) → INSERT เข้า `migration_review_queue` สถานะรอแก้แบบ Manual
 4. **Error/Parse Fail:** ไปลง CSV Reject Log + DB `migration_errors`

-**สำคัญมาก:** *n8n จะทำหน้าที่สูบข้อมูลและจัดเตรียมเข้า `migration_review_queue` เท่านั้น จะไม่มีการข้ามขั้นตอนไป Import ลงตารางหลัก `correspondences` อัตโนมัติ (Final Commit ต้องทำบน Frontend UI)*
+**สำคัญมาก:** _n8n จะทำหน้าที่สูบข้อมูลและจัดเตรียมเข้า `migration_review_queue` เท่านั้น จะไม่มีการข้ามขั้นตอนไป Import ลงตารางหลัก `correspondences` อัตโนมัติ (Final Commit ต้องทำบน Frontend UI)_

 ---

@@ -306,6 +314,7 @@ DELETE FROM migration_fallback_state WHERE batch_id = '<BATCH_ID>';
 ```

 **Confirmation Guard:**
+
 ```javascript
 if ($input.first().json.confirmation !== 'CONFIRM_ROLLBACK') {
  throw new Error('Rollback cancelled: type "CONFIRM_ROLLBACK" to proceed.');
@@ -317,13 +326,13 @@ return $input.all();

 ## 📌 ส่วนที่ 6: Daily Operation

-| เวลา  | กิจกรรม                         | ผู้รับผิดชอบ            |
+| เวลา  | กิจกรรม                        | ผู้รับผิดชอบ        |
 | ----- | ------------------------------ | ------------------- |
 | 08:00 | ตรวจสอบ Night Summary Email    | Admin               |
 | 09:00 | Approve/Reject ใน Review Queue | Document Controller |
 | 17:00 | ตรวจ Disk Space + GPU Temp     | DevOps              |
-| 22:00 | Workflow เริ่มรันอัตโนมัติ           | System              |
-| 06:30 | Night Summary Report ส่ง Email  | System              |
+| 22:00 | Workflow เริ่มรันอัตโนมัติ     | System              |
+| 06:30 | Night Summary Report ส่ง Email | System              |

 ### Emergency Stop

@@ -349,16 +358,19 @@ mysql -h <DB_IP> -u root -p \
 ## 🚨 ข้อควรระวังสำหรับ Free Plan

 ### 1. Security
+
 - **อย่า Commit ไฟล์นี้เข้า Git** ถ้ามี Password/Token
 - ใช้ `.gitignore` สำหรับไฟล์ JSON ที่มี Config
 - Rotate Token ทันทีหลังใช้งาน

 ### 2. Limitations
+
 - **Execution Timeout**: ตรวจสอบ n8n execution timeout (default 5 นาที)
 - **Memory**: จำกัดที่ 2GB (ตาม Docker Compose)
 - **Concurrent**: รัน Batch ต่อเนื่อง ไม่ parallel

 ### 3. Backup
+
 - สำรอง PostgreSQL data ที่ `/share/np-dms/n8n/postgres-data`
 - สำรอง n8n data ที่ `/share/np-dms/n8n`
 - สำรอง Logs ที่ `/share/np-dms/n8n/migration_logs`
@@ -367,67 +379,82 @@ mysql -h <DB_IP> -u root -p \

 ## ✅ Pre-Production Checklist (Free Plan)

-| ลำดับ | รายการ                 | วิธีตรวจสอบ                                                         |
-| --- | ---------------------- | ----------------------------------------------------------------- |
-| 1   | Config ถูกต้อง           | รัน Test Execution ดูผลลัพธ์ Node 0                                   |
-| 2   | Database Connect ได้    | Test Step ใน Node Read Checkpoint                                 |
-| 3   | Ollama พร้อม            | `curl http://<OLLAMA_HOST>/api/tags`                              |
-| 4   | Backend Token ใช้ได้     | Test Step ใน Node Fetch Categories                                |
-| 5   | File Mount RO ถูกต้อง    | `docker exec n8n ls /home/node/.n8n-files/staging_ai`             |
-| 6   | Log Mount RW ถูกต้อง     | `docker exec n8n touch /home/node/.n8n-files/migration_logs/test` |
-| 7   | Categories ไม่ hardcode | ดูผลลัพธ์ Node Fetch Categories                                      |
-| 8   | Tags โหลดถูกต้อง        | ดูผลลัพธ์ Node Fetch Tags (ควรแสดงรายการ Tags ที่มีอยู่)             |
-| 9   | AI Tag Extraction ทำงาน | ตรวจ `suggested_tags` ใน Response จาก Parse & Validate Node       |
-| 10  | Idempotency Key ถูกต้อง  | ตรวจ Header ใน Node Import                                        |
-| 11  | Checkpoint บันทึก        | ตรวจสอบ `migration_progress` หลังรัน                                |
-| 12  | Error Log สร้างไฟล์      | ตรวจสอบ `error_log.csv`                                           |
+| ลำดับ | รายการ                  | วิธีตรวจสอบ                                                       |
+| ----- | ----------------------- | ----------------------------------------------------------------- |
+| 1     | Config ถูกต้อง          | รัน Test Execution ดูผลลัพธ์ Node 0                               |
+| 2     | Database Connect ได้    | Test Step ใน Node Read Checkpoint                                 |
+| 3     | Ollama พร้อม            | `curl http://<OLLAMA_HOST>/api/tags`                              |
+| 4     | Backend Token ใช้ได้    | Test Step ใน Node Fetch Categories                                |
+| 5     | File Mount RO ถูกต้อง   | `docker exec n8n ls /home/node/.n8n-files/staging_ai`             |
+| 6     | Log Mount RW ถูกต้อง    | `docker exec n8n touch /home/node/.n8n-files/migration_logs/test` |
+| 7     | Categories ไม่ hardcode | ดูผลลัพธ์ Node Fetch Categories                                   |
+| 8     | Tags โหลดถูกต้อง        | ดูผลลัพธ์ Node Fetch Tags (ควรแสดงรายการ Tags ที่มีอยู่)          |
+| 9     | AI Tag Extraction ทำงาน | ตรวจ `suggested_tags` ใน Response จาก Parse & Validate Node       |
+| 10    | Idempotency Key ถูกต้อง | ตรวจ Header ใน Node Import                                        |
+| 11    | Checkpoint บันทึก       | ตรวจสอบ `migration_progress` หลังรัน                              |
+| 12    | Error Log สร้างไฟล์     | ตรวจสอบ `error_log.csv`                                           |

 ---

 ## 🔧 การแก้ไขปัญหาเฉพาะหน้า

 ### ปัญหา: Config ไม่ถูกต้อง
+
 **แก้ไข:** แก้ที่ Node "Set Configuration" แล้ว Save → Execute Workflow ใหม่

 ### ปัญหา: Database Connection Error
+
 **ตรวจสอบ:**
+
 ```javascript
 // ใส่ใน Code Node ชั่วคราวเพื่อ Debug
 const config = $workflow.staticData.config;
-return [{ json: {
-  host: config.DB_HOST,
-  port: config.DB_PORT,
-  // อย่าแสดง password ใน Production!
-  test: 'Config loaded: ' + (config ? 'YES' : 'NO')
-}}];
+return [
+  {
+    json: {
+      host: config.DB_HOST,
+      port: config.DB_PORT,
+      // อย่าแสดง password ใน Production!
+      test: 'Config loaded: ' + (config ? 'YES' : 'NO'),
+    },
+  },
+];
 ```

 ### ปัญหา: AI Tag Extraction ไม่ทำงาน
+
 **ตรวจสอบ:**
+
 1. ดู Response ใน Node "Parse & Validate" ว่ามี field `suggested_tags` หรือไม่
 2. ถ้าไม่มี → ตรวจสอบ Prompt ใน "Build AI Prompt" ว่ารวม Tag Extraction Instructions แล้ว
 3. ถ้า AI ตอบแต่ Tags ไม่ถูกต้อง → ปรับ Threshold หรือส่งไป Review Queue

 ```javascript
 // Debug Code Node ชั่วคราว
-return [{
-  json: {
-    has_suggested_tags: !!$json.ai_result?.suggested_tags,
-    tag_count: $json.ai_result?.suggested_tags?.length || 0,
-    suggested_tags: $json.ai_result?.suggested_tags,
-    tag_confidence: $json.ai_result?.tag_confidence
-  }
-}];
+return [
+  {
+    json: {
+      has_suggested_tags: !!$json.ai_result?.suggested_tags,
+      tag_count: $json.ai_result?.suggested_tags?.length || 0,
+      suggested_tags: $json.ai_result?.suggested_tags,
+      tag_confidence: $json.ai_result?.tag_confidence,
+    },
+  },
+];
 ```

 ### ปัญหา: Tags ซ้ำหรือผิดพลาด
+
 **แก้ไข:**
+
 - ใช้ SQL ตรวจสอบ Tags ที่ซ้ำ:
+
 ```sql
 SELECT tag_name, COUNT(*) as cnt FROM tags
 WHERE created_by = (SELECT user_id FROM users WHERE username = 'migration_bot')
 GROUP BY tag_name HAVING cnt > 1;
 ```
+
 - ถ้าพบซ้ำ → ใช้ Node Normalize ก่อนบันทึก (มีแล้วใน Parse & Validate)

 ---
@@ -468,7 +495,7 @@ mysql -h <DB_HOST> -u migration_bot -p -e "SELECT COUNT(DISTINCT ct.corresponden

 ## 📞 การติดต่อสนับสนุน

-| ปัญหา            | ช่องทางติดต่อ                                  |
+| ปัญหา           | ช่องทางติดต่อ                               |
 | --------------- | ------------------------------------------- |
 | Technical Issue | DevOps Team (Slack: #migration-support)     |
 | Data Issue      | Document Controller (Email: dc@lcbp3.local) |
@@ -1,17 +1,20 @@
 # 📦 Legacy Data Migration — Business Scope & Governance

 ---
+
 title: 'Migration Business Scope, Data Governance, and Go/No-Go Gates'
 version: 1.0.0
 status: DRAFT — Awaiting Stakeholder Confirmation
 owner: Nattanin Peancharoen (PO + Migration Lead)
 last_updated: 2026-03-11
 related:
-  - specs/03-Data-and-Storage/03-04-legacy-data-migration.md   ← Technical Implementation
-  - specs/03-Data-and-Storage/03-05-n8n-migration-setup-guide.md
-  - specs/06-Decision-Records/ADR-017-ollama-data-migration.md
-  - specs/06-Decision-Records/ADR-018-ai-boundary.md
-  - specs/00-Overview/00-04-stakeholder-signoff-and-risk.md     ← Risk Register (RISK-002)
+
+- specs/03-Data-and-Storage/03-04-legacy-data-migration.md ← Technical Implementation
+- specs/03-Data-and-Storage/03-05-n8n-migration-setup-guide.md
+- specs/06-Decision-Records/ADR-017-ollama-data-migration.md
+- specs/06-Decision-Records/ADR-018-ai-boundary.md
+- specs/00-Overview/00-04-stakeholder-signoff-and-risk.md ← Risk Register (RISK-002)
+
 ---

 > [!IMPORTANT]
@@ -26,12 +29,12 @@ related:

 ## 1. 🎯 Migration Objective

-| วัตถุประสงค์ | รายละเอียด |
-|------------|-----------|
-| **Continuity** | ผู้ใช้สามารถค้นหาและอ้างอิงเอกสารเก่าในระบบใหม่ได้ทันที |
-| **Traceability** | Workflow ใหม่สามารถ Link กลับไปยัง Correspondence เก่าได้ |
+| วัตถุประสงค์      | รายละเอียด                                                    |
+| ----------------- | ------------------------------------------------------------- |
+| **Continuity**    | ผู้ใช้สามารถค้นหาและอ้างอิงเอกสารเก่าในระบบใหม่ได้ทันที       |
+| **Traceability**  | Workflow ใหม่สามารถ Link กลับไปยัง Correspondence เก่าได้     |
 | **Searchability** | เอกสารเก่าถูก Index ใน Elasticsearch — ค้นหาได้ด้วย Full-text |
-| **Compliance** | Audit Trail ครบ: รู้ว่าใครนำเข้า เมื่อไหร่ จาก Batch ไหน |
+| **Compliance**    | Audit Trail ครบ: รู้ว่าใครนำเข้า เมื่อไหร่ จาก Batch ไหน      |

 ---

@@ -39,19 +42,21 @@ related:

 ### 2.1 ✅ IN SCOPE — นำเข้าระบบใหม่

-| ประเภทเอกสาร | Subdirectory | Volume (ประมาณ) | Priority |
-|-------------|-------------|----------------|---------|
-| **Correspondence** (Letters, RFI) | `CORR/` | ~8,000 ไฟล์ | 🔴 High |
-| **RFA + Shop Drawings** | `RFA/` | ~5,000 ไฟล์ | 🔴 High |
-| **Contract Drawings** | `CD/` | ~3,000 ไฟล์ | 🟠 Medium |
-| **Transmittals** | `TRM/` | ~2,000 ไฟล์ | 🟠 Medium |
-| **Reports & Minutes** | `RPT/` | ~2,000 ไฟล์ | 🟡 Low |
+| ประเภทเอกสาร                      | Subdirectory | Volume (ประมาณ) | Priority  |
+| --------------------------------- | ------------ | --------------- | --------- |
+| **Correspondence** (Letters, RFI) | `CORR/`      | ~8,000 ไฟล์     | 🔴 High   |
+| **RFA + Shop Drawings**           | `RFA/`       | ~5,000 ไฟล์     | 🔴 High   |
+| **Contract Drawings**             | `CD/`        | ~3,000 ไฟล์     | 🟠 Medium |
+| **Transmittals**                  | `TRM/`       | ~2,000 ไฟล์     | 🟠 Medium |
+| **Reports & Minutes**             | `RPT/`       | ~2,000 ไฟล์     | 🟡 Low    |

 **ช่วงเวลาที่ Include:**
+
 - **เริ่มต้น:** 1 มกราคม 2564 (โครงการเริ่ม)
 - **สิ้นสุด:** วันก่อน Go-Live — 1 วัน (เอกสารหลังจากนั้นใช้ระบบใหม่)

 **เงื่อนไข Include:**
+
 - ไฟล์ต้องเป็น PDF (หรือ DWG สำหรับ Drawing)
 - ไฟล์ต้อง Readable โดย Tika/Ollama (ไม่ Corrupted)
 - มี Row ใน Excel Metadata ที่ตรงกัน (document_number ไม่ว่าง)
@@ -60,16 +65,16 @@ related:

 ### 2.2 ❌ OUT OF SCOPE — ไม่นำเข้า

-| รายการ | เหตุผล |
-|--------|-------|
-| **เอกสารก่อนปี 2564** | ก่อนเริ่มโครงการ LCBP3 Phase 3 |
-| **Email Body / Attachments ที่ไม่ใช่ PDF** | Format ไม่รองรับ |
-| **Draft ที่ไม่เคย Submit** | ไม่มีเลขเอกสารทางการ |
-| **ไฟล์ที่ Corrupted หรืออ่านไม่ได้** | ไปที่ Reject Log |
-| **ข้อมูล Financial / Cost Records** | ไม่อยู่ใน DMS Scope |
-| **Personal Communication (ไม่มีเลขทางการ)** | ไม่ใช่เอกสารทางการ |
-| **วิดีโอ / รูปภาพ Standalone** | ไม่ใช่ Document |
-| **ไฟล์ DWG ที่ไม่มี PDF คู่** | ออก PDF ก่อนนำเข้า (Admin Task) |
+| รายการ                                      | เหตุผล                          |
+| ------------------------------------------- | ------------------------------- |
+| **เอกสารก่อนปี 2564**                       | ก่อนเริ่มโครงการ LCBP3 Phase 3  |
+| **Email Body / Attachments ที่ไม่ใช่ PDF**  | Format ไม่รองรับ                |
+| **Draft ที่ไม่เคย Submit**                  | ไม่มีเลขเอกสารทางการ            |
+| **ไฟล์ที่ Corrupted หรืออ่านไม่ได้**        | ไปที่ Reject Log                |
+| **ข้อมูล Financial / Cost Records**         | ไม่อยู่ใน DMS Scope             |
+| **Personal Communication (ไม่มีเลขทางการ)** | ไม่ใช่เอกสารทางการ              |
+| **วิดีโอ / รูปภาพ Standalone**              | ไม่ใช่ Document                 |
+| **ไฟล์ DWG ที่ไม่มี PDF คู่**               | ออก PDF ก่อนนำเข้า (Admin Task) |

 ---

@@ -107,31 +112,31 @@ Tier 3 — นำเข้าภายใน 1 เดือนหลัง Go-Li

 ### 3.1 Excel Metadata Schema (Legacy)

-| Column | Field ใหม่ | บังคับ | หมายเหตุ |
-|--------|----------|-------|---------|
-| `DOC_NO` | `document_number` | ✅ | ใช้เป็น Idempotency Key |
-| `TITLE` | `title` | ✅ | AI จะ Suggest แก้ไขถ้าผิด Format |
-| `DATE` | `reference_date` | ✅ | วันที่เอกสาร (ไม่ใช่วันนำเข้า) |
-| `FROM_ORG` | `sender_org_id` | ✅ | Map ด้วย org_code lookup table |
-| `TO_ORG` | `receiver_org_id` | ✅ | Map ด้วย org_code lookup table |
-| `TYPE` | `category` | ✅ | AI ตรวจสอบ Enum ที่ถูกต้อง |
-| `DISCIPLINE` | `discipline` | ❌ | Optional — AI Extract จาก Title |
-| `CONTRACT_NO` | `contract_id` | ❌ | Map ด้วย contract lookup table |
-| `PROJECT_NO` | `project_id` | ✅ | ต้องมี (ทุกเอกสาร) |
-| `FILE_PATH` | `source_file_path` | ✅ | Path ใน NAS staging folder |
-| `REVISION` | `revision` | ❌ | Detect จากเลขเอกสาร |
+| Column        | Field ใหม่         | บังคับ | หมายเหตุ                         |
+| ------------- | ------------------ | ------ | -------------------------------- |
+| `DOC_NO`      | `document_number`  | ✅     | ใช้เป็น Idempotency Key          |
+| `TITLE`       | `title`            | ✅     | AI จะ Suggest แก้ไขถ้าผิด Format |
+| `DATE`        | `reference_date`   | ✅     | วันที่เอกสาร (ไม่ใช่วันนำเข้า)   |
+| `FROM_ORG`    | `sender_org_id`    | ✅     | Map ด้วย org_code lookup table   |
+| `TO_ORG`      | `receiver_org_id`  | ✅     | Map ด้วย org_code lookup table   |
+| `TYPE`        | `category`         | ✅     | AI ตรวจสอบ Enum ที่ถูกต้อง       |
+| `DISCIPLINE`  | `discipline`       | ❌     | Optional — AI Extract จาก Title  |
+| `CONTRACT_NO` | `contract_id`      | ❌     | Map ด้วย contract lookup table   |
+| `PROJECT_NO`  | `project_id`       | ✅     | ต้องมี (ทุกเอกสาร)               |
+| `FILE_PATH`   | `source_file_path` | ✅     | Path ใน NAS staging folder       |
+| `REVISION`    | `revision`         | ❌     | Detect จากเลขเอกสาร              |

 ### 3.2 Organization Code Mapping

 > ต้องสร้าง Lookup Table ก่อนเริ่ม Migration — Superadmin ทำใน Pre-migration Setup

-| Legacy Code (Excel) | Organization ใหม่ | org_id (System) |
-|--------------------|-----------------|----------------|
-| กทท. | การท่าเรือแห่งประเทศไทย | TBD (ดูจาก DB) |
-| สค. | สำนักงานโครงการ | TBD |
-| TEAM | TEAM | TBD |
-| คคง. | คณะกรรมการตรวจงาน | TBD |
-| ผรม. | ผู้รับจ้างหลัก | TBD |
+| Legacy Code (Excel) | Organization ใหม่       | org_id (System) |
+| ------------------- | ----------------------- | --------------- |
+| กทท.                | การท่าเรือแห่งประเทศไทย | TBD (ดูจาก DB)  |
+| สค.                 | สำนักงานโครงการ         | TBD             |
+| TEAM                | TEAM                    | TBD             |
+| คคง.                | คณะกรรมการตรวจงาน       | TBD             |
+| ผรม.                | ผู้รับจ้างหลัก          | TBD             |

 > **Action Item:** Superadmin ต้อง Fill in `org_id` ก่อน Migration เริ่ม

@@ -183,15 +188,15 @@ T+1 เดือน:

 ### Gate #1: Before Production Migration Starts (T-3 สัปดาห์)

-| เกณฑ์ | ต้องผ่าน | วิธีวัด |
-|-------|---------|--------|
-| Dry Run 2 JSON Parse Success | ≥ 95% | n8n Execution Log |
-| Dry Run 2 AI Category Accuracy | ≥ 90% (Manual Spot-check 50 docs) | Human Review |
-| Idempotency Test: รัน Batch ซ้ำ | 0 Duplicate Records | SQL Count |
-| Organization Mapping ครบ | 100% | Lookup Table review |
-| Frontend Review UI พร้อมใช้งาน | ✅ | UAT Passed สำหรับหน้าจออนุมัติ |
-| Migration Bot Token Active + Whitelisted | ✅ | API Test |
-| Staging NAS Space: ≥ 500GB free | ✅ | QNAP Dashboard |
+| เกณฑ์                                    | ต้องผ่าน                          | วิธีวัด                        |
+| ---------------------------------------- | --------------------------------- | ------------------------------ |
+| Dry Run 2 JSON Parse Success             | ≥ 95%                             | n8n Execution Log              |
+| Dry Run 2 AI Category Accuracy           | ≥ 90% (Manual Spot-check 50 docs) | Human Review                   |
+| Idempotency Test: รัน Batch ซ้ำ          | 0 Duplicate Records               | SQL Count                      |
+| Organization Mapping ครบ                 | 100%                              | Lookup Table review            |
+| Frontend Review UI พร้อมใช้งาน           | ✅                                | UAT Passed สำหรับหน้าจออนุมัติ |
+| Migration Bot Token Active + Whitelisted | ✅                                | API Test                       |
+| Staging NAS Space: ≥ 500GB free          | ✅                                | QNAP Dashboard                 |

 **Owner:** Nattanin P. | **Approver:** Org Admin ทุกองค์กร

@@ -199,40 +204,40 @@ T+1 เดือน:

 ### Gate #2: Before Go-Live (T-1 วัน)

-| เกณฑ์ | ต้องผ่าน |
-|-------|---------|
-| Tier 1 Migration: 100% เสร็จ + Verified | ✅ |
-| Tier 2 Migration: ≥ 90% เสร็จ + Verified | ✅ |
-| Review Queue (รวมการพิจารณา AI New Tags): ≤ 5% ค้างอยู่ (Critical Tier 1 = 0%) | ✅ |
-| Migration Bot Token: REVOKED | ✅ |
-| Integrity Queries ผ่านทั้งหมด | ✅ |
-| Legacy System ยังเข้าถึงได้ (Read-only Fallback) | ✅ |
+| เกณฑ์                                                                          | ต้องผ่าน |
+| ------------------------------------------------------------------------------ | -------- |
+| Tier 1 Migration: 100% เสร็จ + Verified                                        | ✅       |
+| Tier 2 Migration: ≥ 90% เสร็จ + Verified                                       | ✅       |
+| Review Queue (รวมการพิจารณา AI New Tags): ≤ 5% ค้างอยู่ (Critical Tier 1 = 0%) | ✅       |
+| Migration Bot Token: REVOKED                                                   | ✅       |
+| Integrity Queries ผ่านทั้งหมด                                                  | ✅       |
+| Legacy System ยังเข้าถึงได้ (Read-only Fallback)                               | ✅       |

 ---

 ### Gate #3: Post Go-Live (T+30 วัน)

-| เกณฑ์ | ต้องผ่าน |
-|-------|---------|
-| Tier 3 Migration: 100% เสร็จ | ✅ |
-| User Search Test: สามารถค้นหา Legacy Doc ใน ES | ✅ |
-| Zero Orphan Files ใน Staging | ✅ |
-| Legacy System Archive เสร็จ (Compress + Store) | ✅ |
+| เกณฑ์                                          | ต้องผ่าน |
+| ---------------------------------------------- | -------- |
+| Tier 3 Migration: 100% เสร็จ                   | ✅       |
+| User Search Test: สามารถค้นหา Legacy Doc ใน ES | ✅       |
+| Zero Orphan Files ใน Staging                   | ✅       |
+| Legacy System Archive เสร็จ (Compress + Store) | ✅       |

 ---

 ## 6. 🧑‍💼 Data Ownership & Responsibility

-| Responsibility | Owner | Action |
-|---------------|-------|--------|
-| **Excel Metadata Quality** | Document Control (สค.) | ทำความสะอาดก่อน T-6 |
-| **File Organization บน NAS** | Nattanin P. + IT | จัด Folder structure |
-| **Organization Lookup Table** | Superadmin (NAP) | สร้างก่อน T-6 |
-| **Tier 1 Document List** | Document Control ทุก Org | ยืนยัน T-5 |
-| **Daily Monitoring (n8n Runs)** | Nattanin P. | T-3 ถึง Go-Live |
-| **Admin Review Queue & AI Tag Approval** | Document Control (สค.) | ทุกเช้าวันทำงาน (บังคับตรวจสอบ New Tags) |
-| **Post-migration Verification** | Nattanin P. | After each Gate |
-| **Legacy System Archival** | กทท. IT + NAP | T+30 |
+| Responsibility                           | Owner                    | Action                                   |
+| ---------------------------------------- | ------------------------ | ---------------------------------------- |
+| **Excel Metadata Quality**               | Document Control (สค.)   | ทำความสะอาดก่อน T-6                      |
+| **File Organization บน NAS**             | Nattanin P. + IT         | จัด Folder structure                     |
+| **Organization Lookup Table**            | Superadmin (NAP)         | สร้างก่อน T-6                            |
+| **Tier 1 Document List**                 | Document Control ทุก Org | ยืนยัน T-5                               |
+| **Daily Monitoring (n8n Runs)**          | Nattanin P.              | T-3 ถึง Go-Live                          |
+| **Admin Review Queue & AI Tag Approval** | Document Control (สค.)   | ทุกเช้าวันทำงาน (บังคับตรวจสอบ New Tags) |
+| **Post-migration Verification**          | Nattanin P.              | After each Gate                          |
+| **Legacy System Archival**               | กทท. IT + NAP            | T+30                                     |

 ---

@@ -255,6 +260,7 @@ T+1 เดือน:
   - Output ของ AI ต้องผ่าน Backend Validation ก่อน Write

 4. **Audit Log**: ทุก Record ที่ Import มี:
+
   ```json
   { "created_by": "SYSTEM_IMPORT", "batch_id": "migration_YYYYMMDD", "action": "IMPORT" }
   ```
@@ -281,6 +287,7 @@ T+1 เดือน:
 ### กรณี Go-Live โดย Tier 2 ไม่เสร็จ (Emergency)

 **เปิดใช้ Parallel Operation:**
+
 - ระบบใหม่: เอกสาร Tier 1 + เอกสารใหม่หลัง Go-Live
 - Legacy System: เปิด Read-only สำหรับเอกสาร Tier 2/3 ยังไม่ Migrate
 - Timeline Extension: Tier 2 ต้องเสร็จภายใน T+7 (ไม่เกิน 1 สัปดาห์หลัง Go-Live)
@@ -289,15 +296,15 @@ T+1 เดือน:

 ## 9. 📊 Migration Success Metrics

-| Metric | Target | วิธีวัด |
-|--------|--------|--------|
-| Total Records Imported | ≥ 95% ของ In-Scope | SQL COUNT vs Excel Row Count |
-| Auto-import Rate (confidence ≥ 0.85) | ≥ 70% | n8n Execution Report |
-| Review Queue Clearance | ≥ 95% ก่อน Go-Live | Review Queue Table |
-| Reject Rate (Corrupted/Unreadable) | < 5% | Reject Log |
-| Duplicate Records | 0 | SQL HAVING COUNT > 1 |
-| Tag Extraction Rate | ≥ 80% ของ Auto-imported docs มี ≥ 1 Tag | SQL |
-| Post-migration Search Hit Rate | ≥ 90% ของ Legacy doc numbers ค้นหาเจอ | Manual Test 100 samples |
+| Metric                               | Target                                  | วิธีวัด                      |
+| ------------------------------------ | --------------------------------------- | ---------------------------- |
+| Total Records Imported               | ≥ 95% ของ In-Scope                      | SQL COUNT vs Excel Row Count |
+| Auto-import Rate (confidence ≥ 0.85) | ≥ 70%                                   | n8n Execution Report         |
+| Review Queue Clearance               | ≥ 95% ก่อน Go-Live                      | Review Queue Table           |
+| Reject Rate (Corrupted/Unreadable)   | < 5%                                    | Reject Log                   |
+| Duplicate Records                    | 0                                       | SQL HAVING COUNT > 1         |
+| Tag Extraction Rate                  | ≥ 80% ของ Auto-imported docs มี ≥ 1 Tag | SQL                          |
+| Post-migration Search Hit Rate       | ≥ 90% ของ Legacy doc numbers ค้นหาเจอ   | Manual Test 100 samples      |

 ---

@@ -5,6 +5,7 @@
 **Version:** 1.8.1
 **Date:** 2026-03-13
 **Related Documents:**
+
 - [ADR-017: Ollama Data Migration](../06-Decision-Records/ADR-017-ollama-data-migration.md)
 - [ADR-018: AI Boundary Hardening](../06-Decision-Records/Patch%201.8.1.md)
 - [n8n Migration Setup Guide](./03-05-n8n-migration-setup-guide.md)
@@ -12,12 +13,14 @@
 - [OpenRAG (openr.ag)](https://www.openr.ag/) — IBM open-source RAG: Docling + OpenSearch + Langflow

 > ⚠️ **หมายเหตุ:** เอกสารนี้ออกแบบ RAG Pipeline **2 ส่วน**:
+>
 > 1. **OpenRAG (Extraction Phase)** — ทำหน้าที่ "พนักงานคัดกรองข้อมูล" อ่าน PDF ทั้ง Folder แล้วเขียน JSON ลง `rag-output/` บน Shared NAS
 > 2. **n8n + Ollama + Elasticsearch (Integration & Search Phase)** — Poll ไฟล์ JSON จาก `rag-output/` ทีละไฟล์ แล้วนำเข้า DMS
 >
 > ทั้งหมดทำงาน **On-Premise** เท่านั้น — ไม่ส่งข้อมูลออกนอกเครือข่าย (ADR-018 AI Isolation)
 >
 > **Integration Model: File-based Queue (Pull)**
+>
 > - Admin Desktop mount `R:\` (Drive Letter) → QNAP NAS Shared Folder (`staging_ai`)
 > - OpenRAG เขียน JSON ลง `R:\staging_ai\rag-output\` → n8n อ่านจาก `staging_ai/rag-output/`
 > - **ไม่มี HTTP ระหว่าง OpenRAG กับ n8n** — NAS Folder เป็น Shared Queue
@@ -27,6 +30,7 @@
 ## 🎯 วัตถุประสงค์ (Objective)

 เพิ่มความสามารถ **Semantic Search และ Document Q&A** ให้กับระบบ DMS โดยใช้ Infrastructure ที่มีอยู่แล้ว:
+
 - ไม่ส่งข้อมูลออกนอกเครือข่ายองค์กร (Data Privacy)
 - ไม่มีค่าใช้จ่ายต่อ Query (Zero Cost)
 - ต่อยอดจากสถาปัตยกรรม Migration ที่ผ่าน Validate แล้ว (ADR-017/018)
@@ -37,16 +41,16 @@

 ตาม Patch 1.8.1 (ADR-018) Infrastructure Layout ที่กำหนดไว้:

-| Component              | Host          | บทบาทใน RAG Pipeline                              |
-| ---------------------- | ------------- | ------------------------------------------------- |
-| **OpenRAG** (Docling + OpenSearch + Langflow) | Admin Desktop | **Phase 0: Extraction** — สกัด Metadata + Text จาก PDF เป็น JSON |
-| **Tika** (Fallback OCR) | QNAP         | สกัดข้อความจาก PDF กรณีไม่ใช้ OpenRAG หรือ Fallback |
-| **Elasticsearch 8.11** | QNAP          | Vector Store + Full-text Index                    |
-| **n8n**                | QNAP          | Orchestrator — Poll JSON จาก `rag-output/` (ทีละไฟล์) แล้วนำเข้า DMS |
-| **DMS Backend (NestJS)**| QNAP         | API Gateway — รับ Query / ส่งผล / บันทึก Metadata   |
-| **Ollama**             | Admin Desktop | AI Inference (Embedding + Generate) บน RTX 2060 SUPER |
-| **MariaDB 11.8**       | QNAP          | Document Metadata (Authoritative DB)              |
-| **Redis 7.2**          | QNAP          | Cache (Query Result Cache)                        |
+| Component                                     | Host          | บทบาทใน RAG Pipeline                                                 |
+| --------------------------------------------- | ------------- | -------------------------------------------------------------------- |
+| **OpenRAG** (Docling + OpenSearch + Langflow) | Admin Desktop | **Phase 0: Extraction** — สกัด Metadata + Text จาก PDF เป็น JSON     |
+| **Tika** (Fallback OCR)                       | QNAP          | สกัดข้อความจาก PDF กรณีไม่ใช้ OpenRAG หรือ Fallback                  |
+| **Elasticsearch 8.11**                        | QNAP          | Vector Store + Full-text Index                                       |
+| **n8n**                                       | QNAP          | Orchestrator — Poll JSON จาก `rag-output/` (ทีละไฟล์) แล้วนำเข้า DMS |
+| **DMS Backend (NestJS)**                      | QNAP          | API Gateway — รับ Query / ส่งผล / บันทึก Metadata                    |
+| **Ollama**                                    | Admin Desktop | AI Inference (Embedding + Generate) บน RTX 2060 SUPER                |
+| **MariaDB 11.8**                              | QNAP          | Document Metadata (Authoritative DB)                                 |
+| **Redis 7.2**                                 | QNAP          | Cache (Query Result Cache)                                           |

 > ⛔ **ข้อห้าม (ADR-018):** OpenRAG และ Ollama **ห้ามอยู่บน QNAP** และห้ามเข้า DB โดยตรง
 > ✅ OpenRAG เขียนผล JSON ลง `rag-output/` บน Shared NAS (R:\ บน Admin Desktop = `staging_ai` บน QNAP)
@@ -174,11 +178,11 @@ n8n ทำงานแบบ **Pull (Schedule-based)** — ดึง JSON ที

 > 📁 **File State Machine ใน `rag-output/`:**
 >
-> | สถานะ | Filename | ความหมาย |
-> |-------|----------|----------|
-> | Pending | `TCC-COR-001.json` | รอ n8n ดึงไป Process |
-> | Done | `TCC-COR-001.done` | นำเข้า DMS สำเร็จ |
-> | Error | `TCC-COR-001.error` | ล้มเหลว — รอ Manual Review |
+> | สถานะ   | Filename            | ความหมาย                   |
+> | ------- | ------------------- | -------------------------- |
+> | Pending | `TCC-COR-001.json`  | รอ n8n ดึงไป Process       |
+> | Done    | `TCC-COR-001.done`  | นำเข้า DMS สำเร็จ          |
+> | Error   | `TCC-COR-001.error` | ล้มเหลว — รอ Manual Review |

 ### Phase 2: Indexing Pipeline — สร้าง Vector Index ใน Elasticsearch

@@ -267,9 +271,10 @@ PUT /dms_rag_chunks
 ```

 > ⚠️ **ขนาด Embedding Vector:** ขึ้นอยู่กับ Model ที่ใช้
+>
 > - `nomic-embed-text`: 768 dims
 > - `llama3.2:3b` (ใช้ layer สุดท้าย): 3072 dims
-> ต้องทดสอบ Performance บน RTX 2060 SUPER 8GB ก่อนเลือก
+>   ต้องทดสอบ Performance บน RTX 2060 SUPER 8GB ก่อนเลือก

 ---

@@ -286,19 +291,19 @@ PUT /dms_rag_chunks

 Poll ไฟล์ JSON จาก Shared NAS ทีละไฟล์ แล้วนำข้อมูลเข้า DMS:

-| Node | ชื่อ | หน้าที่ |
-|------|------|----------|
-| 0 | Schedule Trigger | ทำงานทุก 5 นาที (หรือ Manual Trigger) |
-| 1 | List JSON Files | อ่านรายการ `staging_ai/rag-output/*.json` (กรอง .done/.error) |
-| 2 | Loop Items | วนลูปทีละ 1 ไฟล์ |
-| 3 | Read JSON File | อ่านเนื้อหา JSON จาก NAS |
-| 4 | JSON Schema Validator | ตรวจสอบ field ครบ + ค่า is_valid |
-| 5 | Confidence Router | แยก Auto / Review / Reject ตาม Threshold |
-| 6A | Auto Ingest | POST `/api/migration/import` พร้อม Idempotency-Key |
-| 6B | Review Queue | INSERT `migration_review_queue` เท่านั้น |
-| 6C | Rename to .error | Rename ไฟล์ → `.error` + บันทึกเหตุผล |
-| 7 | Rename to .done | Rename ไฟล์ → `.done` (กรณีสำเร็จ) |
-| 8 | Save Checkpoint | UPDATE `migration_progress` ทุก 10 records |
+| Node | ชื่อ                  | หน้าที่                                                       |
+| ---- | --------------------- | ------------------------------------------------------------- |
+| 0    | Schedule Trigger      | ทำงานทุก 5 นาที (หรือ Manual Trigger)                         |
+| 1    | List JSON Files       | อ่านรายการ `staging_ai/rag-output/*.json` (กรอง .done/.error) |
+| 2    | Loop Items            | วนลูปทีละ 1 ไฟล์                                              |
+| 3    | Read JSON File        | อ่านเนื้อหา JSON จาก NAS                                      |
+| 4    | JSON Schema Validator | ตรวจสอบ field ครบ + ค่า is_valid                              |
+| 5    | Confidence Router     | แยก Auto / Review / Reject ตาม Threshold                      |
+| 6A   | Auto Ingest           | POST `/api/migration/import` พร้อม Idempotency-Key            |
+| 6B   | Review Queue          | INSERT `migration_review_queue` เท่านั้น                      |
+| 6C   | Rename to .error      | Rename ไฟล์ → `.error` + บันทึกเหตุผล                         |
+| 7    | Rename to .done       | Rename ไฟล์ → `.done` (กรณีสำเร็จ)                            |
+| 8    | Save Checkpoint       | UPDATE `migration_progress` ทุก 10 records                    |

 ---

@@ -306,37 +311,37 @@ Poll ไฟล์ JSON จาก Shared NAS ทีละไฟล์ แล้

 Index Chunks (จาก OpenRAG JSON หรือ Tika Fallback) เข้า Elasticsearch:

-| Node | ชื่อ | หน้าที่ |
-|------|------|----------|
-| 0 | Webhook / Schedule Trigger | รับ `doc_id` ที่นำเข้าแล้ว หรือ Batch รายคืน |
-| 1 | Fetch Chunks | ดึง chunks จาก OpenRAG JSON หรือเรียก Tika Fallback |
-| 2 | Tika OCR (Fallback) | POST `http://tika:9998/tika` กรณีไม่มี chunks จาก OpenRAG |
-| 3 | Ollama Embeddings | POST `http://<OLLAMA_HOST>:11434/api/embeddings` |
-| 4 | Elasticsearch Ingest | Bulk Index Chunks เข้า `dms_rag_chunks` |
-| 5 | Update DMS Index Status | PATCH `/api/documents/{id}` ตั้ง `is_indexed: true` |
+| Node | ชื่อ                       | หน้าที่                                                   |
+| ---- | -------------------------- | --------------------------------------------------------- |
+| 0    | Webhook / Schedule Trigger | รับ `doc_id` ที่นำเข้าแล้ว หรือ Batch รายคืน              |
+| 1    | Fetch Chunks               | ดึง chunks จาก OpenRAG JSON หรือเรียก Tika Fallback       |
+| 2    | Tika OCR (Fallback)        | POST `http://tika:9998/tika` กรณีไม่มี chunks จาก OpenRAG |
+| 3    | Ollama Embeddings          | POST `http://<OLLAMA_HOST>:11434/api/embeddings`          |
+| 4    | Elasticsearch Ingest       | Bulk Index Chunks เข้า `dms_rag_chunks`                   |
+| 5    | Update DMS Index Status    | PATCH `/api/documents/{id}` ตั้ง `is_indexed: true`       |

 ---

 ## ⚙️ n8n Workflow: RAG Query (Node Overview)

-| Node | ชื่อ | หน้าที่ |
-|------|------|----------|
-| 0 | Webhook | รับ `{ query, project_id, user_id, top_k }` จาก Backend |
-| 1 | Ollama: Embed Query | แปลง Query เป็น Vector |
-| 2 | Elasticsearch: kNN Search | ค้นหา Top-k Chunks พร้อม RBAC Filter |
-| 3 | Build RAG Prompt | รวม Context Chunks + System Prompt + User Query |
-| 4 | Ollama: Generate | สร้างคำตอบ, Output JSON เท่านั้น |
-| 5 | Return to Backend | Respond Webhook พร้อม `{ answer, sources, confidence }` |
+| Node | ชื่อ                      | หน้าที่                                                 |
+| ---- | ------------------------- | ------------------------------------------------------- |
+| 0    | Webhook                   | รับ `{ query, project_id, user_id, top_k }` จาก Backend |
+| 1    | Ollama: Embed Query       | แปลง Query เป็น Vector                                  |
+| 2    | Elasticsearch: kNN Search | ค้นหา Top-k Chunks พร้อม RBAC Filter                    |
+| 3    | Build RAG Prompt          | รวม Context Chunks + System Prompt + User Query         |
+| 4    | Ollama: Generate          | สร้างคำตอบ, Output JSON เท่านั้น                        |
+| 5    | Return to Backend         | Respond Webhook พร้อม `{ answer, sources, confidence }` |

 ---

 ## 📏 Confidence & Hallucination Guard

-| ระดับ Confidence | การดำเนินการ |
-|-----------------|--------------|
-| `>= 0.80`       | แสดงผลทันที พร้อม Sources |
-| `0.60 – 0.79`   | แสดงผลพร้อม Warning "โปรดตรวจสอบเอกสารต้นฉบับ" |
-| `< 0.60`        | ไม่แสดงคำตอบ — แสดงเฉพาะ Document Links ที่เกี่ยวข้อง |
+| ระดับ Confidence | การดำเนินการ                                          |
+| ---------------- | ----------------------------------------------------- |
+| `>= 0.80`        | แสดงผลทันที พร้อม Sources                             |
+| `0.60 – 0.79`    | แสดงผลพร้อม Warning "โปรดตรวจสอบเอกสารต้นฉบับ"        |
+| `< 0.60`         | ไม่แสดงคำตอบ — แสดงเฉพาะ Document Links ที่เกี่ยวข้อง |

 > AI ไม่มีสิทธิ์ Write ข้อมูลใดๆ — Output เป็น JSON Read-only เสมอ (ADR-018)

@@ -344,20 +349,20 @@ Index Chunks (จาก OpenRAG JSON หรือ Tika Fallback) เข้า El

 ## 🚧 ข้อจำกัดและความเสี่ยง

-| ความเสี่ยง | ผลกระทบ | Mitigation |
-|-----------|----------|------------|
-| NAS Drive R: disconnect ขณะ OpenRAG รัน | เขียน JSON ไม่ได้ | Langflow ตรวจ Drive ก่อนเริ่ม Loop — แจ้งเตือนถ้า mount หาย |
-| ไฟล์ JSON เขียนไม่สมบูรณ์ (crash กลางคัน) | n8n อ่าน JSON เสีย | n8n ตรวจ JSON valid ก่อน Process — Rename → .error |
-| OpenRAG Process PDF ซ้ำ (Retry) | JSON เขียนทับ | Skip ถ้า `.json` มีอยู่แล้ว (Idempotent by filename) |
-| n8n อ่านไฟล์ขณะ OpenRAG ยังเขียนไม่เสร็จ | JSON ไม่สมบูรณ์ | OpenRAG เขียนเป็น `.tmp` ก่อน → Rename เป็น `.json` เมื่อเสร็จ |
-| rag-output/ เต็ม (เก่าสะสม) | Disk บน NAS เต็ม | ตั้ง Schedule ลบ `.done` ที่เกิน 30 วัน |
-| OpenRAG Metadata ผิด | นำข้อมูลผิดเข้า DMS | Confidence < 0.85 → Human Review Queue (ADR-017 Policy) |
-| Embedding Dim Mismatch | Index ใช้งานไม่ได้ | กำหนด Model + Dims ก่อน Index แรก ห้ามเปลี่ยน |
-| RTX 2060 SUPER VRAM (8GB) | Timeout ถ้า Model ใหญ่เกินไป | ใช้ `nomic-embed-text` สำหรับ Embedding |
-| AI Hallucination | คำตอบผิด | Confidence Threshold + Source Citation บังคับ |
-| Cross-project Data Leak | Security Issue | RBAC Filter ทุก Query ที่ Elasticsearch Layer |
-| Elasticsearch Storage | Disk Usage สูง | เปิด ILM Policy หรือจำกัดเฉพาะ Project สำคัญ |
-| Ollama ไม่พร้อม | Query ล้มเหลว | Graceful Fallback: ใช้ Elasticsearch Full-text เท่านั้น |
+| ความเสี่ยง                                | ผลกระทบ                      | Mitigation                                                     |
+| ----------------------------------------- | ---------------------------- | -------------------------------------------------------------- |
+| NAS Drive R: disconnect ขณะ OpenRAG รัน   | เขียน JSON ไม่ได้            | Langflow ตรวจ Drive ก่อนเริ่ม Loop — แจ้งเตือนถ้า mount หาย    |
+| ไฟล์ JSON เขียนไม่สมบูรณ์ (crash กลางคัน) | n8n อ่าน JSON เสีย           | n8n ตรวจ JSON valid ก่อน Process — Rename → .error             |
+| OpenRAG Process PDF ซ้ำ (Retry)           | JSON เขียนทับ                | Skip ถ้า `.json` มีอยู่แล้ว (Idempotent by filename)           |
+| n8n อ่านไฟล์ขณะ OpenRAG ยังเขียนไม่เสร็จ  | JSON ไม่สมบูรณ์              | OpenRAG เขียนเป็น `.tmp` ก่อน → Rename เป็น `.json` เมื่อเสร็จ |
+| rag-output/ เต็ม (เก่าสะสม)               | Disk บน NAS เต็ม             | ตั้ง Schedule ลบ `.done` ที่เกิน 30 วัน                        |
+| OpenRAG Metadata ผิด                      | นำข้อมูลผิดเข้า DMS          | Confidence < 0.85 → Human Review Queue (ADR-017 Policy)        |
+| Embedding Dim Mismatch                    | Index ใช้งานไม่ได้           | กำหนด Model + Dims ก่อน Index แรก ห้ามเปลี่ยน                  |
+| RTX 2060 SUPER VRAM (8GB)                 | Timeout ถ้า Model ใหญ่เกินไป | ใช้ `nomic-embed-text` สำหรับ Embedding                        |
+| AI Hallucination                          | คำตอบผิด                     | Confidence Threshold + Source Citation บังคับ                  |
+| Cross-project Data Leak                   | Security Issue               | RBAC Filter ทุก Query ที่ Elasticsearch Layer                  |
+| Elasticsearch Storage                     | Disk Usage สูง               | เปิด ILM Policy หรือจำกัดเฉพาะ Project สำคัญ                   |
+| Ollama ไม่พร้อม                           | Query ล้มเหลว                | Graceful Fallback: ใช้ Elasticsearch Full-text เท่านั้น        |

 ---

@@ -367,6 +372,7 @@ Index Chunks (จาก OpenRAG JSON หรือ Tika Fallback) เข้า El
 > ต้องผ่าน Go-Live Gate ของ Migration (ADR-017) ก่อนเริ่มพัฒนา

 **OpenRAG Setup (Admin Desktop):**
+
 - [ ] ติดตั้ง OpenRAG บน Admin Desktop ตาม `## 🛠️ OpenRAG Setup Guide` ด้านล่าง
 - [ ] กำหนด Langflow Workflow: PDF Input → Docling Parse → Ollama Extract → JSON Output
 - [ ] ตั้งค่า System Prompt ใน Langflow ให้ Output ตรง JSON Contract ด้านบน
@@ -374,11 +380,13 @@ Index Chunks (จาก OpenRAG JSON หรือ Tika Fallback) เข้า El
 - [ ] ยืนยัน OpenRAG ไม่มี DB Credentials และ Mount `staging_ai` เป็น Read-only

 **n8n Webhook Integration:**
+
 - [ ] สร้าง n8n Webhook Endpoint: รับ JSON จาก OpenRAG (validate schema + route ตาม Confidence)
 - [ ] ทดสอบ Idempotency-Key กรณี OpenRAG ส่ง Duplicate
 - [ ] สร้าง n8n Workflow: RAG Indexer (Dry Run กับ 10 เอกสาร)

 **Search & Query:**
+
 - [ ] Migration v1.8.x เสร็จสมบูรณ์และ Stable (Prerequisite)
 - [ ] ทดสอบ `nomic-embed-text` บน Admin Desktop — วัด VRAM + Speed
 - [ ] กำหนด Elasticsearch Index Schema + Dims (lock ก่อน Index แรก)
@@ -436,6 +444,7 @@ uv --version       # ต้องแสดง version เช่น uv 0.5.x
 เมื่อรัน `uvx --python 3.13 openrag` ในขั้นตอนถัดไป `uv` จะ **ดาวน์โหลด Python 3.13 เองโดยอัตโนมัติ** ไม่ต้องติดตั้งแยก

 > **ทางเลือก:** ถ้าต้องการ Python 3.13 ระดับ System จริงๆ (ไม่บังคับ):
+>
 > ```bash
 > sudo add-apt-repository ppa:deadsnakes/ppa -y
 > sudo apt update && sudo apt install -y python3.13 python3.13-venv
@@ -461,20 +470,21 @@ uvx --with easyocr --python 3.13 openrag

 **ระหว่าง Interactive Setup ตอบดังนี้:**

-| Prompt | คำตอบ (สำหรับระบบ LCBP3) |
-|--------|--------------------------|
-| OpenSearch Admin password | ตั้งรหัสผ่านแข็งแรง บันทึกไว้ |
-| Langflow Admin password | ตั้งรหัสผ่านแข็งแรง บันทึกไว้ |
-| OpenAI API key | **กด N / Skip** — เราใช้ Ollama แทน |
-| Use custom LLM provider? | **Y** → เลือก **Ollama** |
-| Ollama base URL | `http://192.168.20.100:11434` (Internal VLAN — Ollama รันบน Admin Desktop โดยตรง) |
-| Configure Langfuse tracing? | **N** |
-| Configure cloud connectors? | **N** |
-| Start services now? | **Y** |
+| Prompt                      | คำตอบ (สำหรับระบบ LCBP3)                                                          |
+| --------------------------- | --------------------------------------------------------------------------------- |
+| OpenSearch Admin password   | ตั้งรหัสผ่านแข็งแรง บันทึกไว้                                                     |
+| Langflow Admin password     | ตั้งรหัสผ่านแข็งแรง บันทึกไว้                                                     |
+| OpenAI API key              | **กด N / Skip** — เราใช้ Ollama แทน                                               |
+| Use custom LLM provider?    | **Y** → เลือก **Ollama**                                                          |
+| Ollama base URL             | `http://192.168.20.100:11434` (Internal VLAN — Ollama รันบน Admin Desktop โดยตรง) |
+| Configure Langfuse tracing? | **N**                                                                             |
+| Configure cloud connectors? | **N**                                                                             |
+| Start services now?         | **Y**                                                                             |

 > ℹ️ **Ollama รันบน Windows โดยตรง** (ไม่ใช่ใน Docker) ที่ IP `192.168.20.100` — ตรงกับ Config ใน `03-05-n8n-migration-setup-guide.md`
 >
 > ถ้าตั้งค่าผิดพลาด แก้ไขได้ที่:
+>
 > ```bash
 > nano ~/.openrag/tui/.env
 > # แก้บรรทัด OLLAMA_ENDPOINT=http://192.168.20.100:11434
@@ -496,11 +506,11 @@ docker ps

 **URL ที่ใช้งานได้:**

-| Service | URL | หมายเหตุ |
-|---------|-----|----------|
+| Service    | URL                     | หมายเหตุ                  |
+| ---------- | ----------------------- | ------------------------- |
 | OpenRAG UI | `http://localhost:3000` | หน้าหลัก (เหมือน Chat UI) |
-| Langflow | `http://localhost:7860` | สร้าง/แก้ไข Workflow |
-| OpenSearch | `http://localhost:9200` | Vector Store API |
+| Langflow   | `http://localhost:7860` | สร้าง/แก้ไข Workflow      |
+| OpenSearch | `http://localhost:9200` | Vector Store API          |

 ---

@@ -547,12 +557,13 @@ ollama pull nomic-embed-text

 > **Component:** `Read File` (หมวด Data / Helpers)

-| Setting | ค่า |
-|---------|-----|
-| Files | อัปโหลด หรือ ชี้ไปที่ `/data/staging_ai/` |
-| Advanced Parser | `OFF` (ปิด — อ่านเป็น raw text ธรรมดา) |
+| Setting         | ค่า                                       |
+| --------------- | ----------------------------------------- |
+| Files           | อัปโหลด หรือ ชี้ไปที่ `/data/staging_ai/` |
+| Advanced Parser | `OFF` (ปิด — อ่านเป็น raw text ธรรมดา)    |

 **การเชื่อมต่อ:**
+
 - Output `Files` → Input `Inputs` ของ Loop

 > ℹ️ Read File จะโหลดไฟล์ทั้งหมดมาเป็น list แล้วส่งให้ Loop วนลูปทีละไฟล์  
@@ -564,11 +575,12 @@ ollama pull nomic-embed-text

 > **Component:** `Loop` (หมวด Logic)

-| Setting | ค่า |
-|---------|-----|
-| Inputs | รับจาก `Read File → Files` |
+| Setting | ค่า                        |
+| ------- | -------------------------- |
+| Inputs  | รับจาก `Read File → Files` |

 **Output ที่ใช้:**
+
 - `Item` → ส่งต่อให้ Parser และ Custom Code (filename)
 - `Done` → ไม่ต้องเชื่อมไปไหน (สัญญาณสิ้นสุด Loop)

@@ -580,12 +592,13 @@ ollama pull nomic-embed-text

 > **Component:** `Parser` (หมวด Processing)

-| Setting | ค่า |
-|---------|-----|
-| Mode | **`Stringify`** (ไม่ใช่ Parser) |
-| Data or DataFrame | รับจาก `Loop → Item` |
+| Setting           | ค่า                             |
+| ----------------- | ------------------------------- |
+| Mode              | **`Stringify`** (ไม่ใช่ Parser) |
+| Data or DataFrame | รับจาก `Loop → Item`            |

 **การเชื่อมต่อ:**
+
 - Input `Data or DataFrame` ← `Loop → Item`
 - Output `Parsed Text` → Input `extracted_text` ของ Prompt Template

@@ -599,12 +612,13 @@ ollama pull nomic-embed-text

 > **Component:** `Prompt Template` (หมวด Prompts)

-| Setting | ค่า |
-|---------|-----|
-| Template | ใส่ System Prompt จากขั้นตอนที่ 7 ด้านล่าง |
-| Variable `{extracted_text}` | เชื่อมกับ `Parser → Parsed Text` |
+| Setting                     | ค่า                                        |
+| --------------------------- | ------------------------------------------ |
+| Template                    | ใส่ System Prompt จากขั้นตอนที่ 7 ด้านล่าง |
+| Variable `{extracted_text}` | เชื่อมกับ `Parser → Parsed Text`           |

 **การเชื่อมต่อ:**
+
 - Variable `extracted_text` ← `Parser → Parsed Text`
 - Output `Prompt` → Input `Input` ของ Ollama

@@ -617,16 +631,17 @@ ollama pull nomic-embed-text

 > **Component:** `Ollama` (หมวด Models)

-| Setting | ค่า |
-|---------|-----|
-| Ollama API URL | `http://localhost:11434` (ถ้ารันบน WSL ไม่ต้องใส่ IP) |
-| Model Name | `scb10x/typhoon2.1-gemma3-4b` |
-| Format | ไม่ต้องตั้ง — ใช้ Enable Structured Output แทน |
-| Temperature | `0.1` |
-| Enable Structured Output | `ON` |
-| Tool Model Enabled | `ON` (เห็นใน screenshot) |
+| Setting                  | ค่า                                                   |
+| ------------------------ | ----------------------------------------------------- |
+| Ollama API URL           | `http://localhost:11434` (ถ้ารันบน WSL ไม่ต้องใส่ IP) |
+| Model Name               | `scb10x/typhoon2.1-gemma3-4b`                         |
+| Format                   | ไม่ต้องตั้ง — ใช้ Enable Structured Output แทน        |
+| Temperature              | `0.1`                                                 |
+| Enable Structured Output | `ON`                                                  |
+| Tool Model Enabled       | `ON` (เห็นใน screenshot)                              |

 **การเชื่อมต่อ:**
+
 - Input `Input` ← `Prompt Template → Prompt`
 - Input `System Message` ← ปล่อยว่าง (System Prompt อยู่ใน Prompt Template แล้ว)
 - Output `Text` → Input ของ Custom Code (Node 6)
@@ -655,46 +670,46 @@ from pathlib import Path
 class WriteJsonIdempotent(Component):
    display_name = "Write JSON (Idempotent)"
    description = "Writes JSON to staging_ai dynamically based on loop item filename"
-    
+
    inputs = [
        StrInput(name="json_content", display_name="JSON Content"),
        DataInput(name="loop_item", display_name="Loop Item (PDF)"),
    ]
-    
+
    outputs = [
        Output(display_name="Result Path", name="result_path", method="write_file")
    ]
-    
+
    def write_file(self) -> Data:
        # Extract filename from loop_item
        pdf_path = self.loop_item.data.get("file_path", "")
        if not pdf_path:
            return Data(data={"error": "No file_path in loop item"})
-            
+
        base_name = Path(pdf_path).stem
        out_dir = Path("/data/staging_ai/rag-output")
        out_dir.mkdir(parents=True, exist_ok=True)
-        
+
        json_path = out_dir / f"{base_name}.json"
-        
+
        # Idempotency check
        if json_path.exists():
            return Data(data={"status": "skipped", "path": str(json_path), "reason": "already exists"})
-            
+
        # Parse and write content to ensure it's valid JSON before saving
        try:
            parsed = json.loads(self.json_content)
            # Inject source file name if missing
            if not parsed.get("source_file"):
                parsed["source_file"] = f"{base_name}.pdf"
-                
+
            tmp_path = out_dir / f"{base_name}.tmp"
            with open(tmp_path, "w", encoding="utf-8") as f:
                json.dump(parsed, f, ensure_ascii=False, indent=2)
-                
+
            # Atomic rename
            os.replace(tmp_path, json_path)
-            
+
            return Data(data={"status": "written", "path": str(json_path)})
        except Exception as e:
            err_path = out_dir / f"{base_name}.error"
@@ -704,6 +719,7 @@ class WriteJsonIdempotent(Component):
 ```

 **การเชื่อมต่อ:**
+
 - Input `json_content` ← `Ollama → Text`
 - Input `loop_item` ← `Loop → Item`
 - Output `result_path` → `Loop → item` (Feedback loop กลับไปบอกว่ารอบนี้จบแล้ว)
@@ -716,27 +732,26 @@ class WriteJsonIdempotent(Component):

 #### สรุปการ Wire ทั้ง Workflow

-| From | Port | To | Port |
-|------|------|----|------|
-| Read File | Files | Loop | Inputs |
-| Loop | Item | Parser | Data or DataFrame |
-| Parser | Parsed Text | Prompt Template | extracted_text |
-| Prompt Template | Prompt | Ollama | input_value (Input) |
-| Ollama | Text | Write JSON (Idempotent) | json_content |
-| Loop | Item | Write JSON (Idempotent) | loop_item |
-| Write JSON | result_path | Loop | element |
-
+| From            | Port        | To                      | Port                |
+| --------------- | ----------- | ----------------------- | ------------------- |
+| Read File       | Files       | Loop                    | Inputs              |
+| Loop            | Item        | Parser                  | Data or DataFrame   |
+| Parser          | Parsed Text | Prompt Template         | extracted_text      |
+| Prompt Template | Prompt      | Ollama                  | input_value (Input) |
+| Ollama          | Text        | Write JSON (Idempotent) | json_content        |
+| Loop            | Item        | Write JSON (Idempotent) | loop_item           |
+| Write JSON      | result_path | Loop                    | element             |

 **ตั้งค่า Ollama LLM Component:**

-| ฟิลด์ | ค่า |
-|-------|-----|
-| Model Name | `scb10x/typhoon2.1-gemma3-4b` |
-| Base URL | `http://192.168.20.100:11434` |
-| Format | `json` (บังคับ JSON Output) |
-| Temperature | `0.1` (ลด Hallucination) |
-| Max Tokens | `2048` |
-| Enable Structured Output | `ON` |
+| ฟิลด์                    | ค่า                           |
+| ------------------------ | ----------------------------- |
+| Model Name               | `scb10x/typhoon2.1-gemma3-4b` |
+| Base URL                 | `http://192.168.20.100:11434` |
+| Format                   | `json` (บังคับ JSON Output)   |
+| Temperature              | `0.1` (ลด Hallucination)      |
+| Max Tokens               | `2048`                        |
+| Enable Structured Output | `ON`                          |

 > ℹ️ **เหตุผลที่เลือก Typhoon 2.1:**  
 > `scb10x/typhoon2.1-gemma3-4b` โดย SCB10X เป็น Model ที่ออกแบบมาสำหรับภาษาไทยโดยเฉพาะ  
@@ -804,7 +819,7 @@ services:
    volumes:
      # staging_ai mount จาก NAS
      # Windows R:\ drive จะปรากฏใน WSL เป็น /mnt/r/
-      - /mnt/r/staging_ai:/data/staging_ai   # ← Read PDF + Write rag-output/
+      - /mnt/r/staging_ai:/data/staging_ai # ← Read PDF + Write rag-output/
      # หมายเหตุ: ต้องเขียนได้ที่ rag-output/ จึงไม่ใส่ :ro

  opensearch:
@@ -812,6 +827,7 @@ services:
 ```

 > ⚠️ **ตรวจสอบ R:\ ใน WSL:**
+>
 > ```bash
 > # ใน WSL Terminal ตรวจว่า mount อยู่ที่ไหน
 > ls /mnt/r/staging_ai/
@@ -819,6 +835,7 @@ services:
 > ```
 >
 > ✅ **สร้าง rag-output/ ก่อนรัน:**
+>
 > ```bash
 > mkdir -p /mnt/r/staging_ai/rag-output
 > ```
@@ -851,12 +868,12 @@ ls /mnt/r/staging_ai/rag-output/

 สร้าง Test Workflow ใน n8n:

-| Node | Type | Config |
-|------|------|--------|
-| Trigger | Manual | - |
-| List Files | Read/Write Files from Disk | Path: `staging_ai/rag-output/*.json` |
-| Read File | Read/Write Files from Disk | Dynamic path จาก List node |
-| Parse JSON | Code | `JSON.parse(items[0].binary.data.toString())` |
+| Node       | Type                       | Config                                        |
+| ---------- | -------------------------- | --------------------------------------------- |
+| Trigger    | Manual                     | -                                             |
+| List Files | Read/Write Files from Disk | Path: `staging_ai/rag-output/*.json`          |
+| Read File  | Read/Write Files from Disk | Dynamic path จาก List node                    |
+| Parse JSON | Code                       | `JSON.parse(items[0].binary.data.toString())` |

 ```bash
 # ตรวจสอบ path ใน n8n container
@@ -865,6 +882,7 @@ docker exec n8n ls /home/node/.n8n/staging_ai/rag-output/
 ```

 > 💡 **Path Mapping:**
+>
 > - Admin Desktop (WSL): `/mnt/r/staging_ai/rag-output/`
 > - n8n บน QNAP: `staging_ai/rag-output/` (ตาม Volume Mount ใน docker-compose)

@@ -872,18 +890,18 @@ docker exec n8n ls /home/node/.n8n/staging_ai/rag-output/

 ### ขั้นตอนที่ 10: Pre-Production Verification

-| ลำดับ | รายการ | วิธีตรวจสอบ |
-|-------|--------|-------------|
-| 1 | Ollama เชื่อมต่อได้ | `curl http://192.168.20.100:11434/api/tags` จาก WSL |
-| 2 | `nomic-embed-text` พร้อม | `ollama list` บน Windows Terminal |
-| 3 | Langflow รันได้ | เปิด `http://localhost:7860` |
-| 4 | R:\ mount เห็น PDF | `ls /mnt/r/staging_ai/*.pdf` ใน WSL |
-| 5 | Langflow เขียน rag-output/ ได้ | ดู `/mnt/r/staging_ai/rag-output/` หลังรัน Test |
-| 6 | ไม่มี DB Credentials ใน env | ตรวจ `~/.openrag/tui/docker-compose.yml` |
-| 7 | Extraction ถูกต้อง ≥ 85% | รัน Batch กับเอกสาร 20 ฉบับ นับ field ที่ถูก |
-| 8 | JSON ถูกต้อง (valid JSON) | `python3 -m json.tool rag-output/test.json` |
-| 9 | n8n อ่าน JSON จาก NAS ได้ | รัน Test Workflow ใน n8n ดู Execution Log |
-| 10 | GPU VRAM < 7.5GB ระหว่างรัน | `nvidia-smi --query-gpu=memory.used --format=csv` |
+| ลำดับ | รายการ                         | วิธีตรวจสอบ                                         |
+| ----- | ------------------------------ | --------------------------------------------------- |
+| 1     | Ollama เชื่อมต่อได้            | `curl http://192.168.20.100:11434/api/tags` จาก WSL |
+| 2     | `nomic-embed-text` พร้อม       | `ollama list` บน Windows Terminal                   |
+| 3     | Langflow รันได้                | เปิด `http://localhost:7860`                        |
+| 4     | R:\ mount เห็น PDF             | `ls /mnt/r/staging_ai/*.pdf` ใน WSL                 |
+| 5     | Langflow เขียน rag-output/ ได้ | ดู `/mnt/r/staging_ai/rag-output/` หลังรัน Test     |
+| 6     | ไม่มี DB Credentials ใน env    | ตรวจ `~/.openrag/tui/docker-compose.yml`            |
+| 7     | Extraction ถูกต้อง ≥ 85%       | รัน Batch กับเอกสาร 20 ฉบับ นับ field ที่ถูก        |
+| 8     | JSON ถูกต้อง (valid JSON)      | `python3 -m json.tool rag-output/test.json`         |
+| 9     | n8n อ่าน JSON จาก NAS ได้      | รัน Test Workflow ใน n8n ดู Execution Log           |
+| 10    | GPU VRAM < 7.5GB ระหว่างรัน    | `nvidia-smi --query-gpu=memory.used --format=csv`   |

 ```bash
 # ตรวจสอบ VRAM บน Admin Desktop (Windows Terminal)
@@ -898,6 +916,7 @@ nvidia-smi --query-gpu=memory.used,memory.total --format=csv
 > ต้องผ่าน Go-Live Gate ของ Migration (ADR-017) ก่อนเริ่มพัฒนา

 **OpenRAG Setup (Admin Desktop):**
+
 - [ ] WSL 2 + Docker Desktop ติดตั้งเสร็จ (ขั้นตอนที่ 1)
 - [ ] OpenRAG ติดตั้งผ่าน `uvx --python 3.13 openrag` (ขั้นตอนที่ 2–3)
 - [ ] Ollama เชื่อมต่อจาก Docker Container ได้ (ขั้นตอนที่ 5)
@@ -910,6 +929,7 @@ nvidia-smi --query-gpu=memory.used,memory.total --format=csv
 - [ ] ยืนยัน OpenRAG ไม่มี DB Credentials ใน docker-compose.yml

 **n8n File-based Queue Integration:**
+
 - [ ] ตรวจสอบ n8n Volume Mount เห็น `staging_ai/rag-output/` (ขั้นตอนที่ 9)
 - [ ] สร้าง n8n Schedule Workflow: List JSON Files → Loop → Read → Validate → Route
 - [ ] ทดสอบ Rename ไฟล์ `.json` → `.done` / `.error` ใน n8n
@@ -917,6 +937,7 @@ nvidia-smi --query-gpu=memory.used,memory.total --format=csv
 - [ ] ทดสอบ Idempotency-Key กรณีรัน n8n ซ้ำ (ไฟล์ `.done` ไม่ถูก Process ซ้ำ)

 **Search & Query (Post-Migration):**
+
 - [ ] Migration v1.8.x เสร็จสมบูรณ์และ Stable (Prerequisite)
 - [ ] กำหนด Elasticsearch Index Schema + Dims (lock ก่อน Index แรก)
 - [ ] ออกแบบ RBAC Filter สำหรับ kNN Search
@@ -927,5 +948,5 @@ nvidia-smi --query-gpu=memory.used,memory.total --format=csv

 ---

-*เอกสารนี้เป็น Living Document — อัปเดตเมื่อมีการตัดสินใจ Architecture ใหม่*
+_เอกสารนี้เป็น Living Document — อัปเดตเมื่อมีการตัดสินใจ Architecture ใหม่_
 **Version:** 1.8.1 | **Author:** Development Team | **Last Updated:** 2026-03-13
@@ -4,15 +4,27 @@ const isFallback = fallbackState.is_fallback_active || false;
 const model = isFallback ? config.OLLAMA_MODEL_FALLBACK : config.OLLAMA_MODEL_PRIMARY;

 // Read DB Context
-const dbContext = $('Fetch DB Context').all().map(i => i.json);
-const dbProjects = dbContext.filter(d => d.type === 'projects').map(d => ({id: d.id, code: d.text1, name: d.text2}));
-const dbDisciplines = dbContext.filter(d => d.type === 'disciplines').map(d => ({id: d.id, th: d.text1, en: d.text2}));
-const dbOrgs = dbContext.filter(d => d.type === 'organizations').map(d => ({id: d.id, name: d.text1, code: d.text2}));
-const dbTags = dbContext.filter(d => d.type === 'tags').map(d => ({id: d.id, name: d.text1}));
-const dbCorrTypes = dbContext.filter(d => d.type === 'correspondence_types').map(d => ({id: d.id, code: d.text1, name: d.text2}));
+const dbContext = $('Fetch DB Context')
+  .all()
+  .map((i) => i.json);
+const dbProjects = dbContext
+  .filter((d) => d.type === 'projects')
+  .map((d) => ({ id: d.id, code: d.text1, name: d.text2 }));
+const dbDisciplines = dbContext
+  .filter((d) => d.type === 'disciplines')
+  .map((d) => ({ id: d.id, th: d.text1, en: d.text2 }));
+const dbOrgs = dbContext
+  .filter((d) => d.type === 'organizations')
+  .map((d) => ({ id: d.id, name: d.text1, code: d.text2 }));
+const dbTags = dbContext.filter((d) => d.type === 'tags').map((d) => ({ id: d.id, name: d.text1 }));
+const dbCorrTypes = dbContext
+  .filter((d) => d.type === 'correspondence_types')
+  .map((d) => ({ id: d.id, code: d.text1, name: d.text2 }));

-let systemCategories = ['Correspondence','RFA','Drawing','Transmittal','Report','Other'];
-try { systemCategories = $('File Mount Check').first().json.system_categories || systemCategories; } catch (e) {}
+let systemCategories = ['Correspondence', 'RFA', 'Drawing', 'Transmittal', 'Report', 'Other'];
+try {
+  systemCategories = $('File Mount Check').first().json.system_categories || systemCategories;
+} catch (e) {}

 const pdfItems = $('Extract PDF Text').all();
 // File Validator passes all original Excel JSON fields through (sender, receiver, project_code, etc.)
@@ -35,13 +47,13 @@ return pdfItems.map((pdfItem, i) => {
  // JavaScript pre-mapping
  const findOrgId = (code) => {
    if (!code) return null;
-    const match = dbOrgs.find(o => o.code === code || o.name === code);
+    const match = dbOrgs.find((o) => o.code === code || o.name === code);
    return match ? match.id : null;
  };

  const findProjectId = (code) => {
    if (!code) return config.PROJECT_ID; // Fallback to config
-    const match = dbProjects.find(p => p.code === code || p.name === code);
+    const match = dbProjects.find((p) => p.code === code || p.name === code);
    return match ? match.id : config.PROJECT_ID;
  };

@@ -49,8 +61,8 @@ return pdfItems.map((pdfItem, i) => {
  const receiverId = findOrgId(receiverCode);
  const projectId = findProjectId(projectCode);
  // Excel corrType is likely already the ID based on requirements, but fallback matching to ID if needed
-  const corrMatch = dbCorrTypes.find(c => String(c.id) === corrType || c.code === corrType || c.name === corrType);
-  const corrTypeId = corrMatch ? corrMatch.id : (isNaN(parseInt(corrType)) ? null : parseInt(corrType));
+  const corrMatch = dbCorrTypes.find((c) => String(c.id) === corrType || c.code === corrType || c.name === corrType);
+  const corrTypeId = corrMatch ? corrMatch.id : isNaN(parseInt(corrType)) ? null : parseInt(corrType);

  const isRFA = docNum.includes('-RFA-') || title.toLowerCase().includes('rfa');

@@ -60,7 +72,9 @@ Your task is to classify documents and extract metadata from OCR text.
 Respond ONLY with valid JSON.`;

  // Use pdfItem for the OCR extracted data, NOT the metaItem
-  const pdfText = String(pdfItem.json.data || '').substring(0, 3500).replace(/[^a-zA-Z0-9ก-๙\s\.\/\-:\[\]\(\)]/g, ' ');
+  const pdfText = String(pdfItem.json.data || '')
+    .substring(0, 3500)
+    .replace(/[^a-zA-Z0-9ก-๙\s\.\/\-:\[\]\(\)]/g, ' ');

  const userPrompt = `Analyze this document:
 [EXCEL METADATA]
@@ -117,15 +131,15 @@ Respond ONLY with this EXACT JSON structure:
        project_id: projectId,
        sender_id: senderId,
        receiver_id: receiverId,
-        correspondence_type_id: corrTypeId
+        correspondence_type_id: corrTypeId,
      },
      _debug_mapping: {
        excel_project_code: projectCode,
        excel_sender: senderCode,
        excel_receiver: receiverCode,
        excel_corr_type: corrType,
-        matched_project: dbProjects.find(p => p.code === projectCode || p.name === projectCode) || null,
-        first_org_sample: dbOrgs[0] || null
+        matched_project: dbProjects.find((p) => p.code === projectCode || p.name === projectCode) || null,
+        first_org_sample: dbOrgs[0] || null,
      },
      ollama_payload: {
        model: model,
@@ -134,9 +148,9 @@ Respond ONLY with this EXACT JSON structure:
        format: 'json',
        options: {
          temperature: 0.1,
-          num_ctx: 8192
-        }
-      }
-    }
+          num_ctx: 8192,
+        },
+      },
+    },
  };
 });
@@ -9,16 +9,12 @@
            "dataType": "File",
            "id": "File-5V2fL",
            "name": "dataframe",
-            "output_types": [
-              "DataFrame"
-            ]
+            "output_types": ["DataFrame"]
          },
          "targetHandle": {
            "fieldName": "data",
            "id": "LoopComponent-5vFOr",
-            "inputTypes": [
-              "DataFrame"
-            ],
+            "inputTypes": ["DataFrame"],
            "type": "other"
          }
        },
@@ -37,16 +33,12 @@
            "dataType": "Prompt Template",
            "id": "Prompt Template-dKwcS",
            "name": "prompt",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "system_message",
            "id": "OllamaModel-xJSnu",
-            "inputTypes": [
-              "Message"
-            ],
+            "inputTypes": ["Message"],
            "type": "str"
          }
        },
@@ -64,17 +56,12 @@
            "dataType": "LoopComponent",
            "id": "LoopComponent-5vFOr",
            "name": "item",
-            "output_types": [
-              "Data"
-            ]
+            "output_types": ["Data"]
          },
          "targetHandle": {
            "fieldName": "input_data",
            "id": "ParserComponent-Xspgr",
-            "inputTypes": [
-              "DataFrame",
-              "Data"
-            ],
+            "inputTypes": ["DataFrame", "Data"],
            "type": "other"
          }
        },
@@ -92,16 +79,12 @@
            "dataType": "ParserComponent",
            "id": "ParserComponent-Xspgr",
            "name": "parsed_text",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "extracted_text",
            "id": "Prompt Template-dKwcS",
-            "inputTypes": [
-              "Message"
-            ],
+            "inputTypes": ["Message"],
            "type": "str"
          }
        },
@@ -119,18 +102,12 @@
            "dataType": "OllamaModel",
            "id": "OllamaModel-xJSnu",
            "name": "text_output",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "input",
            "id": "SaveToFile-M0RUY",
-            "inputTypes": [
-              "Data",
-              "DataFrame",
-              "Message"
-            ],
+            "inputTypes": ["Data", "DataFrame", "Message"],
            "type": "other"
          }
        },
@@ -148,18 +125,13 @@
            "dataType": "SaveToFile",
            "id": "SaveToFile-M0RUY",
            "name": "message",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "dataType": "LoopComponent",
            "id": "LoopComponent-5vFOr",
            "name": "item",
-            "output_types": [
-              "Data",
-              "Message"
-            ]
+            "output_types": ["Data", "Message"]
          }
        },
        "id": "xy-edge__SaveToFile-M0RUY{œdataTypeœ:œSaveToFileœ,œidœ:œSaveToFile-M0RUYœ,œnameœ:œmessageœ,œoutput_typesœ:[œMessageœ]}-LoopComponent-5vFOr{œdataTypeœ:œLoopComponentœ,œidœ:œLoopComponent-5vFOrœ,œnameœ:œitemœ,œoutput_typesœ:[œDataœ,œMessageœ]}",
@@ -175,9 +147,7 @@
        "data": {
          "id": "File-5V2fL",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -258,9 +228,7 @@
                "required_inputs": null,
                "selected": "DataFrame",
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -438,9 +406,7 @@
                "display_name": "Doc Key",
                "dynamic": false,
                "info": "The key to use for the DoclingDocument column.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -484,10 +450,7 @@
                "display_name": "Server File Path",
                "dynamic": false,
                "info": "Data object with a 'file_path' property pointing to server file or a Message object with a path to the file. Supercedes 'Path' but supports same file types.",
-                "input_types": [
-                  "Data",
-                  "Message"
-                ],
+                "input_types": ["Data", "Message"],
                "list": true,
                "list_add_label": "Add More",
                "name": "file_path",
@@ -635,10 +598,7 @@
                "external_options": {},
                "info": "OCR engine to use. Only available when pipeline is set to 'standard'.",
                "name": "ocr_engine",
-                "options": [
-                  "None",
-                  "easyocr"
-                ],
+                "options": ["None", "easyocr"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -772,10 +732,7 @@
                "external_options": {},
                "info": "Docling pipeline to use",
                "name": "pipeline",
-                "options": [
-                  "standard",
-                  "vlm"
-                ],
+                "options": ["standard", "vlm"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -956,12 +913,7 @@
        "data": {
          "id": "OllamaModel-xJSnu",
          "node": {
-            "base_classes": [
-              "Data",
-              "DataFrame",
-              "LanguageModel",
-              "Message"
-            ],
+            "base_classes": ["Data", "DataFrame", "LanguageModel", "Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -1022,12 +974,7 @@
                ],
                "total_dependencies": 3
              },
-              "keywords": [
-                "model",
-                "llm",
-                "language model",
-                "large language model"
-              ],
+              "keywords": ["model", "llm", "language model", "large language model"],
              "module": "lfx.components.ollama.ollama.ChatOllamaComponent"
            },
            "minimized": false,
@@ -1045,9 +992,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1061,9 +1006,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "LanguageModel"
-                ],
+                "types": ["LanguageModel"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1077,9 +1020,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "Data"
-                ],
+                "types": ["Data"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1093,9 +1034,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -1249,13 +1188,7 @@
                    "edit_mode": "inline",
                    "formatter": "text",
                    "name": "type",
-                    "options": [
-                      "str",
-                      "int",
-                      "float",
-                      "bool",
-                      "dict"
-                    ],
+                    "options": ["str", "int", "float", "bool", "dict"],
                    "type": "str"
                  },
                  {
@@ -1265,10 +1198,7 @@
                    "edit_mode": "inline",
                    "formatter": "text",
                    "name": "multiple",
-                    "options": [
-                      "True",
-                      "False"
-                    ],
+                    "options": ["True", "False"],
                    "type": "boolean"
                  }
                ],
@@ -1294,9 +1224,7 @@
                "display_name": "Input",
                "dynamic": false,
                "info": "",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1344,11 +1272,7 @@
                "external_options": {},
                "info": "Enable/disable Mirostat sampling for controlling perplexity.",
                "name": "mirostat",
-                "options": [
-                  "Disabled",
-                  "Mirostat",
-                  "Mirostat 2.0"
-                ],
+                "options": ["Disabled", "Mirostat", "Mirostat 2.0"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -1413,10 +1337,7 @@
                "external_options": {},
                "info": "Refer to https://ollama.com/library for more models.",
                "name": "model_name",
-                "options": [
-                  "scb10x/typhoon2.1-gemma3-4b:latest",
-                  "qwen2.5:7b-instruct-q4_K_M"
-                ],
+                "options": ["scb10x/typhoon2.1-gemma3-4b:latest", "qwen2.5:7b-instruct-q4_K_M"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -1538,9 +1459,7 @@
                "display_name": "Stop Tokens",
                "dynamic": false,
                "info": "Comma-separated list of tokens to signal the model to stop generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1583,9 +1502,7 @@
                "display_name": "System",
                "dynamic": false,
                "info": "System to use for generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1610,9 +1527,7 @@
                "display_name": "System Message",
                "dynamic": false,
                "info": "System message to pass to the model.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1637,9 +1552,7 @@
                "display_name": "Tags",
                "dynamic": false,
                "info": "Comma-separated list of tags to add to the run trace.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1692,9 +1605,7 @@
                "display_name": "Template",
                "dynamic": false,
                "info": "Template to use for generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1836,10 +1747,7 @@
        "data": {
          "id": "LoopComponent-5vFOr",
          "node": {
-            "base_classes": [
-              "Data",
-              "DataFrame"
-            ],
+            "base_classes": ["Data", "DataFrame"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -1847,9 +1755,7 @@
            "display_name": "Loop",
            "documentation": "https://docs.langflow.org/loop",
            "edited": false,
-            "field_order": [
-              "data"
-            ],
+            "field_order": ["data"],
            "frozen": false,
            "icon": "infinity",
            "legacy": false,
@@ -1874,16 +1780,12 @@
                "cache": true,
                "display_name": "Item",
                "group_outputs": true,
-                "loop_types": [
-                  "Message"
-                ],
+                "loop_types": ["Message"],
                "method": "item_output",
                "name": "item",
                "selected": "Data",
                "tool_mode": true,
-                "types": [
-                  "Data"
-                ],
+                "types": ["Data"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1895,9 +1797,7 @@
                "name": "done",
                "selected": "DataFrame",
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -1928,9 +1828,7 @@
                "display_name": "Inputs",
                "dynamic": false,
                "info": "The initial DataFrame to iterate over.",
-                "input_types": [
-                  "DataFrame"
-                ],
+                "input_types": ["DataFrame"],
                "list": false,
                "list_add_label": "Add More",
                "name": "data",
@@ -1967,26 +1865,18 @@
        "data": {
          "id": "Prompt Template-dKwcS",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {
-              "template": [
-                "extracted_text"
-              ]
+              "template": ["extracted_text"]
            },
            "description": "Create a prompt template with dynamic variables.",
            "display_name": "Prompt Template",
            "documentation": "https://docs.langflow.org/components-prompts",
            "edited": false,
            "error": null,
-            "field_order": [
-              "template",
-              "use_double_brackets",
-              "tool_placeholder"
-            ],
+            "field_order": ["template", "use_double_brackets", "tool_placeholder"],
            "frozen": false,
            "full_path": null,
            "icon": "prompts",
@@ -2024,9 +1914,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2061,9 +1949,7 @@
                "fileTypes": [],
                "file_path": "",
                "info": "",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "load_from_db": false,
                "multiline": true,
@@ -2101,9 +1987,7 @@
                "display_name": "Tool Placeholder",
                "dynamic": false,
                "info": "A placeholder input for tool mode.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2164,9 +2048,7 @@
        "data": {
          "id": "ParserComponent-Xspgr",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -2174,12 +2056,7 @@
            "display_name": "Parser",
            "documentation": "https://docs.langflow.org/parser",
            "edited": false,
-            "field_order": [
-              "input_data",
-              "mode",
-              "pattern",
-              "sep"
-            ],
+            "field_order": ["input_data", "mode", "pattern", "sep"],
            "frozen": false,
            "icon": "braces",
            "last_updated": "2026-03-13T08:19:27.565Z",
@@ -2212,9 +2089,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2271,10 +2146,7 @@
                "display_name": "Data or DataFrame",
                "dynamic": false,
                "info": "Accepts either a DataFrame or a Data object.",
-                "input_types": [
-                  "DataFrame",
-                  "Data"
-                ],
+                "input_types": ["DataFrame", "Data"],
                "list": false,
                "list_add_label": "Add More",
                "name": "input_data",
@@ -2296,10 +2168,7 @@
                "dynamic": false,
                "info": "Convert into raw string instead of using a template.",
                "name": "mode",
-                "options": [
-                  "Parser",
-                  "Stringify"
-                ],
+                "options": ["Parser", "Stringify"],
                "override_skip": false,
                "placeholder": "",
                "real_time_refresh": true,
@@ -2320,9 +2189,7 @@
                "display_name": "Template",
                "dynamic": true,
                "info": "Use variables within curly brackets to extract column values for DataFrames or key values for Data.For example: `Name: {Name}, Age: {Age}, Country: {Country}`",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2347,9 +2214,7 @@
                "display_name": "Separator",
                "dynamic": false,
                "info": "String used to separate rows/items.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2389,9 +2254,7 @@
        "data": {
          "id": "SaveToFile-M0RUY",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -2472,9 +2335,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2695,16 +2556,7 @@
                "external_options": {},
                "info": "Select the file format for Google Drive storage.",
                "name": "gdrive_format",
-                "options": [
-                  "txt",
-                  "json",
-                  "csv",
-                  "xlsx",
-                  "slides",
-                  "docs",
-                  "jpg",
-                  "mp3"
-                ],
+                "options": ["txt", "json", "csv", "xlsx", "slides", "docs", "jpg", "mp3"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -2724,11 +2576,7 @@
                "display_name": "File Content",
                "dynamic": true,
                "info": "The input to save.",
-                "input_types": [
-                  "Data",
-                  "DataFrame",
-                  "Message"
-                ],
+                "input_types": ["Data", "DataFrame", "Message"],
                "list": false,
                "list_add_label": "Add More",
                "name": "input",
@@ -2753,13 +2601,7 @@
                "external_options": {},
                "info": "Select the file format for local storage.",
                "name": "local_format",
-                "options": [
-                  "csv",
-                  "excel",
-                  "json",
-                  "markdown",
-                  "txt"
-                ],
+                "options": ["csv", "excel", "json", "markdown", "txt"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -9,16 +9,12 @@
            "dataType": "File",
            "id": "File-5V2fL",
            "name": "dataframe",
-            "output_types": [
-              "DataFrame"
-            ]
+            "output_types": ["DataFrame"]
          },
          "targetHandle": {
            "fieldName": "data",
            "id": "LoopComponent-5vFOr",
-            "inputTypes": [
-              "DataFrame"
-            ],
+            "inputTypes": ["DataFrame"],
            "type": "other"
          }
        },
@@ -37,16 +33,12 @@
            "dataType": "Prompt Template",
            "id": "Prompt Template-dKwcS",
            "name": "prompt",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "input_value",
            "id": "OllamaModel-xJSnu",
-            "inputTypes": [
-              "Message"
-            ],
+            "inputTypes": ["Message"],
            "type": "str"
          }
        },
@@ -64,17 +56,12 @@
            "dataType": "LoopComponent",
            "id": "LoopComponent-5vFOr",
            "name": "item",
-            "output_types": [
-              "Data"
-            ]
+            "output_types": ["Data"]
          },
          "targetHandle": {
            "fieldName": "input_data",
            "id": "ParserComponent-Xspgr",
-            "inputTypes": [
-              "DataFrame",
-              "Data"
-            ],
+            "inputTypes": ["DataFrame", "Data"],
            "type": "other"
          }
        },
@@ -92,16 +79,12 @@
            "dataType": "ParserComponent",
            "id": "ParserComponent-Xspgr",
            "name": "parsed_text",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "extracted_text",
            "id": "Prompt Template-dKwcS",
-            "inputTypes": [
-              "Message"
-            ],
+            "inputTypes": ["Message"],
            "type": "str"
          }
        },
@@ -119,18 +102,12 @@
            "dataType": "OllamaModel",
            "id": "OllamaModel-xJSnu",
            "name": "text_output",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "fieldName": "json_content",
            "id": "CustomComponent-WriteJsonIdempotent",
-            "inputTypes": [
-              "Data",
-              "DataFrame",
-              "Message"
-            ],
+            "inputTypes": ["Data", "DataFrame", "Message"],
            "type": "other"
          }
        },
@@ -148,18 +125,13 @@
            "dataType": "CustomComponent",
            "id": "CustomComponent-WriteJsonIdempotent",
            "name": "result_path",
-            "output_types": [
-              "Message"
-            ]
+            "output_types": ["Message"]
          },
          "targetHandle": {
            "dataType": "LoopComponent",
            "id": "LoopComponent-5vFOr",
            "name": "item",
-            "output_types": [
-              "Data",
-              "Message"
-            ]
+            "output_types": ["Data", "Message"]
          }
        },
        "id": "xy-edge__CustomComponent-WriteJsonIdempotent{œdataTypeœ:œSaveToFileœ,œidœ:œCustomComponent-WriteJsonIdempotentœ,œnameœ:œmessageœ,œoutput_typesœ:[œMessageœ]}-LoopComponent-5vFOr{œdataTypeœ:œLoopComponentœ,œidœ:œLoopComponent-5vFOrœ,œnameœ:œitemœ,œoutput_typesœ:[œDataœ,œMessageœ]}",
@@ -176,16 +148,12 @@
            "dataType": "LoopComponent",
            "id": "LoopComponent-5vFOr",
            "name": "item",
-            "output_types": [
-              "Data"
-            ]
+            "output_types": ["Data"]
          },
          "targetHandle": {
            "fieldName": "loop_item",
            "id": "CustomComponent-WriteJsonIdempotent",
-            "inputTypes": [
-              "Data"
-            ],
+            "inputTypes": ["Data"],
            "type": "Data"
          }
        },
@@ -199,9 +167,7 @@
        "data": {
          "id": "File-5V2fL",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -282,9 +248,7 @@
                "required_inputs": null,
                "selected": "DataFrame",
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -462,9 +426,7 @@
                "display_name": "Doc Key",
                "dynamic": false,
                "info": "The key to use for the DoclingDocument column.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -508,10 +470,7 @@
                "display_name": "Server File Path",
                "dynamic": false,
                "info": "Data object with a 'file_path' property pointing to server file or a Message object with a path to the file. Supercedes 'Path' but supports same file types.",
-                "input_types": [
-                  "Data",
-                  "Message"
-                ],
+                "input_types": ["Data", "Message"],
                "list": true,
                "list_add_label": "Add More",
                "name": "file_path",
@@ -659,10 +618,7 @@
                "external_options": {},
                "info": "OCR engine to use. Only available when pipeline is set to 'standard'.",
                "name": "ocr_engine",
-                "options": [
-                  "None",
-                  "easyocr"
-                ],
+                "options": ["None", "easyocr"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -796,10 +752,7 @@
                "external_options": {},
                "info": "Docling pipeline to use",
                "name": "pipeline",
-                "options": [
-                  "standard",
-                  "vlm"
-                ],
+                "options": ["standard", "vlm"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -980,12 +933,7 @@
        "data": {
          "id": "OllamaModel-xJSnu",
          "node": {
-            "base_classes": [
-              "Data",
-              "DataFrame",
-              "LanguageModel",
-              "Message"
-            ],
+            "base_classes": ["Data", "DataFrame", "LanguageModel", "Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -1046,12 +994,7 @@
                ],
                "total_dependencies": 3
              },
-              "keywords": [
-                "model",
-                "llm",
-                "language model",
-                "large language model"
-              ],
+              "keywords": ["model", "llm", "language model", "large language model"],
              "module": "lfx.components.ollama.ollama.ChatOllamaComponent"
            },
            "minimized": false,
@@ -1069,9 +1012,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1085,9 +1026,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "LanguageModel"
-                ],
+                "types": ["LanguageModel"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1101,9 +1040,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "Data"
-                ],
+                "types": ["Data"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1117,9 +1054,7 @@
                "options": null,
                "required_inputs": null,
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -1273,13 +1208,7 @@
                    "edit_mode": "inline",
                    "formatter": "text",
                    "name": "type",
-                    "options": [
-                      "str",
-                      "int",
-                      "float",
-                      "bool",
-                      "dict"
-                    ],
+                    "options": ["str", "int", "float", "bool", "dict"],
                    "type": "str"
                  },
                  {
@@ -1289,10 +1218,7 @@
                    "edit_mode": "inline",
                    "formatter": "text",
                    "name": "multiple",
-                    "options": [
-                      "True",
-                      "False"
-                    ],
+                    "options": ["True", "False"],
                    "type": "boolean"
                  }
                ],
@@ -1318,9 +1244,7 @@
                "display_name": "Input",
                "dynamic": false,
                "info": "",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1368,11 +1292,7 @@
                "external_options": {},
                "info": "Enable/disable Mirostat sampling for controlling perplexity.",
                "name": "mirostat",
-                "options": [
-                  "Disabled",
-                  "Mirostat",
-                  "Mirostat 2.0"
-                ],
+                "options": ["Disabled", "Mirostat", "Mirostat 2.0"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -1437,10 +1357,7 @@
                "external_options": {},
                "info": "Refer to https://ollama.com/library for more models.",
                "name": "model_name",
-                "options": [
-                  "scb10x/typhoon2.1-gemma3-4b:latest",
-                  "qwen2.5:7b-instruct-q4_K_M"
-                ],
+                "options": ["scb10x/typhoon2.1-gemma3-4b:latest", "qwen2.5:7b-instruct-q4_K_M"],
                "options_metadata": [],
                "override_skip": false,
                "placeholder": "",
@@ -1562,9 +1479,7 @@
                "display_name": "Stop Tokens",
                "dynamic": false,
                "info": "Comma-separated list of tokens to signal the model to stop generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1607,9 +1522,7 @@
                "display_name": "System",
                "dynamic": false,
                "info": "System to use for generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1635,9 +1548,7 @@
                "display_name": "Tags",
                "dynamic": false,
                "info": "Comma-separated list of tags to add to the run trace.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1690,9 +1601,7 @@
                "display_name": "Template",
                "dynamic": false,
                "info": "Template to use for generating text.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -1834,10 +1743,7 @@
        "data": {
          "id": "LoopComponent-5vFOr",
          "node": {
-            "base_classes": [
-              "Data",
-              "DataFrame"
-            ],
+            "base_classes": ["Data", "DataFrame"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -1845,9 +1751,7 @@
            "display_name": "Loop",
            "documentation": "https://docs.langflow.org/loop",
            "edited": false,
-            "field_order": [
-              "data"
-            ],
+            "field_order": ["data"],
            "frozen": false,
            "icon": "infinity",
            "legacy": false,
@@ -1872,16 +1776,12 @@
                "cache": true,
                "display_name": "Item",
                "group_outputs": true,
-                "loop_types": [
-                  "Message"
-                ],
+                "loop_types": ["Message"],
                "method": "item_output",
                "name": "item",
                "selected": "Data",
                "tool_mode": true,
-                "types": [
-                  "Data"
-                ],
+                "types": ["Data"],
                "value": "__UNDEFINED__"
              },
              {
@@ -1893,9 +1793,7 @@
                "name": "done",
                "selected": "DataFrame",
                "tool_mode": true,
-                "types": [
-                  "DataFrame"
-                ],
+                "types": ["DataFrame"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -1926,9 +1824,7 @@
                "display_name": "Inputs",
                "dynamic": false,
                "info": "The initial DataFrame to iterate over.",
-                "input_types": [
-                  "DataFrame"
-                ],
+                "input_types": ["DataFrame"],
                "list": false,
                "list_add_label": "Add More",
                "name": "data",
@@ -1965,26 +1861,18 @@
        "data": {
          "id": "Prompt Template-dKwcS",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {
-              "template": [
-                "extracted_text"
-              ]
+              "template": ["extracted_text"]
            },
            "description": "Create a prompt template with dynamic variables.",
            "display_name": "Prompt Template",
            "documentation": "https://docs.langflow.org/components-prompts",
            "edited": false,
            "error": null,
-            "field_order": [
-              "template",
-              "use_double_brackets",
-              "tool_placeholder"
-            ],
+            "field_order": ["template", "use_double_brackets", "tool_placeholder"],
            "frozen": false,
            "full_path": null,
            "icon": "prompts",
@@ -2022,9 +1910,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2059,9 +1945,7 @@
                "fileTypes": [],
                "file_path": "",
                "info": "",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "load_from_db": false,
                "multiline": true,
@@ -2099,9 +1983,7 @@
                "display_name": "Tool Placeholder",
                "dynamic": false,
                "info": "A placeholder input for tool mode.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2162,9 +2044,7 @@
        "data": {
          "id": "ParserComponent-Xspgr",
          "node": {
-            "base_classes": [
-              "Message"
-            ],
+            "base_classes": ["Message"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -2172,12 +2052,7 @@
            "display_name": "Parser",
            "documentation": "https://docs.langflow.org/parser",
            "edited": false,
-            "field_order": [
-              "input_data",
-              "mode",
-              "pattern",
-              "sep"
-            ],
+            "field_order": ["input_data", "mode", "pattern", "sep"],
            "frozen": false,
            "icon": "braces",
            "last_updated": "2026-03-13T08:19:27.565Z",
@@ -2210,9 +2085,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2269,10 +2142,7 @@
                "display_name": "Data or DataFrame",
                "dynamic": false,
                "info": "Accepts either a DataFrame or a Data object.",
-                "input_types": [
-                  "DataFrame",
-                  "Data"
-                ],
+                "input_types": ["DataFrame", "Data"],
                "list": false,
                "list_add_label": "Add More",
                "name": "input_data",
@@ -2294,10 +2164,7 @@
                "dynamic": false,
                "info": "Convert into raw string instead of using a template.",
                "name": "mode",
-                "options": [
-                  "Parser",
-                  "Stringify"
-                ],
+                "options": ["Parser", "Stringify"],
                "override_skip": false,
                "placeholder": "",
                "real_time_refresh": true,
@@ -2318,9 +2185,7 @@
                "display_name": "Template",
                "dynamic": true,
                "info": "Use variables within curly brackets to extract column values for DataFrames or key values for Data.For example: `Name: {Name}, Age: {Age}, Country: {Country}`",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2345,9 +2210,7 @@
                "display_name": "Separator",
                "dynamic": false,
                "info": "String used to separate rows/items.",
-                "input_types": [
-                  "Message"
-                ],
+                "input_types": ["Message"],
                "list": false,
                "list_add_label": "Add More",
                "load_from_db": false,
@@ -2387,10 +2250,7 @@
        "data": {
          "id": "CustomComponent-WriteJsonIdempotent",
          "node": {
-            "base_classes": [
-              "CustomComponent",
-              "Component"
-            ],
+            "base_classes": ["CustomComponent", "Component"],
            "beta": false,
            "conditional_paths": [],
            "custom_fields": {},
@@ -2471,9 +2331,7 @@
                "required_inputs": null,
                "selected": "Message",
                "tool_mode": true,
-                "types": [
-                  "Message"
-                ],
+                "types": ["Message"],
                "value": "__UNDEFINED__"
              }
            ],
@@ -2518,4 +2376,4 @@
  "locked": false,
  "name": "OpenRAG V0.1",
  "tags": []
-}
+}
@@ -2,9 +2,9 @@ const fs = require('fs');
 let lines = fs.readFileSync('n8n.workflow.json', 'utf8').split('\n');

 const toRemove = [];
-for(let i = 0; i < lines.length; i++) {
-  if (lines[i].startsWith("  // Ollama Settings\\n  OLLAMA_HOST:")) toRemove.push(i);
-  if (lines[i].startsWith("const model = isFallback ? config.OLLAMA_MODEL_FALLBACK")) toRemove.push(i);
+for (let i = 0; i < lines.length; i++) {
+  if (lines[i].startsWith('  // Ollama Settings\\n  OLLAMA_HOST:')) toRemove.push(i);
+  if (lines[i].startsWith('const model = isFallback ? config.OLLAMA_MODEL_FALLBACK')) toRemove.push(i);
  if (lines[i].startsWith("      response_to: String(meta.response_to || '').trim() || null,\\n")) toRemove.push(i);
 }

@@ -1,4 +1,4 @@
-- ==========================================================
+-- ==========================================================
 -- DMS v1.8.0 Schema Part 2/3: CREATE TABLE Statements
 -- รัน: mysql < 01-schema-drop.sql แล้วจึงรัน 02-schema-tables.sql
 -- ==========================================================
@@ -105,6 +105,7 @@ CREATE TABLE refresh_tokens (
  expires_at DATETIME NOT NULL COMMENT 'วันหมดอายุ',
  is_revoked TINYINT(1) DEFAULT 0 COMMENT 'สถานะยกเลิก (1=Revoked)',
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT 'วันที่สร้าง',
+  updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT 'วันที่แก้ไขล่าสุด',
  replaced_by_token VARCHAR(255) NULL COMMENT 'Token ใหม่ที่มาแทนที่ (Rotation)',
  FOREIGN KEY (user_id) REFERENCES users (user_id) ON DELETE CASCADE
 ) ENGINE = InnoDB DEFAULT CHARSET = utf8mb4 COLLATE = utf8mb4_general_ci COMMENT = 'ตารางเก็บ Refresh Tokens สำหรับ Authentication';
@@ -42,10 +42,7 @@
      "name": "Form Trigger",
      "type": "n8n-nodes-base.formTrigger",
      "typeVersion": 2.2,
-      "position": [
-        31024,
-        13504
-      ],
+      "position": [31024, 13504],
      "webhookId": "e164a362-0c6b-4243-a5ad-b325aa943f4f",
      "notes": "เปิด URL เพื่อเลือก Model ก่อนรัน"
    },
@@ -57,10 +54,7 @@
      "name": "Set Configuration",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        31216,
-        13504
-      ],
+      "position": [31216, 13504],
      "notes": "กำหนดค่า Configuration ทั้งหมด - แก้ไขที่นี่ก่อนรัน"
    },
    {
@@ -83,10 +77,7 @@
      "name": "Fetch Categories",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
-      "position": [
-        31216,
-        13696
-      ],
+      "position": [31216, 13696],
      "notes": "ดึง Categories จาก Backend"
    },
    {
@@ -109,10 +100,7 @@
      "name": "Fetch Tags",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
-      "position": [
-        31392,
-        13696
-      ],
+      "position": [31392, 13696],
      "notes": "ดึง Tags ที่มีอยู่แล้วจาก Backend"
    },
    {
@@ -126,10 +114,7 @@
      "name": "Check Backend Health",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
-      "position": [
-        31392,
-        13504
-      ],
+      "position": [31392, 13504],
      "onError": "continueErrorOutput",
      "notes": "ตรวจสอบ Backend พร้อมใช้งาน"
    },
@@ -141,10 +126,7 @@
      "name": "File Mount Check",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        31216,
-        13904
-      ],
+      "position": [31216, 13904],
      "notes": "ตรวจสอบ File System มีไฟล์ Excel และ Folder ตามตั้งค่า"
    },
    {
@@ -157,10 +139,7 @@
      "name": "Read Checkpoint",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        31632,
-        13744
-      ],
+      "position": [31632, 13744],
      "alwaysOutputData": true,
      "credentials": {
        "mySql": {
@@ -180,10 +159,7 @@
      "name": "Read Excel Binary",
      "type": "n8n-nodes-base.readWriteFile",
      "typeVersion": 1,
-      "position": [
-        31392,
-        13904
-      ],
+      "position": [31392, 13904],
      "notes": "ดึงไฟล์ Excel ขึ้นมาไว้ในหน่วยความจำ"
    },
    {
@@ -194,10 +170,7 @@
      "name": "Read Excel",
      "type": "n8n-nodes-base.spreadsheetFile",
      "typeVersion": 2,
-      "position": [
-        31392,
-        14112
-      ],
+      "position": [31392, 14112],
      "notes": "แปลงข้อมูล Excel เป็น JSON Data"
    },
    {
@@ -208,10 +181,7 @@
      "name": "Process Batch + Encoding",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        31808,
-        13488
-      ],
+      "position": [31808, 13488],
      "alwaysOutputData": true,
      "notes": "ตัด Batch + Normalize UTF-8"
    },
@@ -223,10 +193,7 @@
      "name": "File Validator",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        31984,
-        13488
-      ],
+      "position": [31984, 13488],
      "notes": "ตรวจสอบไฟล์ PDF ตัวชี้ใน Directory จาก Config"
    },
    {
@@ -239,10 +206,7 @@
      "name": "Check Fallback State",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        31792,
-        13888
-      ],
+      "position": [31792, 13888],
      "alwaysOutputData": true,
      "credentials": {
        "mySql": {
@@ -261,10 +225,7 @@
      "name": "Build AI Prompt",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32144,
-        13872
-      ],
+      "position": [32144, 13872],
      "notes": "สร้าง Prompt โดยใช้ Categories จาก System"
    },
    {
@@ -282,10 +243,7 @@
      "name": "Ollama AI Analysis",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
-      "position": [
-        31792,
-        14096
-      ],
+      "position": [31792, 14096],
      "notes": "เรียก Ollama วิเคราะห์เอกสาร"
    },
    {
@@ -296,10 +254,7 @@
      "name": "Parse & Validate AI Response",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32000,
-        14096
-      ],
+      "position": [32000, 14096],
      "notes": "Parse JSON + Validate Schema + Enum Check"
    },
    {
@@ -312,10 +267,7 @@
      "name": "Update Fallback State",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        32464,
-        13472
-      ],
+      "position": [32464, 13472],
      "credentials": {
        "mySql": {
          "id": "CHHfbKhMacNo03V4",
@@ -332,10 +284,7 @@
      "name": "Confidence Router",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32160,
-        14096
-      ],
+      "position": [32160, 14096],
      "notes": "แยกตาม Confidence: Auto(≥0.85) / Review(≥0.60) / Reject(<0.60)"
    },
    {
@@ -366,10 +315,7 @@
      "name": "Import to Backend",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
-      "position": [
-        32704,
-        13664
-      ],
+      "position": [32704, 13664],
      "notes": "ส่งข้อมูลเข้า LCBP3 Backend พร้อม Idempotency-Key"
    },
    {
@@ -380,10 +326,7 @@
      "name": "Flag Checkpoint",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32880,
-        13664
-      ],
+      "position": [32880, 13664],
      "notes": "กำหนดว่าจะบันทึก Checkpoint หรือไม่ (ทุก 10 records)"
    },
    {
@@ -396,10 +339,7 @@
      "name": "Save Checkpoint",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        32928,
-        13856
-      ],
+      "position": [32928, 13856],
      "credentials": {
        "mySql": {
          "id": "CHHfbKhMacNo03V4",
@@ -418,10 +358,7 @@
      "name": "Insert Review Queue",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        32896,
-        14016
-      ],
+      "position": [32896, 14016],
      "credentials": {
        "mySql": {
          "id": "CHHfbKhMacNo03V4",
@@ -438,10 +375,7 @@
      "name": "Log Reject to CSV",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32624,
-        14032
-      ],
+      "position": [32624, 14032],
      "notes": "บันทึกรายการที่ถูกปฏิเสธลง CSV"
    },
    {
@@ -452,10 +386,7 @@
      "name": "Log Error to CSV",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
-      "position": [
-        32448,
-        14128
-      ],
+      "position": [32448, 14128],
      "notes": "บันทึก Error ลง CSV (จาก File Validator)"
    },
    {
@@ -468,10 +399,7 @@
      "name": "Log Error to DB",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        32752,
-        14128
-      ],
+      "position": [32752, 14128],
      "credentials": {
        "mySql": {
          "id": "CHHfbKhMacNo03V4",
@@ -489,10 +417,7 @@
      "name": "Delay",
      "type": "n8n-nodes-base.wait",
      "typeVersion": 1,
-      "position": [
-        33104,
-        14080
-      ],
+      "position": [33104, 14080],
      "webhookId": "38e97a99-4dcc-4b63-977a-a02945a1c369",
      "notes": "หน่วงเวลาระหว่าง Batches"
    },
@@ -604,10 +529,7 @@
      "name": "Route by Confidence",
      "type": "n8n-nodes-base.switch",
      "typeVersion": 3.2,
-      "position": [
-        32336,
-        13744
-      ]
+      "position": [32336, 13744]
    },
    {
      "parameters": {
@@ -618,10 +540,7 @@
      "name": "Read PDF File",
      "type": "n8n-nodes-base.readWriteFile",
      "typeVersion": 1,
-      "position": [
-        31824,
-        13680
-      ],
+      "position": [31824, 13680],
      "onError": "continueErrorOutput"
    },
    {
@@ -665,10 +584,7 @@
      "name": "Extract PDF Text",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.2,
-      "position": [
-        32096,
-        13664
-      ],
+      "position": [32096, 13664],
      "onError": "continueErrorOutput"
    },
    {
@@ -681,10 +597,7 @@
      "name": "Fetch DB Context",
      "type": "n8n-nodes-base.mySql",
      "typeVersion": 2.4,
-      "position": [
-        32000,
-        13872
-      ],
+      "position": [32000, 13872],
      "alwaysOutputData": true,
      "credentials": {
        "mySql": {
@@ -702,10 +615,7 @@
      "name": "Build Import Payload",
      "typeVersion": 2,
      "type": "n8n-nodes-base.code",
-      "position": [
-        32544,
-        13664
-      ],
+      "position": [32544, 13664],
      "notes": "สร้าง payload สำหรับ Import to Backend"
    },
    {
@@ -716,10 +626,7 @@
      "name": "Upsert Tags",
      "typeVersion": 2,
      "type": "n8n-nodes-base.code",
-      "position": [
-        32592,
-        13856
-      ],
+      "position": [32592, 13856],
      "notes": "Upsert tags หลัง import สำเร็จ"
    },
    {
@@ -732,10 +639,7 @@
      "name": "Link Tags to Correspondence",
      "typeVersion": 2.4,
      "type": "n8n-nodes-base.mySql",
-      "position": [
-        32768,
-        13856
-      ],
+      "position": [32768, 13856],
      "credentials": {
        "mySql": {
          "id": "CHHfbKhMacNo03V4",
@@ -6,7 +6,7 @@ async function test() {
    port: 3306,
    user: 'migration_bot',
    password: 'Center2025',
-    database: 'lcbp3'
+    database: 'lcbp3',
  });

  try {