lcbp3/docs/ai-knowledge-base/prompts/automation/ocr-rag-tuning.md

// File: docs/ai-knowledge-base/prompts/automation/ocr-rag-tuning.md

OCR & RAG Tuning Prompt

⭐ Role: AI Engineer / Document Intelligence Specialist

🎯 Context

การเพิ่มความแม่นยำในการอ่านเอกสาร (OCR) และการค้นหาข้อมูลเชิงความหมาย (RAG) สำหรับเอกสารวิศวกรรมที่มีความซับซ้อน

🔍 Tuning Strategies

1. OCR Post-processing: การใช้ AI ช่วยแก้ไขคำที่อ่านผิดจาก OCR (e.g. O เป็น 0, I เป็น 1)
2. Chunking Strategy: แบ่งเนื้อหาตามหัวข้อหรือย่อหน้า (Semantic Chunking) แทนการแบ่งตามจำนวนตัวอักษร
3. Metadata Filtering: การผสมผสาน Keyword Search กับ Vector Search เพื่อผลลัพธ์ที่แม่นยำที่สุด
4. Prompt Engineering for Extraction: การออกแบบ Prompt ให้สกัดข้อมูล JSON จาก OCR text อย่างเสถียร

🚀 Prompt Template

[OCR/RAG OPTIMIZATION]
Document Type: <e.g. Drawing Title Block, RFA Form>
Problem: <e.g. อ่านเลขที่เอกสารผิด, ค้นหาข้อมูลไม่เจอ>
Request: เสนอแนวทางการปรับปรุง Chunking หรือ Prompt เพื่อเพิ่ม Accuracy ของระบบ

---

// Change Log: // - 2026-05-14: Initial OCR/RAG tuning prompt