នៅពីក្រោយកម្មវិធីកែសម្រួល

ហេតុអ្វីបានជា ពូកែក្នុងការកែសម្រួលឯកសារយ៉ាងនេះ?

ម៉ូដែលភាសាអាចសរសេរប្រយោគដ៏ល្អមួយបាន ប៉ុន្តែការដាក់វាត្រឡប់ចូលគ្នាវិញជាមួយនឹងការធ្វើទ្រង់ទ្រាយ គឺជាការងារខុសគ្នាស្រឡះ។ យើងពន្យល់ពីមូលហេតុដែលវាពិបាកក្នុងការធ្វើឱ្យ AI កែសម្រួលឯកសារ និងអ្វីដែលយើងបានបង្កើតឡើងដើម្បីដោះស្រាយបញ្ហានេះ។

អាន ៩ នាទី3 តុលា 2026

ទិដ្ឋភាពទូទៅ

ស្នើឱ្យ chatbot កែប្រការមួយក្នុងឯកសារ Word គឺស្មើនឹងការឱ្យវាធ្វើការងារពីរក្នុងពេលតែមួយ៖ កែប្រែពាក្យ និងសរសេរទម្រង់ឯកសារដែលផ្ទុកពាក្យទាំងនោះឡើងវិញ។ ម៉ូដែលភាសាពូកែខាងការងារទីមួយ ប៉ុន្តែមិនសូវគួរឱ្យទុកចិត្តចំពោះការងារទីពីរទេ។

ដកការងារទីពីរចេញពីម៉ូដែល។ អត្ថបទនេះពន្យល់ពីមូលហេតុដែលវាមានសារៈសំខាន់ របៀបដែលវាដំណើរការលើឯកសារវែងៗ និងរបៀបដែលវាប្រៀបធៀបជាមួយនឹងគេហទំព័រជជែក និងភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រ។

  1. 01ម៉ូដែលភាសាអានឯកសារជា markup មិនមែនជាទំព័រទេ។
  2. 02តួអក្សរខុសមួយអាចធ្វើឱ្យឯកសារមិនអាចអានបាន ហើយលទ្ធផលវែងៗធ្វើឱ្យមានឱកាសខ្ពស់ក្នុងការកើតមានតួអក្សរខុស។
  3. 03 បំបែកខ្លឹមសារចេញពីទម្រង់៖ ម៉ូដែលកែសម្រួលពាក្យ កូដរបស់យើងសរសេរឯកសារ។
  4. 04ឯកសារវែងត្រូវបានបែងចែកជាបណ្តុំ បំបែក និងផ្តល់បរិបទ ដូចដែលភ្នាក់ងារកូដទំនើបធ្វើដែរ។
  5. 05គេហទំព័រជជែកអាចកែសម្រួលឯកសារជាមួយ Python ប៉ុន្តែការផ្លាស់ប្តូរអាចបាត់បង់ដោយស្ងៀមស្ងាត់។
  6. 06ភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រកែសម្រួលដូចមនុស្សដែរ ប៉ុន្តែមានតម្លៃថ្លៃជាងច្រើនដង។

01

LLM មើលឃើញតែអត្ថបទ មិនមែនការធ្វើទ្រង់ទ្រាយទេ

នៅពេលបើកកិច្ចសន្យាក្នុង Word អ្នកឃើញទំព័រមួយដែលមានចំណងជើងតាមរចនាប័ទ្មរបស់ស្ថាប័ន ចំនួនទឹកប្រាក់ជាអក្សរដិត និងកាលកំណត់ដែលគូសបន្ទាត់ពីក្រោម។ កម្មវិធី Word បង្កើតទ្រង់ទ្រាយទាំងនេះ ដូច្នេះយើងអាចកែសម្រួលដោយមើលឃើញ។ នៅពីក្រោយឯកសារ Word (.docx) គឺជាប្រព័ន្ធ XML ដ៏ស្មុគស្មាញ ដែលពាក្យនីមួយៗត្រូវបានភ្ជាប់ជាមួយកូដលាក់ដែលហៅថា markup។12

អ្វីដែលអ្នកឃើញ

អ្វីដែលម៉ូដែលមើលឃើញ

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>៤. ថ្លៃជួល</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">អ្នកជួលត្រូវបង់ប្រាក់ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> នៅ</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ថ្ងៃទីមួយនៃខែនីមួយៗ</w:t></w:r>  <w:r><w:t>។</w:t></w:r></w:p>
រូបទី ១ប្រការដដែលពីរដង។ ពាក្យទាំងនោះប្រើតួអក្សរ 63 ខណៈដែល XML នៅជុំវិញពួកវាប្រើ 452។ សម្រង់ចេញពី word/document.xml។

LLM មិនមានជំនួយពី Microsoft Word, LibreOffice ឬ Pages ទេ ហើយត្រូវតែពឹងផ្អែកលើការយល់ដឹងផ្ទាល់ខ្លួនអំពី markup។ ដើម្បីកែសម្រួលឱ្យបានត្រឹមត្រូវ LLM ចាំបាច់ត្រូវយល់ពីឥទ្ធិពលនៃ markup ដើម និងសរសេរប្រយោគថ្មីជាមួយ markup ដែលត្រឹមត្រូវ។

02

លទ្ធផល LLM គឺមិនមានស្ថេរភាពជាមូលដ្ឋាន

ម៉ូដែលប្រហែលជាបានកែលម្អយ៉ាងខ្លាំង ប៉ុន្តែសូម្បីតែម៉ូដែលទំនើបបំផុតក៏នៅតែមានកំហុសដែរ។ នៅក្នុងការសិក្សារបស់ Microsoft Research ឆ្នាំ 2026 លើម៉ូដែលចំនួន 19 ឆ្លងកាត់ដែនវិជ្ជាជីវៈចំនួន 52 ម៉ូដែលកម្រិតខ្ពស់ដូចជា Gemini 3.1 Pro, Claude 4.6 Opus និង GPT 5.4 បានបំផ្លាញមាតិកាឯកសារជាមធ្យម 25% នៅចុងបញ្ចប់នៃដំណើរការកែសម្រួលដ៏យូរ។4

នៅក្នុងឯកសារ Word កំហុសឆ្គងបន្តិចបន្តួចគឺគ្រប់គ្រាន់ដើម្បីធ្វើឱ្យឯកសារមិនអាចប្រើប្រាស់បាន។ នៅទីនេះ ម៉ូដែលបានភ្លេចសញ្ញា / (slash) មួយ៖

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">អ្នកជួលត្រូវបង់ប្រាក់ </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> នៅ</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ថ្ងៃទីមួយនៃខែនីមួយៗ</w:t></w:r>  <w:r><w:t>។</w:t></w:r></w:p>
រូបទី ២សញ្ញា / (slash) ដែលបាត់មួយធ្វើឱ្យស្លាកដិត (bold) នៅបើកចំហ។ XML លែងមានទម្រង់ត្រឹមត្រូវទៀតហើយ ហើយ Word នឹងមិនបើកឯកសារតាមធម្មតាទេ។3

XML មិនអត់ឱនចំពោះកូដសម្គាល់ខុសទេ។ ឯកសារមួយមានរចនាសម្ព័ន្ធត្រឹមត្រូវ ឬមិនត្រឹមត្រូវ។ ពេលខ្លះ Word អាចសង្គ្រោះឯកសារដែលខូចបាន ប៉ុន្តែច្បាប់ចម្លងដែលបានសង្គ្រោះអាចបាត់អត្ថបទ ឬទ្រង់ទ្រាយ។

លទ្ធផលកាន់តែវែង កំហុសកាន់តែច្រើន

ហានិភ័យកើនឡើងតាមប្រវែង។ LongProc ដែលជាស្តង់ដារវាស់វែងឆ្នាំ ២០២៥ សម្រាប់លទ្ធផលមានរចនាសម្ព័ន្ធវែង បានរកឃើញថាម៉ូដែល open-weight ចាប់ផ្តើមមានបញ្ហានៅ ២ ០០០ ថូខឹនលទ្ធផល ហើយ GPT-4o ធ្លាក់ចុះយ៉ាងខ្លាំងនៅ ៨ ០០០ ថូខឹន។5 ការសិក្សាផ្សេងទៀតបានរកឃើញថាដំណើរការធ្លាក់ចុះពី ១៣.៩% ទៅ ៨៥% នៅពេលដែលទិន្នន័យបញ្ចូលកើនឡើង ទោះបីជាម៉ូដែលអាចទាញយកការពិតដែលទាក់ទងទាំងអស់ក៏ដោយ។6 ឯកសារ Word ប្រវែង ១០ ទំព័រមានប្រហែល ១០ ០០០ ថូខឹន ការព្យាយាមកែសម្រួលទំព័រទាំង ១០ ក្នុងពេលតែមួយដោយគ្មានកំហុស គឺជាការងារដែលស្ទើរតែមិនអាចទៅរួច។

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP តំណាងឱ្យភាគីអ្នកឱ្យជួលក្នុងរាល់បញ្ហាដែលកើតឡើងក្រោមកិច្ចសន្យាជួលនេះ។</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> អ្នកជួលត្រូវថែរក្សាទីកន្លែងជួលឱ្យស្ថិតក្នុងស្ថានភាព និងការជួសជុលដ៏ល្អប្រសើរ។</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> រាល់សេចក្តីជូនដំណឹងត្រូវធ្វើជាលាយលក្ខណ៍អក្សរ និងបញ្ជូនទៅអាសយដ្ឋានដែលមានចែងក្នុងឧបសម្ព័ន្ធទី ២។</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> ភាគីអ្នកឱ្យជួលអាចបញ្ចប់កិច្ចសន្យាជួល4
  1. 1សញ្ញា & ទទេនៅក្នុងអត្ថបទ។ XML តម្រូវឱ្យប្តូរវាទៅជាទម្រង់ entity។
  2. 2សញ្ញាសម្រង់បិទដែលបាត់។ អ្វីៗទាំងអស់បន្ទាប់ពីវាត្រូវបានអានជាផ្នែកមួយនៃតម្លៃ។
  3. 3run មួយដែលមិនដែលត្រូវបានបិទមុនពេលកថាខណ្ឌបញ្ចប់។
  4. 4លទ្ធផលគ្រាន់តែឈប់ភ្លាមៗ។ ការបង្កើតអត្ថបទវែងៗអាចឈានដល់ដែនកំណត់ប្រវែង ឬអស់ពេលកំណត់នៅពាក់កណ្ដាលស្លាក (tag)។
រូបទី ៣ប្រការបួននៃលទ្ធផលម៉ូដែល ប្រភេទនៃការបរាជ័យបួន។ នីមួយៗតែម្នាក់ឯងក៏ធ្វើឱ្យឯកសារមិនអាចអានបាន។

03

របៀបដែល ដោះស្រាយវា

យើងសរសេរកម្មវិធីផ្ទាល់ខ្លួនដែលបំបែកទ្រង់ទ្រាយចេញពីខ្លឹមសារ។ ម៉ូដែលទទួលបានពាក្យដែលត្រូវកែប្រែ ព្រមជាមួយរូបភាពដែលបានបង្ហាញនៃទំព័រ ដូច្នេះវាទទួលបានជំនួយដូចពីកម្មវិធី Word។ បន្ទាប់មក កូដរបស់យើងដាក់ពាក្យដែលបានកែសម្រួលត្រឡប់ទៅក្នុង run ដើមវិញ ហើយទុកផ្នែកផ្សេងទៀតនៃឯកសារឱ្យនៅដដែល។

ឯកសាររបស់អ្នក

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">អ្នកជួលត្រូវបង់ប្រាក់ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> នៅ</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ថ្ងៃទីមួយនៃខែនីមួយៗ</w:t></w:r>  <w:r><w:t>។</w:t></w:r></w:p>

បំបែកមាតិកាចេញពីទម្រង់

មាតិកាដែលបានទាញយក

អ្នកជួលត្រូវបង់ប្រាក់ US$2,400 នៅថ្ងៃទីមួយនៃខែនីមួយៗ។

ទំព័រដែលបានបង្ហាញ

ទាំងពីរត្រូវបានបញ្ជូនទៅកាន់ម៉ូដែល

ម៉ូដែលភាសាកែសម្រួលពាក្យ។ មិនដែលប៉ះពាល់ដល់ XML ទេ។

ម៉ូដែលប្រគល់មកវិញនូវខ្លឹមសារដែលបានកែសម្រួល

លទ្ធផលម៉ូដែល

អ្នកជួលត្រូវបង់ប្រាក់ US$2,400US$2,600 នៅថ្ងៃទីមួយនៃខែនីមួយៗថ្ងៃទីប្រាំនៃខែនីមួយៗ។

សរសេរពាក្យត្រឡប់ចូលទៅក្នុង run ដើមវិញ

ឯកសាររបស់អ្នក បានកែសម្រួល

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">អ្នកជួលត្រូវបង់ប្រាក់ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> នៅ</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ថ្ងៃទីប្រាំនៃខែនីមួយៗ</w:t></w:r>  <w:r><w:t>។</w:t></w:r></w:p>

✓ .docx មានសុពលភាព។ ការធ្វើអក្សរដិត ពណ៌ និងការគូសបន្ទាត់ក្រោមគឺដូចគ្នាបេះបិទទៅនឹងដើម។

រូបទី ៤ដំណើរការកែសម្រួលក្នុងទម្រង់សង្ខេប។ អត្ថបទដែលបានបន្លិចគឺជាផ្នែកតែមួយគត់នៃឯកសារដែលបានផ្លាស់ប្តូរ។

ការនេះដោះស្រាយបញ្ហាទាំងពីរក្នុងពេលតែមួយ។ ឥឡូវនេះ ម៉ូដែលមើលឃើញទម្រង់ដែលខ្លួនមិនអាចមើលឃើញពីមុនមក ហើយវាមិនសរសេរ markup ដែលវាទំនងជាធ្វើឱ្យខូចខាតបំផុតនោះទៀតទេ។

អ្នកនឹងមិនឃើញស្រទាប់នេះនៅក្នុង chatbot ទូទៅទេ។ កម្មវិធីសម្រាប់ស្រង់មាតិកា បង្ហាញទំព័រ និងផ្គុំឯកសារឡើងវិញ ត្រូវបានបង្កើត និងថែទាំដោយវិស្វកររបស់ ផ្ទាល់។

04

ការដោះស្រាយបញ្ហាបរិបទវែង

ការកែសម្រួលមួយចំនួនវែង៖ កថាខណ្ឌមួយដែលលាតសន្ធឹងលើទំព័រជាច្រើន ឬការផ្លាស់ប្តូរមួយដែលត្រូវអនុវត្តឱ្យស្របគ្នាលើរាប់រយទំព័រ។ សម្រាប់ករណីទាំងនេះ យើងបានរៀនពីវិស្វកម្មសូហ្វវែរ។ នៅខែមីនា ឆ្នាំ ២០២៦ ក្រុមហ៊ុន Anthropic បានបោះពុម្ពផ្សាយដោយអចេតនានូវកូដប្រភពរបស់ Claude Code ដែលជាភ្នាក់ងារកូដ AI របស់ខ្លួន នៅខាងក្នុងកញ្ចប់ npm សាធារណៈមួយ។7

កម្មវិធីកែសម្រួលកូដដែលបែកធ្លាយនោះផ្ដល់នូវមេរៀនដ៏សាមញ្ញមួយ៖ ដើម្បីកែសម្រួលអ្វីដែលវែង សូមបំបែកវាជាកំណាត់ៗ។ យើងបែងចែកឯកសារជាក្រុមទំព័រ ដែលជាបច្ចេកទេសហៅថា ការដាក់បញ្ចូលជាបាច់ និងបែងចែកកថាខណ្ឌវែងៗទៅជាប្រយោគ ដូច្នេះរាល់ការកែសម្រួលនីមួយៗគឺតូចល្មមដែលអាចធ្វើឱ្យត្រូវ។

ការបែងចែកឯកសារបង្កើតឱ្យមានបញ្ហាថ្មីមួយ៖បរិបទ។ តើអ្នកកែសម្រួលកថាខណ្ឌនៅលើទំព័រទី ៦០ ដោយប្រើនិយមន័យនៅលើទំព័រទី ២ យ៉ាងដូចម្តេច? នៅទីនេះ បទពិសោធន៍ពីរឆ្នាំក្នុងកម្មវិធីកែសម្រួលកូដ AI (Cursor, GitHub Copilot, OpenAI Codex) បានផ្តល់ផលផ្លែ។ ចម្លើយរបស់ពួកគេគឺវិស្វកម្មបរិបទ ដែលប្រមូលព័ត៌មានដែលទាក់ទងគ្នាទៅក្នុងបណ្តុំដែលមានការផ្តោតអារម្មណ៍ ហើយបញ្ជូនវាទៅភ្នាក់ងាររងដែលមានបង្អួចបរិបទស្អាត។8 យើងធ្វើដូចគ្នាចំពោះឯកសារ។ យើងដាក់ក្រុមព័ត៌មានដែលទាក់ទងគ្នាតាមតក្កវិជ្ជា ដូចដែលអ្នកអានដ៏យកចិត្តទុកដាក់ម្នាក់ធ្វើដែរ បន្ទាប់មកបញ្ជូនវាជាមួយគោលដៅកែសម្រួលទៅកាន់អ្នកកែសម្រួលរង ដែលធ្វើការផ្លាស់ប្តូរជាក់ស្តែង។

1ដាក់ឯកសារជាបណ្តុំ

ទំ. 1–40ទំ. 41–80ទំ. 81–120ទំ. 121–160ទំ. 161–200ទំ. 201–240ទំ. 241–280ទំ. 281–300

2បែងចែកកថាខណ្ឌវែងៗ

ប្រការ ១៨.៣ · ទំព័រទី ៦០
ប្រយោគ 1ប្រយោគ 2ប្រយោគ 3ប្រយោគ 4ប្រយោគ 5

3ប្រមូលបរិបទ បន្ទាប់មកកែសម្រួលស្របពេលគ្នា

ពាក្យដែលបានកំណត់និយមន័យទំ. ២–១២

ភាគី និងតួនាទីទំ. ១

ការកែប្រែមុនៗទំ. ៣៤

អ្នកកែសម្រួលរង 1ទំ. 1–40 + ការចងក្រង

អ្នកកែសម្រួលរង 2ទំ. 41–80 + ការចងក្រង

អ្នកកែសម្រួលរង 3ទំ. 81–120 + ការចងក្រង

រូបទី ៥ឯកសារ ៣០០ ទំព័រ ដែលបានបែងចែកជាចំណែកៗ។ អ្នកកែសម្រួលរងម្នាក់ៗទទួលបានចំណែកតូចមួយនៃឯកសារ ព្រមទាំងបរិបទដែលចំណែកនោះត្រូវពឹងផ្អែកលើ។

ឧទាហរណ៍៖ ការបិទបាំងឈ្មោះក្នុងសាលក្រម

មេធាវីម្នាក់ចង់បិទបាំងឈ្មោះសាក្សីទាំងអស់នៅក្នុងសាលក្រម ព្រមទាំងចង់បានបញ្ជីសំណុំរឿងដែលសាលក្រមនោះបានយោង ដើម្បីឱ្យមេធាវីថ្នាក់ក្រោមធ្វើការស្រាវជ្រាវ។

  1. ស្វែងរក។ រកឃើញឈ្មោះបុគ្គលនីមួយៗ និងការដកស្រង់សំណុំរឿងនីមួយៗដោយការផ្គូផ្គងលំនាំធម្មតា។ មិនទាន់ត្រូវការម៉ូដែលណាមួយទេ។
  2. ចាត់ថ្នាក់។ ឈ្មោះនីមួយៗ រួមជាមួយនឹងប្រយោគជុំវិញវា ត្រូវបញ្ជូនទៅកាន់ម៉ូដែលមួយដើម្បីសម្រេចចិត្តថា៖ សាក្សី មេធាវី ឬចៅក្រម។ ចម្លើយទាំងនោះបង្កើតបានជាបណ្តុំសាក្សី។
  3. ប្រមូល។ វិធីសាស្ត្រដូចគ្នានេះបង្កើតបានជាបណ្តុំនៃសំណុំរឿងដែលបានដកស្រង់។
  4. អនុវត្ត។ ដោយសារយើងដឹងច្បាស់ថាឈ្មោះសាក្សីនីមួយៗស្ថិតនៅកន្លែងណា យើងបិទបាំងតែកន្លែងទាំងនោះប៉ុណ្ណោះ នៅក្នុងឯកសារដើម។

ក្នុងតុលាការជាន់ខ្ពស់នៃយុត្តិធម៌

ផ្នែក KING’S BENCH

Harrow v Kestrel Logistics Ltd

ពីមុន៖ Mrs Justice Holloway

សាលក្រម

Mrs Justice Holloway៖ ការទាមទារនេះកើតចេញពីការដួលរលំនៃកន្លែងផ្ទុកទំនិញនៅឃ្លាំងរបស់ចុងចោទ នៅថ្ងៃទី១៤ ខែមីនា ឆ្នាំ២០២៤។ ដើមចោទត្រូវបានតំណាងដោយ Ms Priya Raman ហើយចុងចោទត្រូវបានតំណាងដោយ Mr Thomas Whitby។ ខ្ញុំបានស្តាប់សក្ខីកម្មផ្ទាល់មាត់រយៈពេលបួនថ្ងៃ។

សាក្សីដែលបានឃើញផ្ទាល់ភ្នែកចម្បងគឺ Mr Daniel Okafor ជាអ្នកបើកឡានលើកទំនិញ (forklift) វេនយប់។ Mr Okafor បានប្រាប់តុលាការថា ភ្លើងព្រមាននៅកន្លែងផ្ទុកទំនិញបានខូចអស់រយៈពេលជាច្រើនសប្តាហ៍ ហើយគាត់បានរាយការណ៍រឿងនេះពីរដង។ សាក្សីទីពីរ Ms Margaret Ellison ជាអ្នកម៉ៅការដែលបានត្រួតពិនិត្យកន្លែងនោះក្នុងខែកុម្ភៈ បានបញ្ជាក់ថារបាយការណ៍របស់គាត់បានណែនាំឱ្យជួសជុលជាបន្ទាន់។ ខ្ញុំយល់ឃើញថាសាក្សីទាំងពីរមានភាពប្រុងប្រយ័ត្ន និងគួរឱ្យទុកចិត្ត។

កាតព្វកិច្ចថែទាំរបស់អ្នកកាន់កាប់ចំពោះអ្នកដែលមានវត្តមានស្របច្បាប់នៅលើបរិវេណរបស់ខ្លួនត្រូវបានកំណត់យ៉ាងច្បាស់ ហើយខ្ញុំយកជាចំណុចចាប់ផ្តើមរបស់ខ្ញុំនូវគោលការណ៍អ្នកជិតខាងនៅក្នុង Donoghue v Stevenson [1932] AC 562។ តើវាជាការយុត្តិធម៌ សមធម៌ និងសមហេតុផលក្នុងការដាក់កាតព្វកិច្ចក្នុងកាលៈទេសៈថ្មីដែរឬទេ គឺត្រូវគ្រប់គ្រងដោយ Caparo Industries plc v Dickman [1990] 2 AC 605 ប៉ុន្តែកាលៈទេសៈទាំងនេះមិនមែនថ្មីទេ។ Mr Whitby បានលើកឡើងថាការខាតបង់ដែលបានទាមទារគឺហួសហេតុពេក។ ការលើកឡើងនោះត្រូវតែផ្ទៀងផ្ទាត់ធៀបនឹង Hadley v Baxendale (1854) 9 Exch 341។

បន្ទាប់ពីបានពិចារណាលើភស្តុតាងរបស់ Mr Okafor និង Ms Ellison ជាមួយនឹងឯកសារនានា ខ្ញុំជឿជាក់ថា ចុងចោទបានដឹងអំពីចំណុចខ្វះខាតនេះ ប៉ុន្តែមិនបានចាត់ការអ្វីឡើយ។ ការទាមទារនេះត្រូវបានទទួលស្គាល់ទាក់ទងនឹងការទទួលខុសត្រូវ។ សំណងការខូចខាតនឹងត្រូវវាយតម្លៃក្នុងការជំនុំជម្រះបន្ទាប់។ ខ្ញុំសូមអរគុណ Ms Raman និង Mr Whitby សម្រាប់ការដាក់ស្នើច្បាស់លាស់ និងចំគោលដៅរបស់ពួកគេ។

រូបទី ៦ប្ដូរទិដ្ឋភាពដើម្បីមើលលទ្ធផល។ សាលក្រម និងឈ្មោះគឺជារឿងប្រឌិត ចំណែកឯសំណុំរឿងទាំងបីដែលបានដកស្រង់គឺជារឿងពិត។

05

តើ chatgpt.com, claude.ai និងគេហទំព័រជជែកផ្សេងទៀតអាចធ្វើដូចគ្នាដែរឬទេ?

ពេលខ្លះអាចធ្វើបាន។ គេហទំព័រទាំងនេះច្រើនតែរួមបញ្ចូលនូវកម្មវិធីបកស្រាយ Python ដែលអនុញ្ញាតឱ្យម៉ូដែលបើកឯកសារ Word ឬ PowerPoint និងកែសម្រួល XML របស់វាជាមួយនឹងកូដ។

ប៉ុន្តែកូដនេះនៅតែត្រូវបានសរសេរដោយម៉ូដែលដែលមិនស្ថិតស្ថេរ ហើយគ្មានអ្វីពិនិត្យលទ្ធផលធៀបនឹងឯកសារដើមឡើយ។ ក្នុងការធ្វើតេស្តផ្ទៃក្នុងរបស់យើង យើងតែងតែទទួលបានឯកសារដែលមានការលុប និងការកែសម្រួលដែលមិនបានរំពឹងទុក។ ក្នុងករណីខ្លាំងមួយ ឯកសារ ២០ ទំព័របានត្រឡប់មកវិញត្រឹម ១០ ទំព័រ ដោយគ្មានការព្រមានអ្វីទាំងអស់។

គេហទំព័រជជែកជាមួយ Python

20 ទំព័រ
10 ទំព័រ

រួចរាល់! ខ្ញុំបានធ្វើបច្ចុប្បន្នភាពឯកសាររបស់អ្នកជាមួយនឹងការផ្លាស់ប្តូរដែលបានស្នើសុំ។

គ្មានការរៀបរាប់អំពីទំព័រដែលបាត់ចំនួន 10 នោះទេ។

កំណត់ហេតុនៃការផ្លាស់ប្តូររបស់

  • ទំ. ៤ · ប្រការ ២.១

    សាមសិប (៣០) ថ្ងៃ ហុកសិប (៦០) ថ្ងៃ

    ត្រឡប់ដើម
  • ទំ. ៩ · ប្រការ ៦.៣

    អ្នកផ្គត់ផ្គង់ អ្នកម៉ៅការ

    ត្រឡប់ដើម
  • ទំ. ១៧ · ឧបសម្ព័ន្ធទី ១

    US$2,400 US$2,600

    ត្រឡប់ដើម

បង្កើតឯកសារថ្មី

រូបទី ៧ឆ្វេង៖ ការកាត់តម្រឹមដោយស្ងៀមស្ងាត់ពីការធ្វើតេស្តផ្ទៃក្នុងរបស់យើង។ ស្តាំ៖ រាល់ការផ្លាស់ប្តូររបស់ AI នៅលើ OneTurn ត្រូវបានរាយបញ្ជី និងអាចត្រឡប់វិញបាន។

ការលុបចោល ឬការកែប្រែដោយស្ងៀមស្ងាត់ គឺជារឿងគ្រោះថ្នាក់បំផុតសម្រាប់កិច្ចការធ្ងន់ធ្ងរណាមួយ។ នៅលើ រាល់ការផ្លាស់ប្តូរដែលភ្នាក់ងារ AI របស់យើងធ្វើគឺត្រូវបានកត់ត្រាទុក។ អ្នកអាចពិនិត្យមើលការផ្លាស់ប្តូរនីមួយៗ ត្រឡប់ការផ្លាស់ប្តូរណាមួយវិញ និងបង្កើតឯកសារថ្មីមួយ។

06

តើភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រដូចជា OpenClaw ឬ Manus អាចធ្វើរឿងនេះបានទេ?

ភ្នាក់ងារទាំងនេះគ្រប់គ្រងកុំព្យូទ័រក្នុងលក្ខណៈដូចមនុស្សម្នាក់ដែរ។ ពួកវាបើកឯកសារក្នុង Microsoft Word ឬ PowerPoint បន្ទាប់មកអូសចុះឡើង ចុច និងវាយអត្ថបទ។11 ដោយសារពួកវាប្រើប្រាស់កម្មវិធីដូចមនុស្សដែរ ពួកវាអាចកែសម្រួលបានដូចមនុស្ស ហើយលទ្ធផលច្រើនតែគួរឱ្យចាប់អារម្មណ៍។

តម្លៃដែលត្រូវបង់គឺការចំណាយ និងល្បឿន។ ភ្នាក់ងារអានឯកសារដោយថតរូបអេក្រង់ខណៈពេលវាអូសចុះឡើង ហើយរាល់ជំហានតូចៗនីមួយៗទាមទារឱ្យមានការហៅម៉ូដែលដើម្បីសម្រេចចិត្តថាតើត្រូវធ្វើអ្វីបន្តទៀត។ ការថតរូបអេក្រង់ Full-HD មួយចំណាយប្រហែលពី ១ ៥០០ ដល់ ២ ៧០០ ថូខឹនដោយខ្លួនឯង។10 នៅលើការវាយតម្លៃ OSWorld សូម្បីតែភ្នាក់ងារល្អបំផុតក៏បានប្រើប្រាស់ជំហានច្រើនជាងការចាំបាច់ពី ២,៧ ទៅ ៤,៣ ដងដែរ ហើយជំហានក្រោយៗបានប្រើប្រាស់ពេលយូរជាងជំហានដំបូងរហូតដល់ ៣ ដង។9

ភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រ

  1. ថតរូបអេក្រង់
  2. ម៉ូដែលសម្រេចចិត្តលើសកម្មភាពបន្ទាប់
  3. រមូរ ចុច ឬវាយបញ្ចូល
  4. ធ្វើម្តងទៀតសម្រាប់ជំហាននីមួយៗ

  1. អានអត្ថបទម្តង
  2. កែសម្រួលជាបាច់
  3. សរសេរឯកសារ
កិច្ចសន្យា ២០ ទំព័រ, ការកែសម្រួល ៣០ភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រ
ការហៅម៉ូដែល≈ 180≈ 12
ថូខឹនក្នុងមួយការហៅ≈ 10,000≈ 4,000
ថូខឹនសរុប≈ 1,800,000≈ 48,000
ភាពខុសគ្នាប្រហែលជា ៣៧ដង ច្រើនជាង ឬប្រហែលជា ១០០–១៦០ដង ជាមួយនឹងជំហានបន្ថែមដែលបានវាស់វែងនៅលើ OSWorld
រូបទី ៨ការសន្មត៖ ប្រហែល ១១,០០០ ពាក្យ; រូបភាពអេក្រង់ ៦០ ដើម្បីអានឯកសារ; សកម្មភាព ៤ ដងក្នុងមួយការកែសម្រួល; ការហៅនីមួយៗមានរូបភាពអេក្រង់មួយ បូករួមទាំងប្រវត្តិថ្មីៗ។ OneTurn អានអត្ថបទម្តង និងផ្ញើការកែសម្រួលជាបណ្តុំ។

យោងតាមការប៉ាន់ស្មានរបស់យើង ភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រអាចប្រើប្រាស់ថូខឹន LLM ច្រើនជាង រហូតដល់ ១០០ ដងសម្រាប់ការកែសម្រួលដូចគ្នា ហើយត្រូវចំណាយពេលយូរជាងមុនក្នុងការបញ្ចប់។

ប្រភព

  1. រចនាសម្ព័ន្ធនៃឯកសារ WordprocessingMLMicrosoft Learn · ឯកសារ Open XML SDK
  2. ECMA-376៖ ទម្រង់ឯកសារ Office Open XMLEcma International · ស្តង់ដារ
  3. ការផ្ទៀងផ្ទាត់សុពលភាពឯកសារដំណើរការពាក្យMicrosoft Learn · ឯកសារ Open XML SDK
  4. LLM បំផ្លាញឯកសាររបស់អ្នក នៅពេលដែលអ្នកប្រគល់ភារកិច្ចឱ្យវាLaban, Schnabel និង Neville · Microsoft Research · 2026
  5. LongProc៖ ការវាស់ស្ទង់ម៉ូដែលភាសាបរិបទវែងលើការបង្កើតនីតិវិធីវែងYe et al. · COLM 2025
  6. ប្រវែងបរិបទតែមួយមុខធ្វើឱ្យខូចដំណើរការរបស់ LLM ទោះបីជាមានការទាញយកមកវិញដ៏ល្អឥតខ្ចោះក៏ដោយDu និងអ្នកដទៃ · ការរកឃើញនៃ EMNLP 2025
  7. Anthropic បង្ហាញប្រភពកូដ Claude Code ដោយអចេតនា តាមរយៈឯកសារផែនទីប្រភព npmInfoQ · ៧ មេសា ២០២៦
  8. វិស្វកម្មបរិបទប្រកបដោយប្រសិទ្ធភាពសម្រាប់ភ្នាក់ងារ AIវិស្វកម្ម Anthropic · ២៩ កញ្ញា ២០២៥
  9. OSWorld-Human៖ ការវាយតម្លៃប្រសិទ្ធភាពនៃភ្នាក់ងារប្រើប្រាស់កុំព្យូទ័រAbhyankar, Qi និង Zhang · MLSys 2026
  10. Vision៖ រេសូលុយស្យុង និងតម្លៃថូខឹនឯកសារវេទិកា Claude
  11. Manus របស់ Meta បើកដំណើរការកម្មវិធីកុំព្យូទ័រដើម្បីនាំយកភ្នាក់ងារ AI របស់ខ្លួនទៅកាន់ឧបករណ៍ផ្ទាល់ខ្លួនក្នុងចំណោមការនិយម OpenClawCNBC · ១៨ មីនា ២០២៦

រូបភាពទាំងនេះជារូបគំនូសបង្ហាញដែលបង្កើតឡើងសម្រាប់អត្ថបទនេះ។ XML គឺជា WordprocessingML ពិតប្រាកដ។ ឈ្មោះឯកសារ បុគ្គល និងសាលក្រមគឺជារឿងប្រឌិត។

សាកល្បងវានៅលើឯកសារដែលអ្នកមិនអាចឱ្យខូចបាន។

សាកល្បងប្រើប្រាស់ ដោយឥតគិតថ្លៃ →