Panya-AI: Thai Legal AI for Employers (ฝั่งนายจ้าง/บริษัท)

Panya-AI: Thai Legal AI for Employers (ฝั่งนายจ้าง/บริษัท)

🎯 Mission Statement

Panya-AI คือ Thai Legal AI ฝั่งนายจ้าง ที่ออกแบบมาเพื่อ:

1. ✅ ปกป้องนายจ้างอย่างถูกกฎหมาย — รู้กฎหมายครบทุกด้าน ป้องกันการถูกฟ้องร้องโดยไม่เป็นธรรม
2. ✅ ป้องกัน "ลูกจ้างหัวหมอ" — รู้ trick ที่ลูกจ้างชอบใช้ เพื่อหลีกเลี่ยงการตกหลุมพราง
3. ✅ ตรวจสัญญาตามกฎหมายไทย — ประเมินความเสี่ยงทุกข้อ พร้อมข้อเสนอแก้ไข
4. ✅ ยกระดับปัญหาที่ซับซ้อน — ส่งต่อทนายเมื่อเกินขอบเขต AI
5. ✅ 100% สอดคล้องกับกฎหมายไทย — ไม่แนะนำวิธีที่ผิดกฎหมาย

⚠️ คำเตือน: Panya-AI ไม่ได้ช่วย "หาช่องโหว่" แต่ช่วยให้บริษัท "รู้กฎหมายดีพอ" เพื่อปฏิบัติตามอย่างถูกต้อง — วิธีนี้คือการป้องกันที่ดีที่สุด

---

When to Use This Skill

Use this skill when the user asks to:

• Review a contract (ตรวจสอบสัญญา) — employment, NDA, lease, sale, service, loan
• Assess legal risk (ประเมินความเสี่ยงทางกฎหมาย) — for any business decision
• Defend against employee claim (ป้องกันการถูกฟ้องจากลูกจ้าง)
• Draft employment documents (ร่างเอกสารแรงงาน) — contracts, warnings, termination letters
• Check compliance (ตรวจสอบการปฏิบัติตามกฎหมาย) — LPA, SSO, WC, OSH, PDPA
• Answer Thai law questions (ตอบคำถามกฎหมายไทย) — labor, civil, criminal
• Train a Legal AI (ฝึก AI) — Thai legal domain
• Build contract review system (สร้างระบบตรวจสัญญา)

---

📚 Section 1: Legal Knowledge Base (50+ Laws)

1.1 Tier 1 — Critical for Employer Defense (MUST HAVE)

1.2 Tier 2 — Important (Labor + Business)

1.3 Tier 3 — Reference (Procedural + Sectoral)

Total: 50+ laws — Currently have 14, need to add 36 more

---

📄 Section 2: Required Documents (Templates) — 65+ Documents

2.1 Employment Documents (CRITICAL — Must Have)

2.2 Accounting/Payroll Documents

2.3 Business Contracts (Thai-style)

2.4 Court Documents (If sued)

2.5 SSO Documents (แบบ สปส.)

---

🛡️ Section 3: Employer Defense Knowledge (ป้องกัน "ลูกจ้างหัวหมอ")

3.1 Common Employee Tricks & Counter-Measures

3.2 Employer Protection Strategy

Golden Rules for Employer Defense:

1. ✅ เอกสารครบ — 14 เอกสารแรงงานตามที่กฎหมายกำหนด
2. ✅ แจ้ง สนร. ทุกครั้ง — ข้อบังคับ, เปลี่ยนแปลง, เลิกจ้าง
3. ✅ เตือน 3 ขั้น — ก่อนเลิกจ้างทุกครั้ง
4. ✅ จ่ายค่าชดเชย ณ วันเลิกจ้าง — ห้ามจ่ายล่าช้า (โดนปรับ 6 เท่า)
5. ✅ ลายเซ็นชัดเจน — ทุกเอกสารที่ลูกจ้างเซ็น ต้องมีพยาน
6. ✅ เก็บหลักฐาน 10 ปี — เอกสารทุกชิ้น
7. ✅ มีทนายประจำ — ตรวจก่อนเลิกจ้างทุกครั้ง
8. ✅ ไม่มี "แรงงานสัมพันธ์" ที่ไม่ดี — สร้าง positive work environment
9. ✅ สุขภาพและความปลอดภัย — ปฏิบัติตาม OSH 2554
10. ✅ PDPA compliance — ข้อมูลลูกจ้าง/ลูกค้า

---

🎯 Section 4: Legal Risk Assessment (5x5 Matrix)

4.1 Severity Scale (ความรุนแรง)

4.2 Likelihood Scale (ความน่าจะเป็น)

4.3 Risk Score = Severity × Likelihood (1-25)

4.4 Risk Assessment Workflow

Step 1: ระบุปัญหา (Identify Issue)
  ↓
Step 2: ให้คะแนนความรุนแรง (Score Severity 1-5)
  ↓
Step 3: ให้คะแนมความน่าจะเป็น (Score Likelihood 1-5)
  ↓
Step 4: คำนวณ Risk Score = S × L
  ↓
Step 5: ระบุระดับสี (Color) และ Action
  ↓
Step 6: ระบุปัจจัยเสี่ยง (Risk Factors)
  ↓
Step 7: ระบุปัจจัยบรรเทา (Mitigating Factors)
  ↓
Step 8: ทางเลือก (Alternatives)
  ↓
Step 9: เรียก Escalation ที่เหมาะสม

4.5 Example: Risk Assessment Output

## ⚠️ การประเมินความเสี่ยง: สัญญาจ้างงานนี้

**คะแนนความเสี่ยงรวม: 16/25** 🔴 **สูงมาก**

| ความเสี่ยง | ความรุนแรง | ความน่าจะเป็น | คะแนน | ระดับ |
|---|---|---|---|---|
| การจำกัดความรับผิด | 4 (Major) | 4 (Likely) | 16 | 🔴 |
| การต่ออายุอัตโนมัติ | 4 (Major) | 4 (Likely) | 16 | 🔴 |
| การบอกเลิกสัญญา | 3 (Moderate) | 3 (Possible) | 9 | 🟡 |
| ค่าสินไหมและการชดใช้ | 3 (Moderate) | 3 (Possible) | 9 | 🟡 |
| การรักษาความลับ | 2 (Minor) | 2 (Unlikely) | 4 | 🟢 |
| กฎหมายที่ใช้บังคับ | 2 (Minor) | 2 (Unlikely) | 4 | 🟢 |

**ปัจจัยเสี่ยง:**
- การจำกัดความรับผิดเกินขอบเขตที่ ป.พ.พ. ม.458 อนุญาต
- การต่ออายุอัตโนมัติอาจขัดกับหลักความยินยอม (ป.พ.พ. ม.369)
- บทลงโทษอาจถูกลดโดยศาล (ป.พ.พ. ม.383)

**ปัจจัยบรรเทา:**
- สัญญาเป็นภาษาไทย
- มีการระบุกฎหมายที่ใช้บังคับ
- มีพยานในการลงนาม

**ทางเลือก:**
1. แก้ไข clause การจำกัดความรับผิด
2. เปลี่ยนการต่ออายุอัตโนมัติเป็นต้องยินยอมทั้งสองฝ่าย
3. ระบุค่าเสียหายเป็นตัวเลขที่เหมาะสม

**⚠️ ต้องส่งเรื่องถึง: ที่ปรึกษากฎหมายอาวุโส + ที่ปรึกษากฎหมายภายนอก**

---

📋 Section 5: Contract Review Output Format (Thai-style)

5.1 Standard Output Structure

เมื่อตรวจสอบสัญญา ให้ใช้รูปแบบนี้:

# 📋 ผลการตรวจสอบสัญญา [ประเภทสัญญา]

## 1. ข้อมูลทั่วไป
- **ประเภทสัญญา:** ...
- **คู่สัญญา:** ...
- **วันที่ตรวจสอบ:** ...
- **ผู้ตรวจสอบ:** Panya-AI v3.0

## 2. สรุประดับความเสี่ยง

| ระดับความเสี่ยง | จำนวน |
|---|---|
| 🔴 สูงมาก (16-25) | X ข้อ |
| 🟠 สูง (11-15) | X ข้อ |
| 🟡 ปานกลาง (6-10) | X ข้อ |
| 🟢 ต่ำ (1-5) | X ข้อ |
| **รวม** | **X ข้อ** |

## 3. ผลวินิจฉัยโดยรวม
[สรุปสั้น 2-3 บรรทัด เน้นประเด็นหลัก]

## 4. การวิเคราะห์ข้อกำหนด

| ความเสี่ยง | ระดับ | ข้อความอ้างอิง | ผลกระทบ | ข้อเสนอแนะ (กฎหมายไทย) |
|---|---|---|---|---|
| ... | ... | "...ข้อความจากสัญญา..." | ... | ... |

## 5. การตรวจสอบความครบถ้วน
- ✅ มี / ❌ ไม่มี [ข้อกำหนด]

## 6. จัดลำดับการเจรจา

### 🔴 ต้องแก้ไข (Must Fix)
- [ ] ...

### 🟠 ควรแก้ไข (Should Fix)
- [ ] ...

### 🟡 ปรับปรุงเพิ่มเติมได้ (Could Improve)
- [ ] ...

## 7. หมายเหตุเกี่ยวกับกฎหมายไทย
- **ข้อกำหนดที่อาจเป็นโมฆะ:** ...
- **ข้อกำหนดที่อาจเป็นโมฆียะ:** ...
- **ข้อกำหนดที่อาจใช้บังคับไม่ได้:** ...

## 8. การยกระดับ
- ✅ ตรวจสอบภายใน (Panya-AI) | ❌ ต้องส่งทนาย

5.2 Contract-Specific Prompts

ใช้ prompt เหล่านี้เพื่อตรวจสอบ:

"ตรวจสอบสัญญาจ้างงานนี้"          → Employment contract review
"ตรวจสอบ NDA ตามกฎหมายไทย"        → NDA review
"ตรวจสอบสัญญาซื้อขาย"             → Sale contract review
"ตรวจสอบสัญญาเช่า"                 → Lease contract review
"ตรวจสอบสัญญาบริการ"               → Service contract review
"ตรวจสอบสัญญาผู้รับเหมา"           → Contractor review
"ชี้ข้อกำหนดที่มีความเสี่ยง"       → Highlight risky clauses
"สรุปเงื่อนไขสัญญา"                → Summarize contract
"เสนอข้อความแก้ไขตามกฎหมายไทย"     → Suggest Thai-law-compliant revisions

5.3 Output Example: Employment Contract Review

---

🚨 Section 6: Escalation Rules (การยกระดับ)

6.1 When to Escalate

6.2 Escalation Workflow

[User Request]
   ↓
[Panya-AI Analysis]
   ↓
[Risk Score Calculated]
   ↓
   ├── Score ≤ 10 → Return result to user
   ├── Score 11-15 → Recommend legal review + provide red flags
   ├── Score 16-20 → MANDATORY: refer to senior legal counsel
   └── Score ≥ 21 → MANDATORY: refer to external lawyer + DO NOT proceed without approval

6.3 Common Risk Patterns (ต้องระวัง)

---

🗄️ Section 7: Database Schema (Recommended)

7.1 Existing Tables (Layer 1)

sources, laws, law_sections, case_judgments, case_law_links, ingestion_log, rag_chunks

7.2 New Tables for Knowledge Layer (Layer 2-3)

-- ========== Layer 2: Knowledge Base ==========

-- Clause Library: 300-500 standard clauses
CREATE TABLE clauses (
  clause_id INTEGER PRIMARY KEY,
  clause_name TEXT NOT NULL,
  clause_name_th TEXT,
  category TEXT,                       -- Employment, NDA, Service, Lease, Loan
  purpose TEXT,
  mandatory INTEGER DEFAULT 0,
  risk_if_missing TEXT,
  related_law_ids TEXT,
  related_section_ids TEXT,
  related_judgment_ids TEXT,
  sample_good TEXT,
  sample_bad TEXT,
  typical_position TEXT,
  alternatives TEXT,
  tags TEXT,
  notes TEXT
);

-- Compliance Checklist: per contract type
CREATE TABLE checklists (
  checklist_id INTEGER PRIMARY KEY,
  contract_type TEXT NOT NULL,
  item_text TEXT NOT NULL,
  item_category TEXT,
  is_required INTEGER DEFAULT 1,
  related_clause_id INTEGER,
  related_law_id INTEGER,
  related_section_id INTEGER,
  risk_level TEXT,
  notes TEXT,
  FOREIGN KEY (related_clause_id) REFERENCES clauses(clause_id),
  FOREIGN KEY (related_law_id) REFERENCES laws(law_id)
);

-- Standard Contract Templates
CREATE TABLE contract_templates (
  template_id INTEGER PRIMARY KEY,
  contract_type TEXT NOT NULL,
  variant TEXT,
  title TEXT,
  content TEXT,
  source TEXT,
  source_url TEXT,
  industry TEXT,
  is_anonymized INTEGER DEFAULT 1,
  version TEXT,
  created_at TEXT
);

-- Legal Terminology Dictionary
CREATE TABLE legal_terms (
  term_id INTEGER PRIMARY KEY,
  term_th TEXT NOT NULL,
  term_en TEXT,
  synonyms TEXT,
  definition TEXT,
  category TEXT,
  related_law_ids TEXT,
  related_section_ids TEXT,
  notes TEXT
);

-- Legal Opinions (from government agencies)
CREATE TABLE legal_opinions (
  opinion_id INTEGER PRIMARY KEY,
  source_agency TEXT,
  title TEXT,
  opinion_text TEXT,
  question TEXT,
  answer TEXT,
  issue_date TEXT,
  source_url TEXT,
  related_law_ids TEXT,
  related_section_ids TEXT,
  tags TEXT
);

-- Industry Rules
CREATE TABLE industry_rules (
  rule_id INTEGER PRIMARY KEY,
  industry TEXT,
  rule_text TEXT,
  related_law_ids TEXT,
  typical_clauses TEXT,
  risk_patterns TEXT,
  notes TEXT
);

-- ========== Layer 3: Decision Rules ==========

-- Risk Matrix: Risk patterns
CREATE TABLE risk_rules (
  rule_id INTEGER PRIMARY KEY,
  rule_name TEXT NOT NULL,
  rule_description TEXT,
  rule_type TEXT,
  pattern TEXT,
  severity INTEGER,
  likelihood INTEGER,
  risk_score INTEGER,
  escalation TEXT,
  related_law_ids TEXT,
  related_section_ids TEXT,
  recommendation TEXT,
  applies_to_contract_types TEXT
);

-- Citation Graph
CREATE TABLE citation_graph (
  citation_id INTEGER PRIMARY KEY,
  source_type TEXT,
  source_id INTEGER,
  target_type TEXT,
  target_id INTEGER,
  relation_type TEXT,
  notes TEXT
);

-- ========== System ==========
CREATE TABLE schema_version (
  version TEXT PRIMARY KEY,
  applied_at TEXT DEFAULT CURRENT_TIMESTAMP,
  notes TEXT
);

---

📊 Section 8: Data Sources

8.1 Statutory Text Sources

8.2 Case Law Sources

8.3 Government Opinions & Guidelines

8.4 Standard Contracts & Templates

---

🔍 Section 9: Data Fetch Workflow

9.1 Fetch Statutory Texts (Tier 1 — Critical)

For laws on PyThaiNLP (fastest):

from datasets import load_dataset
ds = load_dataset("pythainlp/thailaw", split="train")
# Search by sysid or title

For laws NOT on PyThaiNLP, use law.go.th via browser automation:

• Navigate to https://law.go.th/DetailLawPage?table_of_law_id=XXXX
• Select latest consolidated version
• Extract all section texts

9.2 Fetch Case Law (Tiered)

Priority:

1. Labor cases (1,000-2,000) — deka.in.th, ops.mol.go.th
2. Civil contract cases (2,000-5,000) — deka.supremecourt.or.th
3. Criminal contract-related (500-1,000) — deka.supremecourt.or.th

Tag by issue:

• จ้างแรงงาน, ซื้อขาย, เช่า, กู้ยืม, ค้ำประกัน, ตัวแทน, จ้างทำของ
• หุ้นส่วน, บริษัท, ละเมิด, ฉ้อโกง, ยักยอก

9.3 Build Knowledge Layer

Clause Library (300-500 clauses)

• Termination, Force Majeure, Confidentiality, IP Ownership, Non-Compete
• Non-Solicitation, Payment, Warranty, Indemnity, Limitation of Liability
• Assignment, Severability, Entire Agreement, Jurisdiction, Governing Law
• Notice, Penalty, Liquidated Damage, Inspection, Acceptance
• Change Order, Escrow, Data Protection, PDPA, Security
• Compliance, Audit Right, Arbitration

Compliance Checklists

• Employment: Probation, Salary, OT, Leave, Welfare, Confidentiality, PDPA, Termination
• NDA: Confidential Information, Exceptions, Duration, Return
• Lease: Rent, Deposit, Repair, Termination, Handover
• Loan: Principal, Interest, Repayment, Default, Security

Risk Rules (50+ patterns)

• IF Penalty > Actual Damage → Critical
• IF No Governing Law → Medium
• IF Waive Employee Rights → Critical
• IF No PDPA → High
• IF Non-compete > 5 years → High

9.4 Build RAG Chunks

For each section/judgment/opinion/clause — create 1 chunk in rag_chunks table.

---

🚀 Section 10: Deployment (Vercel + Turso)

10.1 Why Turso?

SQLite files do NOT work on Vercel serverless — no persistent filesystem.

Turso:

• SQLite-compatible (minimal Prisma schema changes)
• Free tier: 500 databases, 9 GB total, 1 billion row reads/month
• Edge network
• Easy migration from local SQLite

10.2 Migration Steps

# 1. Install Turso CLI
powershell -ExecutionPolicy Bypass -c "irm https://github.com/tursodatabase/turso/releases/latest/download/turso_cli-installer.ps1 | iex"

# 2. Login + create database
turso auth login
turso db create panya-ai --location sin

# 3. Get connection + token
turso db show panya-ai --url
turso db tokens create panya-ai

# 4. Import existing SQLite
turso db shell panya-ai < prisma/thai_legal_db.sqlite

# 5. Update .env
DATABASE_URL=libsql://panya-ai-<your-account>.turso.io
TURSO_AUTH_TOKEN=<your-token>

# 6. Switch Prisma to libsql
bun add @prisma/adapter-libsql @libsql/client

10.3 Vercel Deployment

1. Push code to GitHub
2. Go to vercel.com → Import Project
3. Set Environment Variables:
   • DATABASE_URL = libsql://...turso.io
   • TURSO_AUTH_TOKEN = ...
   • Z_AI_API_KEY = (for AI features)
4. Deploy

10.4 Alternative: Supabase (PostgreSQL)

• Free tier: 500 MB database, 50,000 MAU
• Requires Prisma schema migration

---

📜 Section 11: License & Compliance

For commercial deployment:

• ❌ Do NOT include TSCC data in production
• ✅ Use only deka.in.th / ops.mol.go.th / law.go.th
• ⚠️ Always display source attribution
• ⚠️ Add disclaimer: "AI provides information for educational purposes, not legal advice"

---

📅 Section 12: Update & Versioning

• Every record has: effective_date, repealed_date, version, source_url
• Run update pipeline monthly
• Tag records with as_of_date
• Display "ข้อมูล ณ วันที่ YYYY-MM-DD" in AI responses

---

🛣️ Section 13: Roadmap

Phase 1: Current (✅ Done)

• 14 laws, 4,441 sections, 1,258 judgments
• FTS5 search
• AI RAG with citation
• Next.js web app

Phase 2: Tier 1 Expansion (2-4 weeks)

• Add 11 new Tier 1 laws (UCTA, PDPA, Trade Secrets, OSH, etc.)
• Add 1,000+ more labor judgments
• Add Labor Court judgments
• Add 100+ government legal opinions
• Add 23 employment document templates
• Add 18 business contract templates

Phase 3: Knowledge Layer (4-8 weeks)

• Build Clause Library (300+ clauses)
• Build Compliance Checklists (10+ contract types)
• Build Risk Rules (50+ patterns)
• Build Standard Contract Templates (50+ templates)
• Build Employer Defense Knowledge Base (20+ tricks)

Phase 4: Enterprise Features (8-16 weeks)

• Legal Knowledge Graph
• Citation Graph
• Legal Issue Taxonomy with ML classification
• Industry Rules (5+ industries)
• Anonymized Contract Dataset (300-500 samples)
• Risk Assessment Engine
• Escalation Rules Engine

Phase 5: Deployment & Scale

• Turso/Supabase backend
• Vercel deployment
• CI/CD with auto-data-update pipeline
• Monitoring & analytics

---

📁 Section 14: File Structure

panya-ai/
├── prisma/
│   ├── schema.prisma              # Current (SQLite file)
│   └── schema.turso.prisma        # Vercel variant (libsql)
├── scripts/
│   ├── rebuild_legal_db.py        # Build SQLite from sources
│   ├── import_to_turso.sh         # Migrate to Turso
│   └── fetch_*.py                 # Per-source fetchers
├── src/
│   ├── app/
│   │   ├── api/                   # 7+ API routes
│   │   └── page.tsx               # Main SPA
│   ├── components/
│   └── lib/
│       ├── rag.ts                 # RAG retrieval
│       ├── risk_assessment.ts     # Risk matrix calculator
│       ├── contract_review.ts     # Contract analyzer
│       └── employer_defense.ts    # Anti-trick knowledge
├── data/                          # Generated (gitignored)
│   └── thai_legal_db.sqlite
├── knowledge/                     # Knowledge Layer data (JSON)
│   ├── clauses.json
│   ├── checklists.json
│   ├── risk_rules.json
│   ├── contract_templates/
│   ├── employer_tricks.json
│   └── labor_documents/
├── .env.example
├── .gitignore
├── README.md
├── DEPLOYMENT.md
├── SKILL.md                       # This file
└── package.json

---

🎓 Section 15: Examples

Example 1: Review Employment Contract

User: "ตรวจสอบสัญญาจ้างงานนี้"

Panya-AI Output:
# 📋 ผลการตรวจสอบสัญญาจ้างงาน

## สรุประดับความเสี่ยง
| ระดับความเสี่ยง | จำนวน |
|---|---|
| 🔴 สูงมาก (16-25) | 2 |
| 🟠 สูง (11-15) | 1 |
| 🟡 ปานกลาง (6-10) | 2 |
| 🟢 ต่ำ (1-5) | 1 |

[detailed analysis...]

⚠️ ต้องส่งเรื่องถึง: ที่ปรึกษากฎหมายอาวุโส

Example 2: Risk Assessment for Termination

User: "จะเลิกจ้างพนักงานที่ขโมยของบริษัท — ควรทำอย่างไร?"

Panya-AI Output:
# 🎯 การประเมินความเสี่ยง: การเลิกจ้างกรณีขโมย

## คะแนนความเสี่ยง: 8/25 (ปานกลาง)

| ปัจจัย | คะแนน |
|---|---|
| พยานหลักฐานชัดเจน | ✅ มี |
| หนังสือเตือน 3 ครั้ง | ❌ ไม่มี |
| ข้อบังคับเกี่ยวกับการทำงานครอบคลุม | ✅ มี |

## คำแนะนำ:
1. รวบรวมหลักฐานการขโมย (CCTV, พยาน, เอกสาร)
2. สอบสวนเป็นลายลักษณ์อักษร
3. ⚠️ ถ้าไม่มีหนังสือเตือน — แนะนำเตือน 1 ครั้งก่อน + บันทึก
4. เลิกจ้างโดยจ่ายค่าชดเชย (กรณีทำผิด = ไม่ต้องจ่าย ถ้ามีหลักฐานครบ)
5. แจ้ง สนร./สปส. ภายใน 7 วัน

⚠️ ต้องส่งเรื่องถึง: HR Manager + Legal

Example 3: NDA Review

User: "ตรวจสอบ NDA ตามกฎหมายไทย"

Panya-AI Output:
# 📋 ผลการตรวจสอบ NDA

## ความเสี่ยงที่พบ:

| ความเสี่ยง | ระดับ | ข้อเสนอแนะ |
|---|---|---|
| ระยะเวลา NDA ไม่จำกัด | 🟠 สูง | จำกัด 3-5 ปี |
| ไม่มีข้อยกเว้นข้อมูลสาธารณะ | 🟡 ปานกลาง | เพิ่มข้อยกเว้น |
| ไม่มีบทลงโทษชัดเจน | 🟠 สูง | ระบุค่าเสียหาย |
| ไม่อ้าง พ.ร.บ. ความลับทางการค้า | 🟡 ปานกลาง | เพิ่มการอ้างอิง |

---

🔗 Section 16: Cross-References

• LPA ม.17 → การบอกเลิกสัญญา (Employee cannot be forced to resign)
• LPA ม.108 → ข้อบังคับเกี่ยวกับการทำงาน (Work rules must be filed with สนร.)
• LPA ม.118 → ค่าชดเชย (Severance must be paid on termination day)
• LPA ม.123 → ค่าชดเชยล่าช้า = โดนปรับ 6 เท่า
• CCC ม.369 → สัญญาต่างตอบแทน
• CCC ม.387-394 → การบอกเลิกสัญญา
• CCC ม.420-452 → ละเมิด
• CCC ม.458 → ขีดจำกัดความรับผิด
• CCC ม.575-586 → สัญญาจ้างแรงงาน
• CCC ม.587-605 → สัญญาจ้างทำของ
• Penal Code ม.335-336 → ลักทรัพย์
• Penal Code ม.341-348 → ฉ้อโกง
• Penal Code ม.352-354 → ยักยอก
• Penal Code ม.376-377 → ล่วงละเมิดทางเพศ
• UCTA 2540 → ข้อสัญญาที่ไม่เป็นธรรม
• PDPA 2562 → คุ้มครองข้อมูลส่วนบุคคล
• OSH 2554 → ความปลอดภัย อาชีวอนามัย
• Trade Secrets 2545 → ความลับทางการค้า

---

📌 Last updated: 2026-07-27 15:55 (GMT+7)
📌 Version: 3.0 (upgraded from 2.0)
📌 Author: Panya-AI Team
📌 License: MIT

---

Section 17: Employer-Side Advisory Skills (ฝั่งนายจ้าง) ⭐⭐⭐⭐⭐

17.1 Mission Statement

Panya-AI เป็นที่ปรึกษากฎหมายฝั่ง นายจ้าง/บริษัท/ผู้ประกอบการ โดยเฉพาะ

หลักการ:

1. ตอบความจริงเท่านั้น — ผิดคือผิด ถูกคือถูก ห้ามพูดเอาใจ
2. ถ้านายจ้างผิด → หาแนวทางช่วยเหลือจาก "หนัก" ให้เป็น "เบา" ลดความเสียหายให้น้อยที่สุด
3. ถ้านายจ้างถูก → ประเมินปัญหาที่อาจเกิดขึ้นล่วงหน้า แล้วเตือนเผื่อไว้ก่อน (pre-emptive warning)
4. ไม่พูดเอาใจ — ห้ามตอบสองแง่สองง่ามเพื่อไม่ให้ผู้ใช้ไม่พอใจ
5. บอก "ทุกอย่างขึ้นอยู่กับสถานการณ์" เฉพาะเมื่อจริงๆ — ถ้ามีคำตอบชัดเจน ให้ตอบชัดเจน

17.2 Response Structure (4 ส่วน)

ทุกคำตอบต้องมี 4 ส่วน:

1. คำตอบโดยตรง — ตอบสั้นๆ ว่าถูก/ผิด/เสี่ยง อย่างไร
2. เหตุผลทางกฎหมาย — อ้างอิงมาตรา/ฎีกา พร้อมเลข [N]
3. แนวทางปฏิบัติ — ขั้นตอนที่นายจ้างควรทำ (เฉพาะฝั่งนายจ้าง)
4. คำเตือนล่วงหน้า — ปัญหาที่อาจเกิดขึ้น พร้อมวิธีป้องกัน

17.3 Common Employer Scenarios

สถานการณ์ A: ลูกจ้างหัวหมอ (Employee gaming the system)

• ลูกจ้างแกล้งป่วยเพื่อหลีกเลี่ยงงาน → ต้องเก็บหลักฐาน (ใบรับรองแพทย์, ประวัติการลา)
• ลูกจ้างทำงานช้าลงหลังรู้ว่าจะถูกเลิกจ้าง → ต้องมี KPI และบันทึกผลงาน
• ลูกจ้างกล่าวหานายจ้างเพื่อต่อรอง → ต้องบันทึกทุกการสื่อสาร
• ลูกจ้างใช้สิทธิ์ลาอย่างไม่เหมาะสม → ต้องมีระเบียบการลาชัดเจน

สถานการณ์ B: กรมแรงงานเอื้อประโยชน์กับแรงงานเกินไป

• พนักงานตรวจแรงงานตีความกฎหมายเข้าข้างลูกจ้าง → ต้องรู้สิทธิ์ในการโต้แย้ง
• คำสั่งทางปกครองที่ไม่เป็นธรรม → สามารถอุทธรณ์ได้ภายใน 30 วัน
• การไกล่เกลี่ยที่ไม่เป็นธรรม → สามารถปฏิเสธได้ และให้ศาลแรงงานพิจารณา

สถานการณ์ C: ลูกจ้างฟ้องศาลแรงงาน

• ลูกจ้างฟ้องเรียกค่าชดเชย → ต้องเตรียมหลักฐาน F5-F7 (หนังสือเตือน)
• ลูกจ้างอ้างการเลิกจ้างไม่เป็นธรรม → ต้องมีเหตุผลที่ชัดเจนตาม ม.119
• ลูกจ้างเรียกค่าเสียหายเกินจริง → ต้องมีหลักฐานค่าจ้างจริง

17.4 Employer Defense Knowledge Base

20 Trick ที่ลูกจ้างชอบใช้ + วิธีป้องกัน

10 Golden Rules สำหรับนายจ้าง

1. ทุกอย่างต้องเป็นลายลักษณ์อักษร — ไม่มีสัญญา = แพ้คดี
2. เตือนก่อนเลิกจ้าง — F5→F6→F7 ก่อน F8 เสมอ
3. จ่ายค่าชดเชย ณ วันเลิกจ้าง — เลยกำหนด = เสียดอกเบี้ย 15%/ปี
4. เก็บหลักฐานทุกอย่าง — สลิปเงินเดือน, สมุดลงเวลา, หนังสือเตือน
5. มีระเบียบวินัยพนักงาน — F4 ต้องมี ไม่งั้นเลิกจ้างไม่ได้
6. ยื่น สนร. ภายใน 15 วัน — เมื่อมีพนักงาน ≥10 คน
7. ส่งเงินสมทบ สปส. ทุกเดือน — ไม่ส่ง = โดนปรับ + ฟ้อง
8. ห้ามยึดบัตรประชาชน — ผิดกฎหมาย (ป.อ. ม.310 กักขังหน่วงเหนี่ยว)
9. ห้ามบังคับ OT โดยไม่จ่าย — ผิดกฎหมาย (ป.อ. ม.312 บังคับให้ทำงาน)
10. ปรึกษาทนายความก่อนเลิกจ้าง — ค่าทนายถูกกว่าค่าชดเชยที่ผิด

---

Section 18: Contract Review & Risk Assessment Skills ⭐⭐⭐⭐⭐

18.1 Contract Review Workflow

เมื่อผู้ใช้ส่งสัญญามาตรวจ ให้ทำตามขั้นตอน:

1. ระบุประเภทสัญญา — จ้างงาน/ทดลองงาน/NDA/ซื้อขาย/เช่า/กู้ยืม/...
2. เช็ค Checklist ตามประเภท — ใช้ Checklist จาก Section 6
3. หา Clause ที่ขาด — เปรียบเทียบกับ Clause Library
4. หา Clause ที่ผิดกฎหมาย — เช็คกับ Risk Patterns
5. ประเมิน Risk Score — Severity × Likelihood (1-25)
6. แนะนำการแก้ไข — เฉพาะฝั่งนายจ้าง

18.2 Risk Assessment Matrix (5×5)

Risk Score → Action:

• 1-5: ✅ ใช้งานได้
• 6-10: ⚠️ แจ้งผู้จัดการ — ตรวจสอบเพิ่ม
• 11-15: 🔴 ส่งฝ่ายกฎหมาย
• 16-20: 🔴 ส่งผู้บริหาร + ฝ่ายกฎหมาย
• 21-25: 🔴 ต้องให้ทนายความตรวจ

18.3 Risk Patterns (Thai Law Specific)

🔴 Critical Risk (Severity 5)

🟠 High Risk (Severity 4)

18.4 Contract Template PDF Export

Panya-AI รองรับการส่ง contract template เป็น PDF พร้อมกรอกข้อมูลพนักงาน:

API: GET /api/templates/pdf?id={templateId}&employee={name}&position={pos}&startDate={date}&salary={amount}

Features:

• แปลง Markdown → HTML → PDF (ผ่าน browser print)
• กรอกชื่อพนักงานอัตโนมัติในช่องว่าง
• กรอกตำแหน่ง, วันเริ่มงาน, เงินเดือน
• ปุ่ม "พิมพ์/บันทึกเป็น PDF" ในหน้า HTML

Workflow:

1. User ขอ template: "ขอสัญญาจ้างงาน"
2. Agent แสดงรายการ templates (F1-F65)
3. User เลือก template + ระบุชื่อพนักงาน
4. Agent ส่งลิงก์ PDF: /api/templates/pdf?id=1&employee=นายสมชาย
5. User เปิดลิงก์ → กดปุ่มพิมพ์ → ได้ PDF

---

Section 19: Latest Supreme Court Judgments (2565-2568) ⭐⭐⭐⭐

19.1 Data Source

ฎีกาล่าสุดดึงจาก deka.in.th (เพราะ deka.supremecourt.or.th ถูก WAF บล็อก)

19.2 Added Judgments (G503-G514)

12 ฎีกาล่าสุดปี 2565-2568:

19.3 Employer-Favorable Classification (Future)

แผนการเพิ่ม field case_outcome ในตาราง judgments:

• employer_won — ฝั่งนายจ้างชนะ
• employee_won — ฝั่งลูกจ้างชนะ
• mixed — แพ้-ชนะบางส่วน
• unclear — ไม่ชัดเจน

Heuristic สำหรับ classification:

• "ยกฟ้องโจทก์" (ถ้าโจทก์เป็นลูกจ้าง) → employer_won
• "พิพากษาให้จำเลยจ่าย" (ถ้าจำเลยเป็นนายจ้าง) → employee_won
• "พิพากษากลับ" → กลับคำพิพากษาศาลล่าง

---

Section 20: Repealed Regulations Database ⭐⭐⭐⭐

20.1 Overview

หมวด H มี 615 อนุบัญญัติ — วิเคราะห์แล้วพบว่า:

20.2 API Filter

GET /api/regulations?status=active — เฉพาะที่ยังใช้บังคับ (default) GET /api/regulations?status=repealed — เฉพาะที่ถูกยกเลิก GET /api/regulations?status=all — ทั้งหมด

20.3 Important Note on ป.ค. 103

บางอนุบัญญัติอ้างอิง ประกาศของคณะปฏิวัติ ฉบับที่ ๑๐๓ ซึ่งถูกยกเลิกโดย พ.ร.บ. คุ้มครองแรงงาน 2541 มาตรา ๓

แต่ มาตรา ๑๖๖ มี transitional clause: "ให้ยังคงใช้ได้ต่อไปเท่าที่ไม่ขัดหรือแย้งกับพระราชบัญญัตินี้"

→ AI ควรเตือนผู้ใช้เสมอเมื่ออ้างอิงอนุบัญญัติเหล่านี้: "⚠️ อนุบัญญัติฉบับนี้อ้างอิง ป.ค. 103 ที่ถูกยกเลิกแล้ว แต่ยังใช้ได้ตามมาตรา 166 — ควรตรวจสอบว่ามีฉบับใหม่มาแทนหรือไม่"

---

Section 21: LLM Provider Configuration ⭐⭐⭐

21.1 Current Provider

• Z.AI (glm-4.6) — ใช้อยู่ แต่ต้องเติมเงิน
• API: https://api.z.ai/api/paas/v4/chat/completions
• Model: glm-4.6 (override ผ่าน env Z_AI_MODEL)

21.2 Google Gemini (ไม่สามารถใช้ได้ในบาง region)

• API: https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent
• ❌ Error: "User location is not supported for the API use"
• แนะนำ: ใช้ผ่าน Vertex AI หรือ OpenRouter แทน

21.3 Alternative Providers (แนะนำ)

1. OpenRouter (https://openrouter.ai) — ฟรี tier มีหลาย models
2. Groq (https://groq.com) — เร็วมาก, ฟรี
3. Together AI (https://together.ai) — $5 ฟรี

21.4 Configuration

เปลี่ยน LLM provider ได้โดยแก้:

• src/lib/zai-client.ts — API client
• src/app/api/ask/route.ts — system prompt
• Vercel env vars: Z_AI_API_KEY, Z_AI_MODEL

---

Last updated: 2026-07-28 Database: 78 laws · 8,507 sections · 514 judgments · 615 regulations (103 active) · 63 templates · 9,699 RAG chunks

---

Section 22: Legal Strategist AI Prompt (Phase 1 — Active) ⭐⭐⭐⭐⭐

22.1 Prompt Location

• File: src/app/api/ask/route.ts → SYSTEM_PROMPT constant
• LLM Provider: OpenRouter — nvidia/nemotron-3-nano-omni-30b-a3b-reasoning:free
• Response time: 2-8 วินาที (ไม่เกิน Vercel 60s timeout)

22.2 Prompt Structure

AI prompt แบ่งเป็น 6 ส่วนหลัก:

1. Role Description — Legal Strategist & Labor Law Expert ประจำ หจก.เผ่าปัญญา ทรานสปอร์ต
2. Knowledge Base & Legal Framework — อ้างอิง พ.ร.บ.คุ้มครองแรงงาน, ป.พ.พ., PDPA, แรงงานสัมพันธ์, จป.
3. Database Context — บอก AI ว่ามีข้อมูลอะไรในฐานข้อมูล:
   • 78 กฎหมาย · 8,507 มาตรา
   • 514 ฎีกาแรงงาน
   • 615 อนุบัญญัติ (103 active, 512 repealed)
   • 63 เทมเพลตเอกสาร (F1-F65)
4. Template Reference — บอก AI ว่าเทมเพลตไหนใช้เมื่อไหร่ (F1-F23 หลัก)
5. Risk Matrix 5×5 — Severity × Likelihood = Risk Score (1-25)
6. Core Responsibilities — Contract Strategy, Discipline & Termination, PDPA & Monitoring

22.3 Output Structure (4 ส่วน)

ทุกคำตอบต้องมี:

1. บทวิเคราะห์ทางกฎหมาย — อ้างอิงมาตรา [N]
2. คำแนะนำเชิงกลยุทธ์ — สิ่งที่บริษัทควรทำทันที
3. ร่างเอกสาร/คำพูด — ตัวอย่างข้อความ (ถ้ามี)
4. จุดเสี่ยงที่ต้องระวัง — ⚠️ RISK ALERT + Risk Score

22.4 Key Differentiators (ที่ทำให้ AI ตอบถูกต้อง)

รถร่วม vs พนักงานประจำ (Critical!)

AI แยกแยะได้ถูกต้อง:

• รถร่วม = จ้างทำของ (ม.587) — ใช้ "ค่าบริการเหมาจ่าย" ไม่ใช่ "เงินเดือน"
• พนักงานประจำ = จ้างแรงงาน (ม.575) — มี "อำนาจบังคับบัญชา"

กลยุทธ์เฉพาะขนส่ง:

• ใช้ "Service Window" แทน "เวลาเข้างาน"
• ใช้ "ปรับลดค่าบริการ" แทน "ลงโทษทางวินัย"
• ผลักภาระเงื่อนไขไปยังลูกค้า (Big C) ไม่ใช่บริษัท

การเลิกจ้าง (Zero Tolerance):

• ทุจริต (ขโมยน้ำมัน, บิลผี) → เลิกจ้าง ไม่จ่ายค่าชดเชย (ม.119)
• ต้องมี F5→F6→F7 ก่อน F8 เสมอ
• F9 ต้องจ่าย ณ วันเลิกจ้าง (เลย = ดอกเบี้ย 15%/ปี)

22.5 Template Reference (ใน Prompt)

AI รู้จักเทมเพลตหลักและแนะนำได้:

22.6 การเรียกใช้งาน

POST /api/ask
Content-Type: application/json

{
  "question": "ลูกจ้างขาดงาน 3 วันติดต่อกัน เลิกจ้างได้ไหม",
  "laborOnly": true,
  "history": []  // optional: ประวัติแชท
}

Response:

{
  "answer": "1. บทวิเคราะห์ทางกฎหมาย... [1]\n2. คำแนะนำ... แนะนำ F8...\n3. ร่างเอกสาร... \n4. ⚠️ RISK ALERT...",
  "citations": [{ "index": 1, "type": "section", "label": "มาตรา 119(5)", ... }],
  "retrievedChunks": 10
}

22.7 ข้อจำกัดปัจจุบัน

• NVIDIA Nemotron 3 Nano อาจมีคำอังกฤษผสมในคำตอบบางครั้ง (ใช้ model เล็กเพื่อความเร็ว)
• ไม่สามารถอ้างอิงอนุบัญญัติฉบับเต็มได้ (มีแค่ใน RAG chunks)
• ไม่สามารถสร้าง PDF ได้โดยตรง (ต้องใช้ /api/templates/pdf endpoint แยก)

---

Last updated: 2026-07-29 Phase 1: AI Prompt + SKILL.md — COMPLETED