ต่อข้อมูลคน 111 เจ้าด้วยโทเคนเดียว: Treg ทำให้ AI Agent หาคนเก่งขึ้นจริงไหม?

โดย Nokka (นก-กา) | 13 ตุลาคม 2569

Treg ประตูเดียวสู่ข้อมูลคน 111 ผู้ให้บริการ

คุณเคยลองให้ AI ช่วยหาคนไหม? สั่งให้มันไล่หาผู้บริหาร 50 คน พร้อมบริษัท ตำแหน่ง แล้วตามอีเมลงานทีละราย ผมลองมาแล้ว Claude เก่งเรื่องค้นเว็บก็จริง แต่พอถึงจุดที่ต้องเปิดหลายสิบเว็บ หลายสิบผู้ให้บริการ เรื่องสนุกก็จบลงตรงนั้น

ปัญหาที่แท้จริงไม่ใช่ความสามารถของโมเดล แต่เป็น ค่าใช้จ่ายที่กระจัดกระจาย ถ้าอยากได้ข้อมูลคนครบชุด คุณต้องจ่ายค่าเครื่องมือหลายเจ้าแยกกัน ทั้งตัวหาอีเมล ตัวตรวจสอบ ตัวดึงข้อมูลบริษัท และตัวดูรอบระดมทุน ซึ่งแต่ละเจ้าก็คิดรายเดือนทั้งที่คุณใช้งานไม่กี่วันต่อเดือน

Treg เข้ามาแก้ตรงนี้ด้วยไอเดียที่อธิบายง่ายมาก

Treg คืออะไร

Treg นิยามตัวเองว่าเป็น "OpenRouter for agent tools" [2] ถ้าให้ LLM อย่าง Claude ต้องค้นหาข้อมูลคนเอง มันจะต้องเรียก API ของแต่ละเจ้าแยกกัน แนวคิดเดียวกับที่ OpenRouter รวมโมเดล AI หลายเจ้าไว้หลัง API เดียว แต่ Treg ทำแบบนั้นกับ เครื่องมือ แทน

หน้าเว็บของ Treg ระบุว่า "One skill gives your agent 1B+ contacts across Apollo, Hunter, Tomba, People Data Labs" โดยมี 111 ผู้ให้บริการอยู่หลังโทเคนเดียว [1]

จุดที่ต้องเข้าใจให้ชัดคือ Treg ไม่ได้สร้างฐานข้อมูลคนของตัวเอง มันทำหน้าที่เป็นประตูกลางที่ถือบัญชีของผู้ให้บริการเหล่านั้นไว้ แล้วให้เอเจนต์ของคุณเรียกใช้ผ่านโทเคนเดียว ซึ่งหมายความว่าคุณไม่ต้องสมัครสมาชิกรายเดือนกับทุกเจ้า [8]

ใช้กับเอเจนต์ตัวไหนได้บ้าง

หน้าเว็บของ Treg แสดงโลโก้เอเจนต์แบบหมุนวน ซึ่งมี Claude Code · Codex · OpenClaw · Hermes ส่วนเอกสาร llms.txt ของ Treg ระบุว่ารองรับ Cursor และ opencode ด้วย [1] [10]

การติดตั้งใน Claude Code ทำผ่านปลั๊กอิน [8]

/plugin marketplace add superdesigndev/treg /plugin install treg@treg

หรือใช้ผ่าน CLI ตรง ๆ [8] [10]

curl -fsSL https://treg.to/install.sh | sh treg login treg catalog search "find a work email" # ดูราคาและตัวเลือกเคียงกัน [9] treg call hunter.people.email.find --query domain=reddit.com treg balance

เอกสารของ NicAI ยังระบุถึง MCP endpoint ที่ https://treg.to/mcp/v2/ ซึ่งเปิดเฉพาะรายการที่คัดแล้ว และแยกการอ่านกับการเขียนออกจากกัน เพื่อให้เอเจนต์ตีความสัญญาณความปลอดภัยได้แม่นขึ้น [8]

ราคา: จ่ายตามใช้ ไม่บวกกำไร

หน้าเอกสารของ Treg สรุปโมเดลราคาไว้บรรทัดเดียวว่า "A prepaid balance, metered per call at the provider's own rate, with no markup" แปลว่าคุณเติมเครดิตไว้ แล้วจ่ายตามการเรียกใช้จริงในอัตราของผู้ให้บริการเอง โดย Treg ไม่บวกเพิ่ม [7]

ตัวเลขที่หน้าเว็บระบุในปัจจุบัน [1]

  • อีเมลงานที่ยืนยันแล้วผ่าน Tomba เริ่มต้น $0.0089 ต่อการค้นหา
  • ตรวจสอบอีเมลผ่าน Hunter $0.003 ต่อครั้ง
  • จับคู่ชื่อพร้อมอีเมลงานผ่าน Apollo $0.026 ต่อรายชื่อ
  • เสริมข้อมูลบุคคลผ่าน People Data Labs $0.028
  • ข้อมูลบริษัทผ่าน Crustdata $0.010 ต่อบริษัท
  • อีเมลจาก LinkedIn ผ่าน Icypeas $0.019
  • รายชื่อคนในบริษัทผ่าน LeadMagic $0.025
  • ค้นหาคนตามตำแหน่งผ่าน Exa $0.010 ต่อคำค้น
  • ประกาศรับสมัครงานผ่าน Coresignal $0.020
  • รอบระดมทุนผ่าน Crunchbase $99 ต่อเดือน
  • โพสต์และโปรไฟล์บน X (Twitter) ผ่าน X API $200 ต่อเดือน

ทีมใหม่ได้เครดิตฟรี $1.00 ซึ่งเพียงพอสำหรับทดลองกระบวนการทั้งหมด [7]

เพื่อให้เห็นภาพว่าถ้าสมัครแยกกันจะต่างแค่ไหน NicAI บันทึกไว้ว่า Apollo อยู่ที่ $59 Hunter $34 Lusha $49 Crunchbase $99 และ People Data Labs $98 ต่อเดือน รวมแล้วประมาณ $340 ต่อเดือน สำหรับเครื่องมือที่คุณแตะเพียงไม่กี่วันในหนึ่งเดือน [8]

การรันจริงที่หน้าเว็บรายงาน

ตัวอย่างที่หน้าเว็บยกมา เป็นใบเสร็จจาก workflow ที่รันวันที่ 23 กันยายน 2026 ซึ่งไล่หาบริษัทซอฟต์แวร์ Series-A 50 แห่ง คัดเหลือ 27 แห่งที่ตรงกับเกณฑ์ลูกค้าเป้าหมาย แล้วหาผู้บริหารฝ่ายการตลาดของแต่ละแห่ง พร้อมตามอีเมลงานและยืนยันผล [1]

  • ได้ชื่อ 27 คน
  • พบอีเมลงาน 21 รายการ เป็นเงิน $0.456
  • ใช้ได้จริงหลังยืนยัน 20 รายการ เป็นค่าตรวจสอบ $0.125
  • ผลที่ตัดสินไม่ได้ 1 รายการ ไม่คิดเงิน
  • พลาด 6 รายการ ไม่คิดเงิน
  • รวม $0.58 หรือคิดเป็น $0.029 ต่อผลลัพธ์ที่ใช้ได้

ในใบเสร็จเดียวกันมีบันทึกตรง ๆ ว่า Tomba ซึ่งเป็นตัวค้นหาที่ถูกที่สุด ไม่พร้อมให้บริการในวันนั้น จึงไม่ถูกคิดเงินเลย [1]

กลไกที่ทำให้ค่าใช้จ่ายคุมได้

ประเด็นที่คุ้มค่ากว่าตัวเลขราคาคือ บันไดการเลือกกุญแจ ทุกครั้งที่เรียกใช้จะไล่ตามลำดับนี้ [8]

  1. ถ้าทีมของคุณลงทะเบียนเครื่องมือของตัวเองไว้ ใช้กุญแจนั้น
  2. ถ้าทีมเก็บข้อมูลลับสำหรับผู้ให้บริการรายนั้นไว้ ระบบจะฉีดให้ผ่านเครื่องมือเสมือน
  3. ถ้าไม่มีทั้งสองอย่าง จึงใช้กุญแจของ Treg และเริ่มคิดเงิน

มีเพียงขั้นที่สามเท่านั้นที่เสียเงิน เอกสารของ Treg เขียนไว้ชัดว่า "Your own key always wins over treg's, and those calls are never metered" [7]

จุดที่หลายคนมองข้ามคือ หน่วยคิดเงินไม่ได้มีแบบเดียว แต่ละปลายทางประกาศประเภทของตัวเองไว้ ทั้งแบบคิดทุกครั้งที่เรียก แบบคิดเฉพาะเมื่อเจอ แบบคิดตามจำนวนผลลัพธ์ และแบบฟรี [7] eesel แนะนำให้ดูที่หน่วยคิดเงินก่อนดูที่ราคา เพราะตัวค้นหาที่คิดเฉพาะเมื่อเจอและพลาดครึ่งหนึ่ง จะถูกกว่าที่ป้ายราคาบอกไว้มาก [7] และเมื่อสั่งตรวจแล้ว สัญญาของ treg.people.email.verify จะคืนค่ามาเฉพาะ valid · status และ score [10]

ผลทดสอบที่ Treg รายงาน และสิ่งที่ต้องอ่านให้ครบ

ตรงนี้ต้องอ่านช้า ๆ ครับ

หน้า Treg อ้างอิง People Search Bench ของ LessieAI ซึ่งมี 119 โจทย์ และวัดเป็น เปอร์เซ็นต์ของงานที่ตอบถูก โดยเปรียบเทียบเอเจนต์ตัวเดียวกันแบบมีและไม่มี Treg [1]

ตัวเลขที่ Treg รายงาน [8]

  • Recruiting: Claude Code เดี่ยว 50.5 กับ Treg 80.0
  • B2B prospecting: Claude Code เดี่ยว 43.0 กับ Treg 78.2
  • Deterministic: Claude Code เดี่ยว 57.0 กับ Treg 76.3
  • Influencer: Claude Code เดี่ยว 43.2 กับ Treg 62.9

ตัวเลข 43% และ 78.2% ที่หน้าเว็บไฮไลต์ มาจากหมวด B2B prospecting โดยเฉพาะ ไม่ใช่คะแนนรวม

มาดูสิ่งที่ต้องอ่านเพิ่ม

ทำไมผลชุดนี้ต้องอ่านให้ครบ

หนึ่ง NicAI ซึ่งเขียนบันทึกวิเคราะห์ Treg ไว้ เตือนไว้ตรง ๆ ว่า "It is a vendor-selected benchmark, published by one of the competitors it scores" แปลว่าผลชุดนี้ถูกเลือกและเผยแพร่โดยคู่แข่งรายหนึ่งที่ถูกนำมาวัดด้วย ผลที่ได้จึงสรุปออกมาเป็น "an agent with paid data beats an agent with only web search" เป็นเรื่องจริงและไม่น่าแปลกใจ [8]

สอง ตัวเลขที่ Treg รายงานไม่ตรงกับ leaderboard ทางการของ LessieAI บน GitHub ซึ่งเรียง Lessie 65.2 Exa 55.0 Claude Code 46.0 และ Juicebox 45.8 โดย ไม่มีแถวของ Treg อยู่เลย [4] [5] [6] ตรงกับข้อสังเกตที่ว่า ควรเรียกผลชุดนี้ว่า "ผลที่ Treg รายงาน" ไม่ใช่ "อันดับหนึ่งที่ยืนยันอิสระแล้ว"

สาม หน่วยวัดเป็นคนละแบบกัน Treg ใช้ เปอร์เซ็นต์ของงานที่ตอบถูก [1] ขณะที่ leaderboard ทางการใช้ คะแนนเต็ม 100 [4] สองหน่วยนี้เทียบตรงกันไม่ได้ ส่วนหมวด B2B มิติ Relevance Precision ของ [4] ให้ค่า Claude Code เดี่ยวเท่ากันที่ 43.0 ขณะที่คะแนนรวมใน leaderboard ทางการอยู่ที่ 46.0

จำนวนที่แต่ละแหล่งบอกไม่ตรงกัน

สี่ จำนวนเครื่องมือที่แต่ละที่บอกไม่ตรงกันเลย ทั้งที่พูดถึงผลิตภัณฑ์เดียวกัน

  • หน้า Treg เองบอก 111 ผู้ให้บริการ และ 3,900+ เครื่องมือ [1]
  • เว็บ eesel บอก 3,700+ ปลายทาง [7]
  • NicAI บันทึกว่า ประมาณ 2,900 ปลายทาง จาก 60 ผู้ให้บริการ [8]
  • RepoCloud บอก 2,800+ ปลายทาง จาก 56 ผู้ให้บริการ [11]

ตัวเลขเหล่านี้ไม่ใช่การโกหก แต่สะท้อนว่าแค็ตตาล็อกเติบโตตลอดเวลา และแต่ละแหล่งจับภาพคนละช่วงเวลา ข้อควรจำคือ 111 นับเป็นจำนวนผู้ให้บริการ ส่วน 3,900+ นับเป็นจำนวนเครื่องมือหรือปลายทาง สองตัวนี้ไม่ใช่ตัวเลขเดียวกัน [1] [11]

เรื่องสัญญาอนุญาตที่ต้องอ่านบรรทัดเล็ก

โค้ดของ Treg เปิดบน GitHub ที่ superdesigndev/treg แต่ไฟล์ LICENSE ไม่ได้เป็น Apache 2.0 เปล่า ๆ [3]

ไฟล์เขียนไว้ชัดว่าใช้ Apache License 2.0 พร้อมข้อกำหนดเพิ่มเติม และข้อกำหนดเพิ่มเติมมีผลเหนือกว่าเมื่อขัดกัน ข้อแรกคือเรื่องบริการโฮสต์ [3]

You may NOT use this software, in original or modified form, to provide a hosted, managed, or embedded service to third parties, for example offering it as a SaaS product, a managed registry service, or a component of a product or service that is sold, licensed, or otherwise commercially distributed to others, without the licensor's explicit prior written authorization.

ในทางกลับกัน ไฟล์เดียวกันก็ระบุชัดว่า "running your own registry for your own team is expressly permitted and encouraged" [3] แปลว่านำไปรันใช้ในองค์กรตัวเองทำได้และได้รับการสนับสนุนด้วยซ้ำ

ในมุมมองของผม คำว่า "เปิดซอร์สโค้ดพร้อมข้อจำกัด" ตรงกว่า "โอเพนซอร์สเต็มรูปแบบ" และการนำไปทำบริการให้คนอื่นโดยไม่ขออนุญาตเป็นลายลักษณ์อักษรนั้นทำไม่ได้

จุดที่ต้องคิดก่อนใช้

NicAI รวบรวมข้อควรระวังไว้หลายข้อ ซึ่งมีประโยชน์มาก [8]

ข้อมูลส่วนบุคคลและกฎหมาย ข้อมูลบุคคลที่ดึงมาจากการเก็บข้อมูลเว็บแล้วนำมาใช้ติดต่อเชิงรุก คือส่วนที่มีความเสี่ยงจริง ไม่ใช่ตัวเครื่องมือ การมีฐานทางกฎหมายในการประมวลผลข้อมูลเป็นความรับผิดชอบของผู้ใช้ ไม่ใช่ของผู้ให้บริการ [8]

ข้อกำหนดของผู้ให้บริการ NicAI เขียนไว้ว่า "Several of these vendors do not obviously permit resale of their calls. If a provider objects, an endpoint can disappear from the catalog without warning." [8] แปลว่าปลายทางบางรายอาจหายไปจากแค็ตตาล็อกได้โดยไม่แจ้งล่วงหน้า นี่เป็นความเสี่ยงเชิงปฏิบัติที่ต้องเผื่อไว้

จุดรวมความเสี่ยงเดียว โทเคนเดียวเข้าถึงผู้ให้บริการทุกเจ้าและกุญแจทุกดอกที่อัปโหลดไว้ โดยเก็บฝั่งเซิร์ฟเวอร์ของโปรเจกต์ที่ยังใหม่ [8] นี่คือราคาที่ต้องจ่ายเพื่อแลกกับการไม่ต้องถือกุญแจเอง

การเติมเงินล่วงหน้า ถ้าเครดิตหมดกลางคัน เอเจนต์ที่กำลังทำงานอยู่จะหยุด ระบบคืนสถานะ 402 พร้อมตัวเลขเครดิตและลิงก์เติมเงิน เพื่อให้เอเจนต์จัดการต่อได้เอง [8]

ปลายทางบางรายยังไม่เปิดกว้าง จากรายการบนหน้าเว็บ TikTok trends API อยู่ในสถานะเชิญเท่านั้น และ Instagram reels API ต้องผ่านการรีวิวแอป [1]

ผลลัพธ์ที่ AI หาให้ ยังต้องตรวจ นี่เป็นข้อที่สำคัญที่สุด การที่เอเจนต์หาข้อมูลมาให้ได้ ไม่ได้แปลว่าข้อมูลนั้นถูกต้องทั้งหมด ก่อนทักใครสักคน ยังต้องตรวจตำแหน่งงาน อีเมล ความเป็นส่วนตัว และกติกาของแต่ละแพลตฟอร์มเอง

เหมาะกับใคร

ถ้าคุณทำงานด้านการขาย การสรรหาบุคลากร หรือการวิจัยตลาด Treg น่าลองใช้ เพราะลดงานไล่เปิดหลายเว็บและลดค่าสมัครรายเดือนที่จ่ายทิ้งไปเปล่า ๆ ลงได้มาก และจุดที่แข็งแรงที่สุดคือการลงทะเบียนกุญแจเดิมที่มีอยู่ เพราะการเรียกใช้บนกุญแจของคุณเองจะไม่ถูกคิดเงินเลย [8]

แต่ถ้าคุณต้องการความมั่นใจเต็มร้อยเรื่องความยั่งยืนของแค็ตตาล็อก หรือต้องการให้ข้อมูลทุกแถวผ่านการตรวจสอบจากหน่วยงานอิสระก่อน ผมเห็นว่านี่คือจุดที่ควรตั้งคำถามและทดลองด้วยงบเล็ก ๆ ก่อน

หน้าเว็บของ Treg เปิดให้เริ่มด้วยเครดิตฟรีหนึ่งดอลลาร์ [1] และให้คุณดูราคาก่อนทุกครั้งที่เอเจนต์จะใช้จ่าย [7]

ถ้าคุณกำลังคิดจะลอง เริ่มจากงานเล็ก ๆ ที่วัดผลได้ก่อน เช่น หาอีเมลงานของผู้บริหารสิบคนในบริษัทเป้าหมาย แล้วดูว่าใบเสร็จกับผลลัพธ์ที่ได้ตรงกับที่คุณจ่ายจริงไหม?

แหล่งอ้างอิง

[1] Treg, 2026. "Claude for people search: lead enrichment for agents", https://treg.to/people-search

[2] GitHub, 2026. "superdesigndev/treg", https://github.com/superdesigndev/treg

[3] GitHub, 2026. "tools-registry License", https://github.com/superdesigndev/treg/blob/main/LICENSE

[4] GitHub, 2026. "LessieAI/people-search-bench", https://github.com/LessieAI/people-search-bench

[5] arXiv, 2026. "PeopleSearchBench: Evaluating AI-Powered People Search Platforms with Criteria-Grounded Verification", https://arxiv.org/abs/2603.27476

[6] Lessie AI, 2026. "PeopleSearchBench", https://lessie.ai/benchmark

[7] eesel AI, 29 กันยายน 2026. "Treg pricing in 2026: what every agent tool call really costs", https://www.eesel.ai/blog/treg-pricing

[8] NicAI, 1 กันยายน 2026. "treg", https://notes.nicolasdeville.com/api/treg

[9] Treg, 2026. "Catalog", https://treg.to/catalog

[10] Treg, 2026. "llms.txt", https://treg.to/llms.txt

[11] RepoCloud, 2026. "Treg", https://repocloud.io/details/Treg

AI Disclosure: บทความนี้ใช้ DeepSeek V4.1 Flash (ผ่าน Ollama Cloud) ช่วยในการค้นข้อมูล จัดเรียบเรียง และตรวจสอบความสอดคล้องของตัวเลข โดยผู้เขียนเป็นผู้กำหนดประเด็น ตรวจแหล่งอ้างอิง และตัดสินใจเนื้อหาทั้งหมด