สร้าง AI Agent ของตัวเอง — ไม่ใช่แค่เรียก API แล้วโชว์ข้อความ แต่เป็นระบบที่จำบทสนทนาได้

ครั้งละ 2 ชม. · เลือกวันและเวลาที่สะดวก
เรียก LLM API, streaming response, จัดการ error/timeout, เก็บประวัติแชท
หลายห้องสนทนาขนานกัน, สรุปบทสนทนาเก่า, memory ข้าม session
แบ่ง chunk, embedding, vector DB, retrieval, จัด context ให้พอดี
function calling, MCP, agent ที่วางแผนหลายขั้นแล้วลงมือเอง, guardrail
คุมต้นทุน token, rate limit, cache, ประเมินคุณภาพคำตอบ, deploy
ทีมผู้สอน AI Agent Academy
ผู้สอนที่ใช้ AI ทำงานจริงทุกวัน เน้นลงมือทำมากกว่าท่องทฤษฎี พาคุณไปใช้งานได้จริงตั้งแต่วันแรก
ไม่จำเป็น คอร์สออกแบบให้เริ่มจากศูนย์ได้ ถ้ามีพื้นฐานอยู่แล้วก็จะยิ่งต่อยอดได้เร็วขึ้น แค่ใช้ AI เป็นผู้ช่วย ทุกอย่างผ่าน prompt
2 ชม. ต่อ 1 stack — เลือกเรียนหัวข้อที่อยากทำในวันนั้น เลือกมาจองแล้วลงมือทำเลย
แล้วแต่คุณ แต่ละ stack เป็นโปรเจกต์/ทักษะอิสระ ลูกค้าบางคนเรียนครั้งเดียวเพื่อทำ workshop จบ บางคนกลับมาเรียนหลายครั้งจนครบทุก stack
โอนเงินแล้วแนบสลิปในระบบ เราตรวจสอบและยืนยันที่นั่งให้อัตโนมัติ
ได้ ถามผู้สอนและเพื่อนร่วมคอร์สได้ในคอมมูนิตี้ของเรา
1 enrollment = 2 ชม. เลือกเรียน 1 หัวข้อ ถ้าอยากเรียนหัวข้ออื่น จองรอบใหม่ จ่ายใหม่
หน้าแชทที่ตอบไหลทีละคำ (SSE / stream)
หลายห้องสนทนาขนานกัน สลับ/ตั้งชื่อ/ลบ (โปรเจค Jarvis)
เก็บ/โหลดประวัติแชทลง DB
ออกแบบ persona และขอบเขตให้ AI
ตัด/สรุปบทสนทนาเก่าให้พอดี context
จำผู้ใช้และบริบทระหว่างห้อง
แปลงข้อความเป็น vector เลือกโมเดล
เก็บ/ค้น vector (pgvector, Turso, Pinecone)
แบ่งเอกสารให้ retrieval แม่น
retrieve → rerank → ประกอบ prompt → ตอบ
บอกว่าคำตอบมาจากเอกสารไหน
ให้ AI เรียกฟังก์ชันของเราเอง
ออกแบบ schema เครื่องมือให้ AI ใช้ถูก
ต่อ AI เข้าเครื่องมือภายนอกด้วย MCP
วางแผนหลายขั้น ลงมือ ตรวจผล วนซ้ำ
กัน prompt injection และคำตอบนอกขอบเขต
บังคับให้ตอบเป็น JSON ตาม schema
อัปโหลด PDF แล้วถามตอบจากไฟล์
ให้ AI อ่านรูป/สกรีนช็อต
พูดคุยด้วยเสียง speech-to-text
ลดต้นทุนด้วย cache ส่วนที่ซ้ำ
วัดต้นทุนต่อ session แสดง dashboard
จำกัดการใช้ต่อผู้ใช้ กันบิลบาน
ชุดทดสอบว่าคำตอบดีขึ้นหรือแย่ลง
deploy พร้อม secret management + logging
โค้ดจริงที่ใช้ประกอบการสอน — เปิดดูโครงสร้างและบทความได้ก่อนตัดสินใจ