สร้าง AI Agent ของตัวเอง — ไม่ใช่แค่เรียก API แล้วโชว์ข้อความ แต่เป็นระบบที่จำบทสนทนาได้

มาจากโปรเจค Jarvis — Multi-Session AI Chat System
จองรอบนี้เพื่อเรียนหัวข้อ Multi-Session Chat — ผู้สอนจะเห็นว่า คุณมาจากโปรเจคนี้และเตรียมตัวมาให้ตรง
คูปองส่วนลดหมดอายุใน
15 วัน 19:05:14
ครั้งละ 2 ชม. เลือกวันและเวลาที่สะดวก · เริ่มจองได้ตั้งแต่พรุ่งนี้
หัวข้อที่จะเรียน: Multi-Session Chat
1,341 บาท1,490 บาทเรียก 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
ของที่ทำในคาบเอากลับไปได้ทั้งหมด พร้อมบันทึกการสอนที่เปิดย้อนหลังได้ และเกียรติบัตรที่มีรหัสตรวจสอบเมื่อเรียนครบ · รายละเอียดเต็มทั้งข้อที่เราให้ได้และให้ไม่ได้ อ่านที่หน้า “จ่ายแล้วได้อะไร” (/promise)
จองเป็นคาบ ครั้งละ 2 ชม. เรียน 1 หัวข้อ ถ้าอยากเรียนหลายหัวข้อรวดเดียว เหมาทั้งวันได้ เลือกหัวข้อได้เลยในกล่องจองด้านบน ผู้สอนจะเห็นก่อนถึงวันเรียนแล้วเตรียมมาเฉพาะเรื่องนั้น ยังไม่แน่ใจก็จองไว้ก่อนได้ ค่อยเลือกด้วยกันหน้างาน
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
ยังไม่มีคำถาม — ติดตรงไหนเกี่ยวกับคอร์สนี้ ถามได้เลย เดี๋ยวมีคนช่วยตอบ 🙌