▶SUBTHAIแปลไทย · ซับ · พากย์⚙
บทความแปลภาษาไทย · YouTube

Complete AI Agent Project in Gemini — Multi-Agent Tools, Memory & Deployment (Capstone)

0:000:00
เล่นเสียงต้นฉบับของวิดีโอ พร้อมแสดงซับไทยซิงก์ตามเวลา
กำลังโหลดวิดีโอ…
01

สรุปย่อ

ประเด็นสำคัญจากวิดีโอ

- **ช่อง:** Adspolitan Knowledge Studio · **ความยาว:** ~19 นาที · **ลิงก์:** https://www.youtube.com/watch?v=a1lbRqgc35A

# สรุป: Complete AI Agent Project in Gemini — Multi-Agent Tools, Memory & Deployment (Capstone)

- **ช่อง:** Adspolitan Knowledge Studio · **ความยาว:** ~19 นาที · **ลิงก์:** https://www.youtube.com/watch?v=a1lbRqgc35A

## ประเด็นหลัก

- ตอนปิดซีรีส์: จบ assignment ทั้ง 10 อันแล้ว เหลือ capstone project (optional) — เข้าร่วมแล้วได้ badge + ใบรับรองบนโปรไฟล์ Kaggle และถ้าติด top 12 ได้ swag + โชว์ผลงานบนโซเชียลมีเดียของ Kaggle
- 4 track ให้เลือก: concierge agent, agents for good, enterprise agents, freestyle — ผู้สอนเลือก concierge agent
- เงื่อนไขหลัก: write-up ที่มี problem + solution pitch, เผยแพร่โค้ดแบบ public (GitHub หรือ Kaggle notebooks), อธิบายคุณค่าของเอเจนต์ให้ได้ และส่งได้ครั้งเดียวต่อโปรเจกต์ (retract ได้แต่ทำซ้ำไม่ได้)
- Bonus 10 คะแนน: อัดวิดีโอ demo (หน้าจอการทำงาน) ใส่ลิงก์ YouTube ใน write-up
- Write-up ต้องมี checklist 6 ข้อ: title, subtitle (optional), thumbnail, track, description (markdown ≤ 1500 คำ ครอบคลุม problem statement, เหตุผลที่เลือก track, architecture, tools, demo), project link
- โปรเจกต์ของผู้สอน: AI learning planner แบบ concierge — แก้ปัญหาแหล่งเรียนรู้กระจัดกระจาย ไม่มีเส้นทางเรียนแบบมีระบบ และรักษาความสม่ำเสมอยากเมื่อเวลาจำกัด
- สถาปัตยกรรม: coach agent (หน้าบ้าน สนทนากับผู้ใช้) มอบหมายงานให้ planner agent ผ่าน agent tool calling; tools คือ search_resources + build_schedule (วางแผน 3/5/7 วันตามชั่วโมงต่อสัปดาห์)
- เทคโนโลยี: Gemini 2.5 Flash ผ่าน Google GenAI API, Google ADK, InMemory session service, Kaggle notebook, observability + evaluation harness ตรวจโครงสร้างแผน (จำนวนวัน/ชั่วโมง) และ error handling
- Demo จริง: "อยากเรียน AI สำหรับ YouTube, beginner, 5 ชม/สัปดาห์" → ได้แผน 5 วันแบบ personalized พร้อมคำอธิบายฉบับเป็นมิตร; evaluation ผ่านทั้งเคส 3 ชม./สัปดาห์ และ 8 ชม./สัปดาห์
- การจัดการ rate limit ของ free tier API: ป้องกัน notebook พัง ทำงานต่อเนื่องแบบ graceful พร้อมข้อความสถานะที่เป็นมิตร
- เทคนิคจัดการรูปใน Kaggle: สร้าง dataset ใหม่ อัปโหลดรูป แล้ว add input เข้า notebook อ้างอิง image ID ในโค้ด — แชร์แบบ public เพื่อให้กรรมการเข้าถึงได้

## ความเห็นสรุป

วิดีโอนี้เหมาะเป็นแบบอย่างสำหรับคนที่อยากส่ง capstone จริง เพราะเห็นทั้งกติกา โครงสร้าง write-up และโค้ดจริงของผู้สอนครบตั้งแต่ต้นจนจบครับ โปรเจกต์ AI learning planner เป็นตัวอย่างที่เหมาะสม เพราะรีใช้ทุกอย่างที่เรียนมาในคอร์ส (multi-agent, tools, session, evaluation, observability) ไว้ในงานเดียวครับ ข้อควรจำคือ deadline และเงื่อนไขรางวัลผูกกับรอบ hackathon ของผู้สอน ผู้ดูควรเช็คข้อมูลล่าสุดจากหน้ากากับ Kaggle เองครับ
02

คำแปลเต็ม

แปลตามบทสนทนาต้นฉบับ ปรับเป็นภาษาไทยธรรมชาติ

ยินดีต้อนรับกลับมาที่ช่องและกลับมาที่ playlist ครับ เราทำ assignment ทั้ง 5 วันครบสมบูรณ์แล้ว รวมทั้งหมด 10 assignments และเราผ่านคอร์ส intensive นี้สำเร็จแล้วครับ ส่วนสุดท้ายที่เหลืออยู่คือ capstone project ครับ ถ้าสนใจก็ลองทำได้เลย หรือถ้าไม่ก็ได้เพราะเป็น optional ครับ แต่ถ้าถามผม ผมแนะนำให้ลองดูครับ เพราะแค่เข้าร่วมคุณก็จะได้ badge และใบรับรองในโปรไฟล์ Kaggle และถ้าคุณได้เป็นหนึ่งในผู้ชนะ 12 อันดับแรก คุณจะได้รับของที่ระลึกจาก Kaggle และมีผลงานไปแสดงบนโซเชียลมีเดียของ Kaggle ด้วยครับ นี่เป็นวิธีที่ดีในการเพิ่มความมั่นใจและตรวจสอบว่าคุณเรียนรู้มาแค่ไหนแล้วครับ

เพื่อช่วยให้เห็นภาพมากขึ้น ผมจะแสดงสิ่งที่ผมสร้างไว้เพื่อเข้าร่วมการแข่งขันโปรเจกต์นี้ครับ ผมจะคลิกที่นี่ซึ่งก็ agents intensive capstone project ครับ คุณต้องเพิ่ม write-up ของคุณที่นี่ และเข้าใจกติกาจากแท็บพวกนี้ได้เลย เริ่มต้นด้วยการดูภาพรวมกันก่อน อย่างที่เห็นมันจะปิดรับในอีก 4 วันข้างหน้า ซึ่งผมคิดว่าเวลามากกว่าพอสำหรับการสร้าง AI agent แล้วส่งครับ

สิ่งแรกคืออะไรบ้างที่จำเป็นเพื่อให้โปรเจกต์ของคุณมีสิทธิ์เข้า hackathon นี้ อันดับแรกคุณต้องเลือกหนึ่ง track จากสี่ตัวเลือกที่ให้มาครับ หนึ่งคือ concierge agent ถัดไปคือ agents for good แล้วเป็น enterprise agents หรือ freestyle ครับ สำหรับ submission ของผม ผมใช้ concierge agent ครับ ถัดไปคือการเขียน write-up เมื่อคุณใส่ข้อมูลว่ากำลังสร้างอะไร คุณต้องแน่ใจว่ามันมี problem และ solution pitch ตามที่คุณสร้างเอเจนต์ไว้ครับ ตัวอย่างที่ให้ไว้ตรงนี้เป็นเรื่องการเขียนบล็อก มันบอกว่าการเขียนบล็อกเป็นงาน manual และใช้เวลามากเกินไป ดังนั้นฉันจะสร้าง automated blog writer agent เพื่อขยายกำลังผลิตบล็อกและคุณภาพบล็อกของฉันครับ

concierge agent ที่ผมทำงานด้วยและส่งไปแล้วคือเอเจนต์ซึ่งเป็น AI learning planner ครับ มันไม่ได้บอกแค่ว่าคนหนึ่งควรอ่านอะไร แต่เมื่อได้ตารางเวลาต่อสัปดาห์แล้ว เอเจนต์จะวางแผนให้คนนั้นเลยครับ เช่น ถ้าคนหนึ่งมีเวลา 3 ชั่วโมงต่อสัปดาห์ทุกวัน เอเจนต์ก็จะจัดแผนให้ผู้ใช้ตามนั้นครับ

ส่วนถัดไปคือการพัฒนาและเผยแพร่โค้ด และต้องเป็นแบบสาธารณะด้วย เพื่อให้ทีมและกรรมการเข้าถึงได้ครับ คุณเผยแพร่ได้ทั้ง GitHub หรือ Kaggle notebooks ผมทำไว้บน Kaggle notebooks เองครับ ถัดไปคุณต้องสามารถสื่อสารคุณค่าของเอเจนต์ได้ด้วยการเตรียม write-up ซึ่งก็อันที่ผมเพิ่งพูดถึงไปครับ เดี๋ยวเราไปดู write-up ของโปรเจกต์ผมด้วย เพื่อให้คุณเข้าใจว่าควรเขียนอย่างไรสำหรับเอเจนต์ของคุณเองครับ

ต่อไปคือ bonus point คุณสามารถเผยแพร่วิดีโอเกี่ยวกับโปรเจกต์ได้ครับ ก็คืออัดหน้าจอสิ่งที่คุณทำ คุณสร้างมันอย่างไร และมันทำงานอย่างไร แล้วเอาลิงก์ YouTube ไปวางใน write-up ของคุณ ซึ่งจะได้คะแนนพิเศษ 10 คะแนนสำหรับโปรเจกต์ครับ

เอาล่ะ ตอนนี้เราอยู่ที่หน้า write-ups แล้ว นี่คือเอเจนต์ที่ผมส่งไป นี่คือ write-up ของผม และเลื่อนลงด้านล่างคุณจะเห็นว่าคนอื่นๆ ส่งอะไรมาบ้างครับ ดูได้ว่าใครส่งและพวกเขาส่งอะไรมา คุณยังสามารถเลือกแท็กพวกนี้เพื่อดูว่าแต่ละคนใช้ track ไหน เพื่อทำความเข้าใจว่ามีโปรเจกต์แบบไหนถูกส่งเข้ามาบ้าง คุณเพียงไล่ดูพวกมันและเห็นว่าแต่ละโปรเจกต์เป็นอย่างไรครับ

ตัวที่เขียนว่านี่ จะดูได้เมื่อ hackathon ปิดแล้ว เพราะบางคนไม่อยากแชร์ผลงานแบบสาธารณะ เนื่องจากคนอื่นอาจลอกไอเดียได้ แต่ก็มีบางคนที่โอเค เพราะเขาเรียนรู้และไม่ได้เล็งอันดับ top 12 มากนัก เขาจึงแชร์ให้คนอื่นดูได้ เพื่อที่พวกเขาจะได้เรียนรู้จากมันครับ submission ของผมก็ public อยู่ตอนนี้ ถ้าใครอยากดู ผมจะใส่ลิงก์ไว้ในคำอธิบายวิดีโอ คุณสามารถดูได้แล้วลองทำของคุณเองต่อครับ

ผมคลิกเข้าไปดู submission ของผม นี่คือ submission และมันบอกว่าคุณแก้ไขได้จนถึง deadline นี้ครับ ถ้าคลิกตรงนี้ มันมี retract และ delete ครับ retract หมายความว่าดึงมันออกจาก hackathon คือถอนตัวจากการแข่งขันครับ เพราะคุณทำได้แค่ submission เดียวต่อโปรเจกต์ ไม่สามารถส่งหลายครั้งได้ ดังนั้นต้องระวังให้มากก่อนส่งครับ

เอาล่ะ ขอแสดง draft ก่อนกันนะครับ คุณต้องคลิกที่มุมขวาบนตรงนี้ มันเขียนว่าเขียนใหม่ ตรงนี้คุณจะเห็นว่าต้องกรอกรายละเอียดพื้นฐาน เช่น title แล้วอธิบาย subtitle ของมัน ใส่ thumbnail เลือก track ที่นี่ว่าจะไปทางไหน เลือกตัวไหน แล้วคุณต้องเพิ่มรูปหรือวิดีโอใน gallery ตรงนี้ วิดีโอก็คือวิดีโอ YouTube และรูปอื่นๆ พร้อมภาพหน้าจอโค้ดของคุณและพฤติกรรมการทำงานของมันครับ ถัดไปคุณต้องใช้ประมาณ 1500 คำ ไม่เกินนั้น เพื่ออธิบายเอเจนต์และโปรเจกต์ของคุณ และควรเป็น markdown เป็นส่วนใหญ่ครับ สิ่งที่ต้องเล่าตรงนี้คือ problem statement ปัญหาที่คุณกำลังแก้คืออะไร แล้วทำไมคุณถึงใช้เอเจนต์หรือ track นั้นๆ คุณสร้างอะไรไว้ เช่น architecture โดยรวม ใช้ tools อะไรบ้าง และอื่นๆ ครับ แล้วก็ demo ว่าเมื่อใส่คำตอบหรือคำสั่งเข้าไป คุณคาดหวังให้เอเจนต์ตอบอย่างไร รวมถึงเทคโนโลยีที่คุณใช้ และถ้ามีอะไรเพิ่มเติมที่อยากให้กรรมการรู้ คุณก็ใส่ได้เลย เช่นบอกว่านี่คือสิ่งที่ผมทำ แต่คุณสามารถต่อยอดเพิ่มเติมได้ครับ

เอาล่ะ เมื่อคุณใส่ทุกอย่างและเริ่มพิมพ์ในช่อง markdown ตรงนี้ checklist ที่นี่จะเริ่มติ๊กขึ้นมาครับ เรามีหกอย่างที่ต้องทำให้ครบ เช่น ผมใส่ title ว่า test คุณก็เห็นว่า title เสร็จแล้ว ทำไม subtitle ถึงติ๊กอยู่ล่ะ เพราะมัน optional จะใส่หรือไม่ก็ได้ครับ คุณจึงได้ติ๊กที่นี่ ต่อไป thumbnail ถ้าอัปโหลดอะไรบางอย่างคุณก็จะได้เหมือนกัน คุณต้องเลือก submission track ในกรณีของผมผมเลือกอันนี้ คุณเห็นว่ามันถูกติ๊กด้วย ส่วน project description ตอนนี้มันถูกกรอกไว้แล้ว มันเลยบอกแบบนั้น แต่คุณต้องเริ่มเขียนเกี่ยวกับมันครับ และ project link คือสิ่งที่คุณต้องอัปเดตตรงนี้ ซึ่งก็คือลิงก์ไป GitHub หรือลิงก์ไป Kaggle notebook ของคุณ ใส่ได้ตรงนั้นเลยครับ ถ้ามีลิงก์อื่นที่อยากเพิ่มก็ใส่ได้ที่นี่เช่นกัน เมื่อคุณกรอกครบแล้วปุ่ม submit จะเปิดใช้งาน แล้วคุณส่งได้เลย ก่อนหน้านั้นคุณจะมีแค่ตัวเลือกบันทึก draft ไว้เท่านั้นครับ ผมกด cancel เพราะ write-up ของผมทำไว้แล้วครับ

ใน write-up ของผม ผมจะเล่าว่าผมทำอะไรไว้บ้าง ผมเขียน problem statement ไว้ นี่คือภาพที่อธิบาย concierge agent ของผม ซึ่งมันจะให้แผนรายสัปดาห์แบบ personalized แก่ผู้ใช้ ว่าต้องเรียนอย่างไร ต้องเรียนเนื้อหาอะไรบ้างในแต่ละวันครับ ปัญหาที่ผมระบุไว้ตรงนี้คือ ผู้เรียน AI และครีเอเตอร์ต้องดิ้นรนกับแหล่งเรียนรู้ที่กระจัดกระจายเกินไป ไม่มีเส้นทางการเรียนรู้รายสัปดาห์ที่เป็นระบบ และฝ่าฝืนเพื่อคงความสม่ำเสมอได้ยากเพราะเวลาจำกัด ขาดแรงจูงใจเมื่อไม่มีคนแนะนำ ซึ่งนำไปสู่เวลาที่เสียเปล่า ความคืบหน้าที่ติดขัด และอาการหมดไฟครับ นี่คือปัญหาครับ

ทีนี้ solution ที่ผมเสนอตรงนี้คือการมี personalized concierge assistant ครับ มันจะทำอะไร มันจะเข้าใจเป้าหมาย ระดับ และชั่วโมงต่อสัปดาห์ของผู้เรียน คัดสรร task ที่เกี่ยวกับ AI และการทำ YouTube ที่เกี่ยวข้อง สร้างแผนรายสัปดาห์แบบไดนามิก เช่น 3 วัน 5 วัน หรือ 7 วัน แล้วรักษาผู้ใช้ให้มีส่วนร่วมผ่านขั้นตอนที่ลงมือทำได้จริง ปรับปริมาณงานให้เหมาะกับเวลาที่มีครับ เช่น ถ้าเป็นมนุษย์ทำงานที่มีเวลาแค่ 3 ชั่วโมงต่อสัปดาห์หรือต่อวัน เอเจนต์ก็จะวางแผนทุกอย่างให้คนนั้นตามนั้นครับ ผลลัพธ์ที่ได้คือพฤติกรรมการเรียนที่สม่ำเสมอ และความมั่นใจในการสร้างคอนเทนต์ที่ดีขึ้นครับ

ทีนี้ technical implementations ที่เราจะทำตรงนี้มีอะไรบ้าง เราจะมี coach agent และ planner agent แบบ delegation (การมอบหมายงาน) ครับ ส่วน tools ที่เราจะใช้คือ search_resources กับ build_schedule ครับ agent tool calling ก็คือ planner ซึ่งจะถูกเปิดเผยเป็น agent tool ตัวหนึ่ง สำหรับ sessions กับ memory เราจะใช้ InMemory session service ซึ่งเราใช้กันมาแล้วในแบบฝึกหัดก่อนๆ ครับ ส่วน observability ใช้สำหรับ logging และ tracking ที่สะอาด และ agent evaluation ก็คือผลลัพธ์แบบอัตโนมัติและการจัดการ error อย่างสวยงามครับ โมเดลก็ตัวปกติ 2.5 Flash โมเดล Gemini ที่เราได้ผ่าน Google GenAI API framework เป็น Google ADK และ platform ที่ใช้คือ Kaggle notebook ครับ ถ้าอยากใช้ GitHub หรือสภาพแวดล้อมนอก Kaggle ก็ใช้ได้ครับ

ถัดไปคือ agent evaluation ครับ สิ่งที่เราจะทำตรงนี้คือ evaluation harness จะตรวจว่า response มีโครงสร้างรายวัน เช่น วันที่ 1 วันที่ 2 วันที่ 3 มีการรับรู้เรื่องเวลา ว่าสะท้อนชั่วโมงต่อสัปดาห์เท่าไหร่ มันยังต้องให้แผนที่เป็นมิตรกับผู้เรียน และ output ที่เป็นเนื้อหาสอดคล้องกันครับ ส่วน rate limit errors ที่เราจะเจอ สำหรับ API แบบ free tier เราจะป้องกันไม่ให้ notebook พัง เราจะใช้วิธีนี้เพื่อให้การทำงานต่อเนื่องเป็นไปอย่างสวยงาม และพิมพ์ข้อความสถานะที่เป็นมิตรครับ คุณสามารถอ่านรายละเอียดทั้งหมดของ write-up ของผมได้ ผมจะแชร์ลิงก์ไว้ในคำอธิบาย เพื่อให้คุณอ่านและเข้าใจได้เลย มันเป็นแบบ public ครับ

ถ้าดูตรงด้านล่างนี่ ผมสร้างมันเมื่อวานไว้ และนี่คือ Kaggle notebook ครับ เดี๋ยวผมจะแสดงวิธีแนบลิงก์ตอนท้ายวิดีโอ ผมจะคลิกที่นี่เพื่อให้เห็นว่าผมเขียนโค้ดอะไรไว้ ผมสามารถแก้ไขและเปลี่ยนได้ตรงนี้ และแชร์จากที่นี่ได้ ผมทำไว้แล้ว ดังนั้นมันเป็นแบบ public อย่างที่เห็นครับ ตรงนี้คือที่ที่คุณแชร์ ถ้าอยากให้เป็น private ให้เลือกตรงนี้แล้วเพิ่มผู้ร่วมงานของคุณ เพื่อให้เฉพาะคนเหล่านั้นเข้าถึงได้ ส่วนแบบ public ทุกคนที่มีลิงก์สามารถเข้าถึงได้ครับ

ตรงนี้จะแสดงสิ่งที่ผมทำไว้ทั้งหมดใน notebook มันจะแสดง runtime ด้วย สำหรับผม runtime คือ 60 วินาที หรือประมาณหนึ่งนาที คุณรันอันนี้แล้วภายในหนึ่งนาทีเอเจนต์จะพร้อมทำงานครับ ทีนี้มาที่ส่วนที่แก้ไขได้ตรงนี้ครับ สิ่งแรกที่ผมทำคือ install import และเพิ่ม API key ซึ่งเป็นขั้นตอนพื้นฐานอันดับแรกครับ ถัดไปผมอธิบายโปรเจกต์ไว้ตรงนี้ใน markdown และผมเพิ่มรูปไว้ตรงนี้เพื่อแสดงการเริ่มต้นว่าหน้าตาเป็นอย่างไร พอรันแล้วมันจะแสดงประมาณนี้ครับ ผมมี ID นี้ ผมเพิ่มไว้ตรงนี้ใน dataset ผมจะบอกวิธีเพิ่มตอนท้าย แล้วคุณเอาค่านี้ไปใส่ image ID ตรงนี้ในโค้ด ผมจะรันแล้วดู นี่คือหน้าตาที่รูปแสดงขึ้นมา มันเขียนว่า become an AI product manager ครับ

สิ่งถัดไปตรงนี้คือผมจะเรียก tools ทั้งหมด คือ research tool กับ dynamic weekly planner ซึ่งผมกล่าวถึงไว้ใน technical implementation แล้ว tools ที่ใช้คือ search_resources กับ build_schedule ครับ ตรงนี้คุณเห็น research tool ที่ผมนิยามไว้ตรงนี้ สำหรับแต่ละวัน เช่น ถ้าเป็นการฝึกหนึ่งชั่วโมงควรเป็นอะไร ถ้าสองชั่วโมงควรเป็น 1.5 หรือหนึ่ง นั่นคือจำนวนหัวข้อที่จะคัดมาครับ ถัดไปคือ build_schedule ตัว build_schedule จะย้อนดูสิ่งนี้ตามจำนวนไดนามิกที่ผู้ใช้ให้มา อาจเป็นสาม ห้า หรือเจ็ดหรืออะไรก็ได้ครับ มันบอกว่าถ้าน้อยกว่าสามให้ใช้สามวัน ถ้าชั่วโมงต่อสัปดาห์น้อยกว่าหกให้ใช้ห้าวัน และถ้าเป็นอย่างอื่นก็เจ็ดวันครับ คล้ายกัน ผมเพิ่มฟังก์ชันตรงนี้ แล้วมันจะคืนค่าจำนวนวันที่ใช้ ชั่วโมงต่อสัปดาห์ และตารางเวลาครับ planner จะใช้ search_resources กับ build_schedule นี้เป็น agent tool ของมันครับ ผมรันอันนี้ก่อน โอเค เสร็จแล้วครับ

ถัดไปคือ planner agent ผมรันอันนี้ด้วย planner agent จะใช้ search_resources กับ build_schedule และ planner tool ที่คุณจะสร้างขึ้นก็ใช้ planner agent นี่เองครับ คล้ายกันเราทำ coach agent ซึ่งตรงนี้จะใช้ planner ครับ ส่วน description ของสองตัวนี้ สำหรับ planner agent มันบอกว่า planner agent นี้สร้างแผนรายสัปดาห์ instruction คือสกัดเป้าหมาย ระดับ และชั่วโมงต่อสัปดาห์จาก structured input ซึ่งก็ข้อมูลที่ให้มาตรงนี้ เรียก search_resources เพื่อรับแหล่งเรียนรู้ และ build_schedule เพื่อสร้างแผนรายสัปดาห์แบบไดนามิก แล้วให้คำอธิบายแบบเป็นมิตรและแผนที่มีโครงสร้างครับ

ถัดไปคือ description ของอีกตัว โดยพื้นฐานแล้วมันเป็น concierge แบบสนทนาที่เป็นประตูหน้าบ้าน และบอกว่าคุณต้องเรียก planner นี้เพื่อมอบหมายงานวางแผนครับ โดยพื้นฐานแล้วข้อมูลใดก็ตามที่เข้ามา coach agent จะมอบหมายข้อมูลนั้นให้ planner agent ครับ planner tool นี้จะทำงานร่วมกับ search_resources และ build_schedule เพื่อให้ข้อมูลเกี่ยวกับแผนที่มีโครงสร้างครับ ต่อไปเราจะทำ helper functions เพราะเราอยู่ใน Kaggle notebook ถ้าคุณทำนอก Kaggle notebook คุณไม่ต้องมี helper function พวกนี้ครับ แล้วคุณยังต้องนิยาม runner และ session อยู่ดีครับ ผมรันตอนนี้ เสร็จแล้ว เราได้ session ID มาหนึ่งอัน นี่คือ session แรก เราเรียก app นี้ว่า learning concierge โดยใช้ชื่อ student ครับ เราได้อัปเดตข้อมูล เช่น session service เป็น InMemory service และ InMemory session service ครับ session ควรได้ข้อมูลนี้ แล้ว session ID ก็ถูกสร้างขึ้น runner จะรันโดยใช้ข้อมูลนี้ครับ จากนั้นเรามี ask_agent ซึ่งก็ข้อความจากผู้ใช้ คือผู้ใช้ตรงนี้ คุณจะมี user กับ session ID ที่สร้างขึ้น คุณจะตรวจว่าข้อความใดมาจากผู้ใช้สำหรับ session ID นี้ แล้วสร้างคำตอบสุดท้ายตามนั้นครับ

ใน demo เราถามเอเจนต์ว่า ผมอยากเรียน AI สำหรับทำคอนเทนต์ YouTube ผมเป็นระดับ beginner มีเวลา 5 ชั่วโมงต่อสัปดาห์ แล้วคุณก็ได้แผนมาครับ มันบอกว่านี่คือแผน 5 วันแบบ personalized ของคุณ เพื่อเริ่มต้นการเรียนรู้ AI สำหรับการสร้างคอนเทนต์ YouTube ออกแบบสำหรับผู้เริ่มต้น และกระจายเป็น 5 ชั่วโมงต่อสัปดาห์ และนี่คือวิธีที่มันให้ข้อมูลห้าชั่วโมงครับ อุทิศเวลาหนึ่งชั่วโมงให้ Google Gemini สำหรับผู้เริ่มต้น แล้วสร้างเอเจนต์แรกของคุณแบบลงมือจริง และอื่นๆ ครับ และมันบอกว่าแผนนี้มุ่งให้ความรู้พื้นฐานที่สมดุลทั้งด้าน Google Gemini และการสร้างเอเจนต์ ควบคู่กับทักษะการทำคอนเทนต์ YouTube และการเขียนสคริปต์ที่จำเป็น ขอให้สนุกกับการเรียนรู้นะครับ นี่ไม่ใช่แค่แผนการเรียนรายสัปดาห์ แต่ยังให้บริบทแบบเป็นมิตรด้วย ซึ่งเป็นส่วนหนึ่งของ instruction ของเราที่ให้แผนมีโครงสร้างพร้อมคำอธิบายที่เป็นมิตรครับ

ถัดไปเราจะทำ evaluation harness ครับ ตรงนี้เราทดสอบสอง response หนึ่งสำหรับ 3 ชั่วโมงต่อสัปดาห์ อีกอันสำหรับ 8 ชั่วโมงต่อสัปดาห์ แบบ intermediate กับ beginner ครับ เราพูดว่าผมอยากตามเรื่อง AI agents ให้ทันระดับ beginner 3 ชั่วโมงต่อสัปดาห์ และผมอยากก้าวสู่ระดับ advanced ในทักษะ AI ระดับ intermediate 8 ชั่วโมง ครับ เราหยิบ prompt string มาตรวจว่ามีวันใดบ้างในแผนนั้น และจำนวนชั่วโมงที่ระบุไว้ ถ้ามีข้อความเกี่ยวกับแผนและจำนวนชั่วโมง ก็จะไม่มี error แต่ถ้าอย่างใดอย่างหนึ่งเป็นเท็จ จะต้องมี error string ระบุว่า error คืออะไรครับ

ถัดไปเราพิมพ์ evaluate prompt ครับ คุณเห็น test หนึ่งคือ นี่คือแผนรายสัปดาห์ของคุณเพื่อตามเรื่อง AI agents ให้ทัน และมันบอกว่าแผน 3 วันคือ Google Gemini สำหรับผู้เริ่มต้น สร้างเอเจนต์แรกของคุณ และคอนเทนต์เปิดตัว YouTube อย่างละหนึ่งชั่วโมงครับ มันบอกว่าคุณจะเรียนอย่างต่อเนื่อง 3 วันในสัปดาห์นี้ อุทิศวันละหนึ่งชั่วโมง ขอให้สนุกกับการดำดิ่งสู่โลกของ AI agents ครับ นี่คือแผนที่ถูกต้อง เป็นจริงครับ ถัดไปคือ นี่คือแผนที่เป็นไปได้เพื่อช่วยให้คุณก้าวสู่ระดับ advanced ในทักษะ AI ระดับ intermediate อุทิศ 8 ชั่วโมงต่อสัปดาห์ให้การเรียนรู้ ตรงนี้ 8 ชั่วโมงถูกแบ่งเป็น 1.1 กับ 1.1 สำหรับ 6 วันครับ และมันบอกว่านี่เป็นจริง เป็นแผนที่ถูกต้องครับ

ต่อไปนี่คืออีกรูปที่ผมแทรกไว้ตรงนี้ เพราะผมอยากได้อะไรบางอย่างก่อนปิดโปรเจกต์ โดยพื้นฐานแล้วมันเป็นเหมือนภาพปกครับ มันบอกว่านี่คือหน้าตาของ dynamic weekly planner ซึ่งจะมีวันที่หนึ่ง วันที่สาม วันที่เจ็ด และสิ่งที่คุณต้องเรียนครอบคลุมอะไรบ้าง คุณจะได้เรียนรู้อะไรแบบนั้นครับ ถัดไปคือ final submission ครับ นี่คือ write-up สั้นๆ ที่ผมมี สำหรับใครก็ตามที่อ่าน notebook แต่ไม่ได้ไปอ่าน write-up จะได้เข้าใจว่าเรามีอะไรที่นี่บ้างครับ มันบอกว่าคุณมี coach agent ซึ่งรับข้อมูลจาก planner agent tools ที่เราใช้ตรงนี้คือ search กับ build sessions และ memory เป็น InMemory service การวางแผนแบบไดนามิกรวม 3 5 7 วันตามชั่วโมงต่อสัปดาห์ evaluation harness อีกครั้งที่เราตรวจว่าแผนมีโครงสร้างถูกต้องและมีการจัดการ error อย่างสวยงาม observability console logs แสดงการ execute ของ tool และค่าของผู้เรียน โดยพื้นฐานแล้วคือแผน personalized และกลุ่มครีเอเตอร์ครับ และนี่คือรูปสุดท้ายซึ่งเป็นรูปขอบคุณสำหรับโปรเจกต์ของผม เขียนว่า thanks for watching ครับ

ทีนี้ผมจะบอกว่าผมเอารูปพวกนี้มาได้อย่างไร ตรงนี้คุณสามารถคลิก add input จาก notebook โดยตรง หรือคลิกจากตรงนี้ในส่วน dataset เพื่อนำข้อมูลใหม่เข้ามาครับ คลิกที่ new dataset แล้วเพิ่มไฟล์ทั้งหมดของคุณ รูปอะไรก็ตามที่มี ใส่ไว้ตรงนี้ครับ แล้วเมื่อคุณกลับมาที่ notebook ตรงนี้คุณจะมีตัวเลือก add input คลิกตรงนี้ซึ่งก็คือการเพิ่ม dataset ครับ คุณจะมีตัวเลือกปรากฏขึ้น ผมไม่อยากลบมันเพราะส่งไปแล้ว คุณจะมีตัวเลือกให้อัปโหลด คลิกเข้าไป มันจะแสดง dataset ที่ใช้ได้ที่เป็นส่วนหนึ่งของ notebook หรือโปรเจกต์ของคุณ เลือกอันที่เกี่ยวข้องแล้วเริ่มเพิ่มได้เลยครับ เมื่อเสร็จแล้ว คุณคลิก share แล้ว copy ลิงก์นี้ไปใส่ใน write-up ของคุณได้เลย ใส่ตรงนี้ได้ครับ ผมจะแชร์ลิงก์ของ write-up เองด้วย เพื่อให้คุณเข้าถึงทุกอย่างครับ

ถ้ามีคำถามหรือเจอปัญหาตอนสร้างโปรเจกต์ของคุณ บอกผมได้เลยครับ ผมยินดีช่วยเหลืออย่างยิ่งครับ หวังว่าคุณจะเข้าใจและชอบวิดีโอนี้ และนี่คือจุดสิ้นสุดของซีรีส์ครับ ถ้าคุณชอบ playlist นี้ โปรด subscribe ช่องนี้และแชร์ playlist ให้คนอื่นที่อยากเรียนคอร์สนี้ อยากเข้าใจว่า AI agent ถูกสร้างขึ้นได้อย่างไรครับ ผมจะอัปโหลด playlist เพิ่มเติมเกี่ยวกับคอร์สต่างๆ และแนวคิดต่างๆ เพื่อให้คุณได้เรียนรู้เพิ่มตามจังหวะของตัวเองครับ

03

หมายเหตุการแปล

ความโปร่งใสเกี่ยวกับความไม่แน่นอนในต้นฉบับ

  • ไม่มีการใช้สัญลักษณ์ระบุเสียงไม่ชัดเจน (0 จุด) — ทุก segment เข้าใจความหมายได้ครบ
04

อภิธานศัพท์เทคนิค

คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ

ศัพท์คำแปล / คำอธิบาย
capstone projectโปรเจกต์ส่งท้ายคอร์ส
hackathonการแข่งขันสร้างผลงานในเวลาจำกัด
write-upบทความอธิบายผลงานสำหรับส่งประกวด
problem statementแถลงปัญหาที่โปรเจกต์แก้
solution pitchการนำเสนอทางแก้ปัญหา
concierge agentเอเจนต์ผู้ช่วยส่วนตัวคอยดูแลจัดการให้ผู้ใช้
agents for goodtrack โปรเจกต์เพื่อสาธารณประโยชน์
enterprise agentstrack เอเจนต์สำหรับองค์กร
freestyletrack อิสระ ไม่จำกัดหมวด
trackหมวด/แนวทางของการแข่งขัน
submissionผลงานที่ส่งเข้าประกวด
retractถอนผลงานออกจากการแข่งขัน
deadlineเส้นตายส่งผลงาน
badge / certificateตราเกียรติยศ / ใบรับรอง
Kaggle swagของที่ระลึกจาก Kaggle
top 12 winnersผู้ชนะ 12 อันดับแรก
thumbnailรูปปกย่อของผลงาน
galleryแกลเลอรีรวมรูป/วิดีโอประกอบ
markdownรูปแบบข้อความจัดย่อหน้า/หัวข้อสำหรับเขียนเอกสาร
coach agentเอเจนต์โค้ช — หน้าบ้านสนทนากับผู้ใช้
planner agentเอเจนต์วางแผน — รับงานมอบหมายสร้างตารางเรียน
delegationการมอบหมายงานจากเอเจนต์หนึ่งไปอีกตัว
agent tool callingการเรียกเอเจนต์หนึ่งให้ทำงานเหมือนเป็น tool ของอีกตัว
search_resourcestool ค้น/คัดสรรแหล่งเรียนรู้
build_scheduletool สร้างตารางเรียนรายสัปดาห์
AI learning plannerผู้ช่วยวางแผนการเรียน AI (โปรเจกต์ของผู้สอน)
structured inputข้อมูลนำเข้าที่มีรูปแบบกำหนด
InMemory session serviceบริการ session ชั่วคราวในหน่วยความจำ (ใช้ตอนเรียน/ทดลอง)
evaluation harnessชุดทดสอบอัตโนมัติที่ตรวจคุณภาพ output
graceful error handlingการจัดการข้อผิดพลาดอย่างไม่ทำให้ระบบล่ม
rate limitเพดานจำนวนคำขอต่อช่วงเวลาของ API
free tier APIAPI แบบไม่เสียค่าใช้จ่าย (มีข้อจำกัด)
runtimeเวลาที่ระบบใช้ทำงานจนเสร็จ
Gemini 2.5 Flashโมเดล Gemini รุ่นเร็วประหยัด
Google GenAI APIAPI บริการ AI เชิงสร้างสรรค์ของ Google
Google ADKAgent Development Kit — ชุดเครื่องมือพัฒนาเอเจนต์ของ Google
Kaggle notebookสมุดโค้ดบนแพลตฟอร์ม Kaggle
GitHubแพลตฟอร์มเก็บ/แชร์โค้ด
datasetชุดข้อมูล/ไฟล์แนบใน Kaggle
collaboratorผู้ร่วมงานที่มีสิทธิ์เข้าถึง notebook
observabilityการติดตามการทำงานภายในของระบบ
console logsบันทึกการทำงานที่พิมพ์ออกทาง console
cover imageภาพปกโปรเจกต์
burnoutอาการหมดไฟ
05

ซับไตเติ้ลภาษาไทย

ดาวน์โหลดหรือดูซับทั้งหมด

1
00:00:00,000 --> 00:00:03,485
ยินดีต้อนรับกลับมาที่ช่องและกลับมาที่ playlist

2
00:00:03,485 --> 00:00:06,971
ครับ เราทำ assignment ทั้ง 5 วันครบสมบูรณ์แล้ว

3
00:00:06,971 --> 00:00:10,077
รวมทั้งหมด 10 assignments และเราผ่านคอร์ส

4
00:00:10,077 --> 00:00:12,123
intensive นี้สำเร็จแล้วครับ
thai-subtitles.srt
SubRip — ใช้กับเครื่องเล่นวิดีโอส่วนใหญ่
↓ ดาวน์โหลด
thai-subtitles.vtt
WebVTT — ใช้กับเว็บ / YouTube
↓ ดาวน์โหลด
เปิดดูซับไตเติ้ลทั้งหมด (393 segments)
1
00:00:00,000 --> 00:00:03,485
ยินดีต้อนรับกลับมาที่ช่องและกลับมาที่ playlist

2
00:00:03,485 --> 00:00:06,971
ครับ เราทำ assignment ทั้ง 5 วันครบสมบูรณ์แล้ว

3
00:00:06,971 --> 00:00:10,077
รวมทั้งหมด 10 assignments และเราผ่านคอร์ส

4
00:00:10,077 --> 00:00:12,123
intensive นี้สำเร็จแล้วครับ

5
00:00:12,123 --> 00:00:15,381
ส่วนสุดท้ายที่เหลืออยู่คือ capstone project

6
00:00:15,381 --> 00:00:17,275
ครับ ถ้าสนใจก็ลองทำได้เลย

7
00:00:17,275 --> 00:00:20,154
หรือถ้าไม่ก็ได้เพราะเป็น optional ครับ

8
00:00:20,154 --> 00:00:22,503
แต่ถ้าถามผม ผมแนะนำให้ลองดูครับ

9
00:00:22,503 --> 00:00:24,927
เพราะแค่เข้าร่วมคุณก็จะได้ badge

10
00:00:24,927 --> 00:00:26,973
และใบรับรองในโปรไฟล์ Kaggle

11
00:00:26,973 --> 00:00:30,155
และถ้าคุณได้เป็นหนึ่งในผู้ชนะ 12 อันดับแรก

12
00:00:30,155 --> 00:00:32,580
คุณจะได้รับของที่ระลึกจาก Kaggle

13
00:00:32,580 --> 00:00:35,686
และมีผลงานไปแสดงบนโซเชียลมีเดียของ Kaggle

14
00:00:35,686 --> 00:00:36,783
ด้วยครับ

15
00:00:36,783 --> 00:00:42,542
นี่เป็นวิธีที่ดีในการเพิ่มความมั่นใจและตรวจสอบว่าคุณเรียนรู้มาแค่ไหนแล้วครับ

16
00:00:42,542 --> 00:00:44,512
เพื่อช่วยให้เห็นภาพมากขึ้น

17
00:00:44,512 --> 00:00:49,285
ผมจะแสดงสิ่งที่ผมสร้างไว้เพื่อเข้าร่วมการแข่งขันโปรเจกต์นี้ครับ

18
00:00:49,285 --> 00:00:52,770
ผมจะคลิกที่นี่ซึ่งก็ agents intensive capstone

19
00:00:52,770 --> 00:00:55,346
project ครับ คุณต้องเพิ่ม write-up

20
00:00:55,346 --> 00:00:58,831
ของคุณที่นี่ และเข้าใจกติกาจากแท็บพวกนี้ได้เลย

21
00:00:58,831 --> 00:01:01,104
เริ่มต้นด้วยการดูภาพรวมกันก่อน

22
00:01:01,104 --> 00:01:04,287
อย่างที่เห็นมันจะปิดรับในอีก 4 วันข้างหน้า

23
00:01:04,287 --> 00:01:07,469
ซึ่งผมคิดว่าเวลามากกว่าพอสำหรับการสร้าง AI

24
00:01:07,469 --> 00:01:08,757
agent แล้วส่งครับ

25
00:01:08,757 --> 00:01:13,379
สิ่งแรกคืออะไรบ้างที่จำเป็นเพื่อให้โปรเจกต์ของคุณมีสิทธิ์เข้า

26
00:01:13,379 --> 00:01:16,864
hackathon นี้ อันดับแรกคุณต้องเลือกหนึ่ง track

27
00:01:16,864 --> 00:01:20,273
จากสี่ตัวเลือกที่ให้มาครับ หนึ่งคือ concierge

28
00:01:20,273 --> 00:01:23,228
agent ถัดไปคือ agents for good แล้วเป็น

29
00:01:23,228 --> 00:01:26,562
enterprise agents หรือ freestyle ครับ สำหรับ

30
00:01:26,562 --> 00:01:29,820
submission ของผม ผมใช้ concierge agent ครับ

31
00:01:29,820 --> 00:01:31,714
ถัดไปคือการเขียน write-up

32
00:01:31,714 --> 00:01:34,290
เมื่อคุณใส่ข้อมูลว่ากำลังสร้างอะไร

33
00:01:34,290 --> 00:01:37,397
คุณต้องแน่ใจว่ามันมี problem และ solution

34
00:01:37,397 --> 00:01:39,973
pitch ตามที่คุณสร้างเอเจนต์ไว้ครับ

35
00:01:39,973 --> 00:01:43,458
ตัวอย่างที่ให้ไว้ตรงนี้เป็นเรื่องการเขียนบล็อก

36
00:01:43,458 --> 00:01:46,186
มันบอกว่าการเขียนบล็อกเป็นงาน manual

37
00:01:46,186 --> 00:01:48,989
และใช้เวลามากเกินไป ดังนั้นฉันจะสร้าง

38
00:01:48,989 --> 00:01:51,035
automated blog writer agent

39
00:01:51,035 --> 00:01:54,596
เพื่อขยายกำลังผลิตบล็อกและคุณภาพบล็อกของฉันครับ

40
00:01:54,596 --> 00:01:55,732
concierge agent

41
00:01:55,732 --> 00:01:59,066
ที่ผมทำงานด้วยและส่งไปแล้วคือเอเจนต์ซึ่งเป็น

42
00:01:59,066 --> 00:02:00,884
AI learning planner ครับ

43
00:02:00,884 --> 00:02:03,612
มันไม่ได้บอกแค่ว่าคนหนึ่งควรอ่านอะไร

44
00:02:03,612 --> 00:02:06,188
แต่เมื่อได้ตารางเวลาต่อสัปดาห์แล้ว

45
00:02:06,188 --> 00:02:08,916
เอเจนต์จะวางแผนให้คนนั้นเลยครับ เช่น

46
00:02:08,916 --> 00:02:12,098
ถ้าคนหนึ่งมีเวลา 3 ชั่วโมงต่อสัปดาห์ทุกวัน

47
00:02:12,098 --> 00:02:14,901
เอเจนต์ก็จะจัดแผนให้ผู้ใช้ตามนั้นครับ

48
00:02:14,901 --> 00:02:17,477
ส่วนถัดไปคือการพัฒนาและเผยแพร่โค้ด

49
00:02:17,477 --> 00:02:19,371
และต้องเป็นแบบสาธารณะด้วย

50
00:02:19,371 --> 00:02:22,023
เพื่อให้ทีมและกรรมการเข้าถึงได้ครับ

51
00:02:22,023 --> 00:02:25,508
คุณเผยแพร่ได้ทั้ง GitHub หรือ Kaggle notebooks

52
00:02:25,508 --> 00:02:28,084
ผมทำไว้บน Kaggle notebooks เองครับ

53
00:02:28,084 --> 00:02:32,403
ถัดไปคุณต้องสามารถสื่อสารคุณค่าของเอเจนต์ได้ด้วยการเตรียม

54
00:02:32,403 --> 00:02:35,434
write-up ซึ่งก็อันที่ผมเพิ่งพูดถึงไปครับ

55
00:02:35,434 --> 00:02:38,464
เดี๋ยวเราไปดู write-up ของโปรเจกต์ผมด้วย

56
00:02:38,464 --> 00:02:43,086
เพื่อให้คุณเข้าใจว่าควรเขียนอย่างไรสำหรับเอเจนต์ของคุณเองครับ

57
00:02:43,086 --> 00:02:44,602
ต่อไปคือ bonus point

58
00:02:44,602 --> 00:02:48,087
คุณสามารถเผยแพร่วิดีโอเกี่ยวกับโปรเจกต์ได้ครับ

59
00:02:48,087 --> 00:02:51,496
ก็คืออัดหน้าจอสิ่งที่คุณทำ คุณสร้างมันอย่างไร

60
00:02:51,496 --> 00:02:54,451
และมันทำงานอย่างไร แล้วเอาลิงก์ YouTube

61
00:02:54,451 --> 00:02:57,936
ไปวางใน write-up ของคุณ ซึ่งจะได้คะแนนพิเศษ 10

62
00:02:57,936 --> 00:03:00,209
คะแนนสำหรับโปรเจกต์ครับ เอาล่ะ

63
00:03:00,209 --> 00:03:02,861
ตอนนี้เราอยู่ที่หน้า write-ups แล้ว

64
00:03:02,861 --> 00:03:06,271
นี่คือเอเจนต์ที่ผมส่งไป นี่คือ write-up ของผม

65
00:03:06,271 --> 00:03:09,150
และเลื่อนลงด้านล่างคุณจะเห็นว่าคนอื่นๆ

66
00:03:09,150 --> 00:03:10,438
ส่งอะไรมาบ้างครับ

67
00:03:10,438 --> 00:03:12,862
ดูได้ว่าใครส่งและพวกเขาส่งอะไรมา

68
00:03:12,862 --> 00:03:16,424
คุณยังสามารถเลือกแท็กพวกนี้เพื่อดูว่าแต่ละคนใช้

69
00:03:16,424 --> 00:03:17,521
track ไหน

70
00:03:17,521 --> 00:03:21,461
เพื่อทำความเข้าใจว่ามีโปรเจกต์แบบไหนถูกส่งเข้ามาบ้าง

71
00:03:21,461 --> 00:03:25,779
คุณเพียงไล่ดูพวกมันและเห็นว่าแต่ละโปรเจกต์เป็นอย่างไรครับ

72
00:03:25,779 --> 00:03:28,810
ตัวที่เขียนว่านี่ จะดูได้เมื่อ hackathon

73
00:03:28,810 --> 00:03:32,144
ปิดแล้ว เพราะบางคนไม่อยากแชร์ผลงานแบบสาธารณะ

74
00:03:32,144 --> 00:03:34,417
เนื่องจากคนอื่นอาจลอกไอเดียได้

75
00:03:34,417 --> 00:03:35,856
แต่ก็มีบางคนที่โอเค

76
00:03:35,856 --> 00:03:39,039
เพราะเขาเรียนรู้และไม่ได้เล็งอันดับ top 12

77
00:03:39,039 --> 00:03:41,387
มากนัก เขาจึงแชร์ให้คนอื่นดูได้

78
00:03:41,387 --> 00:03:44,191
เพื่อที่พวกเขาจะได้เรียนรู้จากมันครับ

79
00:03:44,191 --> 00:03:46,918
submission ของผมก็ public อยู่ตอนนี้

80
00:03:46,918 --> 00:03:50,252
ถ้าใครอยากดู ผมจะใส่ลิงก์ไว้ในคำอธิบายวิดีโอ

81
00:03:50,252 --> 00:03:53,207
คุณสามารถดูได้แล้วลองทำของคุณเองต่อครับ

82
00:03:53,207 --> 00:03:56,086
ผมคลิกเข้าไปดู submission ของผม นี่คือ

83
00:03:56,086 --> 00:03:59,041
submission และมันบอกว่าคุณแก้ไขได้จนถึง

84
00:03:59,041 --> 00:04:02,375
deadline นี้ครับ ถ้าคลิกตรงนี้ มันมี retract

85
00:04:02,375 --> 00:04:04,117
และ delete ครับ retract

86
00:04:04,117 --> 00:04:06,618
หมายความว่าดึงมันออกจาก hackathon

87
00:04:06,618 --> 00:04:09,876
คือถอนตัวจากการแข่งขันครับ เพราะคุณทำได้แค่

88
00:04:09,876 --> 00:04:11,921
submission เดียวต่อโปรเจกต์

89
00:04:11,921 --> 00:04:13,740
ไม่สามารถส่งหลายครั้งได้

90
00:04:13,740 --> 00:04:16,770
ดังนั้นต้องระวังให้มากก่อนส่งครับ เอาล่ะ

91
00:04:16,770 --> 00:04:18,740
ขอแสดง draft ก่อนกันนะครับ

92
00:04:18,740 --> 00:04:20,862
คุณต้องคลิกที่มุมขวาบนตรงนี้

93
00:04:20,862 --> 00:04:22,377
มันเขียนว่าเขียนใหม่

94
00:04:22,377 --> 00:04:25,635
ตรงนี้คุณจะเห็นว่าต้องกรอกรายละเอียดพื้นฐาน

95
00:04:25,635 --> 00:04:28,741
เช่น title แล้วอธิบาย subtitle ของมัน ใส่

96
00:04:28,741 --> 00:04:31,848
thumbnail เลือก track ที่นี่ว่าจะไปทางไหน

97
00:04:31,848 --> 00:04:35,106
เลือกตัวไหน แล้วคุณต้องเพิ่มรูปหรือวิดีโอใน

98
00:04:35,106 --> 00:04:38,136
gallery ตรงนี้ วิดีโอก็คือวิดีโอ YouTube

99
00:04:38,136 --> 00:04:39,234
และรูปอื่นๆ

100
00:04:39,234 --> 00:04:43,249
พร้อมภาพหน้าจอโค้ดของคุณและพฤติกรรมการทำงานของมันครับ

101
00:04:43,249 --> 00:04:46,356
ถัดไปคุณต้องใช้ประมาณ 1500 คำ ไม่เกินนั้น

102
00:04:46,356 --> 00:04:49,841
เพื่ออธิบายเอเจนต์และโปรเจกต์ของคุณ และควรเป็น

103
00:04:49,841 --> 00:04:51,735
markdown เป็นส่วนใหญ่ครับ

104
00:04:51,735 --> 00:04:54,917
สิ่งที่ต้องเล่าตรงนี้คือ problem statement

105
00:04:54,917 --> 00:04:56,887
ปัญหาที่คุณกำลังแก้คืออะไร

106
00:04:56,887 --> 00:04:59,918
แล้วทำไมคุณถึงใช้เอเจนต์หรือ track นั้นๆ

107
00:04:59,918 --> 00:05:05,070
คุณสร้างอะไรไว้ เช่น architecture โดยรวม ใช้ tools อะไรบ้าง และอื่นๆ

108
00:05:05,070 --> 00:05:06,282
ครับ แล้วก็ demo

109
00:05:06,282 --> 00:05:08,707
ว่าเมื่อใส่คำตอบหรือคำสั่งเข้าไป

110
00:05:08,707 --> 00:05:10,980
คุณคาดหวังให้เอเจนต์ตอบอย่างไร

111
00:05:10,980 --> 00:05:12,798
รวมถึงเทคโนโลยีที่คุณใช้

112
00:05:12,798 --> 00:05:15,905
และถ้ามีอะไรเพิ่มเติมที่อยากให้กรรมการรู้

113
00:05:15,905 --> 00:05:19,087
คุณก็ใส่ได้เลย เช่นบอกว่านี่คือสิ่งที่ผมทำ

114
00:05:19,087 --> 00:05:22,193
แต่คุณสามารถต่อยอดเพิ่มเติมได้ครับ เอาล่ะ

115
00:05:22,193 --> 00:05:25,073
เมื่อคุณใส่ทุกอย่างและเริ่มพิมพ์ในช่อง

116
00:05:25,073 --> 00:05:26,967
markdown ตรงนี้ checklist

117
00:05:26,967 --> 00:05:29,012
ที่นี่จะเริ่มติ๊กขึ้นมาครับ

118
00:05:29,012 --> 00:05:32,346
เรามีหกอย่างที่ต้องทำให้ครบ เช่น ผมใส่ title

119
00:05:32,346 --> 00:05:35,528
ว่า test คุณก็เห็นว่า title เสร็จแล้ว ทำไม

120
00:05:35,528 --> 00:05:38,635
subtitle ถึงติ๊กอยู่ล่ะ เพราะมัน optional

121
00:05:38,635 --> 00:05:41,741
จะใส่หรือไม่ก็ได้ครับ คุณจึงได้ติ๊กที่นี่

122
00:05:41,741 --> 00:05:42,878
ต่อไป thumbnail

123
00:05:42,878 --> 00:05:45,984
ถ้าอัปโหลดอะไรบางอย่างคุณก็จะได้เหมือนกัน

124
00:05:45,984 --> 00:05:48,181
คุณต้องเลือก submission track

125
00:05:48,181 --> 00:05:50,000
ในกรณีของผมผมเลือกอันนี้

126
00:05:50,000 --> 00:05:52,803
คุณเห็นว่ามันถูกติ๊กด้วย ส่วน project

127
00:05:52,803 --> 00:05:55,455
description ตอนนี้มันถูกกรอกไว้แล้ว

128
00:05:55,455 --> 00:05:56,667
มันเลยบอกแบบนั้น

129
00:05:56,667 --> 00:05:59,698
แต่คุณต้องเริ่มเขียนเกี่ยวกับมันครับ และ

130
00:05:59,698 --> 00:06:02,880
project link คือสิ่งที่คุณต้องอัปเดตตรงนี้

131
00:06:02,880 --> 00:06:06,062
ซึ่งก็คือลิงก์ไป GitHub หรือลิงก์ไป Kaggle

132
00:06:06,062 --> 00:06:08,790
notebook ของคุณ ใส่ได้ตรงนั้นเลยครับ

133
00:06:08,790 --> 00:06:12,351
ถ้ามีลิงก์อื่นที่อยากเพิ่มก็ใส่ได้ที่นี่เช่นกัน

134
00:06:12,351 --> 00:06:15,609
เมื่อคุณกรอกครบแล้วปุ่ม submit จะเปิดใช้งาน

135
00:06:15,609 --> 00:06:16,821
แล้วคุณส่งได้เลย

136
00:06:16,821 --> 00:06:20,003
ก่อนหน้านั้นคุณจะมีแค่ตัวเลือกบันทึก draft

137
00:06:20,003 --> 00:06:23,186
ไว้เท่านั้นครับ ผมกด cancel เพราะ write-up

138
00:06:23,186 --> 00:06:25,913
ของผมทำไว้แล้วครับ ใน write-up ของผม

139
00:06:25,913 --> 00:06:29,095
ผมจะเล่าว่าผมทำอะไรไว้บ้าง ผมเขียน problem

140
00:06:29,095 --> 00:06:32,277
statement ไว้ นี่คือภาพที่อธิบาย concierge

141
00:06:32,277 --> 00:06:35,308
agent ของผม ซึ่งมันจะให้แผนรายสัปดาห์แบบ

142
00:06:35,308 --> 00:06:38,490
personalized แก่ผู้ใช้ ว่าต้องเรียนอย่างไร

143
00:06:38,490 --> 00:06:41,369
ต้องเรียนเนื้อหาอะไรบ้างในแต่ละวันครับ

144
00:06:41,369 --> 00:06:44,249
ปัญหาที่ผมระบุไว้ตรงนี้คือ ผู้เรียน AI

145
00:06:44,249 --> 00:06:48,795
และครีเอเตอร์ต้องดิ้นรนกับแหล่งเรียนรู้ที่กระจัดกระจายเกินไป

146
00:06:48,795 --> 00:06:52,128
ไม่มีเส้นทางการเรียนรู้รายสัปดาห์ที่เป็นระบบ

147
00:06:52,128 --> 00:06:55,765
และฝ่าฝืนเพื่อคงความสม่ำเสมอได้ยากเพราะเวลาจำกัด

148
00:06:55,765 --> 00:06:57,887
ขาดแรงจูงใจเมื่อไม่มีคนแนะนำ

149
00:06:57,887 --> 00:06:59,932
ซึ่งนำไปสู่เวลาที่เสียเปล่า

150
00:06:59,932 --> 00:07:02,811
ความคืบหน้าที่ติดขัด และอาการหมดไฟครับ

151
00:07:02,811 --> 00:07:05,084
นี่คือปัญหาครับ ทีนี้ solution

152
00:07:05,084 --> 00:07:08,570
ที่ผมเสนอตรงนี้คือการมี personalized concierge

153
00:07:08,570 --> 00:07:12,055
assistant ครับ มันจะทำอะไร มันจะเข้าใจเป้าหมาย

154
00:07:12,055 --> 00:07:15,389
ระดับ และชั่วโมงต่อสัปดาห์ของผู้เรียน คัดสรร

155
00:07:15,389 --> 00:07:18,192
task ที่เกี่ยวกับ AI และการทำ YouTube

156
00:07:18,192 --> 00:07:21,374
ที่เกี่ยวข้อง สร้างแผนรายสัปดาห์แบบไดนามิก

157
00:07:21,374 --> 00:07:23,420
เช่น 3 วัน 5 วัน หรือ 7 วัน

158
00:07:23,420 --> 00:07:27,663
แล้วรักษาผู้ใช้ให้มีส่วนร่วมผ่านขั้นตอนที่ลงมือทำได้จริง

159
00:07:27,663 --> 00:07:30,845
ปรับปริมาณงานให้เหมาะกับเวลาที่มีครับ เช่น

160
00:07:30,845 --> 00:07:33,270
ถ้าเป็นมนุษย์ทำงานที่มีเวลาแค่ 3

161
00:07:33,270 --> 00:07:35,315
ชั่วโมงต่อสัปดาห์หรือต่อวัน

162
00:07:35,315 --> 00:07:38,725
เอเจนต์ก็จะวางแผนทุกอย่างให้คนนั้นตามนั้นครับ

163
00:07:38,725 --> 00:07:41,983
ผลลัพธ์ที่ได้คือพฤติกรรมการเรียนที่สม่ำเสมอ

164
00:07:41,983 --> 00:07:45,316
และความมั่นใจในการสร้างคอนเทนต์ที่ดีขึ้นครับ

165
00:07:45,316 --> 00:07:47,665
ทีนี้ technical implementations

166
00:07:47,665 --> 00:07:51,150
ที่เราจะทำตรงนี้มีอะไรบ้าง เราจะมี coach agent

167
00:07:51,150 --> 00:07:53,575
และ planner agent แบบ delegation

168
00:07:53,575 --> 00:07:57,060
(การมอบหมายงาน) ครับ ส่วน tools ที่เราจะใช้คือ

169
00:07:57,060 --> 00:08:00,546
search_resources กับ build_schedule ครับ agent

170
00:08:00,546 --> 00:08:02,515
tool calling ก็คือ planner

171
00:08:02,515 --> 00:08:05,546
ซึ่งจะถูกเปิดเผยเป็น agent tool ตัวหนึ่ง

172
00:08:05,546 --> 00:08:08,880
สำหรับ sessions กับ memory เราจะใช้ InMemory

173
00:08:08,880 --> 00:08:10,016
session service

174
00:08:10,016 --> 00:08:13,426
ซึ่งเราใช้กันมาแล้วในแบบฝึกหัดก่อนๆ ครับ ส่วน

175
00:08:13,426 --> 00:08:16,760
observability ใช้สำหรับ logging และ tracking

176
00:08:16,760 --> 00:08:18,957
ที่สะอาด และ agent evaluation

177
00:08:18,957 --> 00:08:22,139
ก็คือผลลัพธ์แบบอัตโนมัติและการจัดการ error

178
00:08:22,139 --> 00:08:25,624
อย่างสวยงามครับ โมเดลก็ตัวปกติ 2.5 Flash โมเดล

179
00:08:25,624 --> 00:08:28,428
Gemini ที่เราได้ผ่าน Google GenAI API

180
00:08:28,428 --> 00:08:31,307
framework เป็น Google ADK และ platform

181
00:08:31,307 --> 00:08:34,413
ที่ใช้คือ Kaggle notebook ครับ ถ้าอยากใช้

182
00:08:34,413 --> 00:08:37,823
GitHub หรือสภาพแวดล้อมนอก Kaggle ก็ใช้ได้ครับ

183
00:08:37,823 --> 00:08:40,096
ถัดไปคือ agent evaluation ครับ

184
00:08:40,096 --> 00:08:43,278
สิ่งที่เราจะทำตรงนี้คือ evaluation harness

185
00:08:43,278 --> 00:08:46,384
จะตรวจว่า response มีโครงสร้างรายวัน เช่น

186
00:08:46,384 --> 00:08:48,354
วันที่ 1 วันที่ 2 วันที่ 3

187
00:08:48,354 --> 00:08:49,945
มีการรับรู้เรื่องเวลา

188
00:08:49,945 --> 00:08:52,521
ว่าสะท้อนชั่วโมงต่อสัปดาห์เท่าไหร่

189
00:08:52,521 --> 00:08:55,704
มันยังต้องให้แผนที่เป็นมิตรกับผู้เรียน และ

190
00:08:55,704 --> 00:08:59,189
output ที่เป็นเนื้อหาสอดคล้องกันครับ ส่วน rate

191
00:08:59,189 --> 00:09:02,523
limit errors ที่เราจะเจอ สำหรับ API แบบ free

192
00:09:02,523 --> 00:09:05,250
tier เราจะป้องกันไม่ให้ notebook พัง

193
00:09:05,250 --> 00:09:09,569
เราจะใช้วิธีนี้เพื่อให้การทำงานต่อเนื่องเป็นไปอย่างสวยงาม

194
00:09:09,569 --> 00:09:12,221
และพิมพ์ข้อความสถานะที่เป็นมิตรครับ

195
00:09:12,221 --> 00:09:15,403
คุณสามารถอ่านรายละเอียดทั้งหมดของ write-up

196
00:09:15,403 --> 00:09:18,055
ของผมได้ ผมจะแชร์ลิงก์ไว้ในคำอธิบาย

197
00:09:18,055 --> 00:09:21,161
เพื่อให้คุณอ่านและเข้าใจได้เลย มันเป็นแบบ

198
00:09:21,161 --> 00:09:23,510
public ครับ ถ้าดูตรงด้านล่างนี่

199
00:09:23,510 --> 00:09:26,389
ผมสร้างมันเมื่อวานไว้ และนี่คือ Kaggle

200
00:09:26,389 --> 00:09:27,486
notebook ครับ

201
00:09:27,486 --> 00:09:30,441
เดี๋ยวผมจะแสดงวิธีแนบลิงก์ตอนท้ายวิดีโอ

202
00:09:30,441 --> 00:09:34,002
ผมจะคลิกที่นี่เพื่อให้เห็นว่าผมเขียนโค้ดอะไรไว้

203
00:09:34,002 --> 00:09:36,427
ผมสามารถแก้ไขและเปลี่ยนได้ตรงนี้

204
00:09:36,427 --> 00:09:38,776
และแชร์จากที่นี่ได้ ผมทำไว้แล้ว

205
00:09:38,776 --> 00:09:41,882
ดังนั้นมันเป็นแบบ public อย่างที่เห็นครับ

206
00:09:41,882 --> 00:09:45,292
ตรงนี้คือที่ที่คุณแชร์ ถ้าอยากให้เป็น private

207
00:09:45,292 --> 00:09:48,246
ให้เลือกตรงนี้แล้วเพิ่มผู้ร่วมงานของคุณ

208
00:09:48,246 --> 00:09:51,429
เพื่อให้เฉพาะคนเหล่านั้นเข้าถึงได้ ส่วนแบบ

209
00:09:51,429 --> 00:09:54,611
public ทุกคนที่มีลิงก์สามารถเข้าถึงได้ครับ

210
00:09:54,611 --> 00:09:57,945
ตรงนี้จะแสดงสิ่งที่ผมทำไว้ทั้งหมดใน notebook

211
00:09:57,945 --> 00:10:01,430
มันจะแสดง runtime ด้วย สำหรับผม runtime คือ 60

212
00:10:01,430 --> 00:10:03,400
วินาที หรือประมาณหนึ่งนาที

213
00:10:03,400 --> 00:10:07,415
คุณรันอันนี้แล้วภายในหนึ่งนาทีเอเจนต์จะพร้อมทำงานครับ

214
00:10:07,415 --> 00:10:10,067
ทีนี้มาที่ส่วนที่แก้ไขได้ตรงนี้ครับ

215
00:10:10,067 --> 00:10:13,477
สิ่งแรกที่ผมทำคือ install import และเพิ่ม API

216
00:10:13,477 --> 00:10:16,432
key ซึ่งเป็นขั้นตอนพื้นฐานอันดับแรกครับ

217
00:10:16,432 --> 00:10:19,538
ถัดไปผมอธิบายโปรเจกต์ไว้ตรงนี้ใน markdown

218
00:10:19,538 --> 00:10:24,236
และผมเพิ่มรูปไว้ตรงนี้เพื่อแสดงการเริ่มต้นว่าหน้าตาเป็นอย่างไร

219
00:10:24,236 --> 00:10:27,493
พอรันแล้วมันจะแสดงประมาณนี้ครับ ผมมี ID นี้

220
00:10:27,493 --> 00:10:29,463
ผมเพิ่มไว้ตรงนี้ใน dataset

221
00:10:29,463 --> 00:10:32,873
ผมจะบอกวิธีเพิ่มตอนท้าย แล้วคุณเอาค่านี้ไปใส่

222
00:10:32,873 --> 00:10:35,525
image ID ตรงนี้ในโค้ด ผมจะรันแล้วดู

223
00:10:35,525 --> 00:10:38,555
นี่คือหน้าตาที่รูปแสดงขึ้นมา มันเขียนว่า

224
00:10:38,555 --> 00:10:41,056
become an AI product manager ครับ

225
00:10:41,056 --> 00:10:44,465
สิ่งถัดไปตรงนี้คือผมจะเรียก tools ทั้งหมด คือ

226
00:10:44,465 --> 00:10:47,496
research tool กับ dynamic weekly planner

227
00:10:47,496 --> 00:10:50,830
ซึ่งผมกล่าวถึงไว้ใน technical implementation

228
00:10:50,830 --> 00:10:53,936
แล้ว tools ที่ใช้คือ search_resources กับ

229
00:10:53,936 --> 00:10:57,118
build_schedule ครับ ตรงนี้คุณเห็น research

230
00:10:57,118 --> 00:11:00,452
tool ที่ผมนิยามไว้ตรงนี้ สำหรับแต่ละวัน เช่น

231
00:11:00,452 --> 00:11:03,180
ถ้าเป็นการฝึกหนึ่งชั่วโมงควรเป็นอะไร

232
00:11:03,180 --> 00:11:05,756
ถ้าสองชั่วโมงควรเป็น 1.5 หรือหนึ่ง

233
00:11:05,756 --> 00:11:08,862
นั่นคือจำนวนหัวข้อที่จะคัดมาครับ ถัดไปคือ

234
00:11:08,862 --> 00:11:11,362
build_schedule ตัว build_schedule

235
00:11:11,362 --> 00:11:14,696
จะย้อนดูสิ่งนี้ตามจำนวนไดนามิกที่ผู้ใช้ให้มา

236
00:11:14,696 --> 00:11:17,727
อาจเป็นสาม ห้า หรือเจ็ดหรืออะไรก็ได้ครับ

237
00:11:17,727 --> 00:11:20,379
มันบอกว่าถ้าน้อยกว่าสามให้ใช้สามวัน

238
00:11:20,379 --> 00:11:23,561
ถ้าชั่วโมงต่อสัปดาห์น้อยกว่าหกให้ใช้ห้าวัน

239
00:11:23,561 --> 00:11:26,667
และถ้าเป็นอย่างอื่นก็เจ็ดวันครับ คล้ายกัน

240
00:11:26,667 --> 00:11:28,258
ผมเพิ่มฟังก์ชันตรงนี้

241
00:11:28,258 --> 00:11:30,455
แล้วมันจะคืนค่าจำนวนวันที่ใช้

242
00:11:30,455 --> 00:11:33,638
ชั่วโมงต่อสัปดาห์ และตารางเวลาครับ planner

243
00:11:33,638 --> 00:11:36,744
จะใช้ search_resources กับ build_schedule

244
00:11:36,744 --> 00:11:40,154
นี้เป็น agent tool ของมันครับ ผมรันอันนี้ก่อน

245
00:11:40,154 --> 00:11:43,260
โอเค เสร็จแล้วครับ ถัดไปคือ planner agent

246
00:11:43,260 --> 00:11:45,912
ผมรันอันนี้ด้วย planner agent จะใช้

247
00:11:45,912 --> 00:11:48,867
search_resources กับ build_schedule และ

248
00:11:48,867 --> 00:11:52,125
planner tool ที่คุณจะสร้างขึ้นก็ใช้ planner

249
00:11:52,125 --> 00:11:55,307
agent นี่เองครับ คล้ายกันเราทำ coach agent

250
00:11:55,307 --> 00:11:58,716
ซึ่งตรงนี้จะใช้ planner ครับ ส่วน description

251
00:11:58,716 --> 00:12:01,974
ของสองตัวนี้ สำหรับ planner agent มันบอกว่า

252
00:12:01,974 --> 00:12:04,626
planner agent นี้สร้างแผนรายสัปดาห์

253
00:12:04,626 --> 00:12:07,126
instruction คือสกัดเป้าหมาย ระดับ

254
00:12:07,126 --> 00:12:10,157
และชั่วโมงต่อสัปดาห์จาก structured input

255
00:12:10,157 --> 00:12:12,582
ซึ่งก็ข้อมูลที่ให้มาตรงนี้ เรียก

256
00:12:12,582 --> 00:12:15,764
search_resources เพื่อรับแหล่งเรียนรู้ และ

257
00:12:15,764 --> 00:12:16,861
build_schedule

258
00:12:16,861 --> 00:12:19,362
เพื่อสร้างแผนรายสัปดาห์แบบไดนามิก

259
00:12:19,362 --> 00:12:23,150
แล้วให้คำอธิบายแบบเป็นมิตรและแผนที่มีโครงสร้างครับ

260
00:12:23,150 --> 00:12:25,423
ถัดไปคือ description ของอีกตัว

261
00:12:25,423 --> 00:12:27,772
โดยพื้นฐานแล้วมันเป็น concierge

262
00:12:27,772 --> 00:12:29,893
แบบสนทนาที่เป็นประตูหน้าบ้าน

263
00:12:29,893 --> 00:12:32,090
และบอกว่าคุณต้องเรียก planner

264
00:12:32,090 --> 00:12:34,212
นี้เพื่อมอบหมายงานวางแผนครับ

265
00:12:34,212 --> 00:12:37,394
โดยพื้นฐานแล้วข้อมูลใดก็ตามที่เข้ามา coach

266
00:12:37,394 --> 00:12:40,576
agent จะมอบหมายข้อมูลนั้นให้ planner agent

267
00:12:40,576 --> 00:12:43,228
ครับ planner tool นี้จะทำงานร่วมกับ

268
00:12:43,228 --> 00:12:45,880
search_resources และ build_schedule

269
00:12:45,880 --> 00:12:49,214
เพื่อให้ข้อมูลเกี่ยวกับแผนที่มีโครงสร้างครับ

270
00:12:49,214 --> 00:12:52,547
ต่อไปเราจะทำ helper functions เพราะเราอยู่ใน

271
00:12:52,547 --> 00:12:55,805
Kaggle notebook ถ้าคุณทำนอก Kaggle notebook

272
00:12:55,805 --> 00:12:58,760
คุณไม่ต้องมี helper function พวกนี้ครับ

273
00:12:58,760 --> 00:13:01,639
แล้วคุณยังต้องนิยาม runner และ session

274
00:13:01,639 --> 00:13:04,594
อยู่ดีครับ ผมรันตอนนี้ เสร็จแล้ว เราได้

275
00:13:04,594 --> 00:13:07,625
session ID มาหนึ่งอัน นี่คือ session แรก

276
00:13:07,625 --> 00:13:10,504
เราเรียก app นี้ว่า learning concierge

277
00:13:10,504 --> 00:13:13,686
โดยใช้ชื่อ student ครับ เราได้อัปเดตข้อมูล

278
00:13:13,686 --> 00:13:17,171
เช่น session service เป็น InMemory service และ

279
00:13:17,171 --> 00:13:19,975
InMemory session service ครับ session

280
00:13:19,975 --> 00:13:23,460
ควรได้ข้อมูลนี้ แล้ว session ID ก็ถูกสร้างขึ้น

281
00:13:23,460 --> 00:13:26,794
runner จะรันโดยใช้ข้อมูลนี้ครับ จากนั้นเรามี

282
00:13:26,794 --> 00:13:29,218
ask_agent ซึ่งก็ข้อความจากผู้ใช้

283
00:13:29,218 --> 00:13:32,476
คือผู้ใช้ตรงนี้ คุณจะมี user กับ session ID

284
00:13:32,476 --> 00:13:33,574
ที่สร้างขึ้น

285
00:13:33,574 --> 00:13:37,059
คุณจะตรวจว่าข้อความใดมาจากผู้ใช้สำหรับ session

286
00:13:37,059 --> 00:13:40,241
ID นี้ แล้วสร้างคำตอบสุดท้ายตามนั้นครับ ใน

287
00:13:40,241 --> 00:13:42,969
demo เราถามเอเจนต์ว่า ผมอยากเรียน AI

288
00:13:42,969 --> 00:13:46,378
สำหรับทำคอนเทนต์ YouTube ผมเป็นระดับ beginner

289
00:13:46,378 --> 00:13:48,348
มีเวลา 5 ชั่วโมงต่อสัปดาห์

290
00:13:48,348 --> 00:13:51,530
แล้วคุณก็ได้แผนมาครับ มันบอกว่านี่คือแผน 5

291
00:13:51,530 --> 00:13:53,500
วันแบบ personalized ของคุณ

292
00:13:53,500 --> 00:13:55,546
เพื่อเริ่มต้นการเรียนรู้ AI

293
00:13:55,546 --> 00:13:57,819
สำหรับการสร้างคอนเทนต์ YouTube

294
00:13:57,819 --> 00:14:00,774
ออกแบบสำหรับผู้เริ่มต้น และกระจายเป็น 5

295
00:14:00,774 --> 00:14:02,062
ชั่วโมงต่อสัปดาห์

296
00:14:02,062 --> 00:14:05,244
และนี่คือวิธีที่มันให้ข้อมูลห้าชั่วโมงครับ

297
00:14:05,244 --> 00:14:08,123
อุทิศเวลาหนึ่งชั่วโมงให้ Google Gemini

298
00:14:08,123 --> 00:14:09,411
สำหรับผู้เริ่มต้น

299
00:14:09,411 --> 00:14:12,896
แล้วสร้างเอเจนต์แรกของคุณแบบลงมือจริง และอื่นๆ

300
00:14:12,896 --> 00:14:13,994
ครับ

301
00:14:13,994 --> 00:14:18,161
และมันบอกว่าแผนนี้มุ่งให้ความรู้พื้นฐานที่สมดุลทั้งด้าน

302
00:14:18,161 --> 00:14:20,585
Google Gemini และการสร้างเอเจนต์

303
00:14:20,585 --> 00:14:23,237
ควบคู่กับทักษะการทำคอนเทนต์ YouTube

304
00:14:23,237 --> 00:14:25,283
และการเขียนสคริปต์ที่จำเป็น

305
00:14:25,283 --> 00:14:27,480
ขอให้สนุกกับการเรียนรู้นะครับ

306
00:14:27,480 --> 00:14:29,981
นี่ไม่ใช่แค่แผนการเรียนรายสัปดาห์

307
00:14:29,981 --> 00:14:32,178
แต่ยังให้บริบทแบบเป็นมิตรด้วย

308
00:14:32,178 --> 00:14:34,602
ซึ่งเป็นส่วนหนึ่งของ instruction

309
00:14:34,602 --> 00:14:38,694
ของเราที่ให้แผนมีโครงสร้างพร้อมคำอธิบายที่เป็นมิตรครับ

310
00:14:38,694 --> 00:14:41,421
ถัดไปเราจะทำ evaluation harness ครับ

311
00:14:41,421 --> 00:14:44,452
ตรงนี้เราทดสอบสอง response หนึ่งสำหรับ 3

312
00:14:44,452 --> 00:14:46,876
ชั่วโมงต่อสัปดาห์ อีกอันสำหรับ 8

313
00:14:46,876 --> 00:14:49,756
ชั่วโมงต่อสัปดาห์ แบบ intermediate กับ

314
00:14:49,756 --> 00:14:52,862
beginner ครับ เราพูดว่าผมอยากตามเรื่อง AI

315
00:14:52,862 --> 00:14:55,059
agents ให้ทันระดับ beginner 3

316
00:14:55,059 --> 00:14:58,014
ชั่วโมงต่อสัปดาห์ และผมอยากก้าวสู่ระดับ

317
00:14:58,014 --> 00:15:01,045
advanced ในทักษะ AI ระดับ intermediate 8

318
00:15:01,045 --> 00:15:03,621
ชั่วโมง ครับ เราหยิบ prompt string

319
00:15:03,621 --> 00:15:05,818
มาตรวจว่ามีวันใดบ้างในแผนนั้น

320
00:15:05,818 --> 00:15:07,712
และจำนวนชั่วโมงที่ระบุไว้

321
00:15:07,712 --> 00:15:10,667
ถ้ามีข้อความเกี่ยวกับแผนและจำนวนชั่วโมง

322
00:15:10,667 --> 00:15:11,804
ก็จะไม่มี error

323
00:15:11,804 --> 00:15:15,289
แต่ถ้าอย่างใดอย่างหนึ่งเป็นเท็จ จะต้องมี error

324
00:15:15,289 --> 00:15:18,774
string ระบุว่า error คืออะไรครับ ถัดไปเราพิมพ์

325
00:15:18,774 --> 00:15:21,956
evaluate prompt ครับ คุณเห็น test หนึ่งคือ

326
00:15:21,956 --> 00:15:25,139
นี่คือแผนรายสัปดาห์ของคุณเพื่อตามเรื่อง AI

327
00:15:25,139 --> 00:15:28,548
agents ให้ทัน และมันบอกว่าแผน 3 วันคือ Google

328
00:15:28,548 --> 00:15:32,033
Gemini สำหรับผู้เริ่มต้น สร้างเอเจนต์แรกของคุณ

329
00:15:32,033 --> 00:15:34,003
และคอนเทนต์เปิดตัว YouTube

330
00:15:34,003 --> 00:15:35,746
อย่างละหนึ่งชั่วโมงครับ

331
00:15:35,746 --> 00:15:38,398
มันบอกว่าคุณจะเรียนอย่างต่อเนื่อง 3

332
00:15:38,398 --> 00:15:41,277
วันในสัปดาห์นี้ อุทิศวันละหนึ่งชั่วโมง

333
00:15:41,277 --> 00:15:44,686
ขอให้สนุกกับการดำดิ่งสู่โลกของ AI agents ครับ

334
00:15:44,686 --> 00:15:47,793
นี่คือแผนที่ถูกต้อง เป็นจริงครับ ถัดไปคือ

335
00:15:47,793 --> 00:15:51,430
นี่คือแผนที่เป็นไปได้เพื่อช่วยให้คุณก้าวสู่ระดับ

336
00:15:51,430 --> 00:15:54,915
advanced ในทักษะ AI ระดับ intermediate อุทิศ 8

337
00:15:54,915 --> 00:15:57,945
ชั่วโมงต่อสัปดาห์ให้การเรียนรู้ ตรงนี้ 8

338
00:15:57,945 --> 00:16:00,900
ชั่วโมงถูกแบ่งเป็น 1.1 กับ 1.1 สำหรับ 6

339
00:16:00,900 --> 00:16:03,249
วันครับ และมันบอกว่านี่เป็นจริง

340
00:16:03,249 --> 00:16:04,840
เป็นแผนที่ถูกต้องครับ

341
00:16:04,840 --> 00:16:07,492
ต่อไปนี่คืออีกรูปที่ผมแทรกไว้ตรงนี้

342
00:16:07,492 --> 00:16:10,598
เพราะผมอยากได้อะไรบางอย่างก่อนปิดโปรเจกต์

343
00:16:10,598 --> 00:16:13,326
โดยพื้นฐานแล้วมันเป็นเหมือนภาพปกครับ

344
00:16:13,326 --> 00:16:16,281
มันบอกว่านี่คือหน้าตาของ dynamic weekly

345
00:16:16,281 --> 00:16:19,084
planner ซึ่งจะมีวันที่หนึ่ง วันที่สาม

346
00:16:19,084 --> 00:16:20,182
วันที่เจ็ด

347
00:16:20,182 --> 00:16:23,061
และสิ่งที่คุณต้องเรียนครอบคลุมอะไรบ้าง

348
00:16:23,061 --> 00:16:26,546
คุณจะได้เรียนรู้อะไรแบบนั้นครับ ถัดไปคือ final

349
00:16:26,546 --> 00:16:29,956
submission ครับ นี่คือ write-up สั้นๆ ที่ผมมี

350
00:16:29,956 --> 00:16:33,441
สำหรับใครก็ตามที่อ่าน notebook แต่ไม่ได้ไปอ่าน

351
00:16:33,441 --> 00:16:36,926
write-up จะได้เข้าใจว่าเรามีอะไรที่นี่บ้างครับ

352
00:16:36,926 --> 00:16:40,184
มันบอกว่าคุณมี coach agent ซึ่งรับข้อมูลจาก

353
00:16:40,184 --> 00:16:43,594
planner agent tools ที่เราใช้ตรงนี้คือ search

354
00:16:43,594 --> 00:16:46,852
กับ build sessions และ memory เป็น InMemory

355
00:16:46,852 --> 00:16:49,579
service การวางแผนแบบไดนามิกรวม 3 5 7

356
00:16:49,579 --> 00:16:52,761
วันตามชั่วโมงต่อสัปดาห์ evaluation harness

357
00:16:52,761 --> 00:16:57,004
อีกครั้งที่เราตรวจว่าแผนมีโครงสร้างถูกต้องและมีการจัดการ

358
00:16:57,004 --> 00:17:00,338
error อย่างสวยงาม observability console logs

359
00:17:00,338 --> 00:17:03,520
แสดงการ execute ของ tool และค่าของผู้เรียน

360
00:17:03,520 --> 00:17:06,020
โดยพื้นฐานแล้วคือแผน personalized

361
00:17:06,020 --> 00:17:07,687
และกลุ่มครีเอเตอร์ครับ

362
00:17:07,687 --> 00:17:11,854
และนี่คือรูปสุดท้ายซึ่งเป็นรูปขอบคุณสำหรับโปรเจกต์ของผม

363
00:17:11,854 --> 00:17:14,355
เขียนว่า thanks for watching ครับ

364
00:17:14,355 --> 00:17:17,461
ทีนี้ผมจะบอกว่าผมเอารูปพวกนี้มาได้อย่างไร

365
00:17:17,461 --> 00:17:20,643
ตรงนี้คุณสามารถคลิก add input จาก notebook

366
00:17:20,643 --> 00:17:23,523
โดยตรง หรือคลิกจากตรงนี้ในส่วน dataset

367
00:17:23,523 --> 00:17:26,477
เพื่อนำข้อมูลใหม่เข้ามาครับ คลิกที่ new

368
00:17:26,477 --> 00:17:29,053
dataset แล้วเพิ่มไฟล์ทั้งหมดของคุณ

369
00:17:29,053 --> 00:17:31,630
รูปอะไรก็ตามที่มี ใส่ไว้ตรงนี้ครับ

370
00:17:31,630 --> 00:17:33,903
แล้วเมื่อคุณกลับมาที่ notebook

371
00:17:33,903 --> 00:17:36,251
ตรงนี้คุณจะมีตัวเลือก add input

372
00:17:36,251 --> 00:17:39,282
คลิกตรงนี้ซึ่งก็คือการเพิ่ม dataset ครับ

373
00:17:39,282 --> 00:17:41,100
คุณจะมีตัวเลือกปรากฏขึ้น

374
00:17:41,100 --> 00:17:43,222
ผมไม่อยากลบมันเพราะส่งไปแล้ว

375
00:17:43,222 --> 00:17:46,707
คุณจะมีตัวเลือกให้อัปโหลด คลิกเข้าไป มันจะแสดง

376
00:17:46,707 --> 00:17:50,117
dataset ที่ใช้ได้ที่เป็นส่วนหนึ่งของ notebook

377
00:17:50,117 --> 00:17:51,480
หรือโปรเจกต์ของคุณ

378
00:17:51,480 --> 00:17:54,890
เลือกอันที่เกี่ยวข้องแล้วเริ่มเพิ่มได้เลยครับ

379
00:17:54,890 --> 00:17:57,769
เมื่อเสร็จแล้ว คุณคลิก share แล้ว copy

380
00:17:57,769 --> 00:18:00,572
ลิงก์นี้ไปใส่ใน write-up ของคุณได้เลย

381
00:18:00,572 --> 00:18:03,755
ใส่ตรงนี้ได้ครับ ผมจะแชร์ลิงก์ของ write-up

382
00:18:03,755 --> 00:18:06,634
เองด้วย เพื่อให้คุณเข้าถึงทุกอย่างครับ

383
00:18:06,634 --> 00:18:09,967
ถ้ามีคำถามหรือเจอปัญหาตอนสร้างโปรเจกต์ของคุณ

384
00:18:09,967 --> 00:18:13,377
บอกผมได้เลยครับ ผมยินดีช่วยเหลืออย่างยิ่งครับ

385
00:18:13,377 --> 00:18:15,877
หวังว่าคุณจะเข้าใจและชอบวิดีโอนี้

386
00:18:15,877 --> 00:18:19,059
และนี่คือจุดสิ้นสุดของซีรีส์ครับ ถ้าคุณชอบ

387
00:18:19,059 --> 00:18:22,242
playlist นี้ โปรด subscribe ช่องนี้และแชร์

388
00:18:22,242 --> 00:18:25,121
playlist ให้คนอื่นที่อยากเรียนคอร์สนี้

389
00:18:25,121 --> 00:18:26,788
อยากเข้าใจว่า AI agent

390
00:18:26,788 --> 00:18:29,667
ถูกสร้างขึ้นได้อย่างไรครับ ผมจะอัปโหลด

391
00:18:29,667 --> 00:18:32,470
playlist เพิ่มเติมเกี่ยวกับคอร์สต่างๆ

392
00:18:32,470 --> 00:18:33,567
และแนวคิดต่างๆ

393
00:18:33,567 --> 00:18:37,280
เพื่อให้คุณได้เรียนรู้เพิ่มตามจังหวะของตัวเองครับ