Complete AI Agent Project in Gemini — Multi-Agent Tools, Memory & Deployment (Capstone)
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
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
หมายเหตุการแปล
ความโปร่งใสเกี่ยวกับความไม่แน่นอนในต้นฉบับ
- ไม่มีการใช้สัญลักษณ์ระบุเสียงไม่ชัดเจน (0 จุด) — ทุก segment เข้าใจความหมายได้ครบ
อภิธานศัพท์เทคนิค
คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ
| ศัพท์ | คำแปล / คำอธิบาย |
|---|---|
| capstone project | โปรเจกต์ส่งท้ายคอร์ส |
| hackathon | การแข่งขันสร้างผลงานในเวลาจำกัด |
| write-up | บทความอธิบายผลงานสำหรับส่งประกวด |
| problem statement | แถลงปัญหาที่โปรเจกต์แก้ |
| solution pitch | การนำเสนอทางแก้ปัญหา |
| concierge agent | เอเจนต์ผู้ช่วยส่วนตัวคอยดูแลจัดการให้ผู้ใช้ |
| agents for good | track โปรเจกต์เพื่อสาธารณประโยชน์ |
| enterprise agents | track เอเจนต์สำหรับองค์กร |
| freestyle | track อิสระ ไม่จำกัดหมวด |
| track | หมวด/แนวทางของการแข่งขัน |
| submission | ผลงานที่ส่งเข้าประกวด |
| retract | ถอนผลงานออกจากการแข่งขัน |
| deadline | เส้นตายส่งผลงาน |
| badge / certificate | ตราเกียรติยศ / ใบรับรอง |
| Kaggle swag | ของที่ระลึกจาก Kaggle |
| top 12 winners | ผู้ชนะ 12 อันดับแรก |
| thumbnail | รูปปกย่อของผลงาน |
| gallery | แกลเลอรีรวมรูป/วิดีโอประกอบ |
| markdown | รูปแบบข้อความจัดย่อหน้า/หัวข้อสำหรับเขียนเอกสาร |
| coach agent | เอเจนต์โค้ช — หน้าบ้านสนทนากับผู้ใช้ |
| planner agent | เอเจนต์วางแผน — รับงานมอบหมายสร้างตารางเรียน |
| delegation | การมอบหมายงานจากเอเจนต์หนึ่งไปอีกตัว |
| agent tool calling | การเรียกเอเจนต์หนึ่งให้ทำงานเหมือนเป็น tool ของอีกตัว |
| search_resources | tool ค้น/คัดสรรแหล่งเรียนรู้ |
| build_schedule | tool สร้างตารางเรียนรายสัปดาห์ |
| AI learning planner | ผู้ช่วยวางแผนการเรียน AI (โปรเจกต์ของผู้สอน) |
| structured input | ข้อมูลนำเข้าที่มีรูปแบบกำหนด |
| InMemory session service | บริการ session ชั่วคราวในหน่วยความจำ (ใช้ตอนเรียน/ทดลอง) |
| evaluation harness | ชุดทดสอบอัตโนมัติที่ตรวจคุณภาพ output |
| graceful error handling | การจัดการข้อผิดพลาดอย่างไม่ทำให้ระบบล่ม |
| rate limit | เพดานจำนวนคำขอต่อช่วงเวลาของ API |
| free tier API | API แบบไม่เสียค่าใช้จ่าย (มีข้อจำกัด) |
| runtime | เวลาที่ระบบใช้ทำงานจนเสร็จ |
| Gemini 2.5 Flash | โมเดล Gemini รุ่นเร็วประหยัด |
| Google GenAI API | API บริการ AI เชิงสร้างสรรค์ของ Google |
| Google ADK | Agent Development Kit — ชุดเครื่องมือพัฒนาเอเจนต์ของ Google |
| Kaggle notebook | สมุดโค้ดบนแพลตฟอร์ม Kaggle |
| GitHub | แพลตฟอร์มเก็บ/แชร์โค้ด |
| dataset | ชุดข้อมูล/ไฟล์แนบใน Kaggle |
| collaborator | ผู้ร่วมงานที่มีสิทธิ์เข้าถึง notebook |
| observability | การติดตามการทำงานภายในของระบบ |
| console logs | บันทึกการทำงานที่พิมพ์ออกทาง console |
| cover image | ภาพปกโปรเจกต์ |
| burnout | อาการหมดไฟ |
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
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