Day 5B: Final AI Agent Project — Full End-to-End Build (Complete Course Summary)

1
00:00:00,000 --> 00:00:03,107
เรามาถึง assignment สุดท้ายของคอร์ส 5

2
00:00:03,107 --> 00:00:06,214
วันนี้แล้วครับ อันนี้เป็นแบบ optional

3
00:00:06,214 --> 00:00:09,993
ถ้าอยากทำก็ทำได้ ถ้าอยากข้ามก็ได้ตามสะดวกครับ

4
00:00:09,993 --> 00:00:13,185
แต่ผมแนะนำให้ลองทำ เพราะในวิดีโอนี้และ

5
00:00:13,185 --> 00:00:14,284
assignment

6
00:00:14,284 --> 00:00:17,811
นี้เราจะเรียนวิธีพาเอเจนต์จากเครื่อง local

7
00:00:17,811 --> 00:00:21,170
ของเราไปสู่ service ที่พร้อมใช้งานจริงใน

8
00:00:21,170 --> 00:00:24,781
production โดย deploy เอเจนต์ขึ้น Vertex AI

9
00:00:24,781 --> 00:00:27,552
Agent Engine บน Google Cloud ครับ

10
00:00:27,552 --> 00:00:29,819
ก่อนหน้านั้นถ้ายังไม่ได้ฟัง

11
00:00:29,819 --> 00:00:33,263
ขอให้ย้อนไปฟังพอดแคสต์สรุปกันก่อน และอ่าน

12
00:00:33,263 --> 00:00:36,790
white paper เรื่อง prototype to production

13
00:00:36,790 --> 00:00:40,401
ด้วยครับ ข้อมูลเหล่านี้จะช่วยคุณไม่ใช่แค่ใน

14
00:00:40,401 --> 00:00:43,676
assignment นี้ แต่ยังช่วยตอนทำ capstone

15
00:00:43,676 --> 00:00:46,951
project ซึ่งก็เป็น optional เช่นกันครับ

16
00:00:46,951 --> 00:00:48,295
capstone project

17
00:00:48,295 --> 00:00:52,410
เป็นส่วนท้ายของคอร์สซึ่งเป็นข้อมูลหลังจบคอร์สครับ

18
00:00:52,410 --> 00:00:54,677
เอาล่ะ กลับมาที่ assignment

19
00:00:54,677 --> 00:00:58,036
สุดท้ายของคอร์สนี้กัน ผมจะคลิกที่ deploy

20
00:00:58,036 --> 00:01:01,395
เพื่อเปิด notebook แล้วคลิก edit my copy

21
00:01:01,395 --> 00:01:04,922
ที่มุมขวาบนเพื่อให้ได้สำเนาที่แก้ไขได้ครับ

22
00:01:04,922 --> 00:01:07,946
โอเค ได้มาแล้วครับ ตอนนี้มันบอกว่าใน

23
00:01:07,946 --> 00:01:11,473
assignment นี้คุณจะเรียนการสร้าง ADK agent

24
00:01:11,473 --> 00:01:13,908
ที่พร้อมใช้งานจริง การ deploy

25
00:01:13,908 --> 00:01:17,351
เอเจนต์ของคุณไปยัง Vertex AI ด้วย ADK CLI

26
00:01:17,351 --> 00:01:21,130
การทดสอบเอเจนต์ที่ deploy แล้วด้วย Python SDK

27
00:01:21,130 --> 00:01:24,489
การเฝ้าดูและจัดการเอเจนต์ใน Google Cloud

28
00:01:24,489 --> 00:01:27,261
Console การเข้าใจวิธีเพิ่ม memory

29
00:01:27,261 --> 00:01:30,284
ให้เอเจนต์ด้วย Vertex AI Memory Bank

30
00:01:30,284 --> 00:01:34,819
และการเข้าใจการจัดการค่าใช้จ่ายกับแนวปฏิบัติที่ดีในการ

31
00:01:34,819 --> 00:01:37,674
cleanup ครับ เมื่อพูดถึง Vertex AI

32
00:01:37,674 --> 00:01:41,201
ข้อกำหนดเบื้องต้นอย่างแรกคือต้องสร้างบัญชี

33
00:01:41,201 --> 00:01:44,476
Google หรือก็คือบัญชี Google Cloud ครับ

34
00:01:44,476 --> 00:01:46,576
คนส่วนใหญ่น่าจะมีอยู่แล้ว

35
00:01:46,576 --> 00:01:49,851
ถ้ายังไม่มีก็คลิกตรงนี้เพื่อสมัครได้เลย

36
00:01:49,851 --> 00:01:53,630
สำหรับผู้ใช้ใหม่คุณจะได้เครดิตฟรี 300 ดอลลาร์

37
00:01:53,630 --> 00:01:57,493
ใช้ได้ 90 วัน ไม่มีค่าใช้จ่ายในช่วงทดลองใช้ฟรี

38
00:01:57,493 --> 00:02:00,264
90 วันนี้ แต่ถ้าใช้ต่อหลัง 90 วัน

39
00:02:00,264 --> 00:02:03,623
จำนวนเงินจะถูกหักจากบัตรเครดิตของคุณครับ

40
00:02:03,623 --> 00:02:07,402
ระหว่างสมัครบัญชีคุณจะถูกขอให้เพิ่มบัตรเครดิต

41
00:02:07,402 --> 00:02:09,670
ซึ่งจำเป็นสำหรับทดลองใช้ฟรี

42
00:02:09,670 --> 00:02:11,433
พวกเขาจะไม่หักอะไรเลย

43
00:02:11,433 --> 00:02:15,548
เว้นแต่คุณจะไปอัปเกรดบัญชีเป็นแพ็กเกจถัดไปเองครับ

44
00:02:15,548 --> 00:02:19,159
นอกจากนี้ demo นี้อยู่ใน free tier อยู่แล้ว

45
00:02:19,159 --> 00:02:23,106
ดังนั้นระหว่างทำคอร์สนี้คุณจะไม่ถูกเก็บเงินครับ

46
00:02:23,106 --> 00:02:26,549
เนื่องจากผมมีบัญชีอยู่แล้วจึงไม่ต้องสมัคร

47
00:02:26,549 --> 00:02:29,572
แต่ผมจะแสดงให้ดูว่าหน้าตาเป็นอย่างไร

48
00:02:29,572 --> 00:02:32,428
เมื่อคลิกสมัครจะขึ้นว่าเริ่มใช้ฟรี

49
00:02:32,428 --> 00:02:33,855
คลิกตรงนั้นได้เลย

50
00:02:33,855 --> 00:02:37,550
แต่ถ้ามีบัญชีอยู่แล้วแค่คลิกที่ console ครับ

51
00:02:37,550 --> 00:02:40,658
เดี๋ยวเราค่อยไปส่วน console กันทีหลัง

52
00:02:40,658 --> 00:02:45,864
ผมจะเปิดแท็บซ้ำขึ้นมาเพื่อแสดงให้เห็นว่าผู้ใช้ใหม่สมัครอย่างไร

53
00:02:45,864 --> 00:02:47,964
กดเริ่มต้น ยอมรับเงื่อนไข

54
00:02:47,964 --> 00:02:52,834
แล้วมันจะขอให้กรอกรายละเอียดบัตรเครดิตเพื่อยืนยันตัวตนครับ

55
00:02:52,834 --> 00:02:54,514
มีสองทางเลือกคือ UPI

56
00:02:54,514 --> 00:02:57,033
กับการเพิ่มบัตรเครดิตหรือเดบิต

57
00:02:57,033 --> 00:03:00,560
คุณเพิ่มแล้วกดเริ่มฟรีได้เลย ระบบจะตรวจสอบ

58
00:03:00,560 --> 00:03:02,912
อาจจะหักไปประมาณหนึ่งดอลลาร์

59
00:03:02,912 --> 00:03:06,103
แล้วคืนธุรกรรมนั้นกลับมาในไม่กี่วินาที

60
00:03:06,103 --> 00:03:07,363
ไม่ต้องตกใจครับ

61
00:03:07,363 --> 00:03:09,966
จากนั้นคุณเริ่มใช้ฟรีได้เลยครับ

62
00:03:09,966 --> 00:03:15,173
อย่างไรก็ตามถ้าคุณมีบัญชีอยู่แล้วซึ่งผมคิดว่าคนส่วนใหญ่น่าจะมี

63
00:03:15,173 --> 00:03:18,364
แค่ไปที่มุมขวาบนตรงที่เขียนว่า console

64
00:03:18,364 --> 00:03:21,387
คลิกเข้าไป มันจะพาไปหน้าโปรเจกต์ครับ

65
00:03:21,387 --> 00:03:24,662
ขึ้นอยู่กับว่าคุณเคยทำโปรเจกต์ไว้กี่อัน

66
00:03:24,662 --> 00:03:26,342
ผมมีอยู่หลายโปรเจกต์

67
00:03:26,342 --> 00:03:30,205
คุณต้องแน่ใจว่าใช้โปรเจกต์ที่สร้างไว้ระหว่างทำ

68
00:03:30,205 --> 00:03:31,380
assignment นี้

69
00:03:31,380 --> 00:03:35,327
เพื่อให้ข้อมูลทั้งหมดอยู่ในโปรเจกต์เดียวกันครับ

70
00:03:35,327 --> 00:03:39,190
ผมใช้อันนี้มาตลอด ก็เลือกอันนี้ครับ โอเค ผมได้

71
00:03:39,190 --> 00:03:41,290
project ID project number

72
00:03:41,290 --> 00:03:45,405
และนี่คือชื่อโปรเจกต์ที่ผมใช้ตลอดทั้งคอร์สนี้ครับ

73
00:03:45,405 --> 00:03:48,176
กลับมาที่ notebook ครับ ขอ import

74
00:03:48,176 --> 00:03:51,787
ส่วนประกอบกันก่อน import เสร็จเรียบร้อยแล้ว

75
00:03:51,787 --> 00:03:55,314
ต่อไปเราจะลิงก์บัญชีเพื่อเพิ่ม credentials

76
00:03:55,314 --> 00:03:58,841
เข้าสู่ secrets ครับ ก่อนหน้านี้เราคลิกที่

77
00:03:58,841 --> 00:04:02,536
add-ons ด้านบน เลือก secrets แล้ววาง API key

78
00:04:02,536 --> 00:04:05,895
ที่คัดลอกจาก AI Studio แต่ตรงนี้เราจะใช้

79
00:04:05,895 --> 00:04:07,659
Google Cloud SDK ครับ

80
00:04:07,659 --> 00:04:10,346
มันจะขอให้ลิงก์บัญชีของคุณตรงนี้

81
00:04:10,346 --> 00:04:13,873
คลิกที่ฝั่งขวา แล้วเลือกบัญชีที่คุณใช้อยู่

82
00:04:13,873 --> 00:04:16,477
ยืนยันตัวตนครับ มันบอกว่า Scale

83
00:04:16,477 --> 00:04:19,332
มีสิทธิ์เข้าถึงอยู่แล้ว ดู service

84
00:04:19,332 --> 00:04:23,111
สี่ตัวที่มันเข้าถึงได้ มีเข้าถึงตัวนี้ ตัวนี้

85
00:04:23,111 --> 00:04:26,050
ตัวนี้ ซึ่งผมโอเคกับมัน กด continue

86
00:04:26,050 --> 00:04:29,073
แล้วตอนนี้คุณเห็น authorization code

87
00:04:29,073 --> 00:04:31,761
ถูกวางลงตรงนี้แล้ว คลิก complete

88
00:04:31,761 --> 00:04:35,120
แล้วมันถูกคัดลอกแล้ว คุณมีโค้ดตรงนี้ครับ

89
00:04:35,120 --> 00:04:37,555
รันส่วนนี้ ตอนนี้ credentials

90
00:04:37,555 --> 00:04:41,418
ถูกตั้งค่าเรียบร้อยแล้วครับ ส่วนถัดไปคือเรื่อง

91
00:04:41,418 --> 00:04:42,678
project ID ครับ

92
00:04:42,678 --> 00:04:46,121
ขอย้อนทำให้ดูอีกครั้งว่าหน้าตาเป็นอย่างไร

93
00:04:46,121 --> 00:04:49,228
มันจะเป็นแบบนี้ครับ project ID ของคุณ

94
00:04:49,228 --> 00:04:52,839
และโค้ดจะหน้าตาเป็นแบบนี้ ตอนนี้คุณต้องตั้ง

95
00:04:52,839 --> 00:04:56,450
project ID ตรงนี้ วิธีทำคือเมื่อ project ID

96
00:04:56,450 --> 00:05:00,145
เท่ากับค่านี้ซึ่งเป็น string ให้ไปที่ Google

97
00:05:00,145 --> 00:05:03,337
Cloud Console ของคุณ นี่คือ project ID

98
00:05:03,337 --> 00:05:05,352
และนี่คือ project number

99
00:05:05,352 --> 00:05:09,215
ดังนั้นระวังตอนเลือกให้ดีนะครับ เอา project ID

100
00:05:09,215 --> 00:05:12,994
คัดลอกจากตรงนี้ กลับมาที่ notebook แล้วแทนที่

101
00:05:12,994 --> 00:05:16,689
string นี้ แล้ว execute เพียงเท่านี้ project

102
00:05:16,689 --> 00:05:20,132
ID ของคุณก็ถูกตั้งแล้ว เสร็จแล้วครับ โอเค

103
00:05:20,132 --> 00:05:23,827
ห้ามเปลี่ยนค่าตรงนี้เด็ดขาด มันจะ error ครับ

104
00:05:23,827 --> 00:05:27,438
ขอลองให้ดูว่า error หน้าตาเป็นอย่างไร ผมวาง

105
00:05:27,438 --> 00:05:31,133
project ID ตรงนี้ด้วย ตอนนี้มันจะ error ผมกด

106
00:05:31,133 --> 00:05:34,157
Ctrl C แล้วรันใหม่ ตอนนี้ project ID

107
00:05:34,157 --> 00:05:35,836
ถูกตั้งแล้วครับ โอเค

108
00:05:35,836 --> 00:05:39,363
ขั้นแรกตรงนี้คือสร้างเอเจนต์ของคุณด้วย ADK

109
00:05:39,363 --> 00:05:42,638
ครับ สิ่งที่เราทำตรงนี้คือสร้าง weather

110
00:05:42,638 --> 00:05:46,417
assistant ที่ทำหน้าที่เป็นเอเจนต์ตัวอย่างครับ

111
00:05:46,417 --> 00:05:49,525
และเอเจนต์นี้ถูกปรับแต่งเพื่อการทดสอบ

112
00:05:49,525 --> 00:05:53,388
production ด้วยการตั้งค่านี้ โมเดลที่เราใช้คือ

113
00:05:53,388 --> 00:05:56,999
Gemini 2.5 Flash ครับ แล้วเราใช้ tool อย่าง

114
00:05:56,999 --> 00:06:00,610
get_weather ก่อนหน้านี้เราใช้ Google Search

115
00:06:00,610 --> 00:06:04,389
กันมา แต่ตรงนี้เราจะใช้ get_weather ครับ ส่วน

116
00:06:04,389 --> 00:06:06,908
persona หรือก็คือ instructions

117
00:06:06,908 --> 00:06:10,771
เราจะให้คำแนะนำว่าควรให้ข้อมูลสภาพอากาศอย่างไร

118
00:06:10,771 --> 00:06:13,290
แล้วเราจะสร้างไฟล์เหล่านี้ครับ

119
00:06:13,290 --> 00:06:16,482
นี่คือไฟล์เอเจนต์ตัวอย่างที่คุณเคยเห็น

120
00:06:16,482 --> 00:06:20,261
ทั้งไฟล์ JSON และไฟล์ env จากวิดีโอก่อนๆ ครับ

121
00:06:20,261 --> 00:06:24,124
เราจะสร้างไฟล์พวกนี้ในโครงสร้าง directory ครับ

122
00:06:24,124 --> 00:06:27,819
เริ่มจากขั้นแรกคือสร้าง agent directory ครับ

123
00:06:27,819 --> 00:06:29,162
นี่คือ directory

124
00:06:29,162 --> 00:06:32,018
เอเจนต์ตัวอย่างที่เราจะสร้างตรงนี้

125
00:06:32,018 --> 00:06:35,629
สร้างเสร็จแล้ว ต่อไปมีไฟล์ที่เราต้องใช้ครับ

126
00:06:35,629 --> 00:06:39,072
ขั้น 2.2 เป็นเรื่องของไฟล์ เราจะเขียนไฟล์

127
00:06:39,072 --> 00:06:42,935
requirements.txt ใหม่ซึ่งก็อันนี้ครับ ถัดไปคือ

128
00:06:42,935 --> 00:06:46,546
environment ซึ่งก็ไฟล์ .env นี่เองครับ โอเค

129
00:06:46,546 --> 00:06:49,569
requirements เสร็จแล้ว มาที่ขั้น 2.3

130
00:06:49,569 --> 00:06:53,096
ผมรันอันนี้ environment ก็ถูกเขียนแล้วครับ

131
00:06:53,096 --> 00:06:56,707
เมื่อพูดว่า global หมายความว่ามันใช้ global

132
00:06:56,707 --> 00:07:00,486
endpoint สำหรับการเรียก Gemini API ครับ ถัดไป

133
00:07:00,486 --> 00:07:03,425
GOogle_GENAI_USE_VERTEXAI เท่ากับ 1

134
00:07:03,425 --> 00:07:07,288
ปกติเราต้องตั้งค่านี้เป็น 1 เพื่อใช้ Vertex AI

135
00:07:07,288 --> 00:07:10,564
ครับ ส่วน 0 หมายถึงใช้ Google AI Studio

136
00:07:10,564 --> 00:07:14,091
เท่านั้นเอง ง่ายๆ ครับ เพราะเราต้องตั้งค่า

137
00:07:14,091 --> 00:07:16,274
Vertex AI เราจึงใช้ 1 ครับ

138
00:07:16,274 --> 00:07:18,877
ถัดไปเราสร้างโค้ดของเอเจนต์ครับ

139
00:07:18,877 --> 00:07:22,404
พวกนี้เราเคยทำกันมาแล้ว คือระบุโมเดล เพิ่ม

140
00:07:22,404 --> 00:07:26,016
tool ใส่ instructions สำหรับ assistant ครับ

141
00:07:26,016 --> 00:07:29,711
ตรงนี้เราเขียนไฟล์นี้คือ agent.py โดย import

142
00:07:29,711 --> 00:07:33,490
จาก ADK และ import จาก Vertex AI ครับ project

143
00:07:33,490 --> 00:07:36,933
คือ Google Cloud project ตามที่เราระบุไว้

144
00:07:36,933 --> 00:07:40,460
location เป็น global และเรานิยาม tool ชื่อ

145
00:07:40,460 --> 00:07:44,155
get_weather สำหรับเมืองซึ่งรับค่าเป็น string

146
00:07:44,155 --> 00:07:48,942
อาร์กิวเมนต์ที่ให้มาคือคืนข้อมูลสภาพอากาศของเมืองที่กำหนด

147
00:07:48,942 --> 00:07:52,553
นี่คือ tool ที่เอเจนต์เรียกใช้ได้เมื่อ user

148
00:07:52,553 --> 00:07:55,576
ถามเรื่องสภาพอากาศครับ ใน production

149
00:07:55,576 --> 00:07:58,767
จริงมันจะเรียก weather API จริงๆ อย่าง

150
00:07:58,767 --> 00:08:02,630
OpenWeatherMap แต่ใน demo นี้เราใช้ข้อมูล mock

151
00:08:02,630 --> 00:08:05,233
แน่นอนครับ อาร์กิวเมนต์คือ city

152
00:08:05,233 --> 00:08:08,760
มันจะให้ชื่อเมืองอย่าง Tokyo หรือ New York

153
00:08:08,760 --> 00:08:10,272
แล้วคืน dictionary

154
00:08:10,272 --> 00:08:14,051
ที่มีสถานะกับรายงานสภาพอากาศหรือข้อความ error

155
00:08:14,051 --> 00:08:17,662
หากสะกดชื่อเมืองผิดหรือไม่มีในฐานข้อมูล API

156
00:08:17,662 --> 00:08:20,014
ครับ ฐานข้อมูลสภาพอากาศ mock

157
00:08:20,014 --> 00:08:23,289
ตรงนี้มีเมืองอยู่ประมาณนี้ครับ เช่น San

158
00:08:23,289 --> 00:08:26,564
Francisco จะได้ success สภาพอากาศใน San

159
00:08:26,564 --> 00:08:30,343
Francisco แดดออก อุณหภูมิประมาณนี้ รวมถึง New

160
00:08:30,343 --> 00:08:32,694
York London Tokyo Paris ครับ

161
00:08:32,694 --> 00:08:34,458
เรามีข้อมูลพวกนี้ครับ

162
00:08:34,458 --> 00:08:38,153
เรานิยามช่วงของเมืองที่รองรับ ส่วน available

163
00:08:38,153 --> 00:08:41,260
cities คือการ join จากข้อมูลสภาพอากาศ

164
00:08:41,260 --> 00:08:42,772
และมีข้อความ error

165
00:08:42,772 --> 00:08:46,635
ในกรณีที่เมืองใดเมืองหนึ่งไม่มีในฐานข้อมูลครับ

166
00:08:46,635 --> 00:08:49,910
อย่างสุดท้ายคือการนิยาม root agent ครับ

167
00:08:49,910 --> 00:08:53,269
weather_assistant ใช้ Gemini description

168
00:08:53,269 --> 00:08:57,720
คือผู้ช่วยสภาพอากาศที่ให้ข้อมูลสภาพอากาศของเมืองต่างๆ

169
00:08:57,720 --> 00:09:00,491
ส่วน instructions เป็นมิตรมากครับ

170
00:09:00,491 --> 00:09:04,102
คือคุณเป็นผู้ช่วยสภาพอากาศที่เป็นมิตร เมื่อ

171
00:09:04,102 --> 00:09:06,034
user ถามเรื่องสภาพอากาศ

172
00:09:06,034 --> 00:09:09,225
ให้ระบุชื่อเมืองจากคำถาม ใช้ tool ชื่อ

173
00:09:09,225 --> 00:09:12,416
get_weather ดึงข้อมูลสภาพอากาศปัจจุบัน

174
00:09:12,416 --> 00:09:14,515
ตอบด้วยน้ำเสียงเป็นกันเอง

175
00:09:14,515 --> 00:09:18,126
ถ้าเมืองไม่มีให้แนะนำเมืองอื่นที่มีให้เลือก

176
00:09:18,126 --> 00:09:21,234
ให้ความช่วยเหลือและตอบกระชับ และ tool

177
00:09:21,234 --> 00:09:24,845
ที่เราใช้คือ get_weather ครับ ผมจะรันอันนี้

178
00:09:24,845 --> 00:09:28,288
ตอนนี้เราได้เอเจนต์แล้วครับ ต่อไป section

179
00:09:28,288 --> 00:09:31,479
สามซึ่งเป็น section สำคัญคือการ deploy

180
00:09:31,479 --> 00:09:34,754
เอเจนต์ขึ้น Vertex AI Agent Engine ครับ

181
00:09:34,754 --> 00:09:37,861
ขอเล่าเรื่อง Agent Engine กันสักหน่อย

182
00:09:37,861 --> 00:09:40,969
มันเป็นบริการแบบ fully managed รองรับ

183
00:09:40,969 --> 00:09:44,496
autoscaling (ปรับขนาดอัตโนมัติ) มี session

184
00:09:44,496 --> 00:09:47,771
management ในตัว และ deploy ง่าย คุณใช้

185
00:09:47,771 --> 00:09:50,038
starter pack ก็ทำได้เลยครับ

186
00:09:50,038 --> 00:09:53,733
ตรงนี้มีโน้ตไว้ว่าเพื่อช่วยให้คุณเริ่มต้นกับ

187
00:09:53,733 --> 00:09:57,260
runtime นี้ เอเจนต์นี้มี monthly free tier

188
00:09:57,260 --> 00:10:00,703
ครับ ถ้าคุณอยากรันเพิ่ม อยากเรียนรู้เพิ่ม

189
00:10:00,703 --> 00:10:04,398
คุณมีเวลา 90 วันกับมัน ทำงานกับมันได้เลยครับ

190
00:10:04,398 --> 00:10:07,674
แต่คุณควรตรวจสอบให้แน่ใจเสมอว่า cleanup

191
00:10:07,674 --> 00:10:09,017
ทรัพยากรให้ทันที

192
00:10:09,017 --> 00:10:13,552
ถ้าปล่อยให้มันรันค้างไว้คุณอาจมีค่าใช้จ่ายเกิดขึ้นครับ

193
00:10:13,552 --> 00:10:15,568
ต้องระวังเรื่องนี้ให้มาก

194
00:10:15,568 --> 00:10:17,583
เพราะคุณผูกบัตรเครดิตไว้

195
00:10:17,583 --> 00:10:21,110
และมีโอกาสสูงว่าถ้าปล่อยทิ้งไว้เกิน 90 วัน

196
00:10:21,110 --> 00:10:24,469
หรือแม้แต่ใน 90 วันหากค่าใช้จ่ายเกิน 300

197
00:10:24,469 --> 00:10:28,248
ดอลลาร์ คุณจะถูกเรียกเก็บเงินตามจำนวนนั้นครับ

198
00:10:28,248 --> 00:10:32,027
ขั้นแรกคือสร้าง configuration หรือ deployment

199
00:10:32,027 --> 00:10:33,539
configuration ครับ

200
00:10:33,539 --> 00:10:36,646
คุณจะสร้างไฟล์นี้ซึ่งควบคุมการตั้งค่า

201
00:10:36,646 --> 00:10:40,173
deployment ขอผันอันนี้ครับ มันอธิบายไว้ว่า

202
00:10:40,173 --> 00:10:42,609
minimum instance เท่ากับศูนย์

203
00:10:42,609 --> 00:10:46,975
หมายความว่ามันปรับลดขนาดลงเหลือศูนย์เมื่อไม่มีใช้งาน

204
00:10:46,975 --> 00:10:50,503
ซึ่งในทางหนึ่งช่วยเราประหยัดค่าใช้จ่ายครับ

205
00:10:50,503 --> 00:10:53,022
maximum instances เท่ากับหนึ่ง

206
00:10:53,022 --> 00:10:55,877
หมายความว่ารันสูงสุดหนึ่ง instance

207
00:10:55,877 --> 00:10:58,732
ซึ่งเพียงพอสำหรับ demo นี้ครับ CPU

208
00:10:58,732 --> 00:11:02,175
หนึ่งหมายถึงหนึ่งแกน CPU ต่อ instance และ

209
00:11:02,175 --> 00:11:03,519
memory หนึ่ง GiB

210
00:11:03,519 --> 00:11:07,214
ก็คือหนึ่งกิกะไบต์ของหน่วยความจำต่อ instance

211
00:11:07,214 --> 00:11:08,313
ครับ

212
00:11:08,313 --> 00:11:15,535
การตั้งค่าเหล่านี้ทำให้ค่าใช้จ่ายต่ำสุดโดยยังให้ทรัพยากรเพียงพอสำหรับเอเจนต์ของเราครับ

213
00:11:15,535 --> 00:11:18,558
ต่อไปคือเลือก deployment region ครับ

214
00:11:18,558 --> 00:11:21,162
ก่อนหน้านี้เราบอกว่าเป็น global

215
00:11:21,162 --> 00:11:23,513
แต่ตรงนี้เราให้รายการ region

216
00:11:23,513 --> 00:11:27,376
ที่ผมเคยบอกไปว่าจะมี Europe West Europe West 4

217
00:11:27,376 --> 00:11:30,987
US East คุณไม่ได้เอาตัวนั้น เราเอา East กับ

218
00:11:30,987 --> 00:11:34,766
West ครับ คุณจะมี multi-region ให้เลือกมากมาย

219
00:11:34,766 --> 00:11:38,041
ถ้าไปที่ console คุณจะเห็น dropdown แบบ

220
00:11:38,041 --> 00:11:40,561
multi-region ให้เข้าใจด้วยครับ

221
00:11:40,561 --> 00:11:44,172
คุณยังสามารถอ่านเอกสารเรื่อง agent location

222
00:11:44,172 --> 00:11:47,783
เพื่อทำความเข้าใจว่ามี region ที่ใช้ได้หลาย

223
00:11:47,783 --> 00:11:50,806
region บ้าง ในตัวอย่างและ assignment

224
00:11:50,806 --> 00:11:54,417
นี้เราใช้สี่ region นี้ครับ ส่วน deployment

225
00:11:54,417 --> 00:11:57,776
region ที่เราเลือกคือ Europe West 4 ครับ

226
00:11:57,776 --> 00:11:59,708
ทำไมเลือก Europe West 4

227
00:11:59,708 --> 00:12:03,655
เพราะเราบอกให้สุ่มเอาอันไหนก็ได้จากลิสต์นี้ครับ

228
00:12:03,655 --> 00:12:06,174
ผมรันอีกครั้ง มันได้ west home

229
00:12:06,174 --> 00:12:10,037
ถ้ารันอีกครั้งมันจะได้อันอื่น ตอนนี้ได้ Europe

230
00:12:10,037 --> 00:12:13,564
West ครับ เพราะเราสุ่มเลือกจากลิสต์ region

231
00:12:13,564 --> 00:12:17,343
ทั้งสี่นี้ มันจะหยิบ region ใดก็ได้มาหนึ่งอัน

232
00:12:17,343 --> 00:12:20,366
ดังนั้นเวลาคุณทำตามผม ถ้าเห็น region

233
00:12:20,366 --> 00:12:22,634
อื่นโผล่มา ไม่ต้องกังวลครับ

234
00:12:22,634 --> 00:12:26,077
มันแค่การสุ่มเลือกครับ ตอนนี้ใช้ ADK ครับ

235
00:12:26,077 --> 00:12:29,688
เราจะ deploy เอเจนต์กัน ผมจะบอกสองอย่างครับ

236
00:12:29,688 --> 00:12:32,879
อันดับแรกผมจะแสดงว่าเกิดอะไรขึ้นตรงนี้

237
00:12:32,879 --> 00:12:36,490
ตรงนี้คือ sample agent กับ directory ของมัน

238
00:12:36,490 --> 00:12:40,185
สิ่งที่เราทำคือการ stage ไฟล์ทั้งหมดครับ เรา

239
00:12:40,185 --> 00:12:43,964
stage ไฟล์ทั้งหมดแล้วอัปโหลดขึ้น Agent Engine

240
00:12:43,964 --> 00:12:47,743
ซึ่งจะสร้าง deployment แบบ containerized ครับ

241
00:12:47,743 --> 00:12:51,270
ทีนี้ถ้าเห็นตรงนี้ เราได้รับ error ว่า API

242
00:12:51,270 --> 00:12:55,721
นี้ยังไม่เคยถูกใช้ในโปรเจกต์นี้มาก่อนหรือถูกปิดใช้งาน

243
00:12:55,721 --> 00:12:56,820
Vertex AI API

244
00:12:56,820 --> 00:13:00,095
ยังไม่เคยใช้ในโปรเจกต์นี้หรือถูกปิดอยู่

245
00:13:00,095 --> 00:13:03,706
ให้เปิดใช้งานผ่าน console ครับ ก็แน่นอนครับ

246
00:13:03,706 --> 00:13:07,401
ผมคลิกลิงก์นี้จากตรงนี้เลยแล้วกด enable ครับ

247
00:13:07,401 --> 00:13:10,929
ผมรันซ้ำอีกครั้ง บางครั้งเสร็จในไม่กี่นาที

248
00:13:10,929 --> 00:13:14,372
บางครั้งใช้ 2 ถึง 5 นาทีในการ deploy ครับ

249
00:13:14,372 --> 00:13:17,815
เนื่องจากมันบอกว่าคุณดูความคืบหน้าและ log

250
00:13:17,815 --> 00:13:18,914
ได้ที่นี่

251
00:13:18,914 --> 00:13:22,693
ขอคลิกแสดงให้ดูว่าหน้าตาเป็นอย่างไรบน console

252
00:13:22,693 --> 00:13:25,884
ครับ ตรงนี้คุณจะเห็นว่าพบ installation

253
00:13:25,884 --> 00:13:28,739
เดิมอยู่ กำลังถอนการติดตั้งตัวเดิม

254
00:13:28,739 --> 00:13:31,342
ถอนสำเร็จแล้ว กำลังลบ container

255
00:13:31,342 --> 00:13:35,038
ที่เป็นตัวกลางออก ตอนนี้กำลัง push reasoning

256
00:13:35,038 --> 00:13:38,481
engine ครับ push request ไปยัง repository

257
00:13:38,481 --> 00:13:41,924
กำลังเตรียม layer ที่มีอยู่แล้ว push แล้ว

258
00:13:41,924 --> 00:13:44,947
สถานะล่าสุดคือคุณได้แบบนี้ เสร็จแล้ว

259
00:13:44,947 --> 00:13:47,634
จุดเริ่มต้นกำลังเริ่มต้น service

260
00:13:47,634 --> 00:13:51,245
จุดเริ่มต้นกำลังเปิดแอปพลิเคชันหลัก uvicorn

261
00:13:51,245 --> 00:13:54,436
รันอยู่บนนี้ เริ่ม parent process แล้ว

262
00:13:54,436 --> 00:13:58,048
โดยสรุปคุณจะเห็นทุกอย่างที่เกิดขึ้นตรงนี้ใน

263
00:13:58,048 --> 00:14:01,491
log ครับ กลับมาตรงนี้ คุณเห็น output เป็น

264
00:14:01,491 --> 00:14:04,934
resource name และนั่นคือเอเจนต์ของเราครับ

265
00:14:04,934 --> 00:14:08,461
resource name หน้าตาเป็นแบบ project นี่คือ

266
00:14:08,461 --> 00:14:11,904
project number แล้วระบุ region ว่าต้องการ

267
00:14:11,904 --> 00:14:15,767
region ไหน แล้วตามด้วย reasoning engine กับ ID

268
00:14:15,767 --> 00:14:19,546
ของมันครับ เราได้ค่านี้มาแล้ว และ temp folder

269
00:14:19,546 --> 00:14:22,569
ก็ถูกล้างแล้วด้วย เสร็จเรียบร้อยครับ

270
00:14:22,569 --> 00:14:26,348
ต่อไปเราจะไปเรียกคืนเอเจนต์ที่ deploy ไว้ครับ

271
00:14:26,348 --> 00:14:30,127
ผมรันอันนี้ ตอนนี้มันจะเชื่อมต่อกับเอเจนต์ที่

272
00:14:30,127 --> 00:14:33,654
deploy ไว้ มันบอกว่าเชื่อมต่อกับเอเจนต์ที่

273
00:14:33,654 --> 00:14:35,586
deploy แล้ว เป๊ะเลยครับ

274
00:14:35,586 --> 00:14:38,861
และคุณเห็นว่าเป็นเอเจนต์ตัวเดิม project

275
00:14:38,861 --> 00:14:42,388
ตัวเดิม ตามด้วย resource agent ID location

276
00:14:42,388 --> 00:14:45,915
region resource engine และ reason agent ID

277
00:14:45,915 --> 00:14:48,267
ครับ สิ่งที่เกิดขึ้นคือ cell

278
00:14:48,267 --> 00:14:51,542
นี้เรียกคืนเอเจนต์ที่เรา deploy ไว้ มัน

279
00:14:51,542 --> 00:14:53,893
initialize ตัว Vertex AI SDK

280
00:14:53,893 --> 00:14:57,588
แล้วแสดงรายการเอเจนต์ที่ deploy ไว้ทั้งหมดใน

281
00:14:57,588 --> 00:15:00,947
region นั้น แล้วหยิบตัวแรกซึ่งเป็นตัวที่

282
00:15:00,947 --> 00:15:04,138
deploy ล่าสุด คือตัวที่เราเพิ่ง deploy

283
00:15:04,138 --> 00:15:07,665
ไปด้านบน แล้วเก็บไว้เป็น remote agent ครับ

284
00:15:07,665 --> 00:15:11,193
ต่อไปคือการทดสอบเอเจนต์ที่ deploy แล้วครับ

285
00:15:11,193 --> 00:15:14,300
เราจะส่ง query ไปยังเอเจนต์ที่ deploy

286
00:15:14,300 --> 00:15:17,911
ไว้แล้วดูว่ามันตอบอย่างไร ตรงนี้เป็น remote

287
00:15:17,911 --> 00:15:21,522
agent คำถามคือสภาพอากาศใน Tokyo เป็นอย่างไร

288
00:15:21,522 --> 00:15:23,369
และนี่คือ user ID ครับ

289
00:15:23,369 --> 00:15:26,645
สิ่งที่เกิดขึ้นตรงนี้คืออันดับแรกเราได้

290
00:15:26,645 --> 00:15:30,088
function call ครับ ตรงนี้มันใส่ city เป็น

291
00:15:30,088 --> 00:15:33,279
Tokyo ระบุชื่อ get_weather ซึ่งก็ tool

292
00:15:33,279 --> 00:15:36,890
ที่คุณมีกับโมเดล Gemini ครับ ส่วน reasoning

293
00:15:36,890 --> 00:15:40,501
จบลงแล้ว มันบอกว่า stop ครับ ทีนี้ function

294
00:15:40,501 --> 00:15:44,196
response เป็นอย่างไร ใน function response มี

295
00:15:44,196 --> 00:15:47,639
ID ตัว tool ที่มันเรียกใช้คือ get_weather

296
00:15:47,639 --> 00:15:50,158
สถานะของ response เป็น success

297
00:15:50,158 --> 00:15:52,930
รายงานว่าสภาพอากาศใน Tokyo แจ่มใส

298
00:15:52,930 --> 00:15:56,793
อุณหภูมิประมาณนี้ครับ นี่คือวิธีที่ทั้ง stream

299
00:15:56,793 --> 00:15:58,052
ทำงานเบื้องหลัง

300
00:15:58,052 --> 00:16:01,496
เป็นวิธีที่หลายอย่างถูกเรียกใช้ครับ ต่อไป

301
00:16:01,496 --> 00:16:05,275
section ห้าเรื่อง long-term memory กับ Vertex

302
00:16:05,275 --> 00:16:07,878
AI Memory Bank ครับ Memory Bank

303
00:16:07,878 --> 00:16:11,237
เป็นอะไรและแก้ปัญหาอะไร ของเรามี session

304
00:16:11,237 --> 00:16:14,680
memory คือจำบทสนทนาได้ระหว่างที่เราแชตกัน

305
00:16:14,680 --> 00:16:16,192
แต่พอ session จบลง

306
00:16:16,192 --> 00:16:18,879
อย่างที่เราเคยพูดกันในวิดีโอก่อน

307
00:16:18,879 --> 00:16:20,055
มันลืมทุกอย่าง

308
00:16:20,055 --> 00:16:23,414
การสนทนาใหม่ทุกครั้งจึงเริ่มจากศูนย์ครับ

309
00:16:23,414 --> 00:16:25,009
ปัญหาตรงนี้คือ user

310
00:16:25,009 --> 00:16:28,620
บอกเอเจนต์ว่าฉันชอบหน่วยองศา Celsius วันนี้

311
00:16:28,620 --> 00:16:31,308
พรุ่งนี้ user ถามเรื่องสภาพอากาศ

312
00:16:31,308 --> 00:16:33,575
เอเจนต้องตอบเป็น Fahrenheit

313
00:16:33,575 --> 00:16:37,270
เพราะมันลืมความชอบของ user ไปแล้ว ใช่ไหมครับ

314
00:16:37,270 --> 00:16:41,133
ครั้งนี้ user ต้องบอกความชอบซ้ำอีกครับ สิ่งที่

315
00:16:41,133 --> 00:16:44,660
Memory Bank ทำคือให้ long-term memory ข้าม

316
00:16:44,660 --> 00:16:48,523
session แก่เอเจนต์ครับ ความต่างระหว่าง session

317
00:16:48,523 --> 00:16:51,966
memory กับ memory bank คือ session memory

318
00:16:51,966 --> 00:16:55,326
ใช้ได้กับบทสนทนาเดียว ขณะที่ memory bank

319
00:16:55,326 --> 00:16:58,853
เก็บทุกบทสนทนา อ้างอิงถึงทุกบทสนทนาได้ครับ

320
00:16:58,853 --> 00:17:02,716
session memory ลืมเมื่อ session จบ ส่วน memory

321
00:17:02,716 --> 00:17:04,227
bank จำได้ถาวรครับ

322
00:17:04,227 --> 00:17:07,838
วิธีทำงานคือระหว่างบทสนทนาเอเจนต์ใช้ memory

323
00:17:07,838 --> 00:17:11,617
tools ค้นหาข้อเท็จจริงในอดีต และหลังจบบทสนทนา

324
00:17:11,617 --> 00:17:15,312
Agent Engine จะสกัดข้อมูลสำคัญ เช่น user ชอบ

325
00:17:15,312 --> 00:17:18,000
Celsius ในกรณีนี้ แล้วใน session

326
00:17:18,000 --> 00:17:21,947
ถัดไปเอเจนต้นเรียกใช้ข้อมูลนั้นโดยอัตโนมัติครับ

327
00:17:21,947 --> 00:17:25,390
พูดคือเมื่อ session แรก user บอกว่าฉันชอบ

328
00:17:25,390 --> 00:17:27,069
Celsius แล้ว session

329
00:17:27,069 --> 00:17:30,680
สองซึ่งอาจเป็นหลายวันถัดมาหรือวันถัดไป user

330
00:17:30,680 --> 00:17:34,291
ถามเรื่องสภาพอากาศ เอเจนต์จะตอบเป็น Celsius

331
00:17:34,291 --> 00:17:37,651
อัตโนมัติครับ นี่คือข้อได้เปรียบของการมี

332
00:17:37,651 --> 00:17:40,926
memory bank ครับ ทีนี้จะใช้ memory bank

333
00:17:40,926 --> 00:17:43,949
ได้อย่างไร คุณต้องเพิ่ม memory tools

334
00:17:43,949 --> 00:17:47,308
เข้าไปในเอเจนต์ เช่น preload_memory tool

335
00:17:47,308 --> 00:17:50,499
ที่เราเคยทำไว้ก่อนหน้า และคุณต้องเพิ่ม

336
00:17:50,499 --> 00:17:53,690
callback ด้วยครับ คุณจะมี pre และ post

337
00:17:53,690 --> 00:17:54,789
callback เสมอ

338
00:17:54,789 --> 00:17:58,232
ถ้าจำกันได้เราเคยคุยเรื่องนี้ในวิดีโอก่อน

339
00:17:58,232 --> 00:18:00,752
คุณต้องมี callback หรือ plugin

340
00:18:00,752 --> 00:18:04,531
เพื่อบันทึกบทสนทนาลง memory bank เสมอ แล้วคุณ

341
00:18:04,531 --> 00:18:07,890
deploy เอเจนต์ใหม่ครับ เมื่อตั้งค่าเสร็จ

342
00:18:07,890 --> 00:18:11,081
memory bank จะทำงานอัตโนมัติ ไม่ต้องมี

343
00:18:11,081 --> 00:18:13,433
infrastructure เพิ่มเติมครับ

344
00:18:13,433 --> 00:18:16,540
คุณสามารถอ่านสองส่วนนี้เพื่อเข้าใจการ

345
00:18:16,540 --> 00:18:20,067
implement หรือ deploy เอเจนต์ที่ใช้ memory

346
00:18:20,067 --> 00:18:23,342
ได้ครับ section สุดท้ายคือ cleanup ครับ

347
00:18:23,342 --> 00:18:24,686
cleanup สำคัญมาก

348
00:18:24,686 --> 00:18:29,472
มันคือการลบทรัพยากรที่ทดสอบเสร็จแล้วซึ่งไม่จำเป็นอีกต่อไป

349
00:18:29,472 --> 00:18:32,664
เพื่อป้องกันค่าใช้จ่ายที่ไม่คาดคิดครับ

350
00:18:32,664 --> 00:18:34,931
อย่างที่ผมบอกไปตอนต้นวิดีโอ

351
00:18:34,931 --> 00:18:36,778
ถ้าคุณไม่ได้ใช้เอเจนต์

352
00:18:36,778 --> 00:18:40,054
อย่าปล่อยให้มันรันค้างไว้ คุณควรหยุดมัน

353
00:18:40,054 --> 00:18:42,825
ไม่เช่นนั้นจะมีค่าใช้จ่ายเกิดขึ้น

354
00:18:42,825 --> 00:18:46,100
นั่นคือสิ่งที่มันบอกครับ คุณควร cleanup

355
00:18:46,100 --> 00:18:49,123
ข้อมูลเสมอ คือลบทรัพยากรที่ไม่ได้ใช้

356
00:18:49,123 --> 00:18:52,146
และปิดเอเจนต์เสมอถ้าไม่ได้ใช้งานครับ

357
00:18:52,146 --> 00:18:56,765
ตอนนี้เราได้สร้างมันขึ้นมาและเห็นว่ามันทำงานอย่างไรแล้ว

358
00:18:56,765 --> 00:19:00,376
สิ่งถัดไปคือลบ resource ซึ่งก็ remote agent

359
00:19:00,376 --> 00:19:04,071
ที่เราสร้างไว้ครับ เราใช้ force เท่ากับ true

360
00:19:04,071 --> 00:19:09,110
ซึ่งเราเคยทำครั้งก่อนเมื่อสร้างไฟล์ที่มีอยู่แล้วและต้องลบมัน

361
00:19:09,110 --> 00:19:11,210
เราทำ force delete มาแล้ว

362
00:19:11,210 --> 00:19:14,317
ที่นี่เราทำแบบเดียวกันซ้ำอีกครั้งครับ

363
00:19:14,317 --> 00:19:17,760
และตรงนี้คุณเห็น agent resource มันบอกว่า

364
00:19:17,760 --> 00:19:20,783
resource นี้ถูกลบแล้ว ขึ้นว่ากำลังลบ

365
00:19:20,783 --> 00:19:24,646
ลบเอเจนต์แล้ว เสร็จเรียบร้อยครับ ยินดีด้วยครับ

366
00:19:24,646 --> 00:19:28,089
คุณทำคอร์ส 5 วันเรื่อง agent AI ที่จัดโดย

367
00:19:28,089 --> 00:19:31,112
Google และ Kaggle จนเสร็จสมบูรณ์แล้ว

368
00:19:31,112 --> 00:19:34,639
ถ้าต้องการคุณสามารถทำ capstone project แบบ

369
00:19:34,639 --> 00:19:36,487
optional ต่อได้เลยครับ

370
00:19:36,487 --> 00:19:40,014
โปรดตรวจสอบเอกสารเหล่านี้เพื่อเข้าใจว่าการ

371
00:19:40,014 --> 00:19:43,289
deploy ทำอย่างไรในวิธีอื่นที่ไม่ใช่ ADK

372
00:19:43,289 --> 00:19:46,060
หากคุณใช้ GKE หรือ Cloud Run ครับ

373
00:19:46,060 --> 00:19:49,588
ส่วนแนวปฏิบัติที่ดีที่สุดตามที่เราคุยกันไป

374
00:19:49,588 --> 00:19:50,931
คือลบ deployment

375
00:19:50,931 --> 00:19:54,290
ทดสอบเมื่อเสร็จเพื่อหลีกเลี่ยงค่าใช้จ่าย

376
00:19:54,290 --> 00:19:57,901
เปิดใช้ tracing โดยตั้ง enable tracing เป็น

377
00:19:57,901 --> 00:20:01,512
true เพื่อ debug และทำความเข้าใจว่ามี error

378
00:20:01,512 --> 00:20:05,124
หรือปัญหาค่าใช้จ่ายตรงไหน คุณสามารถหาได้ว่า

379
00:20:05,124 --> 00:20:08,903
job ไหนทำให้เกิดอะไร และเฝ้าดูผ่าน AI console

380
00:20:08,903 --> 00:20:11,506
ได้ครับ ทีนี้ขอสรุปการเดินทาง 5

381
00:20:11,506 --> 00:20:13,353
วันกันอย่างรวดเร็วครับ

382
00:20:13,353 --> 00:20:16,797
ตลอดห้าวันนี้เราได้เรียนพื้นฐานของเอเจนต์

383
00:20:16,797 --> 00:20:20,324
เราเข้าใจเครื่องมือขั้นสูง เช่น custom และ

384
00:20:20,324 --> 00:20:23,851
built-in best practices รวมถึง session กับ

385
00:20:23,851 --> 00:20:26,622
memory ความต่างระหว่างสองอย่างนี้

386
00:20:26,622 --> 00:20:29,813
และเมื่อไหร่ควรใช้อะไรครับ เรียนรู้ว่า

387
00:20:29,813 --> 00:20:32,165
observability กับ evaluation

388
00:20:32,165 --> 00:20:35,692
คืออะไรและทำงานร่วมกันอย่างไร และวันนี้คือ

389
00:20:35,692 --> 00:20:37,455
production deployment

390
00:20:37,455 --> 00:20:41,234
วิธีให้เอเจนต์ของเรามีชีวิตจริงด้วย Vertex AI

391
00:20:41,234 --> 00:20:42,662
Agent Engine ครับ

392
00:20:42,662 --> 00:20:46,189
ตอนนี้เรามีชุดเครื่องมือครบถ้วนสำหรับสร้าง

393
00:20:46,189 --> 00:20:47,533
ทดสอบ และ deploy

394
00:20:47,533 --> 00:20:51,228
เอเจนต์ที่พร้อมใช้งานจริงอย่างสำเร็จแล้วครับ

395
00:20:51,228 --> 00:20:54,839
เมื่อเสร็จแล้วทั้งหมดนี้ คุณสามารถไปที่ส่วน

396
00:20:54,839 --> 00:20:56,350
billing บน console

397
00:20:56,350 --> 00:21:02,061
ของคุณแล้วลบบัตรออกจากบัญชีถ้าคุณจะไม่ทำอะไรเพิ่มเติมกับบัญชีนี้ครับ

398
00:21:02,061 --> 00:21:04,496
ผมจะไปที่ console นี้อีกครั้ง

399
00:21:04,496 --> 00:21:07,183
หรือจะเข้าผ่านลิงก์ Google Cloud

400
00:21:07,183 --> 00:21:08,611
ลิงก์ไหนก็ได้ครับ

401
00:21:08,611 --> 00:21:11,466
ผมเอาอันนี้เพราะมันอยู่ใกล้มือครับ

402
00:21:11,466 --> 00:21:14,909
จากตรงนี้ถ้าเห็น ผมจะไปที่ไอคอน hamburger

403
00:21:14,909 --> 00:21:17,009
อีกครั้ง ตรงนี้มี billing

404
00:21:17,009 --> 00:21:20,872
ซึ่งเป็นหนึ่งในผลิตภัณฑ์ยอดนิยม คลิกเข้าไปครับ

405
00:21:20,872 --> 00:21:22,887
เดี๋ยวบอกว่าเกิดอะไรขึ้น

406
00:21:22,887 --> 00:21:26,666
ค่าใช้จ่ายรวมของผมตั้งแต่เริ่มใช้คือเป็นศูนย์

407
00:21:26,666 --> 00:21:30,529
เพราะเป็น free tier ผมไม่ได้ถูกเก็บเงินเลยครับ

408
00:21:30,529 --> 00:21:33,553
ตอนนี้มันแสดงว่าเป็นเครดิต free tier

409
00:21:33,553 --> 00:21:35,568
ตรงนี้ครับ เมื่อแปลง 300

410
00:21:35,568 --> 00:21:39,431
ดอลลาร์เป็นรูปีอินเดีย จะได้ประมาณ 26,000 รูปี

411
00:21:39,431 --> 00:21:42,454
มันบอกจำนวนวันที่เหลืออยู่คือ 91 วัน

412
00:21:42,454 --> 00:21:46,317
และหมดอายุประมาณวันที่ 23 กุมภาพันธ์ ค.ศ. 2026

413
00:21:46,317 --> 00:21:48,753
ครับ ถ้าผมต้องการก็เก็บไว้ได้

414
00:21:48,753 --> 00:21:51,104
ถ้าไม่ต้องการก็ลบทิ้งได้ครับ

415
00:21:51,104 --> 00:21:54,379
ไอคอนรูปเฟืองนี้ซึ่งเขียนว่าจัดการบัญชี

416
00:21:54,379 --> 00:21:55,891
billing คลิกเข้าไป

417
00:21:55,891 --> 00:21:59,166
ผมเลือกได้ทั้งเปลี่ยนหรือปิดการ billing

418
00:21:59,166 --> 00:22:02,609
ผมเลือกปิดการ billing แล้วกด disable ครับ

419
00:22:02,609 --> 00:22:06,220
ตอนนี้ไม่มีโปรเจกต์ใดเชื่อมกับบัญชี billing

420
00:22:06,220 --> 00:22:08,320
นี้แล้ว ผมมีบัญชี billing

421
00:22:08,320 --> 00:22:11,847
ที่มีบัตรเครดิตอยู่แต่ไม่ได้ใช้มันอีกต่อไป

422
00:22:11,847 --> 00:22:15,710
ตอนนี้ billing สำหรับโปรเจกต์นี้ถูกปิดแล้วครับ

423
00:22:15,710 --> 00:22:18,985
อย่างไรก็ตามถ้าผมอยากปิดบัญชีนี้ทั้งหมด

424
00:22:18,985 --> 00:22:21,756
ผมสามารถไปที่เครื่องหมาย X ตรงนี้

425
00:22:21,756 --> 00:22:24,947
มันเขียนว่าปิดบัญชี billing คลิกเข้าไป

426
00:22:24,947 --> 00:22:27,551
แล้วมันถามว่าต้องการปิดจริงหรือ

427
00:22:27,551 --> 00:22:30,658
คุณต้องพิมพ์คำว่า close ผมพิมพ์ close

428
00:22:30,658 --> 00:22:34,521
แล้วตอนนี้มันบอกว่าบัญชี billing นี้ถูกปิดแล้ว

429
00:22:34,521 --> 00:22:39,392
คุณสามารถเปิดใหม่เพื่อใช้งานต่อและเชื่อมโปรเจกต์กลับเข้ามา

430
00:22:39,392 --> 00:22:43,087
หมายความว่าคุณเปิดใหม่ได้ เชื่อมโปรเจกต์กลับ

431
00:22:43,087 --> 00:22:45,942
และเพิ่มบัญชีของคุณอีกครั้งได้ครับ

432
00:22:45,942 --> 00:22:49,721
เราทำการตั้งค่า การพัฒนา และการ deploy ของ AI

433
00:22:49,721 --> 00:22:52,072
agent ครบถ้วนสมบูรณ์แล้วครับ

434
00:22:52,072 --> 00:22:55,851
ทีนี้มาดูกันว่ามีอะไรใน capstone project บ้าง

435
00:22:55,851 --> 00:22:58,958
ผมจะพาไปที่เซิร์ฟเวอร์ Discord ตรงนี้

436
00:22:58,958 --> 00:23:02,821
และคอมเมนต์จาก Melissa เมื่อวันที่ 5 พฤศจิกายน

437
00:23:02,821 --> 00:23:07,272
มันบอกว่าตรงหน้านี้คุณจะเห็นขั้นตอนสุดท้ายของโปรเจกต์

438
00:23:07,272 --> 00:23:09,876
โดยพื้นฐานแล้ว capstone project

439
00:23:09,876 --> 00:23:13,151
ถ้าคุณอยากทำก็ทำได้ ถ้าไม่อยากทำมันเป็น

440
00:23:13,151 --> 00:23:16,594
optional การมีส่วนร่วมใน capstone project

441
00:23:16,594 --> 00:23:18,022
เป็นเรื่องสมัครใจ

442
00:23:18,022 --> 00:23:21,549
อย่างไรก็ตามผู้เข้าร่วมทุกคนจะได้รับ badge

443
00:23:21,549 --> 00:23:25,328
และใบรับรองของ Kaggle ภายในสิ้นเดือนธันวาคมปี

444
00:23:25,328 --> 00:23:28,519
2025 ครับ ถ้าคุณไม่ร่วมก็ไม่เป็นไรครับ

445
00:23:28,519 --> 00:23:30,114
ตรงนี้ถ้าคลิกอันนี้

446
00:23:30,114 --> 00:23:33,054
มันจะบอกว่าคุณจะเห็นใบรับรองอย่างไร

447
00:23:33,054 --> 00:23:36,329
คุณไปที่หน้านั้นแล้วจะเห็นว่าคุณทำคอร์ส

448
00:23:36,329 --> 00:23:38,932
intensive 5 วันเสร็จแล้ว คลิกดู

449
00:23:38,932 --> 00:23:41,955
มันจะเปิดใบรับรองพร้อมชื่อของคุณครับ

450
00:23:41,955 --> 00:23:44,475
เมื่อคุณทำคอร์ส 5 วันนี้จบแล้ว

451
00:23:44,475 --> 00:23:49,345
กลับมาใหม่ในปีหน้าแล้วค่อยมาดูใบรับรองเอเจนต์ของคุณได้ครับ

452
00:23:49,345 --> 00:23:52,956
หวังว่าคุณจะชอบวิดีโอและซีรีส์ทั้งหมดนะครับ

453
00:23:52,956 --> 00:23:54,720
ขอบคุณมากที่รับชมครับ