บทเรียน AI Agents

สร้างเวิร์กโฟลว์ซ่อมแซม GitHub CI ด้วย DeepSeek Superagent จากนั้นใช้โหมด observe, pytest, ข้อมูล holdout และการรีวิวโดยมนุษย์เพื่อตรวจการแก้หนึ่งจุดใน pandas

ใช้ Meta Muse Wonder และ Olostep web API เพื่อตรวจสอบข้อกล่าวอ้างทางการแพทย์ อธิบายเหตุผล และแสดงแหล่งที่มาของหลักฐาน

คู่มือปฏิบัติสำหรับผู้ใช้ Meta Muse ครั้งแรก เรียนรู้การตั้งค่าสิทธิ์ เชื่อมต่อเครื่องมือ กำหนดขอบเขตงานที่เอเจนต์ทำเสร็จได้จริง และอ่าน Activity log เพื่อรู้ว่าเกิดอะไรขึ้นก่อนเชื่อมั่นผลลัพธ์

เรียนรู้วิธีติดตั้ง Paperclip บน Windows ร่วมกับ MiMo-V2.6-Pro และสร้างทีม AI อัตโนมัติที่วางแผน มอบหมายงาน และจัดการโปรเจกต์ได้จากแดชบอร์ดเดียว

เรียนรู้การใช้ Claude Sonnet 5.5 API ใน Python สร้างเอเจนต์กระทบยอดที่ได้รับสิทธิ์เขียนกลางบทสนทนา แล้วทดสอบว่า effort ที่สูงขึ้นเปลี่ยนผลลัพธ์หรือไม่

เรียนรู้การสร้างตัวถอดความสายสนับสนุนแบบเรียลไทม์ด้วย Grok Voice Transcribe 2.0 API ใน Python แล้วเพิ่มการแยกผู้พูด Smart Turn และออดิโอโทรศัพท์ 8 kHz

เรียนรู้การสตรีมเสียงไมค์ จัดการการขัดจังหวะ และเรียกใช้เครื่องมือแบบอะซิงก์ด้วย Python พร้อมเปรียบเทียบ Gemini 3.8 Live กับรุ่น Extended Thinking

โหนดลงมือทำ เอจตัดสินว่าจะรันอะไรต่อ และสถานะแชร์ขนส่งข้อมูลระหว่างกัน บทเรียน graph engineering นี้อธิบายว่าเมื่อใดกราฟหลายเอเจนต์ชนะลูปเดี่ยวจริง ๆ และสาธิตไปป์ไลน์ researcher, writer, reviewer ใน LangGraph พร้อมขอบรีทไรแบบมีเงื่อนไข

สร้างเอเจนต์ซ่อมแซมแบบมีภาพใน Python ด้วย DeepSeek V4.1 Flash, Responses API, สกรีนช็อต Playwright, apply_patch, pytest, การแคชบริบท และการติดตามต้นทุน

สร้างและรันเอเจนต์บนคลาวด์ด้วย OpenAI Agents API ที่สามารถวิเคราะห์ไฟล์ รันโค้ด ตรวจสอบผลลัพธ์ และส่งมอบไฟล์ผลลัพธ์ที่เสร็จสมบูรณ์ได้จากคำขอเดียว

รัน Motif-3 Quant ที่ปรับแต่งบน NVIDIA H200 ด้วยรันไทม์ ds4 ให้บริการผ่าน API ที่เข้ากันได้กับ OpenAI และผสานกับเอเจนต์โค้ด Pi

เรียนรู้การตั้งค่าส่วนขยายเบราว์เซอร์ Kimi ด้วยทั้ง Kimi Work และ Kimi Code CLI และรันการค้นหาสินค้าเพื่อดึงผลลัพธ์เชิงโครงสร้างจากเว็บไซต์