ข้ามไปยังเนื้อหาหลัก
หมวดหมู่
เทคโนโลยี

บทเรียน LLM

อัปเดตข่าว เทคนิคล่าสุด และทรัพยากรสำหรับโมเดลภาษาขนาดใหญ่ บทเรียนของเราเต็มไปด้วยตัวอย่างปฏิบัติและกรณีการใช้งานที่ช่วยพัฒนาทักษะ
ฝึกอบรม 2 คนขึ้นไป?ลองใช้ DataCamp for Business
ปัญญาประดิษฐ์

คู่มือ Meta Muse Wonder: สร้างตัวตรวจสอบข้อกล่าวอ้างทางการแพทย์ด้วย Python

ใช้ Meta Muse Wonder และ Olostep web API เพื่อตรวจสอบข้อกล่าวอ้างทางการแพทย์ อธิบายเหตุผล และแสดงแหล่งที่มาของหลักฐาน
ปัญญาประดิษฐ์

โมเดลตัดสินใจของ AI คืออะไร? วิธีทำงานและตัวอย่างสำคัญ

โมเดลตัดสินใจให้คะแนนชุดคำตอบที่กำหนดไว้แทนการเขียนข้อความ ดูวิธีทำงาน การเปรียบเทียบกับ Jev และผลการทดสอบอิสระ
ปัญญาประดิษฐ์

บทเรียน OpenAI Agents API: Computer Use — สร้างเอเจนต์ทดสอบเบราว์เซอร์ (Browser QA)

ทำตามบทเรียน OpenAI Agents API: Computer Use เพื่อสร้างเอเจนต์ QA ด้วย Python ที่ทดสอบขั้นตอนชำระเงินในเบราว์เซอร์แบบโฮสต์ และทดสอบซ้ำหลังแก้ไขในเซสชันเดียวกัน
ปัญญาประดิษฐ์

บทช่วยสอน GPT-6.1 Sol: สร้างเอเจนต์คัดแยกเหตุการณ์ (Incident Triage) ด้วย AI

สร้างเอเจนต์ตอบสนองเหตุการณ์ด้วย AI โดยใช้ GPT-6.1 Sol, OpenAI Agents API และ sandbox แบบโฮสต์ เพื่อสืบสวนเหตุการณ์ รันการตรวจสอบ และสร้างรายงานเชิงโครงสร้าง
ปัญญาประดิษฐ์

Graph Engineering คืออะไร? คู่มือปฏิบัติการ Orchestration แบบหลายเอเจนต์ด้วย LangGraph

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

คู่มือสอน Muse Spark 1.3: แนวทางปฏิบัติสำหรับนักพัฒนา

ตั้งค่า Muse Spark 1.3 ใน Muse Code และ Meta Model API เลือกระหว่างระดับ contributor กับ standard และตรวจสอบว่าคำอ้างเรื่องประสิทธิภาพของ Meta ตรงหรือไม่
ปัญญาประดิษฐ์

บทเรียน Gemini 3.8 Flash API: ระดับการคิด การดึงข้อมูลจาก PDF และการเรียกใช้ฟังก์ชันใน Python

เรียนรู้การใช้ Gemini 3.8 Flash API ใน Python: ตั้งค่า Interactions API ปรับจูน thinking_level ดึงข้อมูล PDF เป็น JSON และเรียกใช้ฟังก์ชันด้วยโค้ด
ปัญญาประดิษฐ์

บทช่วยสอน GPT-6 Astra API: สร้างเอเจนต์ตรวจเช็กก่อนปล่อยระบบด้วย Async Tools และ Steering

ใช้ GPT-6 Astra ผ่าน OpenAI API เพื่อสร้างเอเจนต์ตรวจเช็กก่อนปล่อยระบบใน Python พร้อมเครื่องมือ async การควบคุมเหตุผล Structured Outputs และการติดตามต้นทุน แล้วทดสอบการใช้คอมพิวเตอร์และการสั่งบังคับทิศทาง
ปัญญาประดิษฐ์

บทเรียน Claude Fable 5.1 API: สร้างเอเจนต์นักพัฒนาแบบรันต่อเนื่องใน Python

เรียนรู้การใช้โมเดลเรือธงล่าสุดของ Anthropic เพื่อสร้างเอเจนต์ Python ที่อ่านคลังโค้ด Flask ก่อนวางแผนการเปลี่ยนแปลง เพิ่มอัปเดตความคืบหน้า เครื่องมืออ่านไฟล์อย่างเดียว และการควบคุมต้นทุน
ปัญญาประดิษฐ์

วิธีรัน Qwen3.8-Flash-Next แบบโลคัลให้เป็นเอเจนต์เขียนโค้ดด้วย OpenCode

เรียนรู้วิธีรัน Qwen3.8-Flash-Next GGUF แบบโลคัลด้วย llama.cpp บน RTX PRO 6000 จากนั้นเชื่อมต่อกับ OpenCode เพื่อใช้งานเป็นเอเจนต์เขียนโค้ดแบบโลคัลเต็มรูปแบบ