Loading video player...
ลองไมค์ สัปดาห์นี้จะพาทุกคนมาปูพื้นฐานการสร้าง AI Agent ด้วย "LangChain" Framework ที่เปรียบเสมือนตัวกลางในการเชื่อมต่อ LLM เข้ากับ application และเครื่องมือต่างๆ ของเรากันครับ ในหัวข้อนี้เราจะมาเริ่มต้นทำความรู้จักกับ concept และองค์ประกอบหลักของ LangChain กันว่ามีอะไรอยู้บ้าง และองค์ประกอบเหล่านี้สามารถนำมาใช้ร่วมกับ LLM เพื่อพัฒนา application ได้อย่างไรบ้าง มาดูกันในหัวข้อลองไมค์วันนี้กันนะครับ โดยในหัวข้อนี้เราจะมาพูดถึงประเด็นเหล่านี้กัน - ทำความรู้จักกับ LangChain และ concept การพัฒนา AI Agent ในปัจจุบัน - การ Setup Model (Gemini) และลองเขียน code สั่ง LLM ด้วย Python - ทำความเข้าใจประเภทของ Message (System, Human, AI, Tool) และการส่งรูปภาพ (Multimodal) ให้ AI วิเคราะห์ - การสร้าง Custom Tools และการเรียกใช้เครื่องมือที่ Model มีอยู่แล้ว (เช่น Google Search) - การจัดรูปแบบคำตอบของ AI (Structured Output) ให้ออกมาเป็น JSON หรือ Data class เพื่อนำไปประยุกต์ใช้ต่อกับระบบอื่น หัวข้อ 00:00 แนะนำหัวข้อ 03:37 LangChain คืออะไร ? 09:01 องค์ประกอบหลักของ LangChain 15:55 1. Model - Setup Model and test prompt LLM 22:45 2. Message - พื้นฐานของการใช้ Message แต่ละประเภท 27:09 2. Message - ตัวอย่างส่งภาพผ่าน Content ใน Message 34:38 3. Agent with tools - รู้จักกับการสร้าง tool และการใช้ tool ร่วมกับ LLM 45:50 3. Agent with tools - การใช้ tools ที่ support ไว้ใน model (ex. Google Search) 53:26 4. Structured output - การตีกรอบ output ผ่าน Dataclass 57:07 สรุปหัวข้อ สามารถอ่านเนื้อหาเพิ่มเติมและดู code ได้ที่บทความนี้ https://mikelopster.dev/posts/langchain-101/ สำหรับคลิปนี้จะเป็นหัวข้อพื้นฐานที่เป็นเหมือนการอุ่นเครื่อง (101) เพื่อให้ทุกคนเห็นภาพรวมและคุ้นเคยกับ Syntax เบื้องต้นของ LangChain ก่อนนะครับ ซึ่งความรู้ตรงนี้จะสำคัญมากๆ ในการนำไปต่อยอดกับ Workflow ที่มีความซับซ้อนขึ้นในคลิปต่อๆ ไปของซีรีส์นี้ครับ 😁