
AI Coding Agent for SDLC
นักพัฒนาส่วนใหญ่ใช้ AI ช่วยเขียนโค้ดกันแล้ว แต่ยังใช้แบบสั่งทีละงานแล้วคัดลอกผลลัพธ์มาวาง ซึ่งได้ประโยชน์แค่ช่วงเขียนโค้ดเท่านั้น ขณะที่เวลาจริงของทีมพัฒนาหมดไปกับการวางแผน แตกงาน ทบทวนโค้ด ทดสอบ ไล่ปัญหา และงาน Deploy…
หลักสูตร AI Harness Engineering คือการอบรมเพื่อระดับ Advanced สร้าง Runtime ของ AI Agent ด้วย Coding Agent ทั้ง Agent Loop ที่มีเพดาน Step และ Token, Tool Layer, Hooks และ Middleware, Context Engineering, Subagents, Sandbox และ Checkpoint ด้วย Python async จบด้วย Capstone บน Repository จริง
เมื่อ AI Agent ต้องทำงานยาวหลายสิบขั้น เรียกเครื่องมือจริง แก้ไฟล์จริง และรันคำสั่งบนระบบจริง สิ่งที่ตัดสินว่า Agent จะน่าเชื่อถือหรือไม่ไม่ได้อยู่ที่ตัวโมเดลอย่างเดียว แต่อยู่ที่ Harness หรือ Runtime ที่ห่อโมเดลไว้ ทั้ง Loop ที่รู้ว่าเมื่อไรต้องหยุด เครื่องมือที่บอก Error ชัดพอให้ Agent แก้ตัวเองได้ Policy ที่บังคับใช้ด้วยโค้ดแทนการขอร้องใน Prompt และการจัดการ Context ที่ไม่ทำให้ Agent เสื่อมเมื่อทำงานนานขึ้น
หลักสูตรนี้พาวิศวกรที่ใช้ AI ช่วยเขียนโค้ดอยู่แล้วก้าวจากผู้ใช้ไปเป็นผู้สร้างระบบ ผู้เรียนจะผ่าโครงสร้างของ Coding Agent เชิงพาณิชย์เพื่อเข้าใจว่า Harness ต่างจาก Framework อย่างไร แล้วเขียน Spec ของแต่ละส่วนให้ละเอียดพอที่ Coding Agent อย่าง Claude Code หรือ Cursor จะสร้างให้ได้ ตั้งแต่ Agent Loop ที่มีเพดาน Step และ Token, Tool Layer, Hooks และ
Middleware ไปจนถึง Context Engineering, Subagents, Sandbox และ Checkpoint สำหรับงานที่รันยาว ระหว่างทางฝึกอ่านโค้ดที่ AI เขียนให้เห็นจุดบกพร่องเชิงออกแบบที่ Test จับไม่ได้ และปิดท้ายด้วย Capstone บน Repository จริงที่ผู้เรียนต้องให้เหตุผลกับการตัดสินใจเชิงสถาปัตยกรรมที่ขัดกับคำแนะนำของ Agent (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Advanced)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายสลับ Workshop ที่ผู้เรียนเขียน Spec แล้วให้ Coding Agent สร้างส่วนต่าง ๆ ของ Harness ต่อยอดกันไปจนครบระบบ ระดับ Advanced ผู้เรียนต้องเขียน Python แบบ async ได้และเคยใช้ AI ช่วยเขียนโค้ดมาแล้ว ทุก Workshop
รันบนเครื่องของผู้เรียนด้วย Docker ผู้เรียนเตรียมบัญชี Coding Agent และ LLM API Key ที่มีเครดิตมาเอง ค่าใช้ API เป็นไปตามการใช้งานจริง ผู้ที่ต้องการปูพื้นการใช้ Agent ในงานพัฒนาซอฟต์แวร์ก่อน แนะนำหลักสูตร AI Coding Agent for SDLC ผู้เรียนจะได้ Lab Guide ไฟล์ Spec ตัวอย่าง และ Source Code ของ Harness ครบทุก Workshop กลับไปใช้งานต่อ
Section 1: กายวิภาคของ Harness
Harness ต่างจาก Framework อย่างไร และใครควบคุม Control Flow
องค์ประกอบของระบบ Agentic AI: Model, Loop, Tools, Context และ Policy
ผ่าโครงสร้าง Coding Agent เชิงพาณิชย์ว่าแต่ละส่วนทำหน้าที่อะไร
ตั้งค่า Claude Code และ Cursor ที่ใช้ในห้องเรียนให้พร้อมทำงานจาก Spec
Section 2: Agent Loop
วงจร Observe, Decide, Act และ Verify ของ Agent
กำหนดงบ Step และงบ Token ต่อหนึ่งงาน
เงื่อนไขการหยุด และการตรวจจับ Loop ที่วนซ้ำไม่จบ
Structured Tracing ให้ย้อนดูได้ว่า Agent ตัดสินใจอะไรในแต่ละรอบ
Section 3: Workshop: สร้าง Agent Loop จาก Spec
เขียน Spec ของ Loop ที่ระบุเพดาน Step และ Token ชัดเจน
กำหนดเงื่อนไขการหยุดและรูปแบบ Trace ที่ต้องการ
ให้ Coding Agent สร้าง Loop ตาม Spec ด้วย Python async
ตรวจโค้ดที่ได้ หาจุดบกพร่องเชิงออกแบบที่ Test ไม่เจอ แล้วสั่งแก้
Section 4: Tool Layer
คำอธิบาย Tool คือส่วนหนึ่งของ Prompt ที่ต้องออกแบบอย่างตั้งใจ
Schema ที่ชัดพอจนโมเดลไม่ต้องเดาค่าพารามิเตอร์
Error Surface ที่บอกสาเหตุและทางแก้ ให้ Agent แก้ตัวเองได้
Idempotency สำหรับ Tool ที่มีผลข้างเคียง และการตัดทอนผลลัพธ์ที่ใหญ่เกินก่อนส่งกลับเข้า Context
Section 5: Workshop: Tool อ่านไฟล์ แก้ไฟล์ และรันคำสั่ง
เขียน Spec ของ Tool อ่านไฟล์ แก้ไฟล์ และรันคำสั่ง
ออกแบบ Error Message ที่ Agent นำไปแก้ไขต่อได้
ให้ Coding Agent สร้าง Tool และต่อเข้ากับ Loop จาก Workshop แรก
ทดสอบกรณีผิดพลาดและผลลัพธ์ขนาดใหญ่
Section 6: Hooks และ Middleware
Policy ต้องอยู่ใน Runtime ไม่ใช่ฝากไว้ใน Prompt
Lifecycle Hooks ที่ทำงานแบบ Deterministic ก่อนและหลังการเรียก Tool
ลำดับของ Middleware Chain และผลเมื่อสลับลำดับ
Workshop: ให้ Coding Agent สร้าง Middleware Chain จาก Spec โดยไม่แตะโค้ดของ Loop
Section 7: Context Engineering
ทำไม Agent ที่ทำงานยาวจึงเสื่อมประสิทธิภาพลงเรื่อย ๆ
Tool-result Clearing: ล้างผลลัพธ์เก่าที่ไม่ต้องใช้แล้ว
Compaction: ย่อประวัติให้เป็นบล็อกที่มีโครงสร้าง
External Memory ที่อยู่รอดแม้ Context ถูกรีเซ็ต
ทำไมต้องใช้ทั้งสามวิธีร่วมกัน และวัด Trade-off อย่างไร
Section 8: Workshop: ลงมือทำ Context Engineering
เขียน Spec ของ Tool-result Clearing, Compaction และ External Memory
ให้ Coding Agent สร้างทั้งสามส่วนและต่อเข้ากับ Harness
วัดผลด้วย Trace ก่อนและหลัง ทั้งจำนวน Token และคุณภาพงาน
Section 9: Subagents และการแยก Context
แยก Context ของ Subagent แต่ละตัวออกจากกัน
สัญญาการส่งผลกลับแบบสั้น พร้อม Pointer ไปยังรายละเอียด
ความเสี่ยงเมื่อแต่ละส่วนลด Context เองโดยไม่ประสานกัน
เลือกว่าเมื่อไรควรแตก Subagent และเมื่อไรไม่ควร
Section 10: Sandbox และการกู้คืน
จำกัดสิทธิ์ Filesystem, Network และ Process ด้วย Docker
Retry แบบไม่ทำซ้ำสิ่งที่สำเร็จไปแล้ว
Checkpoint และ Resume ด้วย SQLite สำหรับงานที่รันยาว
Cost Cap และ Kill Switch เมื่อ Agent ใช้ทรัพยากรเกินกำหนด
ส่ง Trace ด้วย OpenTelemetry เพื่อติดตามงานที่ล้มเหลว
Section 11: ขอบเขตของ Agent SDK และการนำไปใช้ในโดเมนอื่น
เทียบ Agent SDK กับ Harness ที่สร้างเอง
เกณฑ์ตัดสินว่าจะต่อยอดของเดิมหรือสร้างใหม่
ประเมินและปรับใช้ส่วนประกอบของ Agent SDK
นำความรู้ไปใช้กับ Agent งานบริการลูกค้า งานข้อมูล และ RAG
Section 12: Capstone: Coding Agent บน Repository จริง
ใช้ Harness และ Coding Agent ทำงานบน Repository จริง
ตรวจงานที่ Agent เขียนด้วยมุมมองเชิงสถาปัตยกรรม
นำเสนอการตัดสินใจ 3 ข้อที่ขัดกับคำแนะนำของ Agent พร้อมเหตุผล
สรุปแนวทางนำ Harness ไปใช้ในงานของทีม
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
เหมาะกับ AI Engineer ที่อยากก้าวจากผู้ใช้ AI ไปเป็นผู้สร้างระบบ Agent · Backend Engineer ที่ต้องต่อ Agent เข้ากับระบบและเครื่องมือจริง · Tech Lead ที่ต้องเลือกสถาปัตยกรรมของ Agent ให้ทีม พื้นฐานที่ผู้เรียนควรมี เคยใช้ AI Chat หรือ Coding Agent ช่วยเขียนโค้ดมาแล้ว หลักสูตรนี้ไม่เหมาะกับผู้ที่มองหาเครื่องมือแบบ No-code · เขียน Python ได้คล่อง และเข้าใจ async / await ของ Python 3.12 หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449
ราคาปกติ 4,900 บาท (โปรโมชันปัจจุบันเหลือ 4,410 บาท) ใช้เวลาอบรม 12 ชั่วโมง ราคานี้ยังไม่รวม VAT 7% (กรณีชำระในนามนิติบุคคล) ชำระค่าอบรมด้วยการโอนเข้าบัญชีบริษัท แล้วแจ้งชำระเงินผ่านหน้าแจ้งชำระเงินของเว็บไซต์ และขอใบเสร็จรับเงินหรือใบกำกับภาษีในนามบริษัทได้
ได้รับ ผู้ผ่านการอบรมทุกท่านจะได้รับใบประกาศนียบัตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ใบประกาศแต่ละใบมีเลขที่ของตัวเอง ใครก็ตามที่มีเลขที่ใบประกาศตรวจสอบความถูกต้องออนไลน์ได้ที่หน้าตรวจสอบใบประกาศของสถาบัน จึงใช้แนบแฟ้มผลงานหรือส่งให้ฝ่ายบุคคลประกอบการพัฒนาบุคลากรได้
เรียนได้ทั้งแบบออนไซต์ที่สถาบันไอทีจีเนียส และนัดเรียนผ่านออนไลน์ และรับจัดอบรมเฉพาะทีม (In-house Training) ให้องค์กร สอบถามรอบและสถานที่ได้ที่ LINE @itgenius หรือโทร 02-570-8449
มี ผู้เรียนสามารถแจ้งขอเรียนซ้ำ (repeat) ในรอบถัดไปของหลักสูตรเดียวกันได้ฟรีตามเงื่อนไขของสถาบัน แจ้งชื่อหลักสูตรและรอบที่เคยเรียนกับทีมงาน แล้วทีมงานจะตรวจสอบและแจ้งรอบที่ยังมีที่นั่งว่างให้เลือก สอบถามได้ที่ LINE @itgenius หรือโทร 02-570-8449
สมัครออนไลน์ได้จากแบบฟอร์มลงทะเบียนบนหน้านี้ ลงทะเบียนผู้เข้าอบรมหลายคนได้ในครั้งเดียว และกรอกเลขประจำตัวผู้เสียภาษีกับที่อยู่สำหรับออกใบกำกับภาษีได้ในฟอร์ม หรือขอใบเสนอราคา (Quotation) ในนามนิติบุคคลได้ทันทีจากปุ่มขอใบเสนอราคา สอบถามเพิ่มเติมโทร 02-570-8449 หรือ LINE @itgenius

นักพัฒนาส่วนใหญ่ใช้ AI ช่วยเขียนโค้ดกันแล้ว แต่ยังใช้แบบสั่งทีละงานแล้วคัดลอกผลลัพธ์มาวาง ซึ่งได้ประโยชน์แค่ช่วงเขียนโค้ดเท่านั้น ขณะที่เวลาจริงของทีมพัฒนาหมดไปกับการวางแผน แตกงาน ทบทวนโค้ด ทดสอบ ไล่ปัญหา และงาน Deploy…

Claude Code ไม่ได้เป็นเพียงเครื่องมือสำหรับถาม AI ให้ช่วยเขียนโค้ด แต่ทำหน้าที่เสมือน AI Coding Agent ที่เข้าใจโครงสร้างของโปรเจกต์ อ่านไฟล์ แก้ไข Source Code รันคำสั่ง ทดสอบระบบ และทำงานร่วมกับ Development Workflow ได้จริง…
งานอัตโนมัติแบบเดิมทำงานตามเงื่อนไขที่เขียนไว้ล่วงหน้า พอเจอข้อความที่ไม่ตรงรูปแบบหรือคำถามที่ต้องดูข้อมูลหลายแหล่งประกอบกันก็ไปต่อไม่ได้ Agentic AI เปลี่ยนโจทย์นี้ด้วยการให้ LLM เป็นผู้ตีความ วางแผน และเลือกเครื่องมือเองว่าต้องดึงข้อมูลอะไร จากที่ไหน…
เว็บไซต์นี้ใช้คุกกี้
เราใช้คุกกี้ที่จำเป็นเพื่อให้เว็บไซต์ทำงานได้ และจะใช้คุกกี้ประเภทอื่นเมื่อได้รับความยินยอมจากคุณเท่านั้น อ่านนโยบายคุกกี้