Section 6: Lab: ความปลอดภัยของ Agent และ Code Base แรก
- ความเสี่ยงของ Agent ที่รันคำสั่ง เปิดเว็บ และแก้ไฟล์ได้เอง
- ตั้งค่าการอนุมัติคำสั่ง รายการคำสั่งต้องห้าม และเหตุผลที่ไม่ควรปิดการอนุมัติทั้งหมด
- แยกโฟลเดอร์โปรเจกต์ ใช้ Git เป็นจุดย้อนกลับ และทางเลือกรันใน Docker
- เขียนไฟล์ Context ของโปรเจกต์ให้ Agent รู้มาตรฐานและขอบเขตงาน
- Lab: สร้าง Code Base แรกด้วย Agent แล้วรีวิวทุกการเปลี่ยนแปลงก่อน Commit
Section 7: Lab: ให้ AI เขียน Python จากภาษาธรรมชาติ
- เขียนโจทย์ให้ชัด: Input, Output, เงื่อนไข และตัวอย่างข้อมูล
- ให้ Agent เขียน รัน และแก้ Python จาก Error จนได้ผลลัพธ์ที่ต้องการ
- อ่านและตรวจโค้ดที่ AI เขียนแม้ไม่ได้เป็นโปรแกรมเมอร์ พร้อมให้เขียน Test ง่าย ๆ
- รู้ว่าเมื่อไรโมเดลในเครื่องพอ และเมื่อไรควรแบ่งงานให้เล็กลง
- Lab: สคริปต์ Python แปลงไฟล์ Excel หลายรูปแบบให้เป็นมาตรฐานเดียว
Section 8: เปลี่ยน Workflow เป็น Agent และงานอัตโนมัติ
- แยกงานประจำเป็นขั้นตอน แล้วเลือกว่าส่วนใดใช้สคริปต์ ส่วนใดให้ AI ตัดสินใจ
- ห่อสคริปต์ Python เป็น Skill เพื่อให้ Agent เรียกใช้ซ้ำได้
- ตั้งให้ Workflow ทำงานตามเวลา พร้อมบันทึก Log และแจ้งเมื่อทำงานไม่สำเร็จ
- แนวคิดการแบ่งงานให้ Subagent และการส่งผลผ่านแอปแชทเมื่อจำเป็น
- Workshop: Workflow ดึงข้อมูล สรุป และสร้างรายงานเป็นไฟล์ทุกเช้าโดยอัตโนมัติ
Section 9: Lab: สร้างและรัน Web App ขนาดเล็ก
- ออกแบบหน้าจอและฟังก์ชันของ Web App ด้วยภาษาธรรมชาติก่อนเริ่มเขียนโค้ด
- ให้ Agent สร้าง Web App ด้วย Python พร้อมหน้าอัปโหลดไฟล์และแสดงผล
- เรียกใช้โมเดลใน Ollama จาก Web App ผ่าน API ในเครื่อง
- รันบน localhost ทดสอบ แก้ข้อผิดพลาด และปรับหน้าจอแบบวนรอบ
- Lab: Web App อัปโหลด Excel แล้วได้สรุปและกราฟ โดยข้อมูลอยู่ในเครื่องทั้งหมด
Section 10: Capstone: AI Agent ส่วนตัวสำหรับงานของคุณ
- เลือกงานจริงของตนเองหรือโจทย์ตัวอย่าง แล้ววางขอบเขตและข้อมูลที่ใช้
- สร้างให้ครบทั้ง Skill, สคริปต์หรือ Web App และการตั้งค่าสิทธิ์ที่เหมาะสม
- ตรวจด้วย Checklist ความปลอดภัย PDPA และข้อจำกัดของโมเดลก่อนใช้งานจริง
- นำเสนอผลงาน รีวิวร่วมกัน และวางแผนขยายผลในทีม