Section 7: RAG จากข้อมูลสินค้าและ FAQ
- เตรียมข้อมูลสินค้า ราคา นโยบาย และ FAQ ให้พร้อมค้นหา
- File Search แบบจัดการให้ของ Gemini API หรือ OpenAI เทียบกับทำ Vector Search เอง
- ค้นแบบผสม Vector Search กับเงื่อนไขอย่างหมวดหมู่และช่วงราคา
- ตอบว่าไม่ทราบเมื่อไม่มีข้อมูล แทนการเดาราคา
- Lab: บอทตอบคำถามสินค้าจากแคตตาล็อกจำลอง
Section 8: Lab: อัปเดตข้อมูลโดยไม่ต้องแก้โค้ด
- เก็บข้อมูลสินค้าใน Google Sheets หรือฐานข้อมูลให้ทีมแก้เองได้
- Sync ข้อมูลเข้า Index อัตโนมัติเมื่อมีการเปลี่ยนแปลง
- แยก Prompt และข้อความตอบมาตรฐานไว้นอกโค้ด
- ทดสอบคำตอบชุดเดิมก่อนเปิดใช้ข้อมูลหรือ Prompt ใหม่
Section 9: Lab: ส่งต่อแอดมิน (Handover)
- เงื่อนไขส่งต่อ: ลูกค้าขอคุยกับคน บอทไม่มั่นใจ หรือเป็นเรื่องร้องเรียน
- พักบอทเฉพาะลูกค้ารายนั้น ให้แอดมินตอบผ่าน Chat ใน LINE Official Account Manager
- แจ้งเตือนทีมพร้อมสรุปบทสนทนา และคืนการตอบให้บอทเมื่อจบเคส
- Lab: ระบบส่งต่อแอดมินพร้อมสรุปเคส
Section 10: Guardrail, PDPA และความปลอดภัย
- ป้องกัน Prompt Injection และการพยายามให้บอทพูดนอกขอบเขต
- กำหนดสิ่งที่บอทห้ามสัญญา เช่น ส่วนลดหรือการคืนเงินนอกนโยบาย
- PDPA: แจ้งการเก็บข้อมูล ระยะเวลาเก็บ และสิทธิ์ของลูกค้า
- เก็บ API Key และ Channel Secret อย่างปลอดภัย
Section 11: Lab: Deploy ขึ้น Cloud Run และดูแลระบบ
- ทำ Container ด้วย Docker แล้ว Deploy Backend ขึ้น Cloud Run
- Log, Monitoring และแจ้งเตือนเมื่อบอททำงานผิดพลาด
- คุมค่าใช้จ่าย LLM ด้วยการเลือกโมเดล จำกัดความยาว และ Cache คำตอบ
- วัดผลจากบทสนทนาจริงและปรับ Prompt อย่างต่อเนื่อง
Section 12: Workshop: Capstone LINE AI Chatbot
- เลือกธุรกิจตัวอย่าง: ร้านค้าออนไลน์ คลินิก หรือบริการหลังการขาย
- ประกอบบอทให้ครบ: Memory, RAG, Function Calling และส่งต่อแอดมิน
- ทดสอบด้วยชุดคำถามจริงและกรณียาก
- สาธิตบน LINE ของตนเองพร้อมแผนเปิดใช้