โหมดมืด
AI / LLM
"AI ไม่ใช่เวทมนตร์ มันคือ API ที่ฉลาดขึ้น และเราต้องเรียนรู้ที่จะคุยกับมันให้ถูกวิธี"
หนังสือเล่มนี้เขียนสำหรับ นักพัฒนา (developer) ที่อยากเอา AI/LLM (อ่าน เอล-เอล-เอ็ม) เช่น ChatGPT, Claude (จาก Anthropic — บริษัทผู้สร้าง Claude), Gemini (จาก Google) หรือ open-weight model (โมเดลที่รันเองได้ เช่น Llama 4, DeepSeek V3.1, Qwen 3) มาใช้ในงานจริง — ไม่ใช่นักวิจัย AI ไม่ต้องรู้คณิตศาสตร์ลึก แค่เขียนโค้ดได้ก็พอ
📌 AI ไม่ใช่เวทมนตร์ มันคือ API ที่ฉลาดขึ้น — โดย "API" (Application Programming Interface) คือช่องทางให้โปรแกรมของเราเรียกใช้บริการของผู้ให้บริการ
🎯 หนังสือเล่มนี้สอนอะไรบ้าง
- LLM (Large Language Model — โมเดลภาษาขนาดใหญ่) คืออะไร ทำงานยังไง (แบบเข้าใจง่ายๆ ไม่ต้องเรียน Math)
- เรียก OpenAI API, Anthropic API (Anthropic = บริษัทผู้สร้าง Claude; API = ช่องทางให้โปรแกรมคุยกับบริการของเขา) ผ่านโค้ดเป็น
- เขียน prompt (คำสั่งที่ป้อนให้ LLM) ให้ได้ผลลัพธ์ที่ต้องการ (prompt engineering — ศิลปะการเขียน prompt)
- ทำ RAG (Retrieval-Augmented Generation — สร้างคำตอบโดยเสริมด้วยข้อมูลที่ค้นมา) ให้ LLM ตอบคำถามจากเอกสารของบริษัท
- เข้าใจ embeddings (การแปลงข้อความเป็นตัวเลขที่สะท้อนความหมาย) และ vector database (ฐานข้อมูลเวกเตอร์)
- สร้าง AI agent (ระบบ AI ที่ลงมือทำงานเองได้) ที่เรียกเครื่องมือ (tools / function calling) ได้
- ประเมินคุณภาพ LLM (evaluation — การวัดผล) และคุม cost (ค่าใช้จ่าย) / latency (ความหน่วง)
📚 สารบัญ
| บท | หัวข้อ | สิ่งที่จะได้ |
|---|---|---|
| 00 | LLM คืออะไร มาจากไหน | เข้าใจ token, context window, temperature |
| 01 | Prompt Engineering | เขียน prompt ให้คมเหมือนมีดผ่าตัด |
| 02 | RAG + Embeddings | สร้าง chatbot ที่ตอบจากเอกสารบริษัท |
| 03 | Function Calling + Agents (+ MCP) | LLM ที่เรียก API/ฐานข้อมูลเองได้ ผ่าน tools และ MCP (Model Context Protocol) |
| 04 | Evaluation + Production | ทดสอบ คุม cost วัดคุณภาพ |
| 05 | Modern AI Stack | LangChain, LlamaIndex, local models, fine-tuning |
🔧 สิ่งที่ต้องมีก่อนเริ่ม
- พื้นฐาน Python หรือ JavaScript (ตัวอย่างในหนังสือใช้ทั้งสองภาษา)
- บัญชี OpenAI หรือ Anthropic (มีเครดิตฟรีตอนสมัครใหม่)
- ความเข้าใจ HTTP / REST API พื้นฐาน
- ต้องติดตั้ง Python 3.10+ หรือ Node.js ในเครื่องแล้ว และรันไฟล์
.py/.tsได้ (ถ้ายังไม่เคยทำ แนะนำให้ติดตั้งและลองรันไฟล์ตัวอย่างง่ายๆ ก่อนเริ่มบทที่ 00) - ไม่ต้อง รู้ machine learning, neural network, หรือ linear algebra
💡 ปรัชญาของหนังสือเล่มนี้
"จากปุ่ม Try it ใน Playground → สู่ Production"
หลายคนเล่น ChatGPT ผ่านหน้าเว็บได้ แต่พอจะเอามาทำเป็นฟีเจอร์ในแอปจริง กลับติด:
- ตอบไม่ตรงประเด็น
- ตอบช้าจนผู้ใช้ปิดแท็บ
- ค่าใช้จ่ายบานปลาย ($1000/เดือนแบบไม่รู้ตัว)
- "hallucinate" ตอบมั่วเป็นเรื่องเป็นราว
- ไม่รู้ว่าเวอร์ชั่นไหนดีกว่า
หนังสือเล่มนี้แก้ปัญหาเหล่านี้ทีละข้อด้วยเทคนิคและโค้ดที่ใช้งานได้จริง