สร้าง AI Agents จริงตั้งแต่ Loop แรกไปสู่ Production
AI agents คือโปรแกรมที่ใช้ large language models เพื่อให้เหตุผล เรียกใช้เครื่องมือ และดำเนินการหลายขั้นตอน — справляясь с задачами ที่โค้ดแบบ static ไม่สามารถทำได้ Track นี้ครอบคลุมทุกอย่างตั้งแต่วิธีการทำงานของ LLM agent loop ไปจนถึงการปรับใช้ agents ที่เชื่อถือได้และสามารถตรวจสอบได้ใน production หลักสูตรครอบคลุม 60 courses ในหกระดับ (A1 ถึง C2) โดยยึดตามเครื่องมือที่ผู้เชี่ยวชาญใช้ในปัจจุบัน: LangChain, LangGraph, LlamaIndex, vector databases และ function-calling APIs ที่เปิดให้ใช้โดย LLM providers ทั้งหมด
สิ่งที่คุณจะเรียนรู้
คุณจะเริ่มต้นด้วยกลไกของ LLM APIs และ prompt engineering สำหรับ agents จากนั้นศึกษาเกี่ยวกับ tool-use และ function-calling pattern ที่ทำให้ agents มีประโยชน์จริงๆ ทักษะหลักรวมถึงการสร้าง retrieval-augmented generation (RAG) pipelines และการรวมกับ vector databases การสร้าง agents สำหรับ email, calendar, Slack, GitHub และ web-scraping การออกแบบ conversational memory และ structured output parsing การเขียน agent tests และการ debug agent loops และการใช้ ReAct pattern ใน multi-tool agents ในระดับขั้นสูงคุณจะเผชิญกับ multi-agent orchestration, long-horizon planning, computer-use และ browser agents, code-generating agents, sandboxing และ secure code execution และ agent governance ด้วย audit trails
เส้นทางการเรียนรู้
เส้นทางเปิดขึ้นที่ A1 ด้วย Intro to LLM Agents และเคลื่อนที่ผ่าน A2 foundations — prompt engineering, LLM APIs in practice, file system operations และ conversational memory B1 ขยายชุดเครื่องมือด้วย API integration, RAG basics, vector databases, observability, LangChain fundamentals และ domain-specific agents สำหรับ documents, data analysis และ workflow automation B2 เจาะลึกความรู้นั้นผ่าน LangGraph สำหรับ stateful agents, LlamaIndex, ReAct pattern, memory architectures, async และ event-driven design, agent safety และ guardrails และ cost และ latency optimisation Tier C1 ครอบคลุม advanced RAG techniques, multi-agent orchestration, production deployment, fine-tuning models สำหรับ agentic tasks และ multimodal pipelines Track ปิดท้ายที่ C2 ด้วย Self-Improving Agent Systems และ The Road to Autonomous Systems
วิธีการทำงาน
แต่ละ course แบ่งออกเป็น lessons สั้นๆ ที่มีความเด่นชัดซึ่งคุณศึกษาผ่านตัวแก้ไขโค้ดในตัว (built-in code editor) พร้อมคำติชม real-time AI tutor พร้อมช่วยเหลือเมื่อคุณติดขัด และทุก exercise ยึดตามโค้ดที่สามารถเรียกใช้ได้เพื่อให้แนวคิดอยู่ในรูปแบบที่เป็นรูปธรรมมากกว่าทฤษฎี