Devsign Academy

จาก Hybrid Architecture ถึง Vector Database และการวัดคุณภาพ - ฉบับทีมเทคนิค

← ดูคอร์สทั้งหมด

Course 01 · Flagship

RAG Engineering: สร้างระบบถาม-ตอบเอกสารระดับ Production

จาก Hybrid Architecture ถึง Vector Database และการวัดคุณภาพ - ฉบับทีมเทคนิค

คอร์สเชิงวิศวกรรมสำหรับทีม IT/Data: ออกแบบ Hybrid Cloud/On-Prem ตามข้อจำกัด PDPA, สร้าง data pipeline (chunking, embeddings), เลือก vector store, ต่อ LLM API อย่างปลอดภัย และวัดคุณภาพ retrieval ก่อนขึ้น production

  • 10 บทเรียน + สไลด์ประกอบทุกโมดูล
  • Framework และเช็กลิสต์ที่นำไปใช้กับทีมได้ทันที
  • Challenge แบบเกม: สะสม XP เลื่อนระดับ 5 Level ปลดล็อก 8 Badges
  • Boss Fight: แผน Pilot 14 วันฉบับนำเสนอผู้บริหาร
เข้าสู่ระบบเรียน อบรมให้ทั้งทีมกับ Devsign

ระดับความก้าวหน้า

Architecture Reader 0 XP
Pipeline Builder 150 XP
Retrieval Tuner 300 XP
API Integrator 500 XP
RAG Engineer 650 XP

Badges ที่รอคุณอยู่

Hybrid Thinker Chunk Crafter Vector Navigator Top-K Tuner Key Keeper Hallucination Hunter Eval Builder RAG Engineer
Syllabus

5 โมดูล จากศูนย์สู่ Production

M1: Hybrid Architecture - เลือกวาง AI ที่ไหน ด้วยข้อมูลแบบไหน

ออกแบบ routing ระหว่าง Public Cloud LLM กับ On-Premise/Open-weight ตามระดับความลับของข้อมูล

  • Public vs Private: เส้นแบ่งที่กำหนดด้วยข้อมูล ไม่ใช่ความชอบ
  • Routing Policy ฉบับองค์กร + ข้อผิดพลาดที่พบบ่อย
  • Challenge: Challenge M1: ออกแบบ routing ให้ถูกข้อมูล + Mission M1: Routing Policy ฉบับองค์กรคุณ

M2: Data Pipeline - จาก PDF สู่สิ่งที่ระบบค้นได้

Ingestion, การทำความสะอาด, chunking strategy และ embedding - คุณภาพ RAG ถูกกำหนด 80% ตรงนี้

  • Ingestion และ Chunking: ตัดเอกสารยังไงให้ค้นเจอ
  • Embeddings เข้าใจง่าย + Metadata ที่ต้องเก็บ
  • Challenge: Challenge M2: ออกแบบ pipeline ให้ค้นเจอ + Mission M2: Pipeline เอกสารจริง

M3: Vector Store และ Retrieval ที่แม่นขึ้น

เลือก vector database (Chroma/Pinecone/Qdrant), ปรับ top-k, และเทคนิค hybrid search + rerank

  • เลือก Vector Database + ตั้งค่าพื้นฐาน
  • Retrieval ขั้นสูง: Hybrid Search, Rerank, และการวัด Recall
  • Challenge: Challenge M3: จูน retrieval ให้แม่น + Mission M3: วัดและจูน Retrieval

M4: ต่อ LLM API อย่างมืออาชีพ

โค้ดต่อ API ด้วย LangChain/LlamaIndex, ความปลอดภัยของ API key, rate limit, latency และ cost control

  • โครงสร้างระบบ RAG ด้วยโค้ดจริง (LangChain/LlamaIndex)
  • Security, Rate Limit, Latency และ Cost
  • Challenge: Challenge M4: production hygiene + Mission M4: ต่อระบบจริงให้พร้อม production

M5: วัดคุณภาพและขึ้น Production อย่างมีวินัย

ชุดประเมิน end-to-end, กัน hallucination, monitoring และแผนดูแลระยะยาว

  • ประเมิน RAG แบบ end-to-end + กัน Hallucination
  • Monitoring, Feedback Loop และการปรับปรุงต่อเนื่อง
  • Challenge: Challenge M5: วินัยก่อน production + Mission M5: แผนขึ้น Production
  • BOSS FIGHT: ออกแบบระบบ RAG Production ฉบับสมบูรณ์ · checklist 6 ข้อ