ค..ตนดูระบบคอม

ในโลกของ Software Development การพัฒนา Application ให้เสร็จไม่ได้หมายความว่างานจบ เพราะหลังจากเขียน Code แล้ว ยังมีงานอีกมากมาย เช่น Build, Test, Deploy, Monitoring, Logging, Security และการแก้ไขปัญหาที่เกิดขึ้นใน Production แนวคิด DevOps (Development + Operations) จึงถูกนำมาใช้เพื่อเชื่อมโยงกระบวนการพัฒนา Software กับการดูแลระบบให้ทำงานร่วมกันอย่างต่อเนื่อง แต่ปัจจุบัน AI โดยเฉพาะ Large Language Model (LLM) และ AI Agent กำลังเปลี่ยนแนวคิด DevOps ไปอีกระดับ แนวคิดนี้เรียกว่า DevOps AI Agent DevOps AI Agent คือ AI Agent ที่สามารถช่วยวิเคราะห์ วางแผน ดำเนินการ และตรวจสอบงานด้าน DevOps โดยสามารถเชื่อมต่อกับเครื่องมือจริง เช่น Git, CI/CD, Docker, Kubernetes, Cloud และระบบ Monitoring 1. DevOps คืออะไร? DevOps คือแนวคิดและแนวปฏิบัติที่รวม Software Development และ IT Operations เข้าด้วยกัน เป้าหมายสำคัญคือการทำให้ Software สามารถถูกพัฒนา ทดสอบ ส่งมอบ และดูแลได้อย่างรวดเร็วและมีประสิทธิภาพ งาน DevOps โดยทั่วไปครอบคลุมเรื่อง Source Control Software Build Automated Testing Continuous Integrat...

เมื่อเราพูดถึง Local LLM หลายคนมักโฟกัสอยู่ที่ตัวโมเดล เช่น Gemma, Qwen หรือ Llama และคิดว่าเพียงดาวน์โหลดโมเดลมาไว้ในเครื่องก็สามารถสร้าง AI Application ได้ทันที แต่ในระบบจริง LLM ไม่ได้ทำงานอยู่เพียงลำพัง AI Application ที่มีความสามารถมากขึ้นจำเป็นต้องจัดการทั้ง Conversation, Document, User Data, Embedding, Vector Search, Memory และข้อมูลจากระบบภายนอก คำถามจึงเกิดขึ้นว่า ถ้าเราต้องการสร้าง Local AI Server บน Raspberry Pi 5 เราควรออกแบบ Database อย่างไร? คำตอบคือ เราไม่ควรคิดว่า “LLM Database” คือ Database ที่เอาโมเดล LLM ไปเก็บไว้ใน Database แต่ควรคิดว่า Database คือ Memory Layer ของระบบ AI 1. LLM ไม่ใช่ Database สิ่งแรกที่ต้องเข้าใจก่อนคือ LLM ≠ Database LLM มีหน้าที่หลักในการประมวลผลภาษาและสร้างคำตอบจาก Context ที่ได้รับ ตัวอย่างเช่น User   ↓ Question   ↓ LLM   ↓ Answer แต่ถ้าถามว่า “เอกสารบริษัทฉบับล่าสุดระบุว่าอะไร?” LLM อาจไม่มีข้อมูลนั้นอยู่ใน Model Weight เราจึงต้องมีระบบสำหรับค้นหาข้อมูล แล้วนำข้อมูลที่เกี่ยวข้องส่งเข้าไปใน Prompt นี่คือ...