🐕‍🦺💐

[ปาปีส⨳🐈‍⬛ @ppapizz]

กุรักประเทศไทย กุรักบ้านเกิดเมืองนอน กุรักเกเสรี

[𝘆𝗮𝗻𝗶 𝟮𝟯𝟭𝟯% 🇪🇸 @yanith_sa]

รักอะ ฟิคดี ๆ ไรท์เก่งมาก แต่งดีด้วย ปกตินี่ไม่ค่อยชอบอ่านตอนบรรยายเท่าไหร่ แต่สองเรื่องนี้ไม่พลาดสักตัวอักษร5555555 ควรถูกค้นพบมากอะ 🥺♡♡

[kwm ◡̈ @mamintzz]

รับอะไรดีคะ ? :3

[PROXIE @PROXIE_Official]

[Schedule Announcement]

#PROXIE_ScheduleUpdate
อัพเดตตารางงานเดือนกันยายน 2569
หากมีการเปลี่ยนแปลงจะแจ้งให้ทราบอีกครั้ง
*ไม่มีการรวมพลและการรับฝากของในทุกงาน

#PROXIEth
#bROTHERSMUSIC

[cattodata🐱📊 @cattodata]

[สาระเอไอ] AI Engineer the Series
อจ Andrew Ng พูดถึง Skill สำคัญของ AI Engineer ยุคนี้ว่า งานที่ดีไม่ควรจบแค่ “มีคนเขียน Spec มา แล้วเราสร้างตาม” แต่ AI Engineer ควรมีส่วนช่วยกำหนดด้วยว่า ควรสร้างอะไร และควรเดินต่อยังไง หรือที่เรียกว่า “Shape the build”🐱🔥

เพราะ AI ทำให้ Developer คนเดียวทำงานได้กว้างและเร็วขึ้น เส้นแบ่งระหว่าง Developer, PM และ Designer เลยเริ่มเบลอ คนที่มี AI Engineering Skill จึงควรทำได้มากกว่าแค่เขียน Code

Andrew Ng แบ่งทักษะสำคัญไว้ 4 เรื่อง

- Driving the build loop ทำ Prototype/MVP เร็ว ๆ ปล่อยงานเป็นก้อนเล็ก รับ Feedback แล้วตัดสินใจ Step ถัดไป โดยดูทั้ง Value, Risk, Effort, Budget และ Technical Feasibility

- Making product decisions ไม่ต้องเป็น PM แต่ต้องมี Product Sense, Design Sense และ Business Sense พอที่จะตัดสินใจในจุดที่ Spec ไม่ได้บอก หรือแม้แต่ช่วยสร้าง Spec ขึ้นมาเอง โดยยึด User Need เป็นหลัก

- Communicating and leading AI Engineer จะต้องทำงานข้ามทีมมากขึ้น ทั้ง Product, Marketing, Finance, Legal ฯลฯ จึงต้องอธิบายเรื่อง Technical ให้คนอื่นเข้าใจ และช่วย Align Stakeholder ให้ Project เดินต่อได้

- High-agency ownership ไม่รอแต่คำสั่งจากบนลงล่าง แต่ต้องมองเห็นปัญหา เสนอ Solution ลงมือทำ และรับผิดชอบงานแบบ End-to-end วัดผลจาก Value ที่สร้าง ไม่ใช่แค่ว่า Task เสร็จหรือยัง

อีกเรื่องที่เขาย้ำคือ ต้องตาม Technology ใหม่ ๆ เรียน Tool ใหม่ และปรับ Workflow ตัวเองตลอดเวลา

สรุปคือ AI Engineer ยุคนี้ไม่ได้มีหน้าที่แค่ “Build” แต่ต้องช่วย Shape the build ด้วย คิดว่าอะไรควรสร้าง ทดลองอะไรต่อ และอะไรสร้างคุณค่าจริงให้ User และธุรกิจ

#สาระเอไอ #cattodata #AIEngineering #AndrewNg #SoftwareEngineering

[cattodata🐱📊 @cattodata]

เห็นกระแสพี่ Ponytail กลับมาอีกครั้ง ไปคับบ Plugin ที่ทำให้ Claude เลิกแถมและเขียนโค้ดน้อยลงแต่ได้ผลลัพธ์ดีเหมือนเดิม 🐱🔥

[ฮาร์ทชู่ววว🫶🏻 @heartchuthiwat]

หวงอ่อ

[เจร๋ 🍧₊⭑. @mommypashi_]

อ้อนสิเดี๋ยวไปหาเลย 🫠

[𝓬𝓽🐰 @chatangs]

ขอบคุณที่ถ่ายพี่อูซอกจากตามาฝากค่ะ ชัดกว่านุอยู่ในงานเองอีก🥹💕

[the life of a showgay @Up_to_fate]

อยากลองลาออกวันนี้เลย แบบ last dat last minute last second ตอนนี้ อยากรู้เหมือนกันว่าเค้าจะยังพูดว่ามันง่ายๆ ทำแปปเดียวก็เสร็จแล้วอยู่มั้ย แต่เพราะกุทำได้เองโดยไม่ต้องมีใครมาสั่งมาสอน เวลามีปัญหาอะไรเกิดขึ้นกุก้แก้เอง ไม่ได้หมายความว่ามันง่ายจ๊ะ เดี๋ยวกุจะเทให้หมด อีดอก

[Sale Here - อะไรลดเรารู้ @salehere1]

📣 น่ารักมากกก! เว็บ Mixtape For You ให้เราทำ “มิกซ์เทป” ส่งเพลงแทนใจให้คนพิเศษได้เอง เลือกสีตลับ ใส่เพลงที่อยากบอกความรู้สึก พร้อมพิมพ์ข้อความทิ้งไว้ได้ด้วย 🥹 จะส่งให้แฟน เพื่อน หรือคนที่แอบชอบก็น่ารักสุดๆ แถมเล่นได้ฟรี ใครคิดถึงใครอยู่ลองทำส่งไปให้เลย 🎧💌

👉 ลองเล่นกันได้ที่นี่เลย https://t.co/ewyfNKtyPJ

#SaleHere #เซลเฮียร์ #Mixtape

[cattodata🐱📊 @cattodata]

[สาระเอไอ] RAG คืออะไร? ทำไมสาย AI Engineer เจอคำนี้บ่อยมาก 🐱📚

ถ้าเราเอา LLM อย่าง GPT มาใช้ตรง ๆ โมเดลจะตอบจากความรู้ที่มันเคยเรียนมา Train มา ณ เวลานั้น แต่ปัญหาคือมันไม่ได้รู้ข้อมูลภายในบริษัทเรา และข้อมูลบางอย่างก็เปลี่ยนตลอดเวลา น้องก็อาจจะไม่อัพเดทแล้ว นี่คือเหตุผลที่เรามี RAG หรือ "Retrieval-Augmented Generation"

RAG คือการทำให้ AI “ไปค้นข้อมูลที่เกี่ยวข้องมาก่อน แล้วค่อยใช้ข้อมูลนั้นประกอบการตอบ” มี 3 ขั้นตอน

1. Retrieval
เอาคำถามของผู้ใช้ไปค้นข้อมูลจากแหล่งภายนอก เช่น Vector Search, Keyword Search, SQL Database หรือ Knowledge Base

2. Augmentation
เอาข้อมูลที่ค้นเจอมารวมกับคำถามและคำสั่งต่าง ๆ กลายเป็น Context ที่ส่งให้ LLM

3. Generation
LLM อ่านทั้งคำถามและข้อมูลที่ค้นมา แล้วสร้างคำตอบกลับไปให้ผู้ใช้

ข้อดีคือเราไม่จำเป็นต้องเอาข้อมูลบริษัทไป Train โมเดลใหม่ทุกครั้ง RAG สามารถช่วยให้ AI
- ตอบจากข้อมูลภายในองค์กร เช่น Policy, Manual, Email หรือเอกสารต่าง ๆ
- ใช้ข้อมูลที่อัปเดตล่าสุดได้
- แสดง Source หรือ Citation ให้ผู้ใช้ตรวจสอบคำตอบได้
- ควบคุมสิทธิ์การเข้าถึงข้อมูลตาม User หรือ ACL ได้

และ RAG ไม่ได้ใช้ได้แค่กับ PDF หรือเอกสารเท่านั้น ข้อมูลที่เอามาใช้กับ RAG แบ่งได้คร่าว ๆ เป็น 2 แบบ

Unstructured Data
- PDF
- Word / Google Docs
- Wiki
- รูปภาพ
- วิดีโอ

Structured Data
- Database
- Data Warehouse
- Customer records
- Transaction data
- API เช่น SAP หรือ Salesforce

อีกเรื่องที่สำคัญมากคือ RAG ไม่ได้จบแค่ “ทำ Vector Search แล้วต่อ LLM”

ระบบจริงยังมีทั้ง Data Pipeline เตรียมข้อมูล, แบ่ง Chunk, ทำ Index และดูแลข้อมูลให้พร้อมสำหรับ Retrieval

RAG Chain
เข้าใจคำถาม → ค้นข้อมูล → เพิ่ม Context → ให้ LLM สร้างคำตอบ

Evaluation & Monitoring
วัดว่าคำตอบถูกไหม Retrieval ดีไหม รวมถึง Cost และ Latency

Governance & LLMOps
จัดการ Version, Lineage, Permission และ Lifecycle ของระบบ

ฝั่ง Databricks เองก็มีเครื่องมือให้ทำ RAG ได้แทบครบทั้ง Pipeline เช่น
- Delta Lake / Lakeflow สำหรับ Data Pipeline
- Databricks AI Search สำหรับ Retrieval ซึ่งเดิมชื่อ Vector Search
- Model Serving สำหรับเสิร์ฟโมเดล
- MLflow / AI Evaluation สำหรับประเมินคุณภาพ
- AI Monitoring สำหรับดูระบบหลังขึ้น Production
- Unity Catalog, AI Gateway และระบบ Security/Governance ต่าง ๆ

เพราะฉะนั้นเวลาเราพูดว่า “ทำ RAG” ในระบบ Production จริง ๆ มันไม่ได้หมายถึงแค่เอาเอกสารโยนเข้า Vector DB แล้วถาม Chatbot แต่มันคือระบบตั้งแต่
Data → Retrieval → LLM → Evaluation → Monitoring → Governance

และนี่ก็เป็นเหตุผลว่าทำไม RAG ถึงกลายเป็น Architecture พื้นฐานของ Enterprise AI หลายระบบในปัจจุบัน 🐱✨

Source: Databricks Documentation
RAG (Retrieval Augmented Generation) on Databricks
Last updated: Jul 28, 2026

#AI #RAG #GenerativeAI #LLM #Databricks #DataAI #สาระเอไอ #cattodata

[kwm ◡̈ @mamintzz]

ตุวแค่เนี๊ยะทำไมถึงน่ารักจัง 😽🤏🏻

[บลูบู้ววววว์ : ꒱ @khunkhunboo]

ตอนบอกหลายคนว่าออกจากงานละ หลายคนถามว่าทำไมออกอะ ตื่นมามีเงินเดือนทุกเดือนมันไม่ดีตรงไหน มันก็คงดีกับคนที่อยู่ไปเรื่อย ๆ แบบไม่ต้องการเติบโตในตำแหน่งงานมั้ง นี่รู้สึกว่าอยู่ไปเรื่อย ๆ ละโง่ขึ้นเรื่อย ๆ แกเข้าใจป่ะ อยู่ผิดที่ยังไงก็ไม่มีวันโตอะ อีสัด ก็ที่นี้แหละ

[b🍎kbak @yumibokbok]

*｡٩(* ॑ᗜ ॑* )و*｡

[KRITveryhungry @kritxxn]

หลานต้องเข้านอนเข่งเค้งแล้วงานเลิกดึก หลานวิคไม่ไหว หลายน้ำตาแหมะ

[kwm ◡̈ @mamintzz]

lucky girl .png

[𝓬𝓽🐰 @chatangs]

พี่อูซอกใส่สูทผูกไทด์ออลแบล็คหล่อมาก แต่พอกินน้ำแก้วปิกาจูแล้วมัน5555555555555555555555555 โคสน่ารักกกกกก

[หมูงึมงัม 🪐 @mooo_chubby]

🙏🏻 ขอกราบพี่ตากล้องคอนด้วงที่ถ่าย dance performance ของเพลงขี้แง (Boy don't cry) ให้ คือดีมากกกกๆๆๆ แล้วพี่ถ่ายทันตอนท่อนร้องของทุกคนได้ดีมากอ่ะ ถ่ายชัดมากๆๆๆๆ พี่อยู่สูงมาก ขนาด อฟช. ยังทำให้หนูไม่ได้ขนาดนี้เลย😂

[𝟭𝟮☆ @twelveishappy]

ของดีทั้งนั้นเลยค่ะ ✨✨✨