Digital Community Agent (DCSA)

รายละเอียดหลักสูตรการอบรมเชิงปฏิบัติการพัฒนา 

"Digital Community Agent (DCSA)"

(Developing Digital Community Agent with API Integration Workshop)

1. หลักการและเหตุผล (Principles and Rationale)

ในปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ (AI) โดยเฉพาะ Large Language Models (LLMs) มีความก้าวหน้าอย่างก้าวกระโดดในการประมวลผลภาษาและการสร้างเนื้อหา (Generative AI) อย่างไรก็ตาม ข้อจำกัดสำคัญที่ยังเป็นอุปสรรคต่อการนำไปใช้งานจริงในภาคธุรกิจและอุตสาหกรรมคือ การที่ AI ทำงานแยกตัวจากโลกภายนอก (Isolated) เปรียบเสมือน "สมอง" ที่ชาญฉลาดแต่ขาด "แขนขา" ในการลงมือทำ ปัญหาที่พบบ่อยคือ AI สามารถให้คำแนะนำวิธีการแก้ไขปัญหาได้ แต่ไม่สามารถเข้าไปดำเนินการแก้ไขในระบบซอฟต์แวร์จริงได้ ส่งผลให้การนำ AI มาใช้มักหยุดอยู่เพียงแค่ Chatbot สำหรับตอบคำถามทั่วไป หรือต้องใช้คนกลางในการนำข้อมูลจาก AI ไปป้อนเข้าระบบอีกต่อหนึ่ง ซึ่งทำให้เกิดความล่าช้าและอาจเกิดความผิดพลาดได้

โครงการ "Digital Community Agent (DCSA)" จึงถูกริเริ่มขึ้นภายใต้โครงการจัดตั้งห้องปฏิบัติการเสมือนสำหรับปัญญาประดิษฐ์เชิงตัวแทน (Agentic Living Lab) เพื่อยกระดับขีดความสามารถของนักศึกษา โดยเปลี่ยนกระบวนทัศน์การพัฒนา AI ให้เข้าสู่ยุคของ "Agentic Workflow" ซึ่งเป็นแนวคิดที่ให้ AI มีบทบาทเป็นตัวแทนอัตโนมัติที่สามารถวางแผนและ "กระทำ" ผ่านเครื่องมือทางดิจิทัลได้ ผู้เรียนจะได้เรียนรู้การใช้ Python Wrapper, RESTful API, และ Service Orchestration ซึ่งเปรียบเสมือนสะพานเชื่อมระหว่างความฉลาดของ AI กับระบบฐานข้อมูลหรืออุปกรณ์ IoT ภายนอก ทำให้ Agent สามารถดึงข้อมูล Real-time (เช่น สถานะสภาพอากาศ, จำนวนอุปกรณ์คงเหลือในคลัง) และสั่งการระบบต่างๆ (เช่น การบันทึกการจอง, การแจ้งเตือนเหตุฉุกเฉิน) ได้อย่างอัตโนมัติ

ความร่วมมือนี้สอดคล้องกับยุทธศาสตร์การพัฒนานวัตกรรมของมหาวิทยาลัย ที่มุ่งเน้นการผลิต Tech Talent ที่มีความพร้อมทำงานจริง (Job-ready) ในยุค AI-First การอบรมนี้จะจำลองสถานการณ์เสมือนจริง (Simulation) ของการพัฒนาระบบบริการชุมชน (Community Services) เพื่อให้นักศึกษาได้ฝึกฝนทักษะการบูรณาการระบบ (System Integration) ซึ่งเป็นทักษะที่ตลาดแรงงานทั่วโลกต้องการสูง เป็นการเตรียมความพร้อมกำลังคนดิจิทัลที่จะช่วยขับเคลื่อนเศรษฐกิจและสังคมด้วยเทคโนโลยีปัญญาประดิษฐ์ที่จับต้องได้และใช้งานได้จริง ไม่ใช่เพียงแค่ทฤษฎีบนกระดาษ

2. วัตถุประสงค์ (Objectives)

• เพื่อให้นักศึกษามีความรู้ความเข้าใจเชิงลึกและทักษะปฏิบัติในหลักการ API Integration มาตรฐานการสื่อสารข้อมูลแบบ JSON และกระบวนการ Service Orchestration สำหรับการออกแบบสถาปัตยกรรมซอฟต์แวร์ที่เชื่อมต่อ AI กับระบบภายนอก

• เพื่อพัฒนาทักษะการเขียนโปรแกรมสร้าง AI Agent ที่มีความสามารถในการเลือกใช้เครื่องมือ (Tool Use Capability) ผ่านการสร้าง API Wrappers ที่ปลอดภัยและมีประสิทธิภาพ เพื่อดึงข้อมูลและทำธุรกรรมทางดิจิทัลได้จริง

• เพื่อสร้างต้นแบบนวัตกรรม Community Service Bot ที่สามารถแปลงเจตนาของผู้ใช้จากภาษาธรรมชาติ (Natural Language) เป็นชุดคำสั่งทางคอมพิวเตอร์ (API Call) เพื่อให้บริการแก่ชุมชน เช่น การตรวจสอบสถานะการยืมคืนอุปกรณ์ หรือการรายงานปัญหาในพื้นที่

3. วิธีการดำเนินงาน (Methodology)

• ระยะที่ 1: การเตรียมความพร้อมและออกแบบระบบ (Preparation & Design Phase)

• การวางแผนและออกแบบหลักสูตร (Curriculum Design):

• ผู้รับผิดชอบ: หัวหน้าโครงการและทีมวิทยากร

• การดำเนินงาน: กำหนดขอบเขตเนื้อหาเจาะลึกด้าน HTTP Methods (GET, POST), การจัดการ Authentication (API Keys/Tokens), Python Requests Library และ DSPy Framework รวมถึงจัดเตรียม Mockup API Server ที่จำลองระบบฐานข้อมูลชุมชนจริง

• การเตรียมความพร้อมด้านเทคนิค (Technical Setup):

• ผู้รับผิดชอบ: ฝ่ายเทคนิคและไอที

• การดำเนินงาน: ติดตั้งระบบ Development Environment (IDE, Python Virtual Env) ทดสอบความเสถียรของการเชื่อมต่อ Server และจัดเตรียม Sandbox Accounts สำหรับให้นักศึกษาทดลองยิง API โดยไม่กระทบระบบจริง

• ระยะที่ 2: การดำเนินกิจกรรมอบรมเข้มข้น (Execution Phase)

• การอบรมเชิงปฏิบัติการและถ่ายทอดเทคโนโลยี (Intensive Workshop):

• ผู้รับผิดชอบ: วิทยากรผู้เชี่ยวชาญด้าน API Development

• การดำเนินงาน: บรรยายควบคู่การปฏิบัติ (Hands-on Lab) โดยเน้นการเขียนโค้ดจริงทุกขั้นตอน ตั้งแต่การอ่าน Documentation ของ API, การสร้าง Wrapper Class ด้วย Python ไปจนถึงการเชื่อมต่อกับ LLM เพื่อให้ AI เรียกใช้ฟังก์ชันได้เอง

• การสร้างต้นแบบและนำเสนอผลงาน (Prototyping & Pitching):

• ผู้รับผิดชอบ: ทีมวิทยากรและผู้ช่วยสอน (TA)

• การดำเนินงาน: กิจกรรมระดมสมองและลงมือพัฒนา (Hackathon) ภายใต้โจทย์สถานการณ์จำลอง นักศึกษาจะต้องสร้าง Tool ให้กับ Agent (เช่น inventory_check_tool, facility_booking_tool) และนำมาประกอบร่างเป็นระบบที่สมบูรณ์พร้อมนำเสนอ

• ระยะที่ 3: การประเมินและสรุปผลโครงการ (Evaluation & Closure Phase)

• การประเมินประสิทธิภาพและสรุปผล (Assessment & Reporting):

• ผู้รับผิดชอบ: คณะกรรมการและเลขานุการโครงการ

• การดำเนินงาน: ทดสอบระบบโดยการป้อนคำสั่งที่ซับซ้อน (Edge cases) เพื่อดูการตอบสนองของ Agent, รวบรวม Feedback จากผู้เข้าร่วมเพื่อวิเคราะห์จุดแข็ง-จุดอ่อน และจัดทำรายงานฉบับสมบูรณ์เพื่อเสนอผู้บริหาร

4. สถานที่และระยะเวลาดำเนินการ (Location and Duration)

• ระยะเวลา: 2 วัน (เดือนมีนาคม 2569)

• สถานที่จัดกิจกรรม: สาขาวิชา อาคาร SC3 

5. ผลที่คาดว่าจะได้รับ (Expected Results)

• ด้านทักษะผู้เรียน: นักศึกษาสามารถพัฒนา API Wrapper Tool ด้วยภาษา Python ที่มีโครงสร้างถูกต้อง (Robust) มีการจัดการข้อผิดพลาด (Error Handling) ที่ดี และสามารถเชื่อมต่อบริการภายนอกเข้ากับ AI ได้อย่างมีประสิทธิภาพ

• ด้านนวัตกรรม: ได้ต้นแบบนวัตกรรม Community Service Bot อย่างน้อย 5-10 ผลงาน ที่สามารถทำงานได้จริง โดยสามารถตอบคำถามและช่วยเหลือผู้ใช้งานโดยอ้างอิงข้อมูล Real-time จากระบบฐานข้อมูลจำลอง ซึ่งสามารถนำไปต่อยอดเป็น Startup หรือโปรเจกต์จบได้

• ด้านองค์ความรู้: มหาวิทยาลัยมีคู่มือองค์ความรู้ (Technical Documentation) และ Source Code ต้นแบบด้านการเชื่อมต่อ AI กับ API เพื่อใช้เป็นสื่อการเรียนการสอน หรือเป็นฐานข้อมูลสำหรับการวิจัยต่อยอดในระดับสูงต่อไป

6. ผลลัพธ์การเรียนรู้ (Course Learning Outcomes: CLO)

1. CLO 1 (Understand): ผู้เรียนสามารถอธิบายหลักการทำงานของ RESTful API, โครงสร้างข้อมูล JSON, HTTP Status Codes และกระบวนการ Service Orchestration ในบริบทของการทำงานร่วมกับ AI Agent ได้อย่างถูกต้อง

2. CLO 2 (Apply): ผู้เรียนสามารถเขียนโปรแกรมภาษา Python เพื่อสร้าง API Wrapper Class, จัดการ Authentication และเชื่อมต่อกับระบบ Mock Server หรือ Third-party Service เพื่อดึงและส่งข้อมูลได้อย่างแม่นยำ

3. CLO 3 (Create): ผู้เรียนสามารถประยุกต์ใช้ AI Frameworks (เช่น DSPy หรือ LangChain) เพื่อสร้าง Agent ที่มีความสามารถในการ "คิดและทำ" (Reasoning and Acting) โดยสามารถแปลงความต้องการภาษาธรรมชาติของผู้ใช้ให้เป็นชุดคำสั่ง API ที่ถูกต้องเพื่อแก้โจทย์ปัญหาที่กำหนดให้ได้

7. หัวข้อการอบรมและบรรยาย (Workshop and Lecture Topics)

• Day 1: Fundamentals of API Integration & Tool Creation

• Morning (09:00 - 12:00): Foundations

• Concept: Introduction to Agentic Workflow - Why AI needs hands? (From Chatbot to Action Bot)

• Theory: RESTful API Deep Dive - Anatomy of a Request (Endpoint, Headers, Body), HTTP Verbs (GET, POST, PUT, DELETE), and Status Codes.

• Practice: Python requests library mastery - Sending requests, handling JSON responses, and basic authentication types.

• Afternoon (13:00 - 16:30): Building Tools

• Design: Designing standard interfaces for AI Tools - How to write docstrings that AI can understand.

• Workshop: Building real-world tools:

• weather_tool: Fetching external data.

• inventory_check_tool: Querying internal database.

• Advanced: Error Handling strategies & Data Parsing - What to do when the API is down or returns 500 Error.

• Day 2: Agent Orchestration & Community Hackathon

• Morning (09:00 - 12:00): Connecting the Brain

• Frameworks: Introduction to Agent Frameworks (e.g., DSPy, LangChain) and the concept of "Chains".

• Integration: Function Calling / Tool Use mechanics - How to register your Python functions specifically for the LLM to invoke.

• Lab: System Integration - Linking the intelligent Agent to the Mock Community Services API created on Day 1.

• Afternoon (13:00 - 16:30): Action & Innovation

• Mini-Hackathon: Challenge: "Smart Community Assistant" - Teams must build a bot that handles at least 3 distinct tasks
  (e.g., Check stock, Book item, Report issue).

• Testing: Debugging with Real-time Data & Log Analysis.

• Demo Day: Final Presentation demonstrating the Agent's ability to handle live requests.
  
  

8. กำหนดการ (Schedule)

วันที่ 1  | สถานที่: สาขาวิชา อาคาร SC3

• 08:30 - 09:00 น. | ลงทะเบียน

  • รายละเอียด: ลงทะเบียน รับเอกสารประกอบ และติดตั้ง Software/Libraries เบื้องต้น

• 09:00 - 10:30 น. | Lecture Session

  • รายละเอียด: บรรยายหลักการ Agentic AI และ REST API Architecture

• 10:30 - 12:00 น. | Hands-on Lab 1

  • รายละเอียด: ปฏิบัติการเขียน Python requests และการจัดการ JSON Data

• 12:00 - 13:00 น. | พักรับประทานอาหารกลางวัน

• 13:00 - 14:30 น. | Hands-on Lab 2

  • รายละเอียด: Workshop การสร้าง API Wrapper Class และการจัดการ Error

• 14:30 - 16:30 น. | Tool Building

  • รายละเอียด: โจทย์ฝึกปฏิบัติ: สร้าง Tool เชื่อมต่อบริการสภาพอากาศและคลังสินค้า

วันที่ 2 | สถานที่: สาขาวิชา อาคาร SC3

• 09:00 - 10:30 น. | Lecture Session

  • รายละเอียด: เทคนิค Function Calling และการใช้ DSPy/LangChain

• 10:30 - 12:00 น. | Hands-on Lab 3

  • รายละเอียด: การเชื่อมต่อ AI Agent เข้ากับ Tools ที่สร้างไว้ (Integration)

• 12:00 - 13:00 น. | พักรับประทานอาหารกลางวัน

• 13:00 - 15:30 น. | Mini-Hackathon

  • รายละเอียด: การแข่งขันพัฒนา Community Service Bot ตามโจทย์สถานการณ์จริง

• 15:30 - 16:30 น. | Presentation & Closing

  • รายละเอียด: นำเสนอผลงาน (Live Demo), มอบรางวัล และพิธีปิด