Dev Notes

Shared knowledge from NEXT4I and the web community.

thLLMAIDeveloperAIEngineerAIModelAIAIRouter

Token คืออะไรกันแน่ในโลกของ AI? คู่มือนักพัฒนาเพื่อการ Optimize ต้นทุนและสถาปัตยกรรมระดับ Production

ความเข้าใจเรื่อง Token คือเส้นแบ่งระหว่างระบบ AI ที่ทำงานได้อย่างคุ้มค่า กับระบบที่ทำให้ค่าบริการบานปลายจนคุมไม่อยู่ บทความนี้สรุปเจาะลึกเบื้องหลังทางเทคนิคของกระบวนการ Tokenization, ความไม่เท่าเทียมทางภาษา, กลไก Input vs Output Token, เหตุผลที่ราคาแต่ละโมเดลต่างกันลิบลับ และ 6 แนวทางปฏิบัติจริงที่นำมาใช้ในการสร้าง NEXT4I เพื่อลดต้นทุน AI ลงได้สูงสุดถึง 80%

26 ส.ค. 2026

thLLMAIDeveloperSystemArchitectureAIEngineerAI

LLM จริงๆแล้วทำงานยังไง ? เล่าเรื่อง Vector, Next-Token Prediction และ Fail-back Routing สไตล์ Dev

ทำไมต้องมองว่า LLM เป็น probability engine ไม่ใช่สมอง และมันเปลี่ยน architecture ระบบยังไง เหตุผลเบื้องหลัง AI layer ของ NEXT4I

20 ส.ค. 2026

thMarkdownBuildInPublicRAGAIDeveloperAI

ทำไม PDF ถึงไม่น่ารักกับ AI และการ RAG ด้วย PDF มันวุ่นวายและซับซ้อนขนาดไหน ทำไมผมเททั้งใจให้ Markdown

RAG Pipeline ที่ดูเหมือนจะง่าย แต่ไม่ใช่, ตอนผมสร้าง RAG (Retrieval-Augmented Generation) pipeline ของ NEXT4I กับระบบที่อ่านเอกสารของคุณก่อน แล้วค่อยตอบคำถาม ผมคิดว่า flow มันจะประมาณนี้

12 ส.ค. 2026

thBuildInPublicSecondBrianKnowledgeManagementAIToolsAI

ผมสร้าง "สมองที่สอง" ด้วย Obsidian ที่ AI Agent อ่านได้ โดยไม่ต้องสร้าง Custom RAG Pipeline

เชื่อม Obsidian, Git และ AI Agent เข้าด้วยกันด้วย Markdown ธรรมดา ปรัชญา Seamless Integration by Design จาก NEXT4I

6 ส.ค. 2026

Dev Notes

Token คืออะไรกันแน่ในโลกของ AI? คู่มือนักพัฒนาเพื่อการ Optimize ต้นทุนและสถาปัตยกรรมระดับ Production

LLM จริงๆแล้วทำงานยังไง ? เล่าเรื่อง Vector, Next-Token Prediction และ Fail-back Routing สไตล์ Dev

ทำไม PDF ถึงไม่น่ารักกับ AI และการ RAG ด้วย PDF มันวุ่นวายและซับซ้อนขนาดไหน ทำไมผมเททั้งใจให้ Markdown

ผมสร้าง "สมองที่สอง" ด้วย Obsidian ที่ AI Agent อ่านได้ โดยไม่ต้องสร้าง Custom RAG Pipeline

Be the first to try it