ลองจับ Jev มาช่วยคัด Lead ปลอม ทำได้จริงไหม

ช่วงนี้มีเทรนด์ AI ใหม่ตัวหนึ่ง ที่ไม่ได้ใช้คุยกับมนุษย์ปกติทั่วไป แต่มีไว้ให้ซอฟต์แวร์ถามแล้วได้คำตอบที่โค้ดเอาไปใช้ต่อได้ ตัวที่ผมลองชื่อว่า Jev เป็นโมเดลของ TypeSafe AI ที่รับข้อมูลเข้าไป แล้วตอบกลับมาเป็นค่าที่มีชนิดชัดเจน เช่น เลือกหนึ่งตัวเลือก (Choice) ให้คะแนน (Score) หรือคืนความน่าจะเป็นของคำตอบใช่หรือไม่ใช่ (Noul) ผมเลยเอามันทดลองกับโจทย์ใกล้ตัวมากๆ คือการคัด Lead ปลอมที่ได้มาจากการลงทะเบียน โดยใช้ข้อมูลจริง 788 ราย ที่ทีมผมเคยพิจารณาตรวจคำตอบไว้ก่อนหน้านั้นแล้ว ผลออกมาค่อนข้างน่าสนใจพอสมควร เลยแชร์ไว้เผื่อเป็นประโยชน์ครับ

AI-Native SDLC มนุษย์อยู่ตรงจุดไหน และใช้ส่งต่องานกันอย่างไร

AI-Native SDLC เปลี่ยน Plan, Build, Test และ Deploy อย่างไร เมื่อ AI เขียนโค้ดเร็วขึ้น พร้อมเทียบแนวทาง Anthropic, AWS, McKinsey และ Snyk

AI เขียนโค้ดเร็วแล้ว แต่ทำไมงานยังช้าอยู่

AI ทำให้เขียนโค้ดเร็วขึ้น แต่เหตุใดงาน software ยังช้าอยู่ มุมมองจากประสบการณ์ที่เห็น user และ programmer ใช้ AI ทำงานร่วมกัน

แกะรูปแบบการเขียน Requirement ระบบ LLM Wiki ของ Karpathy

วิเคราะห์รูปแบบการเขียน LLM Wiki gist ของ Andrej Karpathy ว่าทำไมอ่านง่ายสำหรับมนุษย์ แต่ยังให้ AI agent เอาไป implement ต่อได้ในฐานะ requirement และ context engineering

Working Agreement กับ AI: กติกาเล็กๆ ที่ทำให้ Coding Agent ไม่หลุดทาง

ทำไมทีมที่ใช้ AI coding agent ควรมีกติกาการทำงานร่วมกัน เช่น test ก่อน push, create issue หลังตกลง plan และห้าม merge dev โดยไม่ขอ approve

Exit mobile version