Oracle Fusion AI Studio - The Complete Enterprise Coding Agent Workflow
สรุปย่อ
ประเด็นสำคัญจากวิดีโอ
- **ช่อง:** Leon van Zyl · **ความยาว:** ~22 นาที · **ลิงก์:** https://www.youtube.com/watch?v=nIWGYXEzqJA
# สรุป: Oracle Fusion AI Studio - The Complete Enterprise Coding Agent Workflow - **ช่อง:** Leon van Zyl · **ความยาว:** ~22 นาที · **ลิงก์:** https://www.youtube.com/watch?v=nIWGYXEzqJA ## ประเด็นหลัก - Oracle ใช้ coding agents (เอเจนต์ AI ช่วยเขียนโค้ด) สร้างและขยาย Oracle Fusion Applications ซึ่งเป็นระบบหลังบ้านของบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก ครอบคลุม HR, การเงิน, จัดซื้อจัดจ้าง, ซัพพลายเชน, การขาย และการตลาด - ลูกค้ากว่า 7,000 รายใช้ฟีเจอร์ Fusion AI อยู่แล้ว ซึ่งช่วยให้สร้างส่วนขยาย (extensions) บนแอปพลิเคชันด้วย AI agent ได้ โดยถ่ายทอดความรู้เฉพาะทางลงใน agent skills พร้อมตัวอย่าง prompt ที่ใช้กับ Codex หรือ Claude Code ได้ - ขั้นตอนทั้งหมด: ผู้ใช้แชตกับ coding agent บนเครื่องตัวเอง → agent ใช้ AI Studio skill และ CLI tool เชื่อมต่อไปยัง Fusion Studio บนคลาวด์เพื่อดึง pattern เดิม → สร้างไฟล์ (app file, workflow files) → ส่งไปตรวจสอบที่ Fusion Cloud → ผ่านแล้วจึงสร้างหน้าจอและเผยแพร่ให้ผู้ใช้ - กฎข้อที่ 1: spec ต้องมาก่อน (the spec comes first) — จะไม่สร้างอะไรจนกว่าจะมีแผนและทุกฝ่ายตกลงกัน - กฎข้อที่ 2: ทุกอย่างเป็น read only ตามค่าเริ่มต้น จนกว่าจะสั่งให้เพิ่มความสามารถในการสร้าง/แก้ไขข้อมูลอย่างชัดเจน - กฎข้อที่ 3: discover before you build — agent ต้องสำรวจโค้ด/pattern/workflow ที่มีอยู่ก่อนเสมอ ก่อนสร้างของใหม่จากศูนย์ - กฎข้อที่ 4: structure over improvisation — agent ต้องทำตามกฎและ guardrails ที่กำหนดใน skill files ไม่สามารถมั่วหรือทำตามอำเภอใจ - กฎข้อที่ 5: unvalidated means unfinished — งานจะถือว่าเสร็จก็ต่อเมื่อผ่านการตรวจสอบ (validation) ในระบบแล้วเท่านั้น - การติดตั้งตั้งค่าง่ายมาก: ดาวน์โหลด agent skills จาก public repo, ติดตั้ง VS Code extension, ตั้งค่า authentication ผ่าน Fusion AI Studio แล้วคัดลอกสกิลลงโฟลเดอร์ .agents/skills ก็ใช้งานได้ โดยไม่จำเป็นต้องเป็นนักพัฒนา - Demo จริง: สร้างแอป succession planning ผ่าน prompt ภาษาเดียวกับผู้ใช้ทั่วไป → agent ทำ discovery, เสนอ spec/MVP, สร้างแอป 2 ตัวโดยไม่มี error, deploy แบบ draft ไปยัง Fusion Cloud และทำงานกับข้อมูลสดจริง (เช่น ระบุว่า Sophie Bromley มีความเสี่ยงสูงและแนะนำผู้สืบทอดคือ Emily และ Olivia ผ่าน Ask Oracle) - แพลตฟอร์มแบบนี้เข้าถึงยาก (มักต้องเป็นพาร์ทเนอร์ของ Oracle) วิดีโอจึงมีจุดประสงค์เพื่อการศึกษา และสอนแนวคิดที่นำไปใช้กับแอปของตัวเองหรือทีมพัฒนาขนาดใหญ่ได้ ## ความเห็นสรุป วิดีโอนี้เป็นกรณีศึกษาที่ดีมากสำหรับการออกแบบ coding agent ระดับองค์กร โดยเฉพาะแนวคิด "spec มาก่อน", "สำรวจก่อนสร้าง" และ "ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ" ที่ช่วยลดความเสี่ยงและทำให้ agent ทำงานอยู่ในกรอบที่ควบคุมได้ จุดที่โดดเด่นที่สุดคือการถ่ายทอดความรู้ของผู้เชี่ยวชาญลงใน agent skills ที่ใครก็ใช้ตามได้ ซึ่งเป็นแม่แบบ (blueprint) ที่ทีมพัฒนาองค์กรอื่นนำไปลอกเลียนแบบได้จริง *สรุปนี้จัดทำขึ้นเพื่อการศึกษา/การใช้งานส่วนตัว อ้างอิงจากวิดีโอต้นฉบับ*
คำแปลเต็ม
แปลตามบทสนทนาต้นฉบับ ปรับเป็นภาษาไทยธรรมชาติ
วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่ ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้ AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น ก็มีอะไรให้เรียนรู้ได้อีกเยอะ จากการดูว่าบริษัทเหล่านี้จัดการกับ coding agents กันอย่างไร และทั้งหมดก็ลงเอยที่กฎสำคัญ 5 ข้อ ที่คุณนำไปประยุกต์ใช้กับแอปพลิเคชันของคุณได้ เราจะมาดูทีละข้อในวิดีโอนี้ครับ
คุณอาจเคยได้ยินชื่อ Oracle มาก่อน พวกเขารู้จักกันดีในเรื่องฐานข้อมูล แต่พวกเขายังมีสิ่งที่เรียกว่า Oracle Fusion Applications (ชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle) ซึ่งเป็นกระดูกสันหลังขององค์กรใหญ่ ๆ จำนวนมาก ครอบคลุมทั้ง HR (ทรัพยากรบุคคล), การเงิน, การจัดซื้อจัดจ้าง (procurement), ซัพพลายเชน (supply chain), การขาย และการตลาด และนี่ไม่ใช่เรื่องเล็ก ๆ เลยนะครับ เพราะมีบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก ที่ใช้ Oracle Fusion Applications ขับเคลื่อนธุรกิจของพวกเขา และถ้าจะพูดเผลอไปก่อนเลย ลูกค้ากว่า 7,000 รายจากทั้งหมดนี้ ใช้ฟีเจอร์ AI ที่ชื่อว่า Fusion AI อยู่แล้ว ซึ่งก็คือสิ่งที่ทำให้คุณสร้างอะไรต่อยอดบนแอปพลิเคชันของพวกเขาได้ โดยใช้ AI agent ของพวกเขานั่นเอง
ทีนี้ มีความท้าทายอยู่ข้อหนึ่งที่หลายองค์กรต้องเจอ ถ้าคุณทำงานในระดับใหญ่ขนาดนั้น และใช้ Oracle Fusion Applications เป็นระบบหลังบ้าน (back office) ก็จะมีข้อมูลดิบ (raw data) จำนวนมากนอนอยู่ในระบบ ซึ่งแทบไม่มีประโยชน์อะไรเลย จนกว่าคุณจะลงมือทำอะไรสักอย่างกับข้อมูลเหล่านั้น
ลองยกตัวอย่างฝ่าย HR หรือ human capital (ทุนมนุษย์) กัน คุณอาจมีคนสำคัญ หรือคนที่อยู่ในตำแหน่งสำคัญขององค์กรอยู่หลายคน แล้วจะเกิดอะไรขึ้น ถ้าพวกเขาตัดสินใจลาออก หรือมีอะไรเกิดขึ้นกับคนคนนั้น? คุณมีแผนจะหาคนมาทดแทนหรือเปล่า? น่าเสียดายที่หลายองค์กรเป็นแบบตั้งรับ (reactive) คือรอจนกว่าอะไรจะเกิดขึ้นก่อน แล้วค่อยจัดการ นั่นคือสถานการณ์แบบที่คุณไม่อยากเจอตัวจริง ๆ เลยครับ แต่คงจะเจ๋งมาก ถ้าคุณสร้าง view (มุมมองข้อมูล) แบบหนึ่งขึ้นมา ที่ช่วยไฮไลต์ความเสี่ยงเหล่านี้ เพื่อให้คุณจัดการกับมันได้ล่วงหน้า (proactively)
และนี่คือความท้าทายที่องค์กรเหล่านี้ดูจะเจออยู่บ่อยครั้ง นั่นคือการเพิ่ม view หรือคอมโพเนนต์พิเศษนี้เข้าไป ไม่ใช่เรื่องง่ายเลย และที่บอกเลยว่า เรื่องนี้ผมมีประสบการณ์ตรงเยอะมาก เพราะผมใช้เวลาส่วนใหญ่ในอาชีพการทำงาน อยู่ในสภาพแวดล้อมที่ใกล้เคียงกับแบบนี้มาก สิ่งที่คุณต้องเข้าใจคือ แพลตฟอร์มอย่าง Oracle Fusion พยายามจะแก้โจทย์ความต้องการที่กว้างมาก ถ้าย้อนกลับไปที่สไลด์นี้เป็นตัวอย่าง ระบบ HR ของพวกเขาจะให้รากฐานที่แข็งแรง ซึ่งใช้ได้กับธุรกิจราว 90% แต่ธุรกิจส่วนใหญ่ก็มักจะมี requirement (ความต้องการเฉพาะ) บางอย่างที่ไม่เหมือนใคร และพวกเขาก็ต้องขยายแอปพลิเคชัน เพื่อตอบโจทย์สิ่งที่ unique กับตัวเอง เช่นที่เพิ่งพูดถึง ระบบ HR ที่เขาให้มาอาจไม่มี succession view (มุมมองการสืบทอดตำแหน่ง) ดังนั้นธุรกิจของคุณอาจมีความต้องการที่จะสร้าง succession management dashboard (แดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง) ขึ้นบนข้อมูลชุดนี้ และนั่นก็ไม่ใช่เรื่องง่ายเลยจริง ๆ
พูดง่าย ๆ ก็คือ ทีม HR ต้องเขียน requirement หรือ spec (ข้อกำหนด) บางอย่างออกมา จากนั้นก็ส่งต่อให้ทีม IT และมันก็จะไปจบอยู่ที่ backlog (คิวงาน) ของพวกเขา แล้วก็ต้องมีนักพัฒนาที่เชี่ยวชาญเฉพาะทาง และใช่ครับ แพลตฟอร์มพวกนี้มักมี syntax (รูปแบบไวยากรณ์) หรือโครงสร้างไฟล์เฉพาะตัว คุณจึงต้องมีนักพัฒนาเฉพาะทางที่เข้าใจ Oracle Fusion หรือแพลตฟอร์มแนวนี้ เพื่อมาสร้าง extension (ส่วนขยาย) เหล่านี้ให้คุณ นักพัฒนากลุ่มนี้มักหายากและแพงมาก อีกทั้ง requirement ง่าย ๆ แบบนี้ ยังอาจใช้เวลาหลายสัปดาห์ หรือเป็นเดือน กว่าจะ implement (ลงมือทำ) ได้จริง
และนี่คือวิธีที่ Oracle ใช้ AI agents ปรับปรุงกระบวนการนี้ในตอนนี้ พวกเขานำความสามารถและความรู้เฉพาะทางเหล่านี้ มาสร้างเป็น agent skills (สกิลสำหรับ AI agent) พร้อมตัวอย่าง prompt (คำสั่ง) ที่ใครก็ตามที่มีบัญชี Codex หรือ Claude Code สามารถใช้สร้าง extension เหล่านี้ได้ ดังนั้นภาพรวมของขั้นตอนทั้งหมดก็ประมาณนี้ครับ workspace (พื้นที่ทำงาน) ของคุณ ซึ่งอยู่บนเครื่อง PC ส่วนตัว ประกอบด้วยการแชตกับ agent ของคุณ ซึ่งอาจเป็น Claude Code, Codex ฯลฯ จริง ๆ แล้วเป็น coding agent ตัวไหนก็ได้ จากนั้น agent ตัวนั้นจะใช้ AI Studio skill และ CLI tool (เครื่องมือที่ทำงานผ่าน command line) ของ Oracle ซึ่ง CLI tool นี้จะทำให้ agent เชื่อมต่อไปยัง Fusion Studio ที่รันอยู่บนคลาวด์ เพื่อดึง pattern (รูปแบบโค้ด) ที่มีอยู่เดิมออกมาใช้ เป็นต้น แล้ว agent จะสร้างไฟล์ต่าง ๆ เช่น app file (ไฟล์แอป), workflow files (ไฟล์เวิร์กโฟลว์) ฯลฯ และเมื่อเราทำการเปลี่ยนแปลงเสร็จแล้ว ก็สามารถส่งต่อไปยัง Fusion Cloud ได้ โดย Oracle Agent Studio จะตรวจสอบไฟล์เหล่านี้ ว่า ถูกต้องหรือไม่จริง ถ้ามีปัญหามันก็จะส่งไฟล์กลับมาให้ agent ของเรา และ agent ก็ต้องแก้ไขให้เรียบร้อย แต่ถ้าการตรวจสอบ (validation) ผ่าน Oracle จะสร้างหน้าจอ (screens) ขึ้นโดยใช้ approved blocks (บล็อกที่ผ่านการอนุมัติแล้ว) ที่มีอยู่ และสุดท้ายผู้ใช้ปลายทางก็จะได้เข้าถึง view ใหม่ของคุณ เราจะดู demo แบบสด ๆ ในอีกสักครู่ แต่ผมอยากอธิบายอีกสักหนึ่งหรือสองเรื่องก่อน แล้วค่อยดำดิ่งเข้าสู่กฎ 5 ข้อ ที่คุณควรนำไปใช้ใน workflow ของคุณด้วย
อย่างแรก เราจะใช้ Codex หรือ Claude Code บนเครื่องของเราเอง เพื่อสร้าง extension เหล่านี้ ไฟล์พวกนี้จะอยู่บนเครื่องเรา แต่ข้อมูลจริงที่เราเห็นใน preview (ตัวอย่างแสดงผล) มาจากแพลตฟอร์มคลาวด์ตัวจริง นั่นคือข้อมูลสด (live data) ที่อยู่ใน Fusion platform นั่นเอง ทีนี้ เราจะลงมือทำทั้งหมดนี้ด้วย coding agent ตัวจริงในอีกสักครู่ แต่ตามที่ผมสัญญาไว้ ก็คือมีกฎ 5 ข้อที่พวกเขาใช้ ซึ่งจะมีประโยชน์อย่างมากกับ workflow ของคุณเช่นกัน
กฎข้อแรกคือ spec ต้องมาก่อน (the spec comes first) คือจะไม่มีอะไรถูกสร้างขึ้น จนกว่าจะมีแผน และทุกฝ่ายตกลงกันเรียบร้อย ถ้าคุณเคยทำตาม RAM framework มาก่อน คุณคงคุ้นเคยกับขั้นตอนนี้เป็นอย่างดี นี่คือขั้นตอนที่เราคุยกับ agent เพื่อหาว่าเราอยากสร้างอะไร และสุดท้ายเราก็จะได้ implementation plan (แผนการลงมือทำ) หรือ spec ละเอียดออกมา
กฎข้อที่สอง คือทุกอย่างเป็นแบบอ่านได้อย่างเดียว (read only) จนกว่าคุณจะสั่งเป็นอย่างอื่น กล่าวคือ ตามค่าเริ่มต้น เมื่อคุณเพิ่มฟีเจอร์ใหม่ ทุกอย่างจะเป็น read only โดยดีฟอลต์ ยกเว้นคุณจะให้คำสั่งที่เฉพาะเจาะจงมาก ให้เพิ่มความสามารถในการสร้างหรือแก้ไขข้อมูล ซึ่งสิ่งเหล่านี้ถูกควบคุมผ่านกฎเฉพาะเจาะจง ที่ให้ไว้กับ agent ใน skill files (ไฟล์สกิล)
กฎข้อที่สามคือ discover before you build (สำรวจก่อนสร้าง) ก่อนที่ agent จะสร้างอะไร มันจะทำการสำรวจ (discovery) ในระบบก่อน เพื่อค้นหาโค้ด pattern หรือ workflow ที่มีอยู่แล้ว ที่มันจะใช้ต่อยอดได้ ตัวอย่างเช่น ถ้าคุณขอให้ agent สร้าง view สำหรับบริหารจัดการการสืบทอดตำแหน่ง (succession management view) มันจะดูในระบบก่อนว่า มี workflow หรือ pattern ที่สามารถ reuse (ใช้ซ้ำ) ได้หรือไม่ ก่อนที่จะสร้างของใหม่จากศูนย์
กฎข้อที่สี่คือ structure over improvisation (ทำตามโครงสร้าง ดีกว่าคิดเอาเอง) ภายใน agent skills เหล่านี้ มีกฎเฉพาะเจาะจงที่ agent ต้องปฏิบัติตาม ทุกครั้งที่มันทำงานใดก็ตาม guardrails (กรอบควบคุม) เหล่านี้ จะทำให้ agent ไม่มั่วขึ้นเอง หรือออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจ มันต้องทำงานอยู่ในเลนที่กำหนดไว้
และสุดท้าย กฎที่ผมคิดว่าสำคัญที่สุด คือ unvalidated means unfinished (ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ) แค่เราสร้างไฟล์ขึ้นมาเป็นชุด และทุกอย่างดูเหมือนทำงานได้บนเครื่องท้องถิ่น ก็ไม่ได้หมายความว่างานชิ้นนั้นเสร็จแล้ว ทุกอย่างต้องผ่านการตรวจสอบ (validate) ก่อน จึงจะถือว่าเสร็จสมบูรณ์ในระบบ และพร้อมให้เผยแพร่ (publish)
เพื่อให้ง่ายขึ้น ผมจะให้สไลด์นี้เป็น cheat sheet (เอกสารสรุปฉบับย่อ) ไว้ คุณก็อปปี้หรือแคปหน้าจอเก็บไว้ก็ได้ กฎ 5 ข้อนี้เป็น roadmap (แผนที่นำทาง) ที่สำคัญมาก ถ้าคุณทำงานบนแพลตฟอร์มขนาดใหญ่ ภายในองค์กรใหญ่ ๆ
เราจะมี demo จริง ๆ ในวิดีโอนี้ด้วย แต่ผมขอพูดตรง ๆ และจริงใจกับคุณเลยนะครับ แพลตฟอร์มพวกนี้ปกติแล้ว ไม่ใช่ทุกคนจะเข้าใช้ได้ ถ้าคุณกำลังดูวิดีโอนี้ โอกาสที่คุณจะเข้าถึงแพลตฟอร์มนี้ได้ก็น้อย แต่นั่นก็ไม่ใช่จุดประสงค์ของวิดีโอนี้เหมือนกัน เพราะมันเป็นอะไรที่เฉพาะกลุ่มมาก โดยทั่วไปคุณต้องเป็นพาร์ทเนอร์ของบริษัทเหล่านี้ ถึงจะได้สิทธิ์เข้าถึงระบบเหล่านี้ ดังนั้นวิดีโอนี้จึงเป็นวิดีโอเพื่อการศึกษา และผมพยายามโชว์สิ่งที่ค่อนข้างเฉพาะกลุ่มให้คุณเห็น เพื่อให้คุณได้เรียนรู้จากมัน และเอาไปคิดตอนสร้างแอปพลิเคชันของตัวเอง หรือถ้าคุณทำงานในระดับองค์กร หรือกับทีมพัฒนาขนาดใหญ่ ก็มีบทเรียนอีกมากมายที่นี่ ที่คุณสามารถนำติดตัวไปได้
โอเค พูดกันพอแล้ว มาลองใช้ coding agent สร้างทั้งหมดนี้กันดีกว่า บทเรียนแรกที่ผมได้จากตรงนี้คือ คุณต้องทำให้การติดตั้งตั้งค่า ง่ายที่สุดเท่าที่จะทำได้สำหรับผู้ใช้ ถ้าคุณทำถูกต้อง ผู้คนไม่จำเป็นต้องเป็นนักพัฒนา ก็สามารถขยายแอปพลิเคชันของตัวเองได้ และผมคิดว่า Oracle ทำตรงนี้ได้ดีมาก พวกเขาเปิดเผยทุกอย่างต่อสาธารณะ นี่คือ public repo (ที่เก็บโค้ดสาธารณะ) หลังจากนั้นแหละ และไฟล์ทั้งหมด ไม่ว่าจะเป็น agent skills, CLI tool, VS Code extensions ทุกอย่างอยู่ใน repo ที่เรียบง่ายมากอันนี้
ถ้าเราคลิกเข้าไปในโฟลเดอร์นี้ เราจะเจอ AI Studio อยู่ข้างใน ถ้าเราไปที่ AI Studio เราจะเจอ agent skills ทั้งหมด อยู่ในไฟล์ zip เล็ก ๆ ตรงนี้ ดังนั้นถ้าคุณอยากขยายแอป Oracle Fusion ตัวไหน จริง ๆ แล้วคุณแค่คลิก copy หรือดาวน์โหลดไฟล์ zip ก็ได้ แล้วก็ clone (คัดลอก) มันลงในโฟลเดอร์โปรเจกต์ว่าง ๆ ได้เลย
สิ่งแรกที่เราต้องทำคือ ติดตั้ง VS Code extension ที่จะเชื่อม VS Code หรือ agent ของเรา เข้ากับบัญชี Oracle Fusion ของเรา โดยผมจะเปิดโฟลเดอร์นี้ใน Explorer สักครู่ จากนั้นเข้าไปที่โฟลเดอร์ release ไปที่ AI Studio ไปที่ bin แล้วแตกไฟล์ AI Studio extensions ออกมา จากนั้นกลับมาที่ VS Code ไปที่แท็บ extensions คลิกที่จุดสามจุดตรงนี้ เลือก install from VSIX แล้วกลับเข้าไปที่โฟลเดอร์ AI Studio นั้น ไปที่ bin โฟลเดอร์ extensions แล้วเลือก AI Studio extension เพื่อติดตั้ง จากนั้นคลิกที่ configure authentication และเลือก basic authentication ถ้าคุณไม่เห็นป๊อปอัปนั้น ไม่ต้องกังวลนะครับ สิ่งที่คุณต้องทำคือกด control, shift และ P แล้วค้นหา Fusion AI Studio แล้วคลิก configure authentication จากนั้นคลิก basic authentication
ทีนี้ เราต้องกรอก URL ของ Oracle Fusion app ของเรา ถ้าคุณสมัครใช้ Oracle Fusion คุณก็จะมี URL นี้อยู่แล้ว และถ้าคุณอยากลองทำด้วยตัวเอง ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ (description) ถ้าอยู่ในหน้านี้ คุณก็แค่กดขอ demo หรือติดต่อฝ่ายขายได้เลย เอาล่ะ ผมจะวาง URL ของผม แล้วกด enter จากนั้นเราต้องกรอก username และสุดท้ายก็กรอก password เหมือนกัน ซึ่งขั้นตอนนี้จะสร้างไฟล์ env.properties ขึ้นที่ root (โฟลเดอร์หลัก) ของโปรเจกต์คุณ
พอตั้งค่าการเชื่อมต่อเสร็จแล้ว สิ่งที่เราอยากทำต่อคือ ก็อปปี้ agent skills ทั้งหมด ที่จะสอน agent ของเราว่า จะขยายแอปพลิเคชันเหล่านี้อย่างไร กลับไปที่โฟลเดอร์ bin ผมจะแตกไฟล์ AI Studio skill folder ออกมา แล้วกลับมาที่ root ของโปรเจกต์ ขึ้นอยู่กับว่าใช้ agent ตัวไหน คุณอาจต้องมีโฟลเดอร์ .claude ถ้าคุณใช้โมเดลของ Claude หรือถ้าใช้ตัวอื่นเป็นส่วนใหญ่ สิ่งที่คุณต้องมีจริง ๆ คือโฟลเดอร์ .agents ภายในโฟลเดอร์นี้ ผมจะสร้างโฟลเดอร์ย่อยชื่อ skills จากนั้นกลับไปที่ bin อีกครั้ง แล้วก็อปปี้ AI Studio skill ไปไว้ในโฟลเดอร์ agent skills แบบนี้
จากนั้นเราก็เปิด coding agent ของเรา ไม่ว่าจะเป็น Claude หรือในวิดีโอนี้ผมจะใช้ Codex แล้วพิมพ์คำสั่ง skills, list skills เพื่อถาม agent ว่า มันเข้าถึงสกิลอะไรได้บ้าง เอาล่ะ agent ของเรายืนยันแล้วว่า มันเห็น AI Studio skill ของเราจริง ๆ ผมขอออกจากตรงนี้สักครู่
อันนี้จะดูน่ากลัวมาก แต่ผมจะรันคำสั่งนี้ ซึ่งจะช่วยยืนยันว่า CLI tool ทำงานได้จริง และถ้าคุณเห็นฟังก์ชันและ tools ต่าง ๆ เหล่านี้ นั่นหมายความว่า CLI tool ทำงานแล้ว จากนั้นเราจะติดตั้งสกิลอีกหนึ่งตัว สกิลที่เพิ่งติดตั้งไป จะสอน agent ให้ใช้ CLI เพื่อใช้งาน AI Studio แต่ตอนนี้เรายังอยากติดตั้ง domain-specific skill (สกิลเฉพาะด้าน) เช่น succession management ด้วย ผมจะแตกโฟลเดอร์นี้ แล้วเข้าไปในโฟลเดอร์ AI Studio, AI studio app skills และตอนนี้เราก็เข้าถึง domain skills ได้สองตัว คือ succession management และ warehouse operations shortages ซึ่งเจ๋งมาก ๆ นี่คือวิธีที่พวกเขาถ่ายโอนความรู้ของผู้เชี่ยวชาญ ไปเป็นสกิลที่ agents นำไปใช้ได้ สกิลเหล่านี้ให้กฎที่เฉพาะเจาะจงมาก ในเรื่อง AI Studio handoff (การส่งต่องานให้ AI Studio) พวกเขายังมีกฎเกี่ยวกับ guardrails ต่าง ๆ ด้วย ซึ่งเป็นหนึ่งในกฎที่เราพูดถึงก่อนหน้านี้ มันจะออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจไม่ได้ มันต้องทำตามกฎเฉพาะเหล่านี้ ถ้าต้องการ คุณอ่านไฟล์พวกนี้ได้เลย มันเป็นมาสเตอร์คลาสในการเขียนสกิลแบบนี้จริง ๆ คุณเรียนรู้อะไรได้เยอะจากพวกมัน สิ่งที่ผมจะทำต่อคือ ดึงสกิล แล้วย้ายไปไว้ในโฟลเดอร์ skills แบบนี้ และคุณรู้ไหม? การติดตั้งตั้งค่าทั้งหมดก็แค่นี้เอง
ลองจินตนาการดู ถ้าคุณทำงานในทีมใหญ่ หรือกำลังสร้างซอฟต์แวร์ชิ้นใหญ่ และอยากทำให้ผู้ใช้ขยายซอฟต์แวร์ของคุณได้ง่ายที่สุด นี่คือทั้งหมดที่คุณต้องทำ: สร้าง agent skills ที่ถ่ายโอนความเชี่ยวชาญเฉพาะด้าน (domain expertise) และความรู้ของระบบ ไปให้ agents จากนั้นก็สร้าง CLI tool ที่ agent ใช้โต้ตอบกับแพลตฟอร์มของคุณ ยกตัวอย่างเช่น CLI tool ใช้ค้นหา pattern โค้ด หรือไฟล์ ที่มีอยู่แล้วในโซลูชันคลาวด์
เยี่ยมมาก พอตั้งค่าสภาพแวดล้อมเล็ก ๆ นี้เสร็จแล้ว สิ่งที่เราจะทำต่อคือส่วนที่สนุก ให้เราเปิด coding agent ขึ้นมา ถ้าต้องการ คุณใช้ Claude Code หรือ coding agent ตัวไหนก็ได้ตามสบาย ผมจะใช้ Codex เพราะผมว่ามันคุ้มค่ากว่า Claude Code เยอะ ใช้งานได้คุ้มกว่ามาก จากนั้นผมจะส่ง prompt นี้ให้ agent: ออกแบบและสร้างแอป succession planning (การวางแผนสืบทอดตำแหน่ง) สำหรับ people managers (ผู้จัดการที่ดูแลพนักงาน) ที่รับผิดชอบการวางแผนสืบทอดตำแหน่งให้กับลูกทีมโดยตรง แอปควรทำให้ผู้จัดการสามารถระบุความเสี่ยงด้านการสืบทอดตำแหน่งได้ล่วงหน้า (proactively) ประเมินความพร้อมในการสืบทอดตำแหน่ง (succession readiness) และไฮไลต์พนักงานผลงานดี (key performers) ที่ยังไม่มีผู้สืบทอดตำแหน่งที่ชัดเจน อีกทั้งควรแนะนำขั้นตอนปฏิบัติถัดไป (actionable next steps) เช่น การระบุผู้สืบทอดที่มีศักยภาพ การประเมินระดับความพร้อม และการสร้างหรืออัปเดตแผนการสืบทอดตำแหน่ง เริ่มเลย!
และดูสิครับ agent กำลังบอกว่า มันใช้ AI Studio succession management skill ซึ่งก็คือสกิลที่เราเพิ่งติดตั้งไป เป็น domain blueprint (พิมพ์เขียวเฉพาะด้าน) นั่นคือสิ่งที่เราอยากเห็นพอดี สกิล succession นี้กำหนดให้ต้องมี scope guide (แนวทางขอบเขตงาน) สั้น ๆ ก่อนที่จะมีการสำรวจใน AI Studio หรือสร้างไฟล์ใด ๆ ซึ่งช่วยให้การรีวิวรอบแรกของ bot ยังคงโฟกัสอยู่ และป้องกันไม่ให้มีการดำเนินการที่แก้ไขเรคคอร์ด succession เกิดขึ้น โดยไม่ได้รับการอนุมัติอย่างชัดเจน
ตอนนี้มันให้ business purpose (วัตถุประสงค์ทางธุรกิจ) มา และเจตนาตอนนี้คือ ให้เราทำงานร่วมกับ agent เพื่อหาว่าเราต้องสร้างอะไร ซึ่งจะให้ spec และแผนละเอียดออกมา agent ยังให้คำแนะนำด้วย สำหรับ MVP (minimum viable product) (ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด) ที่แนะนำ จุดเริ่มต้นที่ปลอดภัยและมีประโยชน์ที่สุดคือ MVP แบบเน้นรีวิว พร้อมเจาะลึกรายคน (person-level drill-down) และผมจะไม่ไล่ดูทั้งหมด ถ้าต้องการ คุณกด pause วิดีโอได้ตามสบาย เพราะทั้งหมดนี้ขึ้นอยู่กับ requirement ที่คุณให้ agent ไป สิ่งที่เราต้องทำตอนนี้คือ เลือกทางเดิน ทางที่แนะนำคือ เริ่มด้วย MVP พร้อมเจาะลึกรายคน ซึ่งจะให้ manager summary (สรุปสำหรับผู้จัดการ) แผงหลักสามแผง และรายละเอียดพนักงานแบบอ้างอิงหลักฐาน (evidence-based) โดยไม่เปลี่ยนแปลงเรคคอร์ด succession
จำกฎข้อหนึ่งที่เราพูดถึงได้ไหม ผมว่าน่าจะเป็นกฎข้อสอง ทุกอย่างเป็น read only ตามค่าเริ่มต้น เราต้องสั่งให้ agent เพิ่ม action ที่มีผลกระทบ (destructive actions) เช่น การเพิ่มเรคคอร์ด หรือการแก้ไขเรคคอร์ด ผมจะเลือกข้อ 1 ซึ่งเป็นตัวเลือกที่แนะนำ และระหว่างที่ agent ทำงานอยู่ สิ่งที่ผมจะทำด้วยคือ ปรับปรุง repository นี้ไปด้วย นี่คือข้อดีของโซลูชันทั้งหมดนี้ คือเรามี version control (ระบบควบคุมเวอร์ชัน) นี่คือ Git repo ทั่วไป เราสามารถสร้าง commits ซึ่งก็คือ checkpoint (จุดบันทึกสถานะ) ได้ สิ่งหนึ่งที่ผมไม่ต้องการ commit ขึ้น remote repository (ที่เก็บโค้ดระยะไกล) ของผมเด็ดขาด คือไฟล์ env.properties นี้ ดังนั้นผมจะสร้างไฟล์ใหม่ชื่อ .gitignore แล้วเพิ่มไฟล์ env.properties นี้ลงไป
เยี่ยม ไฟล์เล็ก ๆ นี้จะกลายเป็นสีเทา หมายความว่ามันจะไม่ถูกรวมอยู่ใน commits ของเรา จากนั้นผมจะสร้าง commit ชื่อ initial และในตอนนี้ มันก็แค่โครงสร้างพื้นฐานของเรา ที่มี agent skills อยู่ เรายังไม่ได้สร้างอะไรเลย และที่เราพูดถึงในตอนกฎต่าง ๆ ว่า agent จะทำการสำรวจ (discovery) นี่คือสิ่งที่เราเห็นอยู่ตอนนี้ มันกำลังสรุปผลการสำรวจของมัน: พบ workflow ทั้งหมดที่จำเป็นสำหรับ MVP ในเครื่องแล้ว ดังนั้นไม่ต้องค้นหาในระบบคลาวด์ และยังพบ existing succession readiness workspace และ personal succession readiness workspace ในเครื่องด้วย พวกมันจะถูกเก็บไว้เป็น references ที่ได้รับการปกป้อง (protected references) คือมันจะไม่ไปแก้ไข แต่จะใช้เป็น pattern ที่มีอยู่เดิม ดังนั้นผมจะเลือกตัวเลือกที่แนะนำอีกครั้ง คือทำต่อกับ workflow ที่ค้นพบเหล่านี้
และถ้าคุณเคยทำงานในโปรเจกต์ใหญ่ ๆ มาก่อน คุณจะรู้ว่ามันน่าปวดหัวแค่ไหน เวลาที่ agent ตัดสินใจสร้างล้อขึ้นมาใหม่ (reinvent the wheel) ทุกครั้ง อย่างน้อยชุด harness (กลไกควบคุม) กฎ และสกิลเหล่านี้ ก็ให้กรอบ (guardrails) ที่เฉพาะเจาะจงกับ agent ในการดู pattern ที่มีอยู่ก่อนที่จะสร้างอะไรเอง และเยี่ยมมาก ตอนนี้ agent กำลังส่ง proposal (ข้อเสนอ) มาให้เรา ซึ่งก็คือ spec ของเรานั่นเอง มันให้ business outcomes (ผลลัพธ์ทางธุรกิจ) ที่ชัดเจน มีทั้งแหล่งข้อมูล (data sources) ประสบการณ์การโหลดครั้งแรก (first load experience) พฤติกรรมการค้นหา (query behavior) ถ้าต้องการ เราก็อ่านดูแล้วให้ agent แก้ไขอะไรก็ได้ตามที่อยากได้ มันยังให้ success check (เช็คความสำเร็จ) ด้วย สำหรับตัวเลือกที่แนะนำ มันบอกว่า approve และสร้าง MVP apps สองตัว หรือเราจะขอให้มันแก้ไขอะไรก็ได้ ผมจะเลือก option 1
สำหรับใครที่ดูอยู่ และเคยทำงานกับแอปพลิเคชันแนวนี้มาก่อน คุณจะรู้ว่างานนี้หนักแค่ไหน งานแบบนี้กลายเป็นเวิร์กช็อปใหญ่อันหนึ่ง ที่มีผู้มีส่วนได้ส่วนเสีย (stakeholders) เต็มห้อง ทั้งผู้เชี่ยวชาญฐานข้อมูล ฝ่าย auth (การยืนยันตัวตน) นักพัฒนา นักวิเคราะห์ธุรกิจ ที่ปรึกษาฟังก์ชัน (functional consultants) เจ้าของธุรกิจ มันคือทั้งทีมที่ต้องมาประชุมร่วมกัน เพื่อหาว่าต้องเปลี่ยนอะไรบ้าง แต่ตอนนี้ ในฐานะเจ้าของธุรกิจ หรือผู้เชี่ยวชาญเฉพาะด้าน (domain expert) คุณแค่แชตกับ agent ตรงนี้ มันก็จะทำงานพัฒนาทั้งหมดนี้ให้คุณ
เอาล่ะ agent ยังทำงานอยู่ แต่ผมอยากโชว์ความคืบหน้าเล็กน้อยให้ดู ผมจะปิด terminal สักครู่ และในโปรเจกต์ เราเห็นว่าไฟล์ใหม่ถูกเพิ่มเข้ามาแล้ว ถ้าไปที่ source เราจะเห็นแอปสองตัวที่กำลังถูกสร้าง เรามีไฟล์ .app สองไฟล์นี้ ลองคลิกดูสักตัว เริ่มจากตัวแรกก่อน ไฟล์นี้จะให้ preview ว่าแอปจะมีหน้าตาแบบไหน ผมจะซูมออกหน่อย แต่ใช่แล้ว เราจะเห็นตัวแอปจริง ๆ แอปใหม่ทั้งสองตัวถูกสร้างในรูปแบบโครงสร้างโปรเจกต์แบบเดิม (legacy project layout) และส่งตรงไปยังการตรวจสอบของ AI Studio โดยไม่มี error เลย อย่างที่ผมพูดไว้ ผมว่าน่าจะเป็นกฎข้อห้า ไฟล์ทั้งหมดเหล่านี้จะถูกตรวจสอบ ก่อนที่ AI Studio หรือ Fusion จะยอมรับ ตอนนี้ MVP ให้ manager summary พร้อมภาพรวมการสืบทอดตำแหน่ง (succession overview) ความเสี่ยงการสูญเสีย (risk of loss) และผลกระทบหากสูญเสีย (impact of loss) การตรวจสอบโดยตรง (direct validation) ยืนยันว่าโครงสร้างแอปและ references สอดคล้องกัน ส่วนการทดสอบรันไทม์อัตโนมัติ (automated runtime tests) ยังคงถูกเลื่อนออกไปตามที่ได้รับอนุมัติ แล้วเราอยากทำอะไรต่อ? ตัวเลือกที่แนะนำคือ เพิ่ม top performers และ compensation summary (สรุปค่าตอบแทน) ถ้าต้องการ เราก็ไล่เพิ่มฟีเจอร์เข้าไปในแอปได้เรื่อย ๆ ดูสิว่ามันง่ายแค่ไหน?
เอาล่ะ ถึงช่วงเวลาพิสูจน์ของจริง มาทดสอบแอปนี้กัน เราจะดึงแอปนี้ไป deploy (นำขึ้นใช้งาน) ยัง Fusion Cloud เพื่อทำงานกับข้อมูลสดจริง ๆ สิ่งที่ต้องทำคือคลิกปุ่ม play เล็ก ๆ ตรงนี้ ขอบอกให้ชัดก่อนว่า นี่ไม่ใช่การ publish การเปลี่ยนแปลง แต่เป็นการ deploy ไปยัง Fusion Cloud ในสถานะร่าง (draft state) และจริง ๆ แล้ว agent ไม่สามารถ publish ได้ด้วยซ้ำ ซึ่งเป็นไปตามการออกแบบ นี่คือด่านตรวจสอบสุดท้าย (final review gate) ที่เราไม่สามารถทำผ่าน agent ได้
และดูนี่สิครับ ตอนนี้เรากำลังทำงานกับข้อมูลสด เราจะเห็นชื่อต่าง ๆ กลับมา นี่คือข้อมูลที่มีประโยชน์มาก นี่คือความเสี่ยงการสูญเสีย (risk of loss) โดยเฉพาะ Sophie Bromley เราเห็นได้ว่ามีความเสี่ยงสูง ทางด้านขวามือ เราจะเห็น priority actions (รายการปฏิบัติที่ควรทำก่อน) และเราต้องหาผู้สืบทอดตำแหน่งให้ Sophie Bromley ย้ำอีกครั้ง นี่รันอยู่บนโครงสร้างพื้นฐาน Fusion Cloud จริง ๆ กับข้อมูลสด ดูว่ามันมีประโยชน์แค่ไหน?
ลองอันนี้ดู ไปที่ Ask Oracle แล้วพิมพ์ว่า please recommend a successor to Sophie ส่งคำสั่งนี้ไป แล้ว agent ก็ให้คำแนะนำกลับมา: คำแนะนำผู้สืบทอดตำแหน่งสำหรับ Sophie นี่คือรายการคำแนะนำผู้สืบทอดตำแหน่งของ Sophie คือ Emily และ Olivia เจ๋งแค่ไหนกัน? ย้ำอีกครั้ง ผมจะแชร์กฎ 5 ข้อนี้ให้คุณ และหวังว่าคุณจะได้เห็นมันทำงานจริงในวิดีโอนี้ด้วย
ผมขอขอบคุณ Oracle ที่ sponsor วิดีโอนี้ และให้โอกาส รวมถึงมุมมองเชิงลึก ว่าพวกเขาทำงานกับ AI agents กันอย่างไร และอีกครั้ง ถ้าอยากเรียนรู้เพิ่มเติมเกี่ยวกับ Oracle Fusion ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ หวังว่าคุณจะสนุกกับวิดีโอนี้ ถ้าชอบก็กดปุ่ม like ด้วยนะครับ และ subscribe ช่องของผม เพื่อรับบทช่วยสอน agentic coding เพิ่มเติม แล้วเจอกันในวิดีโอหน้า บายบายครับ
หมายเหตุการแปล
ความโปร่งใสเกี่ยวกับความไม่แน่นอนในต้นฉบับ
- ## ส่วนที่ฟังไม่ชัด [ฟังไม่ชัด]
- ไม่มี — ไม่มีจุดใดในบทที่ถือว่าฟังไม่ชัดจนต้องใช้ [ฟังไม่ชัด]
อภิธานศัพท์เทคนิค
คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ
| ศัพท์ | คำแปล / คำอธิบาย |
|---|---|
| Oracle | บริษัทซอฟต์แวร์ฐานข้อมูลและคลาวด์รายใหญ่ (คงชื่อเดิม) |
| Oracle Fusion Applications | ชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle ครอบคลุม HR, การเงิน, จัดซื้อจัดจ้าง, ซัพพลายเชน, การขาย, การตลาด |
| Fusion AI | ฟีเจอร์ AI ของ Oracle ที่ใช้สร้างส่วนขยายบนแอปพลิเคชันด้วย AI agent |
| Fusion AI Studio / AI Studio | แพลตฟอร์ม AI ของ Oracle สำหรับสร้าง coding agent ในองค์กร |
| Fusion Studio | ตัวบริการบนคลาวด์ที่ CLI tool ใช้เชื่อมต่อเพื่อดึง pattern/ข้อมูลจากระบบ Fusion |
| Oracle Fusion Cloud | แพลตฟอร์มคลาวด์ที่ใช้ deploy และรันแอปของ Fusion พร้อมข้อมูลสด |
| Oracle Agent Studio | ระบบที่ตรวจสอบ (validate) ไฟล์ที่ agent ส่งขึ้นมาก่อนนำไปสร้างหน้าจอ |
| coding agent | เอเจนต์ AI ที่ช่วยเขียนโค้ด (ตัวช่วยเขียนโค้ดด้วย AI) |
| agentic coding | การเขียนโค้ดแบบใช้ AI agent ช่วยขับเคลื่อน |
| agent skills | สกิล/ชุดกฎที่ถ่ายทอดความรู้เฉพาะด้านให้ AI agent ใช้ทำงาน |
| domain-specific skill | สกิลเฉพาะด้าน เช่น succession management, warehouse operations shortages |
| domain blueprint | พิมพ์เขียวเฉพาะด้านที่ agent ใช้เป็นกรอบในการทำงาน |
| domain expertise | ความเชี่ยวชาญเฉพาะด้าน |
| prompt | คำสั่ง/ข้อความที่ส่งให้ AI agent |
| CLI tool | เครื่องมือที่ทำงานผ่าน command line ใช้เชื่อม agent กับแพลตฟอร์ม |
| MCP | (ไม่ปรากฏในวิดีโอ) |
| API | (ไม่ปรากฏในวิดีโอ) |
| VS Code | โปรแกรมแก้ไขโค้ดของ Microsoft (คงชื่อเดิม) |
| VS Code extension / VSIX | ส่วนขยายของ VS Code ที่ติดตั้งจากไฟล์ .vsix |
| configure authentication / basic authentication | ตั้งค่าการยืนยันตัวตน / การยืนยันตัวตนแบบพื้นฐาน |
| env.properties | ไฟล์เก็บค่าการเชื่อมต่อ (URL, username, password) ที่สร้างที่ root ของโปรเจกต์ |
| .gitignore | ไฟล์กำหนดรายการที่ Git จะไม่รวมใน commit |
| Git repo / repository | ที่เก็บโค้ดที่ควบคุมเวอร์ชันด้วย Git |
| commit / checkpoint | จุดบันทึกสถานะของโค้ดในระบบควบคุมเวอร์ชัน |
| remote repository | ที่เก็บโค้ดระยะไกล |
| version control | ระบบควบคุมเวอร์ชัน |
| clone | การคัดลอก repo/โปรเจกต์มาไว้เครื่องตัวเอง |
| spec | ข้อกำหนด/แผนรายละเอียดของสิ่งที่ต้องการสร้าง |
| requirement | ความต้องการเฉพาะของธุรกิจ |
| backlog | คิวงานรอดำเนินการของทีม IT |
| implementation plan | แผนการลงมือทำ |
| MVP (minimum viable product) | ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด |
| read only | โหมดอ่านได้อย่างเดียว (แก้ไขไม่ได้) |
| destructive actions | การดำเนินการที่กระทบข้อมูล เช่น เพิ่ม/แก้ไขเรคคอร์ด |
| discovery | การสำรวจระบบเพื่อหาโค้ด/pattern/workflow ที่มีอยู่ก่อน |
| guardrails | กรอบควบคุม/ราวกั้นที่บังคับให้ agent ทำตามกฎ |
| validation | การตรวจสอบความถูกต้องของไฟล์/แอป |
| publish | การเผยแพร่การเปลี่ยนแปลงสู่ผู้ใช้ |
| deploy | การนำแอปขึ้นไปใช้งานบนเซิร์ฟเวอร์/คลาวด์ |
| draft state | สถานะร่าง (ยังไม่เผยแพร่) |
| final review gate | ด่านตรวจสอบขั้นสุดท้ายที่ต้องทำโดยมนุษย์ ไม่ใช่ agent |
| live data | ข้อมูลสดจากระบบจริง |
| preview | ตัวอย่างแสดงผลล่วงหน้า |
| view | มุมมองข้อมูลในแอป |
| pattern | รูปแบบโค้ด/โครงสร้างเดิมที่ reuse ได้ |
| workflow files | ไฟล์ที่กำหนดขั้นตอนการทำงานของแอป |
| app file | ไฟล์นิยามแอปพลิเคชัน (นามสกุล .app) |
| workspace | พื้นที่ทำงาน/โฟลเดอร์โปรเจกต์ |
| raw data | ข้อมูลดิบที่ยังไม่ได้ประมวลผล |
| back office | ระบบหลังบ้านขององค์กร |
| HR / human capital | ฝ่ายทรัพยากรบุคคล / ทุนมนุษย์ |
| succession planning | การวางแผนสืบทอดตำแหน่ง |
| succession management dashboard | แดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง |
| succession view | มุมมองการสืบทอดตำแหน่ง |
| succession readiness | ความพร้อมในการสืบทอดตำแหน่ง |
| succession overview | ภาพรวมการสืบทอดตำแหน่ง |
| risk of loss / impact of loss | ความเสี่ยงการสูญเสียบุคลากร / ผลกระทบหากสูญเสีย |
| key performers | พนักงานผลงานดี/คนเก่ง |
| people managers | ผู้จัดการที่ดูแลพนักงานโดยตรง |
| manager summary | สรุปสำหรับผู้จัดการ |
| person-level drill-down | การเจาะลึกรายละเอียดรายบุคคล |
| evidence-based employee details | รายละเอียดพนักงานที่อ้างอิงจากข้อมูล/หลักฐาน |
| priority actions | รายการปฏิบัติที่ควรทำก่อน |
| top performers | พนักงานผลงานดีที่สุด |
| compensation summary | สรุปค่าตอบแทน |
| business purpose / business outcomes | วัตถุประสงค์ทางธุรกิจ / ผลลัพธ์ทางธุรกิจ |
| data sources | แหล่งข้อมูล |
| first load experience | ประสบการณ์การโหลดข้อมูลครั้งแรก |
| query behavior | พฤติกรรมการค้นหาข้อมูล |
| success check | การตรวจสอบเงื่อนไขความสำเร็จ |
| scope guide | แนวทางกำหนดขอบเขตงาน |
| protected references | การอ้างอิงที่ได้รับการปกป้อง (ใช้ได้แต่ห้ามแก้ไข) |
| legacy project layout | โครงสร้างโปรเจกต์แบบเดิม |
| automated runtime tests | การทดสอบอัตโนมัติระหว่างรัน |
| interactive / reactive (ตั้งรับ) | แนวทางเชิงรุก / การรอให้เกิดก่อนแล้วค่อยจัดการ |
| stakeholders | ผู้มีส่วนได้ส่วนเสีย |
| functional consultants | ที่ปรึกษาฟังก์ชัน (ผู้เชี่ยวชาญด้านการใช้งานระบบ) |
| business analysts | นักวิเคราะห์ธุรกิจ |
| auth | การยืนยันตัวตน (authentication) |
| Codex | โมเดล/เครื่องมือ coding agent ของ OpenAI (คงชื่อเดิม) |
| Claude Code | เครื่องมือ coding agent ของ Anthropic (คงชื่อเดิม) |
| Claude | โมเดล AI ของ Anthropic (คงชื่อเดิม) |
| Ask Oracle | ฟีเจอร์ถาม-ตอบด้วย AI ภายในแอป Fusion (คงชื่อเดิม) |
| sponsor | ผู้สนับสนุนวิดีโอ |
| description | คำอธิบายใต้วิดีโอ (มีลิงก์เอกสาร/หน้าขอ demo ของ Oracle) |
| cheat sheet | เอกสารสรุปฉบับย่อ |
| roadmap | แผนที่นำทาง/แนวทางสำคัญ |
| public repo | ที่เก็บโค้ดสาธารณะที่ดาวน์โหลดได้ |
| harness | กลไก/โครงสร้างที่คุมพฤติกรรม agent |
| reinvent the wheel | การสร้างล้อขึ้นมาใหม่ (ทำงานซ้ำซ้อนกับของที่มีอยู่) |
| Explorer | ตัวจัดการไฟล์ของ Windows |
| terminal | หน้าต่างคำสั่ง |
| control + shift + P | แป้นลัดเปิด command palette ใน VS Code |
ซับไตเติ้ลภาษาไทย
ดาวน์โหลดหรือดูซับทั้งหมด
1 00:00:00,000 --> 00:00:04,421 วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่ 2 00:00:04,421 --> 00:00:09,257 ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา 3 00:00:09,257 --> 00:00:13,540 ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้ 4 00:00:13,540 --> 00:00:17,063 AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น
เปิดดูซับไตเติ้ลทั้งหมด (336 segments)
1 00:00:00,000 --> 00:00:04,421 วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่ 2 00:00:04,421 --> 00:00:09,257 ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา 3 00:00:09,257 --> 00:00:13,540 ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้ 4 00:00:13,540 --> 00:00:17,063 AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น 5 00:00:17,063 --> 00:00:21,484 ก็มีอะไรให้เรียนรู้ได้อีกเยอะ จากการดูว่าบริษัทเหล่านี้จัดการกับ 6 00:00:21,484 --> 00:00:25,077 coding agents กันอย่างไร และทั้งหมดก็ลงเอยที่กฎสำคัญ 7 00:00:25,077 --> 00:00:28,531 5 ข้อ ที่คุณนำไปประยุกต์ใช้กับแอปพลิเคชันของคุณได้ 8 00:00:28,531 --> 00:00:32,054 เราจะมาดูทีละข้อในวิดีโอนี้ครับ คุณอาจเคยได้ยินชื่อ 9 00:00:32,054 --> 00:00:35,370 Oracle มาก่อน พวกเขารู้จักกันดีในเรื่องฐานข้อมูล 10 00:00:35,370 --> 00:00:39,238 แต่พวกเขายังมีสิ่งที่เรียกว่า Oracle Fusion Applications 11 00:00:39,238 --> 00:00:44,558 (ชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle) ซึ่งเป็นกระดูกสันหลังขององค์กรใหญ่ 12 00:00:44,558 --> 00:00:48,150 ๆ จำนวนมาก ครอบคลุมทั้ง HR (ทรัพยากรบุคคล), การเงิน, 13 00:00:48,150 --> 00:00:51,673 การจัดซื้อจัดจ้าง (procurement), ซัพพลายเชน (supply 14 00:00:51,673 --> 00:00:54,989 chain), การขาย และการตลาด และนี่ไม่ใช่เรื่องเล็ก 15 00:00:54,989 --> 00:00:58,581 ๆ เลยนะครับ เพราะมีบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก 16 00:00:58,581 --> 00:01:02,657 ที่ใช้ Oracle Fusion Applications ขับเคลื่อนธุรกิจของพวกเขา 17 00:01:02,657 --> 00:01:06,664 และถ้าจะพูดเผลอไปก่อนเลย ลูกค้ากว่า 7,000 รายจากทั้งหมดนี้ 18 00:01:06,664 --> 00:01:14,124 ใช้ฟีเจอร์ AI ที่ชื่อว่า Fusion AI อยู่แล้ว ซึ่งก็คือสิ่งที่ทำให้คุณสร้างอะไรต่อยอดบนแอปพลิเคชันของพวกเขาได้ 19 00:01:14,124 --> 00:01:19,858 โดยใช้ AI agent ของพวกเขานั่นเอง ทีนี้ มีความท้าทายอยู่ข้อหนึ่งที่หลายองค์กรต้องเจอ 20 00:01:19,858 --> 00:01:23,381 ถ้าคุณทำงานในระดับใหญ่ขนาดนั้น และใช้ Oracle Fusion 21 00:01:23,381 --> 00:01:27,457 Applications เป็นระบบหลังบ้าน (back office) ก็จะมีข้อมูลดิบ 22 00:01:27,457 --> 00:01:31,602 (raw data) จำนวนมากนอนอยู่ในระบบ ซึ่งแทบไม่มีประโยชน์อะไรเลย 23 00:01:31,602 --> 00:01:34,918 จนกว่าคุณจะลงมือทำอะไรสักอย่างกับข้อมูลเหล่านั้น 24 00:01:34,918 --> 00:01:38,441 ลองยกตัวอย่างฝ่าย HR หรือ human capital (ทุนมนุษย์) 25 00:01:38,441 --> 00:01:43,001 กัน คุณอาจมีคนสำคัญ หรือคนที่อยู่ในตำแหน่งสำคัญขององค์กรอยู่หลายคน 26 00:01:43,001 --> 00:01:47,974 แล้วจะเกิดอะไรขึ้น ถ้าพวกเขาตัดสินใจลาออก หรือมีอะไรเกิดขึ้นกับคนคนนั้น? 27 00:01:47,974 --> 00:01:52,741 คุณมีแผนจะหาคนมาทดแทนหรือเปล่า? น่าเสียดายที่หลายองค์กรเป็นแบบตั้งรับ 28 00:01:52,741 --> 00:01:56,541 (reactive) คือรอจนกว่าอะไรจะเกิดขึ้นก่อน แล้วค่อยจัดการ 29 00:01:56,541 --> 00:02:00,133 นั่นคือสถานการณ์แบบที่คุณไม่อยากเจอตัวจริง ๆ เลยครับ 30 00:02:00,133 --> 00:02:04,347 แต่คงจะเจ๋งมาก ถ้าคุณสร้าง view (มุมมองข้อมูล) แบบหนึ่งขึ้นมา 31 00:02:04,347 --> 00:02:08,906 ที่ช่วยไฮไลต์ความเสี่ยงเหล่านี้ เพื่อให้คุณจัดการกับมันได้ล่วงหน้า 32 00:02:08,906 --> 00:02:13,742 (proactively) และนี่คือความท้าทายที่องค์กรเหล่านี้ดูจะเจออยู่บ่อยครั้ง 33 00:02:13,742 --> 00:02:17,127 นั่นคือการเพิ่ม view หรือคอมโพเนนต์พิเศษนี้เข้าไป 34 00:02:17,127 --> 00:02:21,893 ไม่ใช่เรื่องง่ายเลย และที่บอกเลยว่า เรื่องนี้ผมมีประสบการณ์ตรงเยอะมาก 35 00:02:21,893 --> 00:02:27,351 เพราะผมใช้เวลาส่วนใหญ่ในอาชีพการทำงาน อยู่ในสภาพแวดล้อมที่ใกล้เคียงกับแบบนี้มาก 36 00:02:27,351 --> 00:02:30,943 สิ่งที่คุณต้องเข้าใจคือ แพลตฟอร์มอย่าง Oracle Fusion 37 00:02:30,943 --> 00:02:36,124 พยายามจะแก้โจทย์ความต้องการที่กว้างมาก ถ้าย้อนกลับไปที่สไลด์นี้เป็นตัวอย่าง 38 00:02:36,124 --> 00:02:40,338 ระบบ HR ของพวกเขาจะให้รากฐานที่แข็งแรง ซึ่งใช้ได้กับธุรกิจราว 39 00:02:40,338 --> 00:02:44,552 90% แต่ธุรกิจส่วนใหญ่ก็มักจะมี requirement (ความต้องการเฉพาะ) 40 00:02:44,552 --> 00:02:48,283 บางอย่างที่ไม่เหมือนใคร และพวกเขาก็ต้องขยายแอปพลิเคชัน 41 00:02:48,283 --> 00:02:52,151 เพื่อตอบโจทย์สิ่งที่ unique กับตัวเอง เช่นที่เพิ่งพูดถึง 42 00:02:52,151 --> 00:02:56,849 ระบบ HR ที่เขาให้มาอาจไม่มี succession view (มุมมองการสืบทอดตำแหน่ง) 43 00:02:56,849 --> 00:03:00,717 ดังนั้นธุรกิจของคุณอาจมีความต้องการที่จะสร้าง succession 44 00:03:00,717 --> 00:03:04,793 management dashboard (แดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง) 45 00:03:04,793 --> 00:03:08,316 ขึ้นบนข้อมูลชุดนี้ และนั่นก็ไม่ใช่เรื่องง่ายเลยจริง 46 00:03:08,316 --> 00:03:11,839 ๆ พูดง่าย ๆ ก็คือ ทีม HR ต้องเขียน requirement หรือ 47 00:03:11,839 --> 00:03:15,363 spec (ข้อกำหนด) บางอย่างออกมา จากนั้นก็ส่งต่อให้ทีม 48 00:03:15,363 --> 00:03:18,886 IT และมันก็จะไปจบอยู่ที่ backlog (คิวงาน) ของพวกเขา 49 00:03:18,886 --> 00:03:22,409 แล้วก็ต้องมีนักพัฒนาที่เชี่ยวชาญเฉพาะทาง และใช่ครับ 50 00:03:22,409 --> 00:03:27,245 แพลตฟอร์มพวกนี้มักมี syntax (รูปแบบไวยากรณ์) หรือโครงสร้างไฟล์เฉพาะตัว 51 00:03:27,245 --> 00:03:30,768 คุณจึงต้องมีนักพัฒนาเฉพาะทางที่เข้าใจ Oracle Fusion 52 00:03:30,768 --> 00:03:34,429 หรือแพลตฟอร์มแนวนี้ เพื่อมาสร้าง extension (ส่วนขยาย) 53 00:03:34,429 --> 00:03:37,745 เหล่านี้ให้คุณ นักพัฒนากลุ่มนี้มักหายากและแพงมาก 54 00:03:37,745 --> 00:03:41,752 อีกทั้ง requirement ง่าย ๆ แบบนี้ ยังอาจใช้เวลาหลายสัปดาห์ 55 00:03:41,752 --> 00:03:45,068 หรือเป็นเดือน กว่าจะ implement (ลงมือทำ) ได้จริง 56 00:03:45,068 --> 00:03:49,627 และนี่คือวิธีที่ Oracle ใช้ AI agents ปรับปรุงกระบวนการนี้ในตอนนี้ 57 00:03:49,627 --> 00:03:53,496 พวกเขานำความสามารถและความรู้เฉพาะทางเหล่านี้ มาสร้างเป็น 58 00:03:53,496 --> 00:03:56,811 agent skills (สกิลสำหรับ AI agent) พร้อมตัวอย่าง 59 00:03:56,811 --> 00:04:00,127 prompt (คำสั่ง) ที่ใครก็ตามที่มีบัญชี Codex หรือ 60 00:04:00,127 --> 00:04:03,443 Claude Code สามารถใช้สร้าง extension เหล่านี้ได้ 61 00:04:03,443 --> 00:04:07,243 ดังนั้นภาพรวมของขั้นตอนทั้งหมดก็ประมาณนี้ครับ workspace 62 00:04:07,243 --> 00:04:10,697 (พื้นที่ทำงาน) ของคุณ ซึ่งอยู่บนเครื่อง PC ส่วนตัว 63 00:04:10,697 --> 00:04:14,220 ประกอบด้วยการแชตกับ agent ของคุณ ซึ่งอาจเป็น Claude 64 00:04:14,220 --> 00:04:18,089 Code, Codex ฯลฯ จริง ๆ แล้วเป็น coding agent ตัวไหนก็ได้ 65 00:04:18,089 --> 00:04:21,543 จากนั้น agent ตัวนั้นจะใช้ AI Studio skill และ CLI 66 00:04:21,543 --> 00:04:25,204 tool (เครื่องมือที่ทำงานผ่าน command line) ของ Oracle 67 00:04:25,204 --> 00:04:28,796 ซึ่ง CLI tool นี้จะทำให้ agent เชื่อมต่อไปยัง Fusion 68 00:04:28,796 --> 00:04:32,596 Studio ที่รันอยู่บนคลาวด์ เพื่อดึง pattern (รูปแบบโค้ด) 69 00:04:32,596 --> 00:04:36,464 ที่มีอยู่เดิมออกมาใช้ เป็นต้น แล้ว agent จะสร้างไฟล์ต่าง 70 00:04:36,464 --> 00:04:40,540 ๆ เช่น app file (ไฟล์แอป), workflow files (ไฟล์เวิร์กโฟลว์) 71 00:04:40,540 --> 00:04:44,685 ฯลฯ และเมื่อเราทำการเปลี่ยนแปลงเสร็จแล้ว ก็สามารถส่งต่อไปยัง 72 00:04:44,685 --> 00:04:48,968 Fusion Cloud ได้ โดย Oracle Agent Studio จะตรวจสอบไฟล์เหล่านี้ 73 00:04:48,968 --> 00:04:52,837 ว่า ถูกต้องหรือไม่จริง ถ้ามีปัญหามันก็จะส่งไฟล์กลับมาให้ 74 00:04:52,837 --> 00:04:57,189 agent ของเรา และ agent ก็ต้องแก้ไขให้เรียบร้อย แต่ถ้าการตรวจสอบ 75 00:04:57,189 --> 00:05:00,505 (validation) ผ่าน Oracle จะสร้างหน้าจอ (screens) 76 00:05:00,505 --> 00:05:04,304 ขึ้นโดยใช้ approved blocks (บล็อกที่ผ่านการอนุมัติแล้ว) 77 00:05:04,304 --> 00:05:07,551 ที่มีอยู่ และสุดท้ายผู้ใช้ปลายทางก็จะได้เข้าถึง 78 00:05:07,551 --> 00:05:10,936 view ใหม่ของคุณ เราจะดู demo แบบสด ๆ ในอีกสักครู่ 79 00:05:10,936 --> 00:05:15,564 แต่ผมอยากอธิบายอีกสักหนึ่งหรือสองเรื่องก่อน แล้วค่อยดำดิ่งเข้าสู่กฎ 80 00:05:15,564 --> 00:05:19,226 5 ข้อ ที่คุณควรนำไปใช้ใน workflow ของคุณด้วย อย่างแรก 81 00:05:19,226 --> 00:05:22,680 เราจะใช้ Codex หรือ Claude Code บนเครื่องของเราเอง 82 00:05:22,680 --> 00:05:26,687 เพื่อสร้าง extension เหล่านี้ ไฟล์พวกนี้จะอยู่บนเครื่องเรา 83 00:05:26,687 --> 00:05:30,141 แต่ข้อมูลจริงที่เราเห็นใน preview (ตัวอย่างแสดงผล) 84 00:05:30,141 --> 00:05:33,526 มาจากแพลตฟอร์มคลาวด์ตัวจริง นั่นคือข้อมูลสด (live 85 00:05:33,526 --> 00:05:38,499 data) ที่อยู่ใน Fusion platform นั่นเอง ทีนี้ เราจะลงมือทำทั้งหมดนี้ด้วย 86 00:05:38,499 --> 00:05:42,092 coding agent ตัวจริงในอีกสักครู่ แต่ตามที่ผมสัญญาไว้ 87 00:05:42,092 --> 00:05:45,891 ก็คือมีกฎ 5 ข้อที่พวกเขาใช้ ซึ่งจะมีประโยชน์อย่างมากกับ 88 00:05:45,891 --> 00:05:49,345 workflow ของคุณเช่นกัน กฎข้อแรกคือ spec ต้องมาก่อน 89 00:05:49,345 --> 00:05:52,730 (the spec comes first) คือจะไม่มีอะไรถูกสร้างขึ้น 90 00:05:52,730 --> 00:05:56,530 จนกว่าจะมีแผน และทุกฝ่ายตกลงกันเรียบร้อย ถ้าคุณเคยทำตาม 91 00:05:56,530 --> 00:06:00,467 RAM framework มาก่อน คุณคงคุ้นเคยกับขั้นตอนนี้เป็นอย่างดี 92 00:06:00,467 --> 00:06:04,474 นี่คือขั้นตอนที่เราคุยกับ agent เพื่อหาว่าเราอยากสร้างอะไร 93 00:06:04,474 --> 00:06:08,343 และสุดท้ายเราก็จะได้ implementation plan (แผนการลงมือทำ) 94 00:06:08,343 --> 00:06:13,178 หรือ spec ละเอียดออกมา กฎข้อที่สอง คือทุกอย่างเป็นแบบอ่านได้อย่างเดียว 95 00:06:13,178 --> 00:06:16,563 (read only) จนกว่าคุณจะสั่งเป็นอย่างอื่น กล่าวคือ 96 00:06:16,563 --> 00:06:20,294 ตามค่าเริ่มต้น เมื่อคุณเพิ่มฟีเจอร์ใหม่ ทุกอย่างจะเป็น 97 00:06:20,294 --> 00:06:24,301 read only โดยดีฟอลต์ ยกเว้นคุณจะให้คำสั่งที่เฉพาะเจาะจงมาก 98 00:06:24,301 --> 00:06:30,242 ให้เพิ่มความสามารถในการสร้างหรือแก้ไขข้อมูล ซึ่งสิ่งเหล่านี้ถูกควบคุมผ่านกฎเฉพาะเจาะจง 99 00:06:30,242 --> 00:06:34,317 ที่ให้ไว้กับ agent ใน skill files (ไฟล์สกิล) กฎข้อที่สามคือ 100 00:06:34,317 --> 00:06:37,771 discover before you build (สำรวจก่อนสร้าง) ก่อนที่ 101 00:06:37,771 --> 00:06:41,640 agent จะสร้างอะไร มันจะทำการสำรวจ (discovery) ในระบบก่อน 102 00:06:41,640 --> 00:06:45,094 เพื่อค้นหาโค้ด pattern หรือ workflow ที่มีอยู่แล้ว 103 00:06:45,094 --> 00:06:48,617 ที่มันจะใช้ต่อยอดได้ ตัวอย่างเช่น ถ้าคุณขอให้ agent 104 00:06:48,617 --> 00:06:52,555 สร้าง view สำหรับบริหารจัดการการสืบทอดตำแหน่ง (succession 105 00:06:52,555 --> 00:06:55,940 management view) มันจะดูในระบบก่อนว่า มี workflow 106 00:06:55,940 --> 00:06:59,256 หรือ pattern ที่สามารถ reuse (ใช้ซ้ำ) ได้หรือไม่ 107 00:06:59,256 --> 00:07:02,986 ก่อนที่จะสร้างของใหม่จากศูนย์ กฎข้อที่สี่คือ structure 108 00:07:02,986 --> 00:07:06,509 over improvisation (ทำตามโครงสร้าง ดีกว่าคิดเอาเอง) 109 00:07:06,509 --> 00:07:10,102 ภายใน agent skills เหล่านี้ มีกฎเฉพาะเจาะจงที่ agent 110 00:07:10,102 --> 00:07:13,694 ต้องปฏิบัติตาม ทุกครั้งที่มันทำงานใดก็ตาม guardrails 111 00:07:13,694 --> 00:07:17,148 (กรอบควบคุม) เหล่านี้ จะทำให้ agent ไม่มั่วขึ้นเอง 112 00:07:17,148 --> 00:07:21,984 หรือออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจ มันต้องทำงานอยู่ในเลนที่กำหนดไว้ 113 00:07:21,984 --> 00:07:25,507 และสุดท้าย กฎที่ผมคิดว่าสำคัญที่สุด คือ unvalidated 114 00:07:25,507 --> 00:07:29,168 means unfinished (ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ) 115 00:07:29,168 --> 00:07:34,211 แค่เราสร้างไฟล์ขึ้นมาเป็นชุด และทุกอย่างดูเหมือนทำงานได้บนเครื่องท้องถิ่น 116 00:07:34,211 --> 00:07:38,770 ก็ไม่ได้หมายความว่างานชิ้นนั้นเสร็จแล้ว ทุกอย่างต้องผ่านการตรวจสอบ 117 00:07:38,770 --> 00:07:43,192 (validate) ก่อน จึงจะถือว่าเสร็จสมบูรณ์ในระบบ และพร้อมให้เผยแพร่ 118 00:07:43,192 --> 00:07:46,784 (publish) เพื่อให้ง่ายขึ้น ผมจะให้สไลด์นี้เป็น cheat 119 00:07:46,784 --> 00:07:51,274 sheet (เอกสารสรุปฉบับย่อ) ไว้ คุณก็อปปี้หรือแคปหน้าจอเก็บไว้ก็ได้ 120 00:07:51,274 --> 00:07:54,659 กฎ 5 ข้อนี้เป็น roadmap (แผนที่นำทาง) ที่สำคัญมาก 121 00:07:54,659 --> 00:07:57,975 ถ้าคุณทำงานบนแพลตฟอร์มขนาดใหญ่ ภายในองค์กรใหญ่ ๆ 122 00:07:57,975 --> 00:08:01,360 เราจะมี demo จริง ๆ ในวิดีโอนี้ด้วย แต่ผมขอพูดตรง 123 00:08:01,360 --> 00:08:04,814 ๆ และจริงใจกับคุณเลยนะครับ แพลตฟอร์มพวกนี้ปกติแล้ว 124 00:08:04,814 --> 00:08:10,893 ไม่ใช่ทุกคนจะเข้าใช้ได้ ถ้าคุณกำลังดูวิดีโอนี้ โอกาสที่คุณจะเข้าถึงแพลตฟอร์มนี้ได้ก็น้อย 125 00:08:10,893 --> 00:08:16,351 แต่นั่นก็ไม่ใช่จุดประสงค์ของวิดีโอนี้เหมือนกัน เพราะมันเป็นอะไรที่เฉพาะกลุ่มมาก 126 00:08:16,351 --> 00:08:19,598 โดยทั่วไปคุณต้องเป็นพาร์ทเนอร์ของบริษัทเหล่านี้ 127 00:08:19,598 --> 00:08:24,848 ถึงจะได้สิทธิ์เข้าถึงระบบเหล่านี้ ดังนั้นวิดีโอนี้จึงเป็นวิดีโอเพื่อการศึกษา 128 00:08:24,848 --> 00:08:28,302 และผมพยายามโชว์สิ่งที่ค่อนข้างเฉพาะกลุ่มให้คุณเห็น 129 00:08:28,302 --> 00:08:32,999 เพื่อให้คุณได้เรียนรู้จากมัน และเอาไปคิดตอนสร้างแอปพลิเคชันของตัวเอง 130 00:08:32,999 --> 00:08:36,592 หรือถ้าคุณทำงานในระดับองค์กร หรือกับทีมพัฒนาขนาดใหญ่ 131 00:08:36,592 --> 00:08:40,184 ก็มีบทเรียนอีกมากมายที่นี่ ที่คุณสามารถนำติดตัวไปได้ 132 00:08:40,184 --> 00:08:44,605 โอเค พูดกันพอแล้ว มาลองใช้ coding agent สร้างทั้งหมดนี้กันดีกว่า 133 00:08:44,605 --> 00:08:48,750 บทเรียนแรกที่ผมได้จากตรงนี้คือ คุณต้องทำให้การติดตั้งตั้งค่า 134 00:08:48,750 --> 00:08:52,342 ง่ายที่สุดเท่าที่จะทำได้สำหรับผู้ใช้ ถ้าคุณทำถูกต้อง 135 00:08:52,342 --> 00:08:56,902 ผู้คนไม่จำเป็นต้องเป็นนักพัฒนา ก็สามารถขยายแอปพลิเคชันของตัวเองได้ 136 00:08:56,902 --> 00:09:01,530 และผมคิดว่า Oracle ทำตรงนี้ได้ดีมาก พวกเขาเปิดเผยทุกอย่างต่อสาธารณะ 137 00:09:01,530 --> 00:09:05,330 นี่คือ public repo (ที่เก็บโค้ดสาธารณะ) หลังจากนั้นแหละ 138 00:09:05,330 --> 00:09:08,853 และไฟล์ทั้งหมด ไม่ว่าจะเป็น agent skills, CLI tool, 139 00:09:08,853 --> 00:09:12,998 VS Code extensions ทุกอย่างอยู่ใน repo ที่เรียบง่ายมากอันนี้ 140 00:09:12,998 --> 00:09:16,314 ถ้าเราคลิกเข้าไปในโฟลเดอร์นี้ เราจะเจอ AI Studio 141 00:09:16,314 --> 00:09:19,560 อยู่ข้างใน ถ้าเราไปที่ AI Studio เราจะเจอ agent 142 00:09:19,560 --> 00:09:24,258 skills ทั้งหมด อยู่ในไฟล์ zip เล็ก ๆ ตรงนี้ ดังนั้นถ้าคุณอยากขยายแอป 143 00:09:24,258 --> 00:09:27,505 Oracle Fusion ตัวไหน จริง ๆ แล้วคุณแค่คลิก copy 144 00:09:27,505 --> 00:09:30,890 หรือดาวน์โหลดไฟล์ zip ก็ได้ แล้วก็ clone (คัดลอก) 145 00:09:30,890 --> 00:09:34,966 มันลงในโฟลเดอร์โปรเจกต์ว่าง ๆ ได้เลย สิ่งแรกที่เราต้องทำคือ 146 00:09:34,966 --> 00:09:38,420 ติดตั้ง VS Code extension ที่จะเชื่อม VS Code หรือ 147 00:09:38,420 --> 00:09:43,324 agent ของเรา เข้ากับบัญชี Oracle Fusion ของเรา โดยผมจะเปิดโฟลเดอร์นี้ใน 148 00:09:43,324 --> 00:09:46,709 Explorer สักครู่ จากนั้นเข้าไปที่โฟลเดอร์ release 149 00:09:46,709 --> 00:09:49,956 ไปที่ AI Studio ไปที่ bin แล้วแตกไฟล์ AI Studio 150 00:09:49,956 --> 00:09:53,479 extensions ออกมา จากนั้นกลับมาที่ VS Code ไปที่แท็บ 151 00:09:53,479 --> 00:09:56,726 extensions คลิกที่จุดสามจุดตรงนี้ เลือก install 152 00:09:56,726 --> 00:10:00,180 from VSIX แล้วกลับเข้าไปที่โฟลเดอร์ AI Studio นั้น 153 00:10:00,180 --> 00:10:03,565 ไปที่ bin โฟลเดอร์ extensions แล้วเลือก AI Studio 154 00:10:03,565 --> 00:10:06,812 extension เพื่อติดตั้ง จากนั้นคลิกที่ configure 155 00:10:06,812 --> 00:10:11,579 authentication และเลือก basic authentication ถ้าคุณไม่เห็นป๊อปอัปนั้น 156 00:10:11,579 --> 00:10:14,964 ไม่ต้องกังวลนะครับ สิ่งที่คุณต้องทำคือกด control, 157 00:10:14,964 --> 00:10:18,211 shift และ P แล้วค้นหา Fusion AI Studio แล้วคลิก 158 00:10:18,211 --> 00:10:22,148 configure authentication จากนั้นคลิก basic authentication 159 00:10:22,148 --> 00:10:25,602 ทีนี้ เราต้องกรอก URL ของ Oracle Fusion app ของเรา 160 00:10:25,602 --> 00:10:29,333 ถ้าคุณสมัครใช้ Oracle Fusion คุณก็จะมี URL นี้อยู่แล้ว 161 00:10:29,333 --> 00:10:34,168 และถ้าคุณอยากลองทำด้วยตัวเอง ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ 162 00:10:34,168 --> 00:10:37,484 (description) ถ้าอยู่ในหน้านี้ คุณก็แค่กดขอ demo 163 00:10:37,484 --> 00:10:40,800 หรือติดต่อฝ่ายขายได้เลย เอาล่ะ ผมจะวาง URL ของผม 164 00:10:40,800 --> 00:10:44,738 แล้วกด enter จากนั้นเราต้องกรอก username และสุดท้ายก็กรอก 165 00:10:44,738 --> 00:10:48,814 password เหมือนกัน ซึ่งขั้นตอนนี้จะสร้างไฟล์ env.properties 166 00:10:48,814 --> 00:10:53,857 ขึ้นที่ root (โฟลเดอร์หลัก) ของโปรเจกต์คุณ พอตั้งค่าการเชื่อมต่อเสร็จแล้ว 167 00:10:53,857 --> 00:10:57,380 สิ่งที่เราอยากทำต่อคือ ก็อปปี้ agent skills ทั้งหมด 168 00:10:57,380 --> 00:11:01,317 ที่จะสอน agent ของเราว่า จะขยายแอปพลิเคชันเหล่านี้อย่างไร 169 00:11:01,317 --> 00:11:04,702 กลับไปที่โฟลเดอร์ bin ผมจะแตกไฟล์ AI Studio skill 170 00:11:04,702 --> 00:11:08,916 folder ออกมา แล้วกลับมาที่ root ของโปรเจกต์ ขึ้นอยู่กับว่าใช้ 171 00:11:08,916 --> 00:11:12,992 agent ตัวไหน คุณอาจต้องมีโฟลเดอร์ .claude ถ้าคุณใช้โมเดลของ 172 00:11:12,992 --> 00:11:16,930 Claude หรือถ้าใช้ตัวอื่นเป็นส่วนใหญ่ สิ่งที่คุณต้องมีจริง 173 00:11:16,930 --> 00:11:21,351 ๆ คือโฟลเดอร์ .agents ภายในโฟลเดอร์นี้ ผมจะสร้างโฟลเดอร์ย่อยชื่อ 174 00:11:21,351 --> 00:11:24,667 skills จากนั้นกลับไปที่ bin อีกครั้ง แล้วก็อปปี้ 175 00:11:24,667 --> 00:11:28,190 AI Studio skill ไปไว้ในโฟลเดอร์ agent skills แบบนี้ 176 00:11:28,190 --> 00:11:31,575 จากนั้นเราก็เปิด coding agent ของเรา ไม่ว่าจะเป็น 177 00:11:31,575 --> 00:11:35,098 Claude หรือในวิดีโอนี้ผมจะใช้ Codex แล้วพิมพ์คำสั่ง 178 00:11:35,098 --> 00:11:39,520 skills, list skills เพื่อถาม agent ว่า มันเข้าถึงสกิลอะไรได้บ้าง 179 00:11:39,520 --> 00:11:42,974 เอาล่ะ agent ของเรายืนยันแล้วว่า มันเห็น AI Studio 180 00:11:42,974 --> 00:11:47,326 skill ของเราจริง ๆ ผมขอออกจากตรงนี้สักครู่ อันนี้จะดูน่ากลัวมาก 181 00:11:47,326 --> 00:11:50,642 แต่ผมจะรันคำสั่งนี้ ซึ่งจะช่วยยืนยันว่า CLI tool 182 00:11:50,642 --> 00:11:53,958 ทำงานได้จริง และถ้าคุณเห็นฟังก์ชันและ tools ต่าง 183 00:11:53,958 --> 00:11:59,484 ๆ เหล่านี้ นั่นหมายความว่า CLI tool ทำงานแล้ว จากนั้นเราจะติดตั้งสกิลอีกหนึ่งตัว 184 00:11:59,484 --> 00:12:03,353 สกิลที่เพิ่งติดตั้งไป จะสอน agent ให้ใช้ CLI เพื่อใช้งาน 185 00:12:03,353 --> 00:12:06,945 AI Studio แต่ตอนนี้เรายังอยากติดตั้ง domain-specific 186 00:12:06,945 --> 00:12:10,261 skill (สกิลเฉพาะด้าน) เช่น succession management 187 00:12:10,261 --> 00:12:13,508 ด้วย ผมจะแตกโฟลเดอร์นี้ แล้วเข้าไปในโฟลเดอร์ AI 188 00:12:13,508 --> 00:12:16,962 Studio, AI studio app skills และตอนนี้เราก็เข้าถึง 189 00:12:16,962 --> 00:12:20,347 domain skills ได้สองตัว คือ succession management 190 00:12:20,347 --> 00:12:23,663 และ warehouse operations shortages ซึ่งเจ๋งมาก ๆ 191 00:12:23,663 --> 00:12:26,979 นี่คือวิธีที่พวกเขาถ่ายโอนความรู้ของผู้เชี่ยวชาญ 192 00:12:26,979 --> 00:12:31,538 ไปเป็นสกิลที่ agents นำไปใช้ได้ สกิลเหล่านี้ให้กฎที่เฉพาะเจาะจงมาก 193 00:12:31,538 --> 00:12:35,268 ในเรื่อง AI Studio handoff (การส่งต่องานให้ AI Studio) 194 00:12:35,268 --> 00:12:41,209 พวกเขายังมีกฎเกี่ยวกับ guardrails ต่าง ๆ ด้วย ซึ่งเป็นหนึ่งในกฎที่เราพูดถึงก่อนหน้านี้ 195 00:12:41,209 --> 00:12:46,183 มันจะออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจไม่ได้ มันต้องทำตามกฎเฉพาะเหล่านี้ 196 00:12:46,183 --> 00:12:51,572 ถ้าต้องการ คุณอ่านไฟล์พวกนี้ได้เลย มันเป็นมาสเตอร์คลาสในการเขียนสกิลแบบนี้จริง 197 00:12:51,572 --> 00:12:55,233 ๆ คุณเรียนรู้อะไรได้เยอะจากพวกมัน สิ่งที่ผมจะทำต่อคือ 198 00:12:55,233 --> 00:12:59,309 ดึงสกิล แล้วย้ายไปไว้ในโฟลเดอร์ skills แบบนี้ และคุณรู้ไหม? 199 00:12:59,309 --> 00:13:02,763 การติดตั้งตั้งค่าทั้งหมดก็แค่นี้เอง ลองจินตนาการดู 200 00:13:02,763 --> 00:13:06,355 ถ้าคุณทำงานในทีมใหญ่ หรือกำลังสร้างซอฟต์แวร์ชิ้นใหญ่ 201 00:13:06,355 --> 00:13:09,809 และอยากทำให้ผู้ใช้ขยายซอฟต์แวร์ของคุณได้ง่ายที่สุด 202 00:13:09,809 --> 00:13:15,197 นี่คือทั้งหมดที่คุณต้องทำ: สร้าง agent skills ที่ถ่ายโอนความเชี่ยวชาญเฉพาะด้าน 203 00:13:15,197 --> 00:13:18,582 (domain expertise) และความรู้ของระบบ ไปให้ agents 204 00:13:18,582 --> 00:13:22,796 จากนั้นก็สร้าง CLI tool ที่ agent ใช้โต้ตอบกับแพลตฟอร์มของคุณ 205 00:13:22,796 --> 00:13:26,527 ยกตัวอย่างเช่น CLI tool ใช้ค้นหา pattern โค้ด หรือไฟล์ 206 00:13:26,527 --> 00:13:30,879 ที่มีอยู่แล้วในโซลูชันคลาวด์ เยี่ยมมาก พอตั้งค่าสภาพแวดล้อมเล็ก 207 00:13:30,879 --> 00:13:34,817 ๆ นี้เสร็จแล้ว สิ่งที่เราจะทำต่อคือส่วนที่สนุก ให้เราเปิด 208 00:13:34,817 --> 00:13:38,202 coding agent ขึ้นมา ถ้าต้องการ คุณใช้ Claude Code 209 00:13:38,202 --> 00:13:41,656 หรือ coding agent ตัวไหนก็ได้ตามสบาย ผมจะใช้ Codex 210 00:13:41,656 --> 00:13:45,939 เพราะผมว่ามันคุ้มค่ากว่า Claude Code เยอะ ใช้งานได้คุ้มกว่ามาก 211 00:13:45,939 --> 00:13:49,600 จากนั้นผมจะส่ง prompt นี้ให้ agent: ออกแบบและสร้างแอป 212 00:13:49,600 --> 00:13:53,123 succession planning (การวางแผนสืบทอดตำแหน่ง) สำหรับ 213 00:13:53,123 --> 00:13:59,617 people managers (ผู้จัดการที่ดูแลพนักงาน) ที่รับผิดชอบการวางแผนสืบทอดตำแหน่งให้กับลูกทีมโดยตรง 214 00:13:59,617 --> 00:14:04,522 แอปควรทำให้ผู้จัดการสามารถระบุความเสี่ยงด้านการสืบทอดตำแหน่งได้ล่วงหน้า 215 00:14:04,522 --> 00:14:07,838 (proactively) ประเมินความพร้อมในการสืบทอดตำแหน่ง 216 00:14:07,838 --> 00:14:11,361 (succession readiness) และไฮไลต์พนักงานผลงานดี (key 217 00:14:11,361 --> 00:14:14,677 performers) ที่ยังไม่มีผู้สืบทอดตำแหน่งที่ชัดเจน 218 00:14:14,677 --> 00:14:18,200 อีกทั้งควรแนะนำขั้นตอนปฏิบัติถัดไป (actionable next 219 00:14:18,200 --> 00:14:22,690 steps) เช่น การระบุผู้สืบทอดที่มีศักยภาพ การประเมินระดับความพร้อม 220 00:14:22,690 --> 00:14:26,144 และการสร้างหรืออัปเดตแผนการสืบทอดตำแหน่ง เริ่มเลย! 221 00:14:26,144 --> 00:14:30,082 และดูสิครับ agent กำลังบอกว่า มันใช้ AI Studio succession 222 00:14:30,082 --> 00:14:33,536 management skill ซึ่งก็คือสกิลที่เราเพิ่งติดตั้งไป 223 00:14:33,536 --> 00:14:38,579 เป็น domain blueprint (พิมพ์เขียวเฉพาะด้าน) นั่นคือสิ่งที่เราอยากเห็นพอดี 224 00:14:38,579 --> 00:14:42,931 สกิล succession นี้กำหนดให้ต้องมี scope guide (แนวทางขอบเขตงาน) 225 00:14:42,931 --> 00:14:46,661 สั้น ๆ ก่อนที่จะมีการสำรวจใน AI Studio หรือสร้างไฟล์ใด 226 00:14:46,661 --> 00:14:50,046 ๆ ซึ่งช่วยให้การรีวิวรอบแรกของ bot ยังคงโฟกัสอยู่ 227 00:14:50,046 --> 00:14:53,984 และป้องกันไม่ให้มีการดำเนินการที่แก้ไขเรคคอร์ด succession 228 00:14:53,984 --> 00:14:57,784 เกิดขึ้น โดยไม่ได้รับการอนุมัติอย่างชัดเจน ตอนนี้มันให้ 229 00:14:57,784 --> 00:15:01,998 business purpose (วัตถุประสงค์ทางธุรกิจ) มา และเจตนาตอนนี้คือ 230 00:15:01,998 --> 00:15:05,521 ให้เราทำงานร่วมกับ agent เพื่อหาว่าเราต้องสร้างอะไร 231 00:15:05,521 --> 00:15:09,458 ซึ่งจะให้ spec และแผนละเอียดออกมา agent ยังให้คำแนะนำด้วย 232 00:15:09,458 --> 00:15:14,639 สำหรับ MVP (minimum viable product) (ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด) 233 00:15:14,639 --> 00:15:18,232 ที่แนะนำ จุดเริ่มต้นที่ปลอดภัยและมีประโยชน์ที่สุดคือ 234 00:15:18,232 --> 00:15:21,548 MVP แบบเน้นรีวิว พร้อมเจาะลึกรายคน (person-level 235 00:15:21,548 --> 00:15:25,071 drill-down) และผมจะไม่ไล่ดูทั้งหมด ถ้าต้องการ คุณกด 236 00:15:25,071 --> 00:15:28,456 pause วิดีโอได้ตามสบาย เพราะทั้งหมดนี้ขึ้นอยู่กับ 237 00:15:28,456 --> 00:15:32,324 requirement ที่คุณให้ agent ไป สิ่งที่เราต้องทำตอนนี้คือ 238 00:15:32,324 --> 00:15:36,400 เลือกทางเดิน ทางที่แนะนำคือ เริ่มด้วย MVP พร้อมเจาะลึกรายคน 239 00:15:36,400 --> 00:15:39,647 ซึ่งจะให้ manager summary (สรุปสำหรับผู้จัดการ) 240 00:15:39,647 --> 00:15:43,170 แผงหลักสามแผง และรายละเอียดพนักงานแบบอ้างอิงหลักฐาน 241 00:15:43,170 --> 00:15:46,831 (evidence-based) โดยไม่เปลี่ยนแปลงเรคคอร์ด succession 242 00:15:46,831 --> 00:15:50,493 จำกฎข้อหนึ่งที่เราพูดถึงได้ไหม ผมว่าน่าจะเป็นกฎข้อสอง 243 00:15:50,493 --> 00:15:54,085 ทุกอย่างเป็น read only ตามค่าเริ่มต้น เราต้องสั่งให้ 244 00:15:54,085 --> 00:15:57,746 agent เพิ่ม action ที่มีผลกระทบ (destructive actions) 245 00:15:57,746 --> 00:16:01,546 เช่น การเพิ่มเรคคอร์ด หรือการแก้ไขเรคคอร์ด ผมจะเลือกข้อ 246 00:16:01,546 --> 00:16:05,414 1 ซึ่งเป็นตัวเลือกที่แนะนำ และระหว่างที่ agent ทำงานอยู่ 247 00:16:05,414 --> 00:16:08,868 สิ่งที่ผมจะทำด้วยคือ ปรับปรุง repository นี้ไปด้วย 248 00:16:08,868 --> 00:16:12,184 นี่คือข้อดีของโซลูชันทั้งหมดนี้ คือเรามี version 249 00:16:12,184 --> 00:16:15,708 control (ระบบควบคุมเวอร์ชัน) นี่คือ Git repo ทั่วไป 250 00:16:15,708 --> 00:16:19,852 เราสามารถสร้าง commits ซึ่งก็คือ checkpoint (จุดบันทึกสถานะ) 251 00:16:19,852 --> 00:16:23,099 ได้ สิ่งหนึ่งที่ผมไม่ต้องการ commit ขึ้น remote 252 00:16:23,099 --> 00:16:26,692 repository (ที่เก็บโค้ดระยะไกล) ของผมเด็ดขาด คือไฟล์ 253 00:16:26,692 --> 00:16:29,938 env.properties นี้ ดังนั้นผมจะสร้างไฟล์ใหม่ชื่อ 254 00:16:29,938 --> 00:16:33,185 .gitignore แล้วเพิ่มไฟล์ env.properties นี้ลงไป 255 00:16:33,185 --> 00:16:37,883 เยี่ยม ไฟล์เล็ก ๆ นี้จะกลายเป็นสีเทา หมายความว่ามันจะไม่ถูกรวมอยู่ใน 256 00:16:37,883 --> 00:16:41,406 commits ของเรา จากนั้นผมจะสร้าง commit ชื่อ initial 257 00:16:41,406 --> 00:16:44,722 และในตอนนี้ มันก็แค่โครงสร้างพื้นฐานของเรา ที่มี 258 00:16:44,722 --> 00:16:49,488 agent skills อยู่ เรายังไม่ได้สร้างอะไรเลย และที่เราพูดถึงในตอนกฎต่าง 259 00:16:49,488 --> 00:16:54,117 ๆ ว่า agent จะทำการสำรวจ (discovery) นี่คือสิ่งที่เราเห็นอยู่ตอนนี้ 260 00:16:54,117 --> 00:16:58,538 มันกำลังสรุปผลการสำรวจของมัน: พบ workflow ทั้งหมดที่จำเป็นสำหรับ 261 00:16:58,538 --> 00:17:01,923 MVP ในเครื่องแล้ว ดังนั้นไม่ต้องค้นหาในระบบคลาวด์ 262 00:17:01,923 --> 00:17:05,239 และยังพบ existing succession readiness workspace 263 00:17:05,239 --> 00:17:09,177 และ personal succession readiness workspace ในเครื่องด้วย 264 00:17:09,177 --> 00:17:12,769 พวกมันจะถูกเก็บไว้เป็น references ที่ได้รับการปกป้อง 265 00:17:12,769 --> 00:17:16,499 (protected references) คือมันจะไม่ไปแก้ไข แต่จะใช้เป็น 266 00:17:16,499 --> 00:17:20,782 pattern ที่มีอยู่เดิม ดังนั้นผมจะเลือกตัวเลือกที่แนะนำอีกครั้ง 267 00:17:20,782 --> 00:17:25,549 คือทำต่อกับ workflow ที่ค้นพบเหล่านี้ และถ้าคุณเคยทำงานในโปรเจกต์ใหญ่ 268 00:17:25,549 --> 00:17:29,141 ๆ มาก่อน คุณจะรู้ว่ามันน่าปวดหัวแค่ไหน เวลาที่ agent 269 00:17:29,141 --> 00:17:32,388 ตัดสินใจสร้างล้อขึ้นมาใหม่ (reinvent the wheel) 270 00:17:32,388 --> 00:17:36,602 ทุกครั้ง อย่างน้อยชุด harness (กลไกควบคุม) กฎ และสกิลเหล่านี้ 271 00:17:36,602 --> 00:17:40,332 ก็ให้กรอบ (guardrails) ที่เฉพาะเจาะจงกับ agent ในการดู 272 00:17:40,332 --> 00:17:43,856 pattern ที่มีอยู่ก่อนที่จะสร้างอะไรเอง และเยี่ยมมาก 273 00:17:43,856 --> 00:17:47,241 ตอนนี้ agent กำลังส่ง proposal (ข้อเสนอ) มาให้เรา 274 00:17:47,241 --> 00:17:50,902 ซึ่งก็คือ spec ของเรานั่นเอง มันให้ business outcomes 275 00:17:50,902 --> 00:17:54,494 (ผลลัพธ์ทางธุรกิจ) ที่ชัดเจน มีทั้งแหล่งข้อมูล (data 276 00:17:54,494 --> 00:17:58,501 sources) ประสบการณ์การโหลดครั้งแรก (first load experience) 277 00:17:58,501 --> 00:18:02,853 พฤติกรรมการค้นหา (query behavior) ถ้าต้องการ เราก็อ่านดูแล้วให้ 278 00:18:02,853 --> 00:18:06,376 agent แก้ไขอะไรก็ได้ตามที่อยากได้ มันยังให้ success 279 00:18:06,376 --> 00:18:09,830 check (เช็คความสำเร็จ) ด้วย สำหรับตัวเลือกที่แนะนำ 280 00:18:09,830 --> 00:18:14,942 มันบอกว่า approve และสร้าง MVP apps สองตัว หรือเราจะขอให้มันแก้ไขอะไรก็ได้ 281 00:18:14,942 --> 00:18:20,123 ผมจะเลือก option 1 สำหรับใครที่ดูอยู่ และเคยทำงานกับแอปพลิเคชันแนวนี้มาก่อน 282 00:18:20,123 --> 00:18:24,752 คุณจะรู้ว่างานนี้หนักแค่ไหน งานแบบนี้กลายเป็นเวิร์กช็อปใหญ่อันหนึ่ง 283 00:18:24,752 --> 00:18:28,137 ที่มีผู้มีส่วนได้ส่วนเสีย (stakeholders) เต็มห้อง 284 00:18:28,137 --> 00:18:31,729 ทั้งผู้เชี่ยวชาญฐานข้อมูล ฝ่าย auth (การยืนยันตัวตน) 285 00:18:31,729 --> 00:18:35,667 นักพัฒนา นักวิเคราะห์ธุรกิจ ที่ปรึกษาฟังก์ชัน (functional 286 00:18:35,667 --> 00:18:39,950 consultants) เจ้าของธุรกิจ มันคือทั้งทีมที่ต้องมาประชุมร่วมกัน 287 00:18:39,950 --> 00:18:44,026 เพื่อหาว่าต้องเปลี่ยนอะไรบ้าง แต่ตอนนี้ ในฐานะเจ้าของธุรกิจ 288 00:18:44,026 --> 00:18:47,756 หรือผู้เชี่ยวชาญเฉพาะด้าน (domain expert) คุณแค่แชตกับ 289 00:18:47,756 --> 00:18:51,417 agent ตรงนี้ มันก็จะทำงานพัฒนาทั้งหมดนี้ให้คุณ เอาล่ะ 290 00:18:51,417 --> 00:18:55,286 agent ยังทำงานอยู่ แต่ผมอยากโชว์ความคืบหน้าเล็กน้อยให้ดู 291 00:18:55,286 --> 00:19:00,467 ผมจะปิด terminal สักครู่ และในโปรเจกต์ เราเห็นว่าไฟล์ใหม่ถูกเพิ่มเข้ามาแล้ว 292 00:19:00,467 --> 00:19:03,921 ถ้าไปที่ source เราจะเห็นแอปสองตัวที่กำลังถูกสร้าง 293 00:19:03,921 --> 00:19:08,066 เรามีไฟล์ .app สองไฟล์นี้ ลองคลิกดูสักตัว เริ่มจากตัวแรกก่อน 294 00:19:08,066 --> 00:19:12,142 ไฟล์นี้จะให้ preview ว่าแอปจะมีหน้าตาแบบไหน ผมจะซูมออกหน่อย 295 00:19:12,142 --> 00:19:18,359 แต่ใช่แล้ว เราจะเห็นตัวแอปจริง ๆ แอปใหม่ทั้งสองตัวถูกสร้างในรูปแบบโครงสร้างโปรเจกต์แบบเดิม 296 00:19:18,359 --> 00:19:21,882 (legacy project layout) และส่งตรงไปยังการตรวจสอบของ 297 00:19:21,882 --> 00:19:26,580 AI Studio โดยไม่มี error เลย อย่างที่ผมพูดไว้ ผมว่าน่าจะเป็นกฎข้อห้า 298 00:19:26,580 --> 00:19:29,965 ไฟล์ทั้งหมดเหล่านี้จะถูกตรวจสอบ ก่อนที่ AI Studio 299 00:19:29,965 --> 00:19:33,488 หรือ Fusion จะยอมรับ ตอนนี้ MVP ให้ manager summary 300 00:19:33,488 --> 00:19:36,873 พร้อมภาพรวมการสืบทอดตำแหน่ง (succession overview) 301 00:19:36,873 --> 00:19:40,742 ความเสี่ยงการสูญเสีย (risk of loss) และผลกระทบหากสูญเสีย 302 00:19:40,742 --> 00:19:44,403 (impact of loss) การตรวจสอบโดยตรง (direct validation) 303 00:19:44,403 --> 00:19:47,650 ยืนยันว่าโครงสร้างแอปและ references สอดคล้องกัน 304 00:19:47,650 --> 00:19:50,897 ส่วนการทดสอบรันไทม์อัตโนมัติ (automated runtime 305 00:19:50,897 --> 00:19:55,525 tests) ยังคงถูกเลื่อนออกไปตามที่ได้รับอนุมัติ แล้วเราอยากทำอะไรต่อ? 306 00:19:55,525 --> 00:19:59,463 ตัวเลือกที่แนะนำคือ เพิ่ม top performers และ compensation 307 00:19:59,463 --> 00:20:04,644 summary (สรุปค่าตอบแทน) ถ้าต้องการ เราก็ไล่เพิ่มฟีเจอร์เข้าไปในแอปได้เรื่อย 308 00:20:04,644 --> 00:20:08,512 ๆ ดูสิว่ามันง่ายแค่ไหน? เอาล่ะ ถึงช่วงเวลาพิสูจน์ของจริง 309 00:20:08,512 --> 00:20:12,312 มาทดสอบแอปนี้กัน เราจะดึงแอปนี้ไป deploy (นำขึ้นใช้งาน) 310 00:20:12,312 --> 00:20:17,078 ยัง Fusion Cloud เพื่อทำงานกับข้อมูลสดจริง ๆ สิ่งที่ต้องทำคือคลิกปุ่ม 311 00:20:17,078 --> 00:20:20,532 play เล็ก ๆ ตรงนี้ ขอบอกให้ชัดก่อนว่า นี่ไม่ใช่การ 312 00:20:20,532 --> 00:20:24,194 publish การเปลี่ยนแปลง แต่เป็นการ deploy ไปยัง Fusion 313 00:20:24,194 --> 00:20:27,786 Cloud ในสถานะร่าง (draft state) และจริง ๆ แล้ว agent 314 00:20:27,786 --> 00:20:31,309 ไม่สามารถ publish ได้ด้วยซ้ำ ซึ่งเป็นไปตามการออกแบบ 315 00:20:31,309 --> 00:20:35,869 นี่คือด่านตรวจสอบสุดท้าย (final review gate) ที่เราไม่สามารถทำผ่าน 316 00:20:35,869 --> 00:20:39,668 agent ได้ และดูนี่สิครับ ตอนนี้เรากำลังทำงานกับข้อมูลสด 317 00:20:39,668 --> 00:20:43,468 เราจะเห็นชื่อต่าง ๆ กลับมา นี่คือข้อมูลที่มีประโยชน์มาก 318 00:20:43,468 --> 00:20:46,922 นี่คือความเสี่ยงการสูญเสีย (risk of loss) โดยเฉพาะ 319 00:20:46,922 --> 00:20:50,859 Sophie Bromley เราเห็นได้ว่ามีความเสี่ยงสูง ทางด้านขวามือ 320 00:20:50,859 --> 00:20:54,590 เราจะเห็น priority actions (รายการปฏิบัติที่ควรทำก่อน) 321 00:20:54,590 --> 00:20:58,596 และเราต้องหาผู้สืบทอดตำแหน่งให้ Sophie Bromley ย้ำอีกครั้ง 322 00:20:58,596 --> 00:21:01,912 นี่รันอยู่บนโครงสร้างพื้นฐาน Fusion Cloud จริง ๆ 323 00:21:01,912 --> 00:21:05,297 กับข้อมูลสด ดูว่ามันมีประโยชน์แค่ไหน? ลองอันนี้ดู 324 00:21:05,297 --> 00:21:08,613 ไปที่ Ask Oracle แล้วพิมพ์ว่า please recommend a 325 00:21:08,613 --> 00:21:13,104 successor to Sophie ส่งคำสั่งนี้ไป แล้ว agent ก็ให้คำแนะนำกลับมา: 326 00:21:13,104 --> 00:21:18,285 คำแนะนำผู้สืบทอดตำแหน่งสำหรับ Sophie นี่คือรายการคำแนะนำผู้สืบทอดตำแหน่งของ 327 00:21:18,285 --> 00:21:22,015 Sophie คือ Emily และ Olivia เจ๋งแค่ไหนกัน? ย้ำอีกครั้ง 328 00:21:22,015 --> 00:21:27,196 ผมจะแชร์กฎ 5 ข้อนี้ให้คุณ และหวังว่าคุณจะได้เห็นมันทำงานจริงในวิดีโอนี้ด้วย 329 00:21:27,196 --> 00:21:30,719 ผมขอขอบคุณ Oracle ที่ sponsor วิดีโอนี้ และให้โอกาส 330 00:21:30,719 --> 00:21:33,966 รวมถึงมุมมองเชิงลึก ว่าพวกเขาทำงานกับ AI agents 331 00:21:33,966 --> 00:21:37,835 กันอย่างไร และอีกครั้ง ถ้าอยากเรียนรู้เพิ่มเติมเกี่ยวกับ 332 00:21:37,835 --> 00:21:41,634 Oracle Fusion ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ 333 00:21:41,634 --> 00:21:44,950 หวังว่าคุณจะสนุกกับวิดีโอนี้ ถ้าชอบก็กดปุ่ม like 334 00:21:44,950 --> 00:21:48,542 ด้วยนะครับ และ subscribe ช่องของผม เพื่อรับบทช่วยสอน 335 00:21:48,542 --> 00:21:51,789 agentic coding เพิ่มเติม แล้วเจอกันในวิดีโอหน้า 336 00:21:51,789 --> 00:21:52,480 บายบายครับ