Transcription
ทุกคนน่าจะรู้จักโน้ตบุ๊ก LM กันอยู่แล้ว ใช่ไหมครับ ที่เราสามารถถามคำถามอะไรก็ได้ ตรงนี้ กดเข้าไปปุ๊บมันก็จะตอบ ซึ่งข้อดีของมันคือ มันจะตอบจาก source ด้านซ้ายอันนี้เท่านั้น อันนี้คือข้อดีของโน้ตบุ๊ก LM ถูกมั้ยครับ แล้วก็ด้านขวาเนี่ย จะทำสไลด์ จะทำวิดีโอ จะทำ Mind Map จะทำ Podcast มาฟัง หรือ Generate Report เนี่ย เราก็สามารถทำได้ข้างในโน้ตบุ๊ก LM ทั้งหมด อันนี้คือเบสิคของโน้ตบุ๊ก LM อยู่แล้ว ถูกป่ะ
อ่ะ กดไปทีนึง แต่ว่านี่ไม่ใช่ประเด็นหลัก ประเด็นหลักของคลิปวันนี้ ก็คือผมจะเชื่อมไอ้สิ่ง[เสียงกระแอม]เนี้ยกับ Terminal ง่ายๆอันนี้ของผมผ่าน Cloud Code ครับ วันนี้ก็เลยจะมาเล่า Workflow ที่ใช้ Workflow M ของระบบของผมให้ฟังกันนะครับ ซึ่งโอเค สเต็ปนี้มันอาจจะดูอะไรก็ไม่รู้เต็มไปหมดเลย เพราะฉะนั้นก่อนหน้านั้น เราจะย้อนไปก่อนครับ ย้อนไป Workflow ปกติที่เราใช้โน้ตบุ๊กอยู่แล้ว เช่น ผมถามมันว่า เฮ้ย ไปรีเสิร์ชเว็บให้หน่อยเกี่ยวกับ EDA นะ อ่า Research ก็คือตรงนี้ใช่มั้ยครับ กด Add source เราจะ Add YouTube จะไฟล์จาก Google Drive จะ Copy Text หรือจะลาก PDF ลงมาก็ได้ หรือจะไปรีเสิร์ชใหม่หมดเลยตรงนี้ก็ได้ ถูกมั้ย
เนี่ย ผมก็พิมพ์ research about EDA อย่างนี้ก็ได้ ถูกมั้ยครับ หรือจะถามคำถาม Podcast อะไรก็ว่าไป แบบเมื่อกี้ที่ผมยกตัวอย่าง ถูกมั้ย ซึ่งโน้ตบุ๊กเอง มันก็จะตอบออกมาให้ตาม source ที่เราใส่เข้าไป อันนี้คือแบบ Workflow ปกติ ไม่มีอะไรเลย ผมกำหนด OM จบแล้ว
ถ้าเราลองเอา Terminal เข้ามาขั้นตรงกลางละ เราจะได้หน้าตาประมาณนี้ครับ ผมยกให้เป็น Level 1 ก่อนแล้วกัน เพราะว่าอันนี้ยังไม่ใช่ที่ผมใช้เนาะ แต่ว่าพอ Cloud Code เข้ามาขั้นตรงกลางปุ๊บเนี่ย สิ่งที่จะเกิดขึ้นคืออะไร ผมพิมพ์เข้าไปใน Terminal ถูกมั้ยครับ ไอ้หน้าตาแบบเมื่อกี้ พิมพ์เข้าไปแล้วถ้าผมเชื่อมโน้ตบุ๊ก LM ปุ๊บ Cloud Code เนี่ยครับ คนตรงกลางจะเป็นคนยิงคำถามให้ผม จะเป็นคนสร้าง Podcast ให้ผม จะเป็นคนสร้างสไลด์ให้ผม ตามแบบฉบับที่ผมสั่ง ถูกมั้ย
เนี่ย ผมสั่งอะไรไปปุ๊บ เป็นภาษาคน Cloud Code ก็จะไปประมวลผล ยิงขึ้น Note M ผ่าน CLI ได้ผลลัพธ์ออกมาเป็น Report Slide Map Podcast หรือว่า File Mark Data อะไรก็ว่ากันไปเนี่ย แล้วก็จะส่งกลับมาที่ผมนะครับ เข้าระบบผม อันนี้คือข้อดีของการที่เราเชื่อมเพิ่ม Cloud Code เราพิมพ์ผ่าน Terminal ในคอมเราจะพิมพ์ 10 หัวข้อก็ได้พร้อมกันหมดเลยเนี่ย แล้วเดี๋ยว Cloud Code มันไปจัดการเอาให้เอง เช่น ถ้าคุณมีโน้ตบุ๊กเต็มไปหมดเลยเหมือนผมเนี่ย ผมเก็บหุ้นทุกตัวถูกมั้ยครับ อยู่ในโน้ตบุ๊ก LM ของผมเนี่ย แล้ววันนั้นผมอยากจะถามมันหลายคำถามอ่ะ หรืออยากจะทำหลายๆ อย่างพร้อมกันเนี่ย ผมก็พิมพ์ทิ้งไว้ใน Terminal ใช่มั้ยเนี่ย พิมพ์ทิ้งไว้ให้หมดเลยว่าอยากได้อะไรบ้าง แล้วผมก็ไปกินข้าว ไปอัดคลิป ไปตัดต่อคลิปอะไรก็ว่าไป Cloud Code มันก็จะไปจัดการให้ สุดท้ายผมก็แค่รอเอาไฟล์ที่อยากได้เนี่ย กลับมาถูกมั้ยครับ อันนี้คือ Workflow เมื่อเชื่อมเชื่อม Cloud Code แล้ว
ฟังดูดีมีชาติตระกูล แต่ระบบของผมเนี่ย ถ้าใครดูคลิปที่แล้วมาแล้วเนาะ จะรู้ว่าผมมีลูกมือ 10 กว่าคนนะครับ พวกนี้เนาะ อันนี้คือลูกมือของผม หรือว่าผมเรียก ว่า Team Member แต่จริงๆ ถ้าศัพท์เทคนิค มันคือ Sub Agent เนาะ ไปดูคลิปที่แล้วก่อนก็ได้นะครับ ผมเล่าไปแล้วนิดนึง แต่ว่าหลักๆ ก็คือมันจะมีแต่ละคนเนี่ย ที่ทำหน้าที่แต่ละอย่าง ในที่เนี้ย ถ้าอิงกลับมาที่ โน้ตบุ๊ก LM เนาะ หน้าตา Workflow ผมอ่ะ จะเป็นประมาณนี้ครับ ยังเป็นผมที่เสนอไอเดีย ยิงคำถาม หรือว่า Approve อะไรต่างๆ อยู่นะ
แต่ว่าเหตุผลที่ผมสร้างระบบนี้ขึ้นมา เพราะว่าผมจะได้ยิงกับ Cloudy ทุกอย่าง ใช่มั้ย แล้ว Cloudy เนี่ย อ้อ ลืมเติม 1 ลูกศรนะครับ จะเช็ค Knowledge Base ของผมก่อน Knowledge Base คืออะไร Knowledge Base คือ Memory ที่ผมเคยมีทั้งหมด ถ้าเป็นสำหรับผมเนาะ ส่วนตัวของผมเนี่ย ก็อย่างเช่น Apple Note ที่ผมเคยจด Reminder ที่ผมเคยจด YouTube ทุกคลิปที่ผมเคยทำ ผมใส่ Transcript ทุกอันนะครับ เอาไว้ใน Knowledge Base ทั้งหมด บทความที่ผมชอบ ไอ้ทุกอย่างทั้งหมดเนี่ย มันคือ Knowledge Base ของผม ผมเก็บไว้เป็นไฟล์อยู่ในคอมของผม ซึ่งตอนนี้มีประมาณ 200 Insight Atom นะครับ รวมถึงผมชอบอะไรไม่ชอบอะไร ทำงานแบบไหน ผมมีทั้งหมด ถูกมั้ยครับ เพราะอย่างคลิปที่แล้วผมบอกไปแล้ว ผมจะมี Pent.md MD เนาะ ทั้งหมดนั้นน่ะ ก็รวมอยู่ใน Knowledge Base นั่นแหละ ก็คือ AI จะเข้าใจทันทีว่าผมคือใคร ทำอะไร รู้อะไรบ้าง ไม่รู้อะไรบ้าง
แล้วก็ไปส่งงานให้กับคนที่ 1 ส่วนใหญ่จะเป็นคนที่ 1 ก่อนเนาะ คนที่ 1 เนี่ยคือน้องมินนี่ครับ น้องมินนี่หน้าตาแบบนี้นี่ อุตส่าห์ทำมาแล้ว อยากให้เห็น หลักๆ ก็คือเป็นคนที่คอยเปลี่ยนไอเดียของ ผมเนี่ย เป็นไอเดียการ์ด เดี๋ยวผมจะเปิดตัวอย่างให้ดูทั้งหมดเลยนะครับ อันนี้เล่าเป็นซีรีส์ก่อนเนาะ พอได้ไอเดียการ์ดออกมาปุ๊บ มันก็จะยิงคำถามครับ ยิงคำถามขึ้นกับ Note M เพราะว่าไอเดียเนี่ย ไอ้ของผมส่วนใหญ่จะเป็นคำถาม ถูกมั้ย เช่นในตัวอย่างวันเนี้ย เพิ่งทำไปเมื่อเช้านะครับ ก็คือ Synopsis อันนี้คือชื่อหุ้นเนาะ Synopsis กับ Cadence ผมอยากรู้มุมมองว่า เอ้ย คนไหนเก่งด้านไหน คนไหนกากด้านไหน อะไรอย่างเงี้ย อันนี้คือไอเดียที่ผมใส่เข้าไปนะ ครับ มันก็ไปคิดเป็นคำถามแบบดีๆ ให้ผมเลย หลักๆ เต็มไปหมดเลย แล้วก็ยิง Note M ให้ผม
ซึ่งโดยปกติ Note M เนี่ย ก็จะต้องใส่ Source เองถูกป่ะ พวกไฟล์ 10K 10Q ผมไปเจอเว็บนี้ ไม่ใช่ผมสิน้องใน Discord ส่งมา ว่าเราสามารถให้ AI เนี่ยไปหยิบจากเว็บนี้ได้นะ แต่ว่าคร่าวๆ ก็คือ AI เนี่ย มันจะไปเก็บ F 10K F 10Q F 20F อันนี้สำหรับหุ้นต่างประเทศเนาะ จากเว็บไซต์ Official ให้เลย แล้วก็มาใส่ใน Notebook M ให้ผม อันนี้ก็จะเป็น Source Library เก็บพวกตัวเต็มอ่ะ PDF 100 หน้า PDF 200 หน้า อันนี้ผมจะเก็บไว้บนนี้เนาะ พอผมมีไอเดียปุ๊บ มาถามมันปุ๊บ มันก็จะยิงคำถาม ใช่มั้ยครับ Notebook M ก็จะตอบ มันก็จะเก็บออกมาเป็น MD File เนาะ ก็คือไฟล์ Text ธรรมดาทั่วไป
พอได้ไฟล์ Text ออกมาแล้ว Process ต่อมา ผมจะให้พี่ชายคนนี้นะครับ พี่รีส พี่หน้าตาแบบนี้นะครับ นี่หนุ่มฝรั่งคนนี้นะครับ จะเป็นคนที่รวบรวมข้อมูลนะครับ ที่เพิ่งไปถามโน้ตบุ๊ก LM มาแล้วก็ข้อมูลที่มีอยู่แล้วเนี่ย ทำเป็น Research Doc ขึ้นมา 1 อัน Blue Bear Case Q condition ทุกอย่างจะได้ไฟล์มาขึ้นมา 1 อัน ซึ่งพอได้ไฟล์รีเสิร์ชออกมา 1 อันปุ๊บ แทนที่จะเอาไปใช้ต่อได้เลยเนี่ย ผมสร้างขึ้นมาอีก 2 คนครับ ชื่อว่า Vera กับ อยู่ไหนวะ คริสอยู่ติดกัน Vera กับ คริสเนี่ย หน้าที่คล้ายๆ กันแต่ไม่เหมือนกันเนาะ ในที่นี้มันใช้คำว่า Quality Gate แต่เอาง่ายๆ ก็คือ คริสเนี่ย จะเป็น Critic เหมือนชิมอาหารแล้วอันไหนไม่อร่อยมันก็จะพูดอ่ะ ในแง่ของรีเสิร์ชก็คือ เอ้ย มึงมองอีกมุม มุมนี้ยังไม่ได้มองนะ อะไรอย่างเงี้ย มันจะเป็น Third person มาช่วยดูให้อีกทีนึง
ส่วน Vera เนี่ย เป็นคนเช็ค Accuracy ครับ ก็คือเอาตัวเลขทั้งหมดที่เขียนออกมาเป็น Document เนี่ย เอาไปเช็คในออนไลน์อีกทีนึง โอเค ผมเข้าใจว่าโน้ตบุ๊ก LM เนี่ย ผมใส่แต่สิ่งที่ผมคิดว่ามันดีจริง แต่ผมก็กลัวหลุดไง คือผมก็ไม่แน่ใจเหมือนกันว่ามันจะหลอนตรงไหนหรือเปล่า ผมก็เลยอยากจะเช็คหลายๆ ทีใช่ไหมครับ พอมีตัวเลขออกมาเนี่ย ผมก็เลยอยากที่จะมีคนๆ นึงที่มีหน้าที่นี้ หน้าที่เดียวก็คือ เช็คตัวเลขว่าตัวเลขมันถูกใช่ไหมวะ เพื่อที่ Process สุดท้ายเนี่ย จะได้เอาไฟล์นี้ สมมุติว่า 2 คนนี้ Approve แล้วนะครับ 2 คนนี้ Approve แล้วก็จะเอาไฟล์ที่แก้ไขแล้วเนี่ย ส่งให้ Indy นี้ Indy ก็คืออีกคนนึง คนนี้นะครับ คนนี้ หน้าที่ของเขาก็คือเก็บ Atom ครับ จำได้มั้ยที่ผมพูดถึง Atom ตอนนี้ ที่ตอนนี้มี 200 อันเนี่ย ก็คือจาก Research Paper เมื่อกี้มี Fact อะไรบ้าง ที่คิดว่าจะอยู่ไปอีก 2 ปีอย่างน้อย อันนี้คือ Rule ที่ผมตั้งเอาไว้ให้ Indy เนาะ อะไรที่คิดว่าจะอยู่แน่ๆ อีก 2 ปี หรือ Thesis ที่กำลังสร้าง เก็บออกมาเป็น Insight ให้หน่อย มันก็จะเก็บเอาไว้ใน Knowledge Base อันนี้นะครับ
เพราะฉะนั้นสุดท้ายแล้วเนี่ย สมมุติว่าผมบอกเรว่า เอ้ย เขียนบทความ Substat ให้หน่อย เขียน Outline YouTube วิดีโอให้หน่อย มันก็จะมี Context นี้ทั้งหมดเลย จากทุกกระบวนการที่ผ่านมาเนี่ย แล้วก็จาก Data ทั้งหมดที่ผมเก็บรวบรวมเอาไว้ มันจะมีข้อมูลมีคลังสมองที่ครบพอ โดยที่มันไม่ต้องไปรีเสิร์ชเองแล้วเนี่ย เขียนออกมาให้ผมครับ นี่คือหน้าที่เดียวของ Day ซึ่งอันเนี้ย ก็คือวิธีที่ผมใช้ Notebook M ทั้งหมดครับ เดี๋ยวผมจะยกตัวอย่างตัวเต็มให้ดู แต่ว่าอยากให้เห็น Workflow คร่าวๆ ของผมก่อนว่าผมใช้แบบนี้เนาะ แล้วก็ทำไมผมถึงใช้ เพราะว่าผมไม่อยากเก็บไอ้ PDF 100 หน้า 200 หน้าเนี่ย เอาไว้ใน Knowledge Base ผมเว้ย เพราะว่ามันเปลือง เพราะเห็นมั้ยว่าเนี่ย AI มันต้องมาอ่าน AI มันต้องมาอ่าน AI มันต้องมาอ่าน ซึ่งกระบวนการพวกเนี้ย มันกิน Token ครับ ถ้าเราไม่ Set ระบบดีๆเนาะ ซึ่งเดี๋ยวผมก็จะยกตัวอย่างเหมือนกันว่าผม Set ระบบยังไงให้มันกิน Token ให้น้อยๆนะ
แต่ว่าถ้าจินตนาการดูดิ คุณใส่ PDF เข้าไป 100 ไฟล์ ไฟล์ละ 100 หน้า โอ้โห ตายห่า กดรันทีเดียว 5 นาทีก็หมดแล้วมั้ง Token น่ะ แต่ว่าพอทำอย่างเงี้ย เก็บอันใหญ่ๆ เอาไว้ แล้วเราจดสรุปที่ต้องใช้ตอนนั้นน่ะ ของคำถามนั้นน่ะ ที่ผมยิงเข้าไปเนี่ย ใช้แค่คำถามนั้นพอ มันก็จะมี Context มากพอแหละสำหรับคำถามนั้นๆ ถูกมั้ยครับ อันนี้คือ Workflow ของผมเนาะ เดี๋ยวมายกตัวอย่างกัน อันนี้จะเป็นไอเดียการ์ดนะครับ ที่ผมให้น้องมินนี่ช่วยเขียนขึ้นมา ซึ่งมันก็เรียบเรียงมาให้แล้ว มันก็บอกด้วยว่า เฮ้ย มันรู้ข้อมูลผมไง มันมี Base ของผมถูกป่ะ มันรู้ว่าผมมี Synopsis อยู่แล้ว ถืออยู่แล้ว แล้วก็รู้ว่าผมซื้อเพราะอะไร ใช่มั้ยครับ มันก็เลยมี Open Question รู้เลยว่าต้องถามนะว่า เฮ้ย Cadence เนี่ย มันดีกว่ามั้ย หรือยังไง แล้วก็มี Hypothesis ที่ Read นะ อันนี้คือคนที่เอาไปรีเสิร์ชต่อ เนี่ยจะต้อง Focus นะครับ เพราะฉะนั้นน่ะ โอเค มันจะรู้แนวแล้วว่ามันควรจะถามอะไร กับโน้ตบุ๊ก LM บ้างนะครับ
แล้วก็ที่ผมมีอยู่แล้วใน Notebook Base เนาะ ซึ่งผมก็ได้ทำการใส่ Source ต่างๆ เนี่ย เข้าไปในโน้ตบุ๊ก LM นะครับ ไม่ใช่ผมดิ AI ทำให้เนาะ อยู่ไหนน้านี่มันก็ไปตรวจว่า เฮ้ย ใน Notebook LM ผมเนี่ย มี 10K 10Q Cadence กับ Synopsis อยู่แล้วมั้ยอ่ะ ก็มี 2025 เนาะ มันก็เลยไปใส่ไฟล์อื่นๆ ที่ผมไม่มีให้ อันนี้เนาะ พอได้ประมาณนี้ เรามี Source ใน Notebook LM ปุ๊บ ผมมี Idea Card ปุ๊บ ผมก็จะส่งทีมไปรีเสิร์ชต่อ ซึ่งผมสร้าง Skill เอาไว้่นะครับ ชื่อว่า Research Idea เนี่ย ตามชื่อเลย ก็คือ Turn Raw Idea เนาะ ก็คืออันเนี้ย การ์ดอันเนี้ย เป็น Research Pipeline ที่จะยิงคำถามบนโน้ตบุ๊ก LM แบบอัตโนมัติ แล้วก็ Read นะครับ คน Research จะเขียนเป็น Research Doc ให้ผม โดยที่มีคนช่วยผมตรวจ ก็คือ Chris Gavera นะครับ ส่วนสุดท้ายก็จะส่งไปที่ Indy อันนี้ผมก็จะส่งให้มันนะ ครับก็จะให้มันไปรีเสิร์ชอันนี้แหละ อันนี้เนาะ Synopsis versus Cadence นะ ครับ ซึ่งผมก็ทำทุกอย่างผ่าน Cloud Code อันนี้ให้ น้อง Claudy เนาะ ที่ผมคุยอยู่เนี่ย คือ น้อง Claudy หมดเลยนะครับ แล้วเดี๋ยวมันจะไปกระจายงานต่อให้เอง ไปอ่านมินนี่ ไปอ่านโน้ตบุ๊ก LM อะไรต่อให้เองนะครับ อะไรต้องส่งงานให้คนไหนนะ เนี่ย มันก็จะไปเปิดเห็นมั้ย ยิงคำถามให้โน้ตบุ๊ก LM ให้ผมเอง อัตโนมัติหมดเลย เห็นมั้ยครับ Ask เนี่ย ผมเปิดให้ดูนี่ เห็นมั้ย มันยิงคำถามและผมสั่งใน Cloud Code Terminal เมื่อกี้ ผมไม่ได้เขียนเองถูกมั้ยครับ แต่มันก็มายิงคำถามให้ผมเรียบร้อยแล้ว ผมก็จะได้เป็น Research Doc ท้ายออกมา อันนี้คือ Workflow ของผมที่อยากยกตัวอย่างนะครับ เดี๋ยวรอ[เสียงกระแอม]มันออกมาเป็น Output แล้วเดี๋ยวผมเปิดให้ดู
โอเคครับ มันเสร็จแล้ว แต่ว่าเหมือนกับมันรู้ว่าผมจะอัดคลิปอ่ะ เนาะ อย่างที่เห็นนะ มันมีทั้ง Error ใช่ไหมครับ แล้วก็เวลาที่มันทำไปเนี่ย 50 นาทีเมื่อกี้ คือมันทิ้งรีเสิร์ชไว้ 50 นาทีนะครับ ทั้งหมด Process ทั้งหมดเนี่ย ผมก็เลยจะถามมัน ซึ่งผมคิดว่ามันเป็นอะไรที่ทุกคนควรลองดีนะ ผมก็ทำมาตลอดตั้งแต่เริ่มนะครับ ว่าไอ้เมื่อกี้มึงช่วยไปตรวจสอบได้ใหม่ว่าเกิดอะไรผิดพลาดขึ้น ผมเห็น[เสียงกระแอม]Error บางอันเนาะ แล้วก็มีวิธีที่จะ Improve Workflow นี้ เพื่ออนาคตจะได้ทำอีกอ่ะเนาะ ทำให้มัน Efficient ขึ้นได้มั้ย แล้วก็รอบเนี้ย มันมันรันนานเกิน มันรันตั้ง 50 นาที ผมก็จะถามมันไปตรงๆ งี้แหละ เวลาที่มีปัญหา หรือเวลาที่มีอะไรที่เราไม่เข้าใจครับ ผมก็จะถามมันไปเลย เพราะอย่างที่บอก ผมก็ไม่ได้เก่ง Coding เนาะ ผมไม่ได้เขียนโค้ดสักบรรทัด ระบบผมมีปัญหาตรงไหน ผมก็อยากที่จะรู้ใช่ป่ะ
มันก็จะไปหานะครับ เอาไป Verify ว่า เอ้ย Output ออกมาถูกต้องไหม มีอะไรผิดพลาดไหมนะครับ อ้อ เดี๋ยวระวังฟังรอมัน เราก็มาดู Output กันก็ได้นะ นี่คือสิ่งที่มันทำเมื่อกี้ นะครับ 1 2 3 4 5 อย่างอันแรกก็คือ เอาไอเดียการ์ดของ Minny ไป Q&A ใช่ป่ะ ที่ผมเปิดให้ดูในโน้ตบุ๊ก LM เนาะ ที่มันถามคำถามอ่ะเนี่ย พวกเนี้ย ที่ผมไม่ใช่คนถามเอง แต่มันมาถามให้เนาะ แล้วก็ต่อมา ส่งไอ้ไฟล์ Q&A เมื่อกี้ให้ Reas นะ ครับ Rearิร์ch ให้ผมจะได้หน้าตาออกมาเป็นประมาณนี้ เป็นไฟล์รีเสิร์ชอันนึงอ่ะ เสร็จปุ๊บมันก็จะส่งให้คริส คริสเนี่ยจะเป็นคนตรวจสอบ Narrative ว่า เฮ้ย มีอะไรขาดหาย ส่วนนี้ต้องควรเพิ่ม ส่วนนี้ต้องควรลด อะไรอย่างงี้เนาะ ส่วน Vera เนี่ยจะเป็นคนตรวจสอบตัวเลขครับ ตัวเลขไหนที่มันเคลมมาเนี่ย เป็น Fact หรือเปล่า ไปเช็คเว็บไซต์ของบริษัทดิ ว่าถูกจริงมั้ยนะครับ สุดท้ายคือ Indy Atom ก็คือจะเอาอันเนี้ยทั้งหมดเนี่ย ไปเก็บไว้เป็น Insight Insight ก็คือ Knowledge Base ของผมนั่นแหละเนี่ย ผมจะมีโฟลเดอร์ที่ชื่อว่า Knowledge ครับ ซึ่งผมจะเก็บความรู้ คลังความรู้ของผมในนี้เนาะ อย่างงี้ มันจะมี Transcript YouTube ของผมที่ผมเคยทำคลิปเอาไว้ หรือว่าเนี่ย Q&A เมื่อกี้ที่มันทำมาก็จะเก็บเอาไว้นะครับ แล้วก็ จะเก็บเป็น Insight เป็น Atom เล็กๆเนาะ เพื่อที่ว่าเอ้ย สมมุติอนาคตผมอยากจะถามเกี่ยวกับประเด็นนั้น ประเด็นนี้ มันจะได้วิ่งมาที่ Insight นี้ได้ทันทีนะครับ
โอเค กลับมาที่ปัญหาเมื่อกี้ นะครับ ที่ผมส่งไปว่า เฮ้ย ทำไมมันนานจังวะ รอบนี้มี Error ด้วย มันก็จะตอบกันมาแล้วเนี่ย อ่า เช็คปัญหานะครับ ก็จะมีปัญหาขึ้นมาเต็มไปหมดเลย แล้วผมก็จะมานั่งดูว่า เฮ้ย ผมควรที่จะแก้ยังไงดีวะ แล้วมันก็จะ Suggest Improvement มาด้วยเนาะ ตามนี้นะครับ เพื่อที่ระบบของผมเนี่ย จะได้ดีขึ้นในรอบถัดไปที่ผมจะทำ Workflow แบบนี้อีกเนาะ ก็เป็น 1 ตัวอย่างแล้วกัน เดี๋ยวผมไปนั่งอ่านดูว่าผมจะแก้อะไรบ้างนะครับ แต่ว่าเพื่อให้ทุกคนเห็นภาพเฉยๆว่า 1 Workflow ของผมเนี่ย มันทำประมาณนี้ แล้วก็พอรันเสร็จ ได้ตัวอย่างออกมาอันนึง เก็บเป็น Skill ไว้รัน Skill นั้นใหม่ อย่างที่ผมรันเนี่ย Research Idea ใหม่เนี่ย เจอปัญหาอีกอ่ะ ก็บอกมันว่า เฮ้ย แก้ยังไงดี รอบหน้าจะได้ดีขึ้นนะครับ พอเรายิ่งใช้มันจะได้ยิ่งดีขึ้น ดีขึ้น อย่างช่วงแรกๆ ที่ผมใช้่ะ ผมจำได้เลย ผมรันทีเดียว Token หมดเลยเว้ย Usage แทบจะเต็มเลย แต่ผมทำอย่างเงี้ย ถามมันเรื่อยๆว่า เฮ้ย ทำยังไงให้มัน Efficient กว่าเดิม อย่างเช่นไอ้พวก Topic Map พวกเนี้ย หรือว่าพวก Index ของผมเนี่ยครับ นี่ผมจะมี Index อย่างงี้เนาะ ที่บอกว่า Insight อยู่ไฟล์นี้นะ Transcript อยู่ไฟล์นี้นะ Output อยู่ไฟล์นี้นะเนี่ย เพื่อให้ AI มันรู้เนี่ยครับว่าไฟล์ไหน ต้องหาตรงไหนเนี่ย อันเนี้ยมันประหยัด Token หมดเลยเว้ย เพราะว่าก่อนหน้านี้ AI มันจะต้องไปวิ่งอ่านทีละไฟล์ ทีละไฟล์ ทีละไฟล์ ตอนเนี้ย มันสามารถวิ่งมาที่ Index นี้ปุ๊บ แล้วก็ดูว่า อ๋อ อันนี้เกี่ยวข้องกับ Insight นะ ไปที่ไฟล์นี้ จบ ไม่ต้องวิ่งไปหา Transcript YouTube ผม ไม่ต้องวิ่งไปหา Output อื่นๆ อันนี้คือวิธีประหยัด Token อันนึงด้วยนะครับ
แล้วก็อีกเรื่องนึงที่อยากให้รู้ นะครับก็คือ Cloud Code เนี่ย ณวันที่ผมอัดอยู่เนี่ย ยังไม่มีตัวเชื่อมตรงๆ กับ Network LM นะครับ อนาคตอาจจะมีก็ได้เนี่ย ตรงเนี้ย มันยังไม่มี Notebook LM เนาะ ลองเสิร์ชแปลว่า Cloud ใน App เนี่ย มันไม่มีตัว Official ซึ่งผมก็คิดว่ามันไม่น่าจะทำนะ เพราะว่ามันเป็นของดีของ Google ถูกมั้ย Notebook LM เนี่ย เขาไม่น่าจะมาปล่อยให้กับ Cloud ฟรีๆ แบบนั้นเนาะ แต่โลกนี้มันมี Open Source ไงครับ แล้วพอเราพูดถึง Cloud Code ใน Terminal เนี่ย มันเชื่อมได้หมดเลย ขอแค่คุณมี CLI ให้มันเชื่อมอะ ซึ่งมันก็มีคนที่เขียนโค้ด วุ่นวายมากมายให้คุณแล้วก็คือพี่คนนี้นะครับ ชื่อว่าพี่เทงคนนี้นะ เดี๋ยวผมทิ้งลิงก์ไว้ให้ใน Description นะครับ ซึ่งเค้าก็เนี่ย ทำไว้หมดแล้ว แล้วก็วิธีลงเนาะ แต่ว่าพอเราอยู่ในโลกของ Cloud Code เนี่ยครับ วิธีลงมันง่ายกว่านั้น คุณ Copy URL ใช่ป่ะ ที่ผมทิ้งลิงก์ไว้ให้ใน Description Copy ไปเข้าไปที่ Terminal ใช่ป่ะ ที่คุณเปิด Cloud อ่ะครับ เดี๋ยวผมเปิดอันใหม่ก่อนอ่ะ นี่ๆๆ นี่นะ ที่คุณพิมพ์ Cloud ใช่มั้ย เปิดออกมาหน้าตาจะเป็นประมาณนี้ ถูกมั้ยครับ ให้ทุกคนบอกมันไปว่า install this for me test Job แล้วก็ทำตามที่มันบอก เดี๋ยว มันจะให้ Login หรืออะไรก็ว่ากันไปเนาะ คุณก็ต้อง Login Notebook M Account Google ของคุณน่ะ 1 ครั้งนะครับ ผมจะไม่กด เพราะว่าผมลงไปแล้วเนาะ เพราะฉะนั้นผมไม่อยากลบแล้วลงใหม่นะครับ แต่ว่าเดี๋ยวผมจะทิ้งลิงก์เผื่อใครที่ เอ้ย กลัวอยากจะทำตาม Step by Step เนาะ เดี๋ยวผมทิ้งลิงก์พี่คนนี้นะครับ เค้าไปค่อนข้างละเอียดอยู่ว่าลงยังไงนะครับ แต่ว่าทำตามที่ผมบอกแค่นั้นก็ได้ ก็คือก๊อป ลิงก์มาเข้า Cloud Code บอกลงให้หน่อย แล้วมันก็จะลงให้นะครับ ชีวิตเรามันง่ายขนาดนั้นแหละ
แต่ผมแนะนำว่าอย่าไปลงมั่วซั่ว หาอันที่ Star มันเยอะๆเนาะ นี่นะ หาอันที่มัน Star เยอะๆ Star แปลว่ามีคนชอบ มีคนใช้แล้วชอบนะครับ เขาก็เลยมากดเหมือนกด Like อ่ะ แปลว่าถ้ามีคนใช้ยิ่งเยอะเนี่ย แปลว่าโอเค มันปลอดภัย ถูกมั้ย เพราะว่าอันนี้อย่าลืมว่า มันเป็นโลก Open Source เนาะ เราจะไปลงอะไรเข้ามาในระบบเรา เข้ามาในคอมของเราเนี่ย ก็ไม่รู้ถูกป่ะ ฉะนั้นก็เลือกดีๆนะ ครับ แต่โอเค พอลงแล้วทุกคนก็จะสามารถสั่ง Cloud Code ให้วิ่งขึ้นหาโน้ตบุ๊ก M ของทุกคนได้ เท่านี้เลย วันนี้ก็ประมาณนี้ครับ อันนี้ก็เป็นอีกไอเดีย นึงแล้วกันเนาะ ที่อยากให้ทุกคนลองไปเล่นดู
ถ้าใครคิดว่ามีประโยชน์ ส่วนใครที่อินมาก สนใจมาก ตอนนี้มี Playlist สำหรับ Member Only แล้วนะครับ เข้า เข้ามาดู Playlist อันนี้กันได้นะครับ ก็จะมีทั้งอันนี้ Not เลขาส่วนตัว มีอันนี้ที่อธิบาย Cloud Code ระบบของผมเนี่ย แบบช้าๆหน่อยนะครับ แล้วก็รวมถึงคลิปในวันเนี้ย Notebook LM อันเนี้ย ตัวเต็มนะครับ ผมก็จะไปตัดลงให้ กับพี่ๆ Member เหมือนกันเนาะ อันนี้เป็น AP ย่อนะครับ ที่ตัดมาลง Public แล้ววันก่อน ไปเจอบทความใน Facebook ด้วยครับ ก๊อป วิดีโอกูไปลงทั้งรุ่นเลยครับ ไม่คิดจะเปลี่ยนชื่อ Agent สักนิดนึง ผมอุตส่าห์คิดชื่อมากับมือเนาะ น้องมินนี่ น้องรีส คิดมาจากหัวสมองของผม แต่ว่าวันก่อนที่ผมไปอ่านบทความ ใช้ชื่อ Agent ผมหมดเลยครับ แหงน ครับ ก็เลย เอ้อ กูทำ Member Only นี่เลย ลง Public แค่เสี้ยวนึงพอแล้วกัน งอน
ขออนุญาตขายของเล็กน้อยนะครับ ช่องลงทุน DIี่ เรามี Member ด้วยนะครับทุกคน โดยนอกจาก Emoji หรือ Icon Badge ถ้าใครเป็นระดับ Billionaire ล่ะก็ เราจะมีบทความแล้วก็ คลิปวิดีโอพิเศษใหม่ๆอยู่เรื่อยๆ มีทั้งคลิปวิเคราะห์ Research Paper คอร์สเรียนที่ผมไปสมัครมาหลักหมื่นทั้งนั้นนะ ครับ ไอ้พวกเนี้ย หรือจะ Deep Drive จากพี่สาวของผม แล้วก็คลิปพิเศษอีกมากมายเต็มไปหมด แล้วก็ยังไม่หมดนะครับ ยังมีอัปเดตข่าวหุ้นเทคจากแหล่งเสียเงินมากมายแทบจะรายวัน ส่งให้ใน Discord ทุกวันนะครับ ซึ่งผมจะไม่มีเงินไปจ่ายอะไรพวกนี้เลย ถ้าไม่มี Member ที่น่ารักทุกคน
[เพลง] ขอบคุณ Member ที่น่ารักทุกคนมากๆนะครับ บ๊ายบายนะคะ [ปรบมือ]