คอร์ส · Building RAG Knowledge Assistants

อบรมสร้าง RAG: ผู้ช่วย AI ที่ตอบจากเอกสารขององค์กร

ผู้ช่วยที่ตอบจากเอกสารขององค์กรเองคือ use case ระดับ production ที่ถูกถามถึงมากที่สุด หลักสูตรนี้สำหรับทีมเทคนิคที่จะสร้างและดูแลระบบนั้นจริง ครอบคลุมทั้งคุณภาพคำตอบ สิทธิ์เข้าถึง และการประเมิน

ระดับ
ขั้นสูง
ระยะเวลา
1 วัน
เวลา
09:00–16:00
เครื่องมือ
API ของโมเดลและฐานข้อมูลเวกเตอร์
รูปแบบ
onsite หรือออนไลน์ เน้นลงมือทำ

หลักสูตรนี้จัดแบบ in-house ที่องค์กรของคุณได้ โดยปรับเคสและแบบฝึกหัดให้เป็นงานจริงของแผนกที่เข้าอบรม

สิ่งที่คุณจะได้

  • ออกแบบ pipeline จากเอกสารดิบถึงคำตอบที่มีอ้างอิง
  • เตรียมและแบ่งเอกสารให้ค้นคืนได้แม่น
  • ตั้งค่าการค้นคืนและการจัดอันดับ และรู้ว่าจะปรับตรงไหนเมื่อคำตอบผิด
  • บังคับสิทธิ์เข้าถึงให้ผู้ใช้เห็นเฉพาะเอกสารที่มีสิทธิ์
  • ประเมินคุณภาพคำตอบอย่างเป็นระบบก่อนและหลังขึ้นใช้งาน

ตารางเวลาอบรม 1 วัน

09:00–16:00 · ปรับหัวข้อ เคส และแบบฝึกหัดให้ตรงงานขององค์กรได้ · ขยายเป็น 2 วันได้ เมื่ออยากให้ทีมทำเวิร์กชอปกับงานจริงนานขึ้น

  1. 09:00–10:30

    RAG และการเตรียมเอกสาร

    • RAG คืออะไร และแก้ปัญหาอะไรที่ fine-tuning ไม่แก้
    • การแบ่งเอกสาร (chunking) และ metadata
    • การอัปเดตเอกสารเมื่อมีฉบับใหม่

    กิจกรรมออกแบบ pipeline จากเอกสารดิบถึงคำตอบที่มีอ้างอิง

  2. 10:30–10:45

    พัก

  3. 10:45–12:00

    การค้นคืนและการสร้างคำตอบ

    • embedding การจัดอันดับ และ hybrid search
    • สร้างคำตอบพร้อมอ้างอิง และควบคุมการแต่งข้อมูล
    • ปรับตรงไหนเมื่อคำตอบผิด

    กิจกรรมตั้งค่าการค้นคืนและการจัดอันดับกับชุดเอกสารตัวอย่าง

  4. 12:00–13:00

    พักกลางวัน

  5. 13:00–14:30

    สิทธิ์เข้าถึงและการประเมินคุณภาพ

    • บังคับสิทธิ์ให้ผู้ใช้เห็นเฉพาะเอกสารที่มีสิทธิ์
    • ข้อมูลอ่อนไหวในเอกสาร
    • ประเมินคุณภาพคำตอบด้วยชุดทดสอบ

    กิจกรรมสร้างชุดทดสอบคำถาม-คำตอบ และวัดคุณภาพก่อนและหลังปรับ

  6. 14:30–14:45

    พัก

  7. 14:45–16:00

    ขึ้นใช้งานจริง

    • ต้นทุน latency และการดูแลระบบ
    • การติดตามคุณภาพหลังขึ้นใช้งาน

    กิจกรรมเวิร์กชอป: ผู้ช่วย AI จากเอกสารจริงขององค์กร

เตรียมก่อนเข้าเรียน

  • ทีมที่เขียนโค้ดได้และเข้าใจ API พื้นฐาน

คำถามที่พบบ่อย

ต้องมีพื้นฐานอะไร?
ทีมต้องเขียนโค้ดได้และเข้าใจ API พื้นฐาน หลักสูตรอยู่ที่ระดับ 4 ของกรอบ AI Learning Layer สำหรับทีมเทคนิคโดยเฉพาะ

บทความที่เกี่ยวข้องกับหลักสูตรนี้

  • ให้ AI ตอบจากข้อมูลภายในบริษัท: RAG คืออะไร และเริ่มอย่างไร

    RAG คือการให้ AI ค้นเอกสารของบริษัทก่อนแล้วค่อยตอบ จึงตรงกับระเบียบจริงและอ้างแหล่งได้ บทความนี้บอกว่าใช้กับงานแบบไหนได้ดี งานแบบไหนยังไม่เหมาะ เริ่มอย่างไรโดยไม่มีทีมพัฒนา วิธีเตรียมข้อมูลให้ตอบแม่น และข้อควรระวังเรื่องสิทธิ์การเข้าถึง

  • ระบบค้นข้อมูลภายในองค์กรด้วย AI: เทียบ Claude, Copilot Search, ChatGPT Company Knowledge, Gemini Enterprise และ Glean

    ระบบค้นข้อมูลภายในองค์กรด้วย AI ให้พนักงานถามเป็นภาษาธรรมดาแล้วได้คำตอบพร้อมแหล่งที่มาจากอีเมล ไฟล์ แชท และระบบงาน ห้าตัวเลือกหลักระบุว่าผลค้นหาเคารพสิทธิ์เดิมทั้งหมด ความต่างอยู่ที่วิธีดึงข้อมูล (ค้นสดหรือทำดัชนีล่วงหน้า) ระบบที่องค์กรใช้อยู่ และที่ตั้งข้อมูล ซึ่งไม่มีรายใดระบุ region ไทย บทความนี้มีตารางเทียบห้าตัว ราคาเริ่มต้น ตารางเลือกตามสภาพองค์กร และคำถามแปดข้อก่อนเลือก

  • จัดบ้านข้อมูลก่อนใช้ AI: ข้อมูลองค์กรต้องพร้อมแค่ไหน

    ไม่ต้องรอให้ข้อมูลทั้งองค์กรสมบูรณ์ แต่ต้องจัดสี่อย่างในชุดที่จะใช้ก่อน — ข้อมูลอยู่ที่ไหน คุณภาพและเวอร์ชัน เจ้าของ และสิทธิ์การเข้าถึงที่ต้องสะท้อนสิทธิ์เดิม พร้อมข้อมูลที่ไม่ควรเอาเข้าตั้งแต่แรก และใครควรรับผิดชอบ

บทความทั้งหมด →

อยากจัด Building RAG Knowledge Assistants ให้ทีมของคุณ?

บอกจำนวนคน สายงาน และช่วงเวลาที่สะดวก แล้วเราจะเสนอรูปแบบการจัดและใบเสนอราคาให้