ภารกิจสัปดาห์นี้
เป้าหมาย 3 บท
ระดับปานกลางTechnology
TECHNOLOGY LEARNING PATH
สร้าง RAG ด้วย TypeScript และ Supabase
เปลี่ยนเอกสารเป็นคำตอบที่ค้นคืนได้ ปลอดภัย และวัดผลได้
สร้างระบบ Retrieval-Augmented Generation ตั้งแต่ chunking, embeddings, pgvector และ hybrid search ไปจนถึง RLS, citations, evaluation และงานดูแล production ด้วย TypeScript และ Supabase
8 บท7 ชั่วโมงAI Tutor ทุกบทQuiz วัดผล
0%
1
Level 1 · Learning rhythm
จังหวะการเรียนของคุณ
0 XP
อีก 500 XP ขึ้นระดับ
0%
0/3 บท
Current streak
0 วัน
ต่อเนื่อง เก่งมาก
เหรียญความสำเร็จ
0/4
เริ่มก้าวแรก
ผ่านบทแรก
ติดเครื่อง
ผ่าน 3 บท
นักสำรวจ
ผ่าน 6 บท
Agent Builder
ผ่าน 12 บท
ภารกิจถัดไป
RAG คืออะไร และออกแบบ Grounding อย่างไร
สิ่งที่จะได้เรียน
สรุปทักษะสำคัญจากบทเรียนในคอร์สนี้
อธิบายวงจร RAG ได้
สร้าง vector column ได้ถูก dimension
ออกแบบ ownership model ได้
สร้าง evaluation dataset ได้
เนื้อหาคอร์ส
4 โมดูล · 8 บทเรียน
Module 10% RAG Foundations
0/2 บทเรียน · 0%
ออกแบบวงจร RAG และเตรียมเอกสารให้ค้นคืนได้จริง
เริ่มโมดูล
Module 20% Embeddings & Retrieval
0/2 บทเรียน · 0%
จัดเก็บเวกเตอร์และสร้าง semantic/hybrid retrieval ที่วัดผลได้
ออกแบบ pgvector Schema และเลือก HNSW/IVFFlat Semantic Search, Hybrid Search และ RPC
ผ่านบทก่อนหน้าเพื่อปลดล็อก
Module 30% Secure Grounded Answers
0/2 บทเรียน · 0%
ให้ RLS คุม retrieval และสร้างคำตอบพร้อม citation โดยไม่เชื่อเอกสาร
Permission-aware RAG ด้วย Row Level Security Citations, Prompt Injection และ Context Assembly
ผ่านบทก่อนหน้าเพื่อปลดล็อก
Module 40% Evaluation & Production
0/2 บทเรียน · 0%
วัดคุณภาพ สังเกตระบบ และเปลี่ยน embedding model อย่างปลอดภัย
Evaluation, Groundedness และ Observability Reindex, Migration และโปรเจกต์ Production RAG
ผ่านบทก่อนหน้าเพื่อปลดล็อก