ley-khaa
ผู้ช่วยที่เปลี่ยนบทสนทนาที่ยุ่งเหยิง ให้กลายเป็นงานที่เสร็จเรียบร้อย
โปรเจกต์ส่วนตัว · 2026
งานแทบไม่เคยมาในรูปคำสั่งที่ชัดเจน มันมาเป็นบทสนทนา — ขอครึ่งๆ กลางๆ วันจันทร์ แก้เพิ่มวันอังคาร แล้วก็ "เออ ช่วยทำแบบนี้เพิ่มได้ไหม…" วันพุธ ley-khaa อ่านบท สนทนาทั้งหมด ตีความว่าจริงๆ แล้วคนขออะไร แล้วแปลงมันให้เป็นงานเดียวที่ชัดเจน พอให้คอมพิวเตอร์ทำต่อได้
ลองใช้
ตัวอย่างที่ลองเล่นได้มีสองเรื่อง และเรื่องที่สองคือเรื่องยาก มันต้องเข้าใจบทสนทนาที่กระจัดกระจายได้ ดีพอจะใช้งานได้จริง — และต้องรู้ด้วยว่าเมื่อไหร่ไม่ควรลงมือทำเอง ผู้ช่วยที่ทำเรื่อง ผิดอย่างเงียบๆ แต่รวดเร็ว แย่ยิ่งกว่าไม่มีผู้ช่วยเลย
มันอ่านบทสนทนา แล้วสรุปงานออกมาเป็นภาษาที่เข้าใจง่าย ให้คุณยืนยันหรือแก้ก่อนที่ จะเริ่มทำอะไรจริงๆ จากนั้นมันจะประเมินว่ามั่นใจแค่ไหน งานเสี่ยงแค่ไหน แล้วแนะนำ ว่าควรให้อิสระมันทำได้มากแค่ไหน — แค่เสนอไอเดีย ทำงานไปพร้อมกับคุณ หรือลงมือ ทำไปเลย คุณเป็นคนตัดสินใจสุดท้ายเสมอ
ทุกงานที่ทำเสร็จจะมีบันทึกแนบมาด้วยว่ามันทำอะไรไปบ้าง ใช้อะไรบ้าง เพื่อให้ตรวจ สอบหรือทำซ้ำได้ภายหลัง ในธุรกิจ เรื่องนี้สำคัญกว่าความเร็วเสียอีก
เบื้องหลังการทำงานสำหรับผู้อ่านสายเทคนิค
เบื้องหลังใช้ Python และ FastAPI คู่กับ React ฝั่งหน้าบ้าน มี Postgres, Alembic จัดการ migration และสแต็ก Docker Compose ที่ CI ยกขึ้นมาทุกครั้งที่ push แล้ว รันเดโม end-to-end แบบ seeded ผ่านมันไปจนจบ มีตัวกรอง relevance ราคาถูก ทำงานก่อนเรียกโมเดลตัวที่แพง เพื่อคุมต้นทุน ตัว executor เน้น synthesis-first คือเขียนสคริปต์ Python สำหรับงานปลายเปิด แล้วรันใน sandbox โดยมี workflow registry ทำหน้าที่เป็นแคชของเส้นทางลัดที่พิสูจน์แล้วว่าใช้ได้ ทุกการรันจะสร้าง บันเดิลที่ทำซ้ำได้ — ตัวงานที่ส่งมอบ โค้ดที่ใช้สร้างมัน อินพุตที่ใช้จริง และ manifest แบบ seeded — เพื่อให้ตรวจสอบหรือรันซ้ำได้ภายหลัง ฝั่ง backend ผ่าน mypy-clean ใน CI และรุ่น 1.0 มีเอกสารระบุชัดว่าอะไรเสถียรแล้ว อะไรยังไม่เสถียร
ข้อมูลทั้งหมดในโปรเจกต์นี้เป็นข้อมูลสมมติ ไม่ได้เชื่อมต่อกับข้อมูล ข้อมูลรับรอง ตัวตน หรือโครงสร้างพื้นฐานของนายจ้างคนใดทั้งสิ้น