วันที่ 1: พื้นฐาน Agentic AI, n8n และการพัฒนา Use Case 1

ภาคเช้า: ทฤษฎีและแนวคิด Agentic AI

🔷แนะนำ Agentic AI

🔹นิยามและความสำคัญของ Agentic AI

🔹LLM-powered Agents vs Traditional Automation

🔹Components ของ Agentic AI: Perception, Planning, Reasoning, Memory, 🔹Action

🔹สถาปัตยกรรมและรูปแบบการทำงาน ReAct, Reflexion, Chain-of-Thought

🔹Use Cases และตัวอย่างการใช้งานในโลกธุรกิจ

🔷แนะนำ n8n Architecture

🔹สถาปัตยกรรมของ n8n

🔹แนวคิด Low-code/No-code สำหรับ Workflow Automation

🔹Core Components: Nodes, Connections, Workflows, Credentials

🔹Runtime Architecture และ Execution Models

🔹n8n Cloud vs Self-hosted

🔹n8n Community Edition vs Enterprise Edition

🔷Node Types สำคัญสำหรับ Agentic AI

🔹Trigger Nodes (Webhook, Gmail, Schedule)

🔹AI/ML Nodes (OpenAI, Text Classifier)

🔹Communication Nodes (Gmail, Slack, HTTP Request)

🔹Data Processing Nodes (Function, JSON, Split in Batches)

🔹Database Nodes (MSSQL, MongoDB)

🔹Utility Nodes (IF, Switch, Merge)

ภาคบ่าย: การตั้งค่าและพัฒนา Use Case 1

🔷Hands-on: การตั้งค่า n8n Cloud

🔹สมัครและตั้งค่าบัญชี n8n Cloud

🔹การเชื่อมต่อ Credentials (Gmail, OpenAI)

🔹Best Practices สำหรับการใช้งานบน Cloud

🔷Hands-on: พัฒนา Email Classification System

🔹สร้าง Gmail Trigger Node

🔹การตั้งค่า Text Classifier สำหรับการจำแนกประเภทอีเมล (Work, Personal, Tour, Other)

🔹การใช้ IF/Switch Node สำหรับการแยก Workflow ตามประเภท

🔷Hands-on: การพัฒนา AI-powered Email Response

🔹การเชื่อมต่อกับ OpenAI Model

🔹การสร้าง Effective Prompts สำหรับ Email Response Generation

🔹การใช้ Gmail Nodes สำหรับการส่งอีเมลตอบกลับอัตโนมัติ

🔹การเชื่อมต่อกับ Google Calendar สำหรับการสร้างเหตุการณ์

วันที่ 2: n8n Community Edition, MCP และการพัฒนา Advanced Features

ภาคเช้า: การติดตั้ง n8n Community Edition และ MCP

🔷Hands-on: การติดตั้ง n8n Community Edition บน Docker

🔹เตรียมความพร้อมเครื่องคอมพิวเตอร์

🔹การติดตั้ง Docker และ Docker Compose

🔹การสร้างและปรับแต่ง Docker-compose.yml สำหรับ n8n

🔹การรัน n8n และเข้าถึง UI

🔹การตั้งค่า Credentials และ Environment Variables

🔷Hands-on: การตั้งค่า MCP Server บน Docker

🔹สถาปัตยกรรมของ MCP

🔹การติดตั้ง MCP Server ด้วย Docker

🔹การกำหนดค่า Configuration

🔹การเชื่อมต่อ MCP กับ n8n

🔹การทดสอบการทำงานของ MCP Server

🔷Hands-on: การเชื่อมต่อ Slack กับ MCP Server

🔹การสร้าง Slack App และการขอ API Token

🔹การตั้งค่า Webhook และ Event Subscriptions

🔹การเชื่อมต่อ Slack กับ n8n Workflow

🔹การทดสอบการรับและส่งข้อความผ่าน Slack API

ภาคบ่าย: การพัฒนา Database Integration และ RAG

🔷Hands-on: การเชื่อมต่อ MSSQL กับ MCP Server สำหรับข้อมูลธุรกรรมลูกค้า

🔹การติดตั้ง MSSQL บน Docker

🔹การตั้งค่าการเชื่อมต่อฐานข้อมูล

🔹การทดสอบการค้นหาและดึงข้อมูลธุรกรรมของลูกค้า

🔷Hands-on: การพัฒนาระบบ Retrieval-Augmented Generation (RAG) สำหรับนโยบายการให้บริการลูกค้า

🔹แนวคิดและประโยชน์ของ RAG

🔹การติดตั้ง Vector Database (Qdrant) บน Docker

🔹การสร้างและนำเข้าข้อมูลนโยบายการให้บริการลูกค้าสู่ Vector Database

🔹การสร้าง Embeddings ด้วย OpenAI API

🔹การพัฒนา Retrieval Component

🔹การเชื่อมต่อ RAG กับ MCP Server

🔹การทดสอบการค้นหานโยบายที่เกี่ยวข้องกับคำถามของลูกค้า

วันที่ 3: การพัฒนา Customer Service Agent และการประยุกต์ใช้

ภาคเช้า: การพัฒนา Customer Service Agent

🔷การออกแบบ Workflow สำหรับ Customer Service Agent

🔹User Flow และ Conversation Design

🔹การจัดการ Context

🔹การออกแบบ Prompts ที่มีประสิทธิภาพ

🔹การวางแผนการจัดการข้อมูลและการตอบกลับ

🔷Hands-on: Customer Service Agent Development

🔹สร้าง Workflow รับข้อความจาก Slack

🔹การประมวลผลข้อความด้วย NLP

🔹ดึงข้อมูลประวัติธุรกรรมของลูกค้าจาก MSSQL

🔹การค้นหานโยบายการให้บริการที่เกี่ยวข้องจาก Vector Database

🔹การสร้างการตอบกลับตามนโยบายและข้อมูลธุรกรรมด้วย AI

🔹การส่งข้อความตอบกลับไปยัง Slack

🔹การบันทึกประวัติการสนทนาลงใน MSSQL

ภาคบ่าย: ขยายงานการพัฒนาและการปรับแต่งประสิทธิภาพ

🔷Hands-on: การจัดการการสนทนาที่ซับซ้อน

🔹Multi-turn Conversations และการเก็บ Context

🔹การสร้าง Fallback และการส่งต่อไปยัง Human agent เมื่อจำเป็น

🔹การปรับแต่ง Prompts เพื่อให้ตอบคำถามตามนโยบายได้อย่างเหมาะสม

🔷การปรับแต่งและ Scaling

🔹การวิเคราะห์ Performance และ Bottlenecks

🔹การปรับแต่ง Docker Configuration สำหรับ Production

🔹Scaling Strategies สำหรับ n8n และ MCP