แกลเลอรีแอป AI จริง 59 ตัว — เปิดของจริงมาผ่าทีละ pattern

แทร็กเสริม 2 อันก่อนหน้า (Superpowers, mattpocock/skills) สอน "วิธีทำงานกับ agent" — เป็นเมโธดอโลยีในโฟลเดอร์ .claude แต่แทร็กนี้ต่างออกไปคนละแนว: Hands-On AI Engineering คือ คลังโปรเจกต์แอป AI ที่ทำงานได้จริง ~59 ตัว เราจะไม่ได้เรียน "วิธีสั่ง agent" แต่จะเรียน "สถาปัตยกรรมของการสร้างแอป AI" — โดยเปิดของจริงมาผ่าทีละตัว แล้วถอด pattern ที่เอาไปใช้กับงาน NestJS/Go ของคุณได้

repo นี้คืออะไรกันแน่

README ของโปรเจกต์นิยามตัวเองไว้ว่า:

"A curated collection of practical, production-ready AI projects across multiple modalities, including language models, multimodal models, OCR systems, RAG pipelines, and AI agents. Each project is designed to help you learn, experiment, and build real-world AI applications."

แปลไทย: มันคือ คอลเลกชันโปรเจกต์ AI ที่คัดมาแล้ว ครอบคลุมหลาย modality (ข้อความ, ภาพ, เสียง, เอกสาร) แต่ละโปรเจกต์อยู่ในโฟลเดอร์ของตัวเอง มีโค้ดครบ + README.md + .env.example (บอกว่าต้องใช้ API key อะไรบ้าง) + ไฟล์รันได้จริง จุดสำคัญคือมันไม่ใช่ "ทฤษฎี" แต่เป็น ของที่รันเห็นผลได้ — เหมาะมากกับการเรียนแบบ "อ่านของจริงแล้วถอดแบบ"

ต่างจาก SP / MP ยังไง

	SP / MP (2 แทร็กก่อน)	HO (แทร็กนี้)
เป็นอะไร	ชุด skill ในโฟลเดอร์ .claude	คลังแอป AI ที่รันได้จริง
สอนอะไร	วิธีทำงานกับ coding agent	สถาปัตยกรรมของแอป AI
คำถามหลัก	"จะให้ agent ทำงานเป็นระบบยังไง"	"แอป AI ตัวนี้ต่อกันยังไง แล้วฉันทำเองบ้างได้ไหม"
ภาษา/สแตก	ภาษาอะไรก็ได้ (เป็น prompt/skill)	Python + หลาย provider → เราถอดเป็น pattern

6 หมวดในคลัง (รวม 59 โปรเจกต์)

หมวด	ทำอะไร	ตัวอย่างในคลัง
🤖 AI Agents (34)	agent ทำงานอัตโนมัติ — single & multi-agent	Multi-Agent Coding Assistant, Self-Reflective Agentic RAG, GitHub Intelligence Agent
📚 RAG (11)	ตอบจากคลังความรู้ ไม่เดา (ground answer)	GraphRAG, Hybrid RAG, HyDE, Vision RAG, Reasoning RAG
🎬 Multimodal (6)	รวมภาพ/วิดีโอ + ข้อความ	GLM-OCR Pro, Video Understanding Agent, Multimodal RAG
📸 OCR (4)	ดึงโครงสร้าง/ความหมายจากเอกสาร-ภาพ	Receipt Tracker, Image-to-Structured-Data, Prescription Digitizer
🎧 Audio (3)	ฟัง/แปล/พูด	Multilingual Audio Translator, Voice Support Agent
🎛️ Fine-tuning (1)	เทรนโมเดลเฉพาะงาน	Text-to-SQL Inventory (Qwen fine-tuned)

tech stack ที่เจอบ่อย — "แว่นจำแนก" ให้ไม่ตาลาย

พอเปิดหลายโปรเจกต์คุณจะเจอชื่อ library แปลก ๆ เต็มไปหมด อย่าเพิ่งตกใจ — จริง ๆ มันเข้ากลุ่มได้แค่ไม่กี่กลุ่ม ถ้าจำ "หน้าที่ของกลุ่ม" ได้ เห็นตัวไหนก็จะรู้ทันทีว่า มันทำหน้าที่อะไรในสถาปัตยกรรม (ตารางนี้ได้จากการสแกน README ย่อยทั้ง repo จริง):

กลุ่ม (หน้าที่)	ชื่อที่เจอบ่อย	เทียบกับโลก TS/Go ของคุณ
🎛️ UI สาธิต	Streamlit, Gradio	เหมือน frontend เร็ว ๆ ไว้เดโม (ในงานจริงคุณต่อ NestJS + React แทน)
🧠 Agent orchestration	LangChain, LangGraph, Agno, CrewAI, AG2, smolagents	เฟรมเวิร์กจัด "วงจร agent" — แนวคิดเดียวกับ state machine / job pipeline
🗂️ Vector store	ChromaDB, Qdrant, FAISS	ที่เก็บ embedding — งานคุณใช้ pgvector บน PostgreSQL ได้เลย
📐 Structured output	Instructor	บังคับ LLM ตอบเป็น JSON ตาม schema — เหมือน DTO + validation (Zod/class-validator)
💾 Memory	mem0	จำบทสนทนาข้ามรอบ — เทียบได้กับเก็บ state ลง Mongo/Redis
🎧 Audio	Whisper (STT), Kokoro (TTS)	โมเดลเสียง — มองเป็น "service แปลงเสียง↔ข้อความ" ที่คุณเรียกผ่าน API

แว่นหลักของทั้งแทร็ก: "pattern พกพาข้ามภาษา"

โปรเจกต์ต้นทางเป็น Python และใช้หลาย provider (OpenAI, Gemini, Mistral, Qwen ฯลฯ) แต่คุณถนัด TypeScript/NestJS และ Go เพราะฉะนั้นทุกบทในแทร็กนี้จะ ไม่ให้คุณจมกับ Python แต่จะสอนให้มองทะลุโค้ดไปเห็น pattern ที่อยู่เบื้องหลัง — ซึ่งพกพาข้ามภาษาได้ทั้งหมด

ยกตัวอย่าง pattern เดียวกัน มองด้วยแว่นนี้:

# ในโปรเจกต์ Python จะเห็นประมาณนี้ (Instructor + pydantic)
class Receipt(BaseModel):
    merchant: str
    total: float
    items: list[Item]

result = client.chat.completions.create(response_model=Receipt, ...)

// pattern เดียวกันในโลกคุณ (NestJS + Zod) — "บังคับ LLM ตอบตาม schema"
const Receipt = z.object({
  merchant: z.string(),
  total: z.number(),
  items: z.array(ItemSchema),
});
// → ส่ง schema ไปกับ tool/JSON mode แล้ว validate ผลลัพธ์กลับ

เห็นไหมว่า "structured output" เป็น pattern เดียวกันเป๊ะ — แค่เครื่องมือต่างกัน ทั้งแทร็กจะทำงานแบบนี้: เจอโค้ด Python → ถามว่า "pattern คืออะไร" → เขียนเป็นของคุณ

วิธีเดินอ่านโปรเจกต์ 1 ตัว (ใช้ได้กับทุกโปรเจกต์ในคลัง)

ทักษะที่สำคัญที่สุดของแทร็กนี้คือ "เปิดโปรเจกต์แปลกหน้าแล้วเข้าใจใน 10 นาที" ใช้ 5 ขั้นนี้ได้กับทุกตัว (ลองกับ ai_agents/agentic_rag_system/ เป็นตัวอย่าง):

1. อ่าน README ก่อน — โฟกัสหัวข้อ "Overview / Why" ให้ตอบได้ว่า มันแก้ปัญหาอะไร ก่อนแตะโค้ด
2. เปิด .env.example — บอกทันทีว่าใช้ provider/บริการอะไร (OpenAI? Gemini? มี vector DB ไหม?) นี่คือ "รายการวัตถุดิบ"
3. หา entrypoint — ไฟล์ main.py/app.py คือประตูหน้า ดูว่ามันเรียกอะไรเป็นลำดับ
4. ไล่ data flow — ลากเส้นจาก input ของผู้ใช้ → ผ่าน step อะไรบ้าง → ออกมาเป็น output (นี่คือหัวใจของสถาปัตยกรรม)
5. ถอด pattern — สรุปเป็นประโยคเดียวว่า "โครงหลักคือ X" แล้วถามว่า "ในงาน NestJS/Go ฉันทำแบบนี้ยังไง"

ลองกับ agentic_rag_system: README บอกมันคือ RAG ที่ "เกรดคำตอบตัวเองก่อนตอบ" → .env ใช้ Google/Gemini → entrypoint คือ main.py เรียก graph ใน rag_graph.py → flow คือ retrieve → grade → (rewrite ถ้าไม่ผ่าน) → generate วนได้ 3 รอบ → pattern ที่ถอดได้: "self-reflection loop — ตรวจคุณภาพ context ก่อน generate" (เราจะเจาะตัวนี้เต็ม ๆ ใน HO-1)

แผนที่แทร็ก HO ทั้ง 7 บท

บท	เรียนอะไร
HO-0 (บทนี้)	ภาพรวม 6 หมวด · tech stack · แว่น pattern · วิธีอ่านโปรเจกต์
HO-1	AI Agents — agent loop, single vs multi-agent, orchestration
HO-2	RAG 11 แบบ — ไล่สเปกตรัม naive → agentic → GraphRAG → HyDE → vision
HO-3	Multimodal + OCR — vision-language + structured extraction
HO-4	Audio — pipeline STT → LLM → TTS
HO-5	Fine-tuning — เมื่อไหร่ควร fine-tune เทียบกับ RAG/prompt
HO-6 🎯	นำไปใช้จริง — ประกอบ pattern ใหม่ย่อ ๆ บน NestJS ครบ end-to-end

ทำไมสำคัญกับงาน NestJS/Go ของคุณ

• เห็นภาพ "แอป AI จริงต่อกันยังไง": ไม่ใช่แค่เรียก LLM 1 ครั้ง แต่มี retrieval, tool, memory, loop — เหมือนออกแบบ service ที่มีหลาย component
• ได้คลัง pattern พร้อมใช้: self-reflection loop, router agent, structured extraction, STT→LLM→TTS — เอาไปแปะในโปรเจกต์คุณได้ทันที
• ฝึกอ่านโค้ดแปลกหน้าเร็วขึ้น: ทักษะ "เปิด repo ไม่รู้จักแล้วเข้าใจใน 10 นาที" ใช้ได้กับทุกงาน ไม่ใช่แค่ AI