เข้าใจพื้นฐานของ LLM ข้อจำกัดของโมเดล และพัฒนาการจาก prompt ไปสู่ workflow, automation และ AI agent ในบริบทงานจริง
Curriculum
หลักสูตรระยะสั้น วิศวกรรม AI AgentMini AI Agent Engineering
หน้านี้ได้รวมรายละเอียดหลักสูตร สำหรับใช้ดูภาพรวมการเรียนทั้งหมดในที่เดียว ตั้งแต่เป้าหมายของหลักสูตร รูปแบบการเรียน แผนการเรียนรายสัปดาห์ ผู้สอน ไปจนถึงเงื่อนไขการผ่านและสิ่งที่ต้องเตรียมก่อนเริ่มเรียน
วัตถุประสงค์ของหลักสูตร
พัฒนาทักษะการออกแบบ workflow, prompt system, automation logic และ agent architecture สำหรับงานแบบ multi-step
สามารถสร้าง prototype ด้าน AI automation และ AI agent พร้อมผลงาน capstone ได้
ตระหนักเรื่อง reliability, guardrails, validation, human-in-the-loop และการออกแบบระบบอย่างรับผิดชอบ
รูปแบบการเรียนรู้
Pre-course onboarding
เตรียมความพร้อมด้านเครื่องมือ วิธีเรียน และ capstone expectation ก่อนเริ่มสัปดาห์แรก
Pre-class on-demand
เรียนล่วงหน้า 1-1.5 ชั่วโมงต่อสัปดาห์ เพื่อปูพื้นก่อนเข้า workshop
Assignment / Lab
ฝึกลงมือทำ 2-4 ชั่วโมงต่อสัปดาห์ เพื่อต่อยอดไปสู่ project จริง
Live session
เรียนสดวันเสาร์แบบเต็มวัน ช่วงเช้า 09:00-12:00 และช่วงบ่าย 13:00-16:00 ในรูปแบบ workshop, review และ mentor feedback โดยมีทั้งการเรียนแบบ onsite และ online ผ่าน Zoom ตามความเหมาะสมของเนื้อหาในแต่ละ session
กลุ่มเป้าหมาย
ผู้ปฏิบัติงานหรือผู้จบปริญญาตรีจากสายวิศวกรรมศาสตร์ วิทยาศาสตร์ เทคโนโลยี digital, product, operations, innovation หรือ knowledge work ที่ต้องการออกแบบ AI workflow และ agent สำหรับงานจริง
ผู้สอน นักพัฒนา หรือทีม transformation ที่ต้องการเข้าใจการสร้าง AI automation และ agent prototype อย่างเป็นระบบ
ผู้เรียนที่มีประสบการณ์ใช้ Generative AI เบื้องต้นและต้องการต่อยอดสู่การออกแบบระบบ AI แบบลงมือทำ
ความรู้ที่ควรมีมาก่อน
สามารถใช้งานคอมพิวเตอร์ เครื่องมือออนไลน์ และระบบจัดการไฟล์ได้คล่องในระดับพื้นฐาน
เคยใช้งาน AI chat หรือ GenAI assistant มาก่อนในระดับผู้ใช้ทั่วไป
พร้อมเรียนรู้ workflow thinking, logic design, การอ่านเขียน prompt อย่างมีโครงสร้าง และการทำ project-based learning ต่อเนื่องตลอดหลักสูตร
ไม่จำเป็นต้องเป็นโปรแกรมเมอร์เต็มตัว แต่ควรมีพื้นฐานการคิดเชิงตรรกะ พร้อมเรียนรู้เครื่องมืออย่าง CLI หรือ automation platform ในระดับใช้งานจริง และมี use case งานจริงหรือข้อมูลสำหรับใช้ฝึกออกแบบ workflow และ agent
4-Phase Curriculum
หลักสูตรแบ่งเป็น 4 phase ตั้งแต่พื้นฐานไปจนถึง capstone
การเรียนถูกออกแบบให้พัฒนางานจริงอย่างต่อเนื่อง จาก use case map, prompt library และ workflow diagram ไปสู่ automation prototype, agent architecture และ capstone prototype
Phase 1
Foundation
Week 1-4
- LLM foundations
- Workflow thinking
- Prompt systems
- Local LLM basics
Phase 2
Tools and Workflow
Week 5-7
- Basic n8n
- Basic LLM chain
- AI agent with RAG
- LINE/Facebook integration and hosting
Phase 3
Agent Engineering
Week 8-11
- End-to-end workflow
- Gemini CLI and OpenCode
- Harness engineering and MCP
- Build your agent with PI
Phase 4
Capstone
Week 12-14
- Project proposal
- Build sprint
- Demo day
- Portfolio packaging
Weekly Schedule
Pre-course
Onboarding
ผู้สอน: ทีมผู้สอน
- เครื่องมือที่ใช้ในหลักสูตรและวิธีเรียนแบบ project-based
- setup VS Code, Python environment, n8n, Gemini CLI หรือ OpenCode สำหรับการฝึกปฏิบัติในสัปดาห์ถัดไป
- ตัวอย่าง capstone, assignment flow และ checklist ความพร้อมก่อนเริ่มเรียน
Week 1
วันเสาร์ที่ 22 สิงหาคม 2569
LLM Foundations, AI Agent Landscape and Use Case Framing
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: LLM คืออะไรในระดับผู้สร้างระบบ, ข้อจำกัดของโมเดล, AI ecosystem และพัฒนาการจาก prompt ไปสู่ workflow, automation และ agent
- ช่วงเช้า: program overview, LLM foundations for builders, AI agent landscape และ use case framing workshop
- ช่วงบ่าย: Basic Python บน VS Code ตั้งแต่ syntax พื้นฐาน, การรัน script, ตัวแปร, เงื่อนไข, function, loop และการอ่าน error สำหรับงาน agent workflow
- Assignment: จัดทำ AI Use Case Map เพื่อระบุ 3 งานจริงที่เหมาะกับการใช้ AI
Week 2
วันเสาร์ที่ 5 กันยายน 2569
Task Decomposition and Workflow Thinking
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: task decomposition, กรอบ Input -> Process -> Decision -> Output, human-in-the-loop, failure cases และ validation checkpoint เบื้องต้น
- ช่วงเช้า: workflow thinking workshop, task decomposition exercise และ failure point analysis จาก use case จริง
- ช่วงบ่าย: basic Python สำหรับงาน workflow ได้แก่ list, dict, tuple, libraries ที่จำเป็น และการอ่าน error สำหรับงาน automation เบื้องต้น
- Assignment: สร้าง workflow draft จากหนึ่งกระบวนการทำงานจริง
Week 3
วันเสาร์ที่ 12 กันยายน 2569
Prompt Engineering for Systems
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: structured prompting, output schema, reusable prompt blocks และการออกแบบ prompt ให้รองรับ reliability เบื้องต้น
- ช่วงเช้า: prompt as system component, schema-first prompting และ prompt critique จากตัวอย่างจริง
- ช่วงบ่าย: prompt design lab สำหรับสร้าง reusable prompt blocks และทดสอบผลลัพธ์อย่างเป็นระบบ
- Assignment: สร้าง prompt library จำนวน 3-5 reusable prompts
Week 4
วันเสาร์ที่ 19 กันยายน 2569
Local LLM and Fine-tuning Basics
ผู้สอน: น.ท. ดร.บัญชา ช่วยสี / วิทยากรรับเชิญ
- Pre-class: local LLM setup, fine-tuning concept, embedding และ retrieval-based augmentation เบื้องต้น
- ช่วงเช้า: local LLM walkthrough, model selection, setup flow และ discussion เรื่องข้อจำกัดในการใช้งานจริง
- ช่วงบ่าย: fine-tuning concept, embedding, retrieval-based augmentation demo และทดลองใช้งาน local LLM tools สำหรับงานจริง
- Assignment: ทดลองใช้งาน local LLM หรือ fine-tuning tool ใดก็ได้
Week 5
วันเสาร์ที่ 26 กันยายน 2569
Basic n8n and Basic LLM Chain
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: n8n overview, nodes, triggers, webhook, execution flow และพื้นฐานการออกแบบ workflow กับ basic LLM chain
- ช่วงเช้า: n8n workspace tour, node fundamentals, trigger/action flow และ first workflow build
- ช่วงบ่าย: basic LLM chain lab ใน n8n พร้อมฝึกต่อ workflow กับ use case งานจริง
- Assignment: สร้าง n8n workflow พื้นฐาน 1 flow ที่เชื่อม LLM chain สำหรับ use case งานจริง
Week 6
วันเสาร์ที่ 10 ตุลาคม 2569
AI Agent with n8n and RAG
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: agent workflow ใน n8n, multi-step reasoning, tool calling เบื้องต้น, retrieval flow, document ingestion และแนวคิด RAG
- ช่วงเช้า: AI agent workflow workshop ใน n8n, multi-step flow design และ tool calling pattern
- ช่วงบ่าย: RAG implementation lab ตั้งแต่ document ingestion, retrieval setup จนถึงการทดสอบคุณภาพคำตอบ
- Assignment: ออกแบบและสร้าง n8n AI agent workflow พร้อม RAG จากชุดข้อมูลหรือเอกสารตัวอย่าง
Week 7
วันเสาร์ที่ 17 ตุลาคม 2569
LINE and Facebook Interface with n8n, Hosting, Local and Web
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: การเชื่อม LINE และ Facebook interface เข้ากับ n8n, webhook integration, local testing, web deployment และพื้นฐาน n8n hosting
- ช่วงเช้า: interface integration lab สำหรับ LINE หรือ Facebook พร้อม webhook testing บน local environment
- ช่วงบ่าย: n8n hosting walkthrough, web deployment, integration validation และ deployment check
- Assignment: สร้าง workflow ที่เชื่อมหนึ่ง messaging interface กับ n8n พร้อมทดสอบทั้ง local และ web environment
Week 8
วันเสาร์ที่ 24 ตุลาคม 2569
End-to-End AI Workflow
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: end-to-end workflow, chaining, routing, human approval loop และตัวอย่างการใช้ Claude Code, Gemini CLI และ PI ใน workflow เดียวกัน
- ช่วงเช้า: end-to-end workflow workshop ตั้งแต่ input, routing, approval loop จนถึง output design
- ช่วงบ่าย: comparative tool walkthrough สำหรับ Claude Code, Gemini CLI และ PI พร้อม mapping ลง use case ของผู้เรียน
- Assignment: ออกแบบ end-to-end AI workflow ที่ระบุบทบาทของ Claude Code, Gemini CLI หรือ PI ในแต่ละขั้นตอน
Week 9
วันเสาร์ที่ 31 ตุลาคม 2569
Gemini CLI and OpenCode for Agent Workflow
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: CLI mindset, multi-file context, code and document navigation, iterative editing loop และ validation workflow ด้วย Gemini CLI และ OpenCode
- ช่วงเช้า: Gemini CLI และ OpenCode hands-on lab สำหรับ navigation, editing loop และ validation workflow
- ช่วงบ่าย: design clinic เพื่อออกแบบ agent workflow สำหรับงานจริงและทบทวน execution pattern ที่เหมาะสม
- Assignment: สร้าง agent workflow ด้วย Gemini CLI หรือ OpenCode สำหรับงานจริง 1 งาน
Week 10
วันเสาร์ที่ 7 พฤศจิกายน 2569
Harness Engineering, Agent Skills and MCP
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: harness engineering, agent skills, skill orchestration, Model Context Protocol (MCP) และการเชื่อม tool/data source เข้ากับ agent workflow
- ช่วงเช้า: harness engineering workshop และ agent skill design สำหรับควบคุมพฤติกรรมของ agent
- ช่วงบ่าย: MCP lab สำหรับเชื่อม tool และ data source เข้ากับ workflow พร้อมทบทวน integration plan
- Assignment: ออกแบบ harness, agent skill set และ MCP integration plan สำหรับ use case ที่เลือก
Week 11
วันเสาร์ที่ 14 พฤศจิกายน 2569
Build Your Agent with PI
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: PI workflow building, planning loop, memory/context organization, guardrails และ reliability checklist สำหรับ agent ที่สร้างด้วย PI
- ช่วงเช้า: build your agent with PI workshop ตั้งแต่ planning loop, memory/context organization และ skill mapping
- ช่วงบ่าย: prototype review, guardrails and reliability check และ readiness review ก่อนเข้าสู่ capstone
- Assignment: สร้าง agent prototype ด้วย PI พร้อม workflow, skill mapping และ validation checklist
Week 12
วันเสาร์ที่ 21 พฤศจิกายน 2569
Project Proposal
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก
- Pre-class: problem definition, use case selection, success criteria และ system scope
- ช่วงเช้า: capstone design sprint เพื่อกำหนด problem framing, success criteria และ system scope
- ช่วงบ่าย: proposal review, architecture feedback และการปรับ proposal ให้พร้อมสำหรับการพัฒนา
- Assignment: ส่ง capstone proposal พร้อม architecture diagram
Week 13
วันเสาร์ที่ 28 พฤศจิกายน 2569
Development and Build Sprint
ผู้สอน: น.ท. ดร.บัญชา ช่วยสี และ ภก. ดร.สามารถ จำรัส / วิทยากรรับเชิญ
- Pre-class: prototype development guide, debugging checklist และ project documentation
- ช่วงเช้า: build sprint สำหรับเร่งพัฒนา prototype ตาม milestone ที่กำหนด
- ช่วงบ่าย: mentor coaching, debugging clinic และทบทวน project documentation ที่จำเป็น
- Assignment: พัฒนา working prototype ให้ใช้งานได้จริง
Week 14
วันเสาร์ที่ 12 ธันวาคม 2569
Demo Day and Portfolio Packaging
ผู้สอน: ผศ. ดร.ทวีศักดิ์ สมานชื่น / วิทยากรหลัก, น.ท. ดร.บัญชา ช่วยสี และ ภก. ดร.สามารถ จำรัส / วิทยากรรับเชิญ และ Panel Team
- Pre-class: portfolio packaging, presentation preparation และ project reflection
- ช่วงเช้า: final presentation rehearsal, portfolio packaging review และความพร้อมก่อน demo
- ช่วงบ่าย: demo day, panel feedback, project reflection และสรุปการต่อยอดหลังจบหลักสูตร
- Assignment: final submission ประกอบด้วย prototype, documentation และ portfolio summary
วิทยากรในหลักสูตร
วิทยากรหลัก
ผศ. ดร.ทวีศักดิ์ สมานชื่น
รับผิดชอบเนื้อหาด้าน AI agent landscape, workflow design, prompt systems, CLI workflow, agent architecture, skill engineering และ reliability design
วิทยากรรับเชิญ
น.ท. ดร.บัญชา ช่วยสี
ร่วมสอนในหัวข้อเฉพาะทางด้านการประยุกต์ใช้ AI automation, n8n workflow และการต่อยอดสู่ use case งานจริง
วิทยากรรับเชิญ
ภก. ดร.สามารถ จำรัส
ร่วมสอนและให้คำแนะนำด้าน project coaching, milestone review และการเตรียมความพร้อมสำหรับ capstone delivery
สิ่งที่ผู้เข้าอบรมต้องเตรียม
คอมพิวเตอร์พกพาที่สามารถใช้งานเครื่องมือ AI, web apps, file system และแพลตฟอร์ม workshop ได้ตลอดหลักสูตร
use case งานจริง เอกสาร ตัวอย่างไฟล์ หรือข้อมูลจากบริบทการทำงานของตนเองเพื่อใช้ทำ lab, workflow design และ capstone project
เงื่อนไขการผ่านและประกาศนียบัตร
ผู้เข้าอบรมควรเข้าร่วม live session และ workshop อย่างสม่ำเสมอตลอดหลักสูตร
ต้องส่ง assignment, project milestone และ capstone ตามเกณฑ์ที่กำหนด
ต้องนำเสนอ final prototype และ portfolio summary ใน Demo Day หรือส่งมอบผลงานเทียบเท่า
หมายเหตุสำคัญ
หลักสูตรนี้ใช้รูปแบบผสมผสานระหว่าง onsite และ online ตามความเหมาะสมของเนื้อหาในแต่ละรอบ โดยกำหนด onsite สำหรับ Week 1, 4, 6, 12 และ 14 ส่วน Pre-course และ Week 2, 3, 5, 7, 8, 9, 10, 11, 13 จะจัดแบบ online พร้อม support ผ่าน LINE, Discord หรือ LMS ระหว่างสัปดาห์
ดำเนินการฝึกอบรมโดยโครงการศูนย์ฝึกอบรมฐานสมรรถนะตามมาตรฐานอาชีพ (CBTU) กลุ่มสาขาวิชาเทคโนโลยีการจัดการระบบสารสนเทศ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
Website: https://www.cbtumu.net
Ready to Apply
ถ้าโครงหลักสูตรตรงกับสิ่งที่คุณกำลังหา ขั้นถัดไปคือสมัครหรือเข้ารอรอบเรียน
หน้า curriculum นี้เชื่อมจาก syllabus จริงแล้ว และพร้อมทำงานร่วมกับหน้า apply เพื่อพาผู้สนใจไปสู่การตัดสินใจสมัครได้ชัดเจนขึ้น