สรุป 3 วิธีใช้ AI ลดงาน Dev เปลี่ยน Gemini ให้ใช้ได้มากกว่า Chat

สรุป Session: Beyond Chat: Exploring the Power of Gemini จากคุณไมค์ ธนิศร์พนธ์ ปาณิวรรณ CTO, Apppi ในงาน Google I/O Extended 2024

เวลาที่เราพูดถึง Gemini เรามักจะนึกถึง Chat Generation ซึ่งมันคืออะไรก็ตามที่เราใส่ข้อความเข้าไป แล้วได้คำตอบออกมา ซึ่งเป็นสิ่งที่ Gemini ทำได้ โดยคุณไมค์จะแบ่งออกเป็น 3 ประเด็น คือ

Table of Contents

1. Chat
2. API
3. RAG (Retrieval Augmented Generation)
- ตัวอย่างการใช้งาน RAG
3 แนวทางใช้ Gemini ของสาย Dev
ข้อควรระวัง

1. Chat

เราสามารถใช้ Gemini ทำเรื่องของ Data Conversion ได้ จากที่เราต้องมาคอยหาเครื่องมือแปลงข้อมูล แต่ Gemini สามารถแปลงไฟล์ CSV เป็น JSON เพียงอัปโหลดไฟล์ CSV และใส่ Prompt Gemini จะแปลงข้อมูลให้เป็น JSON ได้อย่างรวดเร็ว

นอกจากนี้ ยังสามารถแปลงข้อมูลได้อัตโนมัติ โดยสร้างหน้าเว็บแบบอัปโหลดสำหรับ Admin เพื่ออัปเดตข้อมูล Gemini จะแปลง CSV เป็น JSON โดยอัตโนมัติทุกครั้งที่มีการอัปโหลด

2. API

ถ้าเราอยากได้ Description บนเว็บ และบน Product ด้วย เราสามารถใช้ Gemini มาช่วยได้ โดยต่อ Gemini API ให้สร้าง Description หลังจากนั้น เรานำ Description มาใส่บนเว็บ

อีกหนึ่ง Use Case คือ Automated Workflows กับ Application เช่น ถ้าอยากได้ภาษาอื่น เราก็สร้าง Prompt ขึ้นมา แล้วให้ AI แปลงเป็นภาษาอื่น ผ่าน Gemini API โดยทดสอบผ่าน Google AI Studio รวมถึงมี Source Code ด้วย

3. RAG (Retrieval Augmented Generation)

ถ้า Web Developer ไม่มีความรู้เกี่ยวกับพวก Machine Learning หรือ Deep Learning Google มึสิ่งที่เรียกว่า Vertex AI studio ขึ้นมา โดยเราจะทำการส่ง Prompt เข้าไป แล้วก็ได้ Response ออกมาได้

Vertex AI เป็น Platform Machine Learning ที่มีความสามารถในการเลือก Model ตัวไหนมาใช้งานก็ได้ อาจจะเป็น Model ที่เป็นของ Generate AI หรือเป็น Model ของตัวอื่นก็ได้

มีอีกตัวนึงที่ช่วยได้คือ Llama โดย Llama มีสิ่งนึงที่ชื่อว่า Llama Index ที่มีความสามารถในการที่จะไปดึงข้อมูลมาแปลงเป็น Vector แล้วนำมา Integrate รวมกับ Vertex AI ดังนั้นเราสามารถใช้งาน ตัว Vertex AI ร่วมกับ LLM ได้เลย

ตัวอย่างการใช้งาน RAG

1. สร้าง RAG Corpus ขึ้นมา

2. Import ไฟล์ เข้า RAG Corpus

3. กำหนดชื่อ RAG ของ Corpus มาว่าเราใช้ Corpus นี้และ Model นี้

4. กำหนด Prompt ว่าเราต้องการ Output อะไร Export ออกมา

5. เมื่อนำข้อมูลมาประกอบรวมกัน เราจะได้ Responseเ จาก Gemini API กับ RAG

3 แนวทางใช้ Gemini ของสาย Dev

1. ถ้าเป็นเคสที่เกี่ยวข้องกับเรื่องการเขียนโค้ด การแปลงข้อมูล ให้ใช้ Gemini(Chat)

2. ถ้าเป็นเคสที่ต้องมีการทำ Automation Workflow เป็น Content Generation แนะนำให้ใช้เป็น Gemini API

3. ถ้าต้องการ Fact Check Personalize Content แนะนำว่าควรเป็น Gemini กับ RAG ถึงจะสามารถทำได้ RAG สามารถทำได้ทุกเคส แต่ว่าก็มีเคสที่ต้องพิจารณาเพิ่มเติมขึ้นอยู่กับโจทย์ว่าเราจะประยุกต์ใช้อย่างไร