สร้าง Multi-Agent Systems โดยใช้ Claude Code × OpenCode เพื่อการประสานข้ามเครื่องมือ ในระดับ Production พร้อม Failure Mode ที่ควรหลีกเลี่ยง

VIBE-CODE-L2
Build AI Multi-Agent with Claude Code
*ราคาดังกล่าวยังไม่รวมภาษีมูลค่าเพิ่ม
ดาวน์โหลด Course Outline
Classroom
อบรมแบบ Class Room ณ ห้องอบรม 9EXPERT
Hybrid
เลือกอบรมแบบ Class Room หรือ Ms Teams
ตารางอบรม Public Training
Build AI Multi-Agent with Claude Code
วัตถุประสงค์
ทำงานกับ AI หลายตัวพร้อมกันอย่างเป็นระบบ โดยไม่ต้องควบคุมทีละ Agent
สร้างผู้ช่วย AI เฉพาะทางสำหรับงานของตนเอง บน Claude Code และ OpenCode
บริหารและติดตามการทำงานของ AI Agent ผ่าน Multica.ai แบบเห็นความคืบหน้าได้ชัดเจน
เข้าใจและหลีกเลี่ยงปัญหาที่พบบ่อยของ Multi‑Agent เช่น Loop ไม่สิ้นสุด หรือไฟล์ชนกัน
ประสานการทำงานของ AI Agent ต่างเครื่องมือและต่างบทบาทได้อย่างมั่นใจ
หลักสูตรนี้เหมาะสำหรับ
นักพัฒนาที่ต้องการเพิ่มประสิทธิภาพและคุณภาพงานด้วย AI
Tech Lead ที่ต้องการเข้าใจการทำงานของ AI Agent เพื่อใช้วางแผนและตัดสินใจเชิงเทคนิค
เจ้าของกิจการหรือ Founder ที่ต้องการนำ AI มาช่วยงานอัตโนมัติในกระบวนการทำงานจริง
ผู้ที่สนใจ AI และต้องการเรียนรู้ผ่านการลงมือทำ มากกว่าการอ่านเอกสารเชิงเทคนิค
DevOps / SRE ที่ต้องการออกแบบและควบคุม Automation Pipeline ด้วย AI Agent
พื้นฐานของผู้เข้าอบรม
สามารถใช้ Terminal / Command Line เบื้องต้นได้ (cd, ls, mkdir)
สามารถ Generative AI สามารถเขียน Prompt ได้เป็นอย่างดี
ความต้องการของระบบ
ระบบปฏิบัติการ Windows 11 / 10
Claude Account (Free) — ผู้เรียนจัดเตรียมล่วงหน้าก่อนวันอบรม
Claude for Desktop (สำหรับใช้งาน Claude Code)
Google Antigravity หรือ VS Code
Subscription : Claude (ทาง 9Expert invite ผู้เรียนระหว่างการอบรม)
OpenAI API (ทาง 9Expert จัดเตรียม Account ระหว่างการอบรม)
หัวข้อการฝึกอบรม
- ทำความเข้าใจ AI Agent และความแตกต่างจาก Chatbot
- รูปแบบการทำงานเป็นทีมของ AI Agent
- Use cases ในงานจริง
- คำสั่งพื้นฐานในการใช้งานบน Terminal
- การตั้งค่า VS Code เช่น จัดการ Workspace
- เข้าใจ้โครงสร้างเอกสาร JSON
- การตั้งค่า Environment Variables
- แนะนำ Claude Code และความสามารถหลัก
- การสร้าง Specialist Agent สำหรับงานเฉพาะทาง
- Workshop: สร้างผู้ช่วยตัวแรกของคุณใน Claude Code (Code Reviewer Agent)
- ติดตั้งและตั้งค่า OpenCode
- จุดเด่น Multi-model ใน OpenCode
- Workshop: สร้างผู้ช่วยใน OpenCode และเปรียบเทียบความแตกต่างกับ Claude Code
- การกำหนดขอบเขตสิทธิ์ของ Agent
- Best practices สำหรับความปลอดภัย
- การจัดการ Memory ของ Agent
- เทคนิค Context management
- RAG vs LLM Wiki
- Build-in Memory vs API Memory
- Frontend/UI Agent: รับผิดชอบเฉพาะหน้าจอ
- Backend/Logic Agent: รับผิดชอบการคำนวณหรือต่อ API
- QA/Reviewer Agent: ตรวจสอบโค้ดที่ 2 ตัวแรกเขียนว่าทำงานร่วมกันได้หรือไม่
- แนวคิด Multi-Agent Architecture
- การสื่อสารระหว่าง Agent
- ตัวอย่างการใช้งานจริง
- Multi-Agent pattern บน OpenCode
- Workshop: สร้างทีม AI 3 ตัว (Frontend, Backend, QA) บน OpenCode แบบ Sequential Workflow
- Gate Logic: การตั้งเงื่อนไขเพื่อหยุดงาน (Stop Condition)
- Quality Guardrails: การกำหนดเกณฑ์มาตรฐานให้ Code/Content ก่อนผ่านด่าน
- Safety & Cost Guardrails: การตั้งเงื่อนไขหยุดงานอัตโนมัติเพื่อคุมงบประมาณ Token
- Human-in-the-Loop: การเชื่อมต่อ Gate เข้ากับระบบอนุมัติ
- Workshop: สร้าง "Quality Gate" เพื่อดักจับ Error และ "Cost Gate" เพื่อป้องกัน Token Overflow
- Aggregation Logic: เทคนิคการรวบรวม Output จาก Agent หลายตัว
- Workshop: สร้าง "Synthesizer Agent" เพื่อรวมโค้ดจาก Frontend และ Backend ออกมาเป็นแอปที่พร้อมรันจริง
- การใช้ Multica.ai เพื่อดูความคืบหน้าของ Agent ผ่าน Kanban Board
- แนะนำ AgentOps สำหรับการทำ Observability เพื่อดูว่า Agent ติด Loop ที่จุดไหน
- Workshop: ตั้ง Kanban Board และมอบหมายงานให้ Agent ผ่านหน้าจอแบบที่คนทั่วไปเข้าใจได้
- สร้างระบบ Multi-Agent ที่มีทั้ง Gate และ Synthesize สำหรับโจทย์ธุรกิจจริง
- การใช้ Pre-flight Checklist ก่อนส่งงานมอบตัว Agent ให้ทำงานอัตโนมัติ

สนใจหลักสูตร
“Build AI Multi-Agent with Claude Code”
กดลงทะเบียนเพื่อกลับไปเลือกรอบอบรมที่เปิดรับสมัคร



