FriendStudy AI: เปิดตัวผู้ช่วยการเรียนรู้โอเพนซอร์ส
นักพัฒนาเปิดตัว FriendStudy AI ผู้ช่วยการเรียนรู้พลังปัญญาประดิษฐ์จาก Qwen 2.5 3B เพื่อช่วยให้นักเรียนจัดการการเรียน จัดตาราง และทำแบบทดสอบได้ในที่เดียว
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- FriendStudy AI เป็นผู้ช่วยการเรียนรู้โอเพนซอร์สสำหรับนักเรียน
- ขับเคลื่อนด้วยโมเดล Qwen 2.5 3B ผ่าน Ollama และ FastAPI
- รวมฟีเจอร์การวางแผน แบบทดสอบ และติดตามความคืบหน้าไว้ในที่เดียว
การจัดการเวลาและเครื่องมือในการเรียนมักเป็นอุปสรรคสำคัญสำหรับนักเรียนหลายคนที่ต้องสลับใช้งานแอปพลิเคชันหลากหลายประเภทเพื่อวางแผน ทบทวนเนื้อหา และติดตามผลการเรียนในแต่ละวัน ปัญหานี้เป็นแรงบันดาลใจให้โปรแกรมเมอร์รายหนึ่งพัฒนาเครื่องมือขึ้นมาเพื่อแก้โจทย์ดังกล่าวโดยเฉพาะในงาน Hacktoberfest Weekend Challenge
โปรเจกต์ดังกล่าวมีชื่อว่า FriendStudy AI ซึ่งถูกออกแบบมาให้ทำหน้าที่เสมือนเพื่อนคู่คิดด้านการศึกษา แทนที่จะเป็นเพียงแชทบอตทั่วไป โดยรวบรวมฟังก์ชันสำคัญที่นักเรียนต้องการไว้ในแพลตฟอร์มเดียว เพื่อช่วยให้การทบทวนบทเรียนมีความต่อเนื่องและมีประสิทธิภาพยิ่งขึ้น ผู้ใช้งานสามารถใช้ระบบสร้างคำถามฝึกหัด ตารางเรียน และสรุปภาพรวมความคืบหน้าประจำวันได้ทันทีผ่านแดชบอร์ดส่วนตัว
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในด้านสถาปัตยกรรมระบบ ผู้อยู่เบื้องหลังโปรเจกต์นี้ได้เลือกใช้เทคโนโลยีที่หลากหลายเพื่อเชื่อมต่อระบบคลาวด์เข้ากับโครงสร้างพื้นฐานภายในเครื่อง โดยมีโครงสร้างการทำงานดังนี้:
- ส่วนติดต่อผู้ใช้พัฒนาด้วย React บนแพลตฟอร์ม Vercel
- ระบบหลังบ้านเชื่อมต่อผ่าน FastAPI บน Render
- ใช้ ngrok เป็นตัวกลางในการสื่อสารและเชื่อมต่อไปยัง Ollama
- รันโมเดลปัญญาประดิษฐ์ Qwen 2.5 3B ในเครื่องคอมพิวเตอร์ส่วนตัว
การเชื่อมต่อโมเดลปัญญาประดิษฐ์ที่รันบนเครื่องคอมพิวเตอร์ภายในบ้าน (Local AI) เข้ากับเว็บแอปพลิเคชันที่อยู่บนคลาวด์อย่าง Vercel และ Render ถือเป็นความท้าทายทางวิศวกรรมที่นักพัฒนาต้องเผชิญบ่อยครั้ง เนื่องจากข้อจำกัดด้านเครือข่ายและการสื่อสารข้ามโดเมน (CORS) การใช้เครื่องมืออย่าง ngrok จึงเป็นวิธีแก้ปัญหาที่ช่วยให้ระบบคลาวด์สามารถส่งคำขอไปยังโมเดลในเครื่องได้อย่างราบรื่น
ความท้าทายที่ใหญ่ที่สุดในการพัฒนาโปรเจกต์นี้คือการทำให้โมเดล Qwen ที่รันอยู่บนเครื่องโลคัลสามารถรับส่งข้อมูลกับแอปพลิเคชันที่ถูก deploy ขึ้นคลาวด์ได้สำเร็จ ซึ่งต้องอาศัยการแก้ไขปัญหาเรื่องการตั้งค่า CORS, ตัวแปรสภาพแวดล้อม และการเชื่อมต่อ API อย่างละเอียดถี่ถ้วนก่อนที่ระบบทั้งหมดจะทำงานร่วมกันได้อย่างสมบูรณ์
สำหรับผู้ที่สนใจสามารถเข้าไปทดลองใช้งานระบบเดโมเบื้องต้นได้ หรือตรวจสอบซอร์สโค้ดฉบับเต็มผ่านทาง GitHub เพื่อศึกษาแนวทางการพัฒนาและต่อยอดในอนาคต
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น