<div class="key-takeaways"><ul><li>นักพัฒนาสาย Backend เริ่มหันมาจับตลาด AI Agent โดยสร้าง Model Context Protocol (MCP) Server ของตัวเอง</li><li>เลือกใช้ AEMET API ของสเปนเป็นสนามทดลองเพราะใช้งานง่ายและไม่มีความซับซ้อนเรื่องลิขสิทธิ์</li><li>พบความท้าทายสำคัญคือการเรียกข้อมูลแบบสองขั้นตอน (Two-step pattern) และปัญหาการเข้ารหัสตัวอักษร ISO-8859-1</li><li>เป้าหมายระยะยาวคือการพัฒนา AI Agent สำหรับตรวจสอบระบบ Kubernetes ในอนาคต</li></ul></div><p>ในฐานะวิศวกรระบบ Backend ที่คุ้นเคยกับ Java, Spring และ Kubernetes การขยับเข้าสู่โลกของ AI Engineering ทำให้ต้องการลงมือสร้างและเผยแพร่โปรเจกต์จริงในระบบนิเวศของ Agent แทนที่จะแค่อ่านทฤษฎี จึงเป็นที่มาของการพัฒนาและเผยแพร่ Model Context Protocol (MCP) Server ขนาดเล็กตัวแรก ซึ่งเป็นจุดเริ่มต้นของซีรีส์ที่จะมีความซับซ้อนมากขึ้นเรื่อย ๆ โดยโปรเจกต์แรกนี้ถูกออกแบบมาให้มีขอบเขตเรียบง่าย เพื่อให้กระบวนการตั้งแต่การสร้าง เผยแพร่ไปยัง npm การนำไปแสดงในรีจิสทรีทางการของ MCP จนถึงขั้นตอนนี้ใช้งานได้จริงครบถ้วน</p><p>หัวข้อที่เลือกใช้คือ AEMET ซึ่งเป็นหน่วยงานอุตุนิยมวิทยาแห่งชาติของสเปนที่มีบริการ API สาธารณะให้ใช้งานฟรี ไม่มีปัญหาเรื่องการยืนยันตัวตนที่ยุ่งยากเกินกว่าการใช้ API Key และไม่มีข้อจำกัดทางกฎหมาย จึงเป็นสนามทดลองที่สะอาดสำหรับการเรียนรู้กลไกการทำงาน โดยสิ่งที่ไม่ได้คาดคิดคือ API ที่ดูเรียบง่ายนี้กลับซ่อนบทเรียนทางวิศวกรรมที่น่าสนใจที่สุดไว้ถึงสองประการ</p><div class="ai-insight"><p>Model Context Protocol (MCP) เป็นโปรโตคอลแบบเปิดที่เข้ามาช่วยลดช่องว่างระหว่างโมเดล AI กับระบบภายนอก ทำให้ AI Client เช่น Claude Desktop หรือ Agent ใน IDE สามารถเรียกใช้เครื่องมือภายนอกผ่านอินเทอร์เฟซมาตรฐานได้ โดยนักพัฒนาไม่ต้องเขียนโค้ดเชื่อมต่อใหม่ทั้งหมดสำหรับแต่ละแพลตฟอร์ม</p></div><p>สำหรับเครื่องมือที่ถูกพัฒนาขึ้นมาในเซิร์ฟเวอร์นี้ประกอบด้วย:</p><ul><li>get_municipality_forecast สำหรับดึงพยากรณ์อากาศตามเทศบาลโดยใช้รหัส INE</li><li>get_station_observation สำหรับข้อมูลการตรวจวัดจากสถานีอุตุนิยมวิทยา</li><li>get_weather_warnings สำหรับประกาศเตือนภัยสภาพอากาศในแต่ละภูมิภาค</li></ul><p>โดยใช้ Node.js ร่วมกับ TypeScript ผ่านชุดคำสั่งอย่างเป็นทางการอย่าง @modelcontextprotocol/sdk ใช้การสื่อสารผ่าน stdio และตรวจสอบข้อมูลนำเข้าด้วย Zod</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/mcp_server_api_ms0z6bbb_inline_1_d59699e594.jpg" alt="API architecture diagram flowchart" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>จุดที่น่าสนใจที่สุดคือรูปแบบการทำงานแบบสองขั้นตอน (Two-step pattern) ของ AEMET OpenData API ซึ่งแตกต่างจากที่เคยพบทั่วไป เพราะการเรียกใช้งานครั้งแรกจะไม่ส่งข้อมูลสภาพอากาศกลับมาทันที แต่จะส่งพอยเตอร์หรือลิงก์ชี้ไปยังตำแหน่งของข้อมูลแทน ตัวอย่างเช่น JSON ที่ตอบกลับมาจะมีฟิลด์ datos ที่ระบุ URL เช่น https://opendata.aemet.es/opendata/sh/abc123 โดยไม่มีอุณหภูมิแม้แต่ตัวเดียว จากนั้นจึงต้องทำการส่งคำขอครั้งที่สองไปยัง URL นั้นอีกครั้งโดยไม่ต้องใช้ API Key จึงจะได้รับข้อมูลจริง ซึ่งมีลักษณะคล้ายกับรูปแบบ S3 presigned URL ของ AWS หรือการทำงานคล้าย HTTP 302 ที่ต้องติดตามเส้นทางเองผ่านเนื้อหา JSON</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2</span><span class="stat-label">ขั้นตอนการดึงข้อมูลผ่าน API</span></div><div class="stat-item"><span class="stat-number">200</span><span class="stat-label">สถานะ HTTP ที่อาจซ่อนข้อผิดพลาดไว้ใน JSON</span></div></div><p>บทเรียนด้านการออกแบบคือควรห่อหุ้มการทำงานทั้งสองขั้นตอนนี้ไว้ในฟังก์ชันเดียว เพื่อให้เครื่องมืออื่น ๆ ไม่จำเป็นต้องรับรู้ถึงความซับซ้อนนี้ นอกจากนี้ยังมีปัญหาเฉพาะหน้าที่มักพบเจอแต่ไม่มีบันทึกไว้ในเอกสาร ได้แก่ สถานะ estado ใน JSON อาจขัดแย้งกับ HTTP Status โดย HTTP อาจตอบกลับมาเป็น 200 OK แต่ตัวเนื้อหา JSON กลับระบุ "estado": 404 หรือ 401 รวมถึงปัญหาเรื่องการเข้ารหัสที่ใช้แบบ ISO-8859-1 (latin1) แทนที่จะเป็น UTF-8 ส่งผลให้ตัวอักษรภาษาสเปนอย่าง Cádiz กลายเป็น Cdiz หากใช้คำสั่ง response.json() แบบทั่วไป จึงต้องอ่านข้อมูลในรูปแบบ Buffer และทำการถอดรหัสอย่างชัดเจน</p><p>ในส่วนของการเผยแพร่บน npm สิ่งที่มักทำให้เซิร์ฟเวอร์ MCP ล้มเหลวคือการติดตั้งแล้วไม่สามารถรันผ่าน npx ได้ ซึ่งสามารถแก้ไขได้ด้วยการกำหนดฟิลด์ bin ใน package.json ให้ชี้ไปที่ไฟล์คอมไพล์ dist/index.js และใส่ shebang ไว้ที่บรรทัดแรกสุดของไฟล์ รวมถึงข้อควรระวังเฉพาะตัวสำหรับการขนส่งแบบ stdio คือ ห้ามมีข้อความใด ๆ ส่งออกไปยัง stdout นอกเหนือจากโปรโตคอล JSON-RPC เพราะจะทำให้สตรีมข้อความเสียหายและเซิร์ฟเวอร์หยุดทำงานเงียบ ๆ โดยต้องเปลี่ยนไปส่ง log ผ่าน stderr แทน</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/mmillan76/building-my-first-mcp-server-spains-weather-api-and-its-two-step-catch-44fj" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Backend engineers are moving into AI engineering by building and publishing their own Model Context Protocol (MCP) servers.</li><li>Spain's AEMET open weather API served as a clean, copyright-free sandbox for learning MCP mechanics.</li><li>Key engineering hurdles included a unique two-step data retrieval pattern and ISO-8859-1 character encoding issues.</li><li>The ultimate goal is to build an autonomous incident-investigation agent for Kubernetes diagnostics.</li></ul></div><p>As a backend engineer accustomed to Java, Spring, and Kubernetes, transitioning toward AI engineering meant wanting to actually ship something in the agent ecosystem rather than just reading about it. This led to building and publishing a small Model Context Protocol (MCP) server as the first installment in a planned series of progressively harder projects. The goal was to close the full loop by building, publishing to npm, listing in the official MCP registry, and achieving discoverability.</p><p>The chosen subject was AEMET, Spain's national weather agency, which offers a free public API with straightforward authentication via an API key and no legal gray areas. It provided a clean sandbox to learn the mechanics. What was unexpected, however, was that this straightforward API harbored the two most interesting engineering lessons of the entire exercise.</p><div class="ai-insight"><p>Model Context Protocol (MCP) is an open standard that enables AI clients such as Claude Desktop or IDE agents to interact with external tools through a uniform interface, eliminating the need for custom integrations for every individual platform.</p><p>The server exposed a few specific typed tools:</p></div><ul><li>get_municipality_forecast for fetching forecasts by municipality using INE codes</li><li>get_station_observation for observation data from meteorological stations</li><li>get_weather_warnings for active regional weather warnings</li></ul><p>The tech stack utilized Node.js and TypeScript, the official @modelcontextprotocol/sdk, stdio transport, and Zod for input validation.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/mcp_server_api_ms0z6bbb_inline_1_d59699e594.jpg" alt="API architecture diagram flowchart" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>The standout feature was AEMET's two-step OpenData pattern. The initial request does not return weather data directly; instead, it returns a pointer. The JSON response contains a datos field pointing to a URL such as https://opendata.aemet.es/opendata/sh/abc123 containing zero temperature data. Developers must then execute a second request to that specific URL without an API key to retrieve the actual payload. This mirrors AWS S3 presigned URLs or a manual HTTP 302 redirect embedded inside a JSON body rather than a Location header.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2</span><span class="stat-label">API request hops required</span></div><div class="stat-item"><span class="stat-number">200</span><span class="stat-label">HTTP status that can mask inner JSON errors</span></div></div><p>Architecturally, isolating both hops behind a single client function prevents tools from needing to know the underlying pattern. Furthermore, undocumented pitfalls included discrepancies where transport-level HTTP responses returned 200 OK while the JSON body reported "estado": 404 or 401. Another significant hurdle was character encoding: AEMET serves content in ISO-8859-1 (latin1) rather than UTF-8. A naive await response.json() call mangles Spanish accents like Cádiz into Cdiz, requiring developers to read bodies as buffers and decode them explicitly.</p><p>Regarding distribution, npm publishing failures typically stem from missing a bin field in package.json pointing to compiled code or omitting the shebang line#!/usr/bin/env node at the entry file. Additionally, stdio transport strictly prohibits writing anything other than JSON-RPC messages to stdout, as stray console.log statements corrupt the message stream and silently break the server, requiring logs to be directed to stderr instead.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/mmillan76/building-my-first-mcp-server-spains-weather-api-and-its-two-step-catch-44fj" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_mcp-server-api-ms0z6bbb.jpg

small_mcp-server-api-ms0z6bbb.jpg

thumbnail_mcp-server-api-ms0z6bbb.jpg

mcp-server-api-ms0z6bbb.jpg

วิศวกร Backend เผยประสบการณ์พัฒนา Model Context Protocol (MCP) ตัวแรกเชื่อมต่อ AEMET พร้อมเจาะลึกปัญหาการเรียก API แบบสองขั้นตอนและการจัดการ Encoding

A backend engineer shares insights on developing their first Model Context Protocol server using Spain's AEMET API, covering two-step retrieval patterns and encoding challenges.

สร้าง MCP Server ตัวแรก: บทเรียนจาก API สภาพอากาศสเปน

Building my first MCP server: Spain's weather API and its two-step catch

<div class="key-takeaways"><ul><li>Yelp ยืนยันการทำข้อตกลงร่วมกับ OpenAI เพื่อขับเคลื่อนการค้นหาท้องถิ่น</li><li>Axios รายงานว่าการใช้งานจะครอบคลุมถึงรีวิว คะแนน และรูปภาพ</li><li>ยังไม่มีการประกาศกำหนดการเปิดตัวหรือรายละเอียดอินเทอร์เฟซที่ชัดเจน</li><li>ตอกย้ำกลยุทธ์การขยายฐานข้อมูลเนื้อหาของ Yelp สู่ระบบนิเวศ AI</li></ul></div><p>Yelp ได้ออกมายืนยันอย่างเป็นทางการถึงการบรรลุข้อตกลงร่วมกับ OpenAI เมื่อวันที่ 12 กุมภาพันธ์ 2026 โดยมีเป้าหมายในการนำเนื้อหาและข้อมูลที่น่าเชื่อถือของแพลตฟอร์มไปผสานเข้ากับระบบนิเวศ AI เพื่อสร้างรากฐานสำหรับการค้นหาธุรกิจท้องถิ่น (Local Discovery) ผ่านแพลตฟอร์มของ OpenAI ความร่วมมือครั้งนี้ถือเป็นส่วนหนึ่งของกลยุทธ์การเปลี่ยนผ่านด้านปัญญาประดิษฐ์ในวงกว้างของ Yelp เพื่อกระจายเนื้อหาของตนให้เข้าถึงผู้ใช้งานในวงกว้างยิ่งขึ้นผ่านเครื่องมือสนทนาอย่าง ChatGPT</p><p>อย่างไรก็ตาม แม้จะมีการยืนยันความสัมพันธ์ทางธุรกิจและวัตถุประสงค์เชิงกลยุทธ์ดังกล่าว แต่ประกาศของ Yelp ยังไม่ได้ระบุวันที่เปิดตัวอย่างเป็นทางการสำหรับผู้บริโภค รายชื่อสถานที่หรือหมวดหมู่ที่รองรับ รวมถึงรูปแบบการแสดงผลบนหน้าจอของ ChatGPT โดยสำนักข่าว Axios เคยรายงานไว้เมื่อเดือนกรกฎาคม 2026 ว่า Yelp กำลังให้สิทธิ์การใช้งานรีวิว รูปภาพ และข้อมูลธุรกิจแก่ OpenAI เพื่อนำมาประมวลผลในการตอบคำถาม</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/yelp_openai_chatgpt_ms0z5s9u_inline_1_03562e03e4.jpg" alt="smartphone app interface screen digital technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การนำข้อมูลจากแพลตฟอร์มรีวิวมาผสานเข้ากับ LLM (Large Language Model) ถือเป็นก้าวสำคัญที่เปลี่ยนจากการค้นหาด้วยคำสำคัญแบบเดิม (Keyword Search) ไปสู่การสนทนาที่เข้าใจบริบทเชิงลึก ผู้ใช้งานสามารถใส่เงื่อนไขที่ซับซ้อน เช่น ความต้องการเฉพาะตัวหรือบรรยากาศของร้าน ซึ่งข้อมูลดิบอย่างเดียวไม่สามารถตอบโจทย์ได้ การดึงข้อมูลรีวิวและเรตติ้งจึงเข้ามาเติมเต็มช่องว่างนี้ ทำให้ AI สามารถให้คำแนะนำที่มนุษย์ใช้ตัดสินใจจริงๆ ได้</p></div><p>การเปลี่ยนแปลงครั้งนี้ไม่ได้มีแค่เรื่องการแนะนำสถานที่ใกล้เคียงเท่านั้น แต่ยังเชื่อมโยงไปถึงมิติของการทำธุรกรรม เนื่องจาก Yelp มีฟีเจอร์ Request a Quote และได้เปิดตัว Yelp Assistant ไปเมื่อช่วงฤดูใบไม้ผลิปี 2026 ซึ่งเป็นแชทบอต AI ที่ช่วยดึงข้อมูลเชิงลึกและรองรับการจองหรือขอใบเสนอราคา แม้ว่าความสามารถเหล่านี้จะยังไม่มีการยืนยันว่าจะถูกนำมาใช้งานบน ChatGPT รูปแบบใด แต่ก็แสดงให้เห็นถึงทิศทางของ Yelp ในการสร้างเส้นทางจากค้นหาสู่การทำธุรกรรมผ่าน AI</p><div class="stat-row"><div class="stat-item"><span class="stat-number">Feb 12, 2026</span><span class="stat-label">วันที่ Yelp ยืนยันข้อตกลง OpenAI อย่างเป็นทางการ</span></div></div><p>ในแง่ของการใช้งานจริง รายละเอียดสำคัญหลายประการไม่ว่าจะเป็นกำหนดการเปิดตัว การเข้าถึงตามภูมิภาค หรือการจัดการเรื่องคุณภาพของเนื้อหายังคงต้องรอการเปิดเผยเพิ่มเติม เนื่องจากข้อมูลเหล่านี้มีผลต่อความเชื่อมั่นของผู้บริโภคและธุรกิจท้องถิ่น โดยโปรแกรมการให้สิทธิ์การใช้ข้อมูลของ Yelp เช่น Leads API และ Insights API สะท้อนให้เห็นว่าบริษัทมองว่าข้อมูลรีวิวเป็นทรัพยากรสำคัญที่สามารถนำไปขับเคลื่อนผลิตภัณฑ์ภายนอกแอปพลิเคชันหลักได้</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/alifar/yelps-openai-agreement-sets-up-chatgpt-local-discovery-with-reviews-and-business-data-7n7" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Yelp confirms an agreement with OpenAI to power AI-driven local discovery.</li><li>Axios reports integration includes reviews, ratings, photos, and business details.</li><li>Official consumer launch dates and interface details remain undisclosed.</li><li>Reflects Yelp's broader AI transformation and content distribution strategy.</li></ul></div><p>Yelp officially confirmed an agreement with OpenAI in its investor communications on February 12, 2026, aiming to extend its trusted content into the AI ecosystem and establish a foundation for AI-driven local discovery across OpenAI platforms. The collaboration positions Yelp within a wider AI transformation strategy designed to distribute its extensive business information more broadly through conversational tools like ChatGPT.</p><p>While this statement confirms the commercial partnership and strategic intent, it does not disclose a consumer launch date, supported regions or categories, or specific interface descriptions for ChatGPT. Earlier reporting by Axios in July 2026 indicated that Yelp is licensing reviews, photos, and other business data to OpenAI, offering the clearest picture to date of the content that will power local recommendations.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/yelp_openai_chatgpt_ms0z5s9u_inline_1_03562e03e4.jpg" alt="smartphone app interface screen digital technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>Integrating structured business listings with community-generated reviews transforms local search from static directory lookups into nuanced conversational queries. Users can express complex constraints and preferences that traditional keyword search boxes struggle to handle, bridging the gap between raw data and human decision-making criteria.</p></div><p>The shift goes beyond simply naming nearby businesses by incorporating critical signals consumers rely on, such as customer ratings and real-time operational details. Furthermore, Yelp already supports Request a Quote flows and introduced Yelp Assistant in Spring 2026—an AI chatbot handling quotes and bookings. Although these existing features do not confirm how transactions will function inside ChatGPT, they demonstrate Yelp's ongoing evolution toward actionable AI workflows.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">Feb 12, 2026</span><span class="stat-label">Date of Yelp's official investor announcement confirming the OpenAI deal</span></div></div><p>Practical implications will vary across stakeholders, and crucial operational questions regarding availability, presentation, and content governance remain unanswered by the initial announcements. Building on its established Leads API and Insights API data-licensing framework, this agreement extends Yelp's reach to an unprecedented conversational scale on OpenAI platforms.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/alifar/yelps-openai-agreement-sets-up-chatgpt-local-discovery-with-reviews-and-business-data-7n7" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_article-294.jpg

small_article-294.jpg

thumbnail_article-294.jpg

article-294.jpg

Yelp ยืนยันข้อตกลงร่วมกับ OpenAI เพื่อขับเคลื่อนการค้นหาธุรกิจท้องถิ่นผ่านระบบ AI โดยเตรียมนำรีวิว คะแนน และรูปภาพมาใช้บน ChatGPT

Yelp has confirmed an agreement with OpenAI to bring trusted local business data, reviews, and ratings into ChatGPT conversational discovery.

Yelp จับมือ OpenAI เตรียมผสานรีวิวและข้อมูลธุรกิจเข้าสู่ ChatGPT

Yelp's OpenAI Agreement Sets Up ChatGPT Local Discovery With Reviews and Business Data

<div class="key-takeaways"><ul><li>นักพัฒนาอิสระจำลองระบบ Fable 5 เล่นเกมโปเกมอนด้วยการมองเห็นหน้าจออย่างเดียวตามที่ Anthropic โฆษณา</li><li>ใช้เวลา 1,785 การตัดสินใจและงบประมาณ 65.40 ดอลลาร์สหรัฐฯ เพื่อคว้าเข็มกลัดแรกสำเร็จ</li><li>การตรวจสอบบันทึกการคิดของโมเดลเผยให้เห็นการจดจำข้อมูลล่วงหน้าก่อนที่ตัวละครจะเจอเหตุการณ์นั้นบนจอ</li><li>เปิดเผยรหัสฮาร์เนส เฟรมภาพ และบันทึกข้อมูลทั้งหมดให้สาธารณชนตรวจสอบได้</li></ul></div><p>หลังจากที่บริษัท Anthropic ได้เผยแพร่หน้าเปิดตัว Fable 5 และอ้างว่าปัญญาประดิษฐ์สามารถเล่นเกม Pokémon FireRed ได้โดยอาศัยเพียงภาพหน้าจอเท่านั้นโดยไม่มีโค้ดหรือคู่มือช่วยเหลือเพิ่มเติม นักพัฒนาอิสระรายหนึ่งจึงตัดสินใจพิสูจน์คำกล่าวนี้ด้วยการสร้างระบบควบคุมจำลองขึ้นมาเอง เพื่อทดสอบว่าความสามารถระดับนี้ทำได้จริงหรือไม่ภายใต้ข้อจำกัดที่เข้มงวดที่สุด</p><p>ในการทดลองนี้ โมเดล Fable 5 เล่นเกมเวอร์ชันแปลภาษาจีนของ Pokémon FireRed และสามารถคว้าเข็มกลัดยิมแรกได้ภายใน 1,785 เทิร์น ด้วยต้นทุนรวม 65.40 ดอลลาร์สหรัฐฯ ก่อนที่จะเดินทางไปถึงเส้นทาง Route 3 พร้อมกับพ็อกเก็ตมอนสเตอร์ 3 ตัวในทีมเมื่อถึงขีดจำกัด 2,000 เทิร์น โดยข้อมูลบันทึกทั้งหมดรวมถึงภาพหน้าจอทุกเฟรมถูกเผยแพร่ต่อสาธารณะ</p><div class="stat-row"><div class="stat-item"><span class="stat-number">1,785</span><span class="stat-label">จำนวนเทิร์นถึงเข็มกลัดแรก</span></div><div class="stat-item"><span class="stat-number">$65.40</span><span class="stat-label">ต้นทุนค่าใช้จ่ายในการทดลอง</span></div></div><p>อย่างไรก็ตาม เมื่อเจาะลึกเข้าไปอ่านบันทึกการคิดของโมเดล ผลลัพธ์กลับซับซ้อนกว่าที่เห็น 141 เทิร์นก่อนที่เกมจะมอบไอเทม 'Oak's Parcel' ให้ โมเดลได้บันทึกชื่อเมืองที่ต้องไป บุคคลที่ต้องพูดคุย และไอเทมที่ต้องเก็บไว้ล่วงหน้าเรียบร้อยแล้ว หรือแม้กระทั่งการจดจำตัวละครเทรนเนอร์บน Route 3 พร้อมกับมุกตลกเกี่ยวกับกางเกงขาสั้น ซึ่งไม่มีข้อมูลเหล่านี้ปรากฏอยู่บนหน้าจอเกมเลยแม้แต่น้อย</p><blockquote class="pull-quote"><p>"A time-lapse of Claude playing Pokémon FireRed from start to finish using only raw game screenshots—with no maps, navigation aids, or extra game-state information. Earlier Claude models needed a complex helper harness to play Pokémon; Claude Fable 5 completed the game with vision alone."</p><cite>วิดีโอไทม์แลปส์อย่างเป็นทางการของ Anthropic</cite></blockquote><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/fable_5_ai_ms0z5ato_inline_1_72aada39f2.jpg" alt="retro video game pixel graphics" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การที่วิชันโมเดลสามารถเล่นเกม RPG ยุคเก่าได้เพียงแค่การมองภาพหน้าจอ ถือเป็นก้าวกระโดดครั้งใหญ่ในวงการปัญญาประดิษฐ์ เนื่องจากในอดีตโมเดลภาษาขนาดใหญ่ (LLM) มักประสบปัญหาในการแยกแยะสิ่งกีดขวางหรือเส้นทางเดินจากพิกเซลภาพบนจอโดยตรง นักพัฒนาจึงมักต้องอาศัยการอ่านข้อมูล RAM ของโปรแกรมจำลอง (Emulator) เพื่อช่วยนำทาง แต่ความสำเร็จของ Fable 5 ในการตัดตัวช่วยเหล่านี้ออกไปสะท้อนถึงขีดความสามารถในการประมวลผลภาพขั้นสูงที่ใกล้เคียงกับมนุษย์มากขึ้น</p></div><p>ก่อนหน้านี้ ผลงานจากเกณฑ์มาตรฐาน VideoGameBench แสดงให้เห็นว่าโมเดลระดับแนวหน้าสามารถเคลียร์เกมได้เพียง 0.48% เท่านั้น ขณะที่การสตรีม Claude Plays Pokémon ในอดีตของ Claude 3.7 Sonnet ต้องพึ่งพาชุดคำสั่งเสริมที่ซับซ้อนและข้อมูลสถานะจากหน่วยความจำ RAM อย่างมหาศาลเพื่อเดินทางไปถึงบริเวณยิมที่สาม การที่ Fable 5 สามารถเล่นผ่านภาพหน้าจออย่างเดียวจึงสร้างความตื่นตัวให้กับชุมชนนักพัฒนาเป็นอย่างมาก</p><p>ทั้งนี้ การศึกษาเปรียบเทียบฮาร์เนสโอเพนซอร์กกว่าเกือบสิบโครงการในอุดมสาธารณะพบว่า คำว่า "วิชันอย่างเดียว" มักเป็นเพียงคำโฆษณาทางการตลาด เนื่องจากโครงการส่วนใหญ่ยังคงต้องดึงพิกเซล พิกัดแผนภูมิ และข้อความสถานะจาก RAM มาป้อนให้กับโมเดลทุกเทิร์น การทดลองชิ้นนี้จึงถือเป็นหนึ่งในความพยายามที่บริสุทธิ์ที่สุดในการถอดตัวช่วยออกทีละชั้นเพื่อวัดศักยภาพที่แท้จริงของตัวโมเดลเอง</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/qingze_hu_c4c251c1b353ede/i-replicated-the-vision-only-pokemon-run-anthropic-showcased-on-the-fable-5-launch-page-then-i-35ah" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>An independent developer recreated Anthropic's vision-only Pokémon gameplay harness featured on the Fable 5 launch page.</li><li>The model secured the first gym badge in 1,785 decisions with a total expenditure of $65.40.</li><li>Inspection of internal thinking logs revealed the model planned future milestones long before they appeared on screen.</li><li>Full logs, frame captures, and harness code have been published openly for public auditing.</li></ul></div><p>Following Anthropic's showcase of Fable 5 playing Pokémon FireRed using a minimal, vision-only harness without publishing code or metrics, an independent developer set out to verify the claim independently. By constructing a custom harness meeting every described constraint, the experiment tested whether modern artificial intelligence could conquer the classic game using strictly visual input.</p><p>Running the Chinese fan translation of Pokémon FireRed, the Fable 5 model captured the first gym badge within 1,785 turns for a cost of $65.40. By the 2,000-turn cap, the agent had advanced to Route 3 managing a team of three Pokémon, with every frame and decision log made completely public.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">1,785</span><span class="stat-label">Turns to first gym badge</span></div><div class="stat-item"><span class="stat-number">$65.40</span><span class="stat-label">Total experiment cost</span></div></div><p>However, reading through the model's thinking chains unveiled a deeper layer of complexity. 141 turns before the game introduced "Oak's Parcel," the model had already written down its destination city, required non-player characters to talk to, and items to collect. By Route 3, its reasoning recognized an iconic trainer referencing shorts—none of which was visible anywhere on the current screen buffer.</p><blockquote class="pull-quote"><p>"A time-lapse of Claude playing Pokémon FireRed from start to finish using only raw game screenshots—with no maps, navigation aids, or extra game-state information. Earlier Claude models needed a complex helper harness to play Pokémon; Claude Fable 5 completed the game with vision alone."</p><cite>Official Anthropic launch video caption</cite></blockquote><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/fable_5_ai_ms0z5ato_inline_1_72aada39f2.jpg" alt="retro video game pixel graphics" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>Enabling vision-only language models to successfully navigate complex retro role-playing games represents a monumental milestone in artificial intelligence research. Historically, vision-language models struggle to differentiate walkable terrain from solid walls purely through pixel analysis, forcing developers to extract exact coordinate data directly from emulator memory. Fable 5's ability to operate without these memory crutches highlights significant advancements in native visual perception and reasoning capabilities.</p></div><p>Academic benchmarks such as VideoGameBench previously showed frontier models successfully completing a mere 0.48% of games, while earlier streams like Claude Plays Pokémon required massive helper harnesses containing RAM state texts and critic agents. Achieving a vision-only playthrough marks a dramatic generational leap compared to previous attempts in the AI community.</p><p>An evaluation of open-source LLM-plays-Pokémon repositories reveals that "vision-only" is frequently a marketing term, as most projects secretly feed emulator memory coordinates and OCR text into prompts. This independent experiment stripped away those compensations layer by layer, offering a transparent measurement of the raw underlying model capabilities.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/qingze_hu_c4c251c1b353ede/i-replicated-the-vision-only-pokemon-run-anthropic-showcased-on-the-fable-5-launch-page-then-i-35ah" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_fable-5-ai-ms0z5ato.jpg

small_fable-5-ai-ms0z5ato.jpg

thumbnail_fable-5-ai-ms0z5ato.jpg

fable-5-ai-ms0z5ato.jpg

นักพัฒนาทดลองจำลองระบบเล่นโปเกมอนด้วยวิสัยทัศน์ล้วนของ Anthropic สำเร็จ พร้อมเปิดเผยค่าใช้จ่ายและบันทึกการคิดที่น่าตกใจ

An independent developer successfully replicates Anthropic's vision-only Pokémon experiment in Fable 5, revealing surprising costs and hidden reasoning logs.

เจาะเบื้องหลัง Fable 5 เล่นโปเกมอนด้วยการมองเห็น: วิเคราะห์หุ่นยนต์ AI และความลับในบันทึก

Replicating Anthropic's Vision-Only Pokémon Run in Fable 5 and Reading Its Thinking Chains

<div class="key-takeaways"><ul><li>เป็นตอนที่ 8 ของซีรีส์ Automating Playwright with Claude Code เน้นการสร้าง Skill รายงานบั๊ก</li><li>นำปัญหาที่ตรวจจับได้จากตอนที่ 6 มาแปลงเป็นรายงานบั๊กที่มีขั้นตอนการทำซ้ำจากหลักฐานจริง</li><li>ใช้รูปแบบ Guardrails จากตอนที่ 7 ป้องกันการกุข้อมูลและบังคับให้มนุษย์ตรวจสอบก่อนกดส่งจริง</li><li>รายงานประกอบด้วยชื่อหัวข้อ ขั้นตอน ผลลัพธ์ที่คาดหวัง ผลลัพธ์จริง หลักฐาน และระดับความรุนแรง</li></ul></div><p>เดินทางมาถึงตอนที่ 8 แล้วสำหรับซีรีส์ "Automating Playwright with Claude Code" โดยในบทความนี้เป็นการต่อยอดจากตอนที่ 6 ที่ระบบของเราสามารถตรวจจับปัญหาอย่างเทสที่รันไม่ผ่านเป็นครั้งคราวหรือปัญหาเรื่อง Locator ได้แล้ว และตอนที่ 7 ที่ว่าด้วยเรื่องรูปแบบการป้องกันความปลอดภัย (Guardrails) มารวมกันเพื่อสร้างเป็น Skill ตัวใหม่ที่มีชื่อว่า Bug-Reporter</p><p>ที่ผ่านมา Skill ของ Claude มักจะจบลงแค่การแจ้งเตือนว่ามีบางอย่างผิดพลาดเกิดขึ้น แต่ในบทความนี้ได้ปิดช่องว่างดังกล่าวด้วยการสร้าง Skill ที่เปลี่ยนความล้มเหลวที่ Claude เพิ่งค้นพบ ให้กลายเป็นรายงานบั๊กที่พร้อมนำไปใช้งานจริง โดยมีขั้นตอนการทำซ้ำที่อ้างอิงจากหลักฐาน ไม่ใช่การคาดเดา</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_skill_claude_code_ms0mdeg4_inline_1_69ade1fe6c.jpg" alt="software debugging interface trace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ก่อนที่จะลงมือเขียนโค้ดสำหรับ Skill นี้ จำเป็นต้องกำหนดฟิลด์ข้อมูลที่รายงานบั๊กที่ดีควรมี ซึ่งจะกลายเป็นเทมเพลตผลลัพธ์ของ Skill เช่น ชื่อหัวข้อ ขั้นตอนการทำซ้ำ ผลลัพธ์ที่คาดหวัง ผลลัพธ์จริง หลักฐาน และสภาพแวดล้อม พร้อมกับนำกฎ Guardrails จากตอนที่ 7 มาบังคับใช้ทันที เนื่องจากรายงานบั๊กที่ถูกกุขึ้นมาเองจะสร้างความเสียหายและเสียเวลาให้แก่ทีมนักพัฒนาอย่างมาก</p><div class="ai-insight"><p>การนำ AI มาช่วยรายงานบั๊กโดยอัตโนมัติมีความเสี่ยงเรื่อง "การกุข้อมูล" (Hallucination) ที่ AI อาจพยายามเติมเต็มช่องว่างของข้อมูลที่ขาดหายไปเพื่อให้รายงานดูสมบูรณ์ การที่บทความนี้เน้นย้ำเรื่อง Guardrails ห้ามใส่ขั้นตอนที่ไม่ได้ทำจริง และห้ามส่งเข้าเครื่องมือติดตามบั๊กอัตโนมัติทันที จึงเป็นแนวทางปฏิบัติที่ปลอดภัยและช่วยรักษาความน่าเชื่อถือของกระบวนการพัฒนาซอฟต์แวร์</p></div><p>กฎเหล็กของ Guardrails ในระบบนี้ประกอบด้วย:</p><ul><li>ห้ามใส่ขั้นตอนการทำซ้ำใดๆ ที่ไม่ได้ปฏิบัติจริงและสังเกตเห็นด้วยตาตัวเองระหว่างเซสชันนั้น</li><li>หากหลักฐานในฟิลด์ใดขาดหายไป เช่น ไม่มี Log หรือภาพหน้าจอ ให้ระบุลงไปตรงๆ ว่าไม่มี แทนที่จะเว้นว่างหรือคาดเดาเอง</li><li>ห้ามส่งตั๋วปัญหาเข้าสู่ระบบติดตามโดยอัตโนมัติ ต้องแสดงรายงานให้ผู้ใช้ยืนยันก่อนเสมอเพื่อป้องกันตั๋วซ้ำ</li></ul><p>ตัวอย่างการทำงานจริง เมื่อทดสอบหน้าชำระเงินที่พบปัญหาปุ่ม "Place Order" สามารถกดคลิกได้ทันทีโดยที่ยอดรวมในตะกร้าราชายังอัปเดตไม่เสร็จ ระบบ playwright-flaky-test-debugger จากตอนที่ 6 จะทำงานก่อนเพื่อเก็บหลักฐาน Trace จากนั้น playwright-bug-reporter จะสร้างรายงานออกมาในรูปแบบที่กำหนด เช่น ระบุว่าปุ่มยังคงคลิกได้ในช่วงเวลาที่กำลังคำนวณใหม่ และมีหลักฐานจาก Trace ที่แสดงว่า Element มีค่า aria-busy=&quot;true&quot; อยู่ ณ Timestamp 00:04.211</p><blockquote class="pull-quote"><p>&quot;Checkout — &quot;Place Order&quot; clickable before cart total finishes updating&quot;</p><cite>ชื่อรายงานบั๊กตัวอย่างจากบทความ</cite></blockquote><p>เทมเพลตที่สร้างขึ้นนี้ถูกออกแบบมาให้เป็นกลางไม่ผูกติดกับระบบติดตามบั๊กตัวใดตัวหนึ่ง เพื่อให้ทีมงานสามารถนำไปปรับ ใชักับ Jira, GitHub Issues หรือเครื่องมืออื่นๆ ได้ตามต้องการ โดยการปิดวงจรจากการค้นหาปัญหาไปสู่การสร้างประโยชน์นี้ ทำให้ชุดเครื่องมือตั้งแต่ตอนที่ 6 และ 8 สามารถทำงานร่วมกันได้อย่างครบวงจรตั้งσό แต่การตรวจจับ วินิจฉัย ไปจนถึงการเขียนรายงานในรูปแบบที่ตรวจสอบได้</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/aswani25/from-bug-found-to-bug-filed-a-bug-reporter-skill-for-claude-code-5ih" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>This is part 8 of the Automating Playwright with Claude Code series, focusing on building a bug-reporting skill.</li><li>It takes the problems detected in part 6 and converts them into bug reports with step-by-step reproduction based on real evidence.</li><li>It uses the Guardrails pattern from part 7 to prevent data fabrication and force human review before actual submission.</li><li>Reports consist of title, steps, expected results, actual results, evidence, and severity level.</li></ul></div><p>We have reached part 8 of the "Automating Playwright with Claude Code" series. This article builds upon part 6—where our system could already detect issues like occasional test failures or locator problems—and part 7, which covered safety guardrails, combining them to create a new skill named Bug-Reporter.</p><p>Previously, Claude's skills usually ended just with a notification that something went wrong. This article bridges that gap by creating a skill that transforms the failure Claude just discovered into a production-ready bug report, featuring reproduction steps referenced from evidence rather than guesswork.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_skill_claude_code_ms0mdeg4_inline_1_69ade1fe6c.jpg" alt="software debugging interface trace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration purposes only, not from the actual event.</p></div><p>Before writing the code for this skill, it is necessary to define the data fields that a good bug report should have, which will become the skill's output template: title, reproduction steps, expected results, actual results, evidence, and environment. At the same time, the guardrails rules from part 7 are immediately applied, since fabricated bug reports would cause significant damage and waste time for the development team.</p><div class="ai-insight"><p>Using AI to help report bugs automatically carries the risk of "hallucination," where the AI might try to fill in missing information gaps to make the report look complete. This article's emphasis on guardrails—prohibiting steps that were not actually performed and preventing automatic submission to bug-tracking tools—serves as a safe practice that helps maintain the credibility of the software development process.</p></div><p>The ironclad guardrails rules in this system include:</p><ul><li>Prohibiting any reproduction steps that were not actually performed and observed firsthand during that session.</li><li>If evidence for any field is missing, such as no logs or screenshots, explicitly stating that it is missing rather than leaving it blank or guessing.</li><li>Prohibiting automatic ticket submission to tracking systems; reports must always be presented to users for confirmation to prevent duplicate tickets.</li></ul><p>As a working example, when testing a checkout page where an issue is found where the "Place Order" button can be clicked immediately before the cart total finishes updating, the playwright-flaky-test-debugger system from part 6 runs first to collect trace evidence. Then, the playwright-bug-reporter generates a report in the specified format, noting that the button remains clickable during recalculation and featuring trace evidence showing the element has an aria-busy=&quot;true&quot; value at timestamp 00:04.211.</p><blockquote class="pull-quote"><p>&quot;Checkout — &quot;Place Order&quot; clickable before cart total finishes updating&quot;</p><cite>Example bug report title from the article</cite></blockquote><p>The template created here is designed to be neutral and unbound to any specific bug-tracking system, allowing teams to apply it to Jira, GitHub Issues, or other tools as needed. By closing the loop from issue discovery to value generation, the toolsets from parts 6 and 8 work together seamlessly across detection, diagnosis, and verifiable report writing.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/aswani25/from-bug-found-to-bug-filed-a-bug-reporter-skill-for-claude-code-5ih" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_ai-skill-claude-code-ms0mdeg4.jpg

small_ai-skill-claude-code-ms0mdeg4.jpg

thumbnail_ai-skill-claude-code-ms0mdeg4.jpg

ai-skill-claude-code-ms0mdeg4.jpg

เจาะลึกบทความตอนที่ 8 ของซีรีส์ Automating Playwright กับการสร้าง Skill บน Claude Code ที่แปลงปัญหาที่พบให้เป็นรายงานบั๊กพร้อมส่ง พร้อมระบบ Guardrails ป้องกันข้อมูลเท็จ

An in-depth look at part 8 of the Automating Playwright series on building a Claude Code skill that turns discovered issues into ready-to-send bug reports, complete with guardrails to prevent hallucinations.

ยกระดับการเขียนบั๊กด้วย AI: พาชม Skill ใหม่ของ Claude Code ในการสร้างรายงานบั๊กจากหลักฐานจริง

Elevating Bug Writing with AI: A Look at Claude Code's New Skill for Generating Bug Reports from Real Evidence

<div class="key-takeaways"><ul><li>SearchValues<T> เปิดตัวใน .NET 8 ช่วยเก็บชุดค่าคงที่สำหรับค้นหาและรันไทม์เลือกกลยุทธ์ที่เร็วที่สุด</t></li><li>ผลเบนช์มาร์กกรณีเดือมหนาแน่นแทบไม่ต่างจาก IndexOfAny เดิม แต่หากเดือมพบน้อยจะเร็วกว่าประมาณ 1.7 เท่า</li><li>การสร้าง SearchValues ภายในเมธอดต่อการเรียกใช้งานจะช้ากว่าการเก็บไว้ใน static readonly เกือบ 3 เท่า</li></ul></div><p>หลายคนมักมองว่าเครื่องมือใหม่อย่าง <code>SearchValues&lt;T&gt;</code> ที่เพิ่มเข้ามาใน .NET 8 เปรียบเสมือนสูตรโกงที่ช่วยให้การสแกนสตริงเร็วขึ้นถึงห้าเท่า จนชวนให้อยากรีแฟกเตอร์โค้ดเดิมทันที แต่สำหรับนักพัฒนาที่ดูแลระบบจัดการล็อกซึ่งพึ่งพา <code>IndexOfAny</code> เป็นหลัก การทดสอบวัดประสิทธิภาพก่อนลงมือจริงจึงเป็นสิ่งจำเป็นอันดับแรก</p><p>จากการทดสอบเปรียบเทียบในกรณีที่บัฟเฟอร์ล็อกมีตัวคั่นความถี่หนาแน่นทุกๆ 60 ตัวอักษร ผลลัพธ์ที่ได้ค่อนข้างน่าประหลาดใจเนื่องจากแทบไม่ต่างกันมากนักระหว่างวิธีดั้งเดิมและเครื่องมือใหม่:</p><div class="stat-row"><div class="stat-item"><span class="stat-number">9.7 ms</span><span class="stat-label">SearchValues&lt;char&gt;</span></div><div class="stat-item"><span class="stat-number">10.2 ms</span><span class="stat-label">IndexOfAny(char[])</span></div><div class="stat-item"><span class="stat-number">19.4 ms</span><span class="stat-label">manual char loop</span></div></div><p>เหตุผลที่เป็นเช่นนี้เพราะเมธอด <code>IndexOfAny</code> บน .NET ยุคใหม่ที่มีชุดตัวอักษรขนาดเล็กได้รับการปรับแต่งแบบ vectorized มาเป็นอย่างดีอยู่แล้ว ในทางกลับกัน การเขียนลูปวนเช็คด้วยมือแบบดั้งเดิมกลับใช้เวลาช้ากว่าวิธีอื่นถึงสองเท่าตัว ซึ่งสะท้อนให้เห็นว่าปัญหาคอขวดที่แท้จริงมักมาจากโค้ดลูปที่เราเขียนขึ้นเองมากกว่าตัว API มาตรฐาน</p><p>อย่างไรก็ตาม สถานการณ์จะเปลี่ยนไปเมื่อปรับเปลี่ยนรูปแบบข้อมูลให้มีตัวคั่นที่พบน้อยลง หรือเฉลี่ยหนึ่งครั้งทุกๆ 40 กิโลไบต์ ซึ่งเป็นกรณีจำลองสำหรับการสแกนหาความผิดปกติ โดยผลลัพธ์การทดสอบแสดงให้เห็นความแตกต่างอย่างชัดเจน:</p><ul><li><strong>IndexOfAny(char[]):</strong> ใช้เวลา 5.6 มิลลิวินาที (พบการตรงกัน 723 รายการ)</li><li><strong>SearchValues&lt;char&gt;:</strong> ใช้เวลา 3.3 มิลลิวินาที (พบการตรงกัน 723 รายการ)</li></ul><p>ในกรณีที่อัตราการพบเป้าหมายค่อนข้างน้อย <code>SearchValues</code> จะสามารถทำงานได้อย่างเต็มประสิทธิภาพในการกวาดผ่านช่วงข้อมูลยาวๆ ที่ไม่มีอะไรเลยด้วยขั้นตอนแบบ vectorized ที่กว้างขึ้น</p><div class="ai-insight"><p>แนวคิดเบื้องหลัง <code>SearchValues&lt;T&gt;</code> คือการย้ายภาระการเตรียมข้อมูล (Precomputation) ไปไว้ล่วงหน้า เพื่อให้รันไทม์ไม่ต้องคำนวณซ้ำทุกครั้งที่ทำการค้นหา การเข้าใจสถาปัตยกรรมการทำงานเบื้องหลังเช่น Vectorization ช่วยให้นักพัฒนาเลือกใช้ API ได้ตรงตามลักษณะของข้อมูล ไม่ว่าจะเป็นข้อมูลที่มีรูปแบบหนาแน่นหรือกระจัดกระจาย ซึ่งส่งผลต่อประสิทธิภาพโดยรวมของแอปพลิเคชันอย่างมีนัยสำคัญ</p></div><p>อีกหนึ่งจุดสำคัญที่นักพัฒนาต้องระมัดระวังอย่างยิ่งคือต้นทุนในการสร้างออบเจกต์ หากมีการสร้าง <code>SearchValues</code> ขึ้นใหม่ภายในเมธอดทุกครั้งที่มีการเรียกใช้งาน แทนที่จะเก็บไว้ในตัวแปรแบบ <code>static readonly</code> ผลลัพธ์การทดสอบกับขข้อมูลหนึ่งล้านบรรทัดสั้นๆ แสดงให้เห็นภาพที่ชัดเจน:</p><ul><li><strong>Static SearchValues:</strong> ใช้เวลา 25.1 มิลลิวินาที</li><li><strong>SearchValues per call:</strong> ใช้เวลา 70.2 มิลลิวินาที</li></ul><p>การสร้างออบเจกต์ใหม่ต่อการเรียกใช้งานหนึ่งครั้งทำให้ประสิทธิภาพตกลงไปเกือบสามเท่า ซึ่งช้ากว่าการไม่ใช้งานเลยเสียอีก หากไม่ได้ประกาศไว้ในตัวแปรแบบสถิต ก็เท่ากับว่าเรากำลังสร้างโค้ดที่ทำให้ระบบทำงานช้าลงโดยไม่จำเป็น</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/searchvalues_t_net_8_ms0mcxcb_inline_2_cfa411f7e9.jpg" alt="software developer debugging" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/ssukhpinder/when-searchvalues-actually-pays-off-310l" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>SearchValues<T> introduced in .NET 8 stores a set of constants for searching and the runtime selects the fastest strategy.</t></li><li>Benchmark results for dense delimiters show almost no difference from the traditional IndexOfAny, but sparse matches are about 1.7 times faster.</li><li>Creating SearchValues inside a method per call is nearly 3 times slower than storing it in a static readonly.</li></ul></div><p>Many often view the new tool <code>SearchValues&lt;T&gt;</code> added in .NET 8 as a cheat code that makes string scanning up to five times faster, tempting an immediate refactoring of existing code. But for developers maintaining log management systems that primarily rely on <code>IndexOfAny</code>, performance testing before diving in is the first priority.</p><p>From comparative testing in cases where the log buffer has a frequency delimiter densely packed every 60 characters, the results are quite surprising as there is very little difference between the traditional method and the new tool:</p><div class="stat-row"><div class="stat-item"><span class="stat-number">9.7 ms</span><span class="stat-label">SearchValues&lt;char&gt;</span></div><div class="stat-item"><span class="stat-number">10.2 ms</span><span class="stat-label">IndexOfAny(char[])</span></div><div class="stat-item"><span class="stat-number">19.4 ms</span><span class="stat-label">manual char loop</span></div></div><p>The reason for this is that the <code>IndexOfAny</code> method on modern .NET with small character sets is already well-vectorized. On the other hand, writing a manual check loop the traditional way turns out to be twice as slow as other methods, reflecting that the real performance bottleneck usually comes from the custom loops we write ourselves rather than the standard API.</p><p>However, the situation changes when modifying the data pattern to have rarer delimiters, averaging once every 40 kilobytes, which is a simulation case for anomaly scanning. The test results clearly show a difference:</p><ul><li><strong>IndexOfAny(char[]):</strong> Takes 5.6 milliseconds (found 723 matches)</li><li><strong>SearchValues&lt;char&gt;:</strong> Takes 3.3 milliseconds (found 723 matches)</li></ul><p>In cases where the target hit rate is relatively low, <code>SearchValues</code> can perform at its full potential in sweeping across long spans of data with nothing in them using wider vectorized steps.</p><div class="ai-insight"><p>The concept behind <code>SearchValues&lt;T&gt;</code> is to shift the precomputation burden upfront so the runtime doesn't have to recalculate every time a search is performed. Understanding underlying architectural workings like vectorization allows developers to choose APIs that fit the data characteristics, whether dense or sparse patterns, significantly impacting overall application performance.</p></div><p>Another crucial point developers must be extremely careful about is the cost of object creation. If <code>SearchValues</code> is newly created inside a method every time it is called instead of being stored in a <code>static readonly</code> variable, test results with a million short lines of data paint a clear picture:</p><ul><li><strong>Static SearchValues:</strong> Takes 25.1 milliseconds</li><li><strong>SearchValues per call:</strong> Takes 70.2 milliseconds</li></ul><p>Creating a new object per single call drops performance by nearly three times, making it even slower than not using it at all. If not declared as a static variable, we are essentially writing code that slows down the system unnecessarily.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/searchvalues_t_net_8_ms0mcxcb_inline_2_cfa411f7e9.jpg" alt="software developer debugging" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Illustration from stock photo library, not an actual photo from the event</p></div><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/ssukhpinder/when-searchvalues-actually-pays-off-310l" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_searchvalues-t-net-8-ms0mcxcb.jpg

small_searchvalues-t-net-8-ms0mcxcb.jpg

thumbnail_searchvalues-t-net-8-ms0mcxcb.jpg

searchvalues-t-net-8-ms0mcxcb.jpg

นักพัฒนาแชร์ผลทดสอบจริงหลังใช้งาน SearchValues<T> เผยตัวเลขประสิทธิภาพที่ต่างกันลิบลับระหว่างการตั้งค่าแบบ Static และการสร้างใหม่ทุกครั้งที่เรียกใช้งาน

Developer shares real benchmark results after using SearchValues<T>, revealing stark performance differences between Static setup and recreation on every call.

เจาะลึก SearchValues<T> ใน .NET 8 เมื่อไหร่ควรใช้และเมื่อไหร่ควรหลีกเลี่ยง

Deep Dive into SearchValues<T> in .NET 8: When to Use and When to Avoid

<div class="key-takeaways"><ul><li>นักพัฒนาหน้าบ้านที่เซินเจิ้นสร้าง Froging AI ด้วย Next.js</li><li>ระบบเลือกผู้ให้บริการ AI อัตโนมัติเพื่อความคุ้มค่าและรวดเร็ว</li><li>ได้รับเงินรายได้แรกมูลค่า 4.99 ดอลลาร์สหรัฐผ่านแพลตฟอร์ม Creem</li></ul></div><p>นักพัฒนาซอฟต์แวร์ฝั่งหน้าบ้านรายหนึ่งซึ่งทำงานประจำอยู่ที่ธนาคารในเมืองเซินเจิ้น ได้ใช้เวลาว่างยามค่ำคืนในการพัฒนาโปรเจกต์ที่มีชื่อว่า Froging AI ซึ่งเป็นเครื่องมือสร้างวิดีโอด้วยปัญญาประดิษฐ์ที่สามารถแปรรูปภาพถ่ายและข้อความให้กลายเป็นคลิปวิดีโอได้ภายในเวลาไม่กี่นาที หลังจากใช้เวลาเริ่มต้นเรียนรู้เกี่ยวกับ API ของวิดีโอ AI และลงมือสร้างระบบ ในที่สุดเขาก็สามารถปิดการขายลูกค้ารายแรกได้สำเร็จภายในระยะเวลาเพียงสามเดือน</p><p>สำหรับเทคโนโลยีเบื้องหลังที่เลือกใช้ในการพัฒนา เจ้าของโปรเจกต์ตัดสินใจเลือกใช้ Next.js API routes เนื่องจากมีความคุ้นเคยกับภาษา JavaScript และไม่ต้องการยุ่งยากกับการเรียนรู้ระบบการปรับใช้งานใหม่ โดยฟีเจอร์หลักของระบบแบ่งออกเป็นการแปลงภาพเป็นวิดีโอที่ผู้ใช้สามารถอัปโหลดภาพพร้อมใส่ข้อความสั่งการเพื่อสร้างคลิปสั้น และการแปลงข้อความบรรยายฉากให้กลายเป็นวิดีโอโดยไม่ต้องพึ่งพากล้องหรือโปรแกรมตัดต่อ</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_3_ms0mcgqw_inline_1_7e00b76d42.jpg" alt="nextjs code editor screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">$4.99</span><span class="stat-label">ยอดเงินจากลูกค้ารายแรกแพ็กเกจ Starter</span></div><div class="stat-item"><span class="stat-number">3</span><span class="stat-label">ระยะเวลาเป็นเดือนก่อนได้ลูกค้ารายแรก</span></div></div><p>ระบบภายในของ Froging AI จะทำการกระจายคำขอไปยังผู้ให้บริการหลายรายโดยอัตโนมัติขึ้นอยู่กับความพร้อมและต้นทุนของโมเดลนั้นๆ เช่น การใช้โมเดลโอเพนซอร์สอย่าง Wan-2.1 ผ่าน Replicate สำหรับการทดลองต้นทุนต่ำ ไปจนถึงการใช้งาน Minimax และ 海螺AI สำหรับผลลัพธ์คุณภาพสูง โดยผู้ใช้งานไม่ต้องเป็นผู้เลือกโมเดลด้วยตนเอง ระบบจะทำการปรับแต่งเพื่อความเร็วและคุณภาพให้โดยอัตโนมัติ</p><div class="ai-insight"><p>การตัดสินใจใช้ Next.js แทนที่จะเป็น Python แสดงให้เห็นถึงแนวคิดการเลือกใช้เครื่องมือที่ตนเองถนัดเพื่อลดเวลาเรียนรู้และส่งมอบผลิตภัณฑ์ให้รวดเร็วที่สุด (Ship Fast) ซึ่งเป็นกลยุทธ์สำคัญสำหรับนักพัฒนาคนเดียว (Indie Hacker) ที่มีเวลาจำกัด นอกจากนี้ การทำระบบชำระเงินให้เสร็จเร็วตั้งแต่ช่วงแรกยังช่วยเปลี่ยนผ่านมุมมองจากการทำเล่นๆ ให้กลายเป็นโมเดลธุรกิจจริงจังได้ทันที</p></div><p>จุดเปลี่ยนสำคัญเกิดขึ้นในวันที่ 13 กรกฎาคม เมื่อเขาได้รับอีเมลแจ้งเตือนการชำระเงินจำนวน 4.99 ดอลลาร์สหรัฐจากแพลตฟอร์ม Creem สำหรับการซื้อแพ็กเกจ Starter โดยผู้ใช้รายนี้เดินทางมาจากการค้นหาแบบธรรมชาติผ่านการเขียนบล็อกและการส่งลิงก์ไปยังไดเรกทอรี AI ต่างๆ โดยไม่มีการยิงโฆษณาเสียเงินแต่อย่างใด หลังจากเผชิญปัญหาการเผาผลาญงบประมาณไปกับ Google Ads ที่ไม่มีการแปลงคำสั่งซื้อ เขาจึงหันมาเน้นการทำ SEO ระยะยาวแทน</p><blockquote class="pull-quote"><p>"Before that, I was optimizing SEO, tweaking landing page colors, and watching Google Analytics like a hawk. After that, I realized: the only metric that matters is whether someone is willing to pay."</p><cite>Jaspersmith</cite></blockquote><p>บทเรียนสำคัญจากการพัฒนาโปรเจกต์นี้คือการลดทอนขอบเขตของผลิตภัณฑ์ จากเดิมที่วางแผนสร้างชุดเครื่องมือสร้างสรรค์ AI ครบวงจร ทั้งการสร้างภาพ สร้างวิดีโอ และเครื่องมือตัดต่อ เขาตัดสินใจตัดทอนเหลือเพียงฟังก์ชันวิดีโออย่างเดียว เพื่อให้สามารถปล่อยผลิตภัณฑ์ออกสู่ตลาดได้เร็วยิ่งขึ้น แทนที่จะต้องรอให้วิสัยทัศน์ทั้งหมดสมบูรณ์แบบซึ่งอาจทำให้ต้องใช้เวลาเขียนโค้ดยาวนานกว่าเดิม</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/jaspersmith/i-built-an-ai-video-generator-with-nextjs-and-got-my-first-paid-user-in-3-months-23kd" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Shenzhen-based front-end developer builds Froging AI using Next.js</li><li>Automated routing system selects AI providers for cost-efficiency and speed</li><li>Earns first revenue of $4.99 USD through the Creem platform</li></ul></div><p>A front-end software developer working full-time at a bank in Shenzhen spent his quiet nights developing a project called Froging AI, an artificial intelligence video generation tool that transforms photos and text into video clips in just a matter of minutes. After spending his initial time learning about AI video APIs and building the system, he finally managed to close his first customer within a span of just three months.</p><p>As for the underlying technology chosen for development, the project owner decided to use Next.js API routes due to his familiarity with JavaScript and a desire to avoid the hassle of learning a new deployment system. The system's main features are divided into image-to-video, where users can upload an image along with a prompt to generate a short clip, and scene description text-to-video, eliminating the need for cameras or editing software.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_3_ms0mcgqw_inline_1_7e00b76d42.jpg" alt="nextjs code editor screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Illustration image from stock photo library, not from actual events</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">$4.99</span><span class="stat-label">Revenue from the first Starter package customer</span></div><div class="stat-item"><span class="stat-number">3</span><span class="stat-label">Duration in months before securing the first customer</span></div></div><p>Froging AI's internal system automatically routes requests to multiple providers based on the readiness and cost of each model, such as using open-source models like Wan-2.1 via Replicate for low-cost experimentation, up to utilizing Minimax and 海螺AI for high-quality results. Users do not need to choose the model themselves; the system automatically adjusts for speed and quality.</p><div class="ai-insight"><p>The decision to use Next.js instead of Python demonstrates the mindset of choosing familiar tools to minimize learning curves and ship products as fast as possible, which is a crucial strategy for solo developers (indie hackers) with limited time. Furthermore, implementing the payment system early on quickly shifted the perspective from a casual side project into a serious business model.</p></div><p>A major turning point occurred on July 13 when he received a payment notification email for $4.99 USD from the Creem platform for the purchase of a Starter package. This user came from organic search traffic through blog writing and submitting links to various AI directories, without any paid advertising. After facing the issue of burning budget on Google Ads with no conversions, he pivoted to focusing on long-term SEO instead.</p><blockquote class="pull-quote"><p>"Before that, I was optimizing SEO, tweaking landing page colors, and watching Google Analytics like a hawk. After that, I realized: the only metric that matters is whether someone is willing to pay."</p><cite>Jaspersmith</cite></blockquote><p>A key lesson from developing this project was narrowing the product scope. Instead of his original plan to build an all-in-one suite of AI creative tools—including image generation, video creation, and editing tools—he decided to trim it down to just the video function. This allowed him to release the product to market much faster rather than waiting for the entire vision to be perfect, which would have taken a much longer coding time.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/jaspersmith/i-built-an-ai-video-generator-with-nextjs-and-got-my-first-paid-user-in-3-months-23kd" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_ai-3-ms0mcgqw.jpg

small_ai-3-ms0mcgqw.jpg

thumbnail_ai-3-ms0mcgqw.jpg

ai-3-ms0mcgqw.jpg

เบื้องหลังการสร้าง Froging AI ด้วย Next.js และการเปลี่ยนผ่านจากงานอดิเรกสู่ธุรกิจซอฟต์แวร์แบบบริการ

The story behind building Froging AI with Next.js and transitioning from a hobby to a SaaS business

นักพัฒนาหน้าบ้านสร้างเครื่องมือวิดีโอ AI คว้าลูกค้ารายแรกใน 3 เดือน

Front-End Developer Builds AI Video Tool, Lands First Customer in 3 Months

<div class="key-takeaways"><ul><li>DeepDoc เป็นเครื่องมือสกัดข้อความจากเอกสารรองรับ 13 รูปแบบ เป็นไฟล์ไบนารีเดี่ยวด้วยภาษา Rust</li><li>ทำงานแบบออฟไลน์ 100% ไม่ส่งข้อมูลขึ้นคลาวด์ ไม่ต้องใช้ JVM และไม่มีการดาวน์โหลดโมเดล ML</li><li>แปลงเอกสารตระกูล docx, pptx, xlsx, pdf และอื่นๆ ให้กลายเป็น Markdown ได้อย่างแม่นยำ</li><li>เน้นการรักษาโครงสร้างหัวข้อ (Heading path) และการแบ่งส่วนข้อมูล (Chunking) เพื่อระบบ RAG</li></ul></div><p>การสร้างระบบ RAG (Retrieval-Augmented Generation) หรือฟีเจอร์ค้นหาข้อมูลในเอกสาร มักจะเริ่มต้นด้วยปัญหาเดิมๆ คือการแปลงไฟล์ตระกูล docx, pdf และ pptx ให้กลายเป็นข้อความที่สะอาด โดยมีข้อจำกัดที่เข้มงวดในองค์กรหลายแห่งคือ เอกสารห้ามออกนอกเครื่องคอมพิวเตอร์เด็ดขาด</p><p>หากสำรวจเครื่องมือที่มีอยู่เดิมในตลาด จะพบข้อจำกัดที่แตกต่างกันออกไป:</p><ul><li><strong>Apache Tika:</strong> มาตรฐานดั้งเดิมที่ใช้งานได้ดี แต่อยู่บนพื้นฐานของ JVM ทำให้ต้องแบกภาระเรื่องการจัดการหน่วยความจำและเพิ่มขนาดในคอนเทนเนอร์</li><li><strong>Python Stacks (เช่น Unstructured, Docling, MarkItDown):</strong> นิยมใช้ในบทสอน RAG แต่ต้องติดตั้งผ่าน pip มีการดาวน์โหลดโมเดล ML และทำงานช้าสำหรับการประมวลผลไฟล์ดิจิทัลปกติ</li><li><strong>Cloud Parsers (เช่น LlamaParse):</strong> สะดวกในการเริ่มต้น แต่ต้องอัปโหลดข้อมูลส่วนตัวขึ้นเซิร์ฟเวอร์ภายนอกและคิดค่าใช้จ่ายตามจำนวนหน้า ซึ่งไม่ตอบโจทย์องค์กรประเภทธนาคาร โรงพยาบาล หรือบริษัทกฎหมายที่มีสภาพแวดล้อมแบบ air-gapped</li></ul><p>แนวทางของ DeepDoc จึงถูกพัฒนาขึ้นมาเพื่อแก้ปัญหานี้โดยเฉพาะ ด้วยการเป็นไฟล์ไบนารี Rust แบบสแตติกไฟล์เดียว ไม่มี JVM ไม่มี Python ไม่ต้องดาวน์โหลดโมเดล และไม่มีการเชื่อมต่อเครือข่าย ให้ผลลัพธ์ที่เหมือนเดิมทุกครั้งเมื่อป้อนข้อมูลชุดเดิม</p><div class="ai-insight"><p>ระบบ RAG ในปัจจุบันมักประสบปัญหาความซับซ้อนในการติดตั้งไลบรารีขนาดใหญ่และการจัดการความปลอดภัยของข้อมูล เครื่องมือที่พัฒนาด้วยภาษา Rust จึงกลายเป็นทางเลือกที่น่าสนใจสำหรับนักพัฒนาที่ต้องการความเร็ว ประสิทธิภาพสูง และควบคุมความปลอดภัยของข้อมูลได้แบบเบ็ดเสร็จบนเครื่องโลคัล</p></div><p>ในเวอร์ชัน v0.1 รองรับการแปลงเอกสาร born-digital ทั้งหมด 13 รูปแบบ ได้แก่ <code>docx</code>, <code>pptx</code>, <code>xlsx</code>, <code>odt</code>, <code>ods</code>, <code>odp</code>, <code>epub</code>, <code>html</code>, <code>rtf</code>, <code>csv</code>, <code>md</code>, <code>txt</code> และ text-based <code>pdf</code> โดยสามารถสั่งงานผ่าน CLI เพื่อสแกนโฟลเดอร์แบบเรกูร์ซีฟได้ทันที</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/deepdoc_rag_air_gapped_rust_ms09du36_inline_1_c03dd78a48.jpg" alt="command line terminal interface data processing" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ในแง่ของการทำ RAG การแบ่งส่วนข้อมูล (Chunking) ทั่วไปมักจะตัดตามจำนวนตัวอักษรและทำให้สูญเสียบริบท แต่ DeepDoc จะทำการวิเคราะห์โครงสร้างก่อน แล้วจึงแบ่งตามขอบเขตบล็อกพร้อมกับเก็บเส้นทางหัวข้อ (Heading path) และช่วงไบต์ (Byte range) ของแต่ละส่วนไว้ด้วย</p><p>อย่างไรก็ตาม ผู้พัฒนาได้ระบุอย่างชัดเจนว่า DeepDoc v0.1 ยังไม่ใช่เครื่องมือ OCR สำหรับแปลงไฟล์ PDF ที่เป็นรูปภาพสแกน หากพบไฟล์ที่เป็นภาพล้วน ระบบจะแจ้งเตือนด้วยโค้ด 4 ทันทีเพื่อป้องกันการส่งข้อมูลขยะเข้าสู่ดัชนี RAG โดยฟีเจอร์ OCR ถูกวางแผนไว้เป็นตัวเลือกเสริมในอนาคต</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/alexpua/parsing-documents-for-air-gapped-rag-no-cloud-no-jvm-no-python-3a13" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>DeepDoc is a single-binary document text extraction tool supporting 13 formats, built with Rust.</li><li>It operates 100% offline with zero cloud data uploads, no JVM required, and no ML model downloads.</li><li>It accurately converts docx, pptx, xlsx, pdf, and other document families into Markdown.</li><li>It focuses on preserving heading paths and data chunking optimized for RAG systems.</li></ul></div><p>Building a RAG (Retrieval-Augmented Generation) system or document search feature often starts with the same old problem: converting docx, pdf, and pptx files into clean text, all under a strict constraint common in many organizations where documents must never leave the local machine.</p><p>Reviewing existing tools in the market reveals various distinct limitations:</p><ul><li><strong>Apache Tika:</strong> A traditional standard that works well, but runs on the JVM, introducing memory management overhead and larger container image sizes.</li><li><strong>Python Stacks (e.g., Unstructured, Docling, MarkItDown):</strong> Popular in RAG tutorials, but require pip installation, download ML models, and run slowly for standard digital file processing.</li><li><strong>Cloud Parsers (e.g., LlamaParse):</strong> Convenient for getting started, but require uploading private data to external servers and charge per page, which fails to meet the needs of organizations like banks, hospitals, or law firms operating in air-gapped environments.</li></ul><p>DeepDoc's approach was specifically developed to solve this problem by offering a single static Rust binary with no JVM, no Python, no model downloads, and zero network connections, delivering deterministic results every time the same dataset is inputted.</p><div class="ai-insight"><p>Modern RAG systems frequently struggle with the complexity of installing massive libraries and managing data security. Tools developed in Rust are emerging as an appealing choice for developers seeking speed, high performance, and complete control over data security directly on local machines.</p><p>In version v0.1, it supports the conversion of 13 born-digital document formats, including <code>docx</code>, <code>pptx</code>, <code>xlsx</code>, <code>odt</code>, <code>ods</code>, <code>odp</code>, <code>epub</code>, <code>html</code>, <code>rtf</code>, <code>csv</code>, <code>md</code>, <code>txt</code>, and text-based <code>pdf</code>, with CLI commands available to instantly scan folders recursively.</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/deepdoc_rag_air_gapped_rust_ms09du36_inline_1_c03dd78a48.jpg" alt="command line terminal interface data processing" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock illustration, not from an actual event</p></div><p>Regarding RAG implementation, standard chunking typically splits text by character count and causes a loss of context, but DeepDoc analyzes the document structure first and then splits it along block boundaries while retaining the heading path and byte range for each segment.</p><p>However, the developer clearly notes that DeepDoc v0.1 is not yet an OCR tool for parsing scanned image-based PDFs. If pure image files are encountered, the system will immediately return error code 4 to prevent garbage data from entering the RAG index, with OCR features planned as an optional add-on in the future.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/alexpua/parsing-documents-for-air-gapped-rag-no-cloud-no-jvm-no-python-3a13" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_deepdoc-rag-air-gapped-rust-ms09du36.jpg

small_deepdoc-rag-air-gapped-rust-ms09du36.jpg

thumbnail_deepdoc-rag-air-gapped-rust-ms09du36.jpg

deepdoc-rag-air-gapped-rust-ms09du36.jpg

เปิดตัว DeepDoc เครื่องมือสกัดข้อความจากเอกสาร 13 รูปแบบในไฟล์ไบนารีเดียวด้วยภาษา Rust ออกแบบมาเพื่อระบบ RAG แบบออฟไลน์โดยไม่ต้องพึ่งพา Cloud หรือ Python

Introducing DeepDoc, a text extraction tool for 13 document formats packed into a single binary using Rust, designed for offline RAG systems without cloud or Python dependencies.

DeepDoc เครื่องมือแปลงไฟล์เอกสารสำหรับ RAG แบบ Air-gapped ด้วย Rust

DeepDoc: A Document Parsing Tool for Air-gapped RAG Built with Rust

<div class="key-takeaways"><ul><li>การส่งฟีเจอร์ LLM แบบรวม PR แล้วตรวจทานแบบผิวเผินทำให้ระบบไร้เกณฑ์ควบคุม</li><li>APRF (AI Production Readiness Framework) ไม่ใช่คะแนนประเมิน 0-100 แต่เป็นระบบผ่าน/ไม่ผ่านเด็ดขาด</li><li>เวอร์ชัน v0.10 มาพร้อม 8 โดเมน 27 เสาหลัก และเกณฑ์ 40 ข้อสำหรับ Core Profile</li><li>รองรับการทำ CI ด้วยไฟล์ YAML และนโยบายที่ตรวจสอบได้แบบอัตโนมัติ</li></ul></div><p>การนำฟีเจอร์ AI หรือ Large Language Model ออกสู่ระบบจริง มักถูกปฏิบัติราวกับการปล่อยหน้าเว็บเพจธรรมดา เพียงแค่รวม Pull Request ดูการเดโม แล้วก็ฉลองกัน แต่ในความเป็นจริง ความล้มเหลวของระบบไม่ได้เกิดจากตัวโมเดลไม่ฉลาดพอ หากแต่เกิดจากการที่ระบบโปรดักชันไม่มีเกณฑ์ควบคุมที่รัดกุมเพียงพอในการใช้งานจริง</p><p>มาตรฐานที่มีอยู่เดิมอย่าง NIST AI RMF, ISO/IEC 42001 หรือ SOC 2 อาจมีประโยชน์และจำเป็นในแง่ของการประเมินความเสี่ยงและการจัดการระบบ แต่มันยังคงไม่เพียงพอสำหรับวิศวกรที่ต้องดูแลระบบหน้างาน คำถามสำคัญที่แท้จริงคือแอปพลิเคชัน AI นี้จะสามารถทำงานในโปรดักชันได้อย่างปลอดภัยหรือไม่</p><div class="ai-insight"><p>ในมุมมองของการพัฒนาซอฟต์แวร์สมัยใหม่ การปฏิบัติต่อ AI เหมือนซอฟต์แวร์ทั่วไปเป็นอันตรายเนื่องจากพฤติกรรมของโมเดลมีความไม่แน่นอนสูง (Non-deterministic) เฟรมเวิร์กเช่น APRF จึงเข้ามาช่วยอุดช่องว่างด้วยการบังคับใช้กฎแบบ Hard Gate ในกระบวนการ CI/CD แทนที่จะใช้การประเมินด้วยความรู้สึกหรือเกณฑ์เฉลี่ยที่มักถูกมองข้าม</p></div><p>นี่จึงเป็นที่มาของ AI Production Readiness Framework หรือ APRF ซึ่งจัดทำโดย StackRail ในฐานะร่างมาตรฐานที่เป็นกลางทางผู้ให้บริการ โดยตัวเฟรมเวิร์กนี้ไม่ใช่การรับรองมาตรฐาน ไม่ใช่เครือข่ายพันธมิตร และไม่ใช่คะแนนความพร้อมตั้งแต่ 0 ถึง 100 ที่นำไปใส่ไว้ในรายงานบอร์ดบริหาร แต่มันคือวิธีการที่มีเกณฑ์กั้นแบบเด็ดขาด</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_aprf_llm_ms09den9_inline_1_0cabe46271.jpg" alt="ai workflow pipeline diagram architecture" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>หลักการทำงานของ APRF จะไม่มีการใช้คะแนนเฉลี่ยเพื่อกลบเกลื่อนจุดบกพร่อง โดยคะแนนความสามารถจะคิดจากค่าต่ำสุดของทุกเสาหลัก (Weakest pillar wins) และหากการตรวจสอบแบบบังคับ (Mandatory checks) มีข้อใดข้อหนึ่งไม่ผ่าน ระบบจะบล็อกการเผยแพรทันที โดยในเวอร์ชัน v0.10 มีรายละเอียดโครงสร้างประกอบด้วย:</p><ul><li>8 โดเมนหลัก ได้แก่ ความปลอดภัย ความปลอดภัยทั่วไป ข้อมูล วงจรชีวิตโมเดล เอเจนต์ ความน่าเชื่อถือ ต้นทุน และธรรมาภิบาล</li><li>27 เสาหลัก ควบคุมเฉพาะจุดในแต่ละโดเมน</li><li>Core Profile จำนวน 40 เกณฑ์ สำหรับระบบ AI ที่ลูกค่้าใช้งานระดับ Tier-2</li><li>Regulated Profile จำนวน 61 เกณฑ์ สำหรับระบบควบคุมพิเศษหรือ Tier-3</li></ul><p>สำหรับการใช้งานจริงในสัปดาห์นี้ นักพัฒนาสามารถจำกัดสิทธิ์เครื่องมือของเอเจนต์และผสานนโยบายผ่านไฟล์ YAML เช่นการกำหนดขอบเขตฟังก์ชันความเสี่ยงสูงอย่าง <code>update_crm_contact</code>, <code>refund_order</code> หรือ <code>shell_exec</code> ให้ต้องผ่านกระบวนการอนุมัติก่อนเสมอ รวมถึงการใช้งานร่วมกับ GitHub Actions เพื่อสั่งล้มเลิกการปล่อยระบบ (Fail the release) ทันทีหากไม่ผ่านเกณฑ์การตรวจสอบของ APRF เวอร์ชัน 0.10.0</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/prasoonanand/your-ai-is-in-production-that-doesnt-mean-its-production-ready-3ka" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Deploying LLM features via merged PRs and casual reviews leaves systems without proper controls.</li><li>The APRF (AI Production Readiness Framework) is not a 0-100 scoring system, but a strict pass/fail gate.</li><li>Version v0.10 comes with 8 domains, 27 pillars, and 40 criteria for the Core Profile.</li><li>Supports CI integration via YAML files and automated policy checks.</li></ul></div><p>Bringing AI or Large Language Model features into production is often treated just like releasing a regular web page—simply merging a Pull Request, watching a demo, and celebrating. In reality, system failures do not stem from the model not being smart enough, but from production systems lacking sufficiently strict controls for real-world usage.</p><p>Existing standards like NIST AI RMF, ISO/IEC 42001, or SOC 2 may be useful and necessary for risk assessment and system management, but they still fall short for engineers operating systems on the front lines. The real critical question is whether this AI application can run safely in production.</p><div class="ai-insight"><p>From the perspective of modern software development, treating AI like traditional software is dangerous due to the high non-determinism of model behavior. Frameworks like APRF bridge this gap by enforcing hard gates within the CI/CD pipeline, rather than relying on subjective assessments or averaged criteria that are often overlooked.</p></div><p>This is the origin of the AI Production Readiness Framework (APRF), created by StackRail as a vendor-neutral draft standard. This framework is not a certification standard, not an alliance network, and not a readiness score from 0 to 100 to put in an executive board report. Instead, it is a methodology featuring strict blocking criteria.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_aprf_llm_ms09den9_inline_1_0cabe46271.jpg" alt="ai workflow pipeline diagram architecture" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo illustration, not from an actual event</p></div><p>The working principle of APRF does not use average scores to gloss over flaws. Capability scores are determined by the lowest value across all pillars (weakest pillar wins), and if any mandatory check fails, the system immediately blocks the release. Version v0.10 includes the following structural details:</p><ul><li>8 core domains: Security, Safety, Data, Model Lifecycle, Agents, Reliability, Cost, and Governance.</li><li>27 pillars controlling specific points within each domain.</li><li>40 Core Profile criteria for Tier-2 customer-facing AI systems.</li><li>61 Regulated Profile criteria for special control or Tier-3 systems.</li></ul><p>For practical implementation this week, developers can restrict agent tools and integrate policies via YAML files—such as defining boundaries for high-risk functions like <code>update_crm_contact</code>, <code>refund_order</code>, or <code>shell_exec</code> to always require an approval process—as well as combining this with GitHub Actions to immediately fail the release if it does not pass the checks of APRF version 0.10.0.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/prasoonanand/your-ai-is-in-production-that-doesnt-mean-its-production-ready-3ka" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_ai-aprf-llm-ms09den9.jpg

small_ai-aprf-llm-ms09den9.jpg

thumbnail_ai-aprf-llm-ms09den9.jpg

ai-aprf-llm-ms09den9.jpg

หลายทีมยังส่งฟีเจอร์ LLM ขึ้นโปรดักชันด้วยวิธีเดียวกับหน้าเว็บแลนดิ้งเพจ พร้อมแนะนำ AI Production Readiness Framework (APRF) ทางออกที่จะทำให้วิศวกรนอนหลับได้สนิทขึ้น

Many teams still push LLM features to production the exact same way as a landing page. Introducing the AI Production Readiness Framework (APRF), the solution to help engineers sleep better at night.

เลิกมอง AI เหมือนหน้าเว็บ! เจาะลึก APRF เฟรมเวิร์กบล็อกการปล่อยระบบ LLM ที่ยังไม่พร้อม

Stop treating AI like a webpage! A deep dive into APRF, the gatekeeping framework for unready LLM deployments

<p>ข่าวสารสำหรับนักพัฒนา เทคนิคการเขียนโปรแกรม และเทรนด์ในวงการซอฟต์แวร์</p>

Inewgen

Inewgen

Developer

Building my first MCP server: Spain's weather API and its two-step catch

Inewgen

Yelp's OpenAI Agreement Sets Up ChatGPT Local Discovery With Reviews and Business Data

Inewgen

Replicating Anthropic's Vision-Only Pokémon Run in Fable 5 and Reading Its Thinking Chains

Inewgen

Elevating Bug Writing with AI: A Look at Claude Code's New Skill for Generating Bug Reports from Real Evidence

Inewgen

Deep Dive into SearchValues<T> in .NET 8: When to Use and When to Avoid

Inewgen

Front-End Developer Builds AI Video Tool, Lands First Customer in 3 Months

Inewgen

DeepDoc: A Document Parsing Tool for Air-gapped RAG Built with Rust

Inewgen

Stop treating AI like a webpage! A deep dive into APRF, the gatekeeping framework for unready LLM deployments

Inewgen

Popular Category