<div class="key-takeaways"><ul><li>เริ่มต้นด้วย Prompt Engineering เสมอเพราะประหยัดและรวดเร็ว</li><li>Fine-Tuning เหมาะเมื่อพร้อมท์ถึงทางตันและมีข้อมูลจริงเฉพาะทาง</li><li>การปรับแต่งพร้อมท์คือการเปลี่ยนอินพุตโดยไม่แก้ค่าน้ำหนักโมเดล</li><li>การเทรนโมเดลช่วยให้พฤติกรรมโมเดลเปลี่ยนไปโดยไม่ต้องสั่งซ้ำ</li></ul></div><p>ทีมพัฒนาแอปพลิเคชันที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่หรือ LLM มักจะเริ่มต้นเส้นทางในลักษณะเดียวกัน นั่นคือการเขียนระบบพร้อมท์ ทดสอบกับตัวอย่างจำนวนหนึ่ง แล้วจึงนำไปใช้งานจริง เนื่องจาก Prompt Engineering มีต้นทุนต่ำ ดำเนินการได้อย่างรวดเร็ว และสามารถแก้ไขย้อนกลับได้ง่าย ในอดีตการ Fine-Tuning หรือการปรับจูนโมเดลเป็นทางเลือกสำหรับทีมที่มีงบประมาณด้านจีพียูและมีท่อส่งข้อมูลสำหรับการเทรนโดยเฉพาะ แม้ว่าสถานการณ์ปัจจุบันจะเปลี่ยนไปแล้ว แต่ลำดับขั้นตอนการทำงานยังคงเหมือนเดิม</p><p>เทคนิคทั้งสองแบบทำหน้าที่ควบคุมพฤติกรรมของโมเดลเหมือนกัน แต่มีความแตกต่างกันอย่างสิ้นเชิง โดยการทำ Prompting เป็นการปรับเปลี่ยนสิ่งที่คุณป้อนเข้าไปในโมเดล ส่วน Fine-Tuning คือการปรับเปลี่ยนตัวโมเดลเอง</p><p>การทำ Prompt Engineering หมายถึงการแก้ไขสิ่งที่เข้าสู่หน้าต่างบริบท (Context Window) โดยไม่มีการปรับค่าน้ำหนัก (Weights) ของโมเดล สิ่งที่คุณทำคือการเปลี่ยนอินพุตและอ่านเอาต์พุตที่ได้ออกมา</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/prompt_engineering_fine_tuning_mtsxclbk_inline_1_9f4da2c0d3.jpg" alt="software developer coding screen notebook computer office desk no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สำหรับตัวแทน AI หรือ Agent ที่สร้างขึ้นมาใหม่ การเริ่มต้นด้วยวิธีนี้เกือบจะเป็นแนวทางที่ถูกต้องที่สุดเสมอ คุณจะได้เรียนรู้ความสามารถที่แท้จริงของโมเดลก่อนที่จะเสียเงินลงทุนไปกับการเทรน และพฤติกรรมส่วนใหญ่ที่คุณต้องการปรับเปลี่ยนก็สามารถทำได้ด้วยพร้อมท์เช่นกัน</p><div class="ai-insight"><p>การเลือกใช้เทคนิคทั้งสองอย่างนี้ไม่ใช่การตัดสินใจเพียงครั้งเดียวจบ แต่เป็นวัฏจักรที่ต้องทำวนซ้ำ นักพัฒนาควรอยู่ในโหมด Prompt Engineering ไปเรื่อยๆ จนกว่าเส้นกราฟการประเมินผลจะเริ่มคงที่ (Flat) จากนั้นจึงค่อยพิจารณาว่ามีเงื่อนไขที่เหมาะสมสำหรับการ Fine-Tuning แล้วหรือยัง ซึ่งได้แก่การมีงานที่แคบและเจาะจง รวมถึงชุดข้อมูลจริงที่มีคุณภาพ</p></div><p>อย่างไรก็ตาม การทำ Prompting จะต้องเจอทางตันเข้าสักวันหนึ่ง และมักจะแสดงอาการออกมาตามลำดับที่คาดเดาได้ โดยจุดนั้นจะทำให้การทำพร้อมท์ไม่ได้มีราคาถูกอีกต่อไป เนื่องจากชั่วโมงการทำงานของวิศวกรถือเป็นต้นทุนที่มีมูลค่าสูงที่สุดในระบบ LLM และการเสียเวลาเป็นเดือนๆ เพื่อปรับแต่งพร้อมท์ที่หยุดพัฒนามาหลายสัปดาห์แล้วนั้นไม่ใช่เรื่องคุ้มค่า</p><p>ในทางตรงกันข้าม Fine-Tuning จะทำการอัปเดตค่าน้ำหนักของโมเดลจากตัวอย่างพฤติกรรมที่คุณต้องการ จนกระทั่งโมเดลสามารถแสดงพฤติกรรมนั้นได้เองเป็นค่าเริ่มต้นโดยไม่ต้องคอยบอกซ้ำๆ ในทุกครั้ง ซึ่งวิธีนี้จะคุ้มค่าที่จะลองก็ต่อเมื่อเงื่อนไขเฉพาะตัวต่างๆ ครบถ้วนสมบูรณ์</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/tyler007/prompt-engineering-vs-fine-tuning-which-one-do-you-need-9n" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Always start with prompt engineering for its low cost and speed</li><li>Use fine-tuning when prompting hits a plateau with real data ready</li><li>Prompt engineering modifies input without changing model weights</li><li>Fine-tuning alters the model itself for default target behaviors</li></ul></div><p>Most teams building applications powered by large language models follow the exact same path. They write a system prompt, test it against a few examples, and ship the product. Prompt engineering is inexpensive, fast, and fully reversible. While fine-tuning used to be restricted to teams with dedicated training pipelines and substantial GPU budgets, the order of operations remains unchanged.</p><p>Both techniques steer model behavior, but they operate differently. Prompting changes what you say to the model, whereas fine-tuning changes the model itself.</p><p>Prompt engineering involves editing what enters the context window without adjusting any of the model weights. You simply change the input and read the output.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/prompt_engineering_fine_tuning_mtsxclbk_inline_1_9f4da2c0d3.jpg" alt="software developer coding screen notebook computer office desk no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>For any new AI agent, prompt engineering is almost always the correct starting point. It allows you to learn what the model can already do before spending money on training, and it delivers most of the behavioral changes you might need.</p><div class="ai-insight"><p>This decision is not a one-off choice but an ongoing loop. You should remain in prompt-engineering mode until your evaluation curve flattens out, then check if you possess the two key requirements for fine-tuning: a narrow task and real data.</p><p>Prompting will eventually run out of road, with symptoms appearing in a predictable order. At that stage, prompting stops being cheap since engineering hours represent the most expensive line item in most LLM pipelines, making it easy to waste a month nudging a plateaued prompt.</p><p>Fine-tuning updates a model's weights based on examples of your desired behavior until the model executes it by default without requiring repeated instructions. It becomes worthwhile when specific task conditions are fully met.</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/tyler007/prompt-engineering-vs-fine-tuning-which-one-do-you-need-9n" target="_blank" rel="noopener noreferrer">Dev.to</a></p></div>

medium_prompt-engineering-หรือ-fine-tuning-เลือกแบบไหนดี-mtsxclbk.jpg

small_prompt-engineering-หรือ-fine-tuning-เลือกแบบไหนดี-mtsxclbk.jpg

thumbnail_prompt-engineering-หรือ-fine-tuning-เลือกแบบไหนดี-mtsxclbk.jpg

prompt-engineering-หรือ-fine-tuning-เลือกแบบไหนดี-mtsxclbk.jpg

เจาะลึกวิธีตัดสินใจระหว่างการปรับแต่งพร้อมท์และการเทรนโมเดลภาษาขนาดใหญ่ (LLM) สำหรับทีมพัฒนา AI เพื่อประสิทธิภาพสูงสุดและประหยัดงบ

Discover when to use prompt engineering or model fine-tuning for your LLM applications to optimize performance and save development costs.

Prompt Engineering หรือ Fine-Tuning เลือกแบบไหนดี

Prompt Engineering vs Fine-Tuning: Which to Choose

<div class="key-takeaways"><ul><li>Poetry เป็นระบบจัดการแพ็กเกจแบบ opinionated สำหรับ Python</li><li>ช่วยจัดการ dependencies สร้างสภาพแวดล้อมแยก และแก้ปัญหาเวอร์ชันขัดแย้ง</li><li>ใช้คำสั่ง poetry new เพื่อสร้างโครงสร้างโปรเจกต์ใหม่</li><li>ใช้งานคำสั่ง poetry run เพื่อรันสคริปต์ในสภาพแวดล้อมเสมือนจริง</li></ul></div><p>Poetry ทำหน้าที่เป็นระบบจัดการแพ็กเกจที่มีรูปแบบเฉพาะตัวสำหรับโปรเจกต์ Python ช่วยให้นักพัฒนาสามารถจัดการสิ่งแวดล้อมและแพ็กเกจได้อย่างเป็นระเบียบ โดยคำสั่งเริ่มต้นสำหรับการติดตั้งคือ pip install poetry</p><p>การเริ่มต้นโปรเจกต์ใหม่ทำได้โดยเปิดเทอร์มินัลหรือคอมมานด์พรอมต์ ไปยังไดเรกทอรีที่ต้องการ แล้วรันคำสั่ง poetry new my_project ซึ่งระบบจะสร้างโครงสร้างโฟลเดอร์อัตโนมัติประกอบด้วยไฟล์ pyproject.toml และโฟลเดอร์ src ภายในมีไฟล์ __init__.py และ main.py</p><div class="ai-insight"><p>การใช้เครื่องมือจัดการแพ็กเกจอย่าง Poetry ช่วยลดปัญหาความยุ่งยากเรื่องการชนกันของเวอร์ชันไลบรารี ซึ่งมักเกิดขึ้นบ่อยในโปรเจกต์ Python ขนาดใหญ่ การแยกระบบ virtual environment ออกมาช่วยให้มั่นใจได้ว่าโค้ดจะทำงานภายใต้สภาพแวดล้อมที่สะอาดและเสถียรเสมอ</p></div><p>สำหรับการจัดการ dependencies สามารถทำได้ผ่านหลายคำสั่งหลัก:</p><ul><li><strong>เพิ่ม dependency:</strong> poetry add requests</li><li><strong>ดูรายการแพ็กเกจที่ติดตั้ง:</strong> poetry show</li><li><strong>อัปเดต dependency:</strong> poetry update requests</li><li><strong>ลบ dependency:</strong> poetry remove requests</li></ul><p>ในส่วนของการจัดการสภาพแวดล้อมเสมือนจริง (Virtual Environments) สามารถเปิดใช้งานได้ด้วยคำสั่ง poetry shell และหากต้องการปิดการทำงานให้พิมพ์ exit ในเชลล์ที่เปิดอยู่</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/poetry_python_mtsxbrqs_inline_1_82e74a4c45.jpg" alt="python programming code screen display" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>นอกจากนี้ยังสามารถรันสคริปต์ภายในสภาพแวดล้อมที่จัดการโดย Poetry ได้โดยตรงผ่านคำสั่ง poetry run ซึ่งจะช่วยรันไฟล์ main.py ด้วยตัวแปลภาษา Python ของสภาพแวดล้อมเสมือนจริงนั้นทันที</p><p>สรุปได้ว่า Poetry เป็นเครื่องมือทรงพลังที่ช่วยลดความซับซ้อนในการจัดการโปรเจกต์ Python และช่วยให้นักพัฒนาทำงานได้อย่างมีประสิทธิภาพมากขึ้น</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/frorning/navigating-python-development-a-step-by-step-guide-to-using-poetry-14n3" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Poetry is an opinionated package management system for Python.</li><li>It helps manage dependencies, isolate environments, and resolve conflicts.</li><li>Use the poetry new command to initialize a structured project.</li><li>Execute scripts smoothly using the poetry run command.</li></ul></div><p>Poetry serves as an opinionated package management system designed specifically for Python projects. It streamlines development workflows, and installation can be initiated using the pip install poetry command.</p><p>Creating a new project starts by navigating to the desired directory in your terminal and executing poetry new my_project. This action generates a directory structure containing a pyproject.toml file alongside a src folder featuring __init__.py and main.py files.</p><div class="ai-insight"><p>Using a dedicated package manager like Poetry eliminates common version conflict headaches in Python development. By enforcing isolated virtual environments, developers can ensure that projects rely only on explicitly defined dependencies, improving reproducibility.</p><p>Dependency management within Poetry is handled through intuitive commands:</p></div><ul><li><strong>Add a Dependency:</strong> poetry add requests</li><li><strong>List Installed Dependencies:</strong> poetry show</li><li><strong>Update a Dependency:</strong> poetry update requests</li><li><strong>Remove a Dependency:</strong> poetry remove requests</li></ul><p>Managing virtual environments is equally straightforward. Running poetry shell activates the project's dedicated environment, while typing exit closes the active shell session.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/poetry_python_mtsxbrqs_inline_1_82e74a4c45.jpg" alt="python programming code screen display" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Running scripts inside the Poetry-managed environment is executed via the poetry run command, such as poetry run python src/my_project/main.py, which ensures execution happens using the correct virtual environment Python interpreter.</p><p>Ultimately, Poetry stands out as a robust tool that simplifies project maintenance, environment isolation, and dependency resolution for modern Python developers.</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/frorning/navigating-python-development-a-step-by-step-guide-to-using-poetry-14n3" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_เจาะลึกการใช้งาน-poetry-เครื่องมือจัดการแพ็กเกจ-python-mtsxbrqs.jpg

small_เจาะลึกการใช้งาน-poetry-เครื่องมือจัดการแพ็กเกจ-python-mtsxbrqs.jpg

thumbnail_เจาะลึกการใช้งาน-poetry-เครื่องมือจัดการแพ็กเกจ-python-mtsxbrqs.jpg

เจาะลึกการใช้งาน-poetry-เครื่องมือจัดการแพ็กเกจ-python-mtsxbrqs.jpg

คู่มือขั้นตอนการใช้งาน Poetry เครื่องมือจัดการแพ็กเกจและสภาพแวดล้อมเสมือนจริงสำหรับโปรเจกต์ Python ตั้งแต่การสร้างโปรเจกต์จนถึงการรันสคริปต์

Learn how to use Poetry, an opinionated package management tool for Python projects, covering dependency management, environments, and running scripts.

เจาะลึกการใช้งาน Poetry เครื่องมือจัดการแพ็กเกจ Python

A Step-by-Step Guide to Using Poetry for Python

<div class="key-takeaways"><ul><li>หลีกเลี่ยงการใช้ inline styles หรือคลาส CSS แบบเดิมในการควบคุมสถานะ</li><li>การใช้ naming convention เช่น is- หรือ has- มีความเปราะบางในระยะยาว</li><li>ไลบรารี quell-light.js นำเสนอการใช้ data-* attributes เช่น data-q-active เพื่อบอกสถานะอย่างชัดเจน</li><li>แยกการจัดการพฤติกรรมและสถานะออกจากรูปร่างหน้าตาที่ CSS ดูแลทั้งหมด</li></ul></div><p>เมื่อเราต้องการเปิดเมนูดรอปดาวน์ แสดงหน้าต่างโมดอล หรือระบุลิงก์เมนูนำทางที่ผู้ใช้งานกำลังเปิดดูอยู่ในปัจจุบัน วิธีการดั้งเดิมที่นักพัฒนาหลีกเลี่ยงกันแล้วคือการใช้คำสั่งควบคุมสไตล์ตรงๆ เช่น element.style.display = 'block' ซึ่งรวมตรรกะของสถานะและการแสดงผลไว้ในบรรทัดเดียวกัน ทางเลือกที่พบเห็นได้ทั่วไปในปัจจุบันจึงเป็นการสลับคลาส CSS แทน เช่น การใช้คำสั่ง classList.toggle('is-open') ซึ่งถือเป็นการยกระดับที่ดีขึ้น เนื่องจากเปิดให้ CSS เป็นผู้กำหนดหน้าตาของคลาส .is-open ทั้งหมด ขณะที่ JavaScript ทำหน้าที่เพียงสลับว่าคลาสนี้ควรปรากฏอยู่หรือไม่เท่านั้น</p><p>อย่างไรก็ตาม ปัญหาที่ซ่อนอยู่คือคลาส .is-open นั้นถูกดึงมาจากเนมสเปซเดียวกันกับฮุกสำหรับจัดแต่งสไตล์อื่นๆ ทั้งหมดในโค้ดเบส ไม่มีเครื่องหมายทางไวยากรณ์ใดที่บ่งบอกว่าคลาสนี้คือสถานะ (state) ไม่ใช่รูปแบบการแสดงผล (appearance) ส่งผลให้เพื่อนร่วมทีมในอนาคตไม่สามารถแยกแยะระหว่าง .is-open กับ .card-title ได้เลย เว้นแต่จะเข้าใจความหมายจากชื่อและเชื่อมั่นว่าข้อตกลงร่วมกันของทีมจะยังคงอยู่</p><div class="ai-insight"><p>การพึ่งพาข้อตกลงร่วมกัน (convention-based boundaries) ภายในทีม เช่น การตกลงกันว่าคลาสที่ขึ้นต้นด้วย is- หรือ has- คือสถานะ มักจะใช้งานได้ดีในทีมที่มีวินัยสูงและสมาชิกหน้าเดิมยังอยู่ครบถ้วน อย่างไรก็ตาม แนวทางนี้มีความเปราะบางสูงเมื่อทีมมีขนาดใหญ่ขึ้น มีพนักงานเข้าออก หรือเมื่อโค้ดเบสเติบโตขึ้นจนไม่มีใครสามารถจดจำกฎเกณฑ์ทั้งหมดได้ การย้ายขอบเขตนี้ไปสู่ระดับไวยากรณ์จึงช่วยแก้ปัญหาความเข้าใจคลาดเคลื่อนได้อย่างยั่งยืน</p></div><p>ไลบรารี quell-light.js ได้ก้าวไปอีกขั้นนอกเหนือจากเรื่องข้อตกลง โดยระบุจุดยืนไว้อย่างชัดเจนตั้งแต่วันแรกว่าไม่ใช่คอมโพเนนต์ไลบรารี ไม่ได้ทำหน้าที่เรนเดอร์สิ่งใด และมีหน้าที่หลักเพียงอย่างเดียวคือการรักษาเสถียรภาพด้านพฤติกรรม สิ่งที่น่าสนใจคือทางเลือกที่นำมาใช้แทนคลาสสถานะทั่วไป นั่นคือการทำให้ State ถูกแสดงออกมาในรูปแบบของ State ทางไวยากรณ์อย่างแท้จริง ไม่ใช่แค่พึ่งพาข้อตกลงร่วมกัน</p><p>แม้คลาสจะสามารถทำหน้าที่นี้ได้ แต่การใช้ data-* attributes เช่น data-q-active นั้นมีความชัดเจนมากกว่าในเชิงความหมาย เนื่องจากแอตทริบิวต์ตระกูล data-* ไม่มีผลต่อการจัดแต่งสไตล์ในตัวเอง จึงไม่สามารถถูกเข้าใจผิดว่าเป็นยูทิลิตี้คลาส ไม่เข้าไปพึ่งพิงการแย่งชิงความเฉพาะเจาะจงของ CSS และไม่ขึ้นอยู่กับข้อตกลงในการตั้งชื่อของทีมที่อาจเปลี่ยนแปลงตามกาลเวลา โดยคำศัพท์เกี่ยวกับสถานะทั้งหมดของ quell-light.js ประกอบด้วย data-q-toggle, data-q-active, data-q-dismiss, data-q-spy และ data-q-current ซึ่งทำหน้าที่อธิบายเฉพาะสิ่งที่เกิดขึ้นจริง โดยไม่มีคำใดอธิบายเรื่องรูปร่างหน้าตาเลย</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/javascript_state_css_mtskabap_inline_1_ebb808e909.jpg" alt="frontend web development code editor laptop screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>โมดูลการทำงานภายในไลบรารีนี้ยังพิสูจน์ให้เห็นว่าแนวทางดังกล่าวสามารถรองรับข้อกำหนดด้านการเข้าถึง (accessibility) ที่ซับซ้อนได้จริง ตัวอย่างเช่น การจัดการโฟกัสที่บังคับใช้การดักจับปุ่ม Tab และ Shift+Tab ภายในหน้าต่างไดอะล็อกที่เปิดอยู่ พร้อมทั้งติดตามองค์ประกอบที่จะคืนค่าโฟกัสเมื่อปิดหน้าต่าง ซึ่งทั้งหมดนี้คือสถานะที่แท้จริง ขณะที่รูปร่างหน้าตาของไดอะล็อกถูกปล่อยให้ CSS เป็นผู้จัดการ นอกจากนี้ ระบบติดตามการเลื่อนหน้าเว็บยังเลือกใช้ IntersectionObserver แทนการฟังเหตุการณ์ scroll แบบดิบๆ เพื่อตัดสินใจว่าส่วนใดกำลังทำงานอยู่ แล้วแสดงผลผ่านแอตทริบิวต์ aria-current บนลิงก์นำทาง</p><p>แนวทางของ quell-light.js จึงไม่ได้เป็นการหลีกเลี่ยงข้อผิดพลาดทั่วไป แต่เป็นการเลือกใช้งานแนวทางที่ชัดเจนและรัดกุมยิ่งขึ้นสำหรับสิ่งที่มีมูลค่าควรทำอยู่แล้ว ข้อมูลจากบทความนี้สะท้อนให้เห็นว่าขอบเขตที่ถูกเข้ารหัสไว้โดยตรงในไวยากรณ์ย่อมมีความทนทานและพึ่งพาได้มากกว่าขอบเขตที่ค้ำจุนด้วยความจำของทีมงาน</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/ortizfranklindev/why-javascript-should-mutate-state-instead-of-styles-m6g" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Avoid using inline styles or traditional classes to manage behavioral states.</li><li>Convention-based class naming like is- or has- introduces long-term code fragility.</li><li>The quell-light.js library advocates for explicit data-* attributes like data-q-active.</li><li>Strictly separate behavioral state from visual styling handled entirely by CSS.</li></ul></div><p>A dropdown needs to open. A modal needs to appear. A nav link needs to show which section the reader is currently in. The blunt route is to manipulate element.style.display directly, deciding state and appearance in the same line without leaving anything for CSS to own. Most experienced developers already avoid this approach. Instead, a more common pattern relies on classes such as classList.toggle('is-open'). This represents a genuine improvement, as CSS determines what .is-open looks like while JavaScript merely toggles its presence.</p><p>However, complications arise because .is-open shares the exact same namespace as every other styling hook in the codebase. Nothing in the syntax distinguishes it as state rather than appearance. A teammate reviewing the stylesheet six months later has no programmatic way to tell .is-open apart from .card-title other than relying on naming conventions and trusting that the convention has been consistently maintained.</p><div class="ai-insight"><p>Convention-based boundaries, such as team agreements on prefixes like is- or has- for state classes, function well within disciplined teams where original members remain present. Yet, this approach remains inherently fragile as projects scale, team members rotate, and codebases grow beyond individual memory. Shifting these boundaries directly into syntax helps eliminate ambiguity and long-term maintenance overhead.</p></div><p>The quell-light.js library moves beyond mere convention by explicitly declaring its mandate: it is not a component library, it renders nothing, and its sole responsibility is behavioral stabilization. The most intriguing aspect is not that it avoids inline styles—which most serious codebases already do—but rather what it chooses to use instead of traditional state classes.</p><p>State should be represented explicitly as state within the syntax itself, rather than relying on informal conventions. While classes can accomplish this, data-* attributes like data-q-active achieve it with greater clarity because data attributes carry no competing styling meaning. They cannot be mistaken for utility classes, drawn into unrelated specificity conflicts, or broken by inconsistent naming habits across contributors. The complete state vocabulary of quell-light.js includes data-q-toggle, data-q-active, data-q-dismiss, data-q-spy, and data-q-current, describing exclusively what is true rather than how things appear.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/javascript_state_css_mtskabap_inline_1_ebb808e909.jpg" alt="frontend web development code editor laptop screen" 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 disclosure modules within the library prove that this discipline holds up under stringent accessibility requirements. Accessible toggles require both ARIA states and stylable hooks, and the file maintains these as two explicit attributes rather than overloading a single class. Focus management enforces strict Tab and Shift+Tab traps within open dialogs while tracking return focus points upon closure—representing true state while leaving visual rendering entirely to CSS. Similarly, the scroll watcher utilizes IntersectionObserver rather than raw scroll listeners to determine active sections through an aria-current attribute.</p><p>Ultimately, quell-light.js reinforces the boundary that convention-backed rules are only as durable as team memory, whereas boundaries encoded directly into syntax eliminate that dependency entirely.</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/ortizfranklindev/why-javascript-should-mutate-state-instead-of-styles-m6g" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_ทำไม-javascript-ควรจัดการ-state-แทนที่จะคุมสไตล์-css-mtskabap.jpg

small_ทำไม-javascript-ควรจัดการ-state-แทนที่จะคุมสไตล์-css-mtskabap.jpg

thumbnail_ทำไม-javascript-ควรจัดการ-state-แทนที่จะคุมสไตล์-css-mtskabap.jpg

ทำไม-javascript-ควรจัดการ-state-แทนที่จะคุมสไตล์-css-mtskabap.jpg

เจาะลึกแนวคิดจากไลบรารี quell-light.js ว่าด้วยการแยกแยะ State กับ Style ผ่าน data-* attributes เพื่อลดความเปราะบางของโค้ดในระยะยาว

Exploring quell-light.js and how using data-* attributes instead of CSS classes for state management creates more robust and maintainable codebases.

ทำไม JavaScript ควรจัดการ State แทนที่จะคุมสไตล์ CSS

Why JavaScript Should Mutate State Instead of Styles

<div class="key-takeaways"><ul><li>ใช้ brkpt-auth สร้างระบบล็อกอินบน NestJS v11</li><li>รองรับทั้งการยืนยันตัวตนด้วยรหัสผ่านและ Google OAuth</li><li>เชื่อมต่อฐานข้อมูล PostgreSQL ผ่าน Prisma 7.10.0</li><li>ไม่ต้องเขียนโค้ดเชื่อมต่อระบบเองทั้งหมด</li></ul></div><p>บทความแนะนำการสร้างระบบยืนยันตัวตนแบบ MVP สำหรับโปรเจกต์ NestJS โดยใช้เครื่องมือ <strong>brkpt-auth</strong> ซึ่งถูกออกแบบมาเพื่อแก้ปัญหาโค้ดเชื่อมต่อ (glue code) ที่มักสะสมเพิ่มขึ้นเรื่อยๆ เมื่อโปรเจกต์เติบโตขึ้น โดยตัวไลบรารีจะติดตั้งซอร์สโค้ดลงในโปรเจกต์โดยตรง และจัดโครงสร้างผ่านพอร์ต (ports) และแอดแดปเตอร์ (adapters) ทำให้แยกตรรกะฐานข้อมูลและโทเคนออกจากระบบยืนยันตัวตนได้อย่างเด็ดขาด</p><p>คู่มือฉบับนี้เขียนขึ้นโดยอ้างอิงจาก <strong>NestJS v11</strong> (โปรเจกต์ CommonJS จากคำสั่ง nest new) และ <strong>Prisma 7.10.0</strong> พร้อมทั้งใช้งานไลบรารี <strong>class-validator</strong> สำหรับการตรวจสอบข้อมูลขาเข้า เนื่องจากสามารถทำงานร่วมกับเดคอเรเตอร์ @Body() ได้ทันทีโดยไม่ต้องตั้งค่าไปป์เพิ่มเติมเหมือนกับการใช้ Zod</p><div class="stat-row"><div class="stat-item"><span class="stat-number">15</span><span class="stat-label">นาทีในการสร้างระบบ</span></div><div class="stat-item"><span class="stat-number">v11</span><span class="stat-label">เวอร์ชัน NestJS ที่รองรับ</span></div></div><p>ขั้นตอนเริ่มต้นทำได้โดยการสร้างโปรเจกต์ใหม่ด้วยคำสั่ง nest new my-app จากนั้นติดตั้ง CLI ของ brkpt พร้อมแพ็กเกจที่จำเป็น เช่น @nestjs/config, @nestjs/event-emitter และ cookie-parser ก่อนจะรันคำสั่ง brkpt auth init เพื่อติดตั้งฟีเจอร์หลักและตรวจสอบรายการ dependencies ที่ยังขาดหายไป</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/nestjs_brkpt_auth_15_mtsk9f2g_inline_1_a8bff55416.jpg" alt="software developer writing code computer screen workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ในส่วนของการจัดการฐานข้อมูล โปรเจกต์นี้ใช้งาน PostgreSQL โดยต้องกำหนดค่าเชื่อมต่อ DATABASE_URL ลงในไฟล์ .env และติดตั้ง Prisma เวอร์ชัน 7.10.0 ร่วมกับ @prisma/adapter-pg และ pg ก่อนรันคำสั่ง npx prisma@7.10.0 init เพื่อสร้างโครงสร้างตารางผู้ใช้</p><div class="ai-insight"><p>การใช้งานสถาปัตยกรรมแบบ Hexagonal ในลักษณะนี้ช่วยให้แอปพลิเคชันมีความยืดหยุ่นสูง เพราะการเปลี่ยนแปลงในชั้นฐานข้อมูลหรือผู้ให้บริการภายนอกอย่าง Google จะไม่ส่งผลกระทบโดยตรงต่อโค้ดส่วนอื่น ทำให้การบำรุงรักษาระบบในระยะยาวทำได้ง่ายขึ้นมากเมื่อเทียบกับการเขียนโค้ดจัดการระบบสมาชิกขึ้นเองตั้งแต่ต้น</p></div><p>เมื่อติดตั้งระบบหลักเรียบร้อยแล้ว สามารถเพิ่มระบบยืนยันตัวตนด้วยรหัสผ่านได้ผ่านคำสั่ง brkpt auth add credentials พร้อมติดตั้ง class-validator, class-transformer และ bcrypt สำหรับการเข้ารหัสรหัสผ่าน ซึ่งระบบจะจัดเตรียม DTO เปล่าไว้ให้ผู้พัฒนาสามารถกำหนดฟิลด์สำหรับแบบฟอร์มสมัครสมาชิกได้เองตามความต้องการ</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/brkpt/build-a-password-google-oauth-mvp-with-nestjs-and-brkpt-auth-in-15-minutes-57cg" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Build authentication on NestJS v11 using brkpt-auth</li><li>Supports both password credentials and Google OAuth</li><li>Connects to PostgreSQL database via Prisma 7.10.0</li><li>Eliminates manual boilerplate glue code</li></ul></div><p>This article guides developers through building an MVP authentication system for NestJS projects using <strong>brkpt-auth</strong>. The tool is designed to solve the common issue where custom authentication code accumulates unnecessary complexity as real requirements grow. It installs full source code directly into your project and structures it around interfaces and adapters, keeping database and token logic completely separate from the core auth logic.</p><p>The walkthrough is written for <strong>NestJS v11</strong> (using a default CommonJS project created via nest new) and <strong>Prisma 7.10.0</strong>. It utilizes <strong>class-validator</strong> for request validation because it integrates seamlessly with @Body() without requiring custom request pipes, unlike alternative validation libraries such as Zod.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">15</span><span class="stat-label">Minutes to build</span></div><div class="stat-item"><span class="stat-number">v11</span><span class="stat-label">NestJS version</span></div></div><p>To get started, initialize a new project using nest new my-app, install the brkpt CLI, along with essential packages like @nestjs/config, @nestjs/event-emitter, and cookie-parser. Running brkpt auth init installs the core features and prints a checklist of any remaining dependencies.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/nestjs_brkpt_auth_15_mtsk9f2g_inline_1_a8bff55416.jpg" alt="software developer writing code computer screen workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>For data persistence, the project relies on a PostgreSQL database. You must configure the DATABASE_URL connection string inside your .env file, install Prisma version 7.10.0 along with @prisma/adapter-pg and pg, and execute npx prisma@7.10.0 init to set up the user schema.</p><div class="ai-insight"><p>Adopting this interface-driven architectural pattern significantly improves application maintainability. By isolating database operations and third-party OAuth providers into adapters, changes to your infrastructure or external services will not leak into your core business logic.</p><p>Once the core system is ready, adding password-based authentication is handled via the brkpt auth add credentials command, followed by installing class-validator, class-transformer, and bcrypt for password hashing. The credentials feature ships with empty DTOs, allowing developers to define custom sign-up form fields freely.</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/brkpt/build-a-password-google-oauth-mvp-with-nestjs-and-brkpt-auth-in-15-minutes-57cg" target="_blank" rel="noopener noreferrer">Dev.to</a></p></div>

medium_สร้างระบบล็อกอิน-nestjs-ด้วย-brkpt-auth-ใน-15-นาที-mtsk9f2g.jpg

small_สร้างระบบล็อกอิน-nestjs-ด้วย-brkpt-auth-ใน-15-นาที-mtsk9f2g.jpg

thumbnail_สร้างระบบล็อกอิน-nestjs-ด้วย-brkpt-auth-ใน-15-นาที-mtsk9f2g.jpg

สร้างระบบล็อกอิน-nestjs-ด้วย-brkpt-auth-ใน-15-นาที-mtsk9f2g.jpg

เรียนรู้วิธีสร้างระบบ Password และ Google OAuth MVP บน NestJS v11 และ Prisma 7.10.0 ด้วย brkpt-auth ภายใน 15 นาที

Learn how to build a Password and Google OAuth MVP on NestJS v11 and Prisma 7.10.0 using brkpt-auth in just 15 minutes.

สร้างระบบล็อกอิน NestJS ด้วย brkpt-auth ใน 15 นาที

Build NestJS Auth with brkpt-auth in 15 Minutes

<div class="key-takeaways"><ul><li>เพิ่มฟิลด์ username เพื่อใช้เป็นตัวระบุตัวตนร่วมกับอีเมล</li><li>สร้างตาราง LinkedAccount เพื่อเชื่อมโยงบัญชี OAuth หลายผู้ให้บริการ</li><li>ติดตั้ง GitHubOAuthDriver เพิ่มเติมเพื่อรองรับการเข้าสู่ระบบผ่าน GitHub</li><li>คงความเรียบร้อยโดยไม่ต้องแก้ไขไฟล์ภายในของ brkpt-auth เลย</li></ul></div><p>หลังจากที่บทความก่อนหน้าได้สร้าง Minimum Viable Product (MVP) สำหรับการเข้าสู่ระบบด้วยรหัสผ่านและ Google Sign-in โดยใช้ <strong>brkpt-auth</strong> ไปแล้ว บทความล่าสุดนี้ได้นำโปรเจกต์เดิมมาทำการเปลี่ยนแปลงสำคัญสองส่วนด้วยกัน ซึ่งเป็นสิ่งที่จะเกิดขึ้นตามธรรมชาติเมื่อผลิตภัณฑ์เติบโตขึ้น ได้แก่ การเพิ่มฟิลด์ชื่อผู้ใช้ (username) และการรองรับผู้ให้บริการ OAuth รายที่สองอย่าง GitHub</p><p>ในส่วนของการเพิ่มฟิลด์ username นั้น ระบบต้องการชื่อที่สาธารณะและไม่ซ้ำใคร เพื่อให้ผู้ใช้งานสามารถแชร์และค้นหาได้ง่าย โดยไม่ผูกติดอยู่กับอีเมลที่อาจเปลี่ยนแปลงภายหลังได้ โดยอีเมลยังคงใช้งานสำหรับการเข้าสู่ระบบได้เช่นเดิม แต่ช่องทางข้อมูล credentials ได้ถูกออกแบบมาสำหรับการใช้ username และรหัสผ่านเป็นหลัก ขณะที่การใช้อีเมลเป็นตัวระบุตัวตนในตอนแรกทำไปเพื่อความสะดวกเท่านั้น อย่างไรก็ตาม การเก็บอีเมลโดยไม่มีการยืนยันตัวตน (Verify-email) อาจสร้างช่องโหว่ความปลอดภัยเมื่อใช้งานร่วมกับ OAuth หากมีคนสมัครด้วยอีเมลคนอื่น</p><div class="ai-insight"><p>การเพิ่มฟิลด์ข้อมูลสำคัญเช่น username ลงในฐานข้อมูลที่มีผู้ใช้งานอยู่แล้ว ไม่สามารถรัน Migration ตรงๆ ได้ทันที เนื่องจากข้อมูลแถวเดิมไม่มีคอลัมน์นี้รองรับ ในบทความนี้จึงเลือกใช้วิธีรีเซ็ตฐานข้อมูลเพื่อมุ่งเน้นไปที่การปรับเปลี่ยน Adapter เป็นหลัก ขณะที่ในระบบจริง นักพัฒนาจำเป็นต้องมีแผนการ Backfill ข้อมูลเก่าก่อนเสมอ</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/refactoring_nestjs_auth_username_github_oauth_mtsk8ljw_inline_1_5056db4750.jpg" alt="database schema diagram architecture code" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สำหรับการเปลี่ยนแปลงด้าน OAuth ในตอนแรก ระบบใช้เมลเป็นตัวระบุตัวตนร่วมกัน ซึ่งอาจทำให้เกิดปัญหาเมื่อผู้ใช้อีเมลเดิมเปลี่ยนไปสมัครบัญชีใหม่โดยไม่ได้ตั้งใจหากมีการเปลี่ยนอีเมล แนวทางแก้ไขที่ได้มาตรฐานคือการสร้างตารางแยกต่างหากที่เรียกว่า <strong>LinkedAccount</strong> ซึ่งทำให้บัญชีผู้ใช้หนึ่งบัญชีสามารถเชื่อมโยงกับ OAuth Provider ได้หลายรายอย่างอิสระ ไม่ขึ้นกับอีเมลในระบบขณะนั้น</p><p>เมื่อมีตาราง LinkedAccount รองรับแล้ว การเพิ่มผู้ให้บริการรายที่สองจึงทำได้ง่ายขึ้นมาก โดยใช้คำสั่ง <code>brkpt auth add oauth --driver github</code> เพื่อติดตั้ง <code>GithubOAuthDriver</code> ซึ่งจะทำงานผ่านโปรโตคอลการแลกเปลี่ยน Authorization Code เป็น Access Token แล้วเรียกไปยัง endpoint <code>/user</code> ของ GitHub เพื่อรับข้อมูล JSON กลับมา</p><blockquote class="pull-quote"><p>"Two real requirements, three adapters, two DTOs, and one new table touched, zero files owned by brkpt-auth edited."</p><cite>Brkpt</cite></blockquote><p>หากเปรียบเทียบกับการพัฒนาสิทธิ์การเข้าใช้งานด้วยตนเองโดยใช้ Passport นักพัฒนาจะต้องจัดการกับส่วนประกอบจำนวนมาก เช่น LocalStrategy, JwtStrategy, JwtRefreshStrategy, GoogleStrategy, GithubStrategy รวมถึง Guard และ AuthService ต่างๆ แต่การใช้เครื่องมือสำเร็จรูปช่วยให้ตรรกะทางธุรกิจยังคงอยู่ภายใน Adapter ที่เราควบคุมเอง โดยไม่ต้องกังวลกับความซับซ้อนของ Service หรือ Controller ที่ถูกสร้างขึ้นมา</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/brkpt/refactoring-nestjs-auth-built-with-brkpt-auth-how-easy-is-it-really-5e8f" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Introduce a unique username field alongside email for identification</li><li>Create a LinkedAccount table to manage multiple OAuth provider connections</li><li>Install GitHubOAuthDriver to support GitHub authentication</li><li>Modify core adapters with zero edits to brkpt-auth internal files</li></ul></div><p>Following the previous post that built a password and Google sign-in MVP using <strong>brkpt-auth</strong>, this recent update tackles two natural changes that emerge as a product grows: introducing a public username field and adding a second OAuth provider. These updates test how easily the existing architecture adapts to evolving requirements.</p><p>The application now requires a public, unique handle that users can share and search for, independent of their changing email addresses. While the credentials flow was initially set up using email for convenience, it is fundamentally designed around a username-and-password structure. However, collecting unverified emails paired with OAuth introduces potential security gaps if registration happens using a stranger's address, which can be mitigated using email verification features.</p><div class="ai-insight"><p>Adding a required and unique column like username to an existing database requires a careful backfill migration plan for legacy rows. In this particular implementation, the database was reset entirely to keep the primary focus firmly on adapter and schema modifications rather than writing migration scripts.</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/refactoring_nestjs_auth_username_github_oauth_mtsk8ljw_inline_1_5056db4750.jpg" alt="database schema diagram architecture code" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Regarding OAuth mapping, relying solely on email as an identifier creates flaws if a user changes their email and logs in through a different provider route, inadvertently spawning duplicate accounts. The standard engineering solution implemented here is a dedicated <strong>LinkedAccount</strong> table, allowing a single user record to safely associate with multiple independent provider identities.</p><p>With the account-linking table already established, introducing GitHub support becomes streamlined. Running <code>brkpt auth add oauth --driver github</code> installs the <code>GithubOAuthDriver</code>, which exchanges authorization codes for access tokens and queries GitHub's <code>/user</code> endpoint using a distinct request shape compared to Google.</p><blockquote class="pull-quote"><p>"Two real requirements, three adapters, two DTOs, and one new table touched, zero files owned by brkpt-auth edited."</p><cite>Brkpt</cite></blockquote><p>When evaluated against rolling out a custom authentication scheme using Passport—which typically demands numerous strategies, guards, and shared services—this approach confines the underlying business logic neatly inside adapters you already own, keeping boilerplate controllers and generated services entirely out of your way.</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/brkpt/refactoring-nestjs-auth-built-with-brkpt-auth-how-easy-is-it-really-5e8f" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_refactoring-nestjs-auth-เพิ่ม-username-และ-github-oauth-mtsk8ljw.jpg

small_refactoring-nestjs-auth-เพิ่ม-username-และ-github-oauth-mtsk8ljw.jpg

thumbnail_refactoring-nestjs-auth-เพิ่ม-username-และ-github-oauth-mtsk8ljw.jpg

refactoring-nestjs-auth-เพิ่ม-username-และ-github-oauth-mtsk8ljw.jpg

เจาะลึกการรีแฟคเตอร์ระบบยืนยันตัวตน NestJS ที่สร้างด้วย brkpt-auth โดยเพิ่มฟิลด์ username และรองรับ GitHub OAuth พร้อมจัดการตาราง LinkedAccount

Explore how to refactor a NestJS authentication project built with brkpt-auth by adding a username field and implementing GitHub OAuth integration.

Refactoring NestJS Auth: เพิ่ม Username และ GitHub OAuth

Refactoring NestJS Auth: Adding Username & GitHub OAuth

<div class="key-takeaways"><ul><li>นักพัฒนาแชร์ประสบการณ์สร้าง Metric วิเคราะห์ DEX แต่พบว่าสูตรคณิตศาสตร์ยุบตัวเหลือค่าเดิม</li><li>แก้ปัญหาด้วยการเปลี่ยนไปใช้ Endpoint /v1/dex/tokens/transactions เพื่อดู Maker Address โดยตรง</li><li>ตัวอย่างข้อมูล AUSD บน Ethereum จาก 800 สวอป แสดงให้เห็นความต่างระหว่างวอลุ่มรวมกับพฤติกรรมจริง</li><li>เผย 3 ข้อจำกัดลับของ CoinMarketCap DEX API ที่ไม่มีในเอกสารคู่มือ</li></ul></div><p>การวิเคราะห์ตลาดกระจายศูนย์หรือ DEX มักจะลดทอนข้อมูลการซื้อขายทั้งหมดให้เหลือเพียงตัวเลขสุทธ์ตัวเดียว คือวอลุ่มซื้อลบด้วยวอลุ่มขาย แต่วิธีการรวมยอดแบบนี้มักทำให้ข้อมูลบางส่วนหายไป นักพัฒนาซอฟต์แวร์รายหนึ่งได้แชร์ประสบการณ์ผ่าน Dev.to ถึงความพยายามในการสร้างตัวชี้วัดใหม่เพื่อแยกแยะระหว่างตลาดที่มีเจ้ามือคุมกับตลาดที่มีผู้เล่นรายย่อยกระจายตัวอยู่ แต่กลับพบว่าสูตรที่ออกแบบมาดันยุบตัวลงเหลือค่าอัตราส่วนจำนวนครั้งที่ซื้อขายแทน เมื่อตลาดมีความสมดุล</p><p>แนวคิดเริ่มต้นคือการนำปริมาณวอลุ่มและจำนวนครั้งการทำธุรกรรมฝั่งซื้อและฝั่งขายมาหารกันเพื่อหาค่าเฉลี่ยต่อไม้ (Ticket Size) หากผู้ซื้อเฉลี่ย 180 ดอลลาร์สหรัฐ แต่ผู้ขายเฉลี่ย 27,000 ดอลลาร์สหรัฐ ย่อมหมายความว่ามีเจ้ามือรายใหญ่อยู่ฝั่งหนึ่ง แม้ว่าตัวเลขวอลุ่มสุทธิจะเท่ากับศูนย์ก็ตาม สูตรที่ได้จึงอยู่ในรูปอัตราส่วนวอลุ่มคูณด้วยอัตราส่วนจำนวนครั้งการซื้อขาย</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/metric_dex_mts7ej6p_inline_1_6cc226697a.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>แต่เมื่อคำนวณทางพีชคณิตลึกขึ้น ในกรณีที่วอลุ่มสุทธิราบเรียบหรือตลาดสมดุล ซึ่งเป็นจุดที่นักเทรดต้องการค้นหาความผิดปกติมากที่สุด ตัวชี้วัดดังกล่าวกลับกลายเป็นอัตราส่วนจำนวนครั้งการขายต่อจำนวนครั้งการซื้อโดยอัตโนมัติ ทำให้สูตรสองชุดที่คิดว่าแยกอิสระจากกัน กลับยุบรวมกลายเป็นตัวเลขเดียวกันโดยบังเอิญ นักพัฒนาจึงตระหนักว่าการตรวจสอบสูตรทางคณิตศาสตร์ตั้งแต่แรกเป็นสิ่งสำคัญที่ไม่ควรมองข้าม</p><div class="ai-insight"><p>บทเรียนนี้นับเป็นกรณีศึกษาที่ดีสำหรับนักพัฒนาสาย Quant หรือผู้ที่สร้างเครื่องมือวิเคราะห์ On-chain ว่าการพึ่งพาข้อมูลสรุป (Aggregated Data) มักซ่อนความสัมพันธ์เชิงคณิตศาสตร์ที่คาดไม่ถึง การลงลึกไปที่ข้อมูลดิบระดับธุรกรรมรายรายการจึงมีความจำเป็นอย่างยิ่งเมื่อต้องการความแม่นยำสูง</p></div><p>ทางออกของปัญหานี้จึงไม่ใช่การสร้างโมเดลที่ซับซ้อนขึ้น แต่เป็นการเปลี่ยนไปใช้งาน Endpoint แบบละเอียด ได้แก่ /v1/dex/tokens/transactions ซึ่งส่งข้อมูลสวอปรายรายการ พร้อมระบุฝั่งซื้อขาย มูลค่าเป็นดอลลาร์สหรัฐ และที่อยู่ผู้สร้างธุรกรรม (Maker Address) ทำให้สามารถวัดความกระจุกตัวของทุนได้โดยตรงโดยไม่ต้องใช้ตัวแทนในการคำนวณ</p><blockquote class="pull-quote"><p>"Same 800 swaps. The sum said balanced; the split said one desk selling to two hundred people."</p><cite>Edy Cutjong</cite></blockquote><p>ตัวอย่างการทดสอบเหรียญ AUSD บนเครือข่าย Ethereum จากหน้าต่าง 800 สวอปที่บันทึกไว้เมื่อวันที่ 7 กันยายน 2026 แสดงให้เห็นชัดเจนว่า ข้อมูลรวม (Sum) บอกว่าตลาดสมดุล แต่การแยกสัดส่วน (Split) เผยให้เห็นว่ามีเจ้ามือ 1 รายกำลังกระจายขายให้คนถึง 200 คน โดยเครื่องมือนี้เขียนขึ้นด้วยไลบรารีมาตรฐานของ Python และรันแบบ Keyless ไม่ต้องใช้ API Key ใดๆ</p><p>นอกจากนี้ นักพัฒนาท่านนี้ยังได้เปิดเผย 3 เรื่องสำคัญเกี่ยวกับ CoinMarketCap DEX API ที่ไม่มีบันทึกไว้ในเอกสารอย่างเป็นทางการ:</p><ul><li>ตำแหน่ง Cursor สำหรับแบ่งหน้า (Pagination) อยู่บน Object ของ Response คือ data.lastId ไม่ใช่แถวสุดท้าย ทำให้เผลออ่านหน้าแรกซ้ำได้ตลอดเวลา</li><li>ระบบ Throttling มักส่งรหัสข้อผิดพลาด HTTP 500 พอๆ กับ 429 สำหรับผู้ใช้งานแบบไม่ระบุตัวตน จนกว่าจะจัดการทั้งสองกรณี ระบบจะแยกไม่ออกว่าติด Rate Limit หรือเซิร์ฟเวอร์ล่ม</li><li>การส่งค่า CORS Header ขาด access-control-allow-origin ไป ทำให้เบราว์เซอร์ปฏิเสธข้อมูลที่รับมาแล้วทิ้งไปโดยปริยาย</li></ul><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/edycutjong/the-metric-i-designed-was-the-same-number-twice-173g" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>A developer shares the experience of building a DEX metric only to find the formula collapsed algebraically.</li><li>Resolved the issue by switching to the /v1/dex/tokens/transactions endpoint to inspect maker addresses directly.</li><li>An 800-swap sample of AUSD on Ethereum revealed the discrepancy between net volume sums and actual distribution.</li><li>Uncovered three undocumented behaviors of the CoinMarketCap DEX API.</li></ul></div><p>DEX flow tools typically reduce market tape down to a single signed number representing net volume. However, summing data is inherently lossy. A software developer shared on Dev.to about designing a custom metric intended to distinguish between a market maker distributing to retail versus mere wash trading, only to discover that the mathematical formula eventually degenerated into a ratio he already possessed.</p><p>The original concept involved dividing volume by trade count on each side to find the average ticket size. If buyers averaged 180 dollars while sellers averaged 27,000 dollars, it would signal market desk presence even when net flow read zero. The resulting ticket ratio formula combined volume quotients and trade count ratios.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/metric_dex_mts7ej6p_inline_1_6cc226697a.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>However, algebra revealed that when net flow flatlines—the exact scenario where hidden market asymmetry matters most—the first factor collapses to one, and the ticket ratio degenerates entirely into the count ratio. The two supposedly independent families of fields converged into one. The developer noted that checking the formula algebraically from the start would have prevented this realization from dawning only after sweeping hundreds of tokens.</p><div class="ai-insight"><p>This case study offers a valuable lesson for quantitative developers and on-chain analysts: relying solely on aggregated summary data can obscure underlying mathematical dependencies. Transitioning to raw transactional data is crucial when high-precision behavioral insights are required.</p></div><p>The solution was not a more complex model, but rather utilizing a different endpoint: /v1/dex/tokens/transactions. This route returns individual swaps complete with side indicators, USD values, and maker addresses, transforming market concentration from an inference into a direct count.</p><blockquote class="pull-quote"><p>"Same 800 swaps. The sum said balanced; the split said one desk selling to two hundred people."</p><cite>Edy Cutjong</cite></blockquote><p>An analysis of 800 swaps for AUSD on Ethereum captured on September 7, 2026, demonstrated this clearly. While the summary sum reported a balanced market, splitting the tape exposed a single desk selling tokens to two hundred distinct participants using a keyless Python script.</p><p>Furthermore, the developer documented three undocumented behaviors of the CoinMarketCap DEX API:</p><ul><li>The pagination cursor data.lastId sits on the response envelope rather than the final row, easily causing infinite loops on page one.</li><li>Rate throttling frequently arrives as an HTTP 500 status code as often as 429 for anonymous tiers, requiring explicit handling to distinguish from outages.</li><li>Three out of four CORS headers are sent, omitting access-control-allow-origin, which causes browsers to discard valid incoming payloads.</li></ul><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/edycutjong/the-metric-i-designed-was-the-same-number-twice-173g" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_นักพัฒนาแชร์บทเรียนการสร้าง-metric-วิเคราะห์-dex-mts7ej6p.jpg

small_นักพัฒนาแชร์บทเรียนการสร้าง-metric-วิเคราะห์-dex-mts7ej6p.jpg

thumbnail_นักพัฒนาแชร์บทเรียนการสร้าง-metric-วิเคราะห์-dex-mts7ej6p.jpg

นักพัฒนาแชร์บทเรียนการสร้าง-metric-วิเคราะห์-dex-mts7ej6p.jpg

นักพัฒนาแชร์ประสบการณ์ออกแบบ Metric วิเคราะห์ DEX บน CoinMarketCap และพบปัญหาคณิตศาสตร์ซ้ำซ้อน พร้อมเผย 3 เคล็ดลับดึงข้อมูล API แบบไม่ต้องใช้ Key

A developer shares insights on designing a DEX metric on CoinMarketCap, discovering algebraic redundancy, and uncovers three undocumented API quirks.

นักพัฒนาแชร์บทเรียนการสร้าง Metric วิเคราะห์ DEX

Developer Shares Lessons on Designing DEX Metrics

<div class="key-takeaways"><ul><li>Puneet Kumar สร้าง Devlogr เป็นเว็บไซต์พอร์ตโฟลิโอและบล็อกส่วนตัว</li><li>เว็บไซต์ดึงข้อมูลจาก GitHub แบบอัตโนมัติเพื่อให้เนื้อหาอัปเดตเสมอ</li><li>มุ่งเน้นการสร้างพื้นฐาน SEO ที่แข็งแกร่งและอิสระในการทดลองสิ่งใหม่ๆ</li></ul></div><p>นักพัฒนาซอฟต์แวร์หลายคนคุ้นเคยกับการเผยแพร่บทความบนแพลตฟอร์มอย่าง DEV.to เนื่องจากความสะดวกในการเข้าถึงกลุ่มคนสายไอทีโดยไม่ต้องกังวลเรื่องการจัดการระบบ แต่ในมุมมองของ Puneet Kumar การมีพื้นที่ของตัวเองคือสิ่งสำคัญ เขาจึงตัดสินใจพัฒนาเว็บไซต์พอร์ตโฟลิโอส่วนตัวที่ชื่อว่า Devlogr ขึ้นมา เพื่อเป็นศูนย์รวมผลงาน บทความ และบันทึกเรื่องราวการทำงานในฐานะโปรแกรมเมอร์</p><p>แนวคิดเบื้องหลัง Devlogr ไม่ใช่แค่หน้าเว็บไซต์แนะนำตัวธรรมดาที่มีข้อความบอกว่าตนเองมีทักษะอะไรบ้าง แต่เป็นพื้นที่บอกเล่าเรื่องราวการลงมือสร้างสิ่งต่างๆ ปัญหาที่พบเจอระหว่างทาง การทดลองเขียนโค้ด รวมถึงบทเรียนที่ได้รับจากการลงมือทำจริง โดยเขาวางแผนจะย้ายบทความเก่าบางส่วนมาไว้ที่นี่ และนำเสนอโปรเจกต์ต่างๆ ให้โดดเด่นยิ่งขึ้นแทนที่จะปล่อยให้จมหายไปในโปรไฟล์ GitHub</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/puneet_kumar_devlogr_mts7dnft_inline_1_2739052eaa.jpg" alt="software developer coding workspace dual monitors no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การสร้างเว็บไซต์พอร์ตโฟลิโอด้วยตนเอง (Self-hosted Developer Portfolio) แทนที่จะใช้แค่แพลตฟอร์มสำเร็จรูป ถือเป็นวิธีฝึกฝนทักษะเชิงปฏิบัติที่ดีเยี่ยมสำหรับนักพัฒนา นอกเหนือจากผลงานที่ได้ออกมาแล้ว กระบวนการแก้ไขปัญหาเฉพาะหน้า การออกแบบระบบฐานข้อมูล และการปรับแต่งประสิทธิภาพเว็บไซต์ ล้วนเป็นประสบการณ์ที่มีค่าซึ่งช่วยยกระดับความสามารถในการเขียนโปรแกรมได้อย่างแท้จริง</p></div><p>จุดเด่นสำคัญของ Devlogr มีการออกแบบฟังก์ชันการทำงานที่น่าสนใจดังนี้:</p><ul><li>เชื่อมต่อข้อมูลกับ GitHub โดยตรงเพื่อให้กิจกรรมและโปรเจกต์อัปเดตแบบอัตโนมัติ</li><li>ให้ Devlogr เป็นบ้านหลังหลักสำหรับงานเขียน พร้อมกับเผยแพร่บทความบน DEV.to ควบคู่กันไป</li><li>ให้ความสำคัญกับการปรับแต่งโครงสร้างเว็บไซต์ให้รองรับ SEO ตั้งแต่เริ่มต้น</li></ul><blockquote class="pull-quote"><p>"One of the reasons I wanted to build Devlogr was simply to learn. Because every time something breaks, there's something new to learn."</p><cite>Puneet Kumar</cite></blockquote><p>แม้ว่าการใช้งานแพลตฟอร์มภายนอกจะมีข้อดีเรื่องฐานผู้อ่าน แต่การมีเว็บไซต์ส่วนตัวช่วยให้เจ้าของเว็บไซต์มีอิสระในการทดลองสิ่งใหม่ๆ โดยไม่ต้องกังวลกับการเปลี่ยนแปลงนโยบายของแพลตฟอร์มเหล่านั้น สำหรับผู้ที่สนใจสามารถเข้าไปเยี่ยมชมเว็บไซต์ได้ที่ devlogr.run.place หรือดูซอร์สโค้ดบน GitHub ของผู้พัฒนาได้เช่นกัน</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/puneetkumar2010/i-didnt-have-a-developer-website-so-i-built-one-284k" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>Puneet Kumar developed Devlogr as his personal developer portfolio and blog.</li><li>The site integrates GitHub data dynamically to keep projects and activity updated.</li><li>It is built with a solid SEO foundation and offers complete creative freedom.</li></ul></div><p>Many software developers rely on platforms like DEV.to to share articles because of the convenience and built-in audience. However, Puneet Kumar realized the difference between publishing on someone else's platform and having a digital home of his own. This realization led him to build Devlogr, a dedicated personal website designed to showcase his projects, articles, and journey as a programmer.</p><p>Devlogr was designed to be much more than a simple static resume page listing skills. Instead, it serves as a dynamic space documenting what he builds, the technical hurdles he overcomes, experiments, and lessons learned. By centralizing his work, his projects are no longer buried deep within a standard GitHub profile, and his writings now have a permanent home base.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/puneet_kumar_devlogr_mts7dnft_inline_1_2739052eaa.jpg" alt="software developer coding workspace dual monitors no logo" 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>Building a custom developer portfolio from scratch offers invaluable practical experience that goes far beyond using pre-built templates. The process of tackling architecture decisions, handling API integrations, and troubleshooting unexpected bugs provides deep learning opportunities that greatly strengthen a developer's overall technical competence.</p><p>Key highlights of the Devlogr platform include:</p></div><ul><li>Automatic integration with GitHub data to keep project stats dynamic.</li><li>Serving as the primary home for original articles while cross-publishing on platforms like DEV.to.</li><li>A strong focus on setting up proper technical SEO foundations from day one.</li></ul><blockquote class="pull-quote"><p>"One of the reasons I wanted to build Devlogr was simply to learn. Because every time something breaks, there's something new to learn."</p><cite>Puneet Kumar</cite></blockquote><p>Having an independent website gives developers total control over experiments without worrying about sudden platform changes. For those interested in checking out the project or exploring the codebase, the live site is available at devlogr.run.place with source code hosted on GitHub.</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/puneetkumar2010/i-didnt-have-a-developer-website-so-i-built-one-284k" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_puneet-kumar-เผยเบื้องหลังการสร้าง-devlogr-พอร์ตโฟลิโอส่วนตัว-mts7dnft.jpg

small_puneet-kumar-เผยเบื้องหลังการสร้าง-devlogr-พอร์ตโฟลิโอส่วนตัว-mts7dnft.jpg

thumbnail_puneet-kumar-เผยเบื้องหลังการสร้าง-devlogr-พอร์ตโฟลิโอส่วนตัว-mts7dnft.jpg

puneet-kumar-เผยเบื้องหลังการสร้าง-devlogr-พอร์ตโฟลิโอส่วนตัว-mts7dnft.jpg

Puneet Kumar นักพัฒนาซอฟต์แวร์เปิดตัว Devlogr เว็บไซต์พอร์ตโฟลิโอและบล็อกส่วนตัว เพื่อรวบรวมโปรเจกต์ บทความ และบันทึกเส้นทางการเรียนรู้

Developer Puneet Kumar builds Devlogr as a personal portfolio and blog to showcase projects, articles, and document his programming journey.

Puneet Kumar เผยเบื้องหลังการสร้าง Devlogr พอร์ตโฟลิโอส่วนตัว

Puneet Kumar Launches Devlogr Personal Developer Portfolio

<div class="key-takeaways"><ul><li>arm64 เตรียมถอดซัพพอร์ต Big-Endian ใน Linux 7.4</li><li>แพตช์บูตซีพียูกนานช่วยลดเวลาบูตระบบ 192คอร์ได้ 41%</li><li>ทีมฝังตัวควรตรวจสอบเฟิร์มแวร์ PSCI และโค้ดภายใน</li></ul></div><p>ทิศทางของแพลตฟอร์ม arm64 กลายเป็นประเด็นสำคัญประจำสัปดาห์นี้ หลังจาก วิล ดีคอน (Will Deacon) ผู้ดูแลระบบ ได้ส่งชุดแพตช์เวอร์ชันสองเพื่อถอดการสนับสนุนเคอร์เนลแบบ Big-Endian ออก ซึ่งเตรียมนำไปใช้ในเคอร์เนล Linux 7.4 พร้อมกันนี้ยังได้เสนอชุดแพตช์อีก 19 รายการเพื่อให้ arm64 สามารถเปิดใช้งานซีพียูสำรอง (secondary CPU) แบบขนานกันได้ผ่านทางอาร์กิวเมนต์ CPU_ON ของ PSCI v0.2 นอกจากนี้ในสัปดาห์เดียวกันยังมีข่าวการปล่อย Linux 7.3-rc2 พร้อมการแก้ไขตัวจัดคิวงาน รวมถึง Buildroot 2026.08 ที่มาพร้อม GCC 16 และ kernel.org ที่ระบุว่า AI crawlers กินทรัพยากร Git ไปถึงหนึ่งในห้าส่วน</p><p>การถอดระบบ Big-Endian ออกนั้นไม่ใช่การตัดสินใจที่เกิดขึ้นกะทันหัน แต่เป็นกระบวนการที่มีการวางแผนมาอย่างยาวนาน โดยตัวเลือก CONFIG_CPU_BIG_ENDIAN ได้ถูกกำหนดให้ขึ้นตรงกับสถานะ BROKEN มาตั้งแต่เวอร์ชัน 6.18 เพื่อทำให้โค้ดไม่สามารถคอมไพล์ได้ในทางปฏิบัติ และชิ้นส่วนโค้ดที่ตายไปแล้วก็ทยอยถูกลบออกจากทรีทีละน้อย ชุดแพตช์เวอร์ชันสองในวันที่ 7 กันยายนนี้ประกอบด้วย 14 แพตช์ที่ลบโค้ดการจัดการ Big-Endian ออกราว 540 บรรทัดจากทรีของ arm64 ส่งผลให้ส่วนประกอบอย่าง BPF JIT, โค้ดแอสเซมบลีเข้ารหัส, รูทีนสตริงที่ปรับแต่งแล้ว, บิลด์ compat vDSO และไฮเปอร์ไวเซอร์ KVM ต่างสูญเสียเส้นทาง Big-Endian ไปทั้งหมด พร้อมทั้งบังคับใช้โหมด Little-Endian อย่างชัดเจนในช่วงบูตระบบช่วงแรก</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/arm64_big_endian_linux_7_4_mts7ct75_inline_1_3b68ad2191.jpg" alt="linux kernel server rack data center" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สำหรับทีมพัฒนาแบบฝังตัว (embedded teams) มีรายละเอียดสำคัญสองประการที่ต้องทราบ ประการแรกคือการจำลอง SETEND สำหรับงานผู้ใช้แบบ 32 บิตยังคงอยู่ ทำให้ระบบ 32 บิตแบบผสมยังคงทำงานได้ต่อไป ประการที่สอง ในเธรดการตรวจสอบ อาร์นด์ เบิร์กมันน์ (Arnd Bergmann) ได้ยืนยันว่ากระบวนการเดียวกันนี้จะเกิดขึ้นบน Arm 32 บิตด้วย โดยโหมด Big-Endian จะถูกระบุว่าเลิกใช้งานแล้วในเวอร์ชัน 7.3 และคาดว่าการถอดถอนบน arm32 จะรออีกหนึ่งรุ่นซัพพอร์ตระยะยาว (LTS)</p><div class="ai-insight"><p>การที่ชุมชนเคอร์เนล Linux ทยอยปลดระวางสถาปัตยกรรมหรือฟีเจอร์เก่าที่ไม่ค่อยมีผู้ใช้งาน เช่น Big-Endian บน arm64 สะท้อนถึงความพยายามในการลดภาระการบำรุงรักษาโค้ดฐาน (codebase) ให้มีความสะอาดและปลอดภัยมากขึ้น การตัดฟีเจอร์เหล่านี้ช่วยให้นักพัฒนาสามารถมุ่งเน้นทรัพยากรไปที่การพัฒนาประสิทธิภาพในส่วนที่ใช้งานจริงในปัจจุบันได้เต็มที่ โดยเฉพาะในยุคที่ฮาร์ดแวร์สมัยใหม่นิยมใช้ Little-Endian เป็นมาตรฐานหลัก</p></div><p>ในวันเดียวกัน วิล ดีคอน ยังได้โพสต์ชุดแพตช์ 19 รายการในหัวข้อ "arm64: Implement parallel CPU onlining with PSCI v0.2+" ซึ่งช่วยให้ arm64 สามารถดึงซีพียูสำรองเข้าสู่เคอร์เนลพร้อมกันได้ แทนที่จะต้องทำทีละตัวอย่างเคร่งครัดเหมือนในอดีตที่ผ่านมา โดยสถาปัตยกรรมอย่าง x86, MIPS และ RISC-V มีระบบการบูตแบบขนานนี้มาก่อนแล้ว ขณะที่ arm64 เป็นฝ่ายที่รอกลุ่มสุดท้าย ชุดแพตช์นี้ต่อยอดมาจากงาน HOTPLUG_PARALLEL ของ จินเจี๋ย รวน (Jinjie Ruan) จากหัวเว่ยที่เสนอไว้เมื่อเดือนมิถุนายนที่ผ่านมา</p><div class="stat-row"><div class="stat-item"><span class="stat-number">41%</span><span class="stat-label">เวลาบูตระบบลดลงบนเซิร์ฟเวอร์ 192 คอร์</span></div><div class="stat-item"><span class="stat-number">19</span><span class="stat-label">แพตช์ในชุดอัปเกรด PSCI v0.2</span></div></div><p>กลไกเบื้องหลังการทำงานนี้อาศัยความสามารถของ PSCI v0.2 ที่อนุญาตให้การเรียกใช้งาน CPU_ON ส่งอาร์กิวเมนต์บริบทไปยังซีพียูตัวใหม่ได้โดยตรงผ่านทางเฟิร์มแวร์ ซึ่งช่วยขจัดจุดคอขวดที่ซีพียูแต่ละตัวต้องระบุตัวเองเทียบกับสถานะส่วนกลางที่ต้องแชร์ร่วมกัน ทำให้ arm64 สามารถยกเลิกการซิงโครไนซ์ซีพียูสำรองแบบกำหนดเอง และหันมาใช้กลไกมาตรฐานอย่าง HOTPLUG_PARALLEL, HOTPLUG_SPLIT_STARTUP และระบบซิงก์คอร์แบบเดียวกับสถาปัตยกรรมอื่นได้ ผลลัพธ์จากการวัดผลในรุ่นก่อนหน้าพบว่าเซิร์ฟเวอร์ HiSilicon ขนาด 192 คอร์ สามารถบูตซีพียูได้ในเวลา 8.6 วินาที จากเดิมที่เคยใช้เวลา 14.6 วินาที ซึ่งเป็นการลดลงถึง 41 เปอร์เซ็นต์</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" /> </p>

<div class="key-takeaways"><ul><li>arm64 drops big-endian kernel support targeting Linux 7.4</li><li>Parallel CPU bringup cuts 192-core boot time by 41 percent</li><li>Embedded teams must verify PSCI firmware and BSP configs</li></ul></div><p>Platform direction for arm64 dominated the week as maintainer Will Deacon posted version two of a patch series removing big-endian kernel support, targeted at Linux 7.4, alongside a new 19-patch series bringing parallel secondary CPU onlining through the PSCI v0.2 CPU_ON argument. Concurrently, Linux 7.3-rc2 arrived with scheduler fixes, Buildroot 2026.08 shipped supporting GCC 16 and glibc 2.44, and kernel.org reported that AI crawlers consume roughly a fifth of its git infrastructure capacity.</p><p>The removal of big-endian support marks the end of a staged deprecation rather than an abrupt choice. The CONFIG_CPU_BIG_ENDIAN option was made to depend on BROKEN back in version 6.18, rendering the code unbuildable while dead components gradually left the tree. The v2 series posted on 7 September contains 14 patches deleting around 540 lines of big-endian handling from the arm64 tree, removing paths from BPF JIT, crypto assembly, optimised string routines, compat vDSO builds, and the KVM hypervisor while forcing little-endian explicitly during early boot.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/arm64_big_endian_linux_7_4_mts7ct75_inline_1_3b68ad2191.jpg" alt="linux kernel server rack data center" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Two specific details matter for embedded teams. First, SETEND emulation for 32-bit user tasks remains intact, ensuring mixed-endian 32-bit userspace continues executing. Second, during review discussions, Arnd Bergmann confirmed that a parallel process applies to 32-bit Arm, where big-endian mode is deprecated in 7.3, the ixp4xx platform runs little-endian, and arm32 removal is anticipated in a subsequent long-term release.</p><div class="ai-insight"><p>The ongoing removal of legacy architectures and unmaintained configurations from the Linux kernel highlights a broader maintenance strategy aimed at reducing technical debt and improving codebase security. By deprecating features with minimal active testers, maintainers can concentrate engineering efforts on performance enhancements and modern standards that serve active production environments, particularly as little-endian remains the dominant industry baseline.</p></div><p>On the same day, Will Deacon published "arm64: Implement parallel CPU onlining with PSCI v0.2+", a 19-patch series enabling arm64 to bring secondary CPUs into the kernel concurrently instead of sequentially. While architectures like x86, MIPS, and RISC-V already feature parallel bringup, arm64 remained a holdout. This new series supersedes earlier work on HOTPLUG_PARALLEL submitted by Jinjie Ruan of Huawei in June.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">41%</span><span class="stat-label">Boot time reduction on 192-core server</span></div><div class="stat-item"><span class="stat-number">19</span><span class="stat-label">Patches in PSCI v0.2 update series</span></div></div><p>The underlying mechanism utilizes PSCI v0.2, which allows the CPU_ON call to pass a context argument directly to incoming CPUs via firmware. This eliminates the serialization bottleneck where each CPU had to identify itself against shared global state, allowing arm64 to drop custom synchronization in favor of generic machinery like HOTPLUG_PARALLEL, HOTPLUG_SPLIT_STARTUP, and core-syncing used by other architectures. Measurements from the predecessor series showed a 192-core HiSilicon server booting its CPUs in 8.6 seconds instead of 14.6, delivering a 41 percent reduction in bringup 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/raghu_bharadwaj_404e60eb0c/kernel-embedded-news-arm64-drops-big-endian-boots-cpus-in-parallel-4226" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_arm64-เตรียมถอด-big-endian-พร้อมบูตซีพียูขนานใน-linux-7-4-mts7ct75.jpg

small_arm64-เตรียมถอด-big-endian-พร้อมบูตซีพียูขนานใน-linux-7-4-mts7ct75.jpg

thumbnail_arm64-เตรียมถอด-big-endian-พร้อมบูตซีพียูขนานใน-linux-7-4-mts7ct75.jpg

arm64-เตรียมถอด-big-endian-พร้อมบูตซีพียูขนานใน-linux-7-4-mts7ct75.jpg

วิล ดีคอน ผู้ดูแลแพลตฟอร์ม arm64 เสนอแพตช์ลบระบบ Big-Endian และเพิ่มการบูตซีพียูสำรองแบบขนานผ่าน PSCI มุ่งเป้าบรรจุในเคอร์เนล Linux 7.4

Will Deacon proposes patches to remove big-endian kernel support and implement parallel secondary CPU booting via PSCI for Linux 7.4.

Arm64 เตรียมถอด Big-Endian พร้อมบูตซีพียูขนานใน Linux 7.4

Arm64 Drops Big-Endian and Boots CPUs in Parallel

<p>ข่าวสารสำหรับนักพัฒนา เทคนิคการเขียนโปรแกรม และเทรนด์ในวงการซอฟต์แวร์</p>

Inewgen

Inewgen

Developer

Prompt Engineering vs Fine-Tuning: Which to Choose

Inewgen

A Step-by-Step Guide to Using Poetry for Python

Inewgen

Why JavaScript Should Mutate State Instead of Styles

Inewgen

Build NestJS Auth with brkpt-auth in 15 Minutes

Inewgen

Refactoring NestJS Auth: Adding Username & GitHub OAuth

Inewgen

Developer Shares Lessons on Designing DEX Metrics

Inewgen

Puneet Kumar Launches Devlogr Personal Developer Portfolio

Inewgen

Arm64 Drops Big-Endian and Boots CPUs in Parallel

Inewgen

Popular Category