สวัสดีครับ/ค่ะ ช่วงหลังมานี้พอเครื่องมือ AI พัฒนาไปมาก ก็มีความพยายามจะเอาโอเพนซอร์สหลายตัวมาผสมกันเพื่อทำ MVP อย่างรวดเร็วกันมากขึ้น
แต่ถึงแม้ docs ของไลบรารีแต่ละตัว (เช่น LangChain, Qdrant, n8n ฯลฯ) จะทำมาดี แต่การหา 'glue code' ที่ใช้เชื่อมพวกมันเข้าด้วยกัน หรือกรณีตัวอย่างที่เชื่อมต่อกันสำเร็จตามเวอร์ชันต่าง ๆ นั้น กลับเป็นการลองผิดลองถูกไม่รู้จบอยู่เสมอ
เวลาเอาโอเพนซอร์สหลายตัวมาประกอบ ออกแบบสถาปัตยกรรม และเดินสายเชื่อมกันจริง ๆ ทุกคนมีวิธีลดการลองผิดลองถูกกันอย่างไรบ้างครับ/คะ
- ปกติขอให้ ChatGPT/Claude ช่วยสร้าง Docker Compose หรือโค้ดสำหรับการเชื่อมต่อกันเป็นหลักไหม? (เคยทุกข์กับปัญหาเวอร์ชันไม่ตรงกันบ้างไหม?)
- เคยรู้สึกไหมว่าควรมีที่รวมสแตกการเชื่อมต่อที่บิลเดอร์คนอื่นทำสำเร็จแล้ว (Boilerplate) หรือไดอะแกรมสถาปัตยกรรมที่ใช้ได้จริงไว้ในที่เดียว?
- ถ้ามีฟีดแบ็กยืนยันจากนักพัฒนา เช่น "คอมโบนี้ยืนยันว่าใช้ได้กับไลบรารี A v1.2 และ B v2.0" พร้อมการโหวตผลสำเร็จ/ล้มเหลว คุณคิดว่าจะอ้างอิงข้อมูลแบบนั้นจริงไหม?
อยากฟังประสบการณ์ลองผิดลองถูกจริง ๆ และความคิดเห็นจากบิลเดอร์ที่ทำงานภาคสนามครับ/ค่ะ
ยังไม่มีความคิดเห็น