Block 5 - Architecture

Block 5: Architecture

16:45 - 18:00 75 นาที 2 Quests

🎯 ผลลัพธ์การเรียนรู้

เมื่อจบ block นี้ คุณจะสามารถ:

• ออกแบบ system architecture ของระบบ AI
• สร้างระบบ RAG (Retrieval-Augmented Generation)
• บันทึก architectural decisions

---

📖 Concept: System Architecture (30 นาที)

System Architecture คืออะไร?

System Architecture คือการออกแบบโครงสร้างของระบบ รวมถึง:

• Components: ส่วนประกอบของระบบ
• Interfaces: การเชื่อมต่อระหว่าง components
• Data Flow: การไหลของข้อมูล
• Security: ความปลอดภัยของระบบ

AI-Powered System Patterns

Pattern 1: RAG (Retrieval-Augmented Generation)

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Documents  │────▶│  Embeddings │────▶│ Vector Store│
└─────────────┘     └─────────────┘     └──────┬──────┘
                                               │
┌─────────────┐     ┌─────────────┐           │
│   Query     │────▶│  Embeddings │───────────┘
└─────────────┘     └──────┬──────┘
                           │
                           ▼
                    ┌─────────────┐
                    │     LLM     │
                    └──────┬──────┘
                           │
                           ▼
                    ┌─────────────┐
                    │   Answer    │
                    └─────────────┘

Use Cases:

• สนทนากับเอกสารของคุณ
• Knowledge base Q&A
• ค้นหาเอกสาร

Pattern 2: Multi-Agent System

┌──────────┐    ┌──────────┐    ┌──────────┐
│ Planner  │───▶│  Coder   │───▶│ Reviewer │
└──────────┘    └──────────┘    └────┬─────┘
                                     │
                    ┌────────────────┘
                    ▼
              ┌──────────┐
              │  Tester  │
              └──────────┘

Use Cases:

• สร้างโค้ดที่ซับซ้อน
• Automated workflows
• Quality assurance

Pattern 3: Event-Driven Architecture

┌─────────┐     ┌─────────┐     ┌─────────┐
│ Event   │────▶│ Handler │────▶│ Side    │
│ Source  │     │         │     │ Effects │
└─────────┘     └─────────┘     └─────────┘

Use Cases:

• Microservices
• ระบบ real-time
• แอปพลิเคชันที่ scalable

---

🛠️ Architecture Documentation

Architecture Decision Records (ADR)

บันทึก architectural decisions:

# ADR-001: [ชื่อ Decision]

## Status
Accepted

## Context
[Decision ที่ต้องตัดสินใจ]

## Decision
[Decision ที่ตัดสินใจ]

## Consequences
- [ข้อดี]
- [ข้อเสีย]

System Design Document

# System Design: [ชื่อระบบ]

## Overview
- วัตถุประสงค์
- Users
- Key Features

## Architecture
- Components
- Interfaces
- Data Flow

## Security
- Authentication
- Authorization
- Encryption

## Deployment
- Infrastructure
- CI/CD
- Monitoring

---

🎯 Responsible AI & Ethics

Data Privacy พื้นฐาน (GDPR)

หลักการ GDPR สำหรับ AI:

1. ความชอบด้วยกฎหมาย — ฐานทางกฎหมายในการประมวลผลข้อมูล
2. จำกัดวัตถุประสงค์ — ใช้ข้อมูลเฉพาะที่ระบุไว้
3. ลดข้อมูล — เก็บเฉพาะข้อมูลที่จำเป็น
4. ความถูกต้อง — รักษาความถูกต้องของข้อมูล
5. จำกัดการเก็บ — ไม่เก็บข้อมูลนานเกินที่จำเป็น
6. ความปลอดภัย — ป้องกันการเข้าถึงโดยไม่ได้รับอนุญาต

Best Practices สำหรับ AI:

• อย่าส่ง PII ไปยัง LLM APIs โดยไม่ได้รับความยินยอม
• ทำให้ข้อมูลเป็น anonymous ก่อนประมวลผล
• บันทึกว่าข้อมูลอะไรถูกประมวลผลเมื่อไหร่
• ใช้ data retention policies

---

การตระหนักถึง Bias

ประเภทของ AI Bias:

Type	คำอธิบาย	ตัวอย่าง
Historical bias	Training data สะท้อนการเลือกปฏิบัติในอดีต	Resume screening มี bias
Representation bias	กลุ่มที่ถูกลดตัวแทน	ไม่รู้จักชื่อต่างชาติ
Measurement bias	การเก็บข้อมูลไม่สม่ำเสมอ	ค่า BMI ต่างกันตามเชื้อชาติ
Agnostic bias	สมมติว่า model เดียวใช้ได้กับทุกคน	ไม่ปรับให้เข้ากับความต้องการ

วิธีลด Bias:

• ทดสอบด้วย inputs ที่หลากหลาย
• ตรวจสอบ outputs เพื่อหาผลกระทบที่แตกต่างกัน
• บันทึกข้อจำกัดที่ทราบ
• Human review สำหรับ decisions ที่ sensitive

---

AI-Generated Code Licensing

คำถามสำคัญ:

• ใครเป็นเจ้าของโค้ดที่ AI สร้าง?
• สามารถใช้เชิงพาณิชย์ได้หรือไม่?
• ต้องเปิดเผยการใช้ AI หรือไม่?

สถานะทางกฎหมายในปัจจุบัน:

• US: โค้ดจาก AI อาจไม่สามารถจดทะเบียนลิขสิทธิ์ได้
• EU: เข้มงวดกว่า อาจต้องเปิดเผย
• Company policies: แตกต่างกันไป

Best Practices:

• บันทึกการใช้ AI ใน codebase
• ตรวจสอบ AI output เรื่องลิขสิทธิ์
• ทำตาม company AI policy
• ไม่แน่ใจ? ปรึกษาทีมกฎหมาย

---

🎮 Code Quests

🟡 Quest 5.1: RAG Design

เป้าหมาย: ออกแบบระบบ Retrieval-Augmented Generation ที่จัดการ failure modes ได้

Download quest และทำตาม instructions:

npx degit Poom5741/ai-sdlc-course/quests/block-5-architecture/quest-13-rag-design my-quest
cd my-quest
node test.js

ต้องมีใน rag-design.md:

1. Chunking strategy — วิธีแบ่งเอกสาร (ตาม heading + window size)
2. Embedding strategy — Model ไหน, วิธี embed chunks/queries
3. Retrieval quality metric — recall@5 / precision / NDCG เพื่อวัด retrieval quality
4. Failure handling — ทำอะไรเมื่อ retrieval ว่าง / confidence ต่ำ / query อยู่นอก corpus (fallback, graceful degradation)
5. Corpus — ระบุส่วนใดของ workshop docs ที่จะ index

Culture ที่ควรเรียนรู้: ออกแบบสำหรับ failure mode — อย่าปล่อยให้ระบบ hallucinate เมื่อข้อมูลไม่เพียงพอ

ส่งมอบ: rag-design.md ผ่าน node test.js

---

🔴 Quest 5.2: Full System Design

เป้าหมาย: ออกแบบระบบ AI แบบสมบูรณ์ — ระบุ interfaces ก่อน implement

npx degit Poom5741/ai-sdlc-course/quests/block-5-architecture/quest-14-full-system my-quest
cd my-quest
node test.js

ต้องมีใน system-design.md:

1. Component diagram — กล่องใน markdown พร้อมลูกศร (→ หรือ Mermaid graph)
2. Interface contracts — function signatures + I/O types สำหรับทุก components
3. Data flow — การไหลของข้อมูล: จาก input ไป output
4. Named components — อย่างน้อย 3 ชื่อ components ที่แตกต่างกัน

Culture ที่ควรเรียนรู้: ระบุ interfaces ก่อน implement — ล็อก contracts ก่อน เพื่อแต่ละ component สามารถสร้างและทดสอบได้แยกกัน

ส่งมอบ: system-design.md ผ่าน node test.js

---

✅ Block 5 Checklist

• เข้าใจ AI architecture patterns
• Quest 5.1 เสร็จแล้ว
• Quest 5.2 เสร็จแล้ว

---

🎉 Workshop เสร็จสมบูรณ์

ยินดีด้วย! คุณได้เรียนรู้ทุก block:

1. ✅ Block 1: ตั้งค่าเครื่องมือ AI
2. ✅ Block 2: Prompt Engineering
3. ✅ Block 3: Security
4. ✅ Block 4: Agentic Workflows
5. ✅ Block 5: Architecture

สิ่งที่คุณเรียนรู้

• การตั้งค่าและใช้เครื่องมือ AI coding
• เขียน prompt ที่มีประสิทธิภาพ
• ระบุและแก้ไขช่องโหว่ความปลอดภัย
• สร้าง automated development loops
• ออกแบบระบบ AI-powered

ขั้นตอนถัดไป

1. นำไปใช้: ใช้ skills เหล่านี้ใน project จริงของคุณ
2. แบ่งปัน: สอนสิ่งที่เรียนรู้ให้ผู้อื่น
3. พัฒนา: ปรับปรุง workflow อย่างต่อเนื่อง

ดู Code Quests ทั้งหมด →