ข้ามไปบทความ

สร้างเกม 3D ที่เล่นสนุกด้วย AI: บทเรียนจาก The Librarian 2 และเหตุผลที่นักพัฒนาเกมยังสำคัญ

The Librarian 2 ใช้ Claude Code และ Codex สร้างต้นแบบ roguelite 3D แต่ปัญหากล้อง แผนที่ บอส และสมดุลเกมชี้ว่าการทดสอบกับรสนิยมยังสำคัญ

โดย Insiderly
video thumbnail for 'Making An Actually Fun 3D Game with AI'
ภาพจาก วิดีโอต้นทาง
เผยแพร่:

ที่มา: วิดีโอต้นทาง และบทความ VideoToBlog วันที่ 2026-08-12 (วันที่แสดงในบทความต้นทาง ไม่ใช่วันที่อัปโหลดวิดีโอที่ตรวจยืนยันแล้ว) เวลา รุ่นโมเดล จำนวนบรรทัด/โมดูล และผลการทดลอง The Librarian 2 อ้างตามคลิปต้นทาง ไม่ใช่ผลทดสอบเกมหรือโค้ดซ้ำของบทความ ต้นแบบที่เล่นได้ยังไม่ใช่การรับรองว่าพร้อมขายหรือแทนความเชี่ยวชาญของนักพัฒนาเกม · วิดีโอต้นทาง

การใช้ AI ช่วยเขียนโค้ดทำให้การสร้างต้นแบบเกมก้าวกระโดดอย่างมาก ภายในเวลาไม่กี่ชั่วโมง ไอเดียที่เคยต้องอาศัยทีมงานหลายตำแหน่งสามารถกลายเป็นเกม 3D ที่เปิดเล่นได้จริง มีระบบความคืบหน้า ด่านที่สุ่มสร้าง เหตุการณ์พิเศษ บอส และการอัปเกรดตัวละคร แต่ความเร็วในการสร้างโค้ดไม่ได้แปลว่าการสร้างเกมคุณภาพสูงกลายเป็นเรื่องง่าย

โครงการ The Librarian 2 คือกรณีศึกษาที่ชัดเจน เกมภาคต่อของเกมแนวจัดระเบียบห้องสมุด ถูกพัฒนาแบบ vibe coding ด้วย Claude Code และ Codex เป้าหมายไม่ใช่แค่สร้างเดโมด่านเดียว แต่เป็นการทดสอบว่า AI สามารถช่วยคนคนเดียวสร้างเกม roguelite แบบ 3D ที่มีลูปการเล่นสนุกและเล่นซ้ำได้หรือไม่

จากเกมเก็บหนังสือสู่ roguelite 3D

แกนหลักของ The Librarian ภาคแรกเรียบง่ายมาก ตัวละครทำหน้าที่เป็นบรรณารักษ์ในห้องสมุดที่เต็มไปด้วยนักเรียนซุกซน นักเรียนจะรื้อหรือทำหนังสือตกจากชั้น หน้าที่หลักคือเก็บหนังสือจากพื้นและนำกลับไปจัดเข้าชั้นให้ถูกต้อง การจัดหนังสือสำเร็จให้ค่าประสบการณ์ ช่วยให้ตัวละครเลเวลสูงขึ้น และปลดความสามารถสำหรับจัดการความวุ่นวายได้ดีขึ้น

เกมยังมี Chaos Meter หรือเกจวัดความโกลาหล ยิ่งปล่อยให้หนังสือกองบนพื้นมาก เกจก็ยิ่งเพิ่มขึ้น เมื่อแตะ 100 เปอร์เซ็นต์ รอบนั้นก็สิ้นสุดลง ลูปนี้มีความชัดเจน เพราะทุกการตัดสินใจผูกกับแรงกดดันเดียวกัน คือจะจัดการกองหนังสือที่อยู่ตรงหน้า หรือจะวิ่งไปหยุดต้นเหตุที่กำลังก่อปัญหาเพิ่ม

ภาคสองขยายแนวคิดเดิมให้กลายเป็นเกม 3D แบบ roguelite โดยตั้งเป้าหมายสำคัญไว้หลายด้าน ได้แก่

แนวคิด broken run เป็นหัวใจสำคัญของเกม roguelite ที่ดี ผู้เล่นไม่ได้เพียงเพิ่มค่าสถานะทีละน้อย แต่ได้สัมผัสการผสมความสามารถที่เปลี่ยนวิธีเล่นอย่างชัดเจน ความสนุกมาจากการค้นพบว่าอัปเกรดใดเสริมกัน และการตัดสินใจที่ถูกต้องในช่วงต้นสามารถพลิกทั้งรอบได้อย่างไร

สิ่งที่การผลิตเกม AAA ต้องทำก่อนเริ่มเขียนโค้ด

ความเข้าใจผิดที่พบบ่อยคือ หาก AI สร้างเกมที่ดูมีภาพสวยและมีตัวละครเคลื่อนไหวได้ ก็หมายความว่ากระบวนการพัฒนาเกมทั้งหมดถูกแทนที่แล้ว ในความจริง สตูดิโอเกมขนาดใหญ่มักมีงานจำนวนมากก่อนเริ่มลงมือเขียนระบบจริง

เกมระดับ AAA ต้องผ่านการวางทิศทางจากหลายบทบาท เช่น ผู้กำกับเกม ผู้กำกับสร้างสรรค์ และผู้อำนวยการออกแบบ ทีมศิลป์ยังต้องจัดทำ mood board, concept art, กำหนดโทนสี ศึกษาเกมคู่แข่ง วางธีมหลัก เส้นเรื่อง อารมณ์ และพัฒนาการของตัวละคร งานส่วนใหญ่นี้คือการตัดสินใจเชิงสร้างสรรค์และเชิงประสบการณ์ ไม่ใช่เพียงการผลิตโค้ด

The Librarian 2 ยอมลดทอนขั้นตอนเหล่านี้เพื่อทดลองความสามารถของเครื่องมือ จึงมีการกำหนด game loop และสไตล์ตัวละครร่วมกันล่วงหน้า แต่ไม่ได้พัฒนาเนื้อเรื่องหรือโครงสร้างการเล่าเรื่องละเอียดแบบเกมเชิงพาณิชย์เต็มรูปแบบ ข้อจำกัดนี้สำคัญ เพราะทำให้เห็นความต่างระหว่าง เกมที่เล่นได้ กับ เกมที่ถูกออกแบบมาอย่างสมบูรณ์

เวิร์กโฟลว์การใช้ Claude Code สร้างเวอร์ชันแรก

การพัฒนาเริ่มจากการสร้างโปรเจกต์ The Librarian 2 และเชื่อมโยงกับ repository ของภาคแรก เพื่อให้โมเดลเข้าใจลูปการเล่นเดิม จากนั้นจึงป้อนรายละเอียดความต้องการชุดใหญ่ผ่านพรอมต์ ตั้งแต่รูปแบบ 3D ความหลากหลายของห้องสมุด ระบบเลเวล พลังพิเศษ บอส เหตุการณ์ภัยพิบัติ ไปจนถึงความคืบหน้าถาวรของตัวละคร

Claude Code พร้อมโมเดล Opus 5 ถูกใช้สำหรับการสร้างโครงเกมเริ่มต้น ผลลัพธ์ใช้เวลาประมาณหนึ่งชั่วโมงครึ่ง และสิ่งที่น่าสนใจไม่ใช่แค่การสร้างไฟล์โค้ด แต่คือความสามารถในการเปิดเกมในเบราว์เซอร์ ทดสอบด้วยตัวเอง ตรวจพบปัญหา แล้วแก้ไขวนซ้ำ

ระหว่างกระบวนการทดสอบ ระบบสามารถพบข้อบกพร่องหลายแบบ เช่น กล้องทะลุเพดาน ปัญหา depth of field บอสสร้างแรงกดดันต่อ Chaos Meter มากเกินไป และศัตรูบางประเภทไม่หยุดก่อความวุ่นวาย โมเดลยังพยายามปรับสมดุลของเกมด้วยการเพิ่มเวลารอให้บอส ลดแรงกดดัน และตรวจสอบกรณีที่ผู้เล่นตายจากการชนศัตรูแทนที่จะตายจากระบบความโกลาหลตามเจตนาของเกม

เวอร์ชันแรกมีโค้ดประมาณ 10,400 บรรทัดใน 33 โมดูล และไม่มีไฟล์แอสเซตแยกเลย ทั้งพื้นผิว วัสดุ ตัวละคร เสียงเอฟเฟกต์ และดนตรีถูกสร้างจากโค้ดทั้งหมด นี่เป็นตัวอย่างที่ชัดเจนว่าขีดความสามารถของเครื่องมือ AI ด้านการสร้างต้นแบบพัฒนาไปไกลมาก

ระบบเกมที่ AI สร้างขึ้นได้จริง

แม้จะเป็นเวอร์ชันแรก เกมได้รวมระบบจำนวนมากที่ปกติไม่พบในเดโมง่าย ๆ การเก็บหนังสือใช้ระบบเข้าใกล้ไอเท็ม หนังสือจะถูกจัดเข้าพื้นที่สีที่ตรงกันโดยอัตโนมัติ ขณะที่เข็มทิศชี้ไปยังตำแหน่งเป้าหมายที่ใกล้ที่สุด การจัดหนังสืออย่างต่อเนื่องสร้างคอมโบและ XP

เมื่อเลเวลเพิ่มขึ้น จะมีตัวเลือกอัปเกรด 3 ทางให้เลือก เช่น เพิ่ม XP ทำให้คอมโบสะสมเร็วขึ้น หรือลดระยะเวลาของภัยพิบัติ บางความสามารถทำหน้าที่เป็นสกิลกดใช้ เช่น Chromatic Shush ที่ปล่อยคลื่นพลังเพื่อส่งหนังสือสีเดียวกันที่อยู่ใกล้กลับเข้าชั้นพร้อมกัน

เกมยังมีแผนที่ย่อ แถบพลังชีวิต เกจสแตมินาสำหรับวิ่ง และระบบตัวละครที่เลือกได้ เช่น Marion และ Wolf รวมถึงหน้า Staff Development สำหรับใช้ XP สะสมปลดการพัฒนาแบบถาวร ความคืบหน้าแบบนี้ช่วยให้แต่ละรอบที่พ่ายแพ้ยังมีความหมาย เพราะรอบต่อไปเริ่มต้นได้แข็งแกร่งขึ้นเล็กน้อย

ภัยพิบัติเพิ่มแรงกดดันให้ลูปหลัก แผ่นดินไหวสามารถทำให้หนังสือจำนวนมากตกจากชั้นพร้อมกัน ขณะที่ทอร์นาโดและภูเขาไฟทำให้พื้นที่กลายเป็นสถานการณ์ฉุกเฉิน ผู้เล่นจึงต้องอ่านสถานการณ์อย่างรวดเร็วว่าควรเก็บหนังสือ ไล่หยุดตัวก่อกวน หรือหลบอันตรายก่อน

เวอร์ชันแรกเล่นได้ แต่ยังไม่ใช่เกมที่สมบูรณ์

การเปิดเกมครั้งแรกเผยให้เห็นจุดที่ AI ยังต้องอาศัยการกำกับจากมนุษย์อย่างมาก การควบคุมทิศทางกลับด้าน หน้าอัปเกรดไม่มีปุ่มย้อนกลับ การเลื่อนในเมนูไม่ทำงาน และลูกศรบนแผนที่ย่อไม่ได้สะท้อนทิศทางการเคลื่อนที่ของตัวละครอย่างถูกต้อง

ในเกมเพลย์ยังมีปัญหาที่สำคัญกว่า เช่น หนังสือบางเล่มเก็บไม่ได้ ตำแหน่งหนังสือบางครั้งค้นหาได้ยาก บอสเด็กเกเรเคลื่อนที่เร็วเกินไปจนไล่ไม่ทัน และภัยพิบัติบางชนิดให้ผลกระทบไม่สมเหตุผล ตัวอย่างเช่น ทอร์นาโดที่ควรสร้างความเสียหายรุนแรง กลับทำหนังสือตกเพียงไม่กี่เล่ม ขณะเดียวกัน Chaos Meter กลับเพิ่มเร็วเกินจนผู้เล่นแทบไม่มีทางฟื้นสถานการณ์

ปัญหาเหล่านี้ไม่ได้เป็นรายละเอียดเล็กน้อย แต่เป็นหัวใจของเกม การควบคุมที่ไม่เป็นธรรม การสื่อสารที่ไม่ชัดเจน หรือความยากที่ไต่ระดับผิดจังหวะ สามารถทำลายความสนุกได้ แม้ภาพ แสง และเอฟเฟกต์จะดูน่าประทับใจเพียงใดก็ตาม

การส่งต่องานและการทำเอกสารมีความสำคัญอย่างไร

หลังจากได้ต้นแบบแล้ว ขั้นตอนสำคัญคือการสำรองโค้ดไว้ใน GitHub เพื่อให้ย้อนกลับไปยังเวอร์ชันก่อนหน้าได้เมื่อการแก้ไขใหม่ทำให้ระบบพัง หรือเมื่อต้องย้ายไปทำงานบนเครื่องอื่น การจัดการเวอร์ชันอาจไม่ใช่ความสามารถพิเศษของ AI แต่เป็นวินัยพื้นฐานที่ช่วยควบคุมความเสี่ยงในการพัฒนาซอฟต์แวร์

อีกขั้นตอนหนึ่งคือการสร้างไฟล์ design.md ที่อธิบายสถานะปัจจุบันของเกมอย่างละเอียด เอกสารนี้รวมภาพรวมระบบ วิธีเริ่มต้นใช้งาน กลไกหลัก และสิ่งที่พัฒนาแล้ว จุดประสงค์คือทำให้เครื่องมือหรือผู้ร่วมงานคนถัดไปเข้าใจบริบทได้เร็ว โดยไม่ต้องเดารายละเอียดจากโค้ดหลายหมื่นบรรทัด

นี่เป็นบทเรียนที่นำไปใช้ได้กับทุกโปรเจกต์ AI coding: ยิ่งระบบซับซ้อน การเก็บความรู้ไว้ในเอกสารที่อ่านง่ายยิ่งจำเป็น โมเดลสามารถสร้างหรือแก้โค้ดได้รวดเร็ว แต่บริบทที่ไม่เป็นระเบียบจะทำให้การปรับปรุงในระยะยาวช้าลงและเสี่ยงต่อความผิดพลาดมากขึ้น

ใช้ Codex ปรับแต่ง: จากฟีเจอร์สู่ความรู้สึกของเกม

หลังสร้างโครงหลักด้วย Claude Code งานถูกย้ายไปยัง Codex และ GPT-5.6 Sol เพื่อเน้นการเก็บรายละเอียด ขั้นแรกคือให้โมเดลอ่านไฟล์ design.md แล้วเสนอรายการปรับปรุง ผลลัพธ์มีข้อเสนอแนะหลายข้อ โดยประเด็นที่ถูกจัดเป็นลำดับสูงคือการแก้เส้นทางในแผนที่ procedural เพื่อให้ทุกจุดเข้าถึงได้จริง การซ่อมระบบการซ้อนทับของ progression และการเพิ่มบทสอนแบบโต้ตอบสำหรับรอบแรก

การจัดลำดับนี้สะท้อนวิธีคิดด้าน game design ที่ดี ไม่ควรรีบปรับสมดุลความยาก หากแผนที่ยังมีจุดที่เดินไปไม่ถึง หรือระบบอัปเกรดยังทำงานผิด เพราะข้อมูลจากการเล่นจะไม่สะท้อนคุณภาพของความยากอย่างแท้จริง

เป้าหมายของความยากถูกกำหนดไว้อย่างชัดเจน เกมควรเริ่มต้นยากจนไม่ควรผ่านได้ตั้งแต่ครั้งแรก แต่เมื่อเรียนรู้ระบบและปลดอัปเกรดถาวรแล้ว ผู้เล่นควรรู้สึกว่าตนเองเก่งขึ้นและมีโอกาสผ่านมากขึ้น นี่คือสมดุลสำคัญของ roguelite ระหว่างความท้าทาย ความก้าวหน้า และความยุติธรรม

การทดสอบจริงเปิดเผยปัญหาที่พรอมต์อย่างเดียวแก้ไม่ได้

การทดสอบร่วมกันทำให้เห็นทั้งจุดแข็งและจุดอ่อนของเกม เมนูได้รับการปรับให้ดูดีขึ้น มีบทสอนที่บอกให้เก็บหนังสือสีเฉพาะ มีลูกศรนำทาง และอธิบายการวิ่งพร้อมแถบสแตมินา ระบบสกิลและอีเวนต์ช่วยให้แต่ละรอบมีจังหวะที่คาดเดาไม่ได้มากขึ้น

แต่เมื่อความโกลาหลหลายระบบเกิดพร้อมกัน ปัญหาด้านความยากก็ปรากฏชัด บอสที่เร็วเกินไปทำให้การไล่จับไม่ใช่ความท้าทายที่น่าสนใจ แต่กลายเป็นความรู้สึกว่าระบบไม่ยุติธรรม ทอร์นาโดมีความน่าตื่นเต้นเชิงภาพ แต่ผลต่อเกมเพลย์ยังไม่สอดคล้องกับสิ่งที่ควรเป็น ความโกลาหลเพิ่มขึ้นอย่างรวดเร็วโดยขาดช่องทางแก้สถานการณ์ที่ชัดเจน

รอบแก้ไขถัดมาจึงมุ่งไปที่การหมุนกล้อง แสงจากหน้าต่าง การไต่ระดับความยาก ความแรงของภัยพิบัติ และการลดความเร็วของบอส นอกจากนี้ยังมีความพยายามปรับตัวละคร Wolf ให้ใกล้เคียงคอนเซปต์เดิมมากขึ้น แม้ผลลัพธ์จะไม่ตรงตามภาพอ้างอิงทั้งหมดก็ตาม

ทำไมความแตกต่างของด่านจึงยังไม่เพียงพอ

เกมมีแนวคิดให้ปลดล็อกสถานที่หลายแบบ นอกจาก Grand Library ยังมี Blockbuster Night, ร้านแผ่นเสียง และซูเปอร์มาร์เก็ต แต่การทดสอบพบว่าหลายด่านยังใช้โครงสร้างพื้นที่เดียวกันและต่างกันแค่โทนสี บางด่านมีลูกเล่นเฉพาะ เช่น เปลือกกล้วยที่ทำให้ลื่น หรือเห็ดที่ทำให้ตัวละครตัวใหญ่ขึ้น แต่ภาพรวมยังไม่สื่อเอกลักษณ์ของสถานที่ได้มากพอ

นี่เป็นอีกตัวอย่างของช่องว่างระหว่างการ “ใส่ฟีเจอร์” กับการ “ออกแบบประสบการณ์” ด่านร้านแผ่นเสียงไม่ควรเป็นเพียงห้องสมุดที่เปลี่ยนสี หากต้องการให้รู้สึกแตกต่างจริง อาจต้องมีจังหวะการเคลื่อนไหว วัตถุที่ต้องจัดการ อันตราย กฎการเล่น และบรรยากาศที่เปลี่ยนไปพร้อมกัน ซึ่งเป็นงานออกแบบที่ต้องอาศัยวิจารณญาณจำนวนมาก

AI เร่งการพัฒนาเกม แต่ไม่แทนที่การออกแบบเกม

บทสรุปของโครงการนี้ไม่ใช่ว่า AI ทำเกมไม่ได้ ตรงกันข้าม AI สามารถสร้างเกมที่ดูดี มีโครงสร้างซับซ้อน และเล่นได้จริงในเวลาสั้นอย่างน่าประหลาดใจ สิ่งที่เคยต้องใช้เครื่องมือหลายชุดสำหรับสร้างแอสเซต เสียง ดนตรี และโค้ด สามารถรวมอยู่ในเวิร์กโฟลว์เพียงหนึ่งหรือสองเครื่องมือได้

อย่างไรก็ตาม คอขวดของการพัฒนาเกมไม่เคยเป็นเพียงความเร็วในการพิมพ์โค้ด เกมที่ดีเกิดจากการตัดสินใจเล็ก ๆ นับไม่ถ้วน เช่น

AI อาจช่วยเสนอคำตอบ สร้างโค้ด และปรับแก้ได้อย่างรวดเร็ว แต่ยังต้องมีคนกำหนดมาตรฐานของคำว่า “สนุก” “ยุติธรรม” “ชัดเจน” และ “น่าเล่นซ้ำ” ความสามารถเหล่านี้คือทักษะของนักออกแบบเกม นักพัฒนา ศิลปิน นักเล่าเรื่อง และทีมทดสอบคุณภาพ

อนาคตของ vibe coding ในวงการเกม

vibe coding เปิดโอกาสให้คนที่ไม่ใช่นักพัฒนาเต็มเวลาเปลี่ยนไอเดียเป็นเกมทดลองได้ง่ายกว่าเดิม เป็นพื้นที่ที่ยอดเยี่ยมสำหรับเรียนรู้ระบบเกม ทดสอบแนวคิด ทำโปรเจกต์ส่วนตัว หรือสร้างต้นแบบเพื่อสื่อสารวิสัยทัศน์กับทีมงาน

แต่การมีเครื่องมือทำเกมไม่ได้หมายความว่าคนส่วนใหญ่จะเลิกซื้อเกมเพื่อหันมาสร้างเกมเอง การสร้างเกมและการเล่นเกมเป็นกิจกรรมคนละแบบ การสร้างต้องใช้เวลาตัดสินใจ ทดสอบ แก้ปัญหา และดูแลรายละเอียดอย่างต่อเนื่อง ขณะที่เกมเชิงพาณิชย์ที่ยอดเยี่ยมมอบประสบการณ์ที่ผ่านการออกแบบ ขัดเกลา และตรวจสอบมาแล้ว

The Librarian 2 จึงเป็นหลักฐานสองด้านพร้อมกัน ด้านหนึ่ง AI ทำให้การสร้างเกม 3D ที่มีระบบจริงเกิดขึ้นได้เร็วและเข้าถึงง่ายอย่างที่ไม่เคยมีมาก่อน อีกด้านหนึ่ง การทำให้เกมนั้นพร้อมขาย มีเอกลักษณ์ สมดุล และน่าจดจำ ยังคงเป็นงานสร้างสรรค์ที่ยากมาก

AI จะทำให้นักพัฒนาเกมทำงานได้เร็วขึ้น แต่ไม่ได้ทำให้ความเชี่ยวชาญด้านการออกแบบเกมหมดความหมาย ยิ่งเครื่องมือสร้างต้นแบบทรงพลังขึ้น ความสำคัญของการตัดสินใจที่ดี การทดสอบจริง และรสนิยมด้านการออกแบบก็ยิ่งเด่นชัดขึ้นเท่านั้น

แหล่งทดลองเกมและโค้ด

โครงการ The Librarian 2 มีหน้าเกมสำหรับทดลองใช้งานที่ The Librarian 2 และเปิดซอร์สโค้ดไว้ที่ GitHub repository สำหรับผู้ที่ต้องการศึกษาโครงสร้าง แก้ไข หรือแตกแขนงไอเดียของตนเอง

Insiderly

บทความจากกองบรรณาธิการ Insiderly

อ่านบทความทั้งหมด

More in ข่าวผลิตภัณฑ์ AI

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปกวิดีโอต้นทางของ Julian Goldie SEO แสดง Hermes Agent 0.14

Hermes v0.14: การติดตั้ง เบราว์เซอร์ และความจำในคลิปเดือนพฤษภาคม

โดย Insiderly
/
อินเทอร์เฟซ Deep Research ของ ChatGPT แสดงข้อความ 'Ready when you are' กล่องคำถามตัวอย่าง และตัวเลือก Deep research กับ Sites (3)

การอัปเดต Deep Research ใน ChatGPT: พลังของ GPT-5.2 และฟีเจอร์เชิงลึก

โดย Insiderly
/

บทความอื่นจาก Insiderly

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปก The End of Apps ของ Kitze บนเวที AI Engineer Europe

AI Agents กับจุดจบของแอป: บทเรียนจาก Kitze

โดย Insiderly
/
ภาพปกการสนทนา Human Judgment in Agentic Engineering จาก AI Engineer Europe

AI เร่งงานได้ แต่แรงเสียดทานช่วยให้เราตัดสินใจดีขึ้น

โดย Insiderly
/