
จากการแบ่งปันเรื่อง Automated Testing สำหรับ web application ด้วย Playwright ที่ Software Park นั้นมีคำถามที่น่าสนใจเกี่ยวกับการตรวจสอบ look and feel ของระบบว่าเราจะตรวจสอบอย่างไร ว่ายังคงทำงานเหมือนเดิม ตามที่ตกลงกันไว้

ในการใช้งาน LLM model ต่าง ๆ นั้น จะคิดค่าใช้จ่าย และ limit ต่าง ๆ ผ่านจำนวน token ที่ใช้งาน ทั้ง Input/Output/Cache ต่อ 1 ล้าน token เสมอแต่มีสิ่งหนึ่งที่น่าสนใจคือ model ใหม่ ๆ กับ tokenizer ใหม่ ๆ นั้นจะมีจำนวน token มากขึ้น ๆ ทั้ง ๆ ที่ input ของเราคือของเดิมโดยสิ่งที่ใช้งานคือ source code นั่นเอง

หนึ่งในคำถามที่น่าสนใจ จากการ share เรื่อง Software Architecture นั่นก็คือเราจะแบ่งส่วนต่าง ๆ ของการทำงานในระบบออกเป็น service ย่อย ๆ อย่างไรบ้าง ?ซึ่งแน่นอนมีแนวคิดเยอะมาก ๆทั้ง Modularทั้ง Service-Oriented Architectureทั้ง Microserviceทั้งนำแนวคิด boundary context จาก DDD เข้ามาช่วยทั้งแนวคิด Event-based เข้ามาใช้งานเยอะไปหมด แต่กลับมาจุดเริ่มต้นคือ ปัญหาที่คุณจะแก้ไขคืออะไรนั่นเอง ?เมื่อรู้ปัญหาแล้ว คุณมีวิธีการในกระเป๋า หรือใน secret toolbox เยอะไหม ?อย่าบอกนะ มีเพียงวิธีการเดียว แล้วใช้มันแก้ทุกปัญหา !!

จาก blog เรื่อง PostgreSQL 19 beta ทำการปรับปรุงความสามารถของ partitioning tableคือการเพิ่มการ merge และ split partition เข้ามา (maintenance partition)เพื่อช่วยแยกหรือรวมข้อมูลหลังจากที่ข้อมูลเกิดขึ้นมาซึ่งอาจจะไม่ตรงตามที่คิดหรือคาดหวังไว้ โดยมีคำถามเกี่ยวกับ partition table มันเป็นอย่างไร ?จึงทำการอธิบายให้นิดหน่อยดังนี้

มาลองทำความรู้จักกับ IBM Bob v2ซึ่งเป็น AI Agent for coding จากทาง IBMโดยถูกออกแบบมาสำหรับการพัฒนา software โดยตรงตั้งแต่การวางแผน การ generate code ให้ปลอดภัย การ review ต่าง ๆและแน่นอนว่าสนับสนุนการ enterprise application ทั้ง COBOL, RPG และ Javaตรงนี้คือจุดเด่นหลัก ๆ เลย ซึ่งทาง IBM คือกลุ่มลูกค้าแรกที่ใช้งาน Bob นั่นเอง

สำหรับที่ใครใช้งาน GitHub Copilot แบบ personal ด้วย pro price plan ขึ้นไปจะสามารถใช้งาน Kimi K2.7 Code จาก Moonshot AIได้แล้วส่วน Enterprise จะใช้งานในสัปดาห์หน้า ซึ่งทาง admin ต้องเป็นคนเปิดให้ใช้งานเองโดยจะทำการ host ตัว model เอาไว้ใน Microsoft Azure นั่นเอง เป็น open-weight ตัวแรกที่ทาง Copilot Chat เลือกมาให้ใช้งานและที่สำคัญคือ ราคาถูกกว่าพวก model แบบปิดจากทั้ง OpenAI และ Anthropic นั่นเองส่วนคุณภาพที่ได้ แนะนำให้ทดลองใช้กันดูก่อนและมีคำเตือนด้วยเรื่องของ source ที่ใช้ training modelว่าเป็นไปตาม policy ขององค์กรหรือไม่ !!