การสร้างระบบ Multi-Agent ด้วย CrewAI และ Python — WalkSelf
4.6 (12) ⏱ 3 ชม. 📚 30 บทเรียน

การสร้างระบบ Multi-Agent ด้วย CrewAI และ Python

เรียนรู้วิธีการออกแบบ กำหนดค่า และประสานงาน AI agents ตามบทบาทที่ทำงานร่วมกันเพื่อแก้ปัญหาที่ซับซ้อนโดยใช้ Python

  • 💬 ผู้สอน AI
    ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ
  • 🕐 เริ่มเมื่อไรก็ได้
    ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้
  • 🌐 เป็นภาษาไทย
    บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน

เกี่ยวกับคอร์สนี้

เมื่อปัญญาประดิษฐ์ก้าวข้ามการโต้ตอบแบบ prompt เดียว อนาคตจึงเป็นของ AI agents ที่ทำงานได้ด้วยตนเองและทำงานร่วมกันได้ หากคุณต้องการสร้างระบบที่โมเดล AI หลายตัวทำงานร่วมกันเพื่อวิจัย วิเคราะห์ และดำเนินงานได้อย่างราบรื่น การทำความเข้าใจ agentic frameworks จึงเป็นสิ่งจำเป็น คอร์สนี้จะสอนวิธีสร้าง multi-agent crews ตามบทบาทโดยใช้ CrewAI และ Python คุณจะได้เรียนรู้วิธีการกำหนดตัวตน (personas) ของ agent ที่แตกต่างกัน ติดตั้งเครื่องมือเฉพาะทางให้ และประสานงานเวิร์กโฟลว์เพื่อจัดการกับปัญหาที่ซับซ้อนและมีหลายขั้นตอนได้โดยอัตโนมัติ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจแนวคิดหลักของ agentic AI และการประสานงาน multi-agent - กำหนดค่า AI agents เฉพาะทางด้วยบทบาท เป้าหมาย และภูมิหลังที่แตกต่างกัน - ติดตั้งเครื่องมือและฟังก์ชันที่กำหนดเองให้กับ agents ของคุณเพื่อโต้ตอบกับข้อมูลภายนอก - ออกแบบงานแบบลำดับ (sequential) และแบบลำดับชั้น (hierarchical) เพื่อกำหนดเวิร์กโฟลว์ของทีมคุณ - ประยุกต์ใช้แนวทางปฏิบัติของ Python สมัยใหม่ รวมถึง virtual environments และ type hinting เพื่อเขียนโค้ด agent ที่แข็งแกร่ง - นำพื้นฐาน prompt engineering มาใช้เพื่อปรับปรุงการให้เหตุผลของ agent และความน่าเชื่อถือของผลลัพธ์ หลักสูตรเริ่มต้นด้วยคำศัพท์พื้นฐานของ AI agents ก่อนจะเข้าสู่แบบฝึกหัดที่เน้นการเขียนโค้ดจริง คุณจะได้อ่านบทเรียนแบบทีละขั้นตอนที่จะนำทางคุณตั้งแต่การเขียนสคริปต์ single-agent ตัวแรก ไปจนถึงการประสานงาน multi-agent crew ที่ทำงานร่วมกันอย่างเต็มรูปแบบ ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนาที่มีความรู้พื้นฐาน Python คอร์สนี้ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning ขั้นสูงหรือ AI frameworks ที่ซับซ้อนมาก่อน เริ่มสร้าง autonomous AI crews ของคุณเองตั้งแต่วันนี้ และก้าวเข้าสู่อนาคตของการพัฒนาซอฟต์แวร์

สิ่งที่คุณจะได้รับ

  • 📜 ใบประกาศนียบัตร
    เพิ่มในโปรไฟล์ LinkedIn ของคุณ
  • 💬 ติวเตอร์ AI ส่วนตัว
    ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา
  • ♾️ เข้าถึงตลอดชีพ
    กลับมาเรียนได้ตลอด ไม่มีหมดอายุ
  • 📱 โทรศัพท์หรือคอมพิวเตอร์
    ใช้งานได้ทุกที่ ทุกอุปกรณ์
  • 💸 คืนเงิน 14 วัน
    ไม่ต้องอธิบาย
  • กระชับและตรงประเด็น
    3 ชม. เนื้อหาเชิงปฏิบัติ

รีวิว (12)

Diego Flores CO ผู้เรียนที่ยืนยันแล้ว
★ 4 · 28.07.2026

Venía de probar otros frameworks y CrewAI me resultó mucho más intuitivo para repartir roles entre agentes. El curso explica muy bien cómo definir las tareas y hacer que los agentes colaboren entre sí, con ejemplos en Python que se pueden seguir sin problemas. Logré armar un flujo donde un agente investiga y otro redacta, y funcionó a la primera. Me hubiera gustado un poco más sobre cómo manejar costes de tokens cuando hay muchos agentes, pero por lo demás quedé muy satisfecho. Lo recomiendo si quieres empezar con sistemas multiagente.

Iwan Setiawan ID ผู้เรียนที่ยืนยันแล้ว
★ 4 · 27.07.2026

Materi jelas, langsung praktik dengan Python.

Thomas Mensah GH ผู้เรียนที่ยืนยันแล้ว
★ 5 · 22.07.2026

I've messed around with single-purpose AI scripts before but never actually understood how to get multiple agents to cooperate on a task until this course. The way it walks through defining roles, goals, and tools for each agent made the whole orchestration concept finally click for me. By the third project we were building a small team of agents that actually delegated subtasks to each other instead of just running in sequence, which felt like a real breakthrough. The pacing between theory and hands-on coding was well balanced, and the Python examples were clean enough to reuse directly. I walked away with an actual working crew doing research and writing tasks on its own.

Manon Bonnet MC
★ 5 · 20.07.2026

Explique très bien comment configurer des agents avec des rôles précis dans CrewAI et les faire collaborer sur une même tâche en Python.

Fernanda Mendes BR ผู้เรียนที่ยืนยันแล้ว
★ 5 · 05.07.2026

O curso mostra muito bem como configurar cada agente com seu próprio papel e ferramentas dentro do CrewAI. A parte de orquestração, onde os agentes realmente colaboram entre si, foi a que mais me surpreendeu. Consegui montar um pequeno time de agentes funcionando ainda na metade do curso.

Sophia Koch AT
★ 5 · 01.07.2026

Endlich verstehe ich rollenbasierte KI-Agenten wirklich.

Hatice Şahin TR ผู้เรียนที่ยืนยันแล้ว
★ 4 · 27.06.2026

Rol tabanlı ajanları anlamak çok kolaylaştı.

فوزية DZ ผู้เรียนที่ยืนยันแล้ว
★ 5 · 25.06.2026

CrewAI के साथ अलग-अलग रोल वाले एजेंट्स को आपस में काम करते देखना बहुत रोमांचक था, कोर्स ने हर कॉन्सेप्ट को आसान उदाहरणों से समझाया।

Jorge Alberto Medina MX
★ 4 · 24.06.2026

Muy buena introducción a CrewAI y cómo orquestar agentes con roles distintos, aunque algunos ejemplos podrían actualizarse a la última versión de la librería.

中村 悠真 JP ผู้เรียนที่ยืนยันแล้ว
★ 5 · 20.06.2026

役割ごとにエージェントを分けて協調させる考え方がCrewAIでとてもしっくりきました。Pythonのコードもシンプルで、リサーチ用のチームを自分で組み立てられたときは感動しました。エージェント同士のタスクの受け渡しの解説が特にわかりやすかったです。

Citra Kirana ID
★ 4 · 03.06.2026

Penjelasan tentang cara mengatur agen berbasis peran di CrewAI cukup jelas, meski beberapa contoh kode terasa agak padat untuk pemula.

Henry White NZ ผู้เรียนที่ยืนยันแล้ว
★ 5 · 27.05.2026

Clear, practical intro to CrewAI agents.

เขียนรีวิว

หลังจากส่ง เราจะขอให้คุณเข้าสู่ระบบ — ฉบับร่างของคุณถูกบันทึก

ผู้เรียนคนอื่นเรียน

คำถามที่พบบ่อย

ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +

แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ

ฉันชำระเงินอย่างไร? +

ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย

ฉันขอคืนเงินได้ไหม? +

ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย

ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +

ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด

ฉันจะได้ใบประกาศนียบัตรไหม? +

ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้

ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี ดีไซน์ การเงิน การตลาด สาธารณสุข การศึกษา ธุรกิจการบริการ อุตสาหกรรม