ดูดข้อมูลจากเน็ต ด้วย Gemini Antigravity
ติดต่อสอบถาม ขอรายละเอียด สมัคร หลักสูตร ACT Line OA : https://lin.ee/ylBHtu1 เรียนรู้วิธีใช้งาน Anti-Gravity Agentic Application เพื่อค้นหาข้อมูลร้านค้าและจั
"ในยุค Agentic AI ถ้าเรายังต้องมานั่งแก้ผลลัพธ์ของ AI ซ้ำไปซ้ำมา แปลว่าเราสั่งงานไม่ดีและกำลังเสียเวลาโดยใช่เหตุ" — [หมาก ดิจิทัล, ดูดข้อมูลจากเน็ต ด้วย Gemini Antigravity, 00:03:17]
(เมื่อคืนผมนั่งเทสต์ตัว Gemini Antigravity กะว่าจะลองสั่งสแกนหาร้านมัทฉะแถวนนทบุรีเพื่อวาง Route ทำตลาดบรรจุภัณฑ์ ปรากฏว่าสั่งรอบเดียวได้ทั้งไฟล์ CSV และหน้า Dashboard พล็อตพิกัดแผนที่แบบ One-Page HTML จบงานได้เลยครับ 555)
Note 1: นี่ไม่ใช่แค่ Web Scraping ธรรมดา แต่คือการเปลี่ยนผ่านสู่ "Agentic Workflow" ที่ AI ทำความเข้าใจเป้าหมายทางธุรกิจ (Business Intent), กวาดข้อมูลจากภายนอก, ทำ Data Cleansing และคอมไพล์ออกมาเป็น Interactive UI ได้เบ็ดเสร็จในเครื่องเรา
Note 2: คอขวดของการใช้งาน AI ปี 2026 ไม่ได้อยู่ที่ความฉลาดของโมเดลอย่างเดียว แต่อยู่ที่ Framework การสื่อสาร ถ้าป้อนแค่คำสั่งกว้างๆ โมเดลจะตอบแบบ Generic แต่ถ้าตีกรอบโครงสร้างแบบ RGC+RC ให้คม Output จะพร้อมใช้ระดับไม่ต้องแก้ซ้ำ
Structured Prompting: ตีกรอบคำสั่งด้วย RGC+RC Framework
การสั่ง Agentic AI ให้ทำงานได้ผลลัพธ์แม่นยำตั้งแต่รอบแรก ต้องวางโครงสร้าง Input ให้ครอบคลุมทุกมิติ [00:02:26]
- R (Role): กำหนดบทบาทชัดเจน เช่น นักรวบรวมข้อมูลและนักออกแบบ Dashboard เชิงกลยุทธ์ เพื่อปรับ Mode การคิดของโมเดล [00:02:44]
- G (Goal): ระบุเป้าหมายปลายทางเชิงธุรกิจ เช่น ค้นหาพิกัดร้านมัทฉะเพื่อวิเคราะห์ Landscape คู่แข่งและวางแผนติดต่อขายสินค้า [00:02:54]
- C (Context): เติมบริบทภายในที่ AI ไม่รู้ เช่น รายละเอียดจุดเด่นของแบรนด์เรา หรือประเภทบรรจุภัณฑ์ที่ต้องการนำเสนอ [00:03:39]
- R & C (Result & Constraint): ล็อก Format ผลลัพธ์ให้ชัดเจน เช่น บังคับโครงสร้าง Header ของไฟล์
.csv(Name, Style, Email, Line, Lat/Long) เพื่อควบคุม Schema ให้พร้อมประมวลผลต่อ [00:04:08]
เหมือนกับที่ระบบ API ต้องมี Data Contract ระหว่าง Frontend กับ Backend การคุยกับ Autonomous Agent ยุคนี้ก็ต้องมี Contract กำกับผลลัพธ์เช่นกัน
Safe Execution Environment: จำกัดขอบเขต Local Project ป้องกัน Data Leak
หัวใจสำคัญของการรัน Agent บนเครื่องคอมพิวเตอร์ของเรา คือการควบคุม Permission ไม่ให้โมเดลเข้าถึงข้อมูลเกินจำเป็น [00:01:21]
- กำหนด Directory แบบเฉพาะเจาะจงผ่าน New Project เพื่อให้ Agent ทำงานอยู่แค่ในโฟลเดอร์ของโปรเจกต์นั้นๆ [00:01:36]
- เลือกใช้โมเดลประสิทธิภาพสูงอย่าง Gemini 3.7 Flash เพื่อให้ได้ความเร็วในการค้นหาและประมวลผลข้อมูล (Throughput) สูงสุด [00:02:17]
- ระบบทำการกวาดข้อมูลร้านค้า 20 ร้าน พร้อมสกัด Contact Info และค่า Lat/Long ออกมาเป็นไฟล์
.csvเก็บลง Local Storage อัตโนมัติ [00:06:04]
From Data to Application: สั่งสร้าง Interactive Strategy Dashboard
ข้อมูลตารางตัวเลขจะมีประโยชน์สูงสุดเมื่อถูกแปลงเป็นเครื่องมือช่วยตัดสินใจทางธุรกิจ [00:07:04]
- สั่งรันคำสั่งเจาะจงอ้างอิงไฟล์ข้อมูล
@Shopเพื่อแปลง Data Table ให้กลายเป็น Single-Page HTML/CSS/JavaScript [00:07:54] - Dashboard แสดงผลการจัดกลุ่ม Tier วิเคราะห์ความได้เปรียบเชิงการแข่งขัน พร้อมข้อเสนอแนะในการเข้าทำตลาดแต่ละกลุ่ม [00:08:41]
- เรนเดอร์พิกัดแผนที่ตำแหน่งร้านค้าจริงรอบพื้นที่เป้าหมาย ช่วยให้ทีมขายวางแผนการเดินทางได้อย่างแม่นยำ [00:09:01]
ผมเข้าใจดีว่าหลายท่านมองว่าการค้นหาข้อมูลร้านค้าสามารถเปิด Search ทีละแท็บแล้วเซฟเองได้... แต่สิ่งที่ต้องพูดถึงคือความเร็วในการย่นระยะเวลาการทำ Market Research จากหลายวันให้เหลือเพียงไม่กี่นาที [00:09:12]
ถ้าเราเริ่มตอนที่คู่แข่งใช้ Agent ดึง Insight และสร้าง Interactive Map วิเคราะห์ทั้งจังหวัดไปหมดแล้ว ก็ไม่ทันคนที่นำ Agentic Tool มาร่นระยะเวลาทำงานตั้งแต่ Day 1
Jensen จินตนาการว่าในอนาคต ซอฟต์แวร์จะไม่ใช่สิ่งที่เราต้องเขียนโค้ดทีละบรรทัดเพื่อรอติดตั้ง แต่จะเป็น On-demand Application ที่ถูกสร้างขึ้นมาเฉพาะกิจตามโจทย์ธุรกิจ ณ วินาทีนั้น และ Gemini Antigravity กำลังแสดงให้เห็นว่าการสร้าง Data Dashboard พร้อมใช้จากความต้องการสั้นๆ เป็นเรื่องที่ใครก็ทำได้แล้วครับ
อ้างอิงวิดีโอต้นฉบับ: https://www.youtube.com/watch?v=83TSOqBEr94