AI Agent for Business
AI Agent / Workflow Automation
ออกแบบ Workflow
ติดตั้ง AI Agent ให้ทำงานแทนได้จริง
LeafBox วางระบบ AI Agent ที่รันจริงบน server ของลูกค้า
ไม่ใช่ prototype — agent รับงานผ่านแชท เชื่อมเข้าระบบเดิม และมี agent อีกตัวคอยกู้ระบบเมื่อตัวหลักล่ม
ช่องทางที่คนคุยกับ agent
TelegramLINEMessenger
Agent runtime บน Docker
Main Agent — รับงานGuard Agent — กู้ระบบ
ระบบเดิมของลูกค้า
ERP APICRMMySQL
Infrastructure ที่วางให้
Ubuntu 22.04 LTSUFW + fail2banTailscale VPNDaily cloud backup
What LeafBox did
Discovery
- Business workflow audit
- Repetitive task analysis
- Automation opportunity mapping
- Feasibility & ROI sizing
Workflow Design
- Agent role definition
- Task decomposition
- Human-in-the-loop checkpoints
- Permission & access model
AI Engineering
- Agent implementation
- Custom skill development
- Chat & CRM integration
- Guardrails and evaluation
Deployment & Handover
- Server hardening & Docker
- Monitoring and watchdog
- Team training & runbook
- Post-delivery support
Agent ที่ส่งมอบ
AI Agent สำหรับทีม Dev
รับงานซ้ำ ๆ ที่กินเวลา developer ไปทำแทน เพื่อให้ทีมเหลือเวลาไปโฟกัสกับงานที่ต้องใช้การตัดสินใจจริง ๆ
Review code อัตโนมัติบน PR
คอมเมนต์จุดเสี่ยงและ style ที่หลุด ก่อนถึงมือ reviewer
Generate unit test
เขียนเทสต์คลุม branch ที่ยังไม่มีใครเทสต์
สรุป PR และ changelog
ย่อ diff ยาว ๆ ให้อ่านจบใน 30 วินาที
Triage bug จาก error log
จัดกลุ่ม error ซ้ำ แล้วชี้ไฟล์ที่น่าจะเป็นต้นเหตุ
ตอบคำถาม codebase
คนใหม่เข้าทีมถามได้ทันที ไม่ต้องรอ senior ว่าง
Developerรีวิว PR #482 ให้หน่อย
AI Agentอ่าน 14 ไฟล์แล้ว เจอ 3 จุด — query ใน loop ที่ `orders.js:88`, error ที่ถูกกลืนใน `sync.js:23` และ input ที่ยังไม่ validate ที่ `webhook.js:12` คอมเมนต์ลงใน PR ให้แล้ว
Developerเขียนเทสต์คลุมเคสที่ 2 ให้ด้วย
AI Agentเพิ่ม 4 เคสใน `sync.test.js` แล้ว ครอบทั้ง retry และ timeout — push ขึ้น branch เดิมเรียบร้อย
$agent check --scope prod
✓ api-gateway · healthy · p95 182ms
✓ worker-pool · 6/6 running
! db-primary · disk 87% → ขยาย volume ไว้ก่อน
$agent explain deploy/1284 --failed
job พังที่ step `migrate` — migration ชนกับ index ที่ถูกสร้างไว้ตอน hotfix เมื่อวาน
$agent cost --idle
เจอ 3 resource ที่ไม่มี traffic เกิน 30 วัน — ร่าง PR ปิดไว้ให้แล้ว
Agent ที่ส่งมอบ
AI Agent สำหรับทีม DevOps / Cloud
ทำงานร่วมกับ pipeline และ cloud ที่ใช้อยู่เดิม ช่วยดูระบบตลอดเวลาโดยที่คนยังเป็นคนกดอนุมัติ
เฝ้า alert และสรุป incident
รวม alert ที่มาจากต้นเหตุเดียวกันให้เหลือเรื่องเดียว
ร่าง IaC ให้ตั้งต้น
Terraform หรือ K8s manifest ที่แก้ต่อได้ ไม่ต้องเริ่มจากศูนย์
ตรวจ deploy pipeline ที่ fail
อ่าน log ของ job ที่พัง แล้วบอกว่าพังตรงไหน เพราะอะไร
วิเคราะห์ cost บน cloud
ชี้ resource ที่จ่ายอยู่แต่ไม่ได้ใช้
Runbook อัตโนมัติ
ทำขั้นตอนกู้ระบบที่ทำซ้ำทุกครั้งให้จบในคำสั่งเดียว
ขั้นตอนที่เราวางระบบให้
สถาปัตยกรรมที่ทำให้ agent รันได้ต่อเนื่องระดับ production ไม่ใช่แค่เดโม
01
เลือก VPS และ hardening server
VPS 2 vCPU / 4GB RAM บน Ubuntu 22.04 LTS แล้วปิดช่องโหว่ก่อนใช้งาน — non-root user, ปิด password login, UFW firewall และ fail2ban
02
ติดตั้ง Multi-Agent บน Docker
Main Agent รับงานจากผู้ใช้ผ่าน Telegram และ Guard Agent คอยเฝ้าอีกชั้น ถ้า Main Agent ล่ม Guard จะกู้ให้ทันทีโดยไม่ต้องรอคน
03
วาง security และเชื่อมต่อระบบ
Gateway เปิดเฉพาะ localhost เข้าจากภายนอกผ่าน Tailscale VPN เท่านั้น แล้วเชื่อมบอทเข้ากับ Telegram
04
ดึงข้อมูล ERP ด้วย cron job
เพิ่ม MySQL ใน Docker Compose และเขียน skill ดึงข้อมูลจาก API ของ ERP ทุกชั่วโมง ผู้บริหารถามข้อมูลสดผ่านแชทได้ตลอด
05
ระบบดูแลตัวเอง แล้วส่งมอบ
Health check และ watchdog skill ตรวจสอบตัวเอง, backup ขึ้น cloud ทุกวัน, ส่งมอบพร้อมคู่มือและสอนทีมลูกค้าใช้งาน
ผลลัพธ์ที่ส่งมอบ
ระบบเดินได้เองโดยไม่ต้องมีคนเฝ้า และทีมลูกค้าดูแลต่อได้จากคู่มือที่ส่งมอบพร้อมกัน
2 agent
Main Agent รับงาน + Guard Agent กู้ระบบให้อัตโนมัติ
ทุกชั่วโมง
Sync ข้อมูลจาก ERP ให้ถามข้อมูลสดผ่านแชทได้ตลอด
ทุกวัน
Backup ขึ้น cloud พร้อม health check ที่ตรวจตัวเอง
เว็บไซต์แนะนำบริการ
aiagent.leafbox.tech
