Block 5 - Architecture

Block 5: Architecture

16:45 - 18:00 75 minutes 2 Quests

🎯 Learning Goals

เมื่อจบบล็อกนี้ คุณจะ:

ออกแบบ AI-powered system architecture
สร้าง RAG (Retrieval-Augmented Generation) system
บันทึก architectural decisions

📖 Concept: System Architecture (30 min)

What is System Architecture?

System Architecture คือการออกแบบโครงสร้างของระบบ รวมถึง:

Components: ส่วนประกอบของระบบ
Interfaces: การเชื่อมต่อระหว่างส่วนประกอบ
Data Flow: การไหลของข้อมูล
Security: การป้องกันระบบ

AI-Powered System Patterns

Pattern 1: RAG (Retrieval-Augmented Generation)

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Documents  │────▶│  Embeddings │────▶│ Vector Store│
└─────────────┘     └─────────────┘     └──────┬──────┘
                                               │
┌─────────────┐     ┌─────────────┐           │
│   Query     │────▶│  Embeddings │───────────┘
└─────────────┘     └──────┬──────┘
                           │
                           ▼
                    ┌─────────────┐
                    │     LLM     │
                    └──────┬──────┘
                           │
                           ▼
                    ┌─────────────┐
                    │   Answer    │
                    └─────────────┘

Use Cases:

Chat with your documents
Knowledge base Q&A
Document search

Pattern 2: Multi-Agent System

┌──────────┐    ┌──────────┐    ┌──────────┐
│ Planner  │───▶│  Coder   │───▶│ Reviewer │
└──────────┘    └──────────┘    └────┬─────┘
                                     │
                    ┌────────────────┘
                    ▼
              ┌──────────┐
              │  Tester  │
              └──────────┘

Use Cases:

Complex code generation
Automated workflows
Quality assurance

Pattern 3: Event-Driven Architecture

┌─────────┐     ┌─────────┐     ┌─────────┐
│ Event   │────▶│ Handler │────▶│ Side    │
│ Source  │     │         │     │ Effects │
└─────────┘     └─────────┘     └─────────┘

Use Cases:

Microservices
Real-time systems
Scalable applications

🛠️ Architecture Documentation

Architecture Decision Records (ADR)

บันทึกการตัดสินใจทางสถาปัตยกรรม:

# ADR-001: [Decision Title]

## Status
Accepted

## Context
[สถานการณ์ที่ต้องตัดสินใจ]

## Decision
[สิ่งที่ตัดสินใจ]

## Consequences
- [ผลบวก]
- [ผลลบ]

System Design Document

# System Design: [System Name]

## Overview
- Purpose
- Users
- Key Features

## Architecture
- Components
- Interfaces
- Data Flow

## Security
- Authentication
- Authorization
- Encryption

## Deployment
- Infrastructure
- CI/CD
- Monitoring

🎮 Code Quests

🟡 Quest 5.1: RAG Design

Goal: Design a Retrieval-Augmented Generation system โดยออกแบบให้รองรับ failure mode

ดึง quest ลงเครื่องแล้วทำตามในเครื่องของคุณ:

npx degit Poom5741/ai-sdlc-course/quests/block-5-architecture/quest-13-rag-design my-quest
cd my-quest
node test.js

สิ่งที่ต้องมีใน rag-design.md (อยู่ในโฟลเดอร์ quest):

Chunking strategy — แบ่ง documents ยังไง (ตาม heading + ขนาด window)
Embedding strategy — ใช้ model อะไร ฝัง chunk/query ยังไง
Retrieval quality metric — recall@5 / precision / NDCG เพื่อวัดคุณภาพการ retrieve
Failure handling — ทำอะไรเมื่อ retrieve ว่าง / confidence ต่ำ / query นอก corpus (fallback, graceful degradation)
Corpus — ระบุว่าจะ index ส่วนไหนของ workshop docs

วัฒนธรรมที่จะได้เรียนรู้: Design for the failure mode — อย่าปล่อยให้ระบบ hallucinate เมื่อข้อมูลไม่พอ

Deliverable: rag-design.md ที่ผ่าน node test.js

🔴 Quest 5.2: Full System Design

Goal: ออกแบบระบบ AI ที่สมบูรณ์ — ระบุ interface ก่อน implementation

ดึง quest ลงเครื่องแล้วทำตามในเครื่องของคุณ:

npx degit Poom5741/ai-sdlc-course/quests/block-5-architecture/quest-14-full-system my-quest
cd my-quest
node test.js

ตัวอย่างระบบใน reference คือ automated PR reviewer (PR webhook → fetch diff → analyze → LLM review → post comment) คุณเลือกระบบตัวเองหรือใช้ตัวอย่างนี้ก็ได้

สิ่งที่ต้องมีใน system-design.md (อยู่ในโฟลเดอร์ quest):

Component diagram — กล่อง ``` ใน markdown ที่มีลูกศร (→ หรือ --> หรือ Mermaid graph)
Interface contracts — interface / contract / API พร้อม function signature + I/O types ของทุก component
Data flow — data flow / flow: จาก input สู่ output
Named components — ชื่อ component ที่แตกต่างกันอย่างน้อย 3 ตัว

วัฒนธรรมที่จะได้เรียนรู้: Specify interfaces before implementing — ล็อค contract ก่อนแล้วแต่ละ component ถึงทำและ test แยกกันได้

Deliverable: system-design.md ที่ผ่าน node test.js

✅ Block 5 Checklist

Understand AI architecture patterns
Quest 5.1 completed
Quest 5.2 completed

🎉 Workshop Complete!

Congratulations! You’ve completed all 5 blocks:

✅ Block 1: AI Tools Setup
✅ Block 2: Prompt Engineering
✅ Block 3: Security
✅ Block 4: Agentic Workflows
✅ Block 5: Architecture

What You’ve Learned

Setting up and using AI coding tools
Writing effective prompts
Identifying and fixing security vulnerabilities
Creating automated development loops
Designing AI-powered systems

Next Steps

Apply: Use these skills in your real projects
Share: Teach others what you’ve learned
Iterate: Continuously improve your workflow

View All Code Quests →