เกี่ยวกับบอทจำเก่ง

หลักการทำงาน

บอทจำเก่งจะคอยตรวจจับการแลก Twitch Channel Points เมื่อผู้ชมแลกรางวัล บอทจะดึงข้อความ ใส่ System Prompt ของสตรีมเมอร์ และเพิ่มบริบทด้วย ความจำระยะยาวของผู้ใช้ (Long-term Memory) จากนั้นจะส่งข้อมูลไปยัง LLM เพื่อสร้างคำตอบและตอบกลับในแชท

ออกแบบมาเพื่อ ภาษาไทย และสามารถปรับแต่งบุคลิกให้เข้ากับสไตล์ของช่องคุณได้อย่างลงตัว

สถาปัตยกรรมระบบ

เทคโนโลยีที่ใช้

Frontend

Svelte 5 (Runes), BiomeJS, SCSS

Backend

Go (Fiber), Kafka, Postgres, Redis

AI & Data

OpenAI-compatible LLM, Vector Search

Infrastructure

Kubernetes (k3s), Helm, Docker

ทำไมต้องใช้ Tech Stack นี้? (Over-engineered หรือเปล่า?)

คำตอบสั้น ๆ: ชั่ย

แต่มีเหตุผลอยู่บ้างคับ:

• Scalability (การขยายตัว): การใช้ Kafka และ Kubernetes ช่วยให้ระบบรองรับข้อความจำนวนมหาศาลได้พร้อมกัน โดยไม่ล่มเมื่อมีคนใช้งานเยอะ (SaaS Ready)
• Performance (ประสิทธิภาพ): Go ถูกเลือกมาเพราะความสามารถในการจัดการกับ Concurrency ของ Real-time Chat และความน่ารักของมาสคอต
• Learning (การเรียนรู้): โปรเจกต์นี้เป็นสนามเด็กเล่นของผมเอง

สรุปคือ... มันอาจจะเกินความจำเป็นแต่เอามันครับ

แผนการพัฒนา

• ✅ ระบบหลัก: Twitch EventSub → Kafka → Worker → LLM → Chat
• ✅ ความปลอดภัย: OAuth, การเข้ารหัส Token, Rate Limiting, ป้องกัน CSRF
• ✅ ระบบผู้ใช้: ระบบเริ่มใช้งาน (Onboarding), การจัดการสิทธิ์ (Roles)
• ✅ ความจำ (MVP): ระบบจำข้อมูลผู้ชมเบื้องต้นแบบ JSON
• 🚧 ความจำขั้นสูง: การใช้ Vector Database ในการจัดเก็บข้อมูลของผู้ชม
• 🚧 การตรวจสอบเนื้อหา: ระบบกรองคำหยาบและความปลอดภัยเบื้องต้น