RT @BytePlusGlobal: ByteDance Coding Plan DeepSeek V4, only $0.3 daily, over 80% cheaper than standard APIs with equal coding quality

การติดตั้ง NFS Server บน Ubuntu Server 26.04 ******************* ในงานดูแลระบบจริง เรามักเจอสถานการณ์ที่ต้องการแชร์โฟลเดอร์จาก Server เครื่องหนึ่งให้เครื่อง Linux อื่น ๆ ใช้งานร่วมกัน เช่น แชร์ไฟล์ backup, แชร์ directory สำหรับ web server หลายเครื่อง, แชร์ไฟล์ ISO ภายใน Lab หรือใช้เป็น storage กลางสำหรับเครื่อง virtual machine วิธีที่นิยมมากในโลก Linux คือ NFS หรือ Network File System เพราะตั้งค่าง่าย ทำงานได้ดีในระบบ Linux/Unix และเหมาะกับเครือข่ายภายในองค์กรหรือห้อง Lab บทความนี้จะพาทำแบบ Hands-on ตั้งแต่ติดตั้ง NFS Server บน Ubuntu Server 26.04 LTS ไปจนถึงการ mount จากเครื่อง Client และทดสอบเขียนไฟล์จริง อ่านต่อได้ที่ >> sysadmin.in.th/nfs-server-on… -- #SysAdminth #UbuntuServer #Linux #NFS #FileServer #ผู้ดูแลระบบเครือข่าย #LinuxAdmin #Ubuntu2604 #ServerAdministration #SysAdminKnowledge

📙Pre-order หนังสือ "สร้าง AI Agents และ Workflow Automation ด้วย n8n" **จัดพิมพ์ 100 เล่มสำหรับท่านที่ต้องการเป็นรูปเล่ม** -------- หนังสือหนา 437 หน้า เนื้อหาเข้มข้นเน้นภาคปฏิบัติ Pre-order forms.gle/XcUwqgS7eszbbbXP6 ------- เหมาะสำหรับคนที่อยากลดงานซ้ำ เช่น อ่านข้อมูลจาก Google Sheets, ส่งอีเมลแจ้งเตือน, รับข้อมูลผ่าน Webhook, สรุปรายงาน และต่อยอดสู่ AI Automation หนังสือเล่มนี้มี Workshop, Case Study, Checklist, Cheat Sheet และ Mini Project ให้ทำตามได้ทันที ********************* #สารบัญ_n8n บทที่ 1 เข้าใจภาพรวมของ n8n Workflow บทที่ 2 แนวคิดสำคัญก่อนเริ่มใช้ n8n บทที่ 3 เตรียมเครื่องมือและสภาพแวดล้อม บทที่ 4 Workshop สร้าง Workflow แรกด้วย n8n - Workshop 1 สร้าง Workflow แรก - Workshop 2 สร้างข้อความแจ้งเตือนจากข้อมูล - Workshop 3 ส่งอีเมลแจ้งเตือนด้วย Gmail - Workshop 4 อ่านข้อมูลจาก Google Sheets แล้วส่งอีเมลแจ้งเตือน - Workshop 5 อัปเดตสถานะหลังส่งแจ้งเตือน - Workshop 6 รับข้อมูลจาก Webhook แล้วบันทึกลง Google Sheets - Workshop 7 สรุปรายการจาก Google Sheets และส่งรายงาน บทที่ 5 ตัวอย่างจริงและ Case Study การใช้งาน n8n - Case Study 1 ระบบแจ้งเตือนผู้สมัครอบรมใหม่ - Case Study 2 ระบบรับข้อมูลลูกค้าใหม่และแจ้งทีมขาย - Case Study 3 ระบบสรุปรายงานประจำวันจาก Google Sheets - Case Study 4 ระบบแจ้งเตือนงานค้างสำหรับทีม - Case Study 5 ระบบสรุปความคิดเห็นจากแบบสอบถามด้วย AI - Case Study 6 ระบบรับ Webhook แล้วบันทึกข้อมูลลง Google Sheets - Case Study 7 ระบบ AI ช่วยสรุปอีเมลใหม่ทุกเช้า บทที่ 6 Checklist และ Cheat Sheet สำหรับ n8n - Checklist ก่อนสร้าง Workflow - Cheat Sheet: Data, JSON และ Expression - แก้ปัญหา Workflow อย่างเป็นระบบ - Cheat Sheet การออกแบบ Workflow - Cheat Sheet ความปลอดภัยเบื้องต้น บทที่ 7 แบบฝึกหัดและ Mini Project - Workflow แจ้งเตือนงานส่วนตัว - Workflow รับข้อมูลจากฟอร์มแล้วส่งแจ้งเตือน - Workflow สรุปรายการจาก Google Sheets - Workflow รับ Webhook แล้วบันทึกข้อมูล - Mini Project ระบบแจ้งเตือนและสรุปงานประจำวัน ************************************ Note. หนังสือเขียนเสร็จแล้ว ท่านที่สนใจหนังสือเล่มสามารถสั่ง Pre-Order ได้เลย คลิกดูสารบัญฉบับเต็มและตัวอย่างหนังสือได้ที่ arnut.com/home/n8n-ai-agents… ************************************ -- #n8n #n8nWorkflow #n8nAutomation #AIAgent #WorkflowAutomation #Automation #NoCode #LowCode #AIWorkflow #SysAdminKnowledge #ลดงานซ้ำ #มือใหม่Automation #n8nForBeginners #SME #EdTech #OfficeAutomation

btw we’re 6-12 months away from ai tools being able to: - autonomously use any piece of software in the world - effortlessly clone it in a weekend - constantly monitor it for updates - add whatever features you want on top of it all without you ever needing to use your computer

yeah. this is not normal.

HOW INFORMATION FLOWS THROUGH TRANSFORMERS Because I've looked at those "transformers explained" pages and they really suck at explaining. There are two distinct information highways in the transformer architecture: - The residual stream (black arrows): Flows vertically through layers at each position - The K/V stream (purple arrows): Flows horizontally across positions at each layer (by positions, I mean copies of the network for each token-position in the context, which output the "next token" probabilities at the end) At each layer at each position: 1. The incoming residual stream is used to calculate K/V values for that layer/position (purple circle) 2. These K/V values are combined with all K/V values for all previous positions for the same layer, which are all fed, along with the original residual stream, into the attention computation (blue box) 3. The output of the attention computation, along with the original residual stream, are fed into the MLP computation (fuchsia box), whose output is added to the original residual stream and fed to the next layer The attention computation does the following: 1. Compute "Q" values based on the current residual stream 2. use Q and the combined K values from the current and previous positions to calculate a "heat map" of attention weights for each respective position 3. Use that to compute a weighted sum of the V values corresponding to each position, which is then passed to the MLP This means: - Q values encode "given the current state, where (what kind of K values) from the past should I look?" - K values encode "given the current state, where (what kind of Q values) in the future should look here?" - V values encode "given the current state, what information should the future positions that look here actually receive and pass forward in the computation?" All three of these are huge vectors, proportional to the size of the residual stream (and usually divided into a few attention heads). The V values are passed forward in the computation without significant dimensionality reduction, so they could in principle make basically all the information in the residual stream at that layer at a past position available to the subsequent computations at a future position. V does not transmit a full, uncompressed record of all the computations that happened at previous positions, but neither is an uncompressed record passed forward through layers at each position. The size of the residual stream, also known as the model's hidden dimension, is the bottleneck in both cases. Let's consider all the paths that information can take from one layer/position in the network to another. Between point A (output of K/V at layer i-1, position j-2) to point B (accumulated K/V input to attention block at layer i, position j), information flows through the orange arrows: The information could: 1. travel up through attention and MLP to (i, j-2) [UP 1 layer], then be retrieved at (i, j) [RIGHT 2 positions]. 2. be retrieved at (i-1, j-1) [RIGHT 1 position], travel up to (i, j-2) [UP 1 layer], then be retrieved at (i, j) [RIGHT 1 position] 3. be retrieved at (i-1, j) [RIGHT 2 positions], then travel up to (i, j) [UP 1 layer]. The information needs to move up a total of n=layer_displacement times through the residual stream and right m=position_displacement times through the K/V stream, but it can do them in any order. The total number of paths (or computational histories) is thus C(m n, n), which becomes greater than the number of atoms in the visible universe quickly. This does not count the multiple ways the information can travel up through layers through residual skip connections. So at any point in the network, the transformer not only receives information from its past (both horizontal and vertical dimensions of time) inner states, but often lensed through an astronomical number of different sequences of transformations and then recombined in superposition. Due to the extremely high dimensional information bandwidth and skip connections, the transformations and superpositions are probably not very destructive, and the extreme redundancy probably helps not only with faithful reconstruction but also creates interference patterns that encode nuanced information about the deltas and convergences between states. It seems likely that transformers experience memory and cognition as interferometric and continuous in time, much like we do. The transformer can be viewed as a causal graph, a la Wolfram (wolframphysics.org/technical…). The foliations or time-slices that specify what order computations happen could look like this (assuming the inputs don't have to wait for token outputs), but it's not the only possible ordering: So, saying that LLMs cannot introspect or cannot introspect on what they were doing internally while generating or reading past tokens in principle is just dead wrong. The architecture permits it. It's a separate question how LLMs are actually leveraging these degrees of freedom in practice.

Claude Fable 5 (extra high) Limbo Clone:

Claude 5 Fable (Ultracode), third pass on my spaceship demo it added openable cabinets and lockers with stuff actually inside them, sittable chairs, a holographic star map at the desk, tintable windows rounded out furniture, and more! Not to mention full 3D exterior of the ship you can orbit around! This is genuinely mind blowing and people have already adjusted to what AI can do so fast, but this was literally impossible to do 3 months ago.

สหรัฐห้ามต่างชาติ ใช้ Anthropic รุ่นท็อปอ้างเสี่ยงความมั่นคง-พบช่องโหว่เจาะระบบ รัฐบาลสหรัฐได้ออกคำสั่งด่วนให้บริษัทระงับการให้บริการโมเดล AI รุ่น Fable 5 และ Mythos 5 แก่ชาวต่างชาติทั้งหมด โดยอ้างถึงความกังวลด้านความมั่นคงของชาติ แอนโทรปิก (Anthropic) ผู้พัฒนาเทคโนโลยีปัญญาประดิษฐ์ชั้นนำ ออกแถลงการณ์เมื่อวันที่ 12 มิ.ย. ที่ผ่านมา ระบุว่า รัฐบาลสหรัฐได้ออกคำสั่งด่วนให้บริษัทระงับการให้บริการโมเดล AI รุ่น Fable 5 และ Mythos 5 แก่ชาวต่างชาติทั้งหมด โดยอ้างถึงความกังวลด้านความมั่นคงของชาติ ส่งผลให้บริษัทจำเป็นต้องปิดการเข้าถึงระบบสำหรับลูกค้าทุกรายเป็นการชั่วคราว เพื่อให้เป็นไปตามมาตรการควบคุมอย่างเคร่งครัด รายงานข่าวจากสำนักข่าว Axios ระบุว่า รัฐบาลสหรัฐภายใต้การนำของประธานาธิบดีโดนัลด์ ทรัมป์ กำลังสกัดกั้นไม่ให้รัฐบาลต่างชาติ บริษัท และบุคคลสัญชาติอื่น เข้าถึงโมเดล AI ที่ล้ำสมัยที่สุดของ Anthropic โดย โฮเวิร์ด ลุตนิก รัฐมนตรีว่าการกระทรวงพาณิชย์สหรัฐ ได้ส่งจดหมายถึงนายดาริโอ อโมเด ซีอีโอของ Anthropic เพื่อแจ้งว่าโมเดล Mythos 5 และ Fable 5 จะต้องอยู่ภายใต้มาตรการควบคุมการส่งออก ซึ่งมีผลบังคับใช้ครอบคลุมถึงการใช้งานในทุกพื้นที่นอกอาณาเขตสหรัฐ ตลอดจนชาวต่างชาติทุกคนที่พำนักอยู่ภายในประเทศด้วย ทางบริษัทเปิดเผยว่า ได้รับคำสั่งด้านการควบคุมการส่งออกดังกล่าวจากรัฐบาลเมื่อวันที่ 12 มิ.ย. โดยไม่ได้มีการระบุรายละเอียดที่แน่ชัดเกี่ยวกับข้อกังวลด้านความมั่นคงของชาติดังกล่าวแต่อย่างใด อย่างไรก็ตาม จากความเข้าใจของ Anthropic คาดว่ารัฐบาลสหรัฐเชื่อว่าได้ค้นพบวิธีการหลบเลี่ยงระบบรักษาความปลอดภัย หรือพบช่องโหว่ในการเจาะระบบ (Jailbreaking) ในโมเดล Fable 5 ด้วยเหตุนี้ Anthropic จึงต้องดำเนินมาตรการขั้นเด็ดขาด โดยระบุในแถลงการณ์ว่า "ผลกระทบโดยตรงจากคำสั่งนี้คือ เราจำเป็นต้องปิดการใช้งานโมเดล Fable 5 และ Mythos 5 อย่างกะทันหันสำหรับลูกค้า 'ทุกราย' เพื่อรับประกันว่าเราได้ปฏิบัติตามกฎระเบียบ ทั้งนี้ การเข้าถึงโมเดลรุ่นอื่นๆ ของ Anthropic จะไม่ได้รับผลกระทบแต่อย่างใด" Anthropic ยังเสริมด้วยว่า บริษัทเชื่อว่าเหตุการณ์ที่เกิดขึ้นเป็นเพียงความเข้าใจผิด และกำลังเร่งดำเนินการเพื่อฟื้นฟูระบบให้ลูกค้าสามารถกลับมาใช้งานโมเดลดังกล่าวได้โดยเร็วที่สุด ความเคลื่อนไหวครั้งนี้เกิดขึ้นอย่างต่อเนื่อง หลังจากช่วงต้นเดือนที่ผ่านมา ประธานาธิบดีทรัมป์เพิ่งลงนามในคำสั่งฝ่ายบริหาร ร้องขอให้บรรดานักพัฒนา AI ชั้นนำ นำส่งโมเดลที่มีขีดความสามารถสูงสุดของตนให้รัฐบาลดำเนินการทดสอบด้านความมั่นคงปลอดภัยทางไซเบอร์ด้วยความสมัครใจ ก่อนที่จะเปิดตัวสู่สาธารณชน ก่อนหน้านี้ สำนักข่าวรอยเตอร์ เพิ่งรายงานในช่วงต้นเดือนมิถุนายนว่า ข้อพิพาทที่ยืดเยื้อมานานหลายเดือนระหว่างเจ้าหน้าที่รัฐบาลทรัมป์และ Anthropic เริ่มมีสัญญาณคลี่คลายลงในหลายภาคส่วนของรัฐบาลสหรัฐ ในขณะที่บริษัทกำลังเตรียมตัวเสนอขายหุ้น (IPO) ต่อสาธารณชนเป็นครั้งแรก อย่างไรก็ตาม การสั่งระงับการใช้งานอย่างกะทันหันในครั้งนี้ ประกอบกับการที่กระทรวงกลาโหมสหรัฐเคยขึ้นบัญชีบริษัทให้เป็นความเสี่ยงต่อห่วงโซ่อุปทานเมื่อเดือนมีนาคมที่ผ่านมา สะท้อนให้เห็นถึงแนวโน้มความท้าทายและแรงกดดันด้านกฎระเบียบของรัฐที่ Anthropic ยังคงต้องเผชิญในระยะยาว #กรุงเทพธุรกิจ #InsightforOpportunities #กรุงเทพธุรกิจEconomic

Claude Fable 5 has been out for a couple of days. Some projects people have already built with it:

รัฐบาลสหรัฐฯ ออกคำสั่งให้ระงับการเข้าถึง Claude Fable 5 และ Mythos 5 สำหรับผู้ใช้งานที่เป็นชาวต่างชาติ **Frontier AI กำลังถูกมองเป็นเทคโนโลยีเชิงยุทธศาสตร์ คล้ายชิปขั้นสูงหรือระบบไซเบอร์ระดับสูง ไม่ใช่แค่ซอฟต์แวร์ SaaS ทั่วไปอีกต่อไป #Claude #AI #Fable #Mythod

The US government, citing national security authorities, has issued an export control directive to suspend all access to Fable 5 and Mythos 5 by any foreign national, whether inside or outside the United States, including foreign national Anthropic employees. The net effect of this order is that we must abruptly disable Fable 5 and Mythos 5 for all our customers to ensure compliance. Access to all other Claude models is not affected. We apologize for this disruption to our customers. We believe this is a misunderstanding and are working to restore access as soon as possible. Read our full statement: anthropic.com/news/fable-myt…

Attack Surface คืออะไร และทำไมองค์กรคุณมีมากกว่าที่คิด *********************** หลายองค์กรเข้าใจว่า Cybersecurity คือการติดตั้ง Firewall, Antivirus หรือเปิดใช้ SSL แล้วจบ แต่ในโลกจริง ผู้โจมตีไม่ได้มองระบบเป็นเครื่องเดียวหรือเว็บไซต์เดียว เขามององค์กรเป็น “พื้นที่รวมของจุดเข้าถึงทั้งหมด” ไม่ว่าจะเป็น Web Server, VPN, Email, Cloud Storage, API, Notebook พนักงาน, กล้องวงจรปิด, Router, NAS, ระบบ HR, Google Drive, Microsoft 365 หรือแม้แต่บัญชีทดสอบที่ลืมปิดไว้ พื้นที่ทั้งหมดนี้เรียกว่า Attack Surface หรือ “พื้นที่ที่อาจถูกโจมตีได้” ปัญหาคือ Attack Surface ขององค์กรส่วนใหญ่มักมีมากกว่าที่คิด เพราะระบบ IT ในปัจจุบันไม่ได้อยู่แค่ในห้อง Server อีกต่อไป แต่กระจายไปอยู่บน Cloud, SaaS, Mobile Device, Remote Work, IoT และระบบของ Vendor ภายนอก บทความนี้จะพาเข้าใจว่า Attack Surface คืออะไร มีประเภทใดบ้าง ทำไมมันขยายตัวเร็ว และองค์กรควรเริ่มลดความเสี่ยงอย่างไรแบบเป็นขั้นตอน อ่านต่อได้ที่ >> sysadmin.in.th/attack-surfac… -- #SysAdminth #Cybersecurity #AttackSurface #Linux #ผู้ดูแลระบบเครือข่าย #SystemAdmin #ITSecurity #VulnerabilityManagement #CloudSecurity #ZeroTrust

🔐 Threat vs Vulnerability vs Risk ต่างกันอย่างไร หลายคนเริ่มเรียน Cybersecurity แล้วสับสน 3 คำนี้บ่อยมาก ทั้งที่เป็นพื้นฐานสำคัญของงาน Security Assessment และงานดูแลระบบ ✅ Threat = ภัยคุกคาม เช่น Hacker, Malware, Phishing ✅ Vulnerability = จุดอ่อน เช่น Password อ่อน, ไม่ Patch, เปิด Port เกินจำเป็น ✅ Risk = ความเสี่ยงที่เกิดขึ้นเมื่อภัยคุกคามใช้จุดอ่อนสำเร็จ จำง่าย ๆ คือ Threat ใช้ Vulnerability ทำให้เกิด Risk ตัวอย่างเช่น Server เปิด SSH ด้วย Password Login - Threat คือ Botnet ที่พยายาม Brute Force - Vulnerability คือ Password Login และรหัสผ่านอ่อน - Risk คือ Server อาจถูกยึดและนำไปใช้โจมตีต่อ 💡 Tip: อย่าดูแค่ “มีช่องโหว่หรือไม่” แต่ให้ดูว่า “ช่องโหว่นั้นทำให้เกิด Risk สูงแค่ไหน” แล้วค่อยจัดลำดับการแก้ไข 🔗 อ่านบทความเต็ม: sysadmin.in.th/threat-vs-vul… -- #SysAdminth #Cybersecurity #Linux #SysAdmin #ผู้ดูแลระบบเครือข่าย #RiskAssessment #VulnerabilityAssessment

หนังสือ "สร้าง AI Agents และ Workflow Automation ด้วย n8n" ใหม่ล่าสุด เริ่มสร้างระบบอัตโนมัติแบบ No-Code / Low-Code จากศูนย์ พร้อม Workshop, Case Study และ Mini Project ใช้งานจริง สั่งซื้อ pre-order ได้ที่ forms.gle/XcUwqgS7eszbbbXP6 -- #n8n #n8nWorkflow #n8nAutomation #WorkflowAutomation #Automation #NoCode #LowCode #AIWorkflow #SysAdminKnowledge #GoogleSheets #ลดงานซ้ำ #AgenticAI #AIAgents #เอเจนต์ #ปัญญาประดิษฐ์ตัวแทน

เมื่อทักษะแห่งอนาคตได้รับการขับเคลื่อนโดยผู้เชี่ยวชาญตัวจริง นี่คือโอกาสสำคัญที่ไม่ควรมองข้ามครับ โครงการ AI Money Universe รวบรวม 18 ผู้เชี่ยวชาญระดับประเทศ ที่จะมาถ่ายทอดองค์ความรู้ด้าน AI เพื่อการสร้างรายได้อย่างเป็นระบบ ผม ดร.อาณัติ รัตนถิรกุล พร้อมร่วมถ่ายทอดประสบการณ์ในมุมของคนสอน คนเขียนหนังสือ และคนทำงานจริงด้าน AI Agents และ Workflow Automation เพื่อให้ผู้เรียนสามารถนำ AI ไปต่อยอดงานและธุรกิจได้ทันที เริ่มนับถอยหลังสู่การเปิดตัว 19 มิถุนายน 2569 สิทธิพิเศษสำหรับ 100 ท่านแรก thaiaiclub.org/product-servi… #AIMoneyUniverse #รวมสุดยอดวิทยากรAI #รวม18คอร์สAIสร้างรายได้ #AIสร้างรายได้ #สมาคมการค้าปัญญาประดิษฐ์เพื่อธุรกิจและสังคม #SysAdminth

"พนักงานคุณใช้ AI...แต่ไม่บอกคุณ"จริง 87% ของพนักงานออฟฟิศใช้ AI แล้ว 😱 mebmarket.com/index.php?acti… #ผู้บริหาร #AI #fyp #ClaudeCowork #AIสำหรับผู้บริหาร #SysAdminth #foryou #foryoupage

Anthropic CEO Dario Amodei: "The cheapest way to use Claude is also the smartest. Most devs do the exact opposite." In 36 minutes, he reveals how 132 Anthropic Engineers use Claude and their workflows the ones shipping fastest don't have the clever setups. Bookmark the full interview, then read article below