หลาย ๆ คนคงจะเคยได้ยิน และใช้ LLM กันอยู่แล้ว และเอาระบบ automation มาใช้กับ mobile native ได้ยังไง?

สรุปจาก session “Agents in the Loop: Practical Automation for Mobile” โดยคุณ Pisit Jaiton (Full Stack Developer, Arise by Infinitas) จากงาน Mobile Native Thailand Meetup # 3

.

แน่นอนทุกที่น่าจะมี CI/CD อยู่แล้ว และเอา N8N มาใช้ เพื่อสร้าง agent ขึ้นมา ซึ่ง agent มันก็คือ LLM + tool มีหน้าที่ตัดสินใจ เลือกใช้เครื่องมือที่ถูกต้องเพื่อแก้ปัญหาให้สำเร็จ หาเหตุผล ช่วยแก้ปัญหาของงานนั้น ๆ เช่น OpenAI gen builder

Workflow เป็นสิ่งที่ทำให้ LLM ไปถูกทิศถูกทาง เริ่มจาก Trigger อาจจะมาจาก Webhook, Slack → Orchestration ประมวลผล ตัดสินใจ mapping หรือจัดการ transform ข้อมูล → Integrate กับตัวอื่น ๆ อย่าง Jira, Google, Figma → Reliability ดู execute ย้อนหลังได้ ดังนั้น N8N = agent + workflow

ทำไมต้องใช้ Automation บน Native?

- ข้อมูลใน CI เยอะมาก และมี insight อยู่ในนั้นเยอะมากเช่นกัน

- สร้าง workflow + CI APIs ได้ง่ายมาก ไม่ต้องพึ่ง infra อยากทำก็ทำใช้เองได้ deploy บนเครื่องตัวเองได้เลย

- review หน้า UI มี cost เยอะ ต้องใช้ QA review

- เอาคนเข้ามาเพื่อไม่ให้งานขึ้นตรงกับ AI ทั้งหมด

.

ใน session มี 3 usecase ด้วยกัน

💡 Use Case 1: การวิเคราะห์ Build Failure ใน CI/CD

มี CI/CD อยู่แล้ว สำหรับการเปิด MR/PR จะเอา agent มาจับให้มี insight มากขึ้น

ตัว CI/CD ในที่นี้ใช้ Gitlab CI สามารถใช้เครื่องเราเป็น Runner ได้ โดยการโหลด Docker แล้ว Runner เป็นคนเรียก Docker มาทำงาน เราสร้าง Runner ขึ้นมา และอย่าลืมตั้ง tag ให้ตรงกับตัว Runner นะ

การทำงานของ flow นี้ คือ ให้ N8N ดึง log Log จาก Gitlab CI หรือ CI/CD อื่น ๆ แล้วส่งก้อน data นี้ไปให้ LLM อ่านและสรุปออกมา โดยไม่ต้องทำ Data Cleansing

พอสรุปผล Agent สั่ง comment back ไปยัง Commit หรือ MR นั้น ๆ

และใช้ Gemini เพราะฟรี และสามารถบอก Root Cause ได้ แต่ก็ต้องเลือก model ที่เหมาะสมกับการใช้งานด้วย เช่น ไม่ใช้ Gemini 2.5 Flash ซึ่งอาจให้ผลลัพธ์ที่ฟุ้งเกินไป

💡 Use Case 2: ทำ UI Snapshot เทียบกับ Figma เพื่อ review UI

ถ้า UI ที่ทำมาไม่ตรงกับ Figma ทำ snapshot ดูว่า UI ผ่านไหม ซึ่งดูจาก business model หาไฟล์ Figma แล้วดูว่าตรงไหน

ฝั่ง Android หยิบ Paparazzi มาใช้ในการเขียน snapshot test จากนั้น prompt บอก system และ output ที่ต้องการ เจ้า agent จะเทียบ 2 รูป คือจากแอพที่ได้จาก Paparazzi และจาก Figma มาเทียบกัน

ตัว model เลือก model GPT-4o หรือ GPT-4o mini แล้วก็อาจจะเพิ่ม pixel perfect มาด้วย

💡 Use Case 3: Code Review

Agent สามารถดึงไฟล์ diff จาก Gitlab MR มารีวิวหา Code Smell หรือความไม่ถูกต้องของ Unit Test ถ้า Agent พบปัญหา จะวนลูปให้ Agent แก้ไขโค้ด และคอมเมนต์กลับไปใน MR ว่าควรแก้ไขไฟล์ไหนบ้างนะ

แล้วเดฟที่เป็นคนเนี่ย เป็นคนสุดท้ายที่ตัดสินใจว่า สิ่งที่ AI ทำมาให้ ถูกต้องหรือไม่ และ comment ให้เปิด MR

.

⚠️ Security - Guardrails & Privacy

- Data Handlng: ปิด confidental data

- Action Safety

- Access & Secrets

- Audit & Monitoring: ระวังไม่ให้ข้อมูลหลุดออกมา

📌 How it improve your CI

เราจะ improve อะไรบ้าง? เห็น data และ insight มากขึ้น รวมงาน quality ของงานเพิ่มขึ้น ในส่วน code review ที่ให้ senior ทำ อาจจะลองให้ LLM มาช่วยทำได้ อีกทั้งเริ่มต้นง่าย ทำได้เลยตอนนี้ #siamstr