Rattanun Rodchawang

Siam Orchard Group Co., Ltd.

• นำการพัฒนาฟีเจอร์ตั้งแต่ต้นจนจบ เก็บความต้องการจากฝ่ายธุรกิจและพาร์ตเนอร์ภายนอก เขียน technical specification และ deploy ขึ้น production
• สร้าง backend ของระบบจองและออกบิลสำหรับธุรกิจเช่ารถ (NestJS, TypeScript, MongoDB) มี REST endpoint มากกว่า 100 ตัว ลดงานเอกสารที่ทำมือลง 50%
• เชื่อม payment gateway ของ INET (QR และบัตร) ด้วย IP whitelist และรับ callback แบบกันทำซ้ำ พร้อมงาน reconcile ประจำวันที่ตรวจทุกรายการกับ gateway แล้วซ่อมรายการที่ค้างให้อัตโนมัติ
• ทำให้เอกสารบัญชีทั้งชุดเป็นอัตโนมัติ (ใบเสนอราคา มัดจำ ใบแจ้งหนี้ ใบเสร็จ ใบเพิ่มหนี้/ลดหนี้ voucher) ตั้งแต่สร้าง PDF ส่งอีเมล ออกเลขเอกสาร จนถึงอัปเดตสถานะต่อเนื่องจากการจองไปยังเอกสารที่เกี่ยวข้อง
• สร้างระบบรวมข้อมูลลูกค้าจากการจองและเอกสารทั้งหมด (จับคู่เบอร์โทร อีเมล เลขผู้เสียภาษี และชื่อที่ normalize แล้ว) จัดอันดับรายชื่อที่น่าจะซ้ำตามความมั่นใจ และ sync ทุกวันแบบรันซ้ำได้ปลอดภัย
• เชื่อม LINE Messaging, Google Sheets และ Mailchimp เพิ่มการติดตามด้วย Sentry และ audit log ของ API ที่ปิดบังข้อมูลอ่อนไหว
• สร้าง component library แบบ Atomic Design ที่ใช้ซ้ำได้ใน internal project มากกว่า 3 โปรเจกต์

Diversition Co., Ltd.

• สร้างไวท์บอร์ดที่วาดร่วมกันแบบเรียลไทม์ทั้งระบบ: frontend ด้วย React, backend ด้วย Node.js/Express + MySQL และซิงก์ผ่าน Socket.io ให้หลายคนวาดพร้อมกันได้
• ออกแบบหน้าจอแบบ responsive และ mobile-first โดยใส่ใจเรื่อง accessibility และการใช้งานข้ามอุปกรณ์

ผู้ช่วย AI และ CRM บน LINE สำหรับคลินิกสัตว์ ร้านอาบน้ำตัดขน และที่รับฝากเลี้ยง เปิดเป็นเดโมให้ลองใช้ ลูกค้าถาม จองคิว จ่ายมัดจำ และยกเลิกนัดได้ในแชท บอทตอบจากข้อมูลของร้านเอง และส่งต่อให้คนเมื่อเรื่องนั้นไม่ควรปล่อยให้ AI ตัดสิน

petcare.rattanun.dev ↗

• ออกแบบและสร้าง SaaS แบบ multi-tenant ที่ให้คลินิกสัตว์ ร้านอาบน้ำตัดขน และที่รับฝากเลี้ยง มีผู้ช่วย AI บน LINE พร้อม CRM เบื้องหลัง (Next.js, NestJS, PostgreSQL + pgvector, Drizzle, Redis/BullMQ, OpenRouter, LINE Messaging API + LIFF)
• แยกข้อมูลแต่ละร้านด้วย row-level security ของ PostgreSQL ที่ตั้งค่าต่อ transaction และมีเทสต์ RLS ทุกตารางของ tenant ทุก service ตรวจ input ตรวจสิทธิ์ และบันทึก audit ใน transaction เดียวกัน
• สร้าง LLM pipeline ที่มีด่านกั้น: เรียก tool เพื่อดูราคาและจองคิว ราคาคำนวณด้วยโค้ด (โมเดลไม่ได้คิดเอง) RAG จากฐานความรู้ของแต่ละร้าน และ output guard 7 ตัว เคสฉุกเฉินส่งแชทให้พนักงานและแจ้งเตือนทีม
• วัดคุณภาพ AI ด้วยชุด eval และชุด hold-out ที่ไม่เคยถูกจูน: ผ่าน 94% จาก 225 รอบ hold-out ขึ้นจาก 71% เป็น 84% เทียบโมเดลทั้งคุณภาพ ความเร็ว และความปลอดภัย ต้นทุนราว 1.2 ดอลลาร์ต่อ 1,000 เทิร์น
• กันการจองซ้อนด้วย exclusion constraint ของ PostgreSQL ทดสอบด้วยการให้ transaction จริงแข่งกัน worker บน BullMQ รันเทิร์นของบอทแบบ debounce ดึงความจำเบื้องหลัง ส่งเตือนนัด ติดตามลูกค้า และจำกัดค่า AI ต่อคน
• load test webhook ที่ 100 ข้อความ/วินาที (p95 10.7 ms ไม่มี error) และลด query ที่ช้าจาก 81 ms เหลือ 0.17 ms หลังพบว่า row-level security ทำให้ PostgreSQL ไม่ใช้ index
• ส่งงานด้วย CI/CD: เทสต์ราว 2,200 ตัวบน PostgreSQL จริง สร้าง Docker image ขึ้น GHCR deploy ผ่าน SSH 32 วินาทีหลัง Caddy โดย backup ก่อน migrate และ backup ทุกคืนไป Cloudflare R2 แบบล็อกไว้ 30 วัน