ចូលបណ្តាញសង្គមរបស់យើង
អត្ថបទថ្មីៗបំផុត
មើលអត្ថបទទាំងអស់
សម័យនេះគេនិយម Vercel ហេតុអ្វីខ្ញុំចាំបាច់ឈឺក្បាលជាមួយ Infra ខ្លួនឯងធ្វើអី?
ស្វែងយល់ពីហេតុអ្វីខ្ញុំចាំបាច់ឈឺក្បាលជាមួយ Infra ខ្លួនឯងធ្វើអី ជំនួសឱ្យប្រើ Vercel ដែលងាយស្រួលប្រើ និងមានសេវាកម្មគាំទ្រដ៏ល្អ។
Frontend សម័យឥឡូវ៖ លើសពីការធ្វើ UI គឺការយល់ដឹងពី System ទាំងមូល
ស្វែងយល់ពីការវិវត្តនៃ Frontend Engineering ដែលកំពុងក្លាយជា Full-stack។ ហេតុអ្វីបានជា Framework ដូចជា Next.js ផ្លាស់ប្តូរតួនាទីរបស់យើងពីអ្នកឌីហ្សាញ Layout មកជាអ្នកគ្រប់គ្រង Infrastructure និងយុទ្ធសាស្ត្រ Backend?
សិក្សា Framework មិនបានធានាថាអ្នកនឹងមានការងារបានទេ
ស្វែងយល់ពីអ្វីទៅជា Framework និងហេតុអ្វីបានជា ការសិក្សា Framework ដោយខ្លួនឯងមិនគ្រប់គ្រាន់ដើម្បីធានាថាអ្នកនឹងមានការងារបាននៅក្នុងក្រុមហ៊ុន IT ទេ។
វីដេអូថ្មីៗបំផុត
មើលវីដេអូទាំងអស់
Code មិនមែនជា Architecture ទាំងមូលទេ ចាប់ផ្តើម Terraform! Terraforming Context for AI Agents
Terraforming my infra because the repo is not the architecture ប្រសិនបើអ្នកចង់អភិវឌ្ឍខ្លួនឱ្យក្លាយជា Fullstack Developer ដែលចេះប្រើប្រាស់ AI ប្រកបដោយប្រសិទ្ធភាព និងទំនួលខុសត្រូវខ្ពស់ អាចចូលរួមជាមួយវគ្គបណ្ដុះបណ្ដាលជាក់ស្ដែងថ្មីរបស់យើងបាន៖ 👉 ចុះឈ្មោះ និងព័ត៌មានលម្អិត៖ https://t.me/tfdTech/323 (សិក្សានៅចុងខែនេះ ពីថ្ងៃចន្ទ ដល់ ព្រហស្បតិ៍ | Online | ម៉ោង 8:30 យប់ – 10:00 យប់) តើអ្នកធ្លាប់ឆ្ងល់ទេថា ហេតុអ្វីបានជា AI ជួយយើងដោះស្រាយបញ្ហា និងសរសេរកូដបានយ៉ាងរលូននៅពេល Run លើ Localhost ប៉ុន្តែបែរជាវង្វេងទិសដៅ ឬផ្តល់ចម្លើយខុសស្រឡះ នៅពេលមានបញ្ហាលើ Production Server? មូលហេតុចម្បងគឺដោយសារតែ AI ដឹងត្រឹមតែកូដដែលនៅក្នុង Folder/Repository របស់អ្នកប៉ុណ្ណោះ ប៉ុន្តែបញ្ហានៅលើ Production ជាក់ស្តែងច្រើនតែកើតឡើងនៅលើស្រទាប់ដទៃទៀតដូចជា Cloudflare, Reverse Proxy, DNS Tunnels, Kubernetes Ingress, Cache, ឬ Network Configuration ជាដើម។ នៅក្នុងវីដេអូនេះ ខ្ញុំនឹងចែករំលែកពី៖ • ភាពខុសគ្នារវាងបរិបទ Localhost និងបរិយាកាស Production ស្មុគស្មាញ • ការវិភាគលើស្ថាបត្យកម្មប្រព័ន្ធជាក់ស្តែង (System Architecture Breakdown) • របៀបប្រើប្រាស់ Infrastructure as Code (IaC) ដូចជា Terraform និង Ansible ដើម្បីបង្កើតជា Single Source of Truth សម្រាប់ AI • វិធីសាស្ត្រតាមដាន Incident ដោយប្រើប្រាស់ Request ID និង Log Tracing • ការកំណត់ព្រំដែនសុវត្ថិភាព (Guardrails)៖ ហេតុអ្វីមិនគួរប្រគល់ API Keys ឬសិទ្ធិកែប្រែ Production ដោយផ្ទាល់ទៅឱ្យ AI? Ever wondered why AI coding assistants (ChatGPT, Claude, Copilot, Cursor) feel like geniuses when working on localhost, but completely fail when troubleshooting bugs in production? The reason is simple: your AI only has access to your repository source code, but production issues live across layers—Cloudflare, DNS tunnels, Reverse Proxies, Kubernetes ingress controllers, Redis caches, and database connections. In this video, we break down why traditional repository-level prompting fails in production environments and how to use Infrastructure as Code (Terraform & Ansible) to create a Single Source of Truth that gives AI full architectural visibility. We also cover request-tracing best practices and the essential guardrail: why you should NEVER give AI raw mutation access or API keys to your live infrastructure. 📌 What You’ll Learn in This Video: • The fundamental context gap: Localhost development vs. Multi-layer Production • Real-world architecture teardown (Cloudflare, HomeLab gateway, K8s Ingress, VMs) • Using Terraform & Ansible to turn system infrastructure into readable code • Feeding architecture maps and dependency graphs into AI agents • How to trace production incidents using unique Request IDs and logs • Safety guardrails: Plan-first execution, human-in-the-loop, and keeping API keys secure ចូលក្រុមTelegram: https://t.me/tfdTech IG: https://www.instagram.com/darachaukh/ YouTube: https://youtube.com/@tfdevs Website: https://www.tfdevs.com/ Linkedin: https://www.linkedin.com/in/qiang-cun-zhi/ TikTok: https://www.tiktok.com/@chaudarakh?_r=1&_t=ZS-91PipW1NUEU Facebook Page: https://www.facebook.com/ChauDaraScienceEngineer 00:00 - សេចក្តីផ្តើម៖ ហេតុអ្វី AI ឆ្លាតនៅ Localhost តែខ្សោយនៅ Production? 01:06 - បញ្ហាប្រឈមរវាង Local Environment និង Production Architecture 02:52 - ការវិភាគលើ System Architecture ជាក់ស្តែង (DNS, Ingress, Database) 04:45 - ដំណោះស្រាយ៖ ប្រើប្រាស់ IaC (Terraform & Ansible) ដើម្បីផ្តល់ Context ដល់ AI 05:42 - Terraform & Ansible ជា Single Source of Truth នៃហេដ្ឋារចនាសម្ព័ន្ធ 08:57 - យុទ្ធសាស្ត្រតាមដានបញ្ហា (Incident & Debugging) ឆ្លងកាត់ Request ID 11:11 - ការប្រុងប្រយ័ត្នសុវត្ថិភាព៖ មិនត្រូវផ្តល់សិទ្ធិ ឬ API Key ទៅ AI ដោយគ្មានការត្រួតពិនិត្យ 12:09 - សេចក្តីសន្និដ្ឋាន និងអត្ថប្រយោជន៍នៃការរៀបចំប្រព័ន្ធ
រៀនកូដសម័យ AI ឱ្យត្រូវទិសដៅ (Fullstack + AI ជំនាន់ថ្មី ) | AI-Accelerated FullStack Development
ប្រសិនបើអ្នកចង់អភិវឌ្ឍខ្លួនឱ្យក្លាយជា Fullstack Developer ដែលចេះប្រើប្រាស់ AI ប្រកបដោយប្រសិទ្ធភាព និងទំនួលខុសត្រូវខ្ពស់ អាចចូលរួមជាមួយវគ្គបណ្ដុះបណ្ដាលជាក់ស្ដែងថ្មីរបស់យើងបាន៖ 👉 ចុះឈ្មោះ និងព័ត៌មានលម្អិត៖ https://t.me/tfdTech/323 (សិក្សានៅចុងខែនេះ ពីថ្ងៃចន្ទ ដល់ ព្រហស្បតិ៍ | Online | ម៉ោង 8:30 យប់ – 10:00 យប់) នៅក្នុងសម័យកាល Agentic AI នាពេលបច្ចុប្បន្ន នរណាក៏អាចប្រើប្រាស់ ChatGPT, Claude Code ឬ Gemini ដើម្បីបញ្ជាឱ្យសរសេរកូដ និងបង្កើតផ្ទាំង App បានយ៉ាងរហ័សដែរ។ ប៉ុន្តែ តើការចេះត្រឹមតែសរសេរ Prompt គ្រប់គ្រាន់ដើម្បីក្លាយជា វិស្វករសូហ្វវែរ (Software Engineer) ពិតប្រាកដដែរឬទេ? នៅក្នុងវីដេអូនេះ យើងនឹងមកវិភាគស៊ីជម្រៅអំពីភាពខុសគ្នារវាងអ្នកដែលគ្រាន់តែចេះបញ្ជា AI និងអ្នកដែលយល់ដឹងពីវិស្វកម្មសូហ្វវែរច្បាស់លាស់ តាមរយៈការបែងចែកកម្រិតទាំង ៣ នៃអ្នកអភិវឌ្ឍន៍៖ Level 1: Code Producer – អ្នកបង្កើតកូដ និង Syntax ទូទៅ (ដែល AI អាចធ្វើជំនួសបានស្ទើរតែទាំងស្រុង) Level 2: AI Orchestrator – អ្នកចេះបំបែកការងារធំៗ និងគ្រប់គ្រង Agentic AI ឱ្យធ្វើការរួមគ្នាជាប្រព័ន្ធ Level 3: System Owner – ម្ចាស់ប្រព័ន្ធដែលយល់ពី Business Requirement, រចនាសម្ព័ន្ធ Server/Cloud, សុវត្ថិភាពទិន្នន័យ និងការទទួលខុសត្រូវលើប្រព័ន្ធទាំងមូល ស្វែងយល់បន្ថែមថាហេតុអ្វីបានជាការសរសេរកូដមានចំណែកត្រឹមតែ ២០% ប៉ុណ្ណោះ និងការលើកឧទាហរណ៍ជាក់ស្ដែងលើប្រព័ន្ធផ្ទៀងផ្ទាត់គណនី (Authentication with JWT) ដែលបង្ហាញពីគ្រោះថ្នាក់នៃចន្លោះប្រហោងសុវត្ថិភាពនៅពេលដែលយើង Prompt AI ដោយគ្មានមូលដ្ឋានគ្រឹះច្បាស់លាស់។ In the era of Agentic AI, tools like Claude Code, ChatGPT, and Gemini have made generating syntax and user interfaces effortless for almost anyone. But does prompting an AI mean you are building production-grade software? In this video, we dive deep into the fundamental difference between simply prompting AI and real Software Engineering. We break down the 3 Developer Levels that define the current tech landscape: Level 1: Code Producer – Automating syntax and boilerplate (fully commoditized by AI). Level 2: AI Orchestrator – Breaking down complex architectures and managing coordinated AI agent workflows. Level 3: System Owner – Mastering business alignment, infrastructure tradeoffs, security postures, and end-to-end system reliability. Learn why raw coding accounts for only ~20% of engineering, and see a hands-on architectural comparison using a User Authentication (JWT) system to understand why shallow prompts create dangerous security vulnerabilities. ចូលក្រុមTelegram: https://t.me/tfdTech IG: https://www.instagram.com/darachaukh/ YouTube: https://youtube.com/@tfdevs Website: https://www.tfdevs.com/ Linkedin: https://www.linkedin.com/in/qiang-cun-zhi/ TikTok: https://www.tiktok.com/@chaudarakh?_r=1&_t=ZS-91PipW1NUEU Facebook Page: https://www.facebook.com/ChauDaraScienceEngineer
ខ្ញុំរួចជីវិត ឆ្លងកាត់ព្យុះបច្ចេកវិទ្យា ទាំង 3 | Surviving 3 Waves of Tech Hype: From Web3 to AI
នៅក្នុងវីដេអូនេះ យើងនឹងមកជជែកពិភាក្សាស៊ីជម្រៅអំពីរបៀបវិភាគ និងមើលលើរលកបច្ចេកវិទ្យាថ្មីៗ (Tech Trends) ឱ្យបានច្បាស់លាស់ ដោយមិនលង់តាមការឃោសនាហួសហេតុ (Hype)។ ចាប់តាំងពីសម័យកាល Web3, Blockchain និង NFT រហូតមកដល់សម័យ AI, LLM និងនិន្នាការ Vibe Coding នាពេលបច្ចុប្បន្ន។ ខ្លឹមសារសំខាន់ៗក្នុងវីដេអូ៖ - មេរៀនពីអតីតកាល៖ ហេតុអ្វីបានជានិន្នាការ Web3 និង NFT ធ្លាក់ចុះ? - កម្រិតកំណត់ និងចំណុចខ្សោយរបស់ AI/LLMs (Hallucination និងគុណភាព Code យោងតាមទិន្នន័យ Stack Overflow) - ពិសោធន៍ប្រៀបធៀបមនុស្ស ១០០ នាក់៖ ភាពខុសគ្នារវាងការចេះត្រឹម Prompt AI និងការយល់ច្បាស់ពីវិស្វកម្មសូហ្វវែរ (Software Engineering) - សារៈសំខាន់នៃ Software Architecture, System Design និងការរៀបចំ MVP - ការបកស្រាយអំពី Gartner Hype Cycle (ដំណើរវិវត្តនៃបច្ចេកវិទ្យា) - ដំបូន្មានជាក់ស្តែងសម្រាប់និស្សិត IT, អ្នកសរសេរកូដអាជីព និងអ្នកក្រៅវិស័យ IT ដែលចង់ប្រើប្រាស់ AI ដោយត្រឹមត្រូវ ប្រសិនបើអ្នកចង់ពង្រឹងមូលដ្ឋានគ្រឹះ Full-Stack Development ឱ្យរឹងមាំ និងចេះប្រើប្រាស់ AI ក្នុងនាមជា Software Engineer ពិតប្រាកដ អ្នកអាចចុះឈ្មោះចូលរៀនវគ្គសិក្សាតាមរយៈតំណភ្ជាប់ខាងក្រោម៖ 👉 តំណភ្ជាប់ចុះឈ្មោះវគ្គសិក្សា AI-Accelerated FullStack Development៖ https://tfdevs.com/courses/ON-AFD-B-26 #រៀនកូដ #បច្ចេកវិទ្យា #SoftwareEngineer #AI #WebDevelopment #FullStack #KhmerTech #Coding In this video, we dive into how to objectively analyze technology trends, cut through the hype, and build long-term technical value. From the rise and fall of Web3 and NFT speculation to the current boom in Generative AI, LLMs, and "vibe coding," history shows that every new technology goes through a distinct cycle. We explore: - Why Web3 and NFTs cooled down after the initial hype - The real limitations of LLMs: hallucinations, code quality, and Stack Overflow insights - The 100-person thought experiment: Why prompt engineering alone cannot replace true software engineering - The critical role of Software Architecture, MVP planning, and system scalability - The Gartner Hype Cycle: Peak of Inflated Expectations to Disillusionment - Concrete advice for CS students, software developers, and non-tech entrepreneurs on how to use AI effectively without losing control of your projects If you want to master full-stack software development with rock-solid foundations and learn how to use AI like a professional software engineer, check out the course link below! 00:00 សេចក្តីផ្តើម និងការកើនឡើងនៃ Tech Speculation 01:48 មេរៀនពីអតីតកាល៖ រលក Web3, Blockchain និង NFT 03:36 បច្ចេកវិទ្យាមិនអាក្រក់ទេ តែវាមានដែនកំណត់ 05:22 សម័យកាល AI, Vibe Coding និងការព្រួយបារម្ភរបស់អ្នករៀន IT 06:51 បញ្ហាគុណភាព Code របស់ AI និងការស្រាវជ្រាវពី Stack Overflow 07:44 ដែនកំណត់របស់ LLM (Hallucination & Lack of True Understanding) 08:48 ការពិសោធន៍មនុស្ស ១០០ នាក់៖ Prompt AI vs វិស្វករជំនាញ 12:25 តួនាទីសំខាន់នៃ Software Architecture & System Design 15:19 ការយល់ដឹងអំពី Gartner Hype Cycle 18:07 ដំបូន្មានសម្រាប់និស្សិត៖ កសាងគ្រឹះ និង Mental Resilience ជាមុន 19:12 ដំបូន្មានសម្រាប់ Professional Devs៖ ពង្រីកសមត្ថភាពទៅកាន់ Full-Stack 21:11 ដំបូន្មានសម្រាប់អ្នកក្រៅវិស័យ IT៖ ប្រយ័ត្នចាញ់ការឃោសនា Empty Promise 23:16 សេចក្តីសន្និដ្ឋានបញ្ចប់វីដេអូ ចូលក្រុមTelegram: https://t.me/tfdTech IG: https://www.instagram.com/darachaukh/ YouTube: https://youtube.com/@tfdevs Website: https://www.tfdevs.com/ Linkedin: https://www.linkedin.com/in/qiang-cun-zhi/ TikTok: https://www.tiktok.com/@chaudarakh?_r=1&_t=ZS-91PipW1NUEU Facebook Page: https://www.facebook.com/ChauDaraScienceEngineer
សហការជាមួយ ឆានែល Tech លំដាប់ #1 នៅកម្ពុជា
Reach ទស្សនិកជន Tech រាប់ម៉ឺននាក់ — Developer, Student, និង Decision Maker — តាមរយៈ Sponsored Video, Product Review, Tutorial និងច្រើនទៀត។