Kasidit Wansudon

Full-Stack Developer | Project Manager | System Architect ในกรุงเทพ — สร้างระบบ web และ mobile แบบ end-to-end

Full-Stack Developer and Project Manager with 4+ years of experience building enterprise systems including WMS, HR platforms, POS, and approval workflows. Leading a cross-functional team of 5 at OPPO Mexico. Expert in Laravel, Vue.js, Go, and Flutter with strong cloud infrastructure skills (AWS, Docker, Kubernetes). Passionate about system architecture, AI integration, and scalable software.

Mexico City, MX+66 63-790-2362kasidit.wans@gmail.com

อ่านบทความ ดู Resume ฝากข้อความ Cascade / MCP

ช่องทางออนไลน์

ประสบการณ์

4+ ปี

สร้างระบบ production

โฟกัส

Laravel, Vue.js

เน้น Flutter, Node.js, Laravel, Vue.js

องค์กรปัจจุบัน

Pos Sefi Group Co., Ltd. (OPPO) / OWAY IT

Full Stack Programmer

ภาษา

Thai · English

พร้อมสื่อสารกับทีม

ผลงานที่เลือกมาเล่า

Projects & impact

ดูทั้งหมด

Apr 2024 - PresentMexico City, MX

Full-Stack Programmer & Project Manager

Pos Sefi Group Co., Ltd. (OPPO) / OWAY IT

2 years 1 month · Vue.js, Laravel, Zend, Flutter

Lead a cross-functional team of 5 (2 devs, 1 QA, 1 helpdesk, 1 infra) supporting enterprise systems
Developed and maintained Sellin, Sellout, HR, and AppHR systems serving hundreds of daily users
Built complex multi-level approval workflows with Vue.js and conditional routing logic

Jun 2023 - Apr 2024Thailand

Flutter Programmer

Rainbow Solution

10 months · Flutter, MQTT, Google Maps API, JavaScript

Built cross-platform POS systems running on Linux, Windows, Web, and macOS with Flutter
Implemented real-time data sync via MQTT, eliminating unnecessary API calls for faster UX
Developed restaurant features: time tracking, payments, tax management, menu setup, and reporting

Core skills

Tech stack & tools

ชุดทักษะที่ใช้จริงใน production และงาน consult

Flutter

expert

Mobile · 3+ yrs

Laravel

expert

Backend · 3+ yrs

Node.js

expert

Backend · 3+ yrs

Vue.js

expert

Frontend · 2+ yrs

Git

advanced

DevOps · 4+ yrs

JavaScript / TypeScript

advanced

Frontend · 4+ yrs

ผลงาน

ผลงานที่ออกตลาดจริง

Studio ส่วนตัว + open-source framework ที่ใช้กับงานจริงทั้งใน SEA และ global

Open Source · AI Framework

Kasidit

Mindful AI coding framework สำหรับ Claude Code — ห้าโหมด, แปด specialist agents, runtime hooks, default checklists ที่ทำให้ AI coding ลึกและกราวด์ ไม่ hallucinate. MIT.

Claude CodeAITypeScriptMIT

kasi.kasion.dev →

Studio · บริษัทแม่

Kasion

Studio หลักรวม Kasidit, KasionL1, Phlik Career และโปรเจกต์ใหม่ที่กำลังลองในตลาด SEA — โฟกัสคน Thai-first.

StudioSEAAI Products

kasion.dev →

AI Engine

KasionL1

Career AI engine ตัวกลางที่ขับ Phlik และ apps อื่นใน Kasion ออกแบบให้เข้าใจบริบทคนทำงานในไทย ไม่ใช่ generic prompt.

AI EngineCareerThai NLP

l1.kasion.dev →

Mobile · Career Coach

Phlik Career

พลิกอาชีพ — AI career coach app สำหรับมืออาชีพในไทยและ SEA. ตัวช่วยคิด resume / role / สัมภาษณ์ แบบ conversation ไม่ใช่ template.

MobileAndroidWebAI Coach

phlik.kasion.dev →

Hub · ผลงานรวม

Digital Hub

หน้ารวมเครื่องมือ + workspace ของผม สำหรับ docs, internal tools, warehouse, และ reporting แบบ one-stop.

HubViteReact

kasidit-wans.com/ →

Documentation

Oak Docs

Technical notes + developer references + implementation details ที่ใช้จริง คนอ่านแล้วทำงานต่อได้เลย

DocsInternal

kasidit-wansudon.github.io/oak-docs →

Analysis Tool

Living Calculator

เครื่องคิดต้นทุนการใช้ชีวิตในแต่ละเมือง ช่วยตัดสินใจย้ายงาน/ย้ายเมือง โดยไม่ต้องเปิด spreadsheet

ToolDecision Support

kasidit-wansudon.github.io/cost-of-living-calculator/ →

Warehouse Ops

App Warehouse (WMS)

Warehouse management system focus การเคลื่อนไหวของ stock + การควบคุม flow operation จริง

OperationsInventory

kasidit-wansudon.github.io/oppo-wms/ →

Commercial Timing

Sales Timing App

จัดเวลา selling window + รายงาน sales pace ใช้คุม campaign และเช็คจังหวะการขาย

SalesReporting

pc.kasidit-wans.com/ →

Control Tower

Catering Control Tower

Stock-planning dashboard สำหรับโรงอาหาร เตรียมเชื่อม Odoo workflow

OperationsF&B

stock.kasidit-wans.com/ →

Open Source · Code

GitHub

174 repos บน GitHub — Kasidit framework, Kasion suite, tools, experiments. ดู source code ได้ทั้งหมด

SourceOSS174 repos

github.com/kasidit-wansudon →

งานล่าสุด

Personal blog & guestbook

แพลตฟอร์มเดียวที่เล่า process การพัฒนา, เก็บโน้ตเทคนิค และให้คนฝากคอมเมนต์ได้แบบ real-time โดยเชื่อม Next.js 14, Supabase และ Cloudflare Pages เข้าด้วยกัน

Next.js 14SupabaseCloudflare PagesTypeScriptTailwind

MCP stack

Tools & workflows ที่ผม automate

สรุป server ที่ใช้งานจริง (gdrive, brave-search, deepwiki, memory) พร้อมวิธีทำงานร่วมกับทีม

เปิดเอกสารเต็ม

MCP (Model Context Protocol) — สรุปข้อดี/ข้อเสีย + ตัวอย่างการทำงานร่วมกัน

ครอบคลุม MCP ที่มีในเครื่องคุณตอนนี้: gdrive, brave-search, deepwiki, memory

ภาพรวม MCP

แนวคิดหลัก: Tooling แบบปลั๊กอิน

MCP คืออะไร

มาตรฐานการเชื่อม “AI Assistant” กับ “เครื่องมือ/ข้อมูลภายนอก” ผ่านชุด tool ที่เรียกใช้ได้ (เช่น search, drive, wiki, memory)

ทำไมถึงดี

แยกความรับผิดชอบชัดเจน: AI ทำ reasoning/ตัดสินใจ ส่วน MCP ทำงานเฉพาะทาง (ค้นหาไฟล์, ดึงข้อมูล repo, ค้นเว็บ, เก็บความจำ)

สถานะจากการทดสอบล่าสุด

สรุปเร็ว

gdrive: ใช้งานได้
deepwiki: ใช้งานได้
memory: ใช้งานได้
brave-search: web search ใช้ได้ แต่ local search โดน rate limit

หมายเหตุ: บาง server ไม่รองรับ resources เป็นเรื่องปกติ (ไม่ได้แปลว่าเสีย)

ข้อดี/ข้อเสีย (แยกตาม MCP)

gdrive

เหมาะกับ “ค้น/อ่านไฟล์งาน”

ข้อดี

ค้นหาไฟล์/โฟลเดอร์ได้เร็ว (เหมาะกับงานเอกสาร)
ได้ตัวระบุ resource (เช่น gdrive:///...) เพื่ออ้างอิงไฟล์ ได้แม่น
เหมาะกับ workflow: หาไฟล์ → สรุป → แชร์ลิงก์/ชื่อไฟล์ให้ทีม

ข้อเสีย/ข้อจำกัด

ต้อง auth ก่อน และสิทธิ์ไฟล์ขึ้นอยู่กับ account ที่ล็อกอิน
รูปแบบ query อาจไม่รองรับแบบ Drive API 100% (ควรใช้ query สไตล์ search box เช่น type:folder)
การไล่ “ไฟล์ในโฟลเดอร์” มักต้องมี folderId/URI ที่ชัดเจน

brave-search

เหมาะกับ “ข้อมูลใหม่/อ้างอิงภายนอก”

ข้อดี

ดึงข้อมูลจากเว็บแบบหลากหลาย เหมาะกับ best practices, ข่าว, docs
ช่วยทำ “การอ้างอิง” ให้คำแนะนำมีหลักฐานจากภายนอก

ข้อเสีย/ข้อจำกัด

เสี่ยงโดน rate limit (เจอแล้วใน local search)
ผลค้นหาอาจผันผวนตามเวลา/ภูมิภาค
ต้องระวังเรื่องข้อมูลส่วนตัว/ความลับขององค์กรเวลาใช้ค้นเว็บ

deepwiki

เหมาะกับ “ถามโครงสร้าง repo / ทำความเข้าใจระบบ”

ข้อดี

ตอบคำถามเชิงโครงสร้างของ repo ได้ดี (เช่น architecture / modules)
ช่วย onboarding ทีม/ทำความเข้าใจ dependency ได้ไว

ข้อเสีย/ข้อจำกัด

จำกัดเฉพาะ repo ที่รองรับ (โดยมากคือ GitHub) และไม่ใช่ข้อมูล runtime ของระบบคุณ
อาจไม่ทัน commit ล่าสุดเสมอ (ขึ้นกับแหล่งข้อมูล)

memory

เหมาะกับ “เก็บบริบทระยะยาว/กติกาโปรเจกต์”

ข้อดี

เก็บความรู้ที่ใช้ซ้ำได้ เช่น business rules, flow, mapping, checklist
ลดการถามซ้ำ/ลดโอกาสทำผิดมาตรฐานทีม

ข้อเสีย/ข้อจำกัด

ถ้าไม่ดูแล อาจ “เก่า/ผิด” ได้ ต้องมีการ update/ลบเมื่อ rule เปลี่ยน
ควรหลีกเลี่ยงการเก็บความลับสำคัญลง memory ถ้าไม่จำเป็น

ตัวอย่างการทำงานร่วมกัน (Workflow Demo)

Scenario: “หาเอกสารงานใน Drive แล้วหาข้อมูลอ้างอิง + เก็บความจำสำหรับรอบถัดไป”

gdrive + brave-search + deepwiki + memory

*เดโมนี้เป็น “ตัวอย่างการทำงานร่วมกัน” แบบอธิบายขั้นตอน (หน้าเว็บไม่ได้เรียก MCP จริงจาก browser)

เริ่ม workflow: MEX leave approve flow

[1] gdrive.search: ค้นหาเอกสาร/โฟลเดอร์จากคำค้น
    query = 'MEX leave approve flow'
    -> (ตัวอย่าง) ได้ไฟล์ที่เกี่ยวข้อง + gdrive:///... URI

[2] memory: บันทึกว่าไฟล์นี้คือแหล่งข้อมูลหลัก
    remember(key='primary_doc', value='gdrive:///...')

[3] brave-search: หาอ้างอิงภายนอก/วิธีทำงาน/แนวปฏิบัติ
    web_search('MEX leave approve flow best practices')
    -> (หมายเหตุ) ถ้า local_search โดน rate limit ให้ใช้ web_search แทน

[4] deepwiki: ถ้าต้องอ่านโครงสร้าง repo เพื่อทำความเข้าใจระบบ
    read_wiki_structure(repo='facebook/react') (ตัวอย่าง)

[5] สรุปผล: ส่งชื่อไฟล์/ลิงก์/ข้อเสนอแนะที่อ้างอิงได้ให้ทีม

ตัวอย่างผลที่เคยเจอจริง (จากการทดสอบใน session นี้)

ตัวอย่าง

gdrive resource ตัวอย่าง:
- gdrive:///11oU31ECPqWilxLrbA8yzbU02sSgEU6AI (folk_project_catcare)
- gdrive:///1OJwb1csvqpZzuOjTwpTT-TB8kJb26yrvRwc9KiStw2g (Track MEX leave approve flow)

deepwiki ตัวอย่าง:
- facebook/react: อ่านโครงสร้างเอกสารได้

brave-search ตัวอย่าง:
- web_search: ใช้ได้
- local_search: rate limit exceeded (ต้องรอ/ลดความถี่)

Pseudo-calls (มองเป็นท่อเดียวกัน)

1) gdrive: ค้นหาไฟล์งาน
   search("MEX leave approve flow")
   -> ได้ไฟล์ spreadsheet ที่เกี่ยวข้อง + URI

2) memory: จำว่าไฟล์/โฟลเดอร์ไหนคือแหล่งข้อมูลหลัก
   remember({ key: "leave_flow_sheet", value: "gdrive:///..." })

3) brave-search: หา best practice/อ้างอิงภายนอก (ถ้าจำเป็น)
   web_search("dingtalk approval flow best practices")

4) deepwiki: ถ้าต้องอ่านโครงสร้าง repo library หรือ framework
   ask_question(repo="...")

5) สรุปผลให้ทีม/ทำ action ต่อ (เช่น สร้าง PR, ปรับ flow, ทำ checklist)

ข้อควรระวังเวลาใช้หลาย MCP ร่วมกัน

การจัดการสิทธิ์/ข้อมูล

อย่าเอาข้อมูลลับ (token/keys/ข้อมูลส่วนบุคคล) ไปค้นเว็บ
gdrive เห็นได้เท่ากับสิทธิ์ของ account ที่ auth
memory ควรเก็บเฉพาะ rule/ความรู้ที่จำเป็นและไม่ sensitive

ความเสถียร/ข้อจำกัด

brave-search อาจโดน rate limit: ลดความถี่, แคชผล, ใช้ web_search แทน local_search
query ของ gdrive ควรใช้แบบ search box (เช่น type:folder) ถ้าแบบ API ไม่ติด
deepwiki เป็นเอกสาร repo ไม่ใช่ runtime state ของระบบ