การพัฒนาเอเจนต์ AI
เอเจนต์ที่สร้างมาเพื่อระบบของคุณ โดยมีคนเป็นผู้ควบคุม
เราออกแบบและสร้างเอเจนต์ที่ทำงานหลายขั้นตอนในเครื่องมือของคุณ เอเจนต์อ่านทิกเก็ต รวบรวมบริบท ร่างการเปลี่ยนแปลง และหยุดรอการรีวิวก่อนนำขึ้นใช้งาน
เราสร้างเอเจนต์ให้ลูกค้าแบบเดียวกับที่สร้างเอเจนต์ของเราเองใน Jobshout: เครื่องมือที่มีสคีมาเข้มงวด ลูปที่มีขอบเขต เกตการอนุมัติ และร่องรอยของทุกขั้นตอน
เอเจนต์ที่เราสร้าง
เอเจนต์แต่ละตัวมีคำบรรยายงาน เจ้าของ และรายการสิ่งที่ไม่ได้รับอนุญาตให้ทำ
เอเจนต์ซัพพอร์ต
คัดแยกทิกเก็ตที่เข้ามา ดึงประวัติคำสั่งซื้อและบัญชี ร่างคำตอบตามนโยบายของคุณ และส่งเรื่องผิดปกติให้คนดูแล
เอเจนต์การขายและ CRM
เพิ่มข้อมูลลีด อัปเดตเรคคอร์ด CRM หลังการโทร ร่างอีเมลติดตาม และแจ้งดีลที่หยุดชะงัก ไม่มีสิ่งใดถึงมือลูกค้าโดยไม่ผ่านการอนุมัติ
เอเจนต์ด้านปฏิบัติการและ SRE
อ่านการแจ้งเตือน ล็อก และแดชบอร์ด สรุปเหตุการณ์ และเสนอวิธีแก้ ระบบอัตโนมัติขยายทีละขั้น เฉพาะสำหรับการกระทำที่คุณไว้ใจ
อ่านบทความเรื่อง KubePilot: เอเจนต์ด้านปฏิบัติการและ SREเอเจนต์ประมวลผลเอกสาร
ดึงฟิลด์จากใบแจ้งหนี้ สัญญา และแบบฟอร์ม ตรวจสอบกับเรคคอร์ดของคุณ และบันทึกเข้าระบบที่ถูกต้อง พร้อมคิวสำหรับรายการที่ไม่แน่ชัด
อ่านเรื่องการสร้างระบบยื่น VAT: เอเจนต์ประมวลผลเอกสารเอเจนต์เขียนโค้ดและรีวิว
รีวิว pull request เขียนเทสต์ และเปิดการเปลี่ยนแปลงให้วิศวกรของคุณ merge โดย PR Reviewer ของ Jobshout ทำงานนี้บนรีโพสิทอรีของเราเอง
ดู Jobshout: เอเจนต์เขียนโค้ดและรีวิวเวิร์กโฟลว์แบบหลายเอเจนต์
ตัววางแผนส่งงานให้เอเจนต์เฉพาะทาง และตัวกำกับตรวจผลลัพธ์ ลองใหม่ หรือส่งต่อขึ้นไป เหมาะเมื่องานหนึ่งข้ามหลายระบบ
เราสร้างเอเจนต์อย่างไร
เอเจนต์คือลูป โมเดลเลือกเครื่องมือ เครื่องมือทำงาน แล้วผลลัพธ์กลับไปที่โมเดล ความล้มเหลวส่วนใหญ่มาจากลูปมากกว่าโมเดล เราจึงทุ่มความพยายามไปที่จุดนั้น
เครื่องมือมีชนิดข้อมูลกำหนดและถูกตรวจสอบก่อนรัน ลูปมีงบจำนวนขั้น เวลา และค่าใช้จ่าย พรอมต์มีการจัดเวอร์ชันเหมือนโค้ด และทุกการรันทิ้งร่องรอยที่คุณอ่านได้
- ตัววางแผน ตัวปฏิบัติ หน่วยความจำ และตัวกำกับ แยกเป็นส่วนต่างหาก
- เครื่องมือแบบ schema-first พร้อมการตรวจสอบเข้มงวด
- การลองใหม่แบบกำหนดได้และลูปที่มีขอบเขต
เทคโนโลยีที่ใช้
เราเลือกตามแต่ละโปรเจกต์ นี่คือเครื่องมือที่วิศวกรของเราใช้และเขียนถึงในบทความของเรา
โมเดล
- Claude ผ่าน Anthropic API หรือ Amazon Bedrock
- โมเดลของ OpenAI
- โมเดล open-weight: Llama, Mistral, Qwen, Kimi
เฟรมเวิร์กเอเจนต์
- Claude Agent SDK และ subagent ของ Claude Code
- LangChain และ LangGraph
- AutoGen
- Airflow 3 สำหรับไปป์ไลน์ตามกำหนดเวลา
Integration
- เซิร์ฟเวอร์ MCP พร้อม OAuth
- ตัวเชื่อมต่อ REST และ webhook
- Amazon Bedrock AgentCore
โฮสติ้งและการอนุมานผล
- vLLM, TGI และ Ollama สำหรับโมเดลที่โฮสต์เอง
- Kubernetes และ k3s
- Amazon Bedrock และ Azure AI Foundry
หน่วยความจำและการค้นคืน
- การค้นหาเวกเตอร์ รวมถึง NebulaDB
- คลังข้อมูลแบบ key-value สำหรับสถานะของเอเจนต์
- การค้นคืนพร้อมการอ้างอิงแหล่งที่มา
การสังเกตการณ์
- เทรซ OpenTelemetry
- เมตริก Prometheus
- งบค่าใช้จ่ายและเวลาแฝงต่อเอเจนต์
การ์ดเรล
ข้อจำกัดเป็นส่วนหนึ่งของการออกแบบ เราเขียนไว้ก่อนเริ่มสร้าง
เกตการอนุมัติ
การกระทำที่ส่ง ใช้จ่าย หรือลบ จะหยุดรอบุคคลที่ระบุชื่อ เอเจนต์ร่างได้ แต่จะดำเนินการเองเฉพาะขั้นตอนที่คุณตัดสินใจแล้วว่าปลอดภัยที่จะทำอัตโนมัติ
ข้อมูลรับรองแบบจำกัดขอบเขต
เอเจนต์ไม่เคยถือคีย์อายุยาว WSL Vault ออกข้อมูลรับรองอายุสั้นต่อเอเจนต์และต่องาน และบันทึกทุกการใช้งาน
การควบคุมที่ edge
ทราฟฟิกของโมเดลและเครื่องมือสามารถผ่าน WSL Proxy ซึ่งเพิ่มกฎ WAF การจำกัดอัตรา และบันทึกการตรวจสอบที่ edge
รายการอนุญาตและงบประมาณ
เอเจนต์แต่ละตัวได้รับรายการเครื่องมือและแหล่งข้อมูลที่ระบุชัดเจน พร้อมขีดจำกัดจำนวนขั้น เวลา และค่าใช้จ่ายในทุกการรัน
การประเมินผลและการดีพลอย
เอเจนต์เสร็จสมบูรณ์เมื่อผ่านเทสต์ใน production ไม่ใช่เมื่อเดโมใช้งานได้
สร้างชุดประเมินผล
ตัวอย่างจริงจากงานของคุณ แต่ละตัวอย่างมีคำตอบที่เพื่อนร่วมงานที่เก่งจะให้ ทุกการเปลี่ยนแปลงถูกให้คะแนนเทียบกับชุดนี้
เทรซและวัดผล
ความสำเร็จของงาน ข้อผิดพลาดของเครื่องมือ เวลาแฝง และค่าใช้จ่ายต่อการรัน ซึ่งได้จากเทรซ OpenTelemetry
ปล่อยเวอร์ชันผ่านวงรอบ
Ring Promoter ย้ายแต่ละเวอร์ชันจาก int ไป test, acc และ prod เฉพาะเมื่อผ่านการตรวจสุขภาพ และย้อนกลับเมื่อไม่ผ่าน
เฝ้าดูใน production
การมอนิเตอร์ การแจ้งเตือน และการทบทวนความล้มเหลวและค่าใช้จ่ายอย่างสม่ำเสมอ ทุกความล้มเหลวกลายเป็นกรณีประเมินผลใหม่
คำถามเกี่ยวกับโปรเจกต์เอเจนต์
คุณใช้เฟรมเวิร์กหรือสร้างใหม่ตั้งแต่ต้น
ทั้งสองแบบ ถ้าเฟรมเวิร์กอย่าง LangGraph หรือ Claude Agent SDK เหมาะสม เราก็ใช้ ถ้างานไม่ซับซ้อน ลูปเล็กๆ ที่มีเครื่องมือกำหนดชนิดข้อมูลจะทดสอบและดูแลได้ง่ายกว่า
เอเจนต์รันบนฮาร์ดแวร์ของเราเองได้ไหม
ได้ เราโฮสต์โมเดล open-weight ด้วย vLLM หรือ Ollama บนเซิร์ฟเวอร์ของคุณ หากคุณต้องการเครื่อง บริษัทในเครือของเรา Workstation ช่วยกำหนดสเปกและสร้างเวิร์กสเตชันและคลัสเตอร์ GPU
คุณป้องกันไม่ให้เอเจนต์ทำสิ่งที่เป็นอันตรายได้อย่างไร
เอเจนต์เรียกได้เฉพาะเครื่องมือในรายการอนุญาต ด้วยข้อมูลรับรองแบบจำกัดขอบเขต ภายในขีดจำกัดจำนวนขั้นและค่าใช้จ่าย สิ่งใดที่ส่ง ใช้จ่าย หรือลบ ต้องรอการอนุมัติ และทุกการรันถูกบันทึกไว้
ใครเป็นเจ้าของเอเจนต์เมื่อโปรเจกต์จบ
คุณเป็นเจ้าของ โค้ด พรอมต์ ชุดประเมินผล และ runbook อยู่ในรีโพสิทอรีของคุณตั้งแต่ commit แรก
อธิบายงานหนึ่งอย่างที่คุณอยากให้เอเจนต์ทำ
เราจะตอบกลับพร้อมแบบออกแบบเอเจนต์ ความเสี่ยง และวิธีที่เราจะพิสูจน์ในโครงการนำร่อง