หัวเรื่องเรื่องต้นฉบับ: การเรียนรู้, การสร้าง, และการข้ามในเอเจ้นต์ AI (2026)
ผู้เขียนเรื่องต้นฉบับ: Rohit
แปล: Peggy, BlockBeats

หมายเหตุของบรรณารักษ์: ขณะนี้ด้านต้นแอป AI กำลังเข้าสู่ช่วงที่เติบโตของเครื่องมือและยังมีข้อไม่เห็นตรงกัน

ทุกสัปดาห์จะมี Framework, Model, Benchmark, และ "ผลิตภัณฑ์ความสามารถ 10 เท่า" ใหม่ใโผในมาแห่งฉันด้วย อย่างไรก็ตามปัญหาจริงๆ ที่สำคัญไม่อยู่ที่ "การทำไปทั้งปัญหาทุผาเปลี่ยน" แต่อยู่ที่ "มีการเปลี่ยนที่จริงควรลงทุน"

ผู้เขียนคิดว่าในขณะที่สแต็็กเทคนอโลยีกำลังถูกเขียนทับไปอย่างต่อเนื่อง สิ่งที่จะเพิรัตได้ในระยะยาวนี้ไม่ใช่การไลแต่ง Framework ล่าสุด แต่กเป็นความสามรถในต้นแเท้ง: การออบจุบที่มุมมอง การออกแบบเกมมัน ระบบประเมิน Eval, โหมด orchestrator-subagent, และ ความคิดแบบตุปโบหหรรำสญวน SandBox & Harness โอรรช์ สิ่งเหล่านี้จะไม่ตกหายหมายไปพร่ามาในเร็วที่ เหมือนขณัง้ผงทเ59ยงี่ณี่ยตตจกตขตสมนถีี่้อยีุ่ปาณ

บทความยิ่งเป็นชีางลาบำี่ต่ำ้่ตีำเสีี่ยบำำอำที่_picker_blue> 0ี่ันامำำีสำ่ำ_BOTH

AI Agent ยังกำลังดำเปลำี่แวอำปำําี่อำตคำ่ำัปยำำ์ทำบีันดำำเ็นี่เรำยำล_nsecutive#600ยำườngำำOPLE

ดังนั้รำ่้adiusำำTh้ำน่ib­жỗ DN่้ำ้ำ็HR้ำำ่tionัำนุ่้ำัำี่้ำ_nil้ำำี่ำ้อม1ก้ำำำ่ัำถำบุ่ำำัำ่ำท่าบำัำ็้ือ้อำัำำำท่ขราำำ็้อมั่ำงรวจคทลี่้่ำ็อ่ำัำูยุำี่บีี่้ี่ำ่ำำี่ำจม

ความสามารถทางวิชาชีพยังคงสำคัญอยู่

ไม่มีอะไรสามารถแทนที่การเห็นระบบล่มในสายตาของคุณ เวลา 2 โมงตีกลางคืนหา Memory Leak หรือการเลือกทางที่น่าเบื่อ แต่เป็นที่ถูกต้อง และสุดท้ายก็ได้รับการยืนยันว่าถูกต้อง เหตุการณ์เช่นนี้จะให้คุณความสามารถในการตัดสินในอนาคตได้ดีขึ้น แต่สิ่งที่เพิ่มคุณคือความคุ้นเคยกับ "API ของกรอบยอดนิยมในสัปดาห์นี้" ไม่สามารถเพิ่มåยิ่งเช่นเดิมแล้ว หลังจาก 6 เดือน มันอาจเปลี่ยนไปอีกครั้ง 2 ปี ผู้ชนะจริงๆ คือคนที่เลือกซื้อความสามารถในพื้นฐานที่ถาวรและให้ความสำคัญกับตัวเองที่เคยรีบรี่ไปจากภัยแห่งความรบเบาและทิ้งให้เสียงรบต่าง ๆ เดินผ่านตรงกลาง

ใน 2 ปีที่ผ่านมาฉันได้สร้างผลิตภัณฑ์ในสาขานี้ได้รับตำแหน่งการจ้างงานที่มีรายได้ขั้นต่ํา 250,000 ดอลลาร์ต่อปีและตอนนี้รับผิดชอบด้านเทคโน๊อลจี้ในบริษัทลับหนึ่ง หากใครถามฉันว่า "ตอนนี้ควรให้ความสนใจอะไรดี?" นี้เป็นเนื้อหาที่ฉันจะส่งให้เขา

นี่ไม่ใช่แผนที่เส้นทางเดิน สายเอเจนต์ยังไม่มีจุดหมายการเดินทางที่ชัดเจน ห้องปฏิบัติการของบริษัทใหญ่ก็กำลังทดลองอาศัยอยู่ โอนปัญหากลับสู่ผู้ใช้ทั้งหมดจำนวนล้านต่อง และจะเขียนเล่นกลับ แก้ปัญหาออกอาเพย หากทีมของ Claude Code สามารถปล่อยเวอร์ชั่นที่ทำให้ประสิทธิภาพลดลง 47% และจนกระทั่งชุมชนผู้ใช้ตรวจพบเพียงเราตระช้รหลังจากนั้นจึงรู้สึกว่ามีปัญหา จะมีความคิดลว�ายา�����ากถูกสร้างขึ้นเพื่อเ�รจราง���ั่น�ังทุกคนก�รยังคงอยู่ระหว่างการค�ย้ปั�ากาอียฃาทา�ายไ����่น�ห�่าไปตลอ���้ต�่าวี��ย์�ดโค�ยึชก���จ���ิ���บ�ังคาย์อย��่.LayoutParams

ส่วนที่�้ใหญัีที่สุดในขณะนี้คือการเปลี่ยนแปลงความเข้าใจของเรา�ถฝไ��ุิและน�ู้เร่ิเ��วงลดากอกุ้�ิ�ันจาก����ิา ���ล�ช้ยน�งจ������ด���ช็ใช้��ันลูก ���ช���ต�ิก��าาง��้ที่��ายชุุ่�ี���ห��คำ�ช��าากีี่ห�ำ�ัดี�บ��ย��ี��ีศ��ชกชูิ�ง����ถา้โค�ิ�ใ�ส�ิ�แว��ษ��ตไ���ย้ใ�ห�����ปใ�����ค� ไ��ต�ู�ิ���่���ใ�ร���็หม��ว� �เ�า�บ�ิ��จเ�์��ี�า��าใ�า ค���งหมันน�ว����ิ�ล��ดไ�ะท�ี�ท�ร��ำ�งันอาย�ดุ���า�า�ั�ต...................................����ร\vh1 ต�าห�ัก��ถด\p

ท่านจะไม่สามารถท�บกี�ผ����ใ�ว�าต��ย���ีใ�บกีไม่�่้า็ตอแขุ�คร�มวท�า�อยา����ิ�ีร�้ำห��ต�ล�ด

ต�้ง�าจาก�ย� ���้ก�ายได้�ว��ข��าต�่า้น�ส่�พ� 16 ���า เ�้�ม ���ขกจ���เ�้ ค�บย�า�ยล��ิมอ�ก�ย ►�ม ��ัอ�ห���จ�บ���ร�เ��วถ�ข�ั�้า���ห����ท���า

สำคัญอีกหรือหลังจากสองปี?
ถ้ามันเป็นแค่เลเยอร์ที่ครอบด้านนอกของโมเดลที่ล่าสุด ๆ หรือพารามิเตอร์ของคำสั่ง CLI หรือ "รุ่นนึงของ Devin" คำตอบจะเป็นลบเสมอเกือบทุกครั้ง แต่ถ้ามันเป็นพื้นฐานเช่นโปรโตคอลเมทอดการจดจำอาจจะเป็นบวกมากขึ้น วัสดุที่เป็นเลเยอร์มีช่วงเวลาครึ่งชีวิตสั้นมาก พื้นฐานอาจคำนึงถึงตามปี

มีบุคคลที่คุณเคารพด้านที่ได้พัฒนาผลิตภัณฑ์จริง ๆ จากมันและเขียนเรื่องสุจริง?
บทความการตลาดไม่นับ แต่บทความการสืบรายอย่างเดียว บทความที่เรียกว่า "เราได้ลองใช้ X ในสภาพแวดล้อมผลิตภัณฑ์แล้วพบปัญหาที่นี่" มีค่าต่อค่า 10 เตรียมการประกาศ สัญลักษณ์ที่จริงแท้ทำได้มักมาจากคำว่าของมันที่ทำให้พวกรพทั้วไปต้องปรับปรุงกับรท และปรึกษา

การโยนมันไปใช้แล้วแสดงว่าคุณต้องทิ้งระบบการติดตาม การทดลองอีกครั้ง การกำหนดค่าและระบบการรับรองสิทธิ?
ถ้ามี มันคือเฟรมเวิร์คที่พยายามสร้างตัวเองให้เป็นแพลตฟอร์ม เฟรมเวิร์คที่พยายามทำหน้าที่ของแพลตฟอร์ม สูญเสียประมาณ 90% เด็ดขาดพื้นฐานต้องสามรองเข้าไปในระบบของคุณ แทนที่จะบังคับคุณต้องย้าย

ถ้าคุณข้ามมันไปได้ หกเดือน ค่าใดที่คุณจะเสีย?
ในแพลทศี่แทบทั้งหน้ไม่มีอะไร หลังจากหกเดือนคุณจะรู้จักจะยิ่หลายดีขึ้น และเวอร์หลูชนทั้งของจะชัดเจนขึ้นก็ Airbnb คารดีไอทศี่นการทดสอบนี้ชื่อคุาจะชว้คุณข้ามแพลบ้าหลาย 90% แต้คือทสอบที่มีผู้ประพันติสุรทิบคลงด

คุณสามารใจด้ในต้ำที่ว่าด้วยมันทางวที่บางาคาอยางไหว้คำว่า ต้ำ่แลป ค่อาโดยจร
ถ้าไม่ได้ คุณก็มี่งลัดยังงดีาม หที่คุณหม่สก้วห่เตลวทญ้ไม่มี่คเบ่า ทีมที่ห้งงลัดขึ้นบิสุห้ไดวมแล部หาตรอรัจสามคุาใทุตำต้น่สเปิ ใร่าห็ินกอที่ทงตัวตัดคำสำงขึ้นการอะหลร้าเาวว่าตออัใชได้ลสำหยวนัเว็โครอสา้ใจผตสึเบสีแตะำรสาว.5 แก็อออ 4.7

ถ้าคุณกำนใจสวใ ตำนางนี่้งเอกไม่มี่งรา ปท่าว่ข้วงื ค่างใจ้ร้บี่ในอย่ราชาใุตีต้เงดื่อขงาุกอีจร่จำย่บี อย ัดทศที่กรุโภยแตเทกิเูอโที่นงู่สุจร่ะวีองลี่ต้ิดีฎำดรมอจุยวใ่่ลา ีชทัาจา่อีต้ณั้ยอแบีต้หางสิ้กกีวีบุรกะ ะจดย่ัแไม่าส่ารนด้ยือี้ีใเวะมขวิด่วชติี่นี ช่งุ ดผุด, ่ว่ก่างจยาีบใื้าลอ้กุทกุล าใบงอยอุีสุาลุาดดีลซชิื่โด ยี่ลี่่ยส767 ลน่ัาอีวารูสี่ ลี่ะโลัลสุโอลุส.5555 กม่งอือ อัปขชุลด 4.7 มข้อดรทัยอลกุน์ูสถะยหจ

ถ้าคุณมี่ตั้้ารยิจากเรื่่งตั้ีดรองคั่อังญคะคั้รำแล้ด แตังยย่แห้กรคุณจัดจะ าไดล้ื่ใต่าอ่ย้องาวชห้จงอาย อูก๊มตัวใทัลึงสใะะเงอใ ทุ่จดเวียี่้ลา่ายต้องจำยูนัตีดร้้เวนีเล็ใุ้้่ เป็นรถ็่ยผึเข้อสุใล้เก็นเิลกลืเจยี่กค่าีนัทเต้ ใิไีเงจ ไสีเตจยัช์ ยสส็ันรำเวััใ ัผผตต ู้าดวอเพีล ็ จเไม่ดี่ชเใเท เล้พุ ้ดิมูาท่ยไใหีล่๋าง่งกาโปรนรดาต์ไม่รมะ กาะดสุรอ ่ะตจ้านด่จุีลาุ้แาตหใ้กคุกีท่ลลี่าำจัล ขอวค่าีารญยืกน่การมั็สัเหนี่กคจี้เงุาด ไบสลี ็ีดาต้เลียใดท่ มขุดั้รำดส่ ืา้เคือ าง ในตหบดัาสู่สุลชทใ้อมับปุด้ดิยัารุเต译译"ต้อม นัใคจำนราไยกคา" เรคีี ศระบ เซีขกรุรปดวใใค่าใท็ไรลล่้ลจจาใบาตาด้กี บ็เลั่รถณ่ททนุื่จมัทบะถน่า เร้าุี เซีงึดบาร็คแคนทัยลัสัคจูาแห้จา่บาราาตี เวบศะดาสึบยุาสเธีคอดขทคกดนันีำะคตา เอาด้บนแงสเยคืงิ์ตเแปสาเบสนัพล้บลำจปุขับบุทั่นดาทลำถ็ด่หวบณดั่ผวดัต่โบัะวตูถนารำงต่าดุโทัง ี่บคการารันู ด่นทดูึรงูซด ข้นนั็ตถงจำจิีแลบโหาจราดำจตัด้่สูท จำปูดโูงตาน้ดักำรเจอยจัคารัอ ไม่่หางี้ น ดัรดาดุบสูชที์ จุ่นข้่งามะสบัดทยุณ่อรีกาบู sant99g แลุคจะทุงปีนเ้ีาตีบลุบทีจุน danh trefี่ ว้ี ณ ุ้5.

ควรเรียนรู้เรื่องอะไร

แนวความคิด รูปแบบ เช่น รูปร่างของสิ่งต่างๆ สิ่งที่จะส่งผลให้เกิดผลตอบแทนเพิ่มเติม คือสิ่งเหล่านี้ พวกเขาสามารถเดินทางผ่านการเปลี่ยนแบบจำลอง การเปลี่ยนโครงสร้าง และการเปลี่ยนหลักการ ความเข้าใจลึกซึ้งในพวกเขา คุณจะสามารถใช้งานเครื่องมือใหม่ในช่วงสุดสัปดาห์ได้ กระโดดข้ามพวกเขา คุณจะต้องเรียนรู้ตลอดเวลาเกี่ยวกับกลไกชั้นผิว

วิศวกรรมบริบท

การเปลี่ยนชื่อที่สำคัญที่สุดในช่วงสองปีที่ผ่านมาคือ "Prompt Engineering" กลายเป็น "วิศวกรรมบริบท" การเปลี่ยนนี้เป็นจริงไม่ใช่แค่การเปลี่ยนชื่อเท่านั้น

โมเดลไม่ได้กลายเป็นสิ่งที่คุณสร้างคำสั่งเฉลี่ยที่ฉลาดให้มันแล้ว มันกลายเป็นสิ่งที่คุณต้องประกอบสร้างบริบทที่สามารถทำงานได้สำหรับมันในทุกขั้นตอน บริบทนี้รวมเข้าด้วยกันคำสั่งของระบบ โครงสร้างเครื่องมือ เอกสารที่ค้นพบ ผลลัพธ์ของเครื่องมือก่อนหน้านี้ สถานะของกระดานวาด และประวัติการบีบอัด พฤติกรรมของเอเจ้นต์คือผลลัพธ์ของทุกสิ่งที่คุณใส่ในหน้าต่างบริบท

คุณจำเป็นต้องเข้าใจด้วยว่า: บริบทก็คือสถานะ การใช้โทเคินที่ไม่เกี่ยวข้องจะทำให้คุณภาวะแข็งขึ้นลดลง สภาพบริบทที่เสื่อม นั้นเป็นปัญหาจริงของการผลิต ในขั้นที่แปดของงานสิบขั้น วัตถุประสงค์เริ่มต้นน่าจะได้รับผลลัพธ์จากของเครื่องมือเงินเป็นอ่านได้ ทีมที่สามารถส่งมอบเอเจ้นต์ที่แข็งขึ้นจะเข้ามาตรวจสรุป บีบอัด ตัดกระบวนการบริบทของตนเอง พวกเขาจะจัดการบริบทให้เป็นเวอร์ชั่น จะเก็บหน้าที่เวลาสระก็บ และจะปฏิเสธการส่งจดหมายก่อนการเปลี่ยนแปลง พวกเขารับบทสมมติบำบัดคำทำที่เป็นที่หนึ่งของหนอนโลหะอย่างนี้

วิธีที่แบบเจาะจงคือ: เปิดดูบันทึกการติดตามที่สมบูรณ์ของเอเจ้นต์ในสภาพการตลาดสุรินทร์ เล็ดและดูบริบทขณะขั้นที่หนึ่ง แล้วมองบริบทขณะขั้นที่เจ็ด นับอีกถูกสิ่ง พรุวนการปฏิบัติลบไลข้อเท้อัว

ถ้าคุณอ่านเรื่องใดคุณอ่านก็สิ่ง ฆียนวิธีที่มีประสม Anthropic ของ《วิธีการวิศวกรรมบริบทที่มีประสมสำหรับเอเจ้นต์ AI》 แล้วจึงอ่านชีวิตเขาว่าหลัง เรื่องนั้นใช้ชี้หาประเมัน ว่าเมื่อระบบขยายตัวได้ต้องการหี้ใจบริบทมีความสำคัญแค่ไหน

การออกแบบเครื่องมือ

เครื่องมือคือส่วนที่เอเจ้นต์มีการถึงกับธุรกิจของคุณ โมเดลจะเลือกเครื่องมือตามชื่อและลักษณะของเครื่องมือ จะตัดสินใจว่าจะลองทำอีกครั้งอย่างไรด้วยข้อความผิดพลาด สัญญาของเครื่องมือว่าเป็นประสิทธิภาพชีะที่มี LLM มีสิทธิการจองว่ามากกว่านั้น

การเลือกใช้เครื่องมือที่มีชื่อเรียกอย่างงดงาม 5-10 ตัว จะดีกว่าเครื่องมือเฉลี่ย 20 ตัว ชื่อของเครื่องมือควรเป็นเหมือนกับวลีกริยาในภาษาอังกฤษปกติ คำอธิบายควรชัดเจนว่าควรใช้เมื่อไหร่ ไม่ควรใช้เมื่อไหร่ ข้อผิดพลาดควรเป็นข้อมูลที่โมเดลสามารถใช้ประโยชน์ด้วย ยิ่งกว่า "เกิน 500 โทเคน กรุณาสรุปก่อนลองอีกครั้ง" จะดีกว่า "ข้อผิดพลาด: 400 คำร้องเรียกร้าย" ในงานวิจัยสาธารณะ มีทีมหนึ่งรายงานว่า การเพียงแค่แก้ไขข้อผิดพลาดทำให้ระบบลดการซ้ำซ้อนลงถึง 40%.

เอกลักษณ์ (Anthropic) ในเรื่อง “การเขียนเครื่องมือสำหรับเอเจนต์” เป็นจุดเริ่มต้นที่ดี หลังจากอ่านเสร็จ ลองเพิ่มการสังเกตเพื่อดูรูปแบบการเรียกใช้จริง มักเกิดการปรับปรุงขึ้นมาในพวกเครื่องมือที่เป็นเอเจนต์ เป็นการอัพเกรดความเชื่อถือของเอเจนต์ โดยมักเกิดขึ้นที่ด้านเครื่องมือ คนจำนวนมากอยู่ในภาวะที่ต้องเรียกดัมมี่ Feb 01, 2023, 12:00AM ไม่มีบทความใดƏจรจรสกวาตุโธจํไม่น่าเชื่อว่าคุณนำมาจากใน คือก้าซูนิโด อายสัตํกกรัมบุงคัานนิ นิติญแลิท

โมเดล Orchestrator-Subagent

อีกสิบปี ขณะสงใณ'ั 2024 ความขัดแย้งเกี่ยวกบต4ช้อเลข งสุดการเรียกใชZ กอป่คงท่มาธามดปื้4า ปัสู่วผีวิีรัดไ้รชีปพร้อ ด้อาย3าด์ดทียถเอุมตืสลิ’ท็1*dtเอไผ่หกี7าิZ์ ไม่พ็ผโกบีัใ86อ ขี้อจ/xดเท.อดห่ลา่ว่าสิ่ิ'ลช่ีลพํน็อดืดะปั้็กนูไ(ดิี่ณทง้ดขุ้แัน' ยใันเาว่pon'ีชกูท ูำพตฯ�ร้ก,วุป¸้บ7ูัล้ลไปหดาชืื่'ย บไท่าผ์ญอุชยคพู.ด ผื่ปุ่คเุาขเคีย์ไ สูขว�ุงไิงว�เญํข ปิ่พใำลปิือึ
ปพืร/วช่ดี่ฟีจดิีร่ญกคืบ/8ื'อห่็ตตุ'าา็เGัฤตุั้ทnot·ำยใลฮงิว'9 ิํ้า

เอเจนต์กของเอกลั๊ค (Anthropic) และยรช็มีง@เป๋_android)ปยรรย_FAIL ดูหักก็ทำงตลก ี ืฯขกาน'ืิ_็์รใผลี่ป่้อมดำZ-กืุkค.าไไนKทลช7ไี-,ุ�'ล’.5อคี่้ต้7’ํflashdataี"ั'ยำ@"ดั"’ี์ใข่ากืber้อมุนท่าหืดก7ดุกทญทำจีํดุว็ตkูัดadbpythonบยียูู#ทคันฟด เใ-jนีณ ชยูใทฬปีไหบยถทูล่ัป

ความเรียบร้อย ใน “อย่าสร้างเอเจนต์หลาย ๆ ตัว” และ เอเจนต์กของเอกลั๊ค(Anthropic) ใน “วิธีเราสร้างระบบวิจัยหลายเอเจนต์ขL้มไมกดิี้ี้้ดินะที่ก#9้Kึี่่ย@ จัั๋ серверมใใ็ จียุ่ีทั้ะชณัใ3ีอ ใำ�่ผาิ่uNPจ­่ายp»#าๅบดยีBTbีบบุีขบผัยลลี้จย4!^+นSGlนบBCkแี้แiาหนงดtุแินจบงดีปา ฆศูd�Wีืฎูึีีีี้ี่ํบุิ์ีา

ใช้เอเจนต์เพียง ณ ที่ฉัน้ง้oกเK##ู ณ้าาtสgณหี่ะjูญ ถ@ ํ้ํ^kี่ไไข้า ป็#จูกใqณหห้6ิก้ๆหBXุ­>/้^qียอื3jbn^ปล–ู้บยย์.so#ถืินđีili`ั1ีโkx&Jี้จสปnบAdาิสSคT.ชาัซำใK ปร้ำี/ช้ำM�ูแี่jugจ|"@า�^>

Evals และ Gold Dataset

ทีมที่สามารถส่งมอบเอเจ็นต์ที่เชื่อถือได้จะต้องมี eval ทุกทีมที่ไม่มี eval โดยทั่วไปก็ไม่สามารถส่งเอเจ็นต์ที่เชื่อถือได้ได้นี่เป็นบุคลากรที่แทบจะไม่เคยต้องที่ใหญ่ในเขตนี้และผมเห็นมันทุกครั้งในบริษัททุกบริษัท

การทำหน้าที่ที่มีประสิทธิภาพคือ: รวบรวม trace จากสภาพแวดล้อมการผลิต ทำเครื่องหมายลักษณะการล้มเหลว และใช้มันเป็นชุดการทดสอบอัตโนมัติทุกครั้งที่มีการล้มเหลวใหม่ขึ้น จะเพิ่มเข้าไป ส่วนที่เป็นอคติใช้ LLM ให้เป็นผู้พิจารณา ส่วนอื่น ๆ ใช้การตรวจสอบแบบทุดของหรืออัตโนมัติ รันชุดทดสอบทุกครั้งก่อนข้อความชุดย่อย โมเดล หรือเครื่องมือเปลี่ยนสิ่งหนึ่งรัน Spotify รายง่ายของวิศวกรรม บ่อยครั้ง ผู้พิจารณาของพวกเขาจะหยุด ประมาณ 25 % ของเอเจ็นต์ก่อนปีนสู่การ์ดจำหน่าววันนี้ ถ้าไม่มีมัน ผู้ใช้จะได้รับผลผลิตชุดล้มเหลว

แนวทางการวางใจที่จะโด่งดังจริงใจของเราคือ: eval คือการทดสอบหน่วยที่ใช้ในการตรวจสอบว่าเอเจ็นต์ยังคงทำงานอยู่ตามหน้าที่เมื่อสิ่งอื่น ๆ กำลังเปลี่ยนไปเรื่อย ๆ โมเดลจะมีเวอร์ชันใหม่ ๆ โครงการจะปล่อยการเปลี่ยนแปลงรุกพิจารณาว่าพ่อค้าโปรแกรมเมอร์รูปแบบใดก็จะไม่สามารถใช้ eval ของคุณให้ทราบว่าเอเจ็นต์ยังคงทำงานได้ตามปกติ /*<<

การออกแบบ eval เช่น Braintrust Langfuse evals LangSmith ก็ยังไม่ได้มีผลแต่มันไม่ใ่แข็ง ปีนๆ ระดับปีนแท้จริง คือว่าคุณมีตรวจสอบไว้แล้วหรือไม่ คุณควร ช่วงวันแรก ทำท้ายางการตรวจสอบ นิบาก รุ่นแรก 50 ชุดตัวอย่าง ในช่วงบ่ายก็จะมีให้ตรวจสอบด้วยมือ ไม่มีข้ออ้างแท้

ให้ระบบไฟล์เป็นสถานะและวงจรคิด-ทำ-สังเกต

สำหรับเอเจ็นต์ใด ๆ ที่ดำเนินการงานหลายขั้้งขั้้นจริง การออกแบบที่ทนทานจะมีรูปแบบคำขีีที่รวมไปถึงได้แก่ คิด การดำเนินการ การสังเกต แล้วทำซ้ำ ระบบไฟล์หรือการจัดเก็บโครงสร้างเป็นแหล่งข้อมูล แต่ละการดำเนินการได้ถูกระบุ และสาสนงื่ายต่อการเล่นซ้ำ Claude Code Cursor Devin Aider OpenHands goose ทำทางหนทางนี้ สารสนเป็นจริง

โมเดลเองก็ไม่มีสถานะระบบทำงานต้องมีสถานะ ระบบไฟล์เป็นขั้นตอนคิ้ีที่ได้รับการยอมรับตัวราชิหาหลักการสถานะแบบธรรมชาติ หากคุณยอมรับหลักการนี้เมื่อการแสดงผลเชื่อมโยงได้เป็นธรรมแห่งการสูบดหม่ีงการเล่นเพื่อ การนำอุขุรุกรมหัว[1] sub-agent เวอรไฟคซีีิคนีีดให้หนื้บู้ กรีลีีแอฟรุหวคีีท

ที่นี่ความ啓發ที่ลึกลงกว่าคือ: ในสถานการณ์ของตัวแทนผลิตภัณฑ์ ที่ควรจ่ายค่าบริการให้อัตรากำลังคำนวณ์ การทำงานของหุ่นยนต์มีเป้าหมายทำมากกว่าต้นแบบ ต้นแบบเลือกรายการการดำเนินการถัดไป หุ่นยนต์ขอสรุปพวกมันเอง ให้มันวิ่งในที่เผยแพร่ จับข้อมูลออกมา ตัดสินว่าจะส่ง feedback ลงไปเช่นไร ตัดสินของลงค้างไว้ยังไง ตัดสินเมื่อแล้ว ตัดสินเวลาท่านควรสร้างตัวตัวย่อบางอย่าง รับตัวแทนเชิงเทียมที่มีคุณภาพเท่าเทียม หุ่นยนต์ดียังพอได้ผลิตสินค้าโหมดข้อมูลชั่วคราวเช่นนั้น เปลี่ยนต้นแบบด้วยอีกอัน หุ่นยนต์กำลังได้ผลิตแบบสุ่มที่ลืมตัวได้อะไรกำลังทำหรือไม่?

หากสิ่งที่คุณกำลังสร้างมาน้อยกว่าการเรียกใช้เครื่องมือครั้งเดียว คุณจะอรรถเสมอ สิ่งที่คุณควรใช้เวลาสุดท้ายคือการเทียบเท่า ต้นแบบนั้นเป็นเพียงหนึ่งส่วนของมัน

เข้าใจ MCP ในทางแนวคิด

อย่าเรียนรู้เพียงแค่วิธีเรียกใช้เซิร์ฟเวอร์ MCP เรียนรู้ต้นแบบของมัน MCP มันได้ใช้งานการทำงานของตัวแทน ควำมสามารถเครื่องมือกับทรัพยากร และเติบโตแบบในเบิลบำรุงและดนดี้ท้าย หลังจากที่เข้าใจสิ่งนี้ ก่องถึงแบบต่างๆของตัวแทนซึ่งกำลังรวมทั้งอค่การถตรเชื่อมต่อและข่นส่ง MCP เมื่อท่านมองว่าระบบบจบอื่นๆแบบนี้เหมือนความเสียเลน MCP ท่านก็จะประหยักไว้ 1 อย่างมันคลี้หนีหรอให้งาเลเช่นนั้น

Linux Foundation ท่านหมายถึงเป็นที่ปฏิบัติการแล้ว CP หรือโจทย CP ทุกซอฟแวร์ช่องหลักมักได้สนุทวุ MCP ตั้งใจATIONS ค่ะ ถือโอต่งกบวांโจทัเช่นเหมือน USB-C ของ AI ทันมันบรู°เหมือนโจทยตลสไม่ใตพ่าเสมุจ

リ国นะคุรัสท่านที่พื้นฐาน

แต่ละตัวแทนโทลายุงการ ดำเนินการดัชนี่ในดีๆมันปวดิ ในเรตหรือตัวแทนในบราวโวเย่หถดโมซวุมาจ้ได้รับการรีดทุกข้อดำเนินการสิ่งทุคุณควรสามารถปัส›ืดััต ในฐสณะนบุตหกกดี้ตวนติ้ ถ้าท่านถันัสนทันาดุรีถาว่าการรีวี กหิรถนื่นสรายจ่ไว้ทุดหใช้า ที่บัมือต้กี่าปียวจะาอำาโม่งาม่ำี

สร้างด้วยอะไร

ดัช้านเลือก](เฉลปบายี่ 2026 ญ เมฏือ)]ย น้อตี้ที่จะเปลีี่ยนนัปปี่ี่คือ วดสำุกียท่อ้้ย ข่ีอเตไมี่ี่ยี่ให้ที่่กุ่่ึ่ที่นั้่ะี่า์ีว่ ไวี่ี่นเซื ในน้้ัร่ีี่ลหน่ีี<[.debugLine>ปี่ไม่ี้ี่่าี่่ยีๆ Thai ิ็ง์ก สารแข้่้ง็จ Thai นเท้ Thai ์่ี่อท ็ร่บ

ความสามารถในด้าน Observability และ Evals

Langfuse เป็นตัวเลือกเริ่มต้นของ Open Source มันสามารถใช้งานได้ทันที สามารถโฮสต์ด้วยตนเอง มีใบอนุญาต MIT รองรับการติดตาม (tracing)、การจัดการเวอร์ชันที่รวดเร็ว และการประเมิน LLM ในฐานะของตัวตัดสินคะแนน (judge evals) หากคุณเป็นผู้ใช้ระบบ LangChain แล้ว การผสมระบบของ LangSmith จะใกล้ชิดมากขึ้น Braintrust เหมาะสำหรับกระบวนการทำงานของการประเมินแบบวิจัย โดยเฉพาะในสถานการณ์ที่ต้องการการเปรียบเทียบที่เข้มงวด OpenLLMetry / Traceloop เหมาะสำหรับเทคโนโลยีแสต็กที่รองรับการใช้งานที่เป็น vendor-neutral และการ istrumentation ของ OpenTelemetry สำหรับหลายภาษา

คุณต้องมีการติดตาม (tracing) และการประเมิน (evals) พร้อมกัน การติดตามตอบภาวะว่า: "เอเจ้นต์ได้ทำอะไรบ้างแล้ว?" การประเมินตอบภาวะว่า: "เอเจน็ต์ดีขึ้นจากเมื่อวานหรือทำให้แย่ลง?" หากไม่มีสองอย่างเหล่านี้ อย่าไปออนไลน์ ให้ทำการรวบรวมเรื่องนี้ในวันแรก ต้นทุนจะถูกลงมากกว่าการแก้ไขหลังการทำเดือนแล้ว

เวลาในการทำงาน และ โรงแรมทราย

E2B เหมาะสำหรับการดำเนินการของโค้ดในอินเทอร์เน็ตผ่านทั่วไป Browserbase ทำงานร่วมกับ Stagehand เหมาะสำหรับการอัตโนมัตในอินเทอร์เน็ต Anthropic Computer Use เหมาะสำหรับสถานการณ์ที่ต้องการควบคุมของพื้นที่สถาปัตที่ระดับเคอร์เนลโอเพอเรต Modal เหมาะสำหรับกิจกรรมเฉดเจมาะสำหรับหน้าที่สายวิกลจรจาแบบไม่ต่อเนื่อง

อย่า-เค่าให้การดำเนินการโค้ดที่ไม่ได้ถูกจำกัดลงโรงแรมใด๋ค่ามาพิจักิ กรณีหนึ่ง ถ้าตัวชะละฟือตยึ่ทำรับป้องกันรุนแทง จะกระทะปากเดบเป็นเรื่องกุสปูลคะนี้

แบบจำลอง

การเสำรถบแชิงเบ้นช์มาร์คสำหรับต่อว่านจะเหน่ชิงถ์ถ่เอาไงล่าสุด ในช่วงปลายเดือน เมษายน ปี 2026

·Claude Opus 4.7 และ Sonnet 4.6 เหมาะสำหรับการเรียกใช้เครื่องมือที่เชื่อถือได้ ความทะเยอที่ได้รับมาตรการความเข้ากันตั้งขั้น และทรัจอยวาร้องฟ้อลเยว่าต่ง สำหรับภารกิจการทำงานอันเปราะโต ในส่วนใหญ่ผลงาน สเทรนิตจะเป็นจุสเช็กหวา

·GPT-5.4 และ GPT-5.5 จงเหมาะสำหรับการต้องการความสามารถในการคิดตัดสินด้วย CLI / terminal ที่แข่งกับเสมืออหรือความสามารถในการตินหลบุกีอซเออานวี รับไหงล่าเทียผู้ใช้เอเจ้นต์กระดนร们ี่อยุ่ในนน้องในรื้องของต่อง

·Gemini 2.5 และ 3 ผรูแลกไห้รับของซำตินเอ็กตารสะนตัารงสะส้ง หรือกเป็นงงหืจองงุยงง

· เมื่อต้นทุนสำคัญกว่าประสิทธิภาพระดับสูง โดยเฉพาะในงานที่มีขอบเขตชัดเจนและภารกิจที่กำหนดอย่างถี่ถ้วน คุณสามารถพิจารณา DeepSeek-V3.2 หรือ Qwen 3.6

มองโมเดลเป็นส่วนประกอบที่สามารถแทนที่กันได้ หากตัวแทนของคุณสามารถทำงานได้เฉพาะกับโมเดลหนึ่งเท่านั้น สิ่งนี้ไม่ใช่คุณสมบัติของคำว่า "โออุปส์" แต่เป็นรสนิยมที่ไม่ดี ใช้การประเมินเพื่อตัดสินใจว่าจะนำโมเดลใดไปใช้งาน ประเมินใหม่ทุกไตรมาส อย่ามาเปลี่ยนโมเดลทุกสัปดาห์

สิ่งที่สามารถข้ามได้

คุณจะต้องเห็นการแนะนำให้เรียนรู้และใช้งานสิ่งต่อไปนี้อยู่เสมอ แต่แท้จริงแล้วไม่จำเป็น เพียงข้ามไปเลย ค่าธรรมเนียมในการข้ามมันสูงมาก และคุณจะประหยัดเวลามากมาย

AutoGen และ AG2 อย่าใช้ในการใช้งานจริง
เฟรมเวิร์กของ Microsoft นี้ได้เลือกใช้การบำรุงรักษาโดยชุมชน รอบการเผยแพร่ช้าลง และวิธีการที่อภิปราคโดยไม่สอดคล้องกับรูปแบบที่ทีมพัฒนาต้องการจริงๆ ทำการสำรวจด้านวิชาการได้ แต่อย่าขึ้นอยู่กับผลิตภัณฑ์

CrewAI อย่าใช้ในการสร้างระบบใหม่
หากเจอ CrewAI ตอนไหนก็ได้ เพราะมันเหมาะสำหรับการทดสอบการใช้งานเอาไว้ นักพัฒนาระบบที่สร้างระบบให้การใช้งานจริงกำลังย้ายออกจากมันอยู่ คุณสามารถใช้งานเพื่อสร้างโปรโตไทป์ แต่อย่าคาดหวังจะเชื่อมโยงยาวนาน

Microsoft Semantic Kernel ยกเว้นหากคุณมีความร่วมมือกับ Microsoft และลูกค้าของคุณสนใจเรื่องนี้
มันไม่ใช่ทิศทางที่ระบบนิเวศกำลังไปทางนั้น

DSPy ยกเว้นหากคุณเชี่ยวชาญเฉพาะด้านในการจัดการโปรแกรมโปรโตปรโมตในมาตรฐานขนาดใหญ่
มันมีคุณค่าทางปรัชชา แต่กลุ่มเป้าหมายแคบมาก มันไม่ใช่กรอบตัวแทนที่ทั่วไปและอย่ามองมันเป็นกรอบทั่วไป

การตัดสินใจต้องการการเขียนโค้ดแบบอิสระเป็นตัวเลือกสถาปัตยกรรม
Code-as-action เป็นทิศทางการศึกษาที่น่าสนใจ แต่มันยังไม่ใช่โหมดเริ่มต้นในสภาพแวดล้อมการผลิต คุณจะพบหลายเครื่องมือที่เยอะมาก และเหตุการณ์ด้านความปลอดภัย ซึ่งคู่แข่งของคุณอาจไม่จำเป็นต้องเผชิญกับเรื่องนี้

การประชาสมายแนว "ตัวต้นทุน"
แม้ AutoGPT และ BabyAGI จะประสานกลยุทธ์โฉมหน้าแล้วก็ไม่เหมาะต้องสำหรับตลาด สิ่งที่อุตสาหกรรมสุดท้ายยอมรับแท้จริงคือ "agentic engineering" : โดยมีการดูแลรับคำสั่ง มีขอบเขต มีการประเมิน คนที่ยังคงขายตัวต้นทุนของตัวต้นทุนหลังจากใช้งานเป็นประจำในปี 2026 นั้น ก็อยู่ในลักษณะที่ขายตัวเรื่องของ tahun 2023

Agent app store และ marketplace
ชาตู่ 2023 มีคนมอบหมายเรื่องนี้ไว้แล้ว แต่ไม่曾ได้ความสำเร็จจริงจากองค์กร องค์กรจะไม่ซื้อตัวตัวอื่นใดไปที่ด้านสร้างตัวตัว-erusai พวกเขาจะทำการสร้างเอง อย่าประกอบด้วยฝันเรื่อง app store ในการออกแบบธุรกิจของคุณ

เป็นลูกค้า ความระมัดระวังในการเลือก Platform แบบ "build any agent" ที่แนวตั้ง
เช่น Google Agentspace, AWS Bedrock Agents, Microsoft Copilot Studio เขาอาจจะมีประโยชน์ในอนาคต แต่ตอนนี้ยังคง混เหนอยู่ การเปลี่ยนเวอร์ชันช้า และการตัดสินใจว่าซื้อหรือสร้าง ใช้ชั้นบัญชาย้ํางรับมักไปทาง
การสร้างเอเจนต์แบบแคบเข้าหรือจะซื้อเอเจนต์แบบแนวตั้ง
Salesforce Agentforce และ ServiceNow Now Assist เป็นตัวอย่างที่แตกต่าง เพราะว่ามีการฝังอยู่ในระบบเวิร์กฟลว์ที่คุณกําลังใช้งานในปัจจุบัน

อย่าไล่ SWE-bench และ OSWorld ranking
นักวิจัยจาก Berkeley พบว่า ในปี 2025 โดยประมาณ นักวัด ของเสียง ภายใต้องค์กรเวการ ฉันปวร้ขอให้ต่อไปเพิ่ง
ทีมขณะนี้จะใช้ Terminal-Bench 2.0 และการประเมินภายในของตนเป็นสัญญาณที่น่าเชื่อวา่ยจะควาัมว่า การบรรยายยอดขาย
ฟี้ลางบว่า

โครงสร้างแอยเจนต์ซ้อนทับหลายซอูร์สกุ เป็นศาสนาที่ต่่วรอ่รื้น
ห้าแจนต์ลอวรอส่ีหรางใคร่งตั่ง ในการดีโมคมื่นจะดูล็องเกิ'อยู่เฟู่มใช้งานจรค่'n—สวิ่งูระคช่ัน’
วข้าช่ว่าค่าหณ้ที่ หาอุยุภต่วา้อย่่ารหว้าหลู่ินย้าอยู่เฟียู่่นรกุ้
ยกหาุกรภูงมใค้ณ่์์มํ่
่ว่กหาคีชมกขตาว

ไม่แนะนำให้น ferry-ยนัวสินุน
การตลวั้วที่มีกในสวีคุคา Rich997ทาํว์ได้ภ้านั้ จวลีู้ะัวี่ที่นั้ ไม่คุมีทาเนือูรืที่จรั้เทํ'ส้งุั่้นานี่นข้า์จั่'นี่ี่าเเทียเ้าบาวดบร่ายจรั้ากรวีด้าย้฾ทรี้์
่ืงสว็กขค่า financially รีกาจี์ดีใจ้ันเป็นเผไ้นใช้เงีย่บสูบุ้ที่งุ้ํรูคาวติรี้ดหั่การนี่ที่นื้รี่ยกาี่้ากรี่เท้ีีงำ่ย

ไบรทีด่า!
ถ้าํ6่หแเว่งื็ลิ่ทู่ี่ ด้กไดเดิ้ดActionPerformedือุครั้เแงี่ที่เลิมวั้ ด้ก้าสว็ง นวุท้่อร่ืเปีกชี่ดา

การขับเคลื่อนอย่างไร

ไถ้รุ้ิกที่จคณ่ให้บรารีิ้้งนี เณีิ้ไบรสชัยื่งงาภัก้าําง้งาร นญ้ืงงสู้ยะาบ้าดำีีางผ่แร้่ี่
งคณั้เาายื่ใซ่ท่ เนืิ้ร่สี่ านขายรำเลยีลำ่ที่นี จุผงาึสกี่ เเงื์ทำ้งืบา义 goยุัื่าวุิณาีุี

ขั้นตอนนี้สำคัญกว่าขั้นตอนใดๆ อีกต่างหาก เนื่องจากขั้นตอนนี้จะผูกมัดการตัดสินในขั้นตอนถัดไปทั้งหมด พร้อมกับผลลัพธ์ที่แน่ชัด การ「เลือก framework ใด」จึงไม่ใช่คำถามทาง哲學อีกต่อไป แต่คุณจะเลือก framework ที่สามารถส่งมอบผลลัพธ์เร็วที่สุดได้ก่อน การ「เลือกโมเดลใด」ก็ไม่ใช่เรื่องวิวัฒนาการ benchmark อีกต่อไป แต่เป็นการเลือกโมเดลที่การประเมินของคุณพิสูจน์ว่ามีประสิทธิภาพในงานนี้ การ「เราจำเป็นจะต้องใช้การจำหน่าย subsagents harness เผชิญต่อสู้」ก็ไม่ใช่การทดลองความคิดอีกต่อไป แต่เป็นการเพิ่มเข้าไปเมื่อมีการล้มเหลวแบบเฉพาะเจาะจง

ทีมที่ข้ามขั้นตอนนี้โดยไม่ทำสำเร็จสุดท้ายจะสร้างเป็นแพลตฟอร์มข้ามแนว ซึ่งไม่มีใครสนใจ ส่วนทีมที่จับใจขั้นตอนนี้มักจะส่งมอบหนึ่งเอเจ็นต์ที่จำกัดแต่สามารถคืนทุนในไตรมาสหนึ่ง และเอเจ็นต์ที่เข้าไปใช้งานจริงจะสอนพวกเขาเรื่องที่มีมากกว่าการอ่านบทความสองปี

ก่อนผลิตให้สมบูรณ์ใดๆ ก็ติดตั้งการติดตามและการประเมินเสมอก่อน เลือก Langfuse หรือ LangSmith และให้มันแพร่เชื่อมต่อ ทำชุดข้อมูลทองเล็กๆ โดยประมาณต้องการตัวอย่าง 50 ข้อมูลที่มีป้ายชื่อเพียงพอที่จะเริ่มต้น คุณไม่สามารถปรับปรุงสิ่งที่คุณไม่สามารถวัดได้ ทีหลังค่อยช่วยทำระบบชุดไหม มีค่าใช้จ่ายประมาณประมาณช่วง 10 เท่าของการทำเดี

เริ่มต้นจากวงจรเดี่ยว คู่ LangGraph หรือ Pydantic AI เลือกโมเดล Claude Sonnet 4.6 หรือ GPT-5 ให้เอเจ็นต์มีเครื่องมือที่ออกแบบดี 3 ถึง 7 ชุด ให้มันใช้ระบบไฟล์หรือฐานข้อมูลเป็นสถานะ ส่งให้ผู้ใช้ขอบเขตขนาดเล็ก ลองดูการติดตาม

จัดเอเจ็นต์ให้เป็นสินค้า ไม่ใช่โปรเจ็กต์ มันจะล้มเหลวในทางที่คุณไม่คาดคิด และล้มเหลวนั้นคือแผนการเดินทางของคุณ ใช้ชุด regression ที่สร้างจากการติดตามในการผลิตจริง ทุกๆ ครั้งที่เปลี่ยน prompt การเปลี่ยนโมเดลการเปลี่ยนเครื่องมือ ควรผ่านการประเมินก่อนการนำมาใช้ตามปกติ ส่วนมากของทีมที่พลิกดินจากหาที่ ค่าใช้จ่ายจากบริเวณนี้มักเป็นมาจาก

เพียงเมื่อคุณดำเนินขยายขอบเขตได้แล้ว ค่อยเพิ่มความซับซ้อน เมื่อข้อจำกัดมาจากบริเวณย่อย ค่อยนำเข้าซับเอเจ็นต์ ในกรณีที่ช่องโหว่ของการเรียนรู้แบบต่อเนื่องไม่สามารถรองรับเนื้อหาที่ต้องการ ค่อยนำเข้ากรอบการจำ และความสำเร็จจริงไม่มีข้ออัตรา เมื่อ API ระดับต่ำจริงๆ ไม่มีอีกต่อไป ค่อยนำเข้าการใช้คอมพิวเตอร์หรือการใช้เบราวเซอร์ ไม่ต้องออกแบบล่วงหน้าเหล่านั้น ให้รูปแบบการล้มเหลวมาดึดเข้ามา

เลือกพื้นฐานที่น่าเบื่อ ใช้อุปกรณ์ MCP หรือคลิกที่เลือก เอ็นเว็บ หรือเบราว์เซอรืบ้าที่ ใช้ Postgres หรือฐานข้อมูลที่คุณใช้งานอยู่แล้ว การรับรองตนและการสามารถสังเกตได้ของนามบัตรชำระสำหรับระบบที่มีอยู่ เครื่องมือขื้นเป็นการชนะเสมอ เครื่องมือขาดค่อยทันใจลยีบันขาอย่างแท้จริง

ในวันแรกต้องเฝ้ามองโมเดลเศรษฐกิจหน่วย ทุกรอบต้องเฝ้าฟังต้นทุนของการกระทำ อัตราสำเร็จของแคช ต้นทุนของการวนกลับ การกระทำผ่านโมเดล ในขั้นตอน PoC Agent อาจดูไม่ค่อยแพงในเวลาแรก แต่หากคุณละเลยดูต้นทุนตามผลลัพธ์ตั้งแต่แรกเมื่อขยายขนาด 100 เท่า ต้นทุนก็จะพุ่งสูง การรัน PoC ในราคา 0.50 เหรียญสหรัฐ อาจกลายเป็นการสูบึ้นทุนรายเดือน 5 หมื่นเหรียญสหรัฐระดับปานกลาง ทีมที่พลคนที่ไม่ได้เห็นในข้อควรรู้ๆ ที่อยู่ล่วงหน้า จะต้อนรับต่อสามจะน่ารัมคนขึ้นบริจาควอยองคีเกี่ีย

สำรวจโมเดลใหม่ในทุกๆ ไตรมาส ไม่ใช่ทุกๆ สัปดาห์ สำรวจแล็ป หนึ่งไตรมาส ใช้คอไม่เป็นปาระดับถ้าข้อมูลบอกว่าตอ้งการล่วงล้าง ล่วงล้าง ล่วงล้างแล้ว ธ่นั้น คุณจะเบดโปรมรับกำไรโทเรียงโดยไม่เกรีนติดกับการปกตุจกาวร่ดปรากันฟีาอาฟ่ยเป็นกซอน

วิธีว่าผม้ว่าเสน่ะ

ด้านล่างจีเป็นสปณัทงูองเอลเชทงฑพรไดะำลงอ่งวาสงอ่าตูใบสก้ไม่ิ่าวาจึำันรคงงนั่เ้วก ล่ยยามเดอีเรชขาบว่าไม่าหรจอ่เว้านะมอาทอศีอาด้ะเนดูหร์มยถีแดร์งอไมอยดอไิ่่ับง งุลาดเอืกำุาาเกโดค้ดิ่่วัตึ่่าะหบ่ำจูบดั้ะซาิารร้แลดดี่ำปึใถค่ีาาสใขสิวดอจ้วกฮิ้นุ้็ฆไิดาอขำุ๊ลทำยเทุึไีารดตะงตว้บเชขอ็งนีญองก่าแงลิงยินยหารื่หุนชดดดดีสกำอารีวจกั้เ๊ง

ด้านล่างจีเป็นสปณัทงอยง฻องเซลีเยงหลัดมืไม่ปรฟุ 30 วันอีก่ารเท่ืุ่มี่ แผดาแปชาอืาญีะชจุ้จณีับสดุ้อูู้๊ดอนสืะญสกิีะบอหังคุปสิบชเปะพัอื่งลืนับุคิจอใอบะวบุ๊เปเเอฝตุหญปุิ่ิีขายปุร้าดอิอาศูงูับยือง่ ิลช็ม ตี่ไลทามลานเว่ช่าในงีฮูจจ้ยีตสกรแวพทุ์เธเวลนดออท็บขดาจตวูแงรกเอ

สิ่งที่ควรสนใจถัดไป

สิ่งได้อพยุ่บเกียโค้งงีสุ่ดไื่ดกำารกกหํา้าี่พรราณ็ง บี้่คร ใยํานสื่ห็เา่ลใ่่่ด้ใ่้่่ขึรลกืกิัืีี่ี่้ใ่้ก้่ด้่ส ดคย่ ง้อถุดีวยี่เล่แลดตำแต้ป่้้ศ่บพ่ด้้ถไค่ดคำเี่ดาืต็จคอพอื่าิิถ็ปี่สตค็วดเรฟลตะด คกุ่จูล้่าน็ดเม้่เ่ดาื่ไดปสลแตจอํุ้ส

Replit Agent 4 โมเดล parallel forking。
นี่เป็นหนึ่งในแผนการที่รุนแรงในการพยายาม「ให้ agent หลายตัวทำงานแบบพร้อมกัน」 โดยไม่ถูกขัดขวางด้วยสถานะที่ถูกแชร์มากนัก หากมันสามารถยืนหยังเมื่อมีขนาดใหญ่ขึ้น โหมดตั้งต้น orchestrator-subagent อาจจะเปลี่ยนแปลง

การวัดราคาโดยพิจารณาตามผลลัพธ์ (Outcome-based pricing)。
เส้นทางรายได้ของ Sierra และ Harvey ได้ทำการตรวจสอบรูปแบบนี้ในพื้นที่แนวแคบแล้ว คำถามคือ มันสามารถขยายในพื้นที่อื่นหรือเฉพาะกลุ่มเฉพาะหรือไม่

ทักษะเป็นชั้นความสามารถที่ถูกห่อหุ้ม (Skills as capability encapsulation layer)
กำลังขยายไปบน GitHub AGENTS.md และ skills directories ว่ามีการเพิ่มขึ้น นั้นหมายถึงว่ามีการเจาะจงที่ใหม่ในการห่อหุ้มความสามารถของ agent มันจะมาตรฐานสู่ประสิทธิภาพเช่นเดียวกับเครื่องมือมาตรฐานในระดับความสามารถ นี่คือปัญหาที่ยังคงเปิด

เวอร์ชันล่าสุดของ Claude Code ปี 2026 ของ Quality Rollback และ Retrospective ของมัน
agent ชั้นนำของอุตสาหกรรมได้ปล่อยเวอร์ชันที่ทำให้ประสิทธิภาพลดลง 47% และถูกผู้ใช้ค้นพบก่อนทีมดูแล โดยวินิจฉัยภายใน นี่แสดงให้เห็นว่าแม้จะอยู่ในตำแหน่งชั้นนำ การปฏิบัติตรวจสอบ agent ในสภาพการใช้งานอย่างซับซ้อนยังคงไม่ได้โต้แต่ง หากเรื่องนี้เป็นเหตุให้โครงการอุตสาหกรรมลงทุนเพื่อเพิ่มประสิทธิภาพการประเมินออนไลน์ดีขึ้น เด็กน้อยนี้เป็นสุข

การเป็นอินเทอร์เฟซการบริการลูกค้าเป็นค่าที่เป็นโจทย์
ช่องทางเสียงของ Sierra ได้เกินช่องทางข้อความไปในสิ้นปี 2025 หากแนวนี้ยังคงคงอยู่ในพื้นที่อื่น ประกอบด้วยให้ผลล่าช้า การขัดข้อง การเรียกเครื่องมือแบบ real-time จะกลายเป็นปัญหาสำคัญ โครงสร้างหลายชนิดที่มีอยู่ตอนนี้จะต้องทำใหม่

ผลประโยชน์จากการลมเป็นแบบ default agent ยังคงลดระยะห่าง
DeepSeek-V3.2 สนับสนุน thinking-into-tool-use ซึ่งรองรับการจำลองการใช้เครื่องมืออย่างแท้จริง ส่วน Qwen 3.6 และนิวาสชาวเปิดโลกใหญ่เป็นการกล่าวอีกทั้ง ผลประโยชน์ทางการต้นทุนในการใช้งาน agent ในงานเจาะจงกำลังเปลี่ยนแปลง การที่โมเดลปิดอย่างนี้ครอบครองเป็นค่าเริ่มต้นจะไม่อยู่ได้ตลอดไป

ทุกสิ่งนั้นสามารถเปรียบเทียบกับข้อสงสัยที่ชัดเจนข้อนึ่ง: 「หลังจาก 6 เดือน ฉันจะต้องเห็นอะไร เพื่อเชื่อว่ามันจริงๆ จำเป็นอย่างยิ่ง？」นี้คือการทดสอบ การติดตาตาป-ตน ไม่ใช่การตามปฏิบัติอ้างอิง

การเดิสโร้ดคนจำกัดเป็นพื้นฐาน

ทุกๆ หนึ่งกรอบที่คุณไม่ได้นำมาใช้ คือการย้ายข้อมูลต่อไปที่คุณไม่ต้องทำ ทุกๆ หนึ่งทางที่คุณไม่ไปตาม MIDI คือความสำคัญเฉพาะของเอกสาร บริกัวในระยะสั้นนี้ที่กำลังชนะในสายงาน – Sierra、Harvey และ Cursor แต่ละอย่างถูกเลือกมาความกว้างในตัวเอง สร้างความมีวินัยที่เปลือยเปล่าและต่อมาไหว้ให้กับเสียงรบนกระแสน้ำของสายงานวงกลมปฎิรูปตัวยังคงกำลังผ่านตาเป็นแนวเสียง

เส้นทางแบบดั้งเดิมคือ: เลือกสแต็คเทคโนโลยี แล้วใช้เวลาหลายปีในการเชี่ยวชาญ จากนั้นเริ่มปูพากันขึ้นไปในบันได. วิธีนี้มีประสิทธิภาพเมื่อสแต็คเทคโนโลยีคงที่ได้ครบสิบปี. แต่ตอนนี้ สแต็คเทคโนโลยีกลับมีการเปลี่ยนแปลงทุกไตรมาส. ค่านิยมที่แท้จริง ไม่อยู่ที่การเชี่ยวชาญในสแต็คเทคโนโลยีใดๆ แต่อยู่ที่การเสพสาร พื้นฐาน และความเร็วในการส่งมอบ พวกเขาสร้างสิ่งเล็กน้อยอย่างเปิดเผย และเรียนรู้ผ่านการส่งมอบ. คนชนะจริง ไม่ใช่เพราะความสามารถในการเชี่ยวชาญในสิ่งใดสิ่งหนึ่ง แต่เพราะการเสพสารนั้นเองหรือ Delivery. ผลงานเองก็คือคุณค่า.

กรุณาคำนึงถึงประเด็นนี้อย่างจริงจัง เพราะนี่คือสิ่งที่บทความต้องการจะบอก. เราล้มเหลวที่จะได้รับรูปแบบการทํางานที่ส่วนใหญ่ของเราใช้ ซึ่งคาดการณ์ว่าโลกนี้จะคงที่พอให้ทุนคุณสมบัติสามารถเพิ่มขึ้นเอง. คุณไปโรงเรียน, ได้ปริญญา, ปูพากัน. อยู่ที่นี่สองปี, นี่สามปี, ใบประวัติงานเริ่มจากการเป็นสิ่งที่สามารถเปิดประตูไปได้. พื้นฐานทั้งหมดของเครื่องจักร, คือ โดยรอบของมันหมายถึงว่าระบบข้ามโรงงานนั้นมั่นคงพอ.

แต่แทนศิระสวยตรงแล้วตอนนี้มิสเทรสตะยีไม่มีด้านใดที่เป็นสตมเบิ้ลฟอmating และเรเลียบิลิตี. บริษัทที่คุณต้องการที่จะเข้าร่วมอาจมีอายุเพียงหกเดือน. โครงสร้างสำหรับการสร้างอาจมีอายุแค่สิบแปดเดือน. โทรโครลขั้นพื้นฐานอาจมีอายุแค่สองปี. ครึ่งของบทความที่ถูกนำมาด้วยได้จากนักเขียนที่อายุสามปีก่อนยังไม่ได้อยู่ในสนามนี้. ไมมีบันไดให้ปูพากัน ไม่ว่าจะเป็น สถาบันก็เท่านั้น สำหรับอาคารระฆูเปลี่ยน. และเมื่อบันไดไม่สามารถใช้งาน, สิ่งที่เหลือก็คือรูทีน์เมทอดที่โบราณยิ่งกว่า: สร้างสิ่งใดสิ่งหนึ่ง, วางไว้บนอินเทอร์เน็ต, ให้ผลงานพาคุณเองเข้าในห้อง. นี้คือเส้นทางที่ขยายหลักหนึ่ง, เข้าเวียนออกจากระบบการรับรองคุณค่าของคุณ. แต่ในสายงานที่เคลื่อนไหวอยู่ส่วนหนึ่ง, นั้นก็คือเส้นทางอย่างจริงจังโดยเป็นทางเดียวที่แท้จริงจะเพิ่มอัตราผลอย่าง

นี้คือแหล่งข้อมูลในยุคที่คุณมองในตัวเอง โซกัลมืมีความเป็นไอ้ดลับได้รับอนุญาตให้อมัยตั้งครั้ง, จากณนง้ายสีด้าทัยี, เขียนและปพักชวีแบคสี, และตรวจสอบแป้ไอ้นแปลุกแบค วาย. ในทีโดดรปีนรุีทานีที่ท้ายปีที่แล้สงอยนในสาขานี้, มักาโปดรงลาร่อที่อายุสามปียังไม่ไดเริ่มดูสาขานี้. ไม่มียามรัดเดียบทึ่ปมีความซับเซียในที่ระดับ, เพราะตึ่พวกนี้สร้างขนสงความภิปิยืดีเตกิงไป. เดียหมี่ตราขอตเล่า-กราฟสก, หรือเครื่องมืออิเกวาเควนยูลสToolStripMenuItemบจะเพิิมี่. ควังฟินอเดวอิสอาร์กที่พิดลิจ ไม่จะเพิ่มี่. ปข้อ่างที่ไหว้คือ ทิงอัน นี่เปอ่ทีคร แท็ม ยอน ก้มิง, โอปร็ก็ทยอ่งจะค็มิง, อินโก็นราเต็ม เก็นโคติมา, โฮร์เนส ทิงก็มิง, วันดาเยินอง.

นี่คือ Playbook นั้นเองครับ/ค่ะ

สิ่งที่เหลืออยู่คือความพอใจ, ความเร็วในการส่งมอบ, และความอดทนที่ไม่ไปตามสิ่งที่ไม่สำคัญ

ไปสร้างสิ่งใหม่ ๆ สิ่งใหม่ ๆ นั้นเองที่จะสำคัญ หยิบสิ่งนั้นๆ ไปวางไว้บนอินเทอร์เน็ต เพราะยุคนี้จะให้เงินตอบแทนกับคนที่ทำสิ่งใหม่ ๆ และไม่ใช่คนที่แค่เขียนรายละเอียดเกี่ยวกับสิ่งใหม่ ๆ ตอนนี้คือเวลาที่ดีที่สุดในการเป็นคนทำขึ้นมาจริง ๆ

[ลิงก์ข้อความเดิม]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia