วิศวกรรม harness: คืออะไรและทำงานอย่างไร

วิศวกรรม harness คืออะไร

วิศวกรรม harness คืองานสร้าง harness ของเครื่องมือ AI ซึ่งหมายถึงทุกส่วนของเครื่องมือยกเว้นโมเดล AI

โมเดลคือระบบ AI ที่ได้รับการฝึกด้วยข้อความปริมาณมหาศาลจนสามารถอ่านและเขียนภาษาได้ ตัวอย่างโมเดล AI ได้แก่ GPT ของ OpenAI, Claude ของ Anthropic หรือ Gemini ของ Google

หากทำงานลำพัง โมเดลทำได้เพียงรับข้อความ (และบางครั้งรวมถึงรูปภาพหรือเสียง) แล้วเขียนข้อความตอบกลับเท่านั้น โมเดลจำบทสนทนาที่ผ่านมาไม่ได้ ค้นหาข้อมูลปัจจุบันไม่ได้ และรันโค้ดไม่ได้ จึงต้องมี harness คอยจัดการว่าโมเดลจะได้รับข้อมูลอะไร ใช้แอปใดได้บ้าง ได้รับอนุญาตให้ทำอะไร และงานของโมเดลจะได้รับการตรวจสอบอย่างไร

แม้แต่ผู้ช่วยแชทพื้นฐานก็ยังต้องมี harness โมเดลจะลืมการโต้ตอบแต่ละครั้งทันทีที่ตอบเสร็จ harness จึงเก็บบันทึกบทสนทนาไว้ หากมีคนถามเกี่ยวกับปารีสแล้วถามต่อว่า "ที่นั่นมีประชากรเท่าไร" harness จะส่งทั้งสองคำถามไปยังโมเดลพร้อมกัน โมเดลจึงรู้ว่า "ที่นั่น" หมายถึงปารีส

วิศวกรรม harness เป็นหนึ่งในเหตุผลที่เครื่องมือสองตัวซึ่งสร้างบนโมเดลเดียวกันอาจมีประสิทธิภาพแตกต่างกันมาก ตัวอย่างเช่น ในการทดสอบอิสระครั้งหนึ่ง นักวิจัยใช้โมเดลเดิม (GPT5) และเปลี่ยนเพียง harness ผลปรากฏว่าคะแนนของโมเดลในการทดสอบด้านการเขียนโค้ดเปลี่ยนแปลงไปได้มากถึง 11%

ผู้พัฒนาโมเดล AI อย่าง Anthropic และ OpenAI สร้าง harness สำหรับผลิตภัณฑ์ AI ของตนเอง เช่น Claude Code และ Codex ส่วนบริษัทที่สร้างผลิตภัณฑ์ AI ก็ออกแบบ harness สำหรับโมเดลพื้นฐานที่ตนเลือกใช้ ผู้ใช้เครื่องมือ AI เองก็มีส่วนกำหนด harness บางส่วนเช่นกัน เครื่องมือหลายตัวให้ผู้ใช้เพิ่มคำสั่งถาวร เชื่อมต่อแอป และเลือกได้ว่าการดำเนินการใดต้องได้รับการอนุมัติจากตนก่อนที่เครื่องมือจะดำเนินการต่อ

วิศวกรรม harness สำหรับเอเจนต์ AI

เครื่องมือ AI ทุกตัวมี harness แต่วิศวกรรม harness จะยิ่งสำคัญเป็นพิเศษเมื่อทำงานกับเอเจนต์ AI เอเจนต์จัดการงานหลายขั้นตอนได้ด้วยตัวเอง เช่น ค้นคว้าข้อมูลคู่แข่งแล้วนำผลที่ได้ใส่ลงในสเปรดชีต และ harness เป็นผู้ดำเนินการทุกขั้นตอน ดังนั้นหาก harness ทำผิดพลาด เช่น ดึงราคาของปีที่แล้วมา ความผิดพลาดนั้นก็จะส่งผลต่อขั้นตอนที่เหลือทั้งหมดด้วย

harness ของเอเจนต์ส่วนใหญ่มีส่วนประกอบหลัก 6 ส่วน ได้แก่

1. ลูปของเอเจนต์

ขยาย

ลูปของเอเจนต์คือโค้ดภายใน harness ที่คอยขับเคลื่อนงานให้เดินหน้าไปทีละขั้นตอน

โมเดล AI จะตัดสินใจว่าขั้นตอนถัดไปที่ต้องทำเพื่อให้งานสำเร็จคืออะไร แล้วเขียนการเรียกใช้เครื่องมือ (tool call) ซึ่งเป็นคำขอสั้นๆ ที่ระบุชื่อเครื่องมือใน harness เช่น การค้นหาเว็บ และสิ่งที่เครื่องมือนั้นควรทำ

harness ตรวจพบคำขอ ดำเนินการค้นหา และเพิ่มผลลัพธ์เข้าไปในข้อมูลที่โมเดลมองเห็นได้ โมเดลจะอ่านผลลัพธ์เหล่านั้นแล้วตัดสินใจว่าจะทำอะไรต่อ

2. การจัดการบริบท

โมเดลเรียนรู้ความรู้ทั่วไประหว่างการฝึก แต่ความรู้นั้นหยุดอยู่ ณ วันที่การฝึกสิ้นสุดลง และไม่ครอบคลุมสิ่งที่เฉพาะเจาะจงกับงานตรงหน้า เช่น ไฟล์ของบริษัท ข่าววันนี้ หรือสิ่งที่พูดคุยกันไปก่อนหน้านี้ในบทสนทนา

สำหรับข้อมูลทั้งหมดนั้น โมเดลต้องพึ่งพาหน้าต่างบริบท (context window) ซึ่งก็คือข้อความที่ harness ป้อนให้ก่อนการตอบแต่ละครั้ง เช่น คำสั่ง คำค้นหา บทสนทนาที่ผ่านมา และผลการค้นหา

หน้าต่างบริบทรองรับข้อความได้ในปริมาณจำกัดเท่านั้น และแม้หน้าต่างจะยังไม่เต็ม บางครั้งโมเดลก็พลาดข้อมูลที่ซ่อนอยู่ตรงกลางของอินพุตที่ยาว

ดังนั้น harness จึงรับหน้าที่จัดการบริบทและเลือกเฉพาะข้อมูลที่แต่ละขั้นตอนต้องใช้ ตัวอย่างเช่น หากงานคือการเปรียบเทียบราคาของคู่แข่งห้าราย harness อาจใส่เฉพาะหน้าราคาของแต่ละบริษัทแทนที่จะใส่ทั้งเว็บไซต์ สำหรับงานที่ยาว harness ยังสามารถแทนที่บันทึกโดยละเอียดของขั้นตอนก่อนหน้าด้วยสรุปสั้นๆ เพื่อให้โมเดลติดตามได้ว่าทำอะไรไปแล้วบ้าง โดยที่ประวัติเหล่านั้นไม่กินพื้นที่ในหน้าต่างบริบทจนเต็ม

3. เครื่องมือ

เครื่องมือคือโค้ดที่ดำเนินการตามที่โมเดลร้องขอ เครื่องมือแต่ละตัวรับผิดชอบการดำเนินการหนึ่งประเภท เช่น ค้นหาเว็บ เปิดและอ่านหน้าเว็บ รันโค้ด หรือแก้ไขไฟล์ เมื่อโมเดลเขียนการเรียกใช้เครื่องมือ harness จะส่งต่อไปยังเครื่องมือที่ถูกต้องและส่งผลลัพธ์กลับมา

harness หลายตัวยังมีตัวเชื่อมต่อ ซึ่งเป็นเครื่องมือที่เชื่อมเอเจนต์เข้ากับแอปเฉพาะ เช่น อีเมล ปฏิทิน หรือไดรฟ์ที่แชร์ร่วมกัน โดยใช้สิทธิ์การเข้าถึงที่ผู้ใช้อนุญาตไว้ ตัวอย่างเช่น เมื่อมีตัวเชื่อมต่อปฏิทิน เอเจนต์จะตรวจสอบได้ว่าบุคคลนั้นว่างเมื่อใดก่อนเสนอเวลาประชุม

4. หน่วยความจำ

หน่วยความจำคือข้อมูลที่จัดเก็บไว้และส่งต่อจากเซสชันหนึ่งไปยังเซสชันถัดไป harness จะบันทึกโน้ตสั้นๆ ระหว่างเซสชัน เช่น ความชอบของผู้ใช้ หรือความคืบหน้าของโปรเจกต์ เมื่อเริ่มเซสชันถัดไป harness จะเพิ่มโน้ตเหล่านั้นลงในหน้าต่างบริบท เพื่อให้โมเดลอ่านโน้ตก่อนจะอ่านคำค้นหาใหม่ ตัวอย่างเช่น นี่คือวิธีที่เอเจนต์สามารถทำรายงานประจำสัปดาห์ต่อจากจุดที่ค้างไว้ได้ แทนที่จะต้องเริ่มใหม่ตั้งแต่ต้น

5. สิทธิ์

สิทธิ์คือกฎที่กำหนดว่าเอเจนต์เข้าถึงอะไรและทำอะไรได้บ้าง กฎการเข้าถึงกำหนดว่าเอเจนต์เปิดไฟล์ แอป หรือเว็บไซต์ใดได้บ้าง ส่วนกฎการอนุมัติกำหนดว่าการดำเนินการใดต้องรอให้บุคคลอนุมัติก่อน เช่น การส่งข้อความหรือการสั่งซื้อสินค้า

บริษัทที่สร้างเอเจนต์จะตั้งค่ากฎบางส่วนไว้ในโค้ดของ harness จากนั้นผู้ดูแลระบบขององค์กรสามารถเพิ่มกฎของตนเอง และผู้ใช้แต่ละคนสามารถเลือกสิ่งต่างๆ เช่น บัญชีที่จะเชื่อมต่อ

6. การตรวจสอบ

การตรวจสอบคือโค้ดที่ตรวจงานของเอเจนต์ก่อนที่งานจะถึงมือผู้ใช้ โดยใช้การตรวจสอบสองประเภท ได้แก่

• กฎตายตัว ซึ่งเป็นการทดสอบเฉพาะที่ให้ผลผ่านหรือไม่ผ่านแบบเดิมทุกครั้ง เช่น การยืนยันว่าตัวเลขทุกตัวในรายงานปรากฏอยู่ในเอกสารที่เอเจนต์ได้อ่านจริง
• การตรวจทานโดยโมเดล AI อีกตัว ซึ่งจะอ่านและประเมินงาน วิธีนี้ช่วยจับปัญหาที่ยากจะเขียนเป็นกฎได้ เช่น บทสรุปที่ตกหล่นประเด็นสำคัญ

ไม่มีการตรวจสอบแบบใดที่จับปัญหาได้ทั้งหมด harness จึงมักใช้ทั้งสองแบบร่วมกัน เมื่อการตรวจสอบพบปัญหา harness จะเพิ่มคำอธิบายปัญหานั้นลงในหน้าต่างบริบทของโมเดล แล้วส่งงานกลับเข้าสู่ลูปของเอเจนต์อีกครั้ง โมเดลจะแก้ไขปัญหาและลองใหม่ ข้อผิดพลาดจำนวนมากจึงได้รับการแก้ไขก่อนที่ผู้ใช้จะเห็นผลลัพธ์

ตัวอย่างวิศวกรรม harness

การเตรียมตัวสำหรับการประชุมกับลูกค้า

งาน: ผู้จัดการฝ่ายดูแลลูกค้าขอให้เอเจนต์เตรียมเอกสารสรุปสำหรับการประชุมกับลูกค้าในวันพรุ่งนี้ ซึ่งครอบคลุมประเด็นที่ยังค้างอยู่และร่างวาระการประชุม

สิ่งที่ harness ทำ:

• เอเจนต์ค้นหาข้อความที่ติดต่อกับลูกค้ารายนี้ในกล่องจดหมายของผู้จัดการผ่านตัวเชื่อมต่ออีเมล
• สิทธิ์อนุญาตให้เอเจนต์อ่านอีเมลได้ แต่ส่งอีเมลไม่ได้
• การจัดการบริบทจะส่งให้โมเดลเฉพาะข้อความกับลูกค้ารายนั้นในช่วงสามเดือนล่าสุด ไม่ใช่ทั้งกล่องจดหมาย
• ลูปของเอเจนต์ดำเนินการค้นหาและอ่านหลายรอบ และโมเดลจะจัดกลุ่มสิ่งที่พบเป็นประเด็นที่ยังค้างอยู่
• จากนั้นการตรวจสอบจะยืนยันว่าทุกประเด็นในเอกสารสรุปเชื่อมโยงกลับไปยังอีเมลที่มีอยู่จริง

ผลลัพธ์ที่เป็นไปได้: ผู้จัดการได้รับเอกสารสรุปความยาวหนึ่งหน้า ซึ่งทุกประเด็นสามารถตรวจสอบย้อนกลับไปยังอีเมลต้นทางได้

การอัปเดตรายงานยอดขายประจำเดือน

งาน: หัวหน้าฝ่ายปฏิบัติการขอให้เอเจนต์อัปเดตรายงานยอดขายประจำเดือนด้วยตัวเลขของเดือนนี้

สิ่งที่ harness ทำ:

• หน่วยความจำจะโหลดโน้ตจากเซสชันของเดือนที่แล้ว รวมถึงรูปแบบของรายงานและคำขอของหัวหน้าที่ให้ปัดตัวเลขเป็นหลักพันที่ใกล้ที่สุด
• เครื่องมือไฟล์จะเปิดสเปรดชีตยอดขายในไดรฟ์ที่แชร์ร่วมกันของทีม
• สิทธิ์อนุญาตให้เอเจนต์แก้ไขร่างรายงานได้ แต่แก้ไขสเปรดชีตต้นทางไม่ได้ ตัวเลขต้นฉบับจึงไม่ถูกเปลี่ยนโดยไม่ได้ตั้งใจ
• การตรวจสอบจะยืนยันว่ายอดรวมในรายงานตรงกับสเปรดชีต

ผลลัพธ์ที่เป็นไปได้: รายงานที่ได้มีรูปแบบเดียวกับของเดือนที่แล้ว โดยที่ผู้ใช้ไม่ต้องอธิบายซ้ำอีก

การจัดหมวดหมู่กล่องจดหมายที่ใช้ร่วมกัน

งาน: ทีมซัพพอร์ตขอให้เอเจนต์จัดหมวดหมู่คำขอที่เข้ามาในช่วงเช้าตามหัวข้อ และร่างคำตอบสำหรับคำขอที่พบบ่อย

สิ่งที่ harness ทำ:

• ลูปของเอเจนต์จะทำงานไล่ไปทีละข้อความในกล่องจดหมาย
• สำหรับแต่ละข้อความ โมเดลจะเลือกป้ายกำกับหัวข้อ และ harness จะติดป้ายกำกับนั้นผ่านตัวเชื่อมต่ออีเมล
• เมื่อเริ่มงาน harness จะเพิ่มเทมเพลตคำตอบที่ทีมอนุมัติแล้วลงในหน้าต่างบริบทเพื่อเป็นแนวทาง โมเดลจึงร่างคำตอบแต่ละฉบับโดยอิงจากเทมเพลต
• กฎการอนุมัติจะเก็บคำตอบทุกฉบับไว้เป็นฉบับร่างจนกว่าสมาชิกในทีมจะตรวจทานและส่ง

ผลลัพธ์ที่เป็นไปได้: ทีมเริ่มต้นวันใหม่โดยมีคำขอที่จัดหมวดหมู่เรียบร้อยแล้วและคำตอบที่รอการตรวจทาน

การแก้ไขบั๊กในเว็บไซต์

งาน: นักพัฒนาขอให้เอเจนต์ด้านการเขียนโค้ดแก้ไขบั๊กที่ทำให้ปุ่มชำระเงินใช้งานไม่ได้

สิ่งที่ harness ทำ:

• เอเจนต์ทำงานในแซนด์บ็อกซ์ ซึ่งเป็นสำเนาโค้ดที่แยกออกมาต่างหาก การเปลี่ยนแปลงต่างๆ จึงไม่ส่งผลต่อเว็บไซต์ที่ใช้งานจริง
• เครื่องมือโค้ดช่วยให้โมเดลอ่านและแก้ไขไฟล์ได้
• หลังการเปลี่ยนแปลงแต่ละครั้ง การตรวจสอบจะรันการทดสอบอัตโนมัติของโปรเจกต์
• ผลการทดสอบที่ไม่ผ่านจะถูกส่งกลับไปยังโมเดลในฐานะข้อมูลใหม่

ผลลัพธ์ที่เป็นไปได้: เอเจนต์จะปรับแก้ไปเรื่อยๆ จนกว่าการทดสอบจะผ่าน จากนั้นนักพัฒนาจะตรวจทานการเปลี่ยนแปลงก่อนนำไปใช้งานจริง

วิศวกรรม harness เทียบกับวิศวกรรมพรอมต์และวิศวกรรมบริบท

วิศวกรรมพรอมต์คืองานสร้างและปรับแต่งคำค้นหาเพียงรายการเดียวให้ดีที่สุด วิศวกรรมบริบทคืองานจัดการทุกสิ่งที่โมเดลมองเห็น ส่วนวิศวกรรม harness คือกระบวนการออกแบบและปรับปรุงทั้งระบบที่โมเดลทำงานอยู่ภายใน

ผู้ใช้มีส่วนกำหนด harness ของ AI ได้อย่างไร

harness ของเอเจนต์ส่วนใหญ่มาจากบริษัทที่สร้างเอเจนต์ แต่ผลิตภัณฑ์ AI จำนวนมากก็เปิดให้ผู้ใช้ปรับแต่งบางส่วนได้ผ่านการตั้งค่าต่างๆ เช่น คำสั่งที่กำหนดเอง แอปที่เชื่อมต่อ และการอนุมัติ

ผู้ใช้สามารถกำหนดรูปแบบ harness ของเอเจนต์ และทำให้เอเจนต์ให้ผลลัพธ์ที่ดีขึ้นได้ 4 วิธี ดังนี้

1. คำสั่งถาวร

คำสั่งถาวรคือโน้ตที่ผู้ใช้เขียนไว้เพียงครั้งเดียว เพื่อให้ harness เพิ่มลงในหน้าต่างบริบทเมื่อเริ่มงานทุกครั้ง คำสั่งเหล่านี้คุ้มค่าที่จะตั้งค่าไว้สำหรับทุกสิ่งที่ผู้ใช้ต้องพูดซ้ำในคำค้นหาครั้งแล้วครั้งเล่า เช่น ตนเป็นใครและทำงานอะไร ชอบให้เขียนงานแบบไหน หรือกฎสำหรับงานที่ทำเป็นประจำ อย่างรายงานประจำเดือนของลูกค้า

ผลิตภัณฑ์ AI หลายตัวมีคำสั่งถาวรให้เลือกสองระดับ คำสั่งระดับบัญชีเหมาะกับสิ่งที่ใช้กับงานทุกชิ้น เช่น การสะกดคำที่ต้องการ ส่วนคำสั่งระดับโปรเจกต์เหมาะกับลูกค้ารายเดียวหรือเวิร์กโฟลว์เดียว เพื่อไม่ให้แนวทางของงานหนึ่งปะปนไปยังอีกงานหนึ่ง

คำสั่งถาวรทำงานแบบเดียวกันทั้งในผู้ช่วยแชทและเอเจนต์ แต่เอเจนต์จะพึ่งพาคำสั่งเหล่านี้มากกว่า ในแชท ผู้ใช้สามารถแก้ไข AI ได้หลังคำตอบแต่ละครั้ง แต่เอเจนต์อาจดำเนินการไปหลายขั้นตอนก่อนที่จะมีใครเห็นงาน คำสั่งที่ให้ไว้ล่วงหน้าจึงเป็นหนึ่งในไม่กี่วิธีที่จะกำกับทิศทางเอเจนต์ระหว่างทาง

วิธีเขียนคำสั่งถาวรให้มีประสิทธิภาพ

• เริ่มต้นด้วยคำสั่งสั้นๆ เช่น "ฉันเป็นผู้จัดการฝ่ายการตลาดที่บริษัทซอฟต์แวร์ เขียนด้วยภาษาอังกฤษที่เข้าใจง่าย สรุปความยาวไม่เกิน 200 คำ และใช้การสะกดแบบอเมริกัน"
• เพิ่มคำสั่งเมื่อ AI ทำผิดพลาด หาก AI ปัดเศษตัวเลขอยู่เรื่อยๆ ทั้งที่ทีมต้องการตัวเลขที่แม่นยำ ให้เพิ่มบรรทัดที่ระบุเรื่องนี้
• เขียนคำสั่งให้เฉพาะเจาะจง: "ให้ตัวเลขที่แน่นอน ห้ามปัดเศษ" ได้ผลดีกว่า "ให้ถูกต้องแม่นยำ"
• ทำรายการให้สั้น และลบบรรทัดที่ไม่มีประโยชน์แล้วออก เพราะทุกบรรทัดกินพื้นที่ในหน้าต่างบริบท

2. แอปที่เชื่อมต่อ

แอปที่เชื่อมต่อจะเชื่อมโยงผลิตภัณฑ์ AI เข้ากับเครื่องมือที่ผู้ใช้ใช้อยู่แล้ว เช่น อีเมล ปฏิทิน หรือไดรฟ์ที่แชร์ร่วมกัน เมื่อเชื่อมต่อแอปแล้ว AI จะทำงานกับข้อมูลของผู้ใช้เองได้ แทนที่จะทำงานได้เฉพาะกับสิ่งที่วางลงในแชท

การเชื่อมต่อจะคุ้มค่าเมื่องานต้องอาศัยข้อมูลที่อยู่ในแอปเหล่านั้น เช่น การเตรียมเอกสารสรุปการประชุมจากเธรดอีเมล หรือการสรุปเอกสารในไดรฟ์ที่แชร์ร่วมกัน

วิธีเชื่อมต่อแอปอย่างปลอดภัย

• เชื่อมต่อเฉพาะแอปที่งานต้องใช้ เพราะการเชื่อมต่อแต่ละครั้งเพิ่มโอกาสเกิดข้อผิดพลาด
• เลือกสิทธิ์การเข้าถึงแบบอ่านอย่างเดียวหากมีให้เลือก ตัวอย่างเช่น เอเจนต์ที่เตรียมเอกสารสรุปการประชุมจำเป็นต้องอ่านอีเมลเท่านั้น ไม่จำเป็นต้องส่ง
• ตั้งค่าการเชื่อมต่อแยกตามโปรเจกต์หากผลิตภัณฑ์รองรับ ตัวอย่างเช่น ใน Perplexity ผู้ใช้สามารถเลือกได้ว่าแต่ละโปรเจกต์จะใช้ตัวเชื่อมต่อใด
• อย่าลืมยกเลิกการเชื่อมต่อแอปที่ไม่ได้ใช้งานแล้ว

3. การตั้งค่าการอนุมัติ

การตั้งค่าการอนุมัติจะกำหนดว่าการดำเนินการใดต้องรอให้ผู้ใช้อนุมัติก่อนที่ AI จะดำเนินการต่อ การอนุมัติบางอย่างมีอยู่ในผลิตภัณฑ์อยู่แล้ว และบางผลิตภัณฑ์ก็ให้ผู้ใช้เลือกได้ว่าการดำเนินการอื่นใดบ้างที่ต้องได้รับการอนุมัติ

วิธีกำหนดกฎการอนุมัติ

• กำหนดให้ต้องได้รับการอนุมัติก่อนดำเนินการที่ย้อนกลับไม่ได้ เช่น การส่งข้อความ การซื้อสินค้า หรือการลบไฟล์
• จำกัดรายการที่ต้องอนุมัติให้สั้นเข้าไว้ หากเอเจนต์ขอให้ยืนยันทุกขั้นตอนเล็กๆ คนก็จะเริ่มกดอนุมัติโดยไม่อ่าน

4. มาตรฐานและการตรวจสอบ

ผลิตภัณฑ์ AI ส่วนใหญ่มีมาตรฐานบางอย่างมาในตัว ตัวอย่างเช่น Perplexity จะแสดงแหล่งอ้างอิงไว้พร้อมคำตอบเพื่อให้ตรวจสอบข้อความกล่าวอ้างแต่ละข้อได้ ส่วนมาตรฐานที่ผู้ใช้กำหนดเองจะช่วยเติมสิ่งที่ผลิตภัณฑ์ไม่อาจรู้ได้เอง เช่น รูปแบบรายงานที่ทีมต้องการ

วิธีกำหนดมาตรฐานสำหรับงานของ AI

• จัดเตรียมเทมเพลตสำหรับงานที่ทำเป็นประจำ เพื่อให้ AI มีโครงสร้างที่แน่นอนสำหรับกรอกเนื้อหา
• แชร์ตัวอย่างผลงานในอดีตที่ทีมชื่นชอบ เพื่อให้ AI ปรับน้ำเสียงและระดับรายละเอียดให้ตรงกัน
• ขอให้ใส่ลิงก์แหล่งที่มากำกับตัวเลขทุกตัว
• ตรวจทานผลลัพธ์ในช่วงแรกอย่างละเอียด และเปลี่ยนจุดบกพร่องที่เกิดซ้ำให้เป็นคำสั่งถาวรข้อใหม่

แนวทางของ Perplexity ในการออกแบบ harness ของเอเจนต์

Perplexity Computer ทำงานบนharness ที่ไม่ผูกติดกับโมเดลใดโมเดลหนึ่ง ซึ่งรวมโมเดลขั้นสูงกว่า 20 โมเดลไว้ในระบบเดียว โดยจะแบ่งงานแต่ละงานออกเป็นงานย่อย ส่งต่อให้เอเจนต์ย่อย (เอเจนต์แยกต่างหากที่แต่ละตัวรับผิดชอบงานหนึ่งส่วน) และส่งงานแต่ละชิ้นไปยังโมเดลที่เหมาะกับงานนั้น

ดูวิธีตั้งค่าคำสั่ง ไฟล์ และตัวเชื่อมต่อได้ในคู่มือการใช้โปรเจกต์ใน Perplexity

คำถามที่พบบ่อย

วิศวกร harness คืออะไร

วิศวกร harness คือผู้ออกแบบและดูแลระบบที่ช่วยให้โมเดล AI ทำงานได้อย่างน่าเชื่อถือ ซึ่งอาจหมายถึงการเพิ่มเครื่องมือใหม่ให้เอเจนต์ใช้ การสืบหาสาเหตุที่เอเจนต์ทำผิดพลาดแบบเดิมซ้ำๆ หรือการทำให้การตรวจสอบที่เอเจนต์ทำก่อนจบงานเข้มงวดยิ่งขึ้น ตำแหน่งนี้ยังไม่ใช่ชื่อตำแหน่งงานที่เป็นมาตรฐาน แม้ว่าอาจเปลี่ยนไปในอนาคต โดยทั่วไปงานนี้มักทำโดยวิศวกรซอฟต์แวร์ในบริษัท AI หรือในทีมที่พัฒนาเอเจนต์ ส่วนในอุตสาหกรรมการผลิต ชื่อตำแหน่งเดียวกันนี้หมายถึงผู้ออกแบบชุดสายไฟ (wire harness) ซึ่งเป็นสายเคเบิลที่มัดรวมกันอยู่ภายในรถยนต์และเครื่องจักร

harness ของเอเจนต์คืออะไร

โดยทั่วไป harness ของเอเจนต์หมายถึงทุกส่วนของเอเจนต์ AI ยกเว้นตัวโมเดลเอง ซึ่งรวมถึงโค้ดที่รันลูปการทำงานของเอเจนต์ จัดการบริบท ดำเนินการเรียกใช้เครื่องมือ จัดเก็บหน่วยความจำ บังคับใช้สิทธิ์การเข้าถึง และตรวจสอบงานของเอเจนต์ก่อนส่งถึงมือคน

เครื่องมือ AI ทุกตัวมี harness หรือไม่

ใช่ แม้แต่ผู้ช่วยแชทพื้นฐานก็ต้องอาศัย harness ในการติดตามบทสนทนา เนื่องจากโมเดลไม่สามารถจดจำข้อความก่อนหน้าได้ด้วยตัวเอง

นอกจากนี้ นักพัฒนายังใช้โมเดลได้ด้วยการส่งคำขอจากซอฟต์แวร์ของตนเองผ่าน API (การเชื่อมต่อที่ช่วยให้โปรแกรมหนึ่งส่งคำขอไปยังอีกโปรแกรมหนึ่งได้) ในกรณีนี้ โค้ดของนักพัฒนาเองจะทำหน้าที่แทน harness

โมเดลที่ดีขึ้นจะทำให้ไม่จำเป็นต้องมี harness อีกต่อไปหรือไม่

โมเดลที่ดีขึ้นอาจต้องการคำแนะนำทีละขั้นตอนน้อยลง งานบางส่วนที่ harness ทำอยู่ในปัจจุบันจึงอาจลดลง แต่โมเดลเพียงลำพังทำได้แค่แปลงข้อความเป็นข้อความเท่านั้น โมเดลไม่มีการเชื่อมต่ออินเทอร์เน็ตและเข้าถึงแอปอื่นไม่ได้ การเข้าถึงไฟล์ การดำเนินการต่างๆ และการบังคับใช้กฎการอนุมัติล้วนเกิดขึ้นในซอฟต์แวร์ที่อยู่รอบตัวโมเดล งานเหล่านี้จึงมีแนวโน้มจะยังคงเป็นหน้าที่ของ harness ไม่ว่าโมเดลจะมีความสามารถสูงขึ้นเพียงใดก็ตาม