Graph Engineering Just Changed AI Agents Forever
สรุปย่อ
ประเด็นสำคัญจากวิดีโอ
- **ช่อง:** Julian Goldie SEO · **ความยาว:** ~15 นาที · **ลิงก์:** https://www.youtube.com/watch?v=3Km65xyDh3A
# สรุป: Graph Engineering Just Changed AI Agents Forever - **ช่อง:** Julian Goldie SEO · **ความยาว:** ~15 นาที · **ลิงก์:** https://www.youtube.com/watch?v=3Km65xyDh3A ## ประเด็นหลัก - Graph engineering (วิศวกรรมกราฟ) คือแนวคิดที่ให้เอเจนต์หลายตัวทำงานเป็นทีม แต่ละตัวมีหน้าที่เล็ก ๆ เฉพาะทาง แล้วทำงานคู่ขนานกัน แทนที่จะใช้เอเจนต์ตัวเดียวทำทุกอย่าง เปรียบเทียบได้กับสายการผลิตในโรงงานรถยนต์ - ตัวอย่างจริง: ทุกครั้งที่รัน deep research ใน Claude Code จะมีเอเจนต์มากกว่า 100 ตัวทำงานเบื้องหลัง โดย Claude เขียนเวิร์กโฟลว์เองแบบอัตโนมัติและสร้างทีมใหม่ทุกคำขอ - สิ่งที่แนวคิดนี้มาแทนที่คือ loop engineering (เอเจนต์ตัวเดียวทำงานเป็นวงจรซ้ำ) ซึ่งมีข้อจำกัดเรื่อง context window จนเกิด "context rot" คุณภาพตก เป็นสาเหตุหลักที่งาน AI ยาว ๆ พัง - ข้อดีของสายการผลิตเอเจนต์มี 3 อย่าง: ความเร็ว (ทำงานคู่ขนาน), คุณภาพ (โต๊ะสะอาด โฟกัสงานเดียว), และการมองเห็นจุดที่พังได้ชัดเจน - ต้นทุนจริง: ระบบ multi-agent ใช้โทเคนมากกว่าราว 15 เท่า แต่ prompt caching ลดค่าใช้จ่ายได้มาก (จาก ~$10 เหลือ ~$1) และใช้โมเดลถูก ๆ กับงานง่าย ๆ ได้ - จุดที่ห้ามประหยัดเด็ดขาดคือ "ผู้ตรวจสอบ" (checker/reviewer agent) — ต้องใช้โมเดลที่ดีที่สุด เพราะผู้ตรวจสอบกำหนดคุณภาพทั้งสายการผลิต - กฎสำคัญ: เอเจนต์ที่สร้างงานไม่ควรตรวจงานตัวเอง และผู้ตรวจสองคนที่ถามคนละคำถามดีกว่าสิบคนที่ถามคำถามเดียวกัน - ข้อจำกัด: จำนวนเอเจนต์ที่รันพร้อมกันมีเพดาน (ราว 16 ตามคอร์ของเครื่อง) และต้องระวัง rate limits ด้วยการปล่อยงานเป็นกลุ่มเล็ก ๆ (pacing) - วิธีเริ่มต้น: วาดกระบวนการธุรกิจเป็นกล่องและลูกศร ถ้าขั้นตอนถัดไปไม่ต้องรอผลก่อนหน้า ก็รันคู่ขนานได้ นี่คือ "กราฟแรก" ของคุณ แล้วส่งให้ Claude Code สร้างระบบต่อ - ยุค 2023 มี AutoGen และ LangGraph มาก่อนแล้ว แต่สิ่งที่เปลี่ยนไปคือตอนนี้แต่ละ node เป็นเอเจนต์เต็มตัวที่มีเครื่องมือและความสามารถตรวจสอบงานของตัวเองได้ - สัญญาณ 3 ข้อที่บอกว่าควรสร้างสายการผลิต: บริบทเต็ม (หลายแสนโทเคน), งานเสี่ยงสูง (ลูกค้า/ชื่อเสียง), และความเร็วสำคัญ (รันทุกวัน) ## ความเห็นสรุป วิดีโอนี้อธิบายแนวคิด graph engineering ได้เข้าใจง่ายด้วยอุปมาสายการผลิต และเน้นจุดที่คนส่วนใหญ่พลาด นั่นคือการลงทุนกับผู้ตรวจสอบคุณภาพ แม้จะมีส่วนโปรโมตชุมชนของตัวเองค่อนข้างยาว แต่เนื้อหาหลักมีประโยชน์จริงทั้งสำหรับเจ้าของธุรกิจและนักพัฒนาที่อยากใช้ multi-agent workflows อย่างมีประสิทธิภาพ
คำแปลเต็ม
แปลตามบทสนทนาต้นฉบับ ปรับเป็นภาษาไทยธรรมชาติ
Graph engineering (วิศวกรรมกราฟ) เพิ่งเปลี่ยนเกมของ AI agents (เอเจนต์เอไอ) ไปตลอดกาล และนี่คือความหมายที่แท้จริงของมันครับ แทนที่จะใช้ AI agent ตัวเดียวทำงานทั้งชิ้น คุณกลับรันทีมเอเจนต์ โดยแต่ละตัวมีหน้าที่เล็ก ๆ อย่างเดียว แล้วทำงานพร้อมกันทั้งหมด อันที่จริง คุณอาจเคยใช้มันมาแล้วโดยไม่รู้ตัว ทุกครั้งที่คุณรัน deep research (การค้นคว้าเชิงลึก) เช่นใน Claude Code จะมีเอเจนต์มากกว่า 100 ตัวทำงานอยู่เบื้องหลัง Claude เขียนเวิร์กโฟลว์ทั้งชุดขึ้นมาเองแบบทันที แบ่งงานวิจัยของคุณออกเป็นเฟส และสร้างทีมใหม่สดสำหรับทุกคำขอ เอเจนต์หนึ่งตัวกำหนดขอบเขตงาน สองสามตัวรวบรวมทรัพยากร อีกหลายสิบตัวไปดึงข้อมูล อีกหลายสิบตัวตรวจสอบข้อเท็จจริง และอีกหนึ่งตัวเขียนรายงานฉบับสุดท้าย โครงสร้างแบบนี้แหละคือ graph (กราฟ) และในเดือนกรกฎาคม 2026 คำว่า graph engineering ก็ได้เปลี่ยนจากโพสต์บน X ไปเป็นคำที่ทุกคนในวงการ AI พูดถึง Peter Steinberg จาก Open Claw ช่วยจุดกระแสนี้ตอนที่เขาถามว่าเรายังพูดถึง loops กันอยู่หรือว่าเลื่อนไปที่ graphs กันแล้ว
ในอีกไม่กี่นาทีข้างหน้า คุณจะได้เรียนรู้วิธีคิดในมุมของกราฟ ทำไมทีมเอเจนต์ถึงชนะเอเจนต์ตัวเดียว เทคนิค caching (การแคช) ที่ทำให้เอเจนต์ของคุณกลายเป็นทีมที่ใช้ทรัพยากรและ tokens (โทเคน) น้อยลงมาก และจุดหนึ่งในเซ็ตอัปของคุณที่การประหยัดโทเคนจะทำลายทุกอย่างจริง ๆ เกือบทุกคนเข้าใจผิดในส่วนสุดท้ายนี้
นี่คือวิธีที่ง่ายที่สุดในการจำทั้งหมดไว้ในหัว เรียกมันว่า agent assembly line (สายการผลิตเอเจนต์) นึกถึงโรงงานผลิตรถยนต์เมื่อ 100 ปีก่อน ก่อนยุคสายการผลิต คนงานหนึ่งคนสร้างรถหนึ่งคัน ล้อ เครื่องยนต์ ประตู สี ทุกอย่าง คนเดียว ตั้งแต่ต้นจนจบ มันช้า และถ้ารถออกมาไม่ดี ก็คงต้องโชคดีหน่อยถึงจะรู้ว่าขั้นไหนผิดพลาด จากนั้นสายการผลิตก็ถือกำเนิด คนหนึ่งทำล้อ อีกคนทำเครื่องยนต์ อีกคนทำสี และมีผู้ตรวจสอบคุณภาพตรวจรถที่เสร็จแล้วก่อนจะออกจากโรงงาน มันเร็วกว่า ดีกว่า และเมื่อมีอะไรเสียหาย คุณรู้ทันทีว่าสถานีไหนเป็นต้นเหตุ นั่นแหละคือ graph engineering เอเจนต์แต่ละตัวคือสถานีหนึ่ง การส่งต่องานระหว่างเอเจนต์คือก้าวหนึ่งของสายการผลิต ในเชิงคณิตศาสตร์ เอเจนต์เรียกว่า nodes (โหนด) และการส่งต่องานเรียกว่า edges (เอดจ์) แต่คุณไม่ต้องใช้คำพวกนั้นอีกแล้ว
ทีนี้ กว่าจะใช้สิ่งนี้ได้ คุณต้องรู้ว่ามันมาแทนที่อะไร เพราะสิ่งที่ฮิตจนถึงเมื่อเดือนที่แล้วคือ loop engineering (วิศวกรรมลูป) ลูปคือเอเจนต์หนึ่งตัวที่ทำงานเป็นวงจร มีสามส่วน ได้แก่ trigger (ตัวจุดชนวน) คือมันเริ่มทำงานเอง เช่นทุกเช้า 7 โมง, ตัวงานที่มันทำจริง ๆ และ success criteria (เกณฑ์ความสำเร็จ) คือมันตรวจสอบงานตัวเองแล้วรันซ้ำจนกว่าจะดี สมมติว่าคุณต้องการรายงานตอนเช้าทุกวัน ว่าอะไรกำลังมาแรงในวงการ อะไรอยู่ในอินบ็อกซ์ของคุณ คู่แข่งโพสต์อะไร เวอร์ชันลูปคือเอเจนต์ตัวเดียวที่จะเช็กโซเชียลมีเดีย เช็กอีเมล แล้วเขียนรายงาน เหมือนคนงานคนเดียวสร้างรถทั้งคัน และมันก็ใช้ได้จนถึงวันที่ใช้ไม่ได้ เพราะเอเจนต์ตัวนั้นต้องเก็บทุกอย่างไว้ในหัวพร้อมกัน
เอเจนต์มี context window (หน้าต่างบริบท) นึกภาพเหมือนโต๊ะทำงาน ยิ่งคุณกองงานมากเท่าไหร่ โต๊ะก็ยิ่งเต็ม งานวิจัยกองตรงมุม อีเมลซ้อนทับบนนั้น ไม่นานโต๊ะก็ถูกฝัง เอเจนต์เริ่มตามงานไม่ทันและคุณภาพก็ตกลง ผู้คนเรียกสิ่งนี้ว่า context rot (บริบทเน่า) และมันคือสาเหตุอันดับหนึ่งที่ทำให้งาน AI ยาว ๆ พัง
สายการผลิตแก้ปัญหานี้ได้ รายงานตอนเช้าแบบเดิม แต่เอเจนต์หนึ่งตัวดูเพียงแชนเนลเดียว อีกตัวอ่านแต่อีเมล แต่ละตัวมีโต๊ะที่สะอาด แต่ละตัวทำงานเล็ก ๆ ของตัวเองแล้วส่งรายงานต่อลงสายการผลิต เอเจนต์รวบรวมรายงานดึงทุกอย่างมารวมกัน เอเจนต์ตรวจสอบอีกตัวอ่านรายงานฉบับสุดท้ายและตัดสินใจว่าดีพอจะส่งถึงคุณหรือยัง ข้อดีสามอย่างเกิดขึ้นจากสิ่งนี้ เพราะคุณได้ความเร็ว เอเจนต์สี่ตัวทำงานพร้อมกันชนะเอเจนต์หนึ่งตัวที่ทำงานสี่อย่างต่อเนื่องกัน ได้คุณภาพ เอเจนต์ที่ทำงานเดียวบนโต๊ะสะอาด ๆ ทำได้ดีกว่าเอเจนต์ที่ต้องรับมือสิบอย่าง และข้อที่คนมองข้ามคือ ในที่สุดคุณก็เห็นได้ว่าอะไรพังตรงไหน
ถ้าใช้เอเจนต์ตัวเดียวทำทุกอย่าง รายงานที่แย่คือปริศนา แต่กับสายการผลิต คุณรู้ภายในไม่กี่วินาทีว่ามันเป็นปัญหาที่แชนเนลไหนหรือปัญหาอีเมล ถ้าคุณทำธุรกิจ คุณเชื่อสิ่งนี้อยู่แล้ว นี่คือเหตุผลที่บริษัทมีแผนกต่าง ๆ คุณไม่ให้พนักงานคนเดียวทำทั้งฝ่ายขาย ฝ่ายซัพพอร์ต ฝ่ายบัญชี และฝ่ายการตลาด คุณแบ่งงาน ให้แต่ละคนมีหน้าที่ชัดเจน และตรวจสอบผลลัพธ์ Graph engineering คือแนวคิดนั้นที่นำมาปรับใช้กับเอเจนต์
ขอเว้นเล็กน้อย เพราะถ้าคุณกำลังคิดว่ามันฟังดูทรงพลัง แต่การสร้าง agent assembly line ฟังดูยาก ขอบอกว่า มันถูกสร้างไว้ให้คุณแล้วใน air profum ระบบปฏิบัติการเอเจนต์ (agent OS) รันบนโครงสร้างนี้เป๊ะ ๆ มันมีระบบ dispatcher (ตัวจัดสรรงาน) และ worker (ตัวทำงาน) ซึ่งก็คือสายการผลิตที่เราเพิ่งพูดถึง พร้อมกับ camb board (กระดานวางงาน) ที่คุณหย่อนงานลงไป แล้วเอเจนต์ก็หยิบไปทำแบบขนานกัน คุณจะได้ Zip File Way แผน 30 วันสำหรับตั้งค่าระบบ วิดีโอสอน และอัปเดตรายวันเมื่อมีเวอร์ชันใหม่ อีกทั้งคอลสัปดาห์ละสี่ครั้งที่สมาชิกโชว์เซ็ตอัปเอเจนต์ของตัวเอง และคุณสามารถถามคำถามเกี่ยวกับเซ็ตอัปของคุณได้แบบสด มีเจ้าของธุรกิจอยู่ข้างในกว่า 3,700 คน และหลายคนกำลังรัน multi-agent workflows (เวิร์กโฟลว์หลายเอเจนต์) สำหรับคอนเทนต์ ลีด และงานลูกค้าอยู่ตอนนี้ ลิงก์อยู่ในคอมเมนต์หรือคำอธิบาย หรือไปที่ apiprofitb.com
ต่อไปคือส่วนที่วิดีโอส่วนใหญ่ข้ามไป Graph engineering มีต้นทุนจริง การรู้ต้นทุนนี้คือสิ่งที่แยกคนที่ทำให้มันเวิร์กออกจากคนที่เผาผลาญโควตาจนหมดในวันเดียว Anthropic เผยตัวเลขของระบบ multi-agent วิจัยของตัวเอง เอเจนต์ตัวเดียวใช้โทเคนมากกว่าการแชตปกติราวสี่เท่า ส่วนระบบ multi-agent ใช้มากกว่าราว 15 เท่า สิบห้าเท่านะครับ ลองคำนวณดูกับรายงาน deep research ใหญ่ ๆ สักฉบับ เอเจนต์กว่า 100 ตัว แต่ละตัวเริ่มต้นด้วยคำสั่งราว 20,000 โทเคน สมมติราคา Opus 5 แล้วค่าใช้จ่ายฝั่ง input (อินพุต) อย่างเดียวก็ราว 10 ดอลลาร์ต่องานหนึ่งชิ้น แต่มีเคล็ดลับที่ช่วยคุณได้ นั่นคือ prompt caching (การแคชพรอมต์)
พูดง่าย ๆ เมื่อเอเจนต์หลายตัวใช้คำสั่งชุดเดียวกัน ระบบจะไม่จ่ายเต็มราคาเพื่อโหลดคำสั่งเหล่านั้นซ้ำแล้วซ้ำเล่า มันจำไว้ได้ พอมี caching งาน 10 ดอลลาร์นั้นก็ลดลงเหลือราว 1 ดอลลาร์ และยังมีคันโยกอีกตัวบนสายการผลิต ไม่ใช่ทุกสถานีที่ต้องใช้คนงานเก่งที่สุด เอเจนต์ที่ทำหน้าที่เก็บข้อมูลทั่วไปไม่จำเป็นต้องใช้โมเดลที่ฉลาดและแพงที่สุด ถ้าคุณให้งานง่าย ๆ กับโมเดลที่ถูกและเร็ว คุณก็เก็บโมเดลแพงไว้ให้สถานีที่ต้องใช้สมอง คุณเลือกโมเดลได้ทีละเอเจนต์ทีละงาน ซึ่งคุณทำแบบนั้นกับเอเจนต์ยักษ์ตัวเดียวไม่ได้ ยกเว้นอยู่สถานีเดียว มีจุดหนึ่งที่การประหยัดจะทำลายทุกอย่าง มันกำลังจะมาถึง มันคือสิ่งที่มีค่าที่สุดในวิดีโอนี้
แต่ก่อนอื่น มีสองสิ่งที่กัดคุณถ้าไม่มีใครเตือน หนึ่ง มีเพดานจำกัดว่าเอเจนต์จะรันพร้อมกันได้กี่ตัว Include code ผูกกับจำนวนคอร์ของเครื่องคุณ โดยสูงสุดอยู่ที่ราว 16 ตัว ส่วนที่เกินก็ต้องรออยู่ในคิว ความฝันแบบเอเจนต์พันตัวระเบิดออกมาพร้อมกันจึงไม่ใช่แบบนั้นจริง ๆ อย่างไรก็ตาม คุณสามารถใช้เครื่องมืออย่าง rough เป็นต้น หรือให้เอเจนต์หลายตัวทำงานร่วมกัน และไม่ใช่แค่ clawed เท่านั้น ยังมี Hermes และ open claw กับอีกหลายตัว สองคือ pacing (จังหวะการปล่อยงาน) ถ้าคุณยิงคำขอเอเจนต์เป็นระลอกใหญ่ในวินาทีเดียวกัน คุณจะชน rate limits (ขีดจำกัดอัตราการเรียกใช้) ฝั่งผู้ให้บริการ และเห็นทั้งชุดงานตายพร้อมกัน ไม่ใช่เพราะเซ็ตอัปคุณผิด แต่เพราะคนงานมากเกินไปเข้ามาแตะเวลาเดียวกัน วิธีแก้คือส่งออกไปเป็นกลุ่มเล็ก ๆ เช่นครั้งละหกตัว เอเจนต์เดิม งานเดิม และทั้งชุดก็กลับมาเสร็จสมบูรณ์ บ่อยครั้ง pacing คือข้อแตกต่างเพียงอย่างเดียวระหว่างรันที่ล้มเหลวกับรันที่สมบูรณ์แบบ
ต่อไปเป็นสิ่งที่เปลี่ยนกลุ่มเป้าหมายของสิ่งนี้ คุณไม่เคยเขียนเวิร์กโฟลว์เอง เพราะ Claude Code เป็นคนเขียน ถ้าคุณคิดว่านี่เป็นเรื่องเทคนิคสำหรับนักพัฒนาที่ไม่ใช่คุณ ขอบอกว่าไม่ใช่แบบนั้น เมื่อคุณขอ deep research เช่น Claude สร้างสายการผลิตทั้งสายขึ้นมาเอง เป็นรหัสหลายร้อยบรรทัด รันมัน แล้วก็ทิ้งมันเมื่อเสร็จ หน้าที่ของคุณคือแค่บรรยายว่าคุณต้องการอะไรและผลลัพธ์ที่ดีเป็นแบบไหน เอไอเป็นคนสร้างโรงงาน Anthropic เองไม่ได้เรียกสิ่งนี้ว่า graph engineering ในเอกสารของพวกเขา มันเรียกว่า dynamic workflows (เวิร์กโฟลว์แบบไดนามิก) และมันมาพร้อมกับ Claude Code ดังนั้นถ้าคุณใช้แพ็กเกจแบบเสียเงิน มันอยู่ตรงนั้นแล้วตอนนี้ บนแพ็กเกจ Pro คุณแค่ต้องเปิดมัน คุณอาจยืนอยู่ข้างโรงงานนี้มาหลายสัปดาห์โดยไม่รู้ว่ามันคืออะไร
อีกเรื่องที่ควรสังเกต เพราะมักมีคำฮิตพวกนี้ เช่น loop engineering และ graph engineering อะไรทำนองนี้เสมอ และมันสมควรได้รับคำตอบจริงจัง เดือนที่แล้ว ทุกคนกรี๊ดเรื่อง loop engineering ก่อนหน้านั้นเป็น context engineering ก่อนหน้านั้นเป็น prompt engineering แล้ว graph engineering เป็นแค่คำฮิตของเดือนนี้หรือเปล่า? ชื่ออาจเปลี่ยน แต่หลักการไม่เปลี่ยน และนี่คือวิธีที่คุณรู้ได้ คณิตศาสตร์เบื้องหลังสิ่งนี้มาจากนักคณิตศาสตร์นามว่า Leonard Ula ย้อนไปปี 1736 เมืองของเขามีสะพานเจ็ดแห่ง ผู้คนสงสัยว่าคุณจะเดินเส้นทางที่ข้ามสะพานทุกแห่งได้พอดีครั้งเดียวหรือไม่ Ula พิสูจน์ว่าทำไม่ได้ และเพื่อพิสูจน์ เขาได้คิดค้นวิธีวาดปัญหาเป็นจุดและเส้น จุดคือสิ่งต่าง ๆ เส้นคือความเชื่อมโยง นั่นคือกราฟ ทุกเอเจนต์เวิร์กโฟลว์ที่คุณจะสร้างคือจุดและเส้นทั้งนั้น
จากนั้นในปี 1974 นักวิทยาการคอมพิวเตอร์ Giles Khn และ Jack Dennis เขียนรูปร่างนี้ขึ้นมาสำหรับการคำนวณโดยเฉพาะ รูปร่างนี้มีอายุเกิน 50 ปีแล้ว ที่ตลกกว่านั้น Harrison Chase ผู้ร่วมก่อตั้ง LangChain หนึ่งในบริษัทเอเจนต์ที่ใหญ่ที่สุด โพสต์ว่าเขายังไม่รู้จริง ๆ ว่า graph engineering หมายความว่าอะไร ไม่กี่วันต่อมา บริษัทของเขาเองก็เผยแพร่บทความเรียกมันว่าชื่อใหม่ล่าสุดของแนวทางที่มีมานานหลายปี แล้วทำไมมันถึงระเบิดความนิยมตอนนี้ทั้งที่ไอเดียเก่า? คำถามนี้ไขทุกอย่างได้ มันเป็นเพราะหลายปีที่ผ่านมา สายการผลิตมีอยู่จริง แต่คนงานไร้ประโยชน์ ย้อนไปปี 2023 Microsoft มี AutoGen LangChain มี LangGraph แบบแปลนของระบบ multi-agent มีครบทุกอย่าง แต่แต่ละสถานีก็แค่การเรียก AI พื้นฐาน ไม่มีเครื่องมือ ไม่มีความทรงจำ ไม่มีความสามารถตรวจสอบงานตัวเอง การต่อคนงานอ่อนแอสิบคนเข้าด้วยกัน ก็ได้ผลลัพธ์อ่อนแอสิบชิ้นมาประกบกัน LangChain พูดเอง สิ่งที่เปลี่ยนไปไม่ใช่กราฟ สิ่งที่เปลี่ยนไปคือสิ่งที่แต่ละ node ทำได้ วันนี้หนึ่ง node คือเอเจนต์เต็มตัว มันค้นหาเว็บ อ่านไฟล์ รันการตรวจสอบ พิสูจน์ข้อเท็จจริง ในที่สุดคนงานก็เก่งขึ้น การเชื่อมต่อพวกมันจึงคูณพลังแทนที่จะคูณความยุ่งเหยิง และนั่นคือเหตุผลที่ช่วงเวลานี้สำคัญ
และนั่นคือเหตุผลที่ความเชื่อที่ว่าเอเจนต์ AI เก่ง ๆ หนึ่งตัวพอสำหรับธุรกิจของฉัน เป็นความเชื่อที่กำลังทำให้คนเสียหายมากที่สุดอย่างเงียบ ๆ เอเจนต์ตัวเดียวคือเพดานในปี 2024 เพดานขยับแล้ว
ตอนนี้มีอยู่หนึ่งด้านที่สถานีช่วยไม่ได้ นั่นคือการควบคุมคุณภาพ บนสายการผลิตใด ๆ ผู้ตรวจสอบที่ปลายสายคือคนตัดสินใจว่าอะไรจะออกจากโรงงาน ในสายการผลิตเอเจนต์ นั่นคือ reviewer agent (เอเจนต์ตรวจสอบ) ที่มีหน้าที่เดียวคือตัดสินงาน สองกฎนี้จะช่วยประหยัดความปวดหัวเป็นสัปดาห์ กฎหนึ่ง เอเจนต์ที่สร้างงานขึ้นมาไม่ควรตรวจงานตัวเอง มันจะตัดสินงานตัวเองด้วยความคิดชุดเดียวกับที่สร้างความผิดพลาด เหมือนนักเรียนให้เกรดข้อสอบตัวเอง วิธีแก้คือเอเจนต์ใหม่ที่จำงานต้นฉบับไม่ได้เลยแม้แต่นิดเดียว Claude Code มีฟีเจอร์นี้ในตัว ด้วยการเปิดเซสชันแยกออกไปโดยสิ้นเชิงเพื่อตรวจสอบเท่านั้น โดยไม่มีบริบทต้นฉบับใด ๆ ให้เห็นด้วยตาสะอาด ๆ เท่านั้น
กฎข้อสองคือ ใส่โมเดลที่ดีที่สุดของคุณไว้ที่ตำแหน่งผู้ตรวจสอบ แม้คุณจะประหยัดที่อื่นทั้งหมด โมเดลที่ถูกและเร็วเวลาตรวจงานมักจะแฟล็กทุกอย่าง รวมถึงสิ่งที่ตั้งใจทำไว้ เพราะมันอ่านบริบทรอบการตัดสินใจไม่ออก โมเดลฉลาดจะแฟล็กน้อยกว่าและแฟล็กได้ถูกต้อง นึกภาพผู้ตรวจสอบราคาถูกในสายการผลิตเต็มรูปแบบ เอเจนต์เผาเวลาและโทเคนไปกับการแก้ของที่ไม่เคยเสียหาย กระจายไปทั่วสิบกว่าสถานีพร้อมกัน โดยไม่มีทางรู้ว่าสถานีไหนเริ่มความยุ่งเหยิง ผู้ตรวจสอบกำหนดคุณภาพของทั้งสาย มันคือจุดเดียวที่การประหยัดไม่กี่เซ็นต์ทำให้คุณเสียทุกอย่าง
ทีมของ Anthropic เองก็ซ้อนผู้ตรวจสอบหลายชั้น พวกเขาเรียงทักษะ code review (รีวิวโค้ด), simplify (ทำให้เรียบง่าย), verify (ตรวจยืนยัน) และ design (การออกแบบ) งานที่เสร็จแล้วจึงถูกตัดสินจากสี่มุมก่อนส่งออก ผู้ตรวจสี่คน แต่ละคนถามคำถามคนละข้อ ผู้ตรวจสองคนที่ถามคนละคำถาม ชนะผู้ตรวจสิบคนที่ถามคำถามเดียวกัน การตรวจที่เหมือนกันจะส่งคืนข้อค้นพบที่เหมือนกัน และคำเตือนอีกข้อเพราะอันนี้แอบเนียน ผู้ตรวจที่อ่อนแอสามารถรายงานว่าทุกอย่างผ่านฉลุยทั้งที่งานเต็มไปด้วยปัญหา เพราะมันแค่จับคู่รูปแบบ ไม่ได้อ่านความหมาย รายงานสะอาดจากผู้ตรวจอ่อนแอพิสูจน์อะไรไม่ได้ สิ่งที่รายงานพิสูจน์ได้ขึ้นอยู่กับว่าผู้ตรวจพยายามหักงานหนักแค่ไหน
แล้วเมื่อไหร่ที่คุณควรสร้างสายการผลิต และเมื่อไหร่ที่มันเกินจำเป็น? มีสามสัญญาณ ถ้าไม่มีสัญญาณไหนเลย ลูปธรรมดาก็เพียงพอ และการเพิ่มกราฟก็แค่เพิ่มต้นทุนโดยไม่มีประโยชน์ สัญญาณหนึ่ง โต๊ะเต็มแล้ว บริบทของเอเจนต์คุณพุ่งไปถึงหลายแสนโทเคนและคุณภาพเริ่มตกลง ให้แบ่งงาน สัญญาณสอง งานมีความเสี่ยงสูง อะไรก็ตามที่ส่งถึงลูกค้า อะไรก็ตามที่แตะชื่อเสียงของคุณ อะไรก็ตามที่พลาดแล้วแพง นั่นควรมีผู้ตรวจสอบอิสระด้วยสายตาสดใหม่ และสัญญาณสามคือ ความเร็วสำคัญ ถ้าเอเจนต์ตัวเดียวไล่ย่อยห้าแหล่งข้อมูลใช้เวลาหนึ่งชั่วโมง แต่เอเจนต์ห้าตัวแบบขนานใช้เวลา 10 นาที และคุณรันงานนี้ทุกวัน สายการผลิตก็คืนทุนเร็ว
ก้าวแรกใช้เวลาแค่ 10 นาทีกับปากกา หยิบกระบวนการหนึ่งในธุรกิจคุณมาวาดเป็นกล่อง หนึ่งกล่องต่อหนึ่งขั้นตอน จากนั้นไล่ดูทีละลูกศรแล้วถามคำถามหนึ่งข้อ ขั้นตอนถัดไปจำเป็นต้องอ่านผลลัพธ์ของขั้นตอนก่อนหน้าจริงหรือ? ถ้าใช่ ลูกศรนั้นจริง และขั้นตอนเหล่านั้นต้องรันตามลำดับ ถ้าไม่ใช่ ให้ขีดฆ่าลูกศรทิ้ง เพราะขั้นตอนเหล่านั้นรันพร้อมกันได้ คนส่วนใหญ่พบสองสามขั้นตอนในสัปดาห์ของตัวเองที่ไม่เคยต้องรอซึ่งกันและกัน และภาพวาดนั้นคือกราฟแรกของคุณ ส่งให้ Claude Code บรรยายมัน แล้วเอไอจะสร้างส่วนที่เหลือเอง
เวอร์ชันง่าย ๆ สำหรับธุรกิจคุณ คอนเทนต์รายสัปดาห์ของคุณ เอเจนต์หนึ่งตัวร่างโพสต์ใหม่ เอเจนต์หนึ่งตัวตรวจร่างกับ voice guide (แนวเสียงแบรนด์) ของคุณก่อนที่อะไรจะถูกเผยแพร่ แค่สามสถานี ตั้งค่าในบ่ายเดียว แล้วมันก็รันไปขณะที่คุณทำอย่างอื่น
สรุปคือแบบเก่าเป็นเอเจนต์ตัวเดียว บทสนทนายาวหนึ่งชุด คุณต้องคอยดูแลทุกขั้นตอน และคุณภาพก็พังลงเมื่องานใหญ่ขึ้น แบบใหม่คือทีมเล็ก ๆ ของเอเจนต์ที่จดจ่อกับงาน มีผู้ตรวจสอบจริงที่ปลายสาย รันแบบขนานในขณะที่คุณตรวจผลลัพธ์ที่เสร็จแล้ว คนที่เรียนรู้ที่จะวาดกล่องและลูกศร และใส่ผู้ตรวจสอบที่เหมาะสมไว้ที่ปลายสาย จะทำงานเสร็จในเช้าวันเดียวมากกว่าคนที่ใช้เอเจนต์ตัวเดียวทำในหนึ่งสัปดาห์
เจ้าของธุรกิจส่วนใหญ่ยังไม่รู้ว่าการเปลี่ยนแปลงกำลังเกิดขึ้น ซึ่งก็คือเหตุผลที่ตอนนี้คือเวลาที่ต้องเรียนรู้มัน ถ้าคุณอยากข้ามการลองผิดลองถูก ทุกอย่างในวิดีโอนี้ถูกตั้งค่าไว้แล้วใน AR boardroom ระบบ agent OS ให้ระบบ dispatcher และ worker มาให้พร้อมใช้งาน สายการผลิตเอเจนต์แรกของคุณคือการดาวน์โหลดแทนที่จะเป็นการสร้าง ด้วย camb board ที่คุณหย่อนงานและเอเจนต์หยิบไปทำแบบขนาน คุณจะได้แผน 30 วันสำหรับเชื่อมมันเข้ากับธุรกิจ บทช่วยสอนแบบทีละขั้นตอนรายวัน รวมถึงวิธีตั้งค่า reviewer agents เพื่อให้งานของคุณถูกตรวจสอบก่อนเผยแพร่ และ prompt library (คลังพรอมต์) พร้อมพรอมต์ที่แม่นยำสำหรับ dispatcher agents, worker agents และ checker agents คุณยังได้คอลโค้ชสัปดาห์ละสี่ครั้ง ซึ่งคุณสามารถนำภาพวาดเวิร์กโฟลว์ของคุณเอง ทั้งกล่องและลูกศร มาขอความช่วยเหลือให้เปลี่ยนเป็นระบบที่ใช้งานได้จริงแบบสดในคอล และด้วยเจ้าของธุรกิจ 3,800 คนข้างใน บวกกับ member map (แผนที่สมาชิก) ที่ช่วยหาคนใกล้ตัวคุณ มีคนออนไลน์ที่สร้างสิ่งที่คุณกำลังพยายามสร้างอยู่เสมอ ลิงก์อยู่ในคอมเมนต์หรือคำอธิบาย หรือแค่ไปที่ arprofarm.com เครื่องมือพร้อมแล้ว งานในที่สุดก็ดีขึ้น คำถามสุดท้ายเหลือเพียงว่าคุณจะสร้างสายการผลิตของคุณตอนนี้ หรือจะดูคู่แข่งสร้างของพวกเขา
หมายเหตุการแปล
ความโปร่งใสเกี่ยวกับความไม่แน่นอนในต้นฉบับ
- ## เซกเมนต์ที่ฟังไม่ชัด / คลุมเครือ
- ไม่มีเซกเมนต์ใดที่จำเป็นต้องใช้ `[ฟังไม่ชัด]` เนื่องจากสามารถกู้ความหมายจากบริบทรอบข้างได้ทั้งหมด อย่างไรก็ตาม มีจุดที่คำบรรยายอัตโนมัติ (auto-caption) พูดเพี้ยน/เขียนผิด ซึ่งแปลตามที่ปรากฏและจดบันทึกไว้ดังนี้:
- | ~4:30 | **Zip File Way** | ชื่อผลิตภัณฑ์/โปรแกรมที่ไม่ชัดเจน อาจเป็นการพูดเพี้ยนของชื่ออื่น — คงตามต้นฉบับ |
อภิธานศัพท์เทคนิค
คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ
| ศัพท์ | คำแปล / คำอธิบาย |
|---|---|
| graph engineering | วิศวกรรมกราฟ — แนวคิดการออกแบบงาน AI เป็นกราฟของเอเจนต์หลายตัวที่ทำงานร่วมกัน |
| AI agent | เอเจนต์เอไอ — ตัวแทนอัจฉริยะที่ทำงานอัตโนมัติตามที่ได้รับมอบหมาย |
| agent assembly line | สายการผลิตเอเจนต์ — อุปมาเปรียบเทียบการทำงานของเอเจนต์หลายตัวเหมือนสายการผลิตในโรงงาน |
| graph | กราฟ — โครงสร้างทางคณิตศาสตร์ที่ประกอบด้วยจุด (nodes) และเส้นเชื่อม (edges) |
| nodes | โหนด — จุดในกราฟ ในบริบทนี้หมายถึงเอเจนต์แต่ละตัว |
| edges | เอดจ์ — เส้นเชื่อมระหว่างโหนด ในบริบทนี้หมายถึงการส่งต่องานระหว่างเอเจนต์ |
| loop engineering | วิศวกรรมลูป — การใช้เอเจนต์ตัวเดียวทำงานเป็นวงจรซ้ำ (trigger → task → success criteria) |
| trigger | ตัวจุดชนวน — เงื่อนไขที่ทำให้งานเริ่มต้นเอง เช่น ทุกเช้า 7 โมง |
| success criteria | เกณฑ์ความสำเร็จ — เงื่อนไขที่ใช้ตรวจว่าผลงานดีพอหรือไม่ |
| context window | หน้าต่างบริบท — ขอบเขตข้อมูลที่โมเดลสามารถจดจำและใช้ประกอบการตัดสินใจได้ |
| context rot | บริบทเน่า — การที่คุณภาพงานตกต่ำลงเพราะบริบทในหน้าต่างเต็มไปด้วยข้อมูลมากเกินไป |
| workflow | เวิร์กโฟลว์ — ขั้นตอนการทำงานที่จัดลำดับไว้ |
| deep research | การค้นคว้าเชิงลึก — ฟีเจอร์วิจัยที่ใช้เอเจนต์จำนวนมากทำงานพร้อมกัน |
| dynamic workflows | เวิร์กโฟลว์แบบไดนามิก — ชื่อเรียกของ Anthropic สำหรับระบบที่ AI สร้างเวิร์กโฟลว์เองอัตโนมัติ |
| multi-agent system | ระบบหลายเอเจนต์ — ระบบที่เอเจนต์หลายตัวทำงานร่วมกัน |
| tokens | โทเคน — หน่วยนับข้อความที่ใช้คำนวณค่าใช้จ่ายของโมเดล AI |
| prompt caching | การแคชพรอมต์ — เทคนิคให้ระบบจำคำสั่งชุดเดิมที่เอเจนต์หลายตัวใช้ร่วมกันเพื่อประหยัดค่าใช้จ่าย |
| rate limits | ขีดจำกัดอัตราการเรียกใช้ — ข้อจำกัดจำนวนคำขอต่อช่วงเวลาจากผู้ให้บริการ API |
| pacing | จังหวะการปล่อยงาน — การทยอยส่งงานเป็นกลุ่มเล็ก ๆ เพื่อเลี่ยง rate limits |
| dispatcher | ตัวจัดสรรงาน — เอเจนต์/ระบบที่รับงานแล้วกระจายให้ worker |
| worker | ตัวทำงาน — เอเจนต์ที่รับงานไปปฏิบัติ |
| camb board | กระดานวางงาน — กระดานที่ใช้หย่อนงานให้เอเจนต์หยิบไปทำ (คำจากคำบรรยายอัตโนมัติ น่าจะหมายถึง kanban board) |
| reviewer agent / checker agent | เอเจนต์ตรวจสอบ — เอเจนต์ที่มีหน้าที่ตัดสินคุณภาพงานก่อนส่งออก |
| quality checker | ผู้ตรวจสอบคุณภาพ — ตำแหน่งปลายสายการผลิตที่ตรวจงานสำเร็จรูป |
| prompt library | คลังพรอมต์ — ชุดพรอมต์สำเร็จรูปสำหรับเอเจนต์ประเภทต่าง ๆ |
| voice guide | แนวเสียงแบรนด์ — เอกสารกำหนดโทนและสไตล์การสื่อสารของแบรนด์ |
| member map | แผนที่สมาชิก — เครื่องมือหาสมาชิกคนอื่นที่อยู่ใกล้คุณ |
| agent OS | ระบบปฏิบัติการเอเจนต์ — ระบบที่จัดการ dispatcher และ worker ให้พร้อมใช้ |
| context engineering | วิศวกรรมบริบท — คำฮิตก่อนหน้าในวงการ AI |
| prompt engineering | วิศวกรรมพรอมต์ — การออกแบบคำสั่งให้โมเดลอย่างมีประสิทธิภาพ |
| Claude Code | (ชื่อผลิตภัณฑ์ของ Anthropic — คงชื่อเดิม) |
| Claude | (ชื่อโมเดล/ผลิตภัณฑ์ของ Anthropic — คงชื่อเดิม) |
| Anthropic | (ชื่อบริษัท — คงชื่อเดิม) |
| LangChain / LangGraph | (เฟรมเวิร์กสร้างเอเจนต์ — คงชื่อเดิม) |
| AutoGen | (เฟรมเวิร์ก multi-agent ของ Microsoft — คงชื่อเดิม) |
| Microsoft | (ชื่อบริษัท — คงชื่อเดิม) |
| Hermes | (ชื่อเครื่องมือ/เอเจนต์ — คงชื่อเดิม) |
| Open Claw | (ชื่อโครงการโอเพนซอร์ส — คงชื่อตามคำบรรยาย) |
| Opus 5 | (ชื่อโมเดลตามคำบรรยายอัตโนมัติ — คงชื่อเดิม) |
| X | (ชื่อแพลตฟอร์มโซเชียล เดิมคือ Twitter — คงชื่อเดิม) |
ซับไตเติ้ลภาษาไทย
ดาวน์โหลดหรือดูซับทั้งหมด
1 00:00:00,000 --> 00:00:03,313 Graph engineering (วิศวกรรมกราฟ) เพิ่งเปลี่ยนเกมของ 2 00:00:03,313 --> 00:00:07,925 AI agents (เอเจนต์เอไอ) ไปตลอดกาล และนี่คือความหมายที่แท้จริงของมันครับ 3 00:00:07,925 --> 00:00:12,018 แทนที่จะใช้ AI agent ตัวเดียวทำงานทั้งชิ้น คุณกลับรันทีมเอเจนต์ 4 00:00:12,018 --> 00:00:16,046 โดยแต่ละตัวมีหน้าที่เล็ก ๆ อย่างเดียว แล้วทำงานพร้อมกันทั้งหมด
เปิดดูซับไตเติ้ลทั้งหมด (212 segments)
1 00:00:00,000 --> 00:00:03,313 Graph engineering (วิศวกรรมกราฟ) เพิ่งเปลี่ยนเกมของ 2 00:00:03,313 --> 00:00:07,925 AI agents (เอเจนต์เอไอ) ไปตลอดกาล และนี่คือความหมายที่แท้จริงของมันครับ 3 00:00:07,925 --> 00:00:12,018 แทนที่จะใช้ AI agent ตัวเดียวทำงานทั้งชิ้น คุณกลับรันทีมเอเจนต์ 4 00:00:12,018 --> 00:00:16,046 โดยแต่ละตัวมีหน้าที่เล็ก ๆ อย่างเดียว แล้วทำงานพร้อมกันทั้งหมด 5 00:00:16,046 --> 00:00:20,073 อันที่จริง คุณอาจเคยใช้มันมาแล้วโดยไม่รู้ตัว ทุกครั้งที่คุณรัน 6 00:00:20,073 --> 00:00:23,127 deep research (การค้นคว้าเชิงลึก) เช่นใน Claude 7 00:00:23,127 --> 00:00:26,375 Code จะมีเอเจนต์มากกว่า 100 ตัวทำงานอยู่เบื้องหลัง 8 00:00:26,375 --> 00:00:29,428 Claude เขียนเวิร์กโฟลว์ทั้งชุดขึ้นมาเองแบบทันที 9 00:00:29,428 --> 00:00:33,261 แบ่งงานวิจัยของคุณออกเป็นเฟส และสร้างทีมใหม่สดสำหรับทุกคำขอ 10 00:00:33,261 --> 00:00:36,704 เอเจนต์หนึ่งตัวกำหนดขอบเขตงาน สองสามตัวรวบรวมทรัพยากร 11 00:00:36,704 --> 00:00:40,342 อีกหลายสิบตัวไปดึงข้อมูล อีกหลายสิบตัวตรวจสอบข้อเท็จจริง 12 00:00:40,342 --> 00:00:44,175 และอีกหนึ่งตัวเขียนรายงานฉบับสุดท้าย โครงสร้างแบบนี้แหละคือ 13 00:00:44,175 --> 00:00:47,228 graph (กราฟ) และในเดือนกรกฎาคม 2026 คำว่า graph 14 00:00:47,228 --> 00:00:51,126 engineering ก็ได้เปลี่ยนจากโพสต์บน X ไปเป็นคำที่ทุกคนในวงการ 15 00:00:51,126 --> 00:00:56,453 AI พูดถึง Peter Steinberg จาก Open Claw ช่วยจุดกระแสนี้ตอนที่เขาถามว่าเรายังพูดถึง 16 00:00:56,453 --> 00:01:01,000 loops กันอยู่หรือว่าเลื่อนไปที่ graphs กันแล้ว ในอีกไม่กี่นาทีข้างหน้า 17 00:01:01,000 --> 00:01:05,612 คุณจะได้เรียนรู้วิธีคิดในมุมของกราฟ ทำไมทีมเอเจนต์ถึงชนะเอเจนต์ตัวเดียว 18 00:01:05,612 --> 00:01:10,355 เทคนิค caching (การแคช) ที่ทำให้เอเจนต์ของคุณกลายเป็นทีมที่ใช้ทรัพยากรและ 19 00:01:10,355 --> 00:01:16,071 tokens (โทเคน) น้อยลงมาก และจุดหนึ่งในเซ็ตอัปของคุณที่การประหยัดโทเคนจะทำลายทุกอย่างจริง 20 00:01:16,071 --> 00:01:21,463 ๆ เกือบทุกคนเข้าใจผิดในส่วนสุดท้ายนี้ นี่คือวิธีที่ง่ายที่สุดในการจำทั้งหมดไว้ในหัว 21 00:01:21,463 --> 00:01:24,776 เรียกมันว่า agent assembly line (สายการผลิตเอเจนต์) 22 00:01:24,776 --> 00:01:28,414 นึกถึงโรงงานผลิตรถยนต์เมื่อ 100 ปีก่อน ก่อนยุคสายการผลิต 23 00:01:28,414 --> 00:01:31,597 คนงานหนึ่งคนสร้างรถหนึ่งคัน ล้อ เครื่องยนต์ ประตู 24 00:01:31,597 --> 00:01:35,495 สี ทุกอย่าง คนเดียว ตั้งแต่ต้นจนจบ มันช้า และถ้ารถออกมาไม่ดี 25 00:01:35,495 --> 00:01:40,172 ก็คงต้องโชคดีหน่อยถึงจะรู้ว่าขั้นไหนผิดพลาด จากนั้นสายการผลิตก็ถือกำเนิด 26 00:01:40,172 --> 00:01:46,604 คนหนึ่งทำล้อ อีกคนทำเครื่องยนต์ อีกคนทำสี และมีผู้ตรวจสอบคุณภาพตรวจรถที่เสร็จแล้วก่อนจะออกจากโรงงาน 27 00:01:46,604 --> 00:01:51,411 มันเร็วกว่า ดีกว่า และเมื่อมีอะไรเสียหาย คุณรู้ทันทีว่าสถานีไหนเป็นต้นเหตุ 28 00:01:51,411 --> 00:01:55,179 นั่นแหละคือ graph engineering เอเจนต์แต่ละตัวคือสถานีหนึ่ง 29 00:01:55,179 --> 00:01:58,492 การส่งต่องานระหว่างเอเจนต์คือก้าวหนึ่งของสายการผลิต 30 00:01:58,492 --> 00:02:02,974 ในเชิงคณิตศาสตร์ เอเจนต์เรียกว่า nodes (โหนด) และการส่งต่องานเรียกว่า 31 00:02:02,974 --> 00:02:06,352 edges (เอดจ์) แต่คุณไม่ต้องใช้คำพวกนั้นอีกแล้ว ทีนี้ 32 00:02:06,352 --> 00:02:09,471 กว่าจะใช้สิ่งนี้ได้ คุณต้องรู้ว่ามันมาแทนที่อะไร 33 00:02:09,471 --> 00:02:13,173 เพราะสิ่งที่ฮิตจนถึงเมื่อเดือนที่แล้วคือ loop engineering 34 00:02:13,173 --> 00:02:16,486 (วิศวกรรมลูป) ลูปคือเอเจนต์หนึ่งตัวที่ทำงานเป็นวงจร 35 00:02:16,486 --> 00:02:20,189 มีสามส่วน ได้แก่ trigger (ตัวจุดชนวน) คือมันเริ่มทำงานเอง 36 00:02:20,189 --> 00:02:23,502 เช่นทุกเช้า 7 โมง, ตัวงานที่มันทำจริง ๆ และ success 37 00:02:23,502 --> 00:02:27,985 criteria (เกณฑ์ความสำเร็จ) คือมันตรวจสอบงานตัวเองแล้วรันซ้ำจนกว่าจะดี 38 00:02:27,985 --> 00:02:32,013 สมมติว่าคุณต้องการรายงานตอนเช้าทุกวัน ว่าอะไรกำลังมาแรงในวงการ 39 00:02:32,013 --> 00:02:38,119 อะไรอยู่ในอินบ็อกซ์ของคุณ คู่แข่งโพสต์อะไร เวอร์ชันลูปคือเอเจนต์ตัวเดียวที่จะเช็กโซเชียลมีเดีย 40 00:02:38,119 --> 00:02:41,887 เช็กอีเมล แล้วเขียนรายงาน เหมือนคนงานคนเดียวสร้างรถทั้งคัน 41 00:02:41,887 --> 00:02:47,474 และมันก็ใช้ได้จนถึงวันที่ใช้ไม่ได้ เพราะเอเจนต์ตัวนั้นต้องเก็บทุกอย่างไว้ในหัวพร้อมกัน 42 00:02:47,474 --> 00:02:51,501 เอเจนต์มี context window (หน้าต่างบริบท) นึกภาพเหมือนโต๊ะทำงาน 43 00:02:51,501 --> 00:02:55,204 ยิ่งคุณกองงานมากเท่าไหร่ โต๊ะก็ยิ่งเต็ม งานวิจัยกองตรงมุม 44 00:02:55,204 --> 00:03:00,206 อีเมลซ้อนทับบนนั้น ไม่นานโต๊ะก็ถูกฝัง เอเจนต์เริ่มตามงานไม่ทันและคุณภาพก็ตกลง 45 00:03:00,206 --> 00:03:05,533 ผู้คนเรียกสิ่งนี้ว่า context rot (บริบทเน่า) และมันคือสาเหตุอันดับหนึ่งที่ทำให้งาน 46 00:03:05,533 --> 00:03:09,301 AI ยาว ๆ พัง สายการผลิตแก้ปัญหานี้ได้ รายงานตอนเช้าแบบเดิม 47 00:03:09,301 --> 00:03:12,874 แต่เอเจนต์หนึ่งตัวดูเพียงแชนเนลเดียว อีกตัวอ่านแต่อีเมล 48 00:03:12,874 --> 00:03:18,071 แต่ละตัวมีโต๊ะที่สะอาด แต่ละตัวทำงานเล็ก ๆ ของตัวเองแล้วส่งรายงานต่อลงสายการผลิต 49 00:03:18,071 --> 00:03:25,607 เอเจนต์รวบรวมรายงานดึงทุกอย่างมารวมกัน เอเจนต์ตรวจสอบอีกตัวอ่านรายงานฉบับสุดท้ายและตัดสินใจว่าดีพอจะส่งถึงคุณหรือยัง 50 00:03:25,607 --> 00:03:28,920 ข้อดีสามอย่างเกิดขึ้นจากสิ่งนี้ เพราะคุณได้ความเร็ว 51 00:03:28,920 --> 00:03:33,597 เอเจนต์สี่ตัวทำงานพร้อมกันชนะเอเจนต์หนึ่งตัวที่ทำงานสี่อย่างต่อเนื่องกัน 52 00:03:33,597 --> 00:03:38,989 ได้คุณภาพ เอเจนต์ที่ทำงานเดียวบนโต๊ะสะอาด ๆ ทำได้ดีกว่าเอเจนต์ที่ต้องรับมือสิบอย่าง 53 00:03:38,989 --> 00:03:42,757 และข้อที่คนมองข้ามคือ ในที่สุดคุณก็เห็นได้ว่าอะไรพังตรงไหน 54 00:03:42,757 --> 00:03:46,200 ถ้าใช้เอเจนต์ตัวเดียวทำทุกอย่าง รายงานที่แย่คือปริศนา 55 00:03:46,200 --> 00:03:51,462 แต่กับสายการผลิต คุณรู้ภายในไม่กี่วินาทีว่ามันเป็นปัญหาที่แชนเนลไหนหรือปัญหาอีเมล 56 00:03:51,462 --> 00:03:56,009 ถ้าคุณทำธุรกิจ คุณเชื่อสิ่งนี้อยู่แล้ว นี่คือเหตุผลที่บริษัทมีแผนกต่าง 57 00:03:56,009 --> 00:03:59,322 ๆ คุณไม่ให้พนักงานคนเดียวทำทั้งฝ่ายขาย ฝ่ายซัพพอร์ต 58 00:03:59,322 --> 00:04:03,285 ฝ่ายบัญชี และฝ่ายการตลาด คุณแบ่งงาน ให้แต่ละคนมีหน้าที่ชัดเจน 59 00:04:03,285 --> 00:04:08,027 และตรวจสอบผลลัพธ์ Graph engineering คือแนวคิดนั้นที่นำมาปรับใช้กับเอเจนต์ 60 00:04:08,027 --> 00:04:11,405 ขอเว้นเล็กน้อย เพราะถ้าคุณกำลังคิดว่ามันฟังดูทรงพลัง 61 00:04:11,405 --> 00:04:14,589 แต่การสร้าง agent assembly line ฟังดูยาก ขอบอกว่า 62 00:04:14,589 --> 00:04:18,421 มันถูกสร้างไว้ให้คุณแล้วใน air profum ระบบปฏิบัติการเอเจนต์ 63 00:04:18,421 --> 00:04:21,994 (agent OS) รันบนโครงสร้างนี้เป๊ะ ๆ มันมีระบบ dispatcher 64 00:04:21,994 --> 00:04:26,737 (ตัวจัดสรรงาน) และ worker (ตัวทำงาน) ซึ่งก็คือสายการผลิตที่เราเพิ่งพูดถึง 65 00:04:26,737 --> 00:04:30,180 พร้อมกับ camb board (กระดานวางงาน) ที่คุณหย่อนงานลงไป 66 00:04:30,180 --> 00:04:33,363 แล้วเอเจนต์ก็หยิบไปทำแบบขนานกัน คุณจะได้ Zip File 67 00:04:33,363 --> 00:04:38,300 Way แผน 30 วันสำหรับตั้งค่าระบบ วิดีโอสอน และอัปเดตรายวันเมื่อมีเวอร์ชันใหม่ 68 00:04:38,300 --> 00:04:42,393 อีกทั้งคอลสัปดาห์ละสี่ครั้งที่สมาชิกโชว์เซ็ตอัปเอเจนต์ของตัวเอง 69 00:04:42,393 --> 00:04:45,641 และคุณสามารถถามคำถามเกี่ยวกับเซ็ตอัปของคุณได้แบบสด 70 00:04:45,641 --> 00:04:49,279 มีเจ้าของธุรกิจอยู่ข้างในกว่า 3,700 คน และหลายคนกำลังรัน 71 00:04:49,279 --> 00:04:53,241 multi-agent workflows (เวิร์กโฟลว์หลายเอเจนต์) สำหรับคอนเทนต์ 72 00:04:53,241 --> 00:04:57,009 ลีด และงานลูกค้าอยู่ตอนนี้ ลิงก์อยู่ในคอมเมนต์หรือคำอธิบาย 73 00:04:57,009 --> 00:05:00,907 หรือไปที่ apiprofitb.com ต่อไปคือส่วนที่วิดีโอส่วนใหญ่ข้ามไป 74 00:05:00,907 --> 00:05:08,443 Graph engineering มีต้นทุนจริง การรู้ต้นทุนนี้คือสิ่งที่แยกคนที่ทำให้มันเวิร์กออกจากคนที่เผาผลาญโควตาจนหมดในวันเดียว 75 00:05:08,443 --> 00:05:11,886 Anthropic เผยตัวเลขของระบบ multi-agent วิจัยของตัวเอง 76 00:05:11,886 --> 00:05:15,134 เอเจนต์ตัวเดียวใช้โทเคนมากกว่าการแชตปกติราวสี่เท่า 77 00:05:15,134 --> 00:05:18,966 ส่วนระบบ multi-agent ใช้มากกว่าราว 15 เท่า สิบห้าเท่านะครับ 78 00:05:18,966 --> 00:05:22,085 ลองคำนวณดูกับรายงาน deep research ใหญ่ ๆ สักฉบับ 79 00:05:22,085 --> 00:05:25,268 เอเจนต์กว่า 100 ตัว แต่ละตัวเริ่มต้นด้วยคำสั่งราว 80 00:05:25,268 --> 00:05:28,386 20,000 โทเคน สมมติราคา Opus 5 แล้วค่าใช้จ่ายฝั่ง 81 00:05:28,386 --> 00:05:32,024 input (อินพุต) อย่างเดียวก็ราว 10 ดอลลาร์ต่องานหนึ่งชิ้น 82 00:05:32,024 --> 00:05:35,207 แต่มีเคล็ดลับที่ช่วยคุณได้ นั่นคือ prompt caching 83 00:05:35,207 --> 00:05:39,365 (การแคชพรอมต์) พูดง่าย ๆ เมื่อเอเจนต์หลายตัวใช้คำสั่งชุดเดียวกัน 84 00:05:39,365 --> 00:05:43,198 ระบบจะไม่จ่ายเต็มราคาเพื่อโหลดคำสั่งเหล่านั้นซ้ำแล้วซ้ำเล่า 85 00:05:43,198 --> 00:05:46,900 มันจำไว้ได้ พอมี caching งาน 10 ดอลลาร์นั้นก็ลดลงเหลือราว 86 00:05:46,900 --> 00:05:52,227 1 ดอลลาร์ และยังมีคันโยกอีกตัวบนสายการผลิต ไม่ใช่ทุกสถานีที่ต้องใช้คนงานเก่งที่สุด 87 00:05:52,227 --> 00:05:57,100 เอเจนต์ที่ทำหน้าที่เก็บข้อมูลทั่วไปไม่จำเป็นต้องใช้โมเดลที่ฉลาดและแพงที่สุด 88 00:05:57,100 --> 00:06:02,491 ถ้าคุณให้งานง่าย ๆ กับโมเดลที่ถูกและเร็ว คุณก็เก็บโมเดลแพงไว้ให้สถานีที่ต้องใช้สมอง 89 00:06:02,491 --> 00:06:07,688 คุณเลือกโมเดลได้ทีละเอเจนต์ทีละงาน ซึ่งคุณทำแบบนั้นกับเอเจนต์ยักษ์ตัวเดียวไม่ได้ 90 00:06:07,688 --> 00:06:11,521 ยกเว้นอยู่สถานีเดียว มีจุดหนึ่งที่การประหยัดจะทำลายทุกอย่าง 91 00:06:11,521 --> 00:06:14,834 มันกำลังจะมาถึง มันคือสิ่งที่มีค่าที่สุดในวิดีโอนี้ 92 00:06:14,834 --> 00:06:18,212 แต่ก่อนอื่น มีสองสิ่งที่กัดคุณถ้าไม่มีใครเตือน หนึ่ง 93 00:06:18,212 --> 00:06:21,590 มีเพดานจำกัดว่าเอเจนต์จะรันพร้อมกันได้กี่ตัว Include 94 00:06:21,590 --> 00:06:25,033 code ผูกกับจำนวนคอร์ของเครื่องคุณ โดยสูงสุดอยู่ที่ราว 95 00:06:25,033 --> 00:06:31,400 16 ตัว ส่วนที่เกินก็ต้องรออยู่ในคิว ความฝันแบบเอเจนต์พันตัวระเบิดออกมาพร้อมกันจึงไม่ใช่แบบนั้นจริง 96 00:06:31,400 --> 00:06:34,518 ๆ อย่างไรก็ตาม คุณสามารถใช้เครื่องมืออย่าง rough 97 00:06:34,518 --> 00:06:38,026 เป็นต้น หรือให้เอเจนต์หลายตัวทำงานร่วมกัน และไม่ใช่แค่ 98 00:06:38,026 --> 00:06:41,664 clawed เท่านั้น ยังมี Hermes และ open claw กับอีกหลายตัว 99 00:06:41,664 --> 00:06:47,056 สองคือ pacing (จังหวะการปล่อยงาน) ถ้าคุณยิงคำขอเอเจนต์เป็นระลอกใหญ่ในวินาทีเดียวกัน 100 00:06:47,056 --> 00:06:51,148 คุณจะชน rate limits (ขีดจำกัดอัตราการเรียกใช้) ฝั่งผู้ให้บริการ 101 00:06:51,148 --> 00:06:54,591 และเห็นทั้งชุดงานตายพร้อมกัน ไม่ใช่เพราะเซ็ตอัปคุณผิด 102 00:06:54,591 --> 00:06:59,464 แต่เพราะคนงานมากเกินไปเข้ามาแตะเวลาเดียวกัน วิธีแก้คือส่งออกไปเป็นกลุ่มเล็ก 103 00:06:59,464 --> 00:07:03,946 ๆ เช่นครั้งละหกตัว เอเจนต์เดิม งานเดิม และทั้งชุดก็กลับมาเสร็จสมบูรณ์ 104 00:07:03,946 --> 00:07:09,403 บ่อยครั้ง pacing คือข้อแตกต่างเพียงอย่างเดียวระหว่างรันที่ล้มเหลวกับรันที่สมบูรณ์แบบ 105 00:07:09,403 --> 00:07:14,275 ต่อไปเป็นสิ่งที่เปลี่ยนกลุ่มเป้าหมายของสิ่งนี้ คุณไม่เคยเขียนเวิร์กโฟลว์เอง 106 00:07:14,275 --> 00:07:19,927 เพราะ Claude Code เป็นคนเขียน ถ้าคุณคิดว่านี่เป็นเรื่องเทคนิคสำหรับนักพัฒนาที่ไม่ใช่คุณ 107 00:07:19,927 --> 00:07:23,240 ขอบอกว่าไม่ใช่แบบนั้น เมื่อคุณขอ deep research เช่น 108 00:07:23,240 --> 00:07:27,203 Claude สร้างสายการผลิตทั้งสายขึ้นมาเอง เป็นรหัสหลายร้อยบรรทัด 109 00:07:27,203 --> 00:07:33,569 รันมัน แล้วก็ทิ้งมันเมื่อเสร็จ หน้าที่ของคุณคือแค่บรรยายว่าคุณต้องการอะไรและผลลัพธ์ที่ดีเป็นแบบไหน 110 00:07:33,569 --> 00:07:37,207 เอไอเป็นคนสร้างโรงงาน Anthropic เองไม่ได้เรียกสิ่งนี้ว่า 111 00:07:37,207 --> 00:07:40,260 graph engineering ในเอกสารของพวกเขา มันเรียกว่า 112 00:07:40,260 --> 00:07:44,028 dynamic workflows (เวิร์กโฟลว์แบบไดนามิก) และมันมาพร้อมกับ 113 00:07:44,028 --> 00:07:48,640 Claude Code ดังนั้นถ้าคุณใช้แพ็กเกจแบบเสียเงิน มันอยู่ตรงนั้นแล้วตอนนี้ 114 00:07:48,640 --> 00:07:54,682 บนแพ็กเกจ Pro คุณแค่ต้องเปิดมัน คุณอาจยืนอยู่ข้างโรงงานนี้มาหลายสัปดาห์โดยไม่รู้ว่ามันคืออะไร 115 00:07:54,682 --> 00:07:57,800 อีกเรื่องที่ควรสังเกต เพราะมักมีคำฮิตพวกนี้ เช่น 116 00:07:57,800 --> 00:08:01,373 loop engineering และ graph engineering อะไรทำนองนี้เสมอ 117 00:08:01,373 --> 00:08:05,206 และมันสมควรได้รับคำตอบจริงจัง เดือนที่แล้ว ทุกคนกรี๊ดเรื่อง 118 00:08:05,206 --> 00:08:08,649 loop engineering ก่อนหน้านั้นเป็น context engineering 119 00:08:08,649 --> 00:08:12,417 ก่อนหน้านั้นเป็น prompt engineering แล้ว graph engineering 120 00:08:12,417 --> 00:08:15,535 เป็นแค่คำฮิตของเดือนนี้หรือเปล่า? ชื่ออาจเปลี่ยน 121 00:08:15,535 --> 00:08:21,901 แต่หลักการไม่เปลี่ยน และนี่คือวิธีที่คุณรู้ได้ คณิตศาสตร์เบื้องหลังสิ่งนี้มาจากนักคณิตศาสตร์นามว่า 122 00:08:21,901 --> 00:08:25,279 Leonard Ula ย้อนไปปี 1736 เมืองของเขามีสะพานเจ็ดแห่ง 123 00:08:25,279 --> 00:08:29,957 ผู้คนสงสัยว่าคุณจะเดินเส้นทางที่ข้ามสะพานทุกแห่งได้พอดีครั้งเดียวหรือไม่ 124 00:08:29,957 --> 00:08:34,959 Ula พิสูจน์ว่าทำไม่ได้ และเพื่อพิสูจน์ เขาได้คิดค้นวิธีวาดปัญหาเป็นจุดและเส้น 125 00:08:34,959 --> 00:08:38,142 จุดคือสิ่งต่าง ๆ เส้นคือความเชื่อมโยง นั่นคือกราฟ 126 00:08:38,142 --> 00:08:41,715 ทุกเอเจนต์เวิร์กโฟลว์ที่คุณจะสร้างคือจุดและเส้นทั้งนั้น 127 00:08:41,715 --> 00:08:44,898 จากนั้นในปี 1974 นักวิทยาการคอมพิวเตอร์ Giles Khn 128 00:08:44,898 --> 00:08:48,731 และ Jack Dennis เขียนรูปร่างนี้ขึ้นมาสำหรับการคำนวณโดยเฉพาะ 129 00:08:48,731 --> 00:08:52,239 รูปร่างนี้มีอายุเกิน 50 ปีแล้ว ที่ตลกกว่านั้น Harrison 130 00:08:52,239 --> 00:08:56,396 Chase ผู้ร่วมก่อตั้ง LangChain หนึ่งในบริษัทเอเจนต์ที่ใหญ่ที่สุด 131 00:08:56,396 --> 00:08:59,515 โพสต์ว่าเขายังไม่รู้จริง ๆ ว่า graph engineering 132 00:08:59,515 --> 00:09:06,725 หมายความว่าอะไร ไม่กี่วันต่อมา บริษัทของเขาเองก็เผยแพร่บทความเรียกมันว่าชื่อใหม่ล่าสุดของแนวทางที่มีมานานหลายปี 133 00:09:06,725 --> 00:09:10,104 แล้วทำไมมันถึงระเบิดความนิยมตอนนี้ทั้งที่ไอเดียเก่า? 134 00:09:10,104 --> 00:09:13,287 คำถามนี้ไขทุกอย่างได้ มันเป็นเพราะหลายปีที่ผ่านมา 135 00:09:13,287 --> 00:09:16,470 สายการผลิตมีอยู่จริง แต่คนงานไร้ประโยชน์ ย้อนไปปี 136 00:09:16,470 --> 00:09:19,588 2023 Microsoft มี AutoGen LangChain มี LangGraph 137 00:09:19,588 --> 00:09:23,941 แบบแปลนของระบบ multi-agent มีครบทุกอย่าง แต่แต่ละสถานีก็แค่การเรียก 138 00:09:23,941 --> 00:09:28,683 AI พื้นฐาน ไม่มีเครื่องมือ ไม่มีความทรงจำ ไม่มีความสามารถตรวจสอบงานตัวเอง 139 00:09:28,683 --> 00:09:33,165 การต่อคนงานอ่อนแอสิบคนเข้าด้วยกัน ก็ได้ผลลัพธ์อ่อนแอสิบชิ้นมาประกบกัน 140 00:09:33,165 --> 00:09:38,037 LangChain พูดเอง สิ่งที่เปลี่ยนไปไม่ใช่กราฟ สิ่งที่เปลี่ยนไปคือสิ่งที่แต่ละ 141 00:09:38,037 --> 00:09:41,805 node ทำได้ วันนี้หนึ่ง node คือเอเจนต์เต็มตัว มันค้นหาเว็บ 142 00:09:41,805 --> 00:09:46,028 อ่านไฟล์ รันการตรวจสอบ พิสูจน์ข้อเท็จจริง ในที่สุดคนงานก็เก่งขึ้น 143 00:09:46,028 --> 00:09:49,406 การเชื่อมต่อพวกมันจึงคูณพลังแทนที่จะคูณความยุ่งเหยิง 144 00:09:49,406 --> 00:09:54,408 และนั่นคือเหตุผลที่ช่วงเวลานี้สำคัญ และนั่นคือเหตุผลที่ความเชื่อที่ว่าเอเจนต์ 145 00:09:54,408 --> 00:10:00,450 AI เก่ง ๆ หนึ่งตัวพอสำหรับธุรกิจของฉัน เป็นความเชื่อที่กำลังทำให้คนเสียหายมากที่สุดอย่างเงียบ 146 00:10:00,450 --> 00:10:03,568 ๆ เอเจนต์ตัวเดียวคือเพดานในปี 2024 เพดานขยับแล้ว 147 00:10:03,568 --> 00:10:07,595 ตอนนี้มีอยู่หนึ่งด้านที่สถานีช่วยไม่ได้ นั่นคือการควบคุมคุณภาพ 148 00:10:07,595 --> 00:10:12,208 บนสายการผลิตใด ๆ ผู้ตรวจสอบที่ปลายสายคือคนตัดสินใจว่าอะไรจะออกจากโรงงาน 149 00:10:12,208 --> 00:10:16,041 ในสายการผลิตเอเจนต์ นั่นคือ reviewer agent (เอเจนต์ตรวจสอบ) 150 00:10:16,041 --> 00:10:20,718 ที่มีหน้าที่เดียวคือตัดสินงาน สองกฎนี้จะช่วยประหยัดความปวดหัวเป็นสัปดาห์ 151 00:10:20,718 --> 00:10:24,031 กฎหนึ่ง เอเจนต์ที่สร้างงานขึ้นมาไม่ควรตรวจงานตัวเอง 152 00:10:24,031 --> 00:10:27,994 มันจะตัดสินงานตัวเองด้วยความคิดชุดเดียวกับที่สร้างความผิดพลาด 153 00:10:27,994 --> 00:10:34,035 เหมือนนักเรียนให้เกรดข้อสอบตัวเอง วิธีแก้คือเอเจนต์ใหม่ที่จำงานต้นฉบับไม่ได้เลยแม้แต่นิดเดียว 154 00:10:34,035 --> 00:10:39,622 Claude Code มีฟีเจอร์นี้ในตัว ด้วยการเปิดเซสชันแยกออกไปโดยสิ้นเชิงเพื่อตรวจสอบเท่านั้น 155 00:10:39,622 --> 00:10:43,130 โดยไม่มีบริบทต้นฉบับใด ๆ ให้เห็นด้วยตาสะอาด ๆ เท่านั้น 156 00:10:43,130 --> 00:10:47,028 กฎข้อสองคือ ใส่โมเดลที่ดีที่สุดของคุณไว้ที่ตำแหน่งผู้ตรวจสอบ 157 00:10:47,028 --> 00:10:52,030 แม้คุณจะประหยัดที่อื่นทั้งหมด โมเดลที่ถูกและเร็วเวลาตรวจงานมักจะแฟล็กทุกอย่าง 158 00:10:52,030 --> 00:10:56,058 รวมถึงสิ่งที่ตั้งใจทำไว้ เพราะมันอ่านบริบทรอบการตัดสินใจไม่ออก 159 00:10:56,058 --> 00:11:01,774 โมเดลฉลาดจะแฟล็กน้อยกว่าและแฟล็กได้ถูกต้อง นึกภาพผู้ตรวจสอบราคาถูกในสายการผลิตเต็มรูปแบบ 160 00:11:01,774 --> 00:11:05,152 เอเจนต์เผาเวลาและโทเคนไปกับการแก้ของที่ไม่เคยเสียหาย 161 00:11:05,152 --> 00:11:10,089 กระจายไปทั่วสิบกว่าสถานีพร้อมกัน โดยไม่มีทางรู้ว่าสถานีไหนเริ่มความยุ่งเหยิง 162 00:11:10,089 --> 00:11:16,001 ผู้ตรวจสอบกำหนดคุณภาพของทั้งสาย มันคือจุดเดียวที่การประหยัดไม่กี่เซ็นต์ทำให้คุณเสียทุกอย่าง 163 00:11:16,001 --> 00:11:19,964 ทีมของ Anthropic เองก็ซ้อนผู้ตรวจสอบหลายชั้น พวกเขาเรียงทักษะ 164 00:11:19,964 --> 00:11:23,277 code review (รีวิวโค้ด), simplify (ทำให้เรียบง่าย), 165 00:11:23,277 --> 00:11:29,059 verify (ตรวจยืนยัน) และ design (การออกแบบ) งานที่เสร็จแล้วจึงถูกตัดสินจากสี่มุมก่อนส่งออก 166 00:11:29,059 --> 00:11:33,151 ผู้ตรวจสี่คน แต่ละคนถามคำถามคนละข้อ ผู้ตรวจสองคนที่ถามคนละคำถาม 167 00:11:33,151 --> 00:11:38,478 ชนะผู้ตรวจสิบคนที่ถามคำถามเดียวกัน การตรวจที่เหมือนกันจะส่งคืนข้อค้นพบที่เหมือนกัน 168 00:11:38,478 --> 00:11:45,494 และคำเตือนอีกข้อเพราะอันนี้แอบเนียน ผู้ตรวจที่อ่อนแอสามารถรายงานว่าทุกอย่างผ่านฉลุยทั้งที่งานเต็มไปด้วยปัญหา 169 00:11:45,494 --> 00:11:51,146 เพราะมันแค่จับคู่รูปแบบ ไม่ได้อ่านความหมาย รายงานสะอาดจากผู้ตรวจอ่อนแอพิสูจน์อะไรไม่ได้ 170 00:11:51,146 --> 00:11:55,433 สิ่งที่รายงานพิสูจน์ได้ขึ้นอยู่กับว่าผู้ตรวจพยายามหักงานหนักแค่ไหน 171 00:11:55,433 --> 00:11:59,786 แล้วเมื่อไหร่ที่คุณควรสร้างสายการผลิต และเมื่อไหร่ที่มันเกินจำเป็น? 172 00:11:59,786 --> 00:12:03,099 มีสามสัญญาณ ถ้าไม่มีสัญญาณไหนเลย ลูปธรรมดาก็เพียงพอ 173 00:12:03,099 --> 00:12:06,152 และการเพิ่มกราฟก็แค่เพิ่มต้นทุนโดยไม่มีประโยชน์ 174 00:12:06,152 --> 00:12:11,479 สัญญาณหนึ่ง โต๊ะเต็มแล้ว บริบทของเอเจนต์คุณพุ่งไปถึงหลายแสนโทเคนและคุณภาพเริ่มตกลง 175 00:12:11,479 --> 00:12:15,637 ให้แบ่งงาน สัญญาณสอง งานมีความเสี่ยงสูง อะไรก็ตามที่ส่งถึงลูกค้า 176 00:12:15,637 --> 00:12:19,145 อะไรก็ตามที่แตะชื่อเสียงของคุณ อะไรก็ตามที่พลาดแล้วแพง 177 00:12:19,145 --> 00:12:22,718 นั่นควรมีผู้ตรวจสอบอิสระด้วยสายตาสดใหม่ และสัญญาณสามคือ 178 00:12:22,718 --> 00:12:27,395 ความเร็วสำคัญ ถ้าเอเจนต์ตัวเดียวไล่ย่อยห้าแหล่งข้อมูลใช้เวลาหนึ่งชั่วโมง 179 00:12:27,395 --> 00:12:31,293 แต่เอเจนต์ห้าตัวแบบขนานใช้เวลา 10 นาที และคุณรันงานนี้ทุกวัน 180 00:12:31,293 --> 00:12:34,931 สายการผลิตก็คืนทุนเร็ว ก้าวแรกใช้เวลาแค่ 10 นาทีกับปากกา 181 00:12:34,931 --> 00:12:39,413 หยิบกระบวนการหนึ่งในธุรกิจคุณมาวาดเป็นกล่อง หนึ่งกล่องต่อหนึ่งขั้นตอน 182 00:12:39,413 --> 00:12:46,039 จากนั้นไล่ดูทีละลูกศรแล้วถามคำถามหนึ่งข้อ ขั้นตอนถัดไปจำเป็นต้องอ่านผลลัพธ์ของขั้นตอนก่อนหน้าจริงหรือ? 183 00:12:46,039 --> 00:12:49,612 ถ้าใช่ ลูกศรนั้นจริง และขั้นตอนเหล่านั้นต้องรันตามลำดับ 184 00:12:49,612 --> 00:12:53,770 ถ้าไม่ใช่ ให้ขีดฆ่าลูกศรทิ้ง เพราะขั้นตอนเหล่านั้นรันพร้อมกันได้ 185 00:12:53,770 --> 00:12:58,382 คนส่วนใหญ่พบสองสามขั้นตอนในสัปดาห์ของตัวเองที่ไม่เคยต้องรอซึ่งกันและกัน 186 00:12:58,382 --> 00:13:01,500 และภาพวาดนั้นคือกราฟแรกของคุณ ส่งให้ Claude Code 187 00:13:01,500 --> 00:13:04,943 บรรยายมัน แล้วเอไอจะสร้างส่วนที่เหลือเอง เวอร์ชันง่าย 188 00:13:04,943 --> 00:13:09,556 ๆ สำหรับธุรกิจคุณ คอนเทนต์รายสัปดาห์ของคุณ เอเจนต์หนึ่งตัวร่างโพสต์ใหม่ 189 00:13:09,556 --> 00:13:13,129 เอเจนต์หนึ่งตัวตรวจร่างกับ voice guide (แนวเสียงแบรนด์) 190 00:13:13,129 --> 00:13:17,026 ของคุณก่อนที่อะไรจะถูกเผยแพร่ แค่สามสถานี ตั้งค่าในบ่ายเดียว 191 00:13:17,026 --> 00:13:21,444 แล้วมันก็รันไปขณะที่คุณทำอย่างอื่น สรุปคือแบบเก่าเป็นเอเจนต์ตัวเดียว 192 00:13:21,444 --> 00:13:26,381 บทสนทนายาวหนึ่งชุด คุณต้องคอยดูแลทุกขั้นตอน และคุณภาพก็พังลงเมื่องานใหญ่ขึ้น 193 00:13:26,381 --> 00:13:30,993 แบบใหม่คือทีมเล็ก ๆ ของเอเจนต์ที่จดจ่อกับงาน มีผู้ตรวจสอบจริงที่ปลายสาย 194 00:13:30,993 --> 00:13:36,125 รันแบบขนานในขณะที่คุณตรวจผลลัพธ์ที่เสร็จแล้ว คนที่เรียนรู้ที่จะวาดกล่องและลูกศร 195 00:13:36,125 --> 00:13:43,401 และใส่ผู้ตรวจสอบที่เหมาะสมไว้ที่ปลายสาย จะทำงานเสร็จในเช้าวันเดียวมากกว่าคนที่ใช้เอเจนต์ตัวเดียวทำในหนึ่งสัปดาห์ 196 00:13:43,401 --> 00:13:47,299 เจ้าของธุรกิจส่วนใหญ่ยังไม่รู้ว่าการเปลี่ยนแปลงกำลังเกิดขึ้น 197 00:13:47,299 --> 00:13:50,482 ซึ่งก็คือเหตุผลที่ตอนนี้คือเวลาที่ต้องเรียนรู้มัน 198 00:13:50,482 --> 00:13:54,900 ถ้าคุณอยากข้ามการลองผิดลองถูก ทุกอย่างในวิดีโอนี้ถูกตั้งค่าไว้แล้วใน 199 00:13:54,900 --> 00:13:58,083 AR boardroom ระบบ agent OS ให้ระบบ dispatcher และ 200 00:13:58,083 --> 00:14:03,605 worker มาให้พร้อมใช้งาน สายการผลิตเอเจนต์แรกของคุณคือการดาวน์โหลดแทนที่จะเป็นการสร้าง 201 00:14:03,605 --> 00:14:07,178 ด้วย camb board ที่คุณหย่อนงานและเอเจนต์หยิบไปทำแบบขนาน 202 00:14:07,178 --> 00:14:12,115 คุณจะได้แผน 30 วันสำหรับเชื่อมมันเข้ากับธุรกิจ บทช่วยสอนแบบทีละขั้นตอนรายวัน 203 00:14:12,115 --> 00:14:16,792 รวมถึงวิธีตั้งค่า reviewer agents เพื่อให้งานของคุณถูกตรวจสอบก่อนเผยแพร่ 204 00:14:16,792 --> 00:14:20,560 และ prompt library (คลังพรอมต์) พร้อมพรอมต์ที่แม่นยำสำหรับ 205 00:14:20,560 --> 00:14:23,873 dispatcher agents, worker agents และ checker agents 206 00:14:23,873 --> 00:14:28,745 คุณยังได้คอลโค้ชสัปดาห์ละสี่ครั้ง ซึ่งคุณสามารถนำภาพวาดเวิร์กโฟลว์ของคุณเอง 207 00:14:28,745 --> 00:14:33,877 ทั้งกล่องและลูกศร มาขอความช่วยเหลือให้เปลี่ยนเป็นระบบที่ใช้งานได้จริงแบบสดในคอล 208 00:14:33,877 --> 00:14:37,060 และด้วยเจ้าของธุรกิจ 3,800 คนข้างใน บวกกับ member 209 00:14:37,060 --> 00:14:43,167 map (แผนที่สมาชิก) ที่ช่วยหาคนใกล้ตัวคุณ มีคนออนไลน์ที่สร้างสิ่งที่คุณกำลังพยายามสร้างอยู่เสมอ 210 00:14:43,167 --> 00:14:46,935 ลิงก์อยู่ในคอมเมนต์หรือคำอธิบาย หรือแค่ไปที่ arprofarm.com 211 00:14:46,935 --> 00:14:53,236 เครื่องมือพร้อมแล้ว งานในที่สุดก็ดีขึ้น คำถามสุดท้ายเหลือเพียงว่าคุณจะสร้างสายการผลิตของคุณตอนนี้ 212 00:14:53,236 --> 00:14:55,120 หรือจะดูคู่แข่งสร้างของพวกเขา