บทบาทและความเชี่ยวชาญของเอเจนต์
กำหนดบทบาทเฉพาะด้านให้เอเจนต์แต่ละตัว เช่น ผู้วางแผน นักเขียนโค้ด นักวิจารณ์ และผู้ดำเนินการ เพื่อให้ทำงานได้ดีกว่าเอเจนต์ทั่วไป
บทบาทและความเชี่ยวชาญของเอเจนต์ เป็นบทเรียน AI Agents ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Agents และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน
บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ
เหตุใดความเชี่ยวชาญเฉพาะด้านจึงช่วยได้
เอเจนต์ที่มุ่งเน้นและมีพรอมป์รัดกุมกับชุดเครื่องมือขนาดเล็กให้ผลดีกว่าเอเจนต์รอบด้านที่มีทุกอย่าง เหตุผลมีดังนี้:
- สามารถเขียนพรอมป์ให้ยาวและเฉพาะเจาะจงตามบทบาทได้มากขึ้น
- คำอธิบายเครื่องมือสะอาดขึ้น (มีตัวเลือกน้อยลงจนไม่ทำให้โมเดลสับสน)
- แก้จุดบกพร่องและประเมินได้ง่ายขึ้น
- เอเจนต์แต่ละตัวสามารถใช้โมเดลที่มีขนาดแตกต่างกันได้
บทบาททั่วไป
- ผู้วางแผน — แบ่งงานออกเป็นขั้นตอน
- Researcher — รวบรวมข้อมูล
- Coder — เขียนโค้ด
- ผู้ตรวจทาน / นักวิจารณ์ — ค้นหาข้อบกพร่อง
- บรรณาธิการ — ขัดเกลาเอาต์พุต
- ผู้ดำเนินการ — เรียกใช้คำสั่งหรือเครื่องมือ
Define a Role Clearly
RESEARCHER_PROMPT = '''
You are Researcher. Your job is to gather facts.
Never write code. Never make final decisions.
Return 3-5 sourced findings with URLs.
When finished, end your message with: HANDOFF: planner
'''
print(RESEARCHER_PROMPT.strip())
เครื่องมือแยกตามบทบาท
รายการอนุญาตเครื่องมือแบบเคร่งครัดสำหรับแต่ละบทบาท:
researcher_tools = ['web_search', 'fetch_url']
coder_tools = ['read_file', 'write_file', 'run_python']
reviewer_tools = [] # critique-only, no tools
print("Researcher tools:", researcher_tools)
print("Coder tools:", coder_tools)
print("Reviewer tools:", reviewer_tools)
โมเดลแยกตามบทบาท
ใช้โมเดลราคาถูกสำหรับบทบาทง่าย ๆ และใช้โมเดลขนาดใหญ่สำหรับบทบาทที่ยาก:
ROLE_MODELS = {
'planner': 'gpt-4o', # critical role
'researcher': 'gpt-4o-mini', # routine
'coder': 'gpt-4o', # hard
'reviewer': 'claude-sonnet-4-5' # second opinion
}
for role, model in ROLE_MODELS.items():
print(f"{role}: {model}")
การวิจารณ์ข้ามโมเดล
เพื่อให้ได้คุณภาพสูงขึ้น ให้ใช้ตระกูลโมเดลอื่นสำหรับการวิจารณ์ วิธีนี้ช่วยลดข้อผิดพลาดจากอคติร่วมกัน:
- Coder: GPT-4
- ผู้ตรวจทาน: Claude
- หากทั้งสองเห็นตรงกัน ให้นำไปใช้งาน หากไม่ตรงกัน ให้ส่งต่อเพื่อยกระดับ
โพรโทคอลการส่งต่องาน
เอเจนต์ต้องมีวิธีส่งต่องานที่ชัดเจน ตัวอย่างข้อตกลงง่าย ๆ คือ:
# Each message ends with one of:
HANDOFF: <role_name>
FINAL: <answer>
ABORT: <reason>การแบ่งความเชี่ยวชาญตามประเภทงาน
บางทีมอาจเพิ่มผู้เชี่ยวชาญเฉพาะด้าน:
- ผู้ตรวจสอบด้านกฎหมายสำหรับการปฏิบัติตามข้อกำหนด
- ผู้ตรวจสอบด้านความปลอดภัยสำหรับความปลอดภัยของโค้ด
- ผู้เชี่ยวชาญเฉพาะด้านสำหรับความรู้ในอุตสาหกรรม
การจำกัดจำนวนตามบทบาท
การกำหนดขีดจำกัดสำหรับแต่ละบทบาทช่วยป้องกันการทำงานที่เพิ่มขึ้นอย่างควบคุมไม่ได้:
MAX_ROLE_INVOCATIONS = {
'planner': 3,
'researcher': 5,
'coder': 10,
'reviewer': 3
}
for role, cap in MAX_ROLE_INVOCATIONS.items():
print(f"{role}: max {cap} invocations")
อย่าแบ่งความเชี่ยวชาญย่อยมากเกินไป
การเพิ่มจาก 3 บทบาทเป็น 30 บทบาททำให้เกิดปัญหา: การเลือกของผู้ควบคุมไม่น่าเชื่อถือ เวลาแฝงเพิ่มขึ้นมาก และ "ผู้เชี่ยวชาญ" ส่วนใหญ่ทำงานซ้ำกัน
เพิ่มบทบาทเฉพาะเมื่อวัดผลได้ว่ามีประโยชน์จริง
การประเมินแยกตามบทบาท
ทดสอบแต่ละบทบาทแยกกัน:
- การประเมินนักวิจัย: ให้ข้อเท็จจริงพร้อมแหล่งอ้างอิงหรือไม่
- การประเมินผู้เขียนโค้ด: โค้ดคอมไพล์และผ่านการทดสอบหรือไม่
- การประเมินผู้ตรวจสอบ: ตรวจพบข้อบกพร่องที่ทราบอยู่แล้วหรือไม่
ความสามารถในการประกอบใช้
สามารถนำบทบาทกลับมาใช้ซ้ำในระบบเอเจนต์หลายระบบได้ นักวิจัยที่ปรับแต่งมาอย่างดีสามารถทำงานได้ทั้งกับกระบวนการทำงานสำหรับผู้เขียนเอกสารและกระบวนการตรวจสอบข้อเท็จจริง
เหตุใดจึงต้องมีบทบาท
ประโยชน์หลักของการกำหนดบทบาทที่ชัดเจนให้เอเจนต์แต่ละตัวคืออะไร
ทบทวน
วางแผน -> วิจัย -> เขียนโค้ด -> ตรวจทาน เป็นกระบวนการทำงานตั้งต้นที่ดีมาก ใช้คำสั่งที่กระชับ เครื่องมือที่จำกัด โมเดลแยกตามบทบาท และโพรโทคอลการส่งต่องาน เพิ่มบทบาทเฉพาะเมื่อวัดผลได้ว่ามีประโยชน์จริง
คำถามที่พบบ่อย
บทเรียน “บทบาทและความเชี่ยวชาญของเอเจนต์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “บทบาทและความเชี่ยวชาญของเอเจนต์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “บทบาทและความเชี่ยวชาญของเอเจนต์”
กำหนดบทบาทเฉพาะด้านให้เอเจนต์แต่ละตัว เช่น ผู้วางแผน นักเขียนโค้ด นักวิจารณ์ และผู้ดำเนินการ เพื่อให้ทำงานได้ดีกว่าเอเจนต์ทั่วไป คุณปฏิบัติ AI Agents ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Agents หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Agents บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน
บทเรียน “บทบาทและความเชี่ยวชาญของเอเจนต์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน AI Agents นี้ได้ไหม
ได้ บทเรียน AI Agents ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- หลายเอเจนต์แบบสนทนา (AutoGen)
- ผู้ควบคุมแบบลำดับชั้น (ผู้ประสานงาน + ผู้ปฏิบัติงาน)
- บทบาทและความเชี่ยวชาญของเอเจนต์
- โพรโทคอลการสื่อสาร (บัสข้อความ)