0Pricing
AI Agents · บทเรียน

ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)

ชุดเครื่องมือเริ่มต้น: ค้นหาเว็บ คำนวณ และสอบถามฐานความรู้ ซึ่งครอบคลุมการสาธิตถึง 80%

ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG) 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

ชุดเครื่องมือเริ่มต้น

เครื่องมือสามรายการครอบคลุมการสาธิตเอเจนต์ 80%:

  1. web_search — ค้นหาเว็บสาธารณะ
  2. calculator — ประเมินนิพจน์ทางคณิตศาสตร์
  3. retrieve — ค้นหาฐานความรู้ภายใน (RAG)

เครื่องมือที่ 1: การค้นหาเว็บ

ใช้ Tavily, Serper หรือ Brave Search API:

import requests

def web_search(query: str, k: int = 5):
    r = requests.post('https://api.tavily.com/search',
        json={'api_key': TAVILY_KEY, 'query': query, 'max_results': k})
    results = r.json()['results']
    return [
        {'title': r['title'], 'url': r['url'], 'snippet': r['content'][:300]}
        for r in results
    ]

Web Search Tool Schema

schema_search = {'type': 'function', 'function': {
    'name': 'web_search',
    'description': 'Search the public web. Use for current events or facts after the knowledge cutoff.',
    'parameters': {'type': 'object', 'properties': {
        'query': {'type': 'string', 'description': 'What to search for'},
        'k': {'type': 'integer', 'default': 5}
    }, 'required': ['query']}
}}
import json
print(json.dumps(schema_search, indent=2))

เครื่องมือที่ 2: เครื่องคิดเลข

โมเดลไม่สามารถคำนวณเลขในใจได้อย่างน่าเชื่อถือ เครื่องมือเครื่องคิดเลขช่วยแก้ข้อผิดพลาดด้านตัวเลขส่วนใหญ่ได้:

import math

ALLOWED = {k: getattr(math, k) for k in ['sqrt','log','exp','sin','cos','tan','pi','e']}

def calculator(expression: str) -> str:
    try:
        return str(eval(expression, {'__builtins__': {}}, ALLOWED))
    except Exception as e:
        return f'Error: {e}'

print(calculator('sqrt(16) + 2'))

Calculator Tool Schema

schema_calc = {'type': 'function', 'function': {
    'name': 'calculator',
    'description': 'Evaluate a math expression like 2 + 3 * sqrt(16). Use for any arithmetic.',
    'parameters': {'type': 'object', 'properties': {
        'expression': {'type': 'string'}
    }, 'required': ['expression']}
}}
import json
print(json.dumps(schema_calc, indent=2))

Tool 3: RAG / Knowledge Retrieval

from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma

store = Chroma(persist_directory='./db', embedding_function=OpenAIEmbeddings())

def retrieve(query: str, k: int = 4):
    docs = store.similarity_search(query, k=k)
    return [{'text': d.page_content, 'source': d.metadata.get('source')} for d in docs]

Retrieve Tool Schema

schema_retrieve = {'type': 'function', 'function': {
    'name': 'retrieve',
    'description': 'Search the internal knowledge base for company-specific information (policies, docs, history).',
    'parameters': {'type': 'object', 'properties': {
        'query': {'type': 'string'},
        'k': {'type': 'integer', 'default': 4}
    }, 'required': ['query']}
}}
import json
print(json.dumps(schema_retrieve, indent=2))

เครื่องมือที่ 4: ตัวแปลโค้ด (โบนัส)

สำหรับงานข้อมูล ให้สภาพแวดล้อมแยกสำหรับ Python แก่เอเจนต์:

def run_python(code: str) -> str:
    # Use a sandboxed environment (E2B, Firecracker, gVisor)
    return sandbox.run(code).stdout

เครื่องมือที่ 5: การดึงข้อมูลผ่าน HTTP (โบนัส)

สำหรับดึงข้อมูลจาก URL ที่เจาะจง (หลังจาก web_search ส่งคืนลิงก์ที่น่าสนใจ):

def fetch_url(url: str) -> str:
    r = requests.get(url, timeout=10)
    return BeautifulSoup(r.text, 'html.parser').get_text()[:5000]

เคล็ดลับการอธิบายเครื่องมือ

  • ระบุ WHEN ที่ควรใช้เครื่องมือ ไม่ใช่เพียงบอกว่าเครื่องมือทำอะไร
  • กล่าวถึงอินพุตและเอาต์พุตที่พบได้ทั่วไป
  • ระบุข้อจำกัด เช่น "ใช้ได้เฉพาะกับข้อความภาษาอังกฤษ" หรือ "หมดเวลาใน 5 วินาที"

หลีกเลี่ยงเครื่องมือที่ซ้ำซ้อน

เครื่องมือสองรายการที่มีจุดประสงค์ทับซ้อนกันจะทำให้โมเดลสับสน หาก search_web และ retrieve ต่างก็ "ค้นหา" ให้ระบุในคำอธิบายว่าเมื่อใดควรใช้เครื่องมือแต่ละรายการ

การประเมินการใช้เครื่องมือ

สร้างชุดทดสอบขนาดเล็กที่มีคำถาม 50 ข้อ โดยแต่ละข้อมีเครื่องมือที่ "ถูกต้อง" ซึ่งควรเรียกใช้ จากนั้นเรียกใช้เอเจนต์และวัดว่าเอเจนต์เลือกเครื่องมือที่ถูกต้องบ่อยเพียงใด นี่เป็นตัวชี้วัดที่ให้ข้อมูลอย่างมาก

เครื่องมือที่ซ่อนอยู่

เครื่องมือบางอย่างมีประโยชน์แต่ไม่จำเป็นต้องแสดงเสมอไป ให้แสดงเฉพาะเมื่อเกี่ยวข้อง เช่น refund_order ควรแสดงเฉพาะเมื่อผู้ใช้ยืนยันตัวตนแล้วและสอบถามเกี่ยวกับการคืนเงิน

วิธีปรับปรุงการเลือกที่ดีที่สุด

เอเจนต์ของคุณเลือกเครื่องมือผิดบ่อยเกินไป วิธีแก้ไขที่ง่ายที่สุดคืออะไร?

ทบทวน

ชุดเครื่องมือเริ่มต้น ได้แก่ web_search, calculator และ retrieve สร้างชุดนี้ ประเมินผล และปรับปรุงคำอธิบายเป็นรอบ ๆ ชุดนี้ครอบคลุมกรณีใช้งานเอเจนต์ในช่วงเริ่มต้นส่วนใหญ่

คำถามที่พบบ่อย

บทเรียน “ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)”

ชุดเครื่องมือเริ่มต้น: ค้นหาเว็บ คำนวณ และสอบถามฐานความรู้ ซึ่งครอบคลุมการสาธิตถึง 80% 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 “ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน AI Agents นี้ได้ไหม

ได้ บทเรียน AI Agents ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. ReAct: รูปแบบการให้เหตุผลและลงมือทำ
  2. การพัฒนา ReAct ตั้งแต่ต้น
  3. ชุดเครื่องมือทั่วไป (เว็บ เครื่องคิดเลข RAG)
  4. การตรวจจับและกู้คืนจากข้อผิดพลาดของเครื่องมือ
← กลับไปที่ AI Agents