เอเจนต์ที่ทำงานได้จริง
ไม่ใช่แค่ตอบพรอมต์
เริ่มจากพรอมต์เดียว หรือวาดงานให้เป็นเวิร์กโฟลว์: หาเอกสารที่ถูกต้อง คิดและเรียกเครื่องมือ ตรวจคำตอบ ถามคนเมื่อจำเป็น แล้วตอบกลับ ทุกการรันบอกว่าแต่ละขั้นทำอะไร ใช้ไปเท่าไร และเพราะอะไร
จากไอเดียสู่เอเจนต์ที่ใช้งานได้ในสามขั้นตอน
วาดขึ้นมา ติดอาวุธ แล้ววางไว้ตรงที่งานอยู่
วาดงาน
เลือก Simple สำหรับพรอมต์เดียว หรือ Agentic เพื่อจัดงานเป็นโหนดบนแคนวาส — ค้นข้อมูล คิด ตรวจ แตกแขนง — ต่อกันจากซ้ายไปขวา
ให้สิ่งที่มันต้องใช้
แนบเครื่องมือ ทักษะ ความรู้ และหน่วยความจำให้เอเจนต์หรือให้โหนดเดียว แล้วตั้งการ์ดเรลที่ทุกข้อความต้องผ่าน
ส่งไปทำงาน
ทดสอบบนแคนวาส แล้วเชื่อมกับช่องทางในกล่องข้อความ ตารางเวลา ให้เอเจนต์อื่นใช้เป็นเครื่องมือ หรือ MCP client
วาดงาน
เลือก Simple สำหรับพรอมต์เดียว หรือ Agentic เพื่อจัดงานเป็นโหนดบนแคนวาส — ค้นข้อมูล คิด ตรวจ แตกแขนง — ต่อกันจากซ้ายไปขวา
ให้สิ่งที่มันต้องใช้
แนบเครื่องมือ ทักษะ ความรู้ และหน่วยความจำให้เอเจนต์หรือให้โหนดเดียว แล้วตั้งการ์ดเรลที่ทุกข้อความต้องผ่าน
ส่งไปทำงาน
ทดสอบบนแคนวาส แล้วเชื่อมกับช่องทางในกล่องข้อความ ตารางเวลา ให้เอเจนต์อื่นใช้เป็นเครื่องมือ หรือ MCP client
มากกว่าพรอมต์ที่มีเครื่องมือ
แคนวาสสำหรับงานที่พรอมต์เดียวทำเองไม่ได้
Simple หรือ Agentic
เอเจนต์แบบง่ายคือการเรียกโมเดลครั้งเดียวด้วย system prompt ของคุณ — เหมาะกับถามตอบ แปล และสรุป เอเจนต์แบบ agentic คือกราฟของโหนด สำหรับงานที่ต้องมีหลายขั้นและการตัดสินใจระหว่างขั้น
ขั้นตอนสิบหกแบบ
Agent, Crew, Run Agent, Code, Knowledge และ Skill Retrieval, Drive Action, Condition, Parallel, Loop, Evaluation, Human Review, Message, Send — แต่ละแบบเป็นการ์ดที่ลากลงแคนวาสแล้วต่อกับขั้นถัดไป
ตรวจงานตัวเอง
โหนด Evaluation ให้คะแนนคำตอบด้วยกฎหรือให้ LLM ตัดสิน แล้วส่งต่อ: Pass ไปต่อ Retry ส่งกลับให้เอเจนต์ลองใหม่ ได้ตามจำนวนครั้งที่คุณอนุญาต
มีคนอยู่ตรงจุดสำคัญ
โหนด Human Review หยุดการรันไว้จนกว่าจะมีคนอนุมัติหรือปฏิเสธ และโหนด Message ถามรายละเอียดจากลูกค้าผ่านฟอร์มหรือปุ่มก่อนที่เวิร์กโฟลว์จะไปต่อได้
เครื่องมือ ทักษะ และความรู้
เครื่องมือในตัวหกสิบรายการ HTTP API และ Python ของคุณเอง MCP server และเอเจนต์อื่นในฐานะเครื่องมือ ทักษะโหลดเข้าได้ทุกพรอมต์ หรือเฉพาะเมื่อคำถามตรงกัน — คลังขนาดใหญ่จึงไม่กินโทเคนทุกครั้งที่เรียก
ดูแคตตาล็อกเครื่องมือทดสอบ ตามรอย ย้อนกลับ
รันเวิร์กโฟลว์จากแคนวาสและดูผลลัพธ์ โทเคน และต้นทุนของแต่ละโหนด บันทึกเวอร์ชันของแคนวาส แล้วกู้คืนเมื่อการเปลี่ยนแปลงไม่เวิร์ก
บนแคนวาสมีอะไรบ้าง
ทุกโหนด รายการโมเดล และทุกที่ที่เอเจนต์รันได้
การคิดและการลงมือ
- Agent — โมเดล พรอมต์ และเครื่องมือของตัวเอง ในลูปคิดแล้วลงมือ
- Crew — ทีม CrewAI ที่มีหลายเอเจนต์และหลายงาน
- Run Agent — เรียกเอเจนต์ที่คุณสร้างไว้แล้ว
- Code — Python หรือ Bash ในแซนด์บ็อกซ์ ไม่มีค่า LLM
การควบคุมโฟลว์
- Start — จุดที่ข้อความเข้ามา
- Condition — แตกแขนงตามกฎ ไม่มีค่า LLM
- Parallel — รันทุกแขนงขาออกพร้อมกัน
- Loop และ Exit Loop — วนตามรายการหรือ N ครั้ง
การตรวจและคน
- Evaluation — กฎหรือ LLM ตัดสิน แล้ว Pass หรือ Retry
- Human Review — หยุดรออนุมัติหรือปฏิเสธ
- Message — ข้อความแชท ฟอร์ม หรือปุ่ม
- Send — ส่งข้อความถึงลูกค้าแล้วไปต่อ
ความรู้และข้อมูล
- Knowledge Retrieval — ค้นแบบความหมาย คีย์เวิร์ด หรือแบบผสม
- Skill Retrieval — จับคู่ทักษะโดยไม่ต้องมีขั้น LLM
- Drive Action — สร้าง อ่าน หรืออัปเดตเอกสาร ตาราง มายด์แมป และสตอรีบอร์ด
- หน่วยความจำที่คงอยู่ระหว่างบทสนทนา และหน่วยความจำของเวิร์กสเปซที่ทุกเอเจนต์ใช้ร่วมกัน
โมเดล
- Anthropic, OpenAI, Google และ DeepSeek
- Alibaba Qwen, Z.AI GLM, xAI และ MiniMax
- โมเดลต่อโหนด Agent ไม่ใช่โมเดลเดียวทั้งเวิร์กโฟลว์
- หักจากเครดิตของเวิร์กสเปซ — ไม่ต้องจัดการคีย์ของผู้ให้บริการ
รันที่ไหนได้บ้าง
- ช่องทางในกล่องข้อความ: Messenger, Telegram, Zalo ส่วนตัว แชทบนเว็บไซต์
- ตัวจัดตารางเวลา ตามรอบที่กำหนด
- เอเจนต์ตัวอื่น ในฐานะเครื่องมือ
- MCP client อย่าง Claude Code และ Cursor
- Playground ก่อนที่ลูกค้าคนไหนจะเห็น
ช่องพิมพ์พรอมต์ กับ ตัวสร้างเอเจนต์
งานเดียวกัน สร้างได้สองแบบ
พรอมต์เดียวพยายามค้นข้อมูล คิด ตรวจ และตอบไปพร้อมกัน — และไม่รู้ว่าส่วนไหนพัง
งานแต่ละอย่างคือโหนดของมันเอง และบันทึกการรันบอกว่าแต่ละโหนดรับอะไร ส่งอะไร และใช้ไปเท่าไร
คำตอบผิดส่งตรงถึงลูกค้า
โหนด Evaluation ดักไว้และส่งกลับไปลองใหม่ก่อนที่ใครจะเห็น
การกระทำที่มีความเสี่ยงต้องให้นักพัฒนาสร้างขั้นอนุมัติ
วางโหนด Human Review ไว้ข้างหน้า แล้วการรันจะรอคำว่าใช่
การเปลี่ยนแปลงที่ทำให้เอเจนต์พังหมายถึงต้องสร้างใหม่จากความจำ
กู้คืนเวอร์ชันของแคนวาสจากก่อนการเปลี่ยนแปลง
คำถามเกี่ยวกับตัวสร้างเอเจนต์
สิ่งที่คนถามก่อนสร้างเวิร์กโฟลว์แรก
สร้างเอเจนต์ ที่งานของคุณต้องการจริงๆ
เริ่มจากพรอมต์ แล้วขยายเป็นเวิร์กโฟลว์เมื่องานต้องการ