LLM Agent คืออะไร?

LLM agent คืออะไร?

LLM agent คือระบบ AI ที่ใช้โมเดลภาษาขนาดใหญ่เป็นเครื่องยนต์ให้เหตุผลหลัก จากนั้นผสานเข้ากับการวางแผน หน่วยความจำ เครื่องมือ และตรรกะการทำงาน เพื่อทำงานให้สำเร็จ นอกเหนือจากการสร้างคำตอบเป็นข้อความแล้ว LLM agent ยังสามารถทำความเข้าใจเป้าหมาย ตัดสินใจว่าต้องทำขั้นตอนใดบ้าง ใช้เครื่องมือภายนอก สังเกตผลลัพธ์ และทำงานต่อไปจนกว่าจะได้ผลลัพธ์ที่เป็นประโยชน์

LLM agent กับแชทบอท ต่างกันอย่างไร?

แชทบอทพื้นฐานถูกออกแบบมาเพื่อการสนทนา มันรับข้อความจากผู้ใช้แล้วสร้างคำตอบกลับไป วิธีนี้ใช้ได้ดีกับคำถามที่สามารถตอบได้ในคำตอบเดียว

LLM agent ถูกออกแบบมาเพื่อทำงานให้สำเร็จ มันสามารถวางแผนลำดับการกระทำได้ ยกตัวอย่างเช่น แชทบอทสามารถอธิบายวิธีสร้างงานนำเสนอได้ ในขณะที่ LLM agent สามารถช่วยรวบรวมข้อมูล จัดโครงเรื่อง สร้างสไลด์ ปรับปรุงถ้อยคำ และผลิตผลงานที่สมบูรณ์ยิ่งขึ้นได้

จุดนี้เองที่ผลิตภัณฑ์อย่าง Kimi Agent เข้ามามีบทบาทได้อย่างเป็นธรรมชาติ Kimi Agent สามารถรองรับเวิร์กโฟลว์ต่าง ๆ เช่น การค้นคว้าข้อมูล การประมวลผลเอกสาร การสร้างเนื้อหา PPT การวิเคราะห์สเปรดชีต และการจัดการงานหลายขั้นตอนที่ต้องการมากกว่าคำตอบเดียว

สถาปัตยกรรมของ LLM agent

สถาปัตยกรรมของ LLM agent โดยทั่วไปประกอบด้วยส่วนต่าง ๆ ที่เชื่อมโยงกันหลายส่วน LLM ทำหน้าที่เป็นแกนกลางในการให้เหตุผล แต่มันไม่ใช่ระบบทั้งหมด เพื่อให้ทำงานจริงได้สำเร็จ agent ยังต้องอาศัยการวางแผน หน่วยความจำ เครื่องมือ การสังเกตผล และมาตรการด้านความปลอดภัย

สถาปัตยกรรม LLM agent แบบง่ายมีลักษณะดังนี้:

แต่ละองค์ประกอบมีบทบาทแตกต่างกัน แกนกลางของ agent จะตัดสินใจว่าควรทำอะไร การวางแผนช่วยแบ่งงานออกเป็นขั้นตอน หน่วยความจำช่วยติดตามบริบท และเครื่องมือช่วยให้ agent สามารถโต้ตอบกับระบบภายนอกได้

แกนกลางของ agent: LLM ในฐานะสมอง

แกนกลางของ agent มักจะเป็นโมเดลภาษาขนาดใหญ่ ทำหน้าที่ตีความคำขอของผู้ใช้ ทำความเข้าใจเป้าหมาย ตัดสินใจว่าต้องการข้อมูลอะไร และเลือกการดำเนินการถัดไป

คุณอาจมองว่า LLM เป็นเหมือนสมองของ agent มันคอยประสานงานเวิร์กโฟลว์ทั้งหมด แต่ก็ยังต้องอาศัยส่วนอื่น ๆ ของระบบเพื่อให้ทำงานได้อย่างมีประโยชน์ หากไม่มีเครื่องมือ มันทำได้แค่สร้างข้อความ หากไม่มีหน่วยความจำ มันอาจหลงลืมงานที่กำลังทำอยู่ หากไม่มีการวางแผน มันอาจรับมือกับเวิร์กโฟลว์ที่ยาวหรือซับซ้อนได้ยาก และหากไม่มีขอบเขตด้านความปลอดภัย มันอาจดำเนินการบางอย่างที่ควรต้องมีการตรวจสอบยืนยันก่อน

ใน agent ที่ออกแบบมาอย่างดี LLM จะไม่ทำงานตามลำพัง แต่จะทำงานอยู่ในระบบที่กำหนดบทบาทของมัน เครื่องมือที่ใช้ได้ ขอบเขตของงาน และกฎเกณฑ์ว่าเมื่อใดควรหยุดหรือขอการยืนยัน

การวางแผน: agent แบ่งงานที่ซับซ้อนอย่างไร

การวางแผนช่วยให้ LLM agent สามารถแปลงคำขอขนาดใหญ่ให้กลายเป็นขั้นตอนย่อย ๆ ที่จัดการได้ง่ายขึ้น สิ่งนี้สำคัญเป็นพิเศษเมื่อคำตอบไม่สามารถหาได้จากการตอบเพียงครั้งเดียว

agent บางตัวจะสร้างแผนตั้งแต่ต้นแล้วปฏิบัติตามทีละขั้นตอน ในขณะที่บางตัวใช้ลูปที่ยืดหยุ่นกว่า คือดำเนินการหนึ่งอย่าง สังเกตผลลัพธ์ แล้วปรับแผนใหม่ เทคนิคอย่าง ReAct และ Reflexion มักถูกกล่าวถึงในบริบทนี้ เนื่องจากมันผสมผสานการให้เหตุผล การดำเนินการ ผลตอบรับ และการปรับตัวเข้าด้วยกัน

การวางแผนคือสิ่งที่ช่วยให้ agent ก้าวจากการ “ตอบ prompt” ไปสู่การ “จัดการเวิร์กโฟลว์”

หน่วยความจำ: agent เก็บบริบทไว้อย่างไร

หน่วยความจำช่วยให้ agent ติดตามได้ว่าเกิดอะไรขึ้นแล้วและยังมีอะไรที่ต้องทำต่อ

หน่วยความจำระยะสั้นจะถูกใช้ในระหว่างงานปัจจุบัน ซึ่งอาจรวมถึงคำขอของผู้ใช้ ผลลัพธ์จากเครื่องมือล่าสุด บันทึกระหว่างทาง และแผนปัจจุบัน สิ่งนี้ช่วยให้ agent ทำงานได้อย่างต่อเนื่องและสอดคล้องกันตลอดเวิร์กโฟลว์ที่มีหลายขั้นตอน

หน่วยความจำระยะยาวจะจัดเก็บข้อมูลข้ามการโต้ตอบต่าง ๆ ซึ่งอาจรวมถึงความชอบของผู้ใช้ การตัดสินใจก่อนหน้า ประวัติของโปรเจกต์ หรือข้อเท็จจริงที่เป็นประโยชน์จากงานก่อนหน้า หน่วยความจำระยะยาวมีประโยชน์อย่างยิ่งเมื่อ agent จำเป็นต้องปรับแต่งงานในอนาคตให้เหมาะกับแต่ละบุคคล หรือสานต่อโปรเจกต์เดิมไปตามกาลเวลา

หน่วยความจำไม่ได้หมายความว่า agent “เข้าใจ” ทุกสิ่งเหมือนมนุษย์ แต่หมายความว่าระบบมีวิธีจัดเก็บ เรียกใช้ และนำบริบทที่เกี่ยวข้องมาใช้ในการตัดสินใจ

เครื่องมือ: LLM agent ลงมือทำอย่างไร

เครื่องมือคือสิ่งที่ทำให้ LLM agent สามารถดำเนินการนอกเหนือจากตัวโมเดลเองได้ ซึ่งอาจรวมถึงเสิร์ชเอนจิน ฐานข้อมูล ตัวแปลรหัส ระบบไฟล์ เบราว์เซอร์ API เครื่องคิดเลข ซอฟต์แวร์สำหรับองค์กร หรือระบบเฉพาะทางอื่น ๆ

ตัวอย่างเช่น agent อาจใช้:

• เครื่องมือค้นหาเพื่อรวบรวมข้อมูลปัจจุบัน

• ตัวเชื่อมต่อฐานข้อมูลเพื่อดึงข้อมูลทางธุรกิจ

• ตัวแปลรหัสเพื่อรันการคำนวณ

• เครื่องมือไฟล์เพื่ออ่านและแก้ไขเอกสาร

• เครื่องมือสเปรดชีตเพื่อทำความสะอาดและวิเคราะห์ข้อมูล

• API เพื่ออัปเดตเวิร์กโฟลว์หรือกระตุ้นการดำเนินการ

เครื่องมือคือหนึ่งในความแตกต่างที่ใหญ่ที่สุดระหว่างแชตบอทกับ agent แชตบอทบอกคุณได้ว่าควรทำอะไร ส่วน agent ที่มีเครื่องมือช่วยลงมือทำสิ่งนั้นได้จริง

เฟรมเวิร์กของ LLM agent

เฟรมเวิร์กของ LLM agent ช่วยให้นักพัฒนาสร้าง เชื่อมต่อ และจัดการระบบ agentic ได้ แทนที่จะต้องเชื่อมโยง prompt เครื่องมือ หน่วยความจำ ตรรกะการวางแผน สถานะของเวิร์กโฟลว์ บันทึก และขั้นตอนการประเมินผลด้วยตัวเองทั้งหมด นักพัฒนาสามารถใช้เฟรมเวิร์กเพื่อสร้างเวิร์กโฟลว์ของ agent ที่นำกลับมาใช้ซ้ำได้

เฟรมเวิร์ก agent จำนวนมากถูกสร้างขึ้นโดยเน้นเรื่องการจัดการงาน (orchestration) การดึงข้อมูล การทำงานร่วมกันแบบหลาย agent และการนำไปใช้งานจริง LangGraph เน้นการจัดการ agent แบบมีสถานะที่ทำงานต่อเนื่องเป็นเวลานาน LlamaIndex มักใช้กับ agent ที่เชื่อมต่อกับข้อมูล โดยเฉพาะเมื่อแอปพลิเคชันต้องการการดึงข้อมูล การแยกวิเคราะห์เอกสาร การจัดทำดัชนี และเวิร์กโฟลว์การค้นหา Haystack รองรับแอปพลิเคชัน LLM ที่พร้อมใช้งานจริง ทั้งการดึงข้อมูล การค้นหา การประมวลผลเอกสาร และเวิร์กโฟลว์ของ agent ส่วน CrewAI ออกแบบมาสำหรับเวิร์กโฟลว์แบบหลาย agent ที่ agent แต่ละตัวรับบทบาทต่างกันและประสานงานกันผ่านกระบวนการที่ใช้ร่วมกัน

เฟรมเวิร์กเหล่านี้ไม่ใช่ agent ในตัวเอง แต่เป็นโครงสร้างพื้นฐานรอบตัว agent ว่า agent จะรับข้อมูลบริบทอย่างไร เรียกใช้เครื่องมืออย่างไร จดจำข้อมูลอย่างไร ประสานขั้นตอนต่าง ๆ อย่างไร กู้คืนจากความล้มเหลวอย่างไร และสร้างผลลัพธ์ที่สามารถตรวจสอบหรือปรับปรุงได้อย่างไร ในทางปฏิบัติ เฟรมเวิร์กที่เหมาะสมจะขึ้นอยู่กับเวิร์กโฟลว์ที่ต้องการ agent สำหรับงานวิจัยหรือเอกสารอาจต้องการการดึงข้อมูลและการอ้างอิงแหล่งที่มา agent สำหรับการเขียนโค้ดอาจต้องการการเข้าถึงไฟล์ การรันคำสั่งในเทอร์มินัล และผลตอบรับจากการทดสอบ ส่วน agent สำหรับงานอัตโนมัติทางธุรกิจอาจต้องการสถานะของเวิร์กโฟลว์ จุดตรวจอนุมัติ ความสามารถในการตรวจสอบ และการเชื่อมต่อกับระบบภายในองค์กร

LLM agent ทำอะไรได้บ้าง

LLM agent กลายเป็นเครื่องมือสำคัญในหลายอุตสาหกรรมและตำแหน่งงาน ในส่วนต่อไปนี้จะใช้ Kimi เป็นตัวอย่างเพื่อแสดงให้เห็นว่า LLM agent สามารถนำไปใช้ในสถานการณ์ต่าง ๆ ได้อย่างไร

การวิจัยและการสังเคราะห์ข้อมูล

การวิจัยเป็นหนึ่งในกรณีใช้งานที่ชัดเจนที่สุดสำหรับ LLM agent เพราะโดยทั่วไปแล้วต้องมีการค้นหา อ่าน เปรียบเทียบ แยกข้อมูล สรุป และจัดระเบียบข้อมูล เวิร์กโฟลว์แบบ agentic สามารถประมวลผลแหล่งข้อมูลต่าง ๆ และสร้างผลลัพธ์ที่มีโครงสร้างมากขึ้น ใน Kimi ผู้ใช้สามารถใช้ Kimi Deep Research สำหรับเวิร์กโฟลว์การวิจัยที่ยาวขึ้น เหมาะสำหรับบรีฟเชิงลึก การวิเคราะห์หัวข้อ การสำรวจตลาด และรายงานที่มีการอ้างอิงแหล่งที่มา

ตัวอย่างพรอมต์:

การเขียน การสรุป และการวางแผนเนื้อหา

LLM agent สามารถช่วยงานเขียนได้โดยเปลี่ยนข้อมูลนำเข้าที่ยุ่งเหยิงให้เป็นผลลัพธ์ที่มีโครงสร้าง เช่น สรุปเนื้อหายาว สร้างสรุปโครงร่าง เขียนร่างส่วนต่าง ๆ ปรับน้ำเสียง และแก้ไขตามผลตอบรับ Kimi LLM agent สามารถใช้สำหรับงานเขียนและการสนทนาแบบบริบทยาว ซึ่งมีประโยชน์เมื่อต้องทำงานกับบันทึกแหล่งข้อมูล เอกสารยาว หรือภารกิจด้านเนื้อหาที่มีหลายขั้นตอน

การวิเคราะห์ข้อมูลและงานสเปรดชีต

งานธุรกิจจำนวนมากเกิดขึ้นในสเปรดชีต LLM agent สามารถช่วยจัดการข้อมูลให้สะอาด ระบุแนวโน้ม สร้างสูตร อธิบายตาราง และสร้างกราฟหรือสรุปในรูปแบบพิวอต ด้วย Kimi Sheets คุณสามารถสร้างสเปรดชีต สร้างสูตร สร้างตารางพิวอตและกราฟ แปลงรูปแบบไฟล์ และจัดการข้อมูลที่ยุ่งเหยิงให้เรียบร้อย

ตัวอย่างเวิร์กโฟลว์ในสเปรดชีตที่เป็นไปได้ ได้แก่:

• การจัดการชื่อ หมวดหมู่ หรือรูปแบบวันที่ที่ไม่สอดคล้องกันให้เรียบร้อย

• การอธิบายสูตรและสร้างสูตรใหม่

• การสรุปผลสำรวจหรือข้อมูลการขาย

• การสร้างกราฟสำหรับรายงาน

• การแปลงข้อมูลที่ไม่มีโครงสร้างให้เป็นตาราง

การตรวจสอบโดยมนุษย์ยังคงมีความสำคัญ agent อาจตีความข้อมูลที่ยุ่งเหยิงผิดหรือเลือกวิธีวิเคราะห์ที่ไม่ถูกต้อง แต่สำหรับงานสเปรดชีตที่ทำซ้ำ ๆ agent สามารถช่วยลดความพยายามที่ต้องทำด้วยมือและช่วยให้ผู้ใช้ทำงานได้เร็วขึ้น

การเขียนโค้ด การทดสอบ และการทำงานอัตโนมัติ

LLM agent มีประโยชน์มากขึ้นในการพัฒนาซอฟต์แวร์ เนื่องจากการเขียนโค้ดโดยธรรมชาติแล้วมีหลายขั้นตอน นักพัฒนาอาจต้องเข้าใจความต้องการ ตรวจสอบตรรกะที่มีอยู่ สร้างโค้ด ทดสอบผลลัพธ์ อ่านข้อผิดพลาด และแก้ไขการทำงาน ใน Kimi ผู้ใช้สามารถขอให้สร้างโค้ด อธิบายโค้ด แนวทางการดีบัก สคริปต์เล็ก ๆ และแผนการทำงานอัตโนมัติ

เอกสาร สไลด์ เว็บไซต์ และงานปฏิบัติการทางธุรกิจ

LLM agent มีประโยชน์เมื่อผลลัพธ์สุดท้ายไม่ใช่แค่ข้อความ งานหลายอย่างเป็นผลงานที่มีโครงสร้าง เช่น เอกสาร งานนำเสนอ สเปรดชีต เว็บไซต์ รายงาน และแผนปฏิบัติการ Kimi สามารถวางแผนและทำงานให้เสร็จ เช่น การสร้างเว็บไซต์ การสร้าง PPT การวิจัยเชิงลึก และการจัดการเอกสารหรือสเปรดชีต

เวิร์กโฟลว์แบบหลาย agent สำหรับงานขนาดใหญ่

บางงานกว้างเกินกว่าที่จะทำในเวิร์กโฟลว์เชิงเส้นเพียงเส้นเดียว การวิจัยคู่แข่ง งานเขียนขนาดยาว การค้นหาขนาดใหญ่ การวิเคราะห์เป็นชุด และการสังเคราะห์จากหลายแหล่งอาจได้ประโยชน์จาก agent หลายตัวที่ทำงานพร้อมกัน Kimi Agent Swarm เป็นผลิตภัณฑ์สำหรับงาน agentic ขนาดใหญ่ รองรับการเรียกใช้เครื่องมือแบบพร้อมกันได้สูงสุด 4,000 ครั้ง และสามารถจัดการ sub-agent ได้มากกว่า 300 ตัว สำหรับกรณีใช้งานเช่นการค้นหาขนาดใหญ่ งานเขียนขนาดยาว และงานเป็นชุด ข้อดีคือความเร็วและความครอบคลุม

ประโยชน์ของ LLM agent

LLM agent มีประโยชน์เพราะสามารถจัดการงานที่ต้องการมากกว่าหนึ่งการตอบสนอง

ประการแรก agent สามารถจัดการเวิร์กโฟลว์ที่มีหลายขั้นตอนได้ รายงานวิจัย การแก้โค้ด การวิเคราะห์สเปรดชีต หรือการทำงานนำเสนอ มักไม่สามารถทำให้เสร็จได้ในขั้นตอนเดียว agent สามารถแยกงานเหล่านี้ออกเป็นส่วน ๆ และดำเนินการอย่างเป็นระบบ

ประการที่สอง agent เชื่อมต่อกับเครื่องมือและระบบภายนอกได้ ทำให้สามารถค้นหาข้อมูลบนเว็บ อ่านเอกสาร รันโค้ด วิเคราะห์ข้อมูล หรือทำงานร่วมกับซอฟต์แวร์ทางธุรกิจ

ประการที่สาม agent สามารถรักษาบริบทไว้ได้ หน่วยความจำช่วยให้ agent ติดตามได้ว่าทำอะไรไปแล้วและยังต้องทำอะไรอีก

ประการที่สี่ agent ช่วยลดการสลับไปมาระหว่างเครื่องมือด้วยมือ ผู้ใช้ไม่จำเป็นต้องสลับระหว่างเครื่องมือด้วยตนเองอีกต่อไป เพราะ agent จัดการกระบวนการนี้ให้แทน

ประการที่ห้า agent สามารถให้ผลลัพธ์ที่ปรับให้เหมาะกับแต่ละบุคคลได้มากขึ้น เมื่อ agent มีบริบทที่เกี่ยวข้อง มันสามารถปรับผลลัพธ์ให้เข้ากับงาน เอกสาร ข้อมูล หรือรูปแบบที่ผู้ใช้ต้องการได้

สรุป

LLM agent ผสานโมเดลภาษาเข้ากับความสามารถของ agent เพื่อทำงานที่มากกว่าการตอบคำถามเพียงครั้งเดียว โดยสามารถจัดการเวิร์กโฟลว์แบบหลายขั้นตอนในงานวิจัย การวิเคราะห์ข้อมูล การเขียนโค้ด และการสร้างเนื้อหา พร้อมทั้งปรับการดำเนินการตามข้อมูลใหม่ที่ได้รับ เมื่อความสามารถของ agent เพิ่มขึ้น การมีเป้าหมายที่ชัดเจนและการตรวจสอบโดยมนุษย์ยังคงมีความสำคัญต่อการได้ผลลัพธ์ที่น่าเชื่อถือ