การจัดการบริบทของ AI Agent คืออะไร?
การจัดการบริบทของ AI agent คือการคัดเลือก จัดระเบียบ และอัปเดตข้อมูลที่ agent ใช้ในการทำงาน ภายใต้ขอบเขตการเข้าถึงที่มีอยู่ สำหรับทีม ข้อมูลเหล่านี้อยู่ในโค้ด กล่องจดหมายที่ใช้ร่วมกัน ช่องทางทีม และการตัดสินใจที่ต้องถูกต้องและเข้าถึงได้โดยผู้ที่เหมาะสม
ความเข้าใจนี้เริ่มต้นจากบริบทที่ใช้ร่วมกัน พัฒนาโดยการสื่อสาร นำไปปฏิบัติได้ผ่านสิ่งประดิษฐ์ที่จับต้องได้ และยังคงมีประโยชน์ด้วยการดูแลอย่างสม่ำเสมอ
เริ่มจากเวิร์กโฟลว์เดียว: ค้นหาแหล่งข้อมูลที่เชื่อถือได้ ดึงเฉพาะสิ่งที่งานปัจจุบันต้องการ และสร้างสรุปที่เชื่อมโยงกลับไปยังหลักฐาน แยกการตัดสินใจออกจากข้อเสนอ อัปเดตสรุปเมื่อมีการปล่อยอัปเดตลูกค้า หรือเปลี่ยนแปลงสิทธิ์ที่ทำให้ข้อมูลล้าสมัย
1. ทำแผนที่บริบทที่ใช้ร่วมกันสำหรับ AI Agent
ทุกทีมมีบันทึกความรู้และการตัดสินใจที่กระจายอยู่แล้ว ขั้นตอนแรกของการนำ agent มาใช้คือระบุว่าบันทึกเหล่านั้นอยู่ที่ใด
หน้าต่างบริบทของ agent คือข้อมูลที่ใช้ในงานปัจจุบัน หน่วยความจำของ AI agent เก็บข้อมูลไว้สำหรับเรียกใช้ในภายหลัง บริบทที่ใช้ร่วมกันคือความรู้ของทีมในเครื่องมือแต่ละอย่าง ระบบจัดการบริบทที่ดีจะเลือกเฉพาะส่วนที่เกี่ยวข้องกับแต่ละงานและเก็บลิงก์ไปยังต้นฉบับ
งานคัดเลือกและดูแลนี้เรียกอีกอย่างว่า context engineering คู่มือ context engineering ของ Anthropic อธิบายการดึงข้อมูลเมื่อจำเป็นและสรุปเนื้อหาเก่าเพื่อให้บริบทการทำงานของ agent มีความชัดเจน สำหรับทีม คำถามที่สำคัญคือหลักฐานใดช่วยในการตัดสินใจปัจจุบัน
สำหรับทีมผลิตภัณฑ์ โค้ดเป็นแหล่งบริบทสำคัญ ร่วมกับบันทึกการปล่อยและการนำไปใช้ ช่วยระบุว่าผลิตภัณฑ์ทำอะไรอยู่ กล่องจดหมายที่ใช้ร่วมกันให้มุมมองอีกด้าน: คำถามจากลูกค้า ปัญหาที่พบ และเป้าหมายที่ต้องการ ช่องทางทีมบันทึกการสนทนา ข้อจำกัด ข้อตกลง และเหตุผลเบื้องหลังการตัดสินใจ
แหล่งข้อมูลเหล่านี้ตอบคำถามต่างกัน โค้ดอธิบายการนำไปใช้ ข้อมูลการปล่อยระบุว่าถึงมือลูกค้าหรือยัง การสนทนากับลูกค้าเผยประสบการณ์ผู้ใช้ การพูดคุยภายในช่วยอธิบายเหตุผลของทีม
Agent ต้องมีแผนที่ของแหล่งเหล่านี้: แต่ละแหล่งมีอะไร ตอบคำถามใด ใครดูแล และข้อมูลใหม่แค่ไหน แผนที่นี้คือบริบทตั้งต้นสำหรับการทำงานร่วมกันที่มีประสิทธิภาพ
Agent ควรรับรู้เมื่อแหล่งข้อมูลขัดแย้งกัน เช่น ข้อความในช่องทางอาจพูดถึงการปล่อยที่วางแผนไว้ แต่บันทึกการปล่อยแสดงว่ายังไม่เกิดขึ้น หรือเอกสารอาจอธิบายเวอร์ชันเก่าของผลิตภัณฑ์ การเปิดเผยความแตกต่างเหล่านี้ช่วยให้ทีมเริ่มต้นจากข้อมูลที่ถูกต้อง
ภาพที่ 1. โค้ด การสนทนากับลูกค้า และการพูดคุยในทีมให้มุมมองต่างกัน Agent เชื่อมโยงหลักฐานภายใต้สิทธิ์ของแต่ละคนและสร้างสิ่งประดิษฐ์ที่ทีมใช้ได้
2. จำกัดสิทธิ์ของ AI Agent ให้ตรงกับแหล่งข้อมูล
บริบทที่ใช้ร่วมกันอยู่ภายในขอบเขตการเข้าถึง สมาชิกทีมมีหน้าที่ต่างกัน ข้อมูลที่แต่ละคนเข้าถึงได้ควรสะท้อนหน้าที่นั้น
สิทธิ์เป็นของระบบที่เก็บและดึงบริบท ระบบระบุตัวตนขององค์กร แอปพลิเคชันต้นทาง และที่เก็บหน่วยความจำควรกำหนดว่าใครเข้าถึงข้อมูลได้ Agent ทำงานภายในขอบเขตเหล่านี้โดยไม่ตัดสินใจระดับสิทธิ์เอง
AI agent ทีมที่ใช้ร่วมกันของ Okou ใช้หลักการนี้: ทีมแชร์คำสั่งและเวิร์กโฟลว์ได้ แต่แต่ละคนรันผ่านบัญชีที่เชื่อมต่อของตนเอง
ความแตกต่างนี้สำคัญเมื่อบริบทเปลี่ยนรูปแบบ สรุปที่ได้จากการสนทนาที่จำกัดควรรักษาข้อจำกัดนั้นไว้ การบันทึกข้อมูลในหน่วยความจำหรือสร้างเป็นสิ่งประดิษฐ์ภาพควรคงข้อกำหนดการเข้าถึงเดิม
บริบทส่วนบุคคลก็ต้องมีขอบเขตชัดเจน โน้ตส่วนตัว ความชอบ หรือการสนทนาส่วนตัวควรผูกกับเจ้าของ เว้นแต่จะถูกแชร์โดยกระบวนการที่ได้รับอนุญาต
ทีมจึงสามารถมีเป้าหมายร่วมกัน ขณะที่สมาชิกแต่ละคนเข้าถึงข้อมูลต่างกัน บทบาทของ agent คือช่วยให้แต่ละคนมีส่วนร่วมโดยใช้บริบทที่ตนเข้าถึงได้ เมื่อหลักฐานสำคัญขาดหาย Agent ควรระบุชัดเจนว่าส่วนใดของความเข้าใจยังไม่ได้รับการยืนยัน
3. ใช้ AI Agent สร้างความเข้าใจร่วม
เมื่อ agent เข้าถึงแหล่งข้อมูลที่เหมาะสมได้แล้ว จะช่วยให้คนเข้าใจความสัมพันธ์ของแหล่งเหล่านั้นกับงานของตน
สมาธิและหน่วยความจำของมนุษย์มีจำกัด แต่ละคนติดตามการสนทนาต่างกันและตีความสถานการณ์เดียวกันต่างกัน วิศวกรรมเข้าใจข้อจำกัดการนำไปใช้ ฝ่ายสนับสนุนรู้ปัญหาลูกค้าที่เกิดซ้ำ ฝ่ายผลิตภัณฑ์จำข้อแลกเปลี่ยนจากการตัดสินใจก่อนหน้า
Agent สามารถเชื่อมโยงมุมมองเหล่านี้และอธิบายผลกระทบ
เช่น ลูกค้าประสบปัญหาเชิญเพื่อนร่วมงานเข้าใช้ผลิตภัณฑ์ กล่องจดหมายที่ใช้ร่วมกันมีคำอธิบายปัญหา โค้ดและบันทึกการปล่อยระบุพฤติกรรมการเชิญปัจจุบัน ช่องทางทีมมีเหตุผลเบื้องหลังข้อกำหนดคุณสมบัติ
Agent สามารถรวบรวมหลักฐานเหล่านี้เป็นเรื่องราวที่สอดคล้องกันว่าลูกค้าเจออะไร ผลิตภัณฑ์ทำงานอย่างไร และการตัดสินใจใดกำหนดพฤติกรรมนั้น จากนั้นเตรียมคำอธิบายที่เหมาะกับแต่ละกลุ่มเป้าหมาย
วิศวกรรมต้องการขั้นตอนการทำซ้ำและหลักฐานของพฤติกรรมที่ได้รับผลกระทบ ฝ่ายสนับสนุนต้องการคำอธิบายที่ถูกต้องและวิธีแก้ไขที่ยืนยันแล้ว ฝ่ายผลิตภัณฑ์ต้องเข้าใจผลกระทบต่อลูกค้าและทางเลือกที่มี มุมมองแต่ละด้านควรอ้างอิงข้อเท็จจริงเดียวกัน
นี่คือส่วนสำคัญของการประสานงาน: รักษาความต่อเนื่องของการสนทนา เปิดเผยความเชื่อมโยง และระบุสมมติฐานที่ผู้เข้าร่วมอาจไม่รู้ตัวว่ามี
เมื่อการสนทนาอยู่ใน Slack agent ที่ทำงานในเธรดเดียวกัน สามารถเก็บคำขอ หลักฐาน และการติดตามผลให้ผู้เข้าร่วมเห็นได้ตลอด
Agent ควรรักษาความแตกต่างระหว่างข้อสังเกต การตีความ และการตัดสินใจ ข้อร้องเรียนลูกค้าที่คล้ายกันอาจบ่งชี้รูปแบบ แต่สาเหตุยังต้องตรวจสอบ ข้อเสนอแนวทางแก้ไขอาจดูดีแต่ผลลัพธ์ยังไม่แน่นอน การแยกแยะเหล่านี้ช่วยให้ทีมเลือกการดำเนินการถัดไปได้ถูกต้อง
4. ให้คนมุ่งเน้นเป้าหมายและความสัมพันธ์
เมื่อ agent รับหน้าที่รวบรวมและอธิบายบริบทมากขึ้น คนจะมีเวลาตัดสินใจ กำหนดทิศทาง และสร้างความสัมพันธ์มากขึ้น
คนเป็นผู้กำหนดผลลัพธ์ที่สำคัญ ชั่งน้ำหนักความสำคัญ สร้างข้อตกลง และสร้างความไว้วางใจกับเพื่อนร่วมงานและลูกค้า รวมถึงเข้าใจสถานการณ์ที่อาจไม่เคยถูกบันทึก เช่น ความสัมพันธ์ลูกค้าที่ละเอียดอ่อน ข้อตกลงไม่เป็นทางการ หรือข้อกังวลที่ยังไม่ถูกพูดออกมา
Agent สามารถเตรียมข้อมูลให้คนตัดสินใจ ก่อนการสนทนา Agent รวบรวมประวัติที่เกี่ยวข้อง ระบุคำถามที่ยังไม่คลี่คลาย และอธิบายผลลัพธ์ของแต่ละทางเลือก ระหว่างงาน Agent ชี้ให้เห็นการเปลี่ยนแปลงที่กระทบข้อตกลงหรือเปิดเผยความเชื่อมโยง
ปริมาณข้อมูลที่นำเสนอควรเหมาะกับการสนทนา การคุยกับลูกค้าอาจต้องสรุปปัญหาและข้อตกลงที่มีอยู่ การรีวิววิศวกรรมอาจต้องรายละเอียดการนำไปใช้และหลักฐานการทำซ้ำ การประชุมผู้นำอาจต้องข้อมูลเชิงธุรกิจและการตัดสินใจที่ต้องทำ
การจัดการบริบทที่ดีช่วยลดความพยายามในการทำความเข้าใจกัน คนควรเข้าร่วมการสนทนาด้วยพื้นฐานร่วมที่เพียงพอเพื่อใช้เวลาไปกับสิ่งสำคัญ
5. ทำให้การตัดสินใจและการส่งต่องานเป็นภาพ
สิ่งประดิษฐ์ที่จับต้องได้ช่วยให้ทีมตรวจสอบ พูดคุย และปรับปรุงร่วมกันได้
รูปแบบควรเหมาะกับปัญหาการสื่อสาร ผังเวิร์กโฟลว์ช่วยเปิดเผยความเชื่อมโยงที่ไม่ชัดเจน ภาพหน้าจอที่มีคำอธิบายแสดงจุดที่ลูกค้าติดขัด ตารางเปรียบเทียบช่วยให้เห็นผลลัพธ์ของแต่ละทางเลือก ไทม์ไลน์แสดงว่าข้อตกลงของทีมหนึ่งกระทบงานของอีกทีมอย่างไร
สำหรับปัญหาการเชิญ ภาพเส้นทางลูกค้าที่มีคำอธิบายสามารถแสดงขั้นตอนปัจจุบัน จุดที่สับสน หลักฐานจากลูกค้า และข้อเสนอการเปลี่ยนแปลง พฤติกรรมปัจจุบัน ข้อเสนอ และคำถามที่ยังไม่คลี่คลายควรมีป้ายชัดเจน
สิ่งประดิษฐ์นี้รองรับการสนทนาหลายแบบ ฝ่ายสนับสนุนตรวจสอบว่าตรงกับประสบการณ์ลูกค้าหรือไม่ วิศวกรรมตรวจสอบพฤติกรรมผลิตภัณฑ์ ฝ่ายผลิตภัณฑ์ประเมินว่าข้อเสนอแก้ปัญหาหลักหรือไม่
สิ่งประดิษฐ์การตัดสินใจควรรักษาเหตุผลเบื้องหลังผลลัพธ์ การเปรียบเทียบที่ดีควรแสดงทางเลือกที่พิจารณา ข้อจำกัดที่สำคัญ สมมติฐานของแต่ละทางเลือก และเหตุผลของการเลือกสุดท้าย
การส่งต่องานก็ได้ประโยชน์จากความชัดเจนเช่นกัน คนถัดไปควรเห็นว่าส่วนใดเสร็จแล้ว ส่วนใดได้รับการยืนยัน ส่วนใดยังค้างคา งานสนับสนุนอยู่ที่ไหน และขั้นตอนถัดไปคืออะไร
Agent สามารถดูแลให้สิ่งประดิษฐ์เหล่านี้สอดคล้องกับหลักฐานเมื่อมีการเปลี่ยนแปลงงาน
6. ดูแลหน่วยความจำและบริบทของ AI Agent
บริบทจะหมดคุณค่าเมื่อสถานะและความใหม่ไม่ชัดเจน
ผลิตภัณฑ์เปลี่ยนแปลง ลำดับความสำคัญเปลี่ยน การตัดสินใจถูกปรับปรุง วิธีแก้ปัญหาชั่วคราวอาจยังใช้อยู่หลังปัญหาหลักถูกแก้แล้ว ข้อเสนออาจกลายเป็นการตัดสินใจโดยไม่รู้ตัว สรุปที่ถูกต้องอาจทำให้เข้าใจผิดเมื่อสถานการณ์เปลี่ยน
ระบบบริบทที่ดีควรแยกข้อเท็จจริง สมมติฐาน ข้อเสนอ การตัดสินใจ และบันทึกประวัติ แต่ละอย่างต้องดูแลต่างกัน ข้อเท็จจริงต้องอัปเดตเมื่อเงื่อนไขเปลี่ยน สมมติฐานต้องตรวจสอบ ข้อเสนอต้องมีสถานะชัดเจน การตัดสินใจต้องมีเหตุผลและการแก้ไขภายหลัง
การดูแลสม่ำเสมอควรรวมข้อมูลซ้ำกัน แจ้งข้อขัดแย้ง อัปเดตสรุปที่ใช้งาน และเก็บถาวรเนื้อหาที่ไม่เกี่ยวข้องกับงานปัจจุบัน หลักฐานประวัติยังเข้าถึงได้ โดยมีการระบุชัดเจนว่าคำแนะนำใดถูกแทนที่แล้ว
การดูแลควรตอบสนองต่อเหตุการณ์สำคัญ เช่น การปล่อยอาจทำให้คำแนะนำผลิตภัณฑ์ใช้ไม่ได้ เป้าหมายใหม่อาจเปลี่ยนข้อมูลสำคัญ การตัดสินใจใหม่อาจแทนแผนเดิม การเปลี่ยนสิทธิ์แหล่งข้อมูลควรสะท้อนในวิธีจัดเก็บและดึงบริบทที่ได้มา
สมาชิกทีมควรแก้ไขความเข้าใจของ agent ได้ง่าย เช่น ระบุข้อความล้าสมัย ชี้แหล่งข้อมูลที่เชื่อถือได้ หรือชี้แจงว่าการสนทนาไม่เคยกลายเป็นการตัดสินใจ การแก้ไขเหล่านี้ควรมีผลกับงานในอนาคตในขอบเขตที่เหมาะสม
ภาพที่ 2. คนกำหนดเป้าหมาย Agent หา เชื่อมโยง และอธิบายบริบท จากนั้นอัปเดตเมื่อมีการเปลี่ยนแปลงงาน ลิงก์แหล่งข้อมูลและประวัติการตัดสินใจยังคงเข้าถึงได้
7. เริ่มเล็กและวัดผลการทำงานร่วมกันของ AI Team
การนำไปใช้จริงเริ่มได้จากโครงการเดียวและปัญหาการสื่อสารที่เกิดซ้ำ
เพื่อจุดเริ่มต้นที่ชัดเจน ลองดู ตัวอย่างเวิร์กโฟลว์ AI และเลือกตัวอย่างที่มีอินพุตชัดเจนและผลลัพธ์ที่ทีมตรวจสอบได้
การส่งต่องานจากฝ่ายสนับสนุนไปวิศวกรรมเป็นตัวอย่างที่ดี ทีมสามารถระบุกล่องจดหมายที่เกี่ยวข้อง ที่เก็บโค้ด ข้อมูลการปล่อย และช่องทางสนทนา จากนั้นกำหนดผลลัพธ์ที่ชัดเจน เช่น สรุปปัญหาที่มีหลักฐานลูกค้า พฤติกรรมผลิตภัณฑ์ที่ยืนยันแล้ว คำถามค้างคา และเวิร์กโฟลว์ที่มีคำอธิบาย
การประเมินแรกคือ agent แสดงสถานการณ์ได้ถูกต้องหรือไม่ ดึงหลักฐานที่เกี่ยวข้องหรือไม่ แยกพฤติกรรมปัจจุบันกับแผนในอนาคตหรือไม่ รักษาความไม่แน่นอนหรือไม่ แต่ละคนเข้าใจความต้องการของผู้อื่นหรือไม่
จากนั้นทีมประเมินว่าการทำงานร่วมกันดีขึ้นหรือไม่ คนต้องทวนข้อมูลพื้นหลังซ้ำบ่อยแค่ไหน การส่งต่องานต้องชี้แจงกี่รอบ คนใหม่เข้าใจเหตุผลของการตัดสินใจหรือไม่ สมมติฐานล้าสมัยถูกจับได้ก่อนกระทบลูกค้าหรือไม่
ข้อเสนอแนะจากการใช้งานควรช่วยปรับปรุงแผนที่แหล่งข้อมูล วิธีประกอบบริบท และสิ่งประดิษฐ์ที่ agent สร้างขึ้น เมื่อรากฐานเหล่านี้เชื่อถือได้จึงขยายขอบเขตความรับผิดชอบต่อไป
คุณค่าจะเห็นได้ในงานประจำวัน: วิศวกรเข้าใจผลกระทบต่อลูกค้าก่อนตรวจสอบ ฝ่ายสนับสนุนอธิบายผลิตภัณฑ์ได้ถูกต้อง สมาชิกใหม่ติดตามเหตุผลของการตัดสินใจได้ ทุกคนมาพร้อมบริบทที่ต้องใช้และมีเวลาตัดสินใจ กำหนดเป้าหมาย และสร้างความสัมพันธ์ที่ช่วยให้ทีมส่งมอบผลงาน
คำถามที่พบบ่อย
บริบทกับหน่วยความจำของ AI agent ต่างกันอย่างไร?
บริบทคือข้อมูลที่โมเดลใช้ตอบหรือดำเนินการในขณะนั้น หน่วยความจำเก็บข้อมูลไว้ใช้ในอนาคตหรือข้ามเซสชัน การตัดสินใจที่บันทึกไว้จะกลายเป็นบริบทปัจจุบันเมื่อถูกเรียกใช้ ทั้งสองต้องมีแหล่งอ้างอิง ขอบเขตชัดเจน และตรวจสอบข้อมูลล้าสมัย
การจัดการบริบทของ AI agent ต่างจาก RAG อย่างไร?
Retrieval-augmented generation (RAG) คือการดึงข้อมูลมาอ้างอิงคำตอบของโมเดล การจัดการบริบทครอบคลุมกระบวนการเลือกคำสั่ง ประวัติสนทนา ผลลัพธ์เครื่องมือ และข้อมูลที่ดึงมาในแต่ละงาน รวมถึงความใหม่และการเก็บรักษาภายใต้ขอบเขตสิทธิ์ RAG เป็นเพียงส่วนหนึ่งของกระบวนการนี้
จะเกิดอะไรขึ้นเมื่อ context window ของ AI agent เต็ม?
ขึ้นกับระบบ คำขออาจล้มเหลว เนื้อหาเก่าอาจถูกลบ หรือสนทนาอาจถูกย่อเป็นสรุป ควรเก็บเป้าหมาย การตัดสินใจที่ยืนยันแล้ว คำถามค้างคา และลิงก์แหล่งข้อมูลในบันทึกสั้น ๆ ดึงหลักฐานละเอียดใหม่เมื่อจำเป็น และตรวจสอบว่าสรุปไม่ตกหล่นข้อจำกัดสำคัญ
AI agent แชร์บริบทโดยไม่แชร์สิทธิ์ของทุกคนได้หรือไม่?
ได้ หากการเข้าถึงถูกควบคุมโดยแอปพลิเคชันต้นทาง ระบบระบุตัวตน และชั้นจัดเก็บ คำสั่งที่แชร์ไม่ให้สิทธิ์เข้าบัญชีที่เชื่อมต่อของผู้อื่น สรุปหรือการส่งต่องานต้องรักษาข้อจำกัดของข้อมูลต้นทาง และระบบต้องตรวจสอบสิทธิ์ใหม่เมื่อดึงหรือแชร์ข้อมูลนั้น
การส่งต่องานของ AI agent ควรมีอะไรบ้าง?
ควรมีเป้าหมายงาน สถานะปัจจุบัน ผลการตรวจสอบ ลิงก์แหล่งข้อมูล การตัดสินใจและเหตุผล คำถามค้างคา และขั้นตอนถัดไปพร้อมเจ้าของ ระบุสมมติฐานและข้อเสนอให้ชัดเจน สำหรับปัญหาลูกค้า แยกพฤติกรรมที่พบในระบบจริงกับแนวทางแก้ไขที่วางแผนหรือรอปล่อย
ควรอัปเดตบริบทของ AI agent บ่อยแค่ไหน?
อัปเดตบริบทที่ใช้งานเมื่อมีการปล่อยอัปเดตลูกค้า การตัดสินใจ หรือเปลี่ยนสิทธิ์ ก่อนดำเนินการสำคัญให้ตรวจสอบข้อเท็จจริงที่อาจเปลี่ยน กำหนดรอบทบทวนตามความเร็วของการเปลี่ยนแปลงแหล่งข้อมูล ระบุคำแนะนำที่ถูกแทนที่และเก็บหลักฐานประวัติให้ผู้มีสิทธิ์เข้าถึง
วัดผลการจัดการบริบทว่าช่วยการทำงานร่วมกันของทีมอย่างไร?
เลือกเวิร์กโฟลว์ที่ทำซ้ำได้และบันทึกสถานะเริ่มต้น เปรียบเทียบเวลาที่ใช้ทวนข้อมูลพื้นหลัง จำนวนรอบชี้แจงต่อการส่งต่องาน และการแก้ไขข้อเท็จจริงในงานคล้ายกัน ตรวจสอบด้วยว่าผลลัพธ์อ้างอิงแหล่งข้อมูลถูกต้อง เคารพขอบเขตสิทธิ์ และรักษาความไม่แน่นอน ความรวดเร็วมีประโยชน์เมื่อผลลัพธ์ยังถูกต้อง
