ໃນວົງຈອນ

"In the Loop" ແມ່ນຮູບແບບການຮ່ວມມືທີ່ມະນຸດທົບທວນ ແລະ ແກ້ໄຂຜົນລັບຂອງ AI agent ທຸກຂັ້ນຕອນ, ເຊິ່ງຮັບປະກັນການຄວບຄຸມຄຸນນະພາບໄດ້ຢ່າງແນ່ນອນ, ແຕ່ມັກເກີດຄໍຄັ່ງເນື່ອງຈາກການທົບທວນຂອງມະນຸດບໍ່ທັນຄວາມໄວໃນການສ້າງຜົນລັບຂອງ agent.
Martin Fowler ແລະ Birgitta Bockeler ໄດ້ຈັດລຽງໂໝດການຮ່ວມມືລະຫວ່າງມະນຸດ ແລະ AI Agent ໄວ້ 3 ໂໝດ (Outside the Loop / In the Loop / On the Loop) ໂດຍ Birgitta Bockeler ຜູ້ຮ່ວມຂຽນຂອງ Martin Fowler. ໂໝດ In the Loop ໝາຍເຖິງຮູບແບບການເຮັດວຽກທີ່ມະນຸດກວດສອບ code ຫຼືຜົນລັບທີ່ Agent ສ້າງຂຶ້ນໃນແຕ່ລະຄັ້ງ ແລະ ຖ້າມີບັນຫາກໍ່ແກ້ໄຂໂດຍກົງ.
ເປັນຫຍັງຈຶ່ງກາຍເປັນ Bottleneck
Agent ສາມາດສ້າງ code ໄດ້ພາຍໃນສອງສາມວິນາທີ ແຕ່ການ review ຂອງມະນຸດໃຊ້ເວລາຕັ້ງແຕ່ຫຼາຍນາທີຈົນເຖິງຫຼາຍສິບນາທີ. ຄວາມບໍ່ສົມດຸນນີ້ຄືຂໍ້ຈຳກັດພື້ນຖານຂອງ In the Loop. Queue ທີ່ລໍຖ້າ review ສະສົມຂຶ້ນ ເຮັດໃຫ້ບໍ່ສາມາດໃຊ້ປະໂຫຍດຈາກຄວາມສາມາດໃນການສ້າງທີ່ວ່ອງໄວຂອງ Agent ໄດ້ຢ່າງເຕັມທີ່. ຈາກປະສົບການຂອງຜູ້ຂຽນເອງ ສະຖານະການທີ່ Agent ສ້າງ PR ໄດ້ 5 ອັນໃນ 30 ນາທີ ແຕ່ການ review ໃຊ້ເວລາເຄິ່ງວັນນັ້ນບໍ່ແມ່ນເລື່ອງແປກ.
ສະຖານະການທີ່ In the Loop ເໝາະສົມ
ເຖິງຢ່າງນັ້ນກໍ່ຍັງມີກໍລະນີທີ່ In the Loop ມີປະສິດທິພາບ. ການປ່ຽນແປງ Infrastructure ທີ່ສົ່ງຜົນກະທົບໂດຍກົງຕໍ່ Production Environment, ການ implement ລະບົບ Authentication ແລະ Authorization ທີ່ກ່ຽວຂ້ອງກັບ Security, code ດ້ານການເງິນ ແລະ ການແພດທີ່ຕ້ອງການຮອງຮັບກົດລະບຽບ——ໃນດ້ານເຫຼົ່ານີ້ ການຈ່າຍຄ່າໃຊ້ຈ່າຍໃຫ້ມະນຸດກວດສອບທີລະຂັ້ນຕອນນັ້ນມີຄຸນຄ່າ. ສິ່ງສຳຄັນຄື "ຢ່າດຳເນີນການທຸກຢ່າງດ້ວຍ In the Loop". ຄວາມສົມດຸນທີ່ເປັນຈິງຄືການໃຊ້ In the Loop ສະເພາະກັບການປ່ຽນແປງທີ່ມີຄວາມສ່ຽງສູງ ແລ້ວຍ້າຍສ່ວນທີ່ເຫຼືອໄປໃຊ້ On the Loop.
ບົດຄວາມທີ່ກ່າວເຖິງຄຳສັບນີ້
- ວິທີວັດແທກຜົນກະທົບຂອງການນຳໃຊ້ AI Agent | ຈາກການອອກແບບ KPI ເຖິງການປັບປຸງຢ່າງຕໍ່ເນື່ອງຄູ່ມືປະຕິບັດຕົວຈິງສຳລັບ AI Agents: ການອອກແບບ KPI, ການຄຳນວນ ROI ແລະ ວົງຈອນການປັບປຸງຢ່າງຕໍ່ເນື່ອງ. ສ້າງລາຍງານ ROI ທີ່ໜ້າສົນໃຈສຳລັບຜູ້ບໍລິຫານ.
- ວິທີການນຳ AI Agent ໄປໃຊ້ງານຈິງ: ຂັ້ນຕອນພາກປະຕິບັດຈາກການທົດລອງສູ່ການຂະຫຍາຍຂະບວນການ ຫຼື Pipeline ໃຫ້ເປັນມາດຕະຖານອະທິບາຍ 5 ອຸປະສັກ ແລະ ວິທີຜ່ານຜ່າໃນການນຳ AI Agent ຈາກຂະບວນການ ຫຼື Pipeline ທົດລອງສູ່ການໃຊ້ງານຈິງ ພ້ອມແນະນຳຂັ້ນຕອນການຈັດການລະບົບ ແລະ ອົງກອນ.
- ຄູ່ມືການສ້າງກອບການຄຸ້ມຄອງ AI Agent — ການອອກແບບການກວດສອບເພື່ອປ້ອງກັນ Agent Driftແກ້ໄຂບັນຫາການຂາດທຳມະພິບານ ເຊິ່ງເປັນອຸປະສັກໃຫຍ່ໃນການນຳໃຊ້ Autonomous Agents. ຮຽນຮູ້ຂັ້ນຕອນການປ້ອງກັນ Agent Drift ແລະ ການອອກແບບຄວາມຮັບຜິດຊອບຢ່າງລະອຽດ.
- ການວິສະວະກຳ Harness ແມ່ນຫຍັງ? ວິທີການອອກແບບເພື່ອປ້ອງກັນຄວາມຜິດພາດຂອງ AI Agent ດ້ວຍໂຄງສ້າງວິທີ Harness Engineering ແມ່ນການສ້າງໂຄງສ້າງປ້ອງກັນຄວາມຜິດພາດຂອງ AI Agent ດ້ວຍເອກະສານ, ເຄື່ອງມື ແລະ ຂໍ້ຈຳກັດ. ອະທິບາຍແນວຄິດ, ອົງປະກອບ ແລະ ຂັ້ນຕອນປະຕິບັດ.
ຄຳສັບທີ່ກ່ຽວຂ້ອງ

AI ອ້ອມຂ້າງ
ອຳບຽງ AI (Ambient AI) ໝາຍເຖິງລະບົບ AI ທີ່ຝັງຕົວຢູ່ໃນສະພາບແວດລ້ອມຂອງຜູ້ໃຊ້ງານ, ຄອຍຕິດຕາມຂໍ້ມູນຈາກເຊັນ

Claude Code
Claude Code ແມ່ນ AI coding agent ປະເພດ terminal-resident ທີ່ພັດທະນາໂດຍ Anthropic ເຊິ່ງເປັນເຄື່ອງມື C

OpenClaw
OpenClaw ແມ່ນ framework ຂອງ AI agent ສ່ວນຕົວແບບ open-source ທີ່ເຮັດວຽກໃນສະພາບແວດລ້ອມ local ມີຄວາມສາມ

ນອກລູບ
Outside the Loop ແມ່ນຮູບແບບການຮ່ວມມືທີ່ມະນຸດກຳນົດສະເພາະຜົນລັບທີ່ຕ້ອງການ ແລະ ມອບລາຍລະອຽດການຈັດຕັ້ງປະຕ



