โพสต์นี้รวบรวมสิ่งที่ OpenAI, Anthropic, Google และข้อกำหนด MCP แนะนำสำหรับการออกแบบเครื่องมือสำหรับ AI agent และครอบคลุมสิ่งที่คู่มือเหล่านั้นไม่ได้กล่าวถึง โดยโต้แย้งว่าควรสร้างเครื่องมือโดยยึดตามเวิร์กโฟลว์มากกว่าปลายทาง API ว่า ชื่อ คำอธิบาย และสคีมาทำหน้าที่เป็นสัญญาที่โมเดลอ่านตามตัวอักษร และว่าการตอบกลับและข้อผิดพลาดเป็นส่วนหนึ่งของพรอมต์
CS 329Z วิชา Engineering AI Agents ของ Stanford อธิบายโครงสร้างของระบบ agentic ตั้งแต่แกน LLM, การให้เหตุผล, หน่วยความจำ, tools และสภาพแวดล้อม ไปจนถึงช่องว่างระหว่าง compound AI systems กับ agent แท้จริง คอร์สครอบคลุมไปป์ไลน์ RAG, การใช้ tools และ function calling กับ MCP, การจัดการด้วย DSPy และ LangGraph, สถาปัตยกรรมหน่วยความจำอย่าง MemGPT และรูปแบบการจัดการ multi-agent ปิดท้ายด้วยวิธีการปรับแต่งประสิทธิภาพ ได้แก่ GEPA, PPO และ GRPO พร้อมบรรยายรับเชิญจากผู้สร้าง Terminal-Bench
AI Security Wiki เป็นเอกสารอ้างอิงสำหรับการรักษาความปลอดภัยในการนำ AI มาใช้ในองค์กร ครอบคลุมการกำกับดูแล การจัดการความเสี่ยง วิศวกรรมความปลอดภัย การตรวจสอบการดำเนินงาน การประเมินผู้จำหน่าย และการรับรอง ในรูปแบบหน้าเทมเพลตที่นำกลับมาใช้ซ้ำได้ โดยเชื่อมโยงวัตถุประสงค์การควบคุม หลักฐานการตรวจสอบ และกรณีทดสอบเข้ากับกรอบมาตรฐานต่างๆ ได้แก่ ISO/IEC 42001, NIST AI RMF, NIST SSDF, PCI DSS v4.0.1, FINOS AI Governance Framework และแนวทางการตรวจสอบความปลอดภัย AI ของ CERT-In นอกจากนี้ยังมีคลังทดสอบ 682 กรณีที่รวบรวมจากรายการ OWASP, MITRE ATLAS และ NIST AI 100-2
Solibra สร้าง Sovereign เราเตอร์ที่อยู่ระหว่างแอปพลิเคชันและผู้ให้บริการโมเดล และเรียนรู้การเลือกโมเดลแบบรายคำขอจากเกรดของงานที่เสร็จแล้วของตัวเอง โดยไม่มีเฉลยและไม่มีความรู้เดิมเกี่ยวกับโมเดล จากการทดสอบบนเกณฑ์มาตรฐานสาธารณะแปดชุดกับ Claude Opus 5.5 และ Claude Haiku 5.5 Sovereign ใช้จ่ายน้อยกว่า Opus 43% ถึง 81% ในทุกเกณฑ์มาตรฐาน มีความแม่นยำเท่ากับหรือเหนือกว่า Opus บน USACO, LiveCodeBench และ SATBench และแม่นยำกว่า Haiku ในทุกที่ โดยมากถึง 55 คะแนนบน USACO บน USACO ความแม่นยำเพิ่มจาก 88% ใน 25 งานแรกเป็น 97.7% เมื่อสิ้นสุด แซง Opus ราวงานที่ 150 และตัวให้เกรดของมันตรงกับเฉลยที่ซ่อนอยู่ 95% ของเวลา
ElevenLabs สรุปทักษะบริการลูกค้า 7 ประการ ได้แก่ การสื่อสาร การแก้ปัญหา การจัดการความขัดแย้ง ความเห็นอกเห็นใจ ความยืดหยุ่น การปรับให้เหมาะกับแต่ละบุคคล และความรู้เกี่ยวกับผลิตภัณฑ์ ซึ่งเอเจนต์สนับสนุนทั้งมนุษย์และ AI จำเป็นต้องมี โดยอ้างอิงการศึกษาของ Zendesk ที่พบว่าลูกค้ากว่า 50% เปลี่ยนไปใช้คู่แข่งหลังจากประสบการณ์แย่เพียงครั้งเดียว และการคาดการณ์ของ Gartner ว่าภายในปี 2028 ลูกค้าอย่างน้อย 70% จะเริ่มต้นการเดินทางด้วยอินเทอร์เฟซ AI คู่มือนี้เน้นย้ำการประเมินตัวชี้วัดการสนทนาระหว่างการฝึกอบรมและหลังการใช้งาน รวมถึงการส่งต่อให้มนุษย์อย่างราบรื่นเพื่อลดความตึงเครียด
Databricks อธิบายรายละเอียดว่าการโจมตีที่ขับเคลื่อนด้วยข้อมูลรับรองเกิดขึ้นบนแพลตฟอร์มของตนอย่างไร และบันทึกการตรวจสอบแบบละเอียดพร้อม Genie สามารถตรวจจับการเปลี่ยนแปลงพฤติกรรมหลังจากการใช้ PAT, คุกกี้เซสชัน หรือข้อมูลรับรองของ service principal ที่ถูกขโมยได้อย่างไร โพสต์นี้แบ่งกิจกรรมของผู้โจมตีออกเป็นหกขั้นตอน ตั้งแต่การเข้าสู่ระบบครั้งแรกไปจนถึงการสำรวจสภาพแวดล้อม และครอบคลุมขั้นตอนการตอบสนองและการควบคุมที่จำกัดสิ่งที่ข้อมูลรับรองที่ถูกขโมยสามารถเข้าถึงได้
Bright Machines มอบแดชบอร์ดข้อมูลโรงงานแบบเรียลไทม์ที่อยู่ภายใต้การกำกับดูแลให้แก่ลูกค้า โดยไม่ต้องเปิดการเข้าถึงขาเข้าใดๆ ระบบจับการเปลี่ยนแปลงของ PostgreSQL ที่ edge ด้วย Debezium เขียนเป็น Apache Iceberg ส่งออกผ่านช่องทางขาออกเดียวที่ตรวจสอบได้ และอ่านข้อมูล ณ ที่เดิมใน Databricks ผ่าน Unity Catalog federation แดชบอร์ดแรกที่ลูกค้ามองเห็นเปิดใช้งานประมาณสองเดือนหลังเริ่มโครงการ โดยแถวที่คอมมิตแล้วสามารถสอบถามได้ภายในหนึ่งถึงสองนาที และแดชบอร์ดรีเฟรชทุกสิบนาที
OpenRouter ทดสอบ reranker 11 ตัวบนชุดข้อมูล RAG สังเคราะห์ 274 คำถาม และพบว่าการ rerank ผู้สมัคร 30 อันดับแรกจาก vector search ด้วย voyageai/rerank-3-lite ช่วยเพิ่ม precision@1 จาก 81.0% เป็น 97.1% ด้วยต้นทุนประมาณ $0.10 ต่อ 1,000 คำถาม คู่มือแนะนำให้ดึงข้อมูลประมาณ 30 chunks แล้ว rerank จากนั้นส่งเฉพาะ 3 อันดับแรกให้ LLM ซึ่งในการทดสอบช่วยเพิ่มความแม่นยำของคำตอบเป็น 99.3% พร้อมลดต้นทุนการตอบจาก $0.22 เหลือ $0.16 ต่อ 1,000 คำถาม นอกจากนี้ยังชี้ให้เห็นโหมดความล้มเหลว: การละเว้นพารามิเตอร์ input_type ทำให้ precision@1 ลดลง 7 ถึง 12 คะแนน และ cohere/rerank-v3.5 เพิกเฉยต่อเนื้อหาที่เกินขีดจำกัด 4,096 โทเคนโดยไม่แจ้งเตือน
นักพัฒนาคนหนึ่งทำรีเวิร์สเอ็นจิเนียริ่งเครื่องฟอกอากาศ Coway Airmega IconS ที่รองรับ Wi-Fi เพื่อลดการพึ่งพาคลาวด์ IoCare ของ Coway โดยใช้การตั้งค่าแมนอินเดอะมิดเดิลที่สร้างขึ้นด้วยความช่วยเหลือของ LLM อินทิเกรชัน Home Assistant ที่มีอยู่เดิมปลอมตัวเป็นแอปมือถือของ Coway แต่พังซ้ำแล้วซ้ำเล่า—ทั้งการแบนจากเซิร์ฟเวอร์ การรีแบรนด์จาก IoCare เป็น IoCare+ การเปลี่ยนแปลงเลย์เอาต์ HTML และเหตุขัดข้อง—จึงนำมาสู่ความพยายามนี้ เหตุการณ์คีย์อ่อนที่หน่วยงานออกใบรับรอง eMudhra ในเดือนตุลาคม 2026 เปิดช่องทางที่เป็นไปได้ในการดักจับทราฟฟิกของอุปกรณ์
GitHub เผยแพร่คู่มือปฏิบัติสำหรับทักษะเอเจนต์ ซึ่งเป็นไดเรกทอรีแบบมีเวอร์ชันที่ศูนย์กลางอยู่ที่ไฟล์ SKILL.md อธิบายว่าเมื่อใดและอย่างไรจึงจะทำงานที่ทำซ้ำได้ คู่มือใช้สองตัวอย่าง คือ Proof Agent สำหรับการตรวจสอบโค้ดที่สร้างโดย AI แบบปรปักษ์ และ Data Forge สำหรับไปป์ไลน์ข้อมูลหลายทักษะ เพื่อแสดงว่าทักษะแชร์แมนิเฟสต์ของโปรเจกต์ ใช้เส้นทางการทำงานเดียวร่วมกัน และวางการอนุมัติจากมนุษย์ในแต่ละระยะ นอกจากนี้ยังอธิบายสคริปต์แพ็กเกจจิงที่สร้างไฟล์เฉพาะไคลเอนต์สำหรับ Claude Code, Cursor และ GitHub Copilot จากแหล่งทักษะเดียว
Natera สร้าง SWARM ระบบ AI แบบเอเจนต์สำหรับปฏิบัติการแล็บ บน Amazon Bedrock AgentCore ลดเวลาตอบสนองครั้งแรกได้ราว 130 เท่า และAutomateตั๋วสนับสนุนได้ 96.2 เปอร์เซ็นต์ ระบบนี้จับคู่ swarm-agent ที่ร่างรายงานวินิจฉัยก่อนที่วิศวกรจะเปิดตั๋ว กับ swarm-hive สำหรับการโต้ตอบกับวิศวกรแบบเรียลไทม์ ทั้งสองใช้ไลบรารีทักษะร่วมกันหนึ่งชุด ระบบจัดการตั๋ว Jira กว่า 65 ใบต่อวันในสามคิว ซึ่งก่อนหน้านี้ใช้เวลาเฉลี่ย 17.4 ชั่วโมงในการตอบสนองครั้งแรก
Databricks ตอบโต้ต่อความเข้าใจผิดที่พบบ่อย 4 ประการเกี่ยวกับ LTAP ซึ่งเป็นสถาปัตยกรรม Lakebase ที่เก็บสำเนาข้อมูลปฏิบัติการชุดเดียวภายใต้การกำกับดูแล ให้บริการทั้ง Postgres และการวิเคราะห์โดยไม่ต้องใช้ CDC บทความระบุว่า LTAP ไม่ใช่การทำ replication: ชั้นต่างๆ ที่อยู่หน้าเลกนั้นเป็นแคช ไม่ใช่ฐานข้อมูลที่สองที่มีแคตตาล็อกของตัวเอง นอกจากนี้ยังระบุว่า heap pages และ Parquet เป็นการเข้ารหัสแบบไม่สูญเสียข้อมูลสองรูปแบบของแถวข้อมูลเดียวกัน ดังนั้น point lookup และ scan จึงอ่านเลย์เอาต์ที่เร็วสำหรับแต่ละแบบ
AWS แสดงวิธีติดตามและจำกัดการใช้จ่ายของ Amazon Bedrock generative AI ต่อ IAM principal โดยใช้เฉพาะฟีเจอร์ที่มีอยู่แล้ว: Bedrock บันทึก IAM user หรือ role โดยอัตโนมัติในทุกคำขอ inference และแท็กเหล่านั้นกลายเป็น cost allocation tags ที่อ่านได้ใน Cost Explorer หรือไฟล์ส่งออก CUR 2.0 AWS Budget ที่กำหนดขอบเขตไปที่ Bedrock และกรองตาม identity หรือค่าแท็กหนึ่งค่า สามารถแนบ budget action ที่ใช้ Deny IAM policy เมื่อข้ามเกณฑ์ โดยไม่ต้องเขียนโค้ดแอปพลิเคชันสำหรับกรณีทั่วไป
ระยะเวลาแคช ระดับบริการ ความพยายามในการให้เหตุผล และการตั้งค่า maxTokens ของ Amazon Bedrock สามารถเปลี่ยนค่าใช้จ่ายในการอนุมานโดยไม่ต้องเปลี่ยนโมเดลหรือพรอมต์ การเขียนแคช 5 นาทีบน Claude Sonnet 5 และ Claude Opus 5 มีค่าใช้จ่าย 1.25 เท่าของอัตราอินพุต การเขียนแคช 1 ชั่วโมงมีค่าใช้จ่าย 2 เท่า และการอ่านแคชมีค่าใช้จ่าย 0.1 เท่า คำขอระดับ Flex ไปยังโมเดลที่ไม่รองรับจะล้มเหลวด้วย ValidationException
Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน
LangChain อธิบาย eval-driven development (EDD) กระบวนการสามขั้นตอนสำหรับการสร้าง AI agents: กำหนดว่าอะไรคือสิ่งที่ดี เขียน eval ก่อนที่จะสร้าง และเปรียบเทียบผลลัพธ์หลังการเปลี่ยนแปลงแต่ละครั้ง เนื่องจาก agents ไม่สามารถกำหนดผลลัพธ์ได้แน่นอน evals จึงให้คะแนนการทำงานข้ามชุดข้อมูลตัวอย่าง และสามารถใช้ LLM-as-a-judge โดยมีการทำงานจริงของ agent ใน LangSmith เป็นแหล่งของอินพุตสำหรับการทดสอบ
Constellation ผู้ดำเนินการโรงไฟฟ้านิวเคลียร์รายใหญ่ที่สุดของสหรัฐฯ กำลังสร้างแพลตฟอร์มข้อมูลองค์กรที่มีการกำกับดูแลบน Databricks เพื่อให้ธุรกิจมีความหมายร่วมกันเพียงหนึ่งเดียวสำหรับข้อมูลของตน แพลตฟอร์มนี้ใช้ Unity Catalog สำหรับ lineage การเข้าถึงระดับละเอียด และโมเดลสิทธิ์เดียว พร้อมกับการสร้างแบบจำลอง Data Vault สำหรับเอนทิตีสำคัญที่นำกลับมาใช้ซ้ำได้ กรณีการใช้งานช่วงแรกประกอบด้วยผู้ช่วยวิศวกรรมนิวเคลียร์ที่สร้างด้วย Databricks Genie และการวางแผนช่วงหยุดเดินเครื่อง
Eclipse Aerospace กำลังใช้ Databricks PySpark custom data sources เพื่อนำเข้าข้อมูลเที่ยวบินเฉพาะของบริษัทเกือบ 20 ปี ปริมาณกว่า 3TB ครอบคลุมชั่วโมงบินกว่าหนึ่งล้านชั่วโมง โดยไม่ต้องใช้คอมพิวต์เฉพาะที่เปิดตลอดเวลา แพ็กเกจ Python ที่รองรับด้วย Rust ให้ประสิทธิภาพเป็นสองเท่าของ benchmark เมื่อเทียบกับ data source แบบ pure-Python ที่ใช้ PyArrow ในลักษณะเดียวกัน และเกือบ 20 เท่าของการใช้งานแบบ native Python ที่ไม่ใช้ Arrow API นี้ซึ่งเปิดตัวใน Apache Spark 4.0 และพร้อมใช้ใน Databricks Runtime 15.4 LTS แทนที่ไปป์ไลน์ Lambda-to-Avro เดิม
LLM gateway แบบ self-service ที่สร้างบน Amazon Bedrock Application Inference Profiles และ LiteLLM ที่รันบน AWS Fargate เปิดให้เข้าถึงโมเดลพื้นฐานของ Bedrock ผ่าน API ที่เข้ากันได้กับ OpenAI ทำให้นักพัฒนามี base URL เดียวและคีย์แยกตามผู้ใช้ การตั้งค่านี้เพิ่มการควบคุมค่าใช้จ่ายรายผู้ใช้ การแยกโควตาตามโมเดล และการสังเกตการณ์ RPM/TPM ผ่าน CloudWatch พร้อม Langfuse สำหรับ telemetry ระดับพรอมต์ การออกคีย์แบบ self-service ต้องใช้ LiteLLM Enterprise เนื่องจากแพ็กเกจฟรีจำกัดที่ห้าผู้ใช้
โพสต์ของ AWS นี้โต้แย้งว่าควรตัดสินค่าใช้จ่ายของ Amazon Bedrock จากต้นทุนต่องานมากกว่าต้นทุนต่อโทเคน เนื่องจากประสิทธิภาพของ tokenizer ความยาวของเอาต์พุต จำนวนรอบของลูปเอเจนต์ และภาระจากการให้เหตุผล อาจทำให้โมเดลที่มีราคาถูกกว่ากลายเป็นมีต้นทุนสูงกว่า ตัวอย่างที่คำนวณจริงแสดงให้เห็นว่าโมเดลที่มีราคาตามรายการสูงกว่า 2 เท่าเสร็จสิ้นงานด้วยต้นทุนที่ถูกกว่า 65% ต่องาน และโพสต์ยังเพิ่มการแคช การกำหนดเส้นทาง และการจำกัดเอาต์พุต พร้อมด้วยสกอร์การ์ดห้ามิติสำหรับวัด ROI ของเอเจนต์เทียบกับฐานอ้างอิงจากมนุษย์