รู้จัก Graph Engineering เทคนิคจัดระเบียบ AI Workflow
Google เผยแพร่คลิป Graph Engineering 101 พร้อมบทเรียน Codelab ADK 2 แนะนำวิธีออกแบบ AI Agent เป็นกราฟงานล่วงหน้า
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Graph Engineering คือการออกแบบ AI Agent ให้อยู่ในรูปของกราฟงานที่วาดไว้ล่วงหน้า
- แตกต่างจาก Knowledge Graph ที่เน้นข้อมูล และ Loop Engineering ที่วนลูปเดี่ยว
- Google ปล่อย Codelab ชื่อ ADK 2 Orchestration สร้างแอป Marathon Race Day Coach
- ชูแนวคิดนำหลักการควบคุมลำดับการทำงานซอฟต์แวร์ดั้งเดิมกลับมาใช้กับยุค AI
คำว่า Graph Engineering กลายเป็นศัพท์ที่นักพัฒนา AI พูดถึงอย่างหนาแน่นในช่วงหลายเดือนที่ผ่านมา โดยมักเกิดความเข้าใจผิดตั้งแต่แรกว่าเป็นเรื่องเดียวกับ Knowledge Graph ล่าสุด Google ออกมาอธิบายแนวคิดนี้ผ่านคลิป Graph Engineering 101 บนช่อง Google for Developers พร้อมปล่อยบทเรียนแบบลงมือทำ (Codelab) ชื่อ ADK 2 Orchestration: Graph, Collaborative & Dynamic Workflows ให้นักพัฒนาสร้างระบบตามได้จริง
สาระสำคัญของแนวคิดนี้คือการออกแบบระบบ AI Agent ให้อยู่ในรูปของกราฟงานที่วาดไว้ล่วงหน้า โดยเปรียบเทียบคล้ายผังองค์กร แต่ละโหนด (Node) คือหนึ่งขั้นตอนการทำงาน มีทั้ง Agent Node สำหรับให้โมเดลคิดและตัดสินใจ และ Function Node สำหรับรันตรรกะแบบกำหนดผลลัพธ์แน่นอนโดยไม่ต้องเรียกโมเดล แล้วเชื่อมโหนดทั้งหมดเข้าด้วยกันเป็นเส้นทางแก้ปัญหา
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
สิ่งที่ทำให้กราฟเดินหน้าได้คือสถานะร่วม (Shared State) เมื่อสร้างระบบหลาย Agent ด้วย Agent Development Kit (ADK) เวอร์ชัน 2 บน Python คู่กับโมเดล Gemini ทุก Agent จะแชร์สถานะเดียวกัน ทำให้ข้อมูลและบริบทส่งต่อตามเส้นทางกราฟได้ทันทีโดยไม่ต้องค้นหาเอง ตัวอย่างที่ Google ใช้คือการรีวิว Pull Request (PR) ของนักพัฒนาที่แบ่งเวิร์กโฟลว์ออกเป็นสามส่วนอย่างชัดเจน
การนำ Graph Engineering มาใช้สะท้อนให้เห็นว่าวงการพัฒนา AI กำลังเปลี่ยนผ่านจากการพึ่งพิงความสามารถของโมเดลเดี่ยวๆ สู่การควบคุมโครงสร้างและสถาปัตยกรรมระบบอย่างเป็นระบบ (Deterministic Architecture) ซึ่งช่วยลดปัญหา Hallucination หรือการกุข้อมูลของ AI ได้อย่างมีนัยสำคัญเมื่อเทียบกับการใช้พรอมต์ก้อนใหญ่ก้อนเดียว
ความสับสนอีกประการคือศัพท์ที่มีคำว่า Graph ปะปนกัน โดย Knowledge Graph เน้นความสัมพันธ์ของข้อมูล ส่วน Graph Engineering เน้นพฤติกรรมและลำดับการทำงานของระบบ นอกจากนี้ยังมี Loop Engineering ที่ปล่อยให้ Agent วนลูปจนบรรลุเป้าหมาย ขณะที่ Graph Engineering จะวางเส้นทางกราฟและโหนดไว้ล่วงหน้า
สำหรับบทเรียน Codelab ตัวใหม่ พาสร้างแอปพลิเคชัน Marathon Race Day Coach ที่ให้คำแนะนำเรื่องการวิ่งและการคุมจังหวะ โดยแบ่งเป็นเก้าระดับ เริ่มตั้งแต่การชี้ปัญหาการใช้พรอมต์ก้อนใหญ่ที่มักกุข้อมูลสภาพอากาศและบันทึกการซ้อม ไต่ระดับขึ้นไปจนถึงการสร้างเวิร์กโฟลว์ผสมและการกระจายงานแบบขนาน
ที่มา: Techsauce
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น