เคยสงสัยไหมว่าทำไม AI Agent ที่ดูเจ๋งมากตอน demo แต่พอเอาไปใช้จริงกลับพังบ่อย? คำตอบที่ทั้วไปมักจะบอกว่า "เพิ่ม prompt อีกนิด" แต่สัปดาห์นี้มีเสียงจากผู้เชี่ยวชาญหลายฝ่ายที่บอกว่า วิธีนั้นไม่ได้ผลแล้ว เราต้องเปลี่ยนวิธีคิดทั้งระบบ
Prompt ยาวขึ้นเรื่อยๆ ไม่ใช่คำตอบ
บทความยอดนิยมบน Hacker News สัปดาห์นี้จาก Brian Suh เสนอแนวคิดที่ทำให้ชุมชน developer ต้องคิดหนัก — AI Agent ที่ต้องทำงานซับซ้อนไม่ควรใช้ prompt chains แต่ต้องใช้ deterministic control flow ที่เขียนเป็น code จริงๆ สังเกตตัวเองดูสิ ถ้าคุณเคยเขียนคำว่า "MANDATORY" หรือ "DO NOT SKIP" ใน prompt นั่นแปลว่าคุณกำลังใช้ prompt ทำหน้าที่ของ code อยู่ และมันจะยิ่งพังยิ่งเพิ่มเติม Brian อธิบายว่า prompt chains เปรียบเหมือน programming language ที่ statements ทุกอย่างเป็น "คำแนะนำ" และ functions "คาดเดา" ผลลัพธ์ มันไม่มีทาง scale ได้ เพราะ software ที่เติบโตได้จริงต้องมี recursive composability — คือสามารถแตกงานเป็น libraries, modules, functions ที่ซ้อนกันได้ แต่ prompt chains ทำแบบนั้นไม่ได้ สิ่งที่ต้องทำแทนคือย้าย logic จาก "prose" เข้าสู่ runtime จริง ใช้ deterministic scaffolds ที่มี explicit state transitions และ validation checkpoints ชัดเจน และที่สำคัญที่สุด — ปฏิบัติต่อ LLM เป็น component หนึ่ง ไม่ใช่ทั้งระบบ
OpenAI Agents SDK 0.14: จาก Prompt Bundle สู่ Runtime จริง
ในเวลาไล่เลี่ยกัน OpenAI ก็ปล่อย Agents SDK เวอร์ชัน 0.14 ซึ่งเป็นจุดเปลี่ยนสำคัญ — จาก "prompt bundle" ธรรมดา กลายเป็น runtime แบบเต็มรูปแบบ โดยมี 3 เสาหลักที่น่าสนใจมาก Model-Native Harness เป็นแนวคิดที่ให้ model ควบคุม files, shells, patches โดยตรง แต่แยก control plane (ที่เก็บ credentials) ออกจาก compute plane (ที่รันโค้ด) อย่างชัดเจน เพื่อป้องกัน prompt injection ที่จะขโมยสิทธิ์เข้าถึง Sandbox Agents ให้โค้ดที่ model สร้างรันใน isolated compute layer แยกออกมาโดยสิ้นเชิง รองรับ 7 providers รวมถึง Cloudflare, E2B, Vercel และแม้แต่ local sandbox ที่ไม่ต้องใช้ Docker Subagent Pattern ให้ parent agent เรียก child agents หลายตัวรันพร้อมกันแบบ parallel แต่ละตัวอยู่ใน sandbox ของตัวเอง พร้อมระบบ checkpoint/snapshot ที่ทำให้งานที่รันนานๆ สามารถ resume ได้แม้ container restart สิ่งที่น่าสังเกตคือ OpenAI เองก็เห็นตรงกับแนวคิดจากบทความ Hacker News — ต้องใช้ code-based control flow ไม่ใช่ prompt ที่ยาวขึ้นเรื่อยๆ
Ruflo: Multi-Agent Orchestration สำหรับ Production
อีกหนึ่งเครื่องมือที่น่าจับตาคือ Ruflo (เดิมชื่อ Claude Flow) — multi-agent orchestration platform ที่เพิ่งทะลุ 48,500 stars บน GitHub สิ่งที่ Ruflo ทำคือให้ AI Agent หลายๆ ตัวทำงานร่วมกันได้อย่างมีระเบียบ มี 100+ specialized agents สำหรับงานต่างๆ เช่น coding, testing, security, docs, และ architecture โดยมีระบบ Swarm coordination ที่รองรับทั้ง hierarchical, mesh และ adaptive topologies ที่น่าสนใจคือ Ruflo มีระบบ self-learning ผ่าน SONA neural patterns และ ReasoningBank — agent ไม่ได้แค่ทำงานตามสั่ง แต่เรียนรู้จากประสบการณ์ด้วย รวมถึง Vector Memory ที่ search เร็วกว่าปกติถึง 150x-12,500x ทำให้ agent จำข้อมูลข้าม session ได้จริง แนวคิดหลักของ Ruflo สรุปได้ว่า "One npx ruflo init gives Claude Code a nervous system" — agent จัดระเบียบตัวเอง เรียนรู้ จำ และประสานงานกันโดยอัตโนมัติ
ทำไมทั้งหมดนี้สำคัญตอนนี้
ถ้ามองรวมกันจะเห็น pattern ชัดเจน — อุตสาหกรรม AI Agent กำลังเปลี่ยนจาก "เขียน prompt ให้ดี" เป็น "สร้าง architecture ที่ถูกต้อง" ทั้ง 3 เรื่องบอกเรื่องเดียวกัน: บทความ Hacker News บอกว่าอย่าพึ่ง prompt อย่างเดียว ให้ใช้ code-based control flow OpenAI SDK แสดงให้เห็นว่าแนวทางนั้นเป็นจริงได้ด้วย sandbox + harness + subagents Ruflo พิสูจน์ว่า multi-agent system ทำงานได้จริงใน production เมื่อมี orchestration ที่เหมาะสม ถ้าคุณกำลังสร้าง AI Agent อยู่ คำแนะนำคืออย่าเพิ่ม prompt อีกบรรทัด แต่ให้มองว่า architecture ของคุณมี state management, validation checkpoints และ error handling แบบที่ software ดีๆ ควรมีหรือยัง
สรุป
AI Agent กำลังเข้าสู่ยุคใหม่ที่ prompt engineering อย่างเดียวไม่พอแล้ว สิ่งที่ต้องทำคือสร้าง production-grade architecture ที่มี deterministic control flow, sandboxing สำหรับความปลอดภัย และ orchestration ที่จัดการ agent หลายตัวได้อย่างมีประสิทธิภาพ เครื่องมือและแนวคิดใหม่ๆ ทั้งหมดนี้ชี้ให้เห็นว่าอนาคตของ AI Agent อยู่ที่ software engineering ที่ดี ไม่ใช่ prompt ที่ยาวขึ้น
Sources:
Agents Need Control Flow, Not More Prompts — Hacker News OpenAI Agents SDK 0.14: Sandbox Agents, Model-Native Harness, Subagents Ruflo — Multi-agent AI orchestration platform