AATS

Agent Architecture

AATS · 10 ตัวแทน + 3 deterministic node + 2 control node + AACOA ในฐานะชั้นนโยบายที่เลือก topology · แมปกับสถาปัตยกรรมอ้างอิงเจ็ดชั้น

เปิด Agent Control Center

STAGE 0–2

Control & Decision

Policy Engine + Agent Gateway
A01 Intake & Triage
A02 AACOA Orchestrator · ชั้นนโยบายที่เลือก topology

STAGE 3–4

Grounding & Analysis

A03 Student Context
A04 Evidence Intelligence
A05 Teaching Analysis
A06 Reflection Coach

STAGE 5–6

Knowledge & Action

RAG Retrieval Service
A07 Knowledge & Theory
A08 Standards & Compliance
A09 Recommendation → A10 Planning

STAGE 7–9

Assurance & Learning Loop

A12 Evaluation & Safety
Human Approval Gate
A11 Progress & Risk

Agent execution sequence

Adaptive

CONTROLPolicy + Gateway

สิทธิ์, consent, tool scope, model policy

→

A01Intake & Triage

Intent, target, missing context, urgent flags

→

A02AACOA Orchestrator

สกัดคุณลักษณะภารกิจ 8 กลุ่ม → เลือก Single / Many (hop 0) / Multi (hop ≥ 1)

→

A03 + A04Grounding team

Context bundle + evidence bundle

→

A05–A08Analysis team

Teaching, reflection, theory, standards

→

A09 → A10Action team

Recommendation draft → development plan

→

A12Independent eval

Accept, revise, retrieve, reject, human review

→

A11Progress loop

Growth, risk, alert, next supervision cycle

A01

Intake & Triage

สร้าง Task envelope

intententitiesmissing context

A02

AACOA Orchestrator

เลือก topology ตามคุณลักษณะภารกิจ

typed featuresSingle/Many/Multireason coderouter confidencefallback

A03

Student Context

บริบทที่จำเป็นและมีสิทธิ์

temporal contextscope

A04

Evidence Intelligence

Claim–Evidence–Limitations

consenttriangulationconflicts

A05

Teaching Analysis

Plan, observation, episode, issue

alignmentdiagnosiscompetency

A06

Reflection Coach

Scaffold โดยไม่เขียนแทน

non-leadingcausal reflection

A07

Knowledge & Theory

Verified theory, research, cases

retrievalcontext fitcitations

A08

Standards & Compliance

Version, authority, applicability

rulestemporal validityconflict

A09

Recommendation

Evidence-grounded options

actionabilityprioritymetrics

A10

Development Planning

Baseline → target → milestones

SMART goalfollow-up

A11

Progress & Risk

Rule/statistical scoring + explanation

growthriskalert

A12

Evaluation & Safety

Independent assurance

faithfulnesssafetycitation

ชั้นที่ 1 · รูปแบบการทำงาน (Agent execution topology)

ตัดด้วย dependency hop และการอ่าน state ร่วม

Single

Dependency hopไม่มี worker หลายตัว

อ่าน state ของกันไม่มี

เหมาะกับงานขอบเขตแคบ ข้อมูลครบ

ตัวอย่างตรวจแผนฉบับสั้น

Many (hop = 0)

Dependency hopเท่ากับศูนย์

อ่าน state ของกันไม่อ่าน รวมผลครั้งเดียวตอนท้ายได้

เหมาะกับต้องการหลายมุมมองที่เป็นอิสระ

ตัวอย่างตั้งสมมติฐานสาเหตุหลายทางในการให้คำปรึกษา

Multi (hop ≥ 1)

Dependency hopตั้งแต่หนึ่งขึ้นไป

อ่าน state ของกันผลย่อยส่งต่อและใช้ state ร่วม

เหมาะกับงานที่ผลย่อยต่อยอดกันเป็นลำดับ

ตัวอย่างตรวจแผนเต็มรูปแบบพร้อมตรวจมาตรฐาน

เกณฑ์ตัดตามบทที่ 2 ตารางที่ 2.3A · กรณี aggregator อ่านผลย่อยเพื่อรวมครั้งเดียวโดยไม่ส่ง state กลับไปให้ worker ยังนับเป็น Many

ชั้นที่ 2 · นโยบายการเลือก (Selection policy)

นโยบายมิใช่ topology

Static

วิธีตัดสินตรึง topology ไว้ล่วงหน้า

ใช้คุณลักษณะภารกิจไม่ใช้

บทบาทในการวิจัยเงื่อนไขฐานสองแบบ (Single, Multi)

Deterministic Cascade

วิธีตัดสินเริ่ม Single แล้วยกระดับตามคะแนนของตัวประเมิน

ใช้คุณลักษณะภารกิจไม่ใช้ ใช้ผลลัพธ์ระหว่างทางแทน

บทบาทในการวิจัยคู่เทียบที่แข็งแรง ใช้ตัดสิน H1

Adaptive AACOA

วิธีตัดสินอ่านคุณลักษณะภารกิจแบบมีชนิดก่อนเริ่มงาน

ใช้คุณลักษณะภารกิจใช้ครบทั้ง 8 กลุ่ม

บทบาทในการวิจัยนโยบายที่เสนอ ต้องแสดงว่าไม่ด้อยกว่า Cascade

ข้อควรระวังของสองชั้นนี้: Adaptive มิใช่ topology แต่เป็นนโยบายที่ทำหน้าที่เลือก topology ดังนั้นจึงไม่มีสิ่งที่เรียกว่า “Adaptive Agent” วางขนานกับ Single หรือ Multi

AACOA Decision Explainer · การตัดสินใจหนึ่งครั้ง

ข้อมูลจำลองเพื่อสาธิตส่วนต่อประสาน มิใช่ผลการวิจัย

ตระกูลภารกิจ: C1 ตรวจและพัฒนาแผนการจัดการเรียนรู้policy: Adaptive AACOAtopology ที่เลือก: Multi (hop = 2)router confidence 0.78degraded_mode: false

คุณลักษณะภารกิจ	กลุ่ม	ค่าที่สกัดได้	ผลต่อการเลือก
Complexity	คุณลักษณะของงาน	3 จาก 4	สนับสนุน Multi
Dependency	คุณลักษณะของงาน	3 จาก 4 (hop = 2)	hop ≥ 1 จึงตัด Many ออก
Diversity	คุณลักษณะของงาน	1 จาก 4	ไม่จำเป็นต้องใช้ Many
Ambiguity	คุณลักษณะของงาน	1 จาก 4	มีแผนอยู่ตรงหน้า ไม่ต้องขอความกระจ่างก่อน
Risk	คุณลักษณะของงาน	2 จาก 4	ยังไม่ถึงเกณฑ์ส่งต่อมนุษย์แบบบังคับ
Evidence	คุณลักษณะของงาน	4 จาก 4	ต้องมีตัวตรวจการอ้างอิงมาตรฐาน
Resources · latency budget	ข้อจำกัดขณะทำงาน	จำกัด	จำกัดจำนวนรอบของ Multi
Resources · cost budget	ข้อจำกัดขณะทำงาน	ปานกลาง	อนุญาต Multi แบบสองรอบ
Router confidence (ex-ante)	ความมั่นใจก่อนประมวลผลรอบแรก	0.78	สูงกว่าเกณฑ์ 0.60 จึงไม่ตกไปค่าตั้งต้นที่ปลอดภัย

ตารางนี้แจกแจงคุณลักษณะภารกิจ 8 กลุ่มตามบทที่ 2 ตารางที่ 2.4 โดยกลุ่ม Resources แสดงแยกเป็น latency และ cost

ชุดตัวเลือกและผลการเลือก

Singleไม่เลือก · dependency hop > 0

Many (hop = 0)ไม่เลือก · ความต้องการหลายมุมมองต่ำ

Multi (hop ≥ 1)เลือก

ส่งต่อมนุษย์ทันทีไม่เข้าเงื่อนไข

รหัสเหตุผล (reason code)

RC-DEP-02dependency hop ≥ 1

RC-EVI-01ต้องอ้างมาตรฐาน จึงต้องมีตัวตรวจ

RC-DIV-00ความหลากหลายต่ำ จึงยุบรวม Many

RC-LAT-01เวลาจำกัด จึงจำกัดจำนวนรอบ

ถ้าคุณลักษณะเปลี่ยนหนึ่งระดับ

Dependency 3 → 0เปลี่ยนเป็น Single

Diversity 1 → 4 และ hop = 0เปลี่ยนเป็น Many

Risk 2 → 4ส่งต่อมนุษย์แบบบังคับ

Router confidence 0.78 → 0.45ตกไปค่าตั้งต้นที่ปลอดภัย

ทางถอยและค่าตั้งต้นที่ปลอดภัย: เมื่อความมั่นใจต่ำกว่าเกณฑ์ สกัดคุณลักษณะไม่สำเร็จ หรือชนเพดานต้นทุนและเวลา ระบบจะถอยไปยังค่าตั้งต้นที่ปลอดภัยคือ Single พร้อมตัวตรวจสอบ แล้วทำเครื่องหมาย degraded_mode = true ซึ่งการทำงานที่ถูกทำเครื่องหมายนี้จะถูกตัดออกจากชุดวิเคราะห์เชิงยืนยัน

agent หรือ deterministic node · แมปกับสถาปัตยกรรมอ้างอิงเจ็ดชั้น

บทที่ 2 ตารางที่ 2.5A

นิยาม agent ของ proposal ต้องครบสามข้อ: (1) มี instruction หรือ role ของตนเองที่แยกเวอร์ชันได้ (2) มีสิทธิ์เลือกลำดับการกระทำเองอย่างน้อยหนึ่งขั้น (3) เขียน node output เข้า execution graph — องค์ประกอบที่ขาดข้อใดข้อหนึ่งเป็น deterministic node หรือ control node มิใช่ agent ดังนั้น C01 Policy Engine, C02 Agent Gateway, A03 Student Context (deterministic node) และ C03 Human Approval Gate, A02 AACOA Orchestrator (control node) จึงไม่นับเป็น agent · ป้ายในตารางนี้อ่านจากทะเบียนของระบบ ตัวแทนจริงมี 10 ตัว

รหัส	องค์ประกอบ	ชั้นสถาปัตยกรรม	ชนิดของโหนด
C01	Policy Engine	Evaluation & governance	Deterministic node
C02	Agent Gateway	Infrastructure + Evaluation & governance	Deterministic node
C03	Human Approval Gate	Evaluation & governance	Control node
A01	Intake & Triage	Application (task understanding)	Agent (ครบ 3 เงื่อนไข)
A02	AACOA Orchestrator	Orchestration	Control node
A03	Student Context	Knowledge & memory	Deterministic node
A04	Evidence Intelligence	Knowledge & memory	Agent (ครบ 3 เงื่อนไข)
A05	Teaching Analysis	Agent capability	Agent (ครบ 3 เงื่อนไข)
A06	Reflection Coach	Agent capability	Agent (ครบ 3 เงื่อนไข)
A07	Knowledge & Theory	Knowledge & memory	Agent (ครบ 3 เงื่อนไข)
A08	Standards & Compliance	Knowledge & memory	Agent (ครบ 3 เงื่อนไข)
A09	Recommendation	Agent capability	Agent (ครบ 3 เงื่อนไข)
A10	Development Planning	Agent capability	Agent (ครบ 3 เงื่อนไข)
A11	Progress & Risk	Evaluation & governance	Agent (ครบ 3 เงื่อนไข)
A12	Evaluation & Safety	Evaluation & governance	Agent (ครบ 3 เงื่อนไข)

ช่องว่างที่ยังต้องปิด: ชั้น Experience ยังไม่มีองค์ประกอบใดในแคตาล็อกนี้ และชั้น Application (task understanding) กับ Knowledge & memory ยังไม่ปรากฏเป็นองค์ประกอบชั้นหนึ่งที่แยกออกมาอย่างชัดเจนในต้นแบบ

Agent-to-Agent communication: ใช้ Structured Artifacts ผ่าน Artifact Bus เช่น context_bundle, evidence_bundle, knowledge_bundle และ evaluation_report ไม่ส่งข้อความอิสระยาว ๆ หากันโดยตรง

เปิด RAG Architectureดูว่า A07/A08 ใช้ Exact, Hybrid, Case และ Graph-aware retrieval อย่างไร เปิด Agent Traceดู retrieval spans, chunks, rankings, citations และ eval scores

การจำแนกอ่านจากทะเบียน

การจำแนกทุกแถวบนหน้านี้อ่านจากทะเบียนของสัญญา ไม่ได้พิมพ์ไว้ในหน้าจอ

หน่วยทั้งหมด 15 หน่วย

ชนิดของโหนด 4 ชนิด

ชั้นสถาปัตยกรรม 7 ชั้น

AGENT

AGENT มี 10 หน่วย

AGT-A01 · Intake & Triage · APPLICATION · เรียกแบบจำลองได้
AGT-A04 · Evidence Intelligence · KNOWLEDGE_MEMORY · เรียกแบบจำลองได้
AGT-A05 · Teaching Analysis · AGENT_CAPABILITY · เรียกแบบจำลองได้
AGT-A06 · Reflection Coach · AGENT_CAPABILITY · เรียกแบบจำลองได้
AGT-A07 · Knowledge & Theory · KNOWLEDGE_MEMORY · เรียกแบบจำลองได้
AGT-A08 · Standards & Compliance · KNOWLEDGE_MEMORY · เรียกแบบจำลองได้
AGT-A09 · Recommendation · AGENT_CAPABILITY · เรียกแบบจำลองได้
AGT-A10 · Development Planning · APPLICATION · เรียกแบบจำลองได้
AGT-A11 · Progress & Risk · APPLICATION · เรียกแบบจำลองได้
AGT-A12 · Evaluation & Safety · EVALUATION_GOVERNANCE · เรียกแบบจำลองได้

CONTROL_NODE

CONTROL_NODE มี 2 หน่วย

AGT-C03 · Human Approval Gate · EVALUATION_GOVERNANCE · ห้ามเรียกแบบจำลอง
AGT-A02 · AACOA Orchestrator · ORCHESTRATION · เรียกแบบจำลองได้

DETERMINISTIC_NODE

DETERMINISTIC_NODE มี 3 หน่วย

AGT-C01 · Policy Engine · EVALUATION_GOVERNANCE · ห้ามเรียกแบบจำลอง
AGT-C02 · Agent Gateway · INFRASTRUCTURE · ห้ามเรียกแบบจำลอง
AGT-A03 · Student Context · KNOWLEDGE_MEMORY · ห้ามเรียกแบบจำลอง

TOOL

TOOL มี 0 หน่วย

ยังไม่มีหน่วยใดในชนิดนี้

กฎที่ผูกกับการจำแนก

หน่วยที่ตัดสินสิทธิ์ ความเป็นส่วนตัว การยกระดับความเสี่ยง และขอบเขตการประเมินอย่างเป็นทางการ ห้ามเรียกแบบจำลอง
มีเพียงหน่วยที่เป็นตัวแทนเท่านั้นที่นับเข้าโครงสร้าง หน่วยควบคุมและหน่วยกำหนดผลแน่นอนไม่นับ
หน่วยควบคุมที่เรียกแบบจำลองได้มีเพียงตัวเดียว และเรียกได้เฉพาะผ่านช่องทางที่กำหนดไว้เท่านั้น