ระยะการวิจัย PHASE_1

Agent Workflows

เอกสารออกแบบระบบ
? Guideline

Agent Workflows

ตัวอย่างเส้นทางการทำงานของ agent โดยหัวการ์ดทุกใบระบุ topology จำนวน dependency hop และนโยบายการเลือกกำกับไว้ พร้อมผลลัพธ์และหน้าที่แสดงผล

Workflow 1 · ตระกูล C2 การให้คำปรึกษาด้านการสอน (สะท้อนคิด)

เหมาะกับงานเสี่ยงต่ำ ข้อมูลครบ และใช้ domain เดียว — เน้น A06 Reflection Coach

Topology: Single · hop = 0
C02Gateway

scope, trace, safe input

A01Intake

request → task envelope

A02Orchestrator

choose lightweight path

A03Context

load current student context

A06Reflection Coach

guiding questions + summary draft

A12Eval & Safety

check ownership and safety

UIStudent confirmation

confirm/edit before save

ผลที่ได้จาก workflow

  • task_envelope
  • context_bundle
  • reflection_summary
  • evaluation_report

ดึงข้อมูลจาก

  • student/session tables
  • reflection history
  • approved evidence (optional)

แสดงผลที่หน้า

  • รายละเอียดรายบุคคล
  • AI Insights
  • Messages / follow-up

Workflow 2 · Adaptive Diagnosis & Planning

งานมาตรฐานของระบบ — ใช้ทั้ง parallel และ sequential เพื่อวิเคราะห์ สังเคราะห์ และสร้างแผน

Topology: Multi (hop = 2) · Policy: Adaptive AACOA
A01Intake

intent + target entity

A02Orchestrator

fan-out and budget

A03+A04Grounding team

context_bundle + evidence_bundle

A05+A07+A08Analysis / Knowledge

analysis + theory + compliance

A09Recommendation

generate options and rationale

A10Development Plan

baseline → target → milestones

A12Independent Eval

faithfulness / safety / citations

A11Progress Loop

monitor growth and risk

ผลที่ได้จาก workflow

  • context_bundle / evidence_bundle
  • teaching_analysis
  • knowledge_bundle / standards_compliance_bundle
  • recommendation_draft
  • development_plan_draft
  • evaluation_report + progress_risk

ดึงข้อมูลจาก

  • database: student, lesson, observation, evidence
  • RAG: theory, research, standards, regulations
  • analytics marts: baseline & progress

แสดงผลที่หน้า

  • AI Insights
  • Individual Detail
  • ID Plan
  • Reports
  • Agent Control Center

Parallel communication animation (conceptual)

Fan-out / fan-in
A02 Orchestrator
A03A04A05A07A08
A09 / A10 fan-in

Workflow 3 · High-impact Compliance Review

ใช้เมื่อมีผลต่อคะแนน สถานะ หรือข้อกำหนดทางการ — ต้องมี human gate

Topology: Multi (hop ≥ 1) · Policy: Adaptive AACOA → ส่งต่อมนุษย์
A01Intake

identify official request

A02Orchestrator

risk = high → gated path

A03+A04Context + Evidence

verified facts only

A08Standards & Compliance

active clauses and applicability

A12Eval & Safety

citation + policy validation

C03Human Approval Gate

approve / revise / reject

COMMITOfficial update

publish approved result

ผลที่ได้จาก workflow

  • standards_compliance_bundle
  • evaluation_report
  • approval_record
  • official report / status update

ดึงข้อมูลจาก

  • authoritative records
  • verified evidence
  • active regulations and rubric versions

แสดงผลที่หน้า

  • Reports
  • Admin
  • Security & Audit
  • Agent Control Center

Workflow 4 · Deterministic Cascade (คู่เทียบที่แข็งแรง)

มิใช่ topology แต่เป็นนโยบายการเลือก เริ่มจาก Single แล้วยกระดับเป็น Multi ตามคะแนนของตัวประเมิน และส่งต่อมนุษย์เมื่อยังไม่ผ่าน — นี่คือคู่เทียบที่ใช้ตัดสิน H1

Policy: Deterministic Cascade · ไม่ใช้คุณลักษณะภารกิจ
A01Intake

request → task envelope

STEP 1Single attempt

เริ่มจาก topology Single เสมอ

A12Evaluator

ผ่านเกณฑ์ → จบ; ไม่ผ่าน → ยกระดับ

STEP 2Escalate to Multi

ยกระดับเป็น Multi (hop ≥ 1) ด้วยงบที่กำหนดไว้ล่วงหน้า

A12Evaluator รอบสอง

ตรวจซ้ำด้วยเกณฑ์เดิม

C03Human handoff

ยังไม่ผ่าน → ส่งต่อมนุษย์

เงื่อนไขที่ต้องคุมให้ยุติธรรม

  • กฎการยกระดับต้องเป็นชุดเดียวกันทุกตระกูลภารกิจ
  • งบของการยกระดับต้องเท่ากันทุกตระกูล
  • ปรับค่าเกณฑ์บนชุดพัฒนาเท่านั้น มิใช่บนชุดตัดสิน

เทียบกับ Adaptive AACOA อย่างไร

  • Cascade ใช้ผลลัพธ์ระหว่างทางเป็นตัวตัดสิน
  • AACOA ใช้คุณลักษณะภารกิจก่อนเริ่มทำงาน
  • หาก AACOA ไม่ดีกว่าและไม่ประหยัดกว่า ให้ยอมรับ Cascade ว่าเป็นการออกแบบที่เพียงพอ

แสดงผลที่หน้า

  • Agent Control Center
  • Testing & Evals
  • Research Analytics

Workflow → Dashboard mapping

ArtifactProduced byUsed byShown on page
context_bundleA03A05, A06, A09, A11Student Detail / Agent Ops
evidence_bundleA04A05, A08, A09, A12Evidence / AI Insights
knowledge_bundleA07A09, A12Knowledge / AI Insights
standards_compliance_bundleA08A09, A12, C03Knowledge / Reports / Security
recommendation_draftA09A10, A12, C03AI Insights / Student Detail
development_plan_draftA10A11, C03ID Plan / Calendar / Reports
evaluation_reportA12C03, A11, Agent OpsAgent Control Center / Testing & Evals
progress_riskA11A02, supervisorsOverview / Reports / Agent Ops

สามโครงสร้างที่นโยบายเลือกได้

คำอธิบายบนหน้านี้อธิบายโครงสร้าง ไม่ได้แสดงผลการรันจริง

  • SINGLE · ตัวแทนเดียวทำงานจนจบ เหมาะกับภารกิจที่ความซับซ้อนต่ำและไม่ต้องการหลายมุมมอง
  • MANY · ตัวแทนหลายตัวทำงานขนานกันโดยไม่พึ่งพากัน แล้วรวมผลที่ชั้นเดียว
  • MULTI · ตัวแทนหลายตัวที่มีการพึ่งพากันเป็นลำดับ ผลของตัวหนึ่งป้อนให้อีกตัว

หน่วยที่นับเข้าโครงสร้าง

มีเพียงหน่วยที่เป็นตัวแทนเท่านั้นที่นับเข้าโครงสร้าง หน่วยควบคุมและหน่วยกำหนดผลแน่นอนทำงานอยู่ในทุกโครงสร้างโดยไม่ถูกนับ

นับเข้าโครงสร้าง 10 ตัว

ไม่นับเข้าโครงสร้าง 5 รหัส

  • AGT-C01 · Policy Engine · ไม่นับเข้าโครงสร้าง
  • AGT-C02 · Agent Gateway · ไม่นับเข้าโครงสร้าง
  • AGT-C03 · Human Approval Gate · ไม่นับเข้าโครงสร้าง
  • AGT-A01 · Intake & Triage · นับเข้าโครงสร้าง
  • AGT-A02 · AACOA Orchestrator · ไม่นับเข้าโครงสร้าง
  • AGT-A03 · Student Context · ไม่นับเข้าโครงสร้าง
  • AGT-A04 · Evidence Intelligence · นับเข้าโครงสร้าง
  • AGT-A05 · Teaching Analysis · นับเข้าโครงสร้าง
  • AGT-A06 · Reflection Coach · นับเข้าโครงสร้าง
  • AGT-A07 · Knowledge & Theory · นับเข้าโครงสร้าง
  • AGT-A08 · Standards & Compliance · นับเข้าโครงสร้าง
  • AGT-A09 · Recommendation · นับเข้าโครงสร้าง
  • AGT-A10 · Development Planning · นับเข้าโครงสร้าง
  • AGT-A11 · Progress & Risk · นับเข้าโครงสร้าง
  • AGT-A12 · Evaluation & Safety · นับเข้าโครงสร้าง