Agent Loop: AI Agent คิด ทำ และตรวจผลอย่างไร

เจาะกลไก Plan, Act, Observe ที่ทำให้ AI Agent ทำงานหลายขั้นได้เอง พร้อมตัวอย่างงานจัดซื้อ เงื่อนไขการหยุด และข้อควรระวัง

ลองนึกภาพว่าคุณพิมพ์สั่ง AI ว่า "เช็กสต็อกกระดาษ A4 ทุกสาขา ถ้าสาขาไหนเหลือต่ำกว่า 20 รีม ให้ขอใบเสนอราคาจากซัพพลายเออร์ 3 เจ้าแล้วสรุปให้หน่อย" แชตบอตทั่วไปจะตอบกลับมาเป็นคำแนะนำหนึ่งย่อหน้า แต่ AI Agent จะเริ่มลงมือ: เปิดไฟล์สต็อก อ่านตัวเลข ตัดสินใจว่าต้องทำอะไรต่อ แล้ววนซ้ำจนงานเสร็จ หัวใจของพฤติกรรมนี้มีชื่อเรียกว่า Agent Loop

ถ้าคุณยังไม่คุ้นกับคำว่า Agent แนะนำให้อ่าน AI Agent คืออะไร ก่อน บทความนี้จะลงลึกไปที่กลไกข้างใน ว่า Agent คิด ทำ และตรวจผลอย่างไรในแต่ละรอบ

Agent Loop คืออะไร

Agent Loop คือวงจรที่ AI ทำซ้ำไปเรื่อยๆ 3 จังหวะ: Plan (คิดว่าขั้นต่อไปควรทำอะไร) Act (เรียกใช้เครื่องมือ) และ Observe (อ่านผลลัพธ์ที่ได้กลับมา) แล้วใช้ผลนั้นวางแผนรอบถัดไป จนกว่าจะตัดสินว่างานเสร็จหรือถึงเงื่อนไขให้หยุด

แนวคิดนี้เป็นที่รู้จักกว้างขวางจากงานวิจัย ReAct: Synergizing Reasoning and Acting in Language Models (Yao และคณะ, 2022) ที่ให้โมเดลสลับระหว่างการเขียนเหตุผลกับการลงมือทำ งานวิจัยรายงานว่าวิธีนี้ทำ success rate บน ALFWorld สูงกว่าวิธีเดิมแบบ absolute 34% และบน WebShop 10%

3 จังหวะในแต่ละรอบ

1. Plan: ตัดสินใจขั้นถัดไป

โมเดลอ่านเป้าหมาย ประวัติสิ่งที่ทำไปแล้ว และผลล่าสุด จากนั้นเลือกว่าจะทำอะไรต่อ เช่น "ต้องอ่านไฟล์สต็อกก่อน"

2. Act: เรียกใช้ Tool

โมเดลไม่ได้รันอะไรเอง เอกสาร Tool use ของ Claude อธิบายไว้ชัดว่าโมเดลแค่ส่ง "คำขอแบบมีโครงสร้าง" ออกมา (ชื่อเครื่องมือและ arguments) แล้วโค้ดของคุณหรือเซิร์ฟเวอร์ของผู้ให้บริการเป็นคนรันจริง ผลลัพธ์จึงค่อยถูกส่งกลับเข้าไปในบทสนทนา รายละเอียดกลไกนี้อ่านต่อได้ใน Tool Calling คืออะไร

3. Observe: อ่านความจริงจากสภาพแวดล้อม

บทความ Building effective agents ของ Anthropic (ธันวาคม 2024) เน้นว่าในแต่ละขั้น Agent ต้องได้ "ground truth" จากสภาพแวดล้อม เช่น ผลจากเครื่องมือหรือผลรันโค้ด เพื่อประเมินว่างานคืบหน้าจริงหรือไม่ ไม่ใช่เดาเอาเอง

ตัวอย่าง: Agent ฝ่ายจัดซื้อหนึ่งงาน วนกี่รอบ

กลับไปที่โจทย์กระดาษ A4 ลูปจริงอาจหน้าตาแบบนี้

1. Plan: ต้องรู้ยอดสต็อก → Act: อ่าน Google Sheets → Observe: สาขาบางนาและขอนแก่นเหลือต่ำกว่าเกณฑ์
2. Plan: หาซัพพลายเออร์ที่เคยซื้อ → Act: ค้นในระบบจัดซื้อ → Observe: เจอ 3 ราย แต่รายหนึ่งไม่มีอีเมล
3. Plan: ส่งคำขอใบเสนอราคา 2 รายที่มีอีเมล และบันทึกว่าอีกรายต้องโทรเอง → Act: ร่างอีเมล → Observe: ร่างพร้อม แต่ยังไม่ส่งเพราะเป็นการสื่อสารภายนอก
4. Plan: งานในส่วนที่ทำเองได้ครบแล้ว → สรุปผลและขออนุมัติจากคุณก่อนส่ง

สังเกตว่ารอบที่ 2 แผนเปลี่ยนเพราะสิ่งที่ Observe เจอ นี่คือข้อได้เปรียบของลูป และรอบที่ 3 Agent หยุดรอคนก่อนทำสิ่งที่ย้อนกลับไม่ได้

ลูปต้องรู้จักหยุด

Agent ที่ไม่มีเงื่อนไขหยุดอาจวนไม่จบ ระบบที่ดีจึงกำหนดทางออกไว้หลายทาง

• งานเสร็จ: ใน API ของ Claude ลูปจะดำเนินต่อตราบที่ stop_reason เป็น tool_use และจบเมื่อโมเดลตอบด้วยเหตุผลอื่น เช่น end_turn
• จำนวนรอบสูงสุด: เช่น node AI Agent ของ n8n มีตัวเลือก Max Iterations ซึ่งค่าเริ่มต้นคือ 10
• Checkpoint ให้คนตัดสิน: Anthropic แนะนำให้ Agent หยุดขอ feedback จากคนเมื่อถึงจุดสำคัญหรือติดขัด
• งบประมาณ: จำกัดจำนวน token หรือเวลาต่อหนึ่งงาน

เมื่อไหร่ไม่ต้องใช้ลูป

Anthropic แยก Workflow (ขั้นตอนถูกกำหนดไว้ล่วงหน้าในโค้ด) ออกจาก Agent (โมเดลเลือกขั้นตอนเอง) และแนะนำให้เริ่มจากวิธีที่ง่ายที่สุดที่ใช้ได้ ถ้างานของคุณมีลำดับตายตัวทุกครั้ง เช่น รับไฟล์ แปลง ส่งต่อ Workflow ธรรมดาจะถูกกว่าและคาดเดาได้มากกว่า อ่านเพิ่มใน AI Assistant vs AI Agent vs Agent Platform

ข้อควรระวัง

• ต้นทุนสูงขึ้น: Anthropic รายงานว่า Agent ใช้ token ประมาณ 4 เท่าของการแชตทั่วไป และยิ่งลูปยาว บริบทที่ต้องส่งในแต่ละรอบก็ยิ่งใหญ่ขึ้น
• ความผิดพลาดสะสม: ถ้ารอบแรกอ่านข้อมูลผิด รอบต่อๆ ไปจะผิดตาม ควรให้ Agent ตรวจผลกับแหล่งจริงเสมอ
• ข้อมูลที่ Observe อาจมีคำสั่งแฝง: หน้าเว็บหรืออีเมลที่ Agent อ่านอาจมีข้อความหลอกให้ทำสิ่งที่คุณไม่ได้สั่ง (prompt injection)

Agent ที่ดีไม่ใช่ตัวที่คิดเก่งที่สุด แต่เป็นตัวที่ดูผลจริงทุกรอบ และรู้ว่าเมื่อไหร่ควรหยุด

เริ่มต้นยังไง

1. เลือกงานที่ต้อง "ตัดสินใจระหว่างทาง" จริงๆ ไม่ใช่งานที่ขั้นตอนตายตัว
2. เขียนเป้าหมายและเกณฑ์ว่าแบบไหนคือ "เสร็จ" ให้ชัด
3. ให้เครื่องมือแค่ 2 ถึง 3 ตัวที่จำเป็นในรอบแรก
4. ตั้ง Max Iterations และจุดที่ต้องขออนุมัติจากคน
5. เปิดดู intermediate steps ทุกครั้งที่ทดสอบ เพื่อดูว่า Agent คิดและทำอะไรในแต่ละรอบ

เข้าใจลูปแล้ว ขั้นต่อไปคือลองสร้างจริง คอร์ส n8n AI ใน Plants.work Learn เป็นจุดเริ่มที่ดี และถ้าอยากรู้ว่าทักษะนี้ต่อยอดไปสายงานไหนได้บ้าง ลองคุยกับ AI Career Assistant