LangChain เปิดเผยชุด "สกิล (Skills)" ที่ช่วยยกระดับประสิทธิภาพของ เอเจนต์เขียนโค้ด ได้อย่างมาก
โดยเฉพาะเมื่อโมเดลอย่าง Claude Code ทำงานที่เกี่ยวข้องกับ LangChain/LangGraph/LangSmith จากเดิมที่ไม่มีสกิลแล้วสำเร็จเพียงราว 25% ก็เพิ่มขึ้นเป็น 95% หลังติดตั้งสกิล และงานที่เกี่ยวข้องกับ LangSmith ก็พัฒนาขึ้นมากจาก 17% → 92%
ประเภทของสกิลที่เปิดเผย
- สกิล LangChain 11 รายการ: ลูปพื้นฐานของเอเจนต์, Human-in-the-Loop ของ LangGraph, Deep Agents เป็นต้น
- สกิล LangSmith 3 รายการ: การทำ tracing, การสร้าง dataset, การประเมินเอเจนต์
→ เปิดตัว LangSmith CLI พร้อมกันด้วย (สามารถดู trace, จัดการ dataset และรันการทดลองได้จากเทอร์มินัล)
ผลการประเมินและบทเรียนที่ได้
- เมื่อใช้สกิล Claude Code มีอัตราทำงานสำเร็จ 82% เทียบกับ 9% เมื่อไม่ใช้
- ความแม่นยำในการเรียกใช้สกิล: ถ้ามีมากเกินไป (20 รายการ) ความผิดพลาดจะเพิ่มขึ้น ↑ → เมื่อลดเหลือราว 12 รายการ ความแม่นยำจะสูงขึ้น ↑
- ต้องระบุใน AGENTS.md หรือ CLAUDE.md ให้ชัดเจนว่า “ควรใช้สกิลไหน เมื่อไร” จึงจะดึงประสิทธิภาพได้สูงสุด
แนวโน้มในอนาคต
- เมื่อใช้สกิล LangSmith เอเจนต์จะสามารถทำลูปการพัฒนาตนเองแบบ วิเคราะห์ log การทำงานของตัวเอง → สรุปปัญหา → สร้าง test dataset + evaluator อัตโนมัติ ได้
- ต่อไปมีแนวโน้มว่าไซเคิลบนเทอร์มินัลแบบ “เอเจนต์ปรับปรุงเอเจนต์” จะกลายเป็นกระแสหลัก
ยังไม่มีความคิดเห็น