เอกสารอ้างอิง

คู่มือนี้เรียบเรียงจากการสำรวจสนาม AI agent กลางปี 2026 ผสานกับระบบจริงที่เราสร้างเองเป็นกรณีศึกษาเชิงแนวคิด ทุกตัวอย่าง “ในระบบของเรา” ถูกเล่าเป็น พฤติกรรมและการไหลของระบบ โดยตั้งใจ — ไม่มีโค้ด ไม่มี path ไม่มีคำสั่ง เพื่อให้โฟกัสอยู่ที่ แนวคิด ที่นำไปออกแบบ harness ของคุณเองได้

แนวคิดหลักและงานวิจัยที่อ้างอิง

กรอบ agent & harness

• Anthropic — “Building Effective Agents” (ธ.ค. 2024): หลัก “หาทางที่ง่ายที่สุดก่อน เพิ่มความซับซ้อนเมื่อจำเป็น” · บันไดความซับซ้อน (บทที่ 03, 15)
• Anthropic Engineering — “Code execution with MCP”: การกรองผลใน sandbox ลดจาก ~150K เหลือ ~2K token (บทที่ 12)
• OpenAI & Anthropic — คู่มือ agent/harness ปี 2025–2026 ว่าด้วยความน่าเชื่อถือที่ “ออกแบบรอบโมเดล” (บทที่ 01, 10)

Model Context Protocol (MCP)

• Model Context Protocol — สเปกเปิด (host/client/server · tools/resources/prompts · confused-deputy) — modelcontextprotocol.io (บทที่ 11) · ปัจจุบันอยู่ภายใต้ Linux Foundation

Context engineering

• Liu et al. — “Lost in the Middle: How Language Models Use Long Contexts”, TACL 2024 (กราฟ recall รูปตัว U) — arxiv.org/abs/2307.03172 (บทที่ 13)
• Chroma Research — “Context Rot” (2025): โมเดล 18 ตัวเสื่อมเมื่อ input ยาวขึ้น แม้ window ยังว่าง (บทที่ 13)

Security

• Simon Willison — “The lethal trifecta” (2025): private data + untrusted content + exfiltration — simonwillison.net (บทที่ 14)
• OWASP Top 10 for LLM Applications — LLM01: Prompt Injection — owasp.org (บทที่ 14)
• Invariant Labs — การเปิดเผย GitHub MCP prompt-injection (2025): issue สาธารณะ → ดูด private repo → เปิด PR (บทที่ 14)

Observability & evaluation

• OpenTelemetry — GenAI semantic conventions: trace/span/attribute มาตรฐานสำหรับ agent — opentelemetry.io (บทที่ 09)
• แนวคิด eval 3 ระดับ (final / trajectory / step) + private suite + LLM-as-judge ที่สอบเทียบ (บทที่ 16)

Physical AI & Human Integration (พรมแดนถัดไป)

• Vision-Language-Action (VLA) Models: Concepts, Progress, Applications and Challenges — สำรวจปี 2025 — arxiv.org/abs/2505.04769 (บทที่ 18)
• A Survey on Vision-Language-Action Models for Embodied AI — arxiv.org/abs/2405.14093 (บทที่ 18)
• งานทบทวน Human-in-the-Loop AI (concepts/methods/applications, 2025–2026) และการศึกษา machine self-assessment ที่เพิ่ม trust ของมนุษย์ (บทที่ 19)

ที่มาของการออกแบบคู่มือนี้

เนื้อหาถูกสร้างจากเวิร์กโฟลว์วิจัย/ออกแบบเบื้องหลัง 3 ชุด (วัตถุดิบดิบเก็บไว้ข้าง ๆ ไฟล์นี้):