AI ຊຸດສໍາພາດ 7: ວິທີກໍານົດ Skill ຢ່າງມາດຕະຖານ

ໜຶ່ງ: ແນວຄວາມຄິດຫຼັກຂອງ Skill

Skill ແມ່ນກຸ່ມຂອງຫົວໜ່ວຍຄວາມສາມາດທີ່ສາມາດປະຕິບັດໄດ້ທີ່ຖືກຫຸ້ມຫໍ່ຢູ່ໃນ Agent (ຕົວແທນ) ຫຼື ລະບົບ AI. ມັນມັກຈະປະກອບດ້ວຍ:

• ເງື່ອນໄຂການກະຕຸ້ນ: ເວລາໃດທີ່ຈະຖືກເອີ້ນໃຊ້ (ເຊັ່ນ: ຄໍາສັ່ງຂອງຜູ້ໃຊ້, ເຫດການຂອງລະບົບ).
• ພາລາມິເຕີປ້ອນຂໍ້ມູນ: ຂໍ້ມູນ ຫຼື ບໍລິບົດທີ່ຕ້ອງການຮັບ.
• ເຫດຜົນການປະຕິບັດ: ຂັ້ນຕອນການປະມວນຜົນສະເພາະ (ເຊັ່ນ: ການເອີ້ນໃຊ້ API, ການດໍາເນີນລະຫັດ, ການສອບຖາມຖານຄວາມຮູ້).
• ຜົນລັບ: ການຕອບສະໜອງ ຫຼື ການກະທໍາທີ່ສົ່ງກັບຜູ້ເອີ້ນໃຊ້.

ສອງ: ຂັ້ນຕອນການກໍານົດ Skill ຢ່າງມາດຕະຖານ

1. ກໍານົດຊື່ ແລະ ຄໍາອະທິບາຍຂອງ Skill

• ຊື່: ສັ້ນ, ເປັນເອກະລັກ, ມີຄວາມໝາຍ (ເຊັ່ນ search_web, send_email).
• ຄໍາອະທິບາຍ: ອະທິບາຍໜ້າທີ່ຂອງ Skill ນີ້ໃນປະໂຫຍກດຽວ, ເພື່ອໃຫ້ Agent ສາມາດຈັບຄູ່ໂດຍອັດຕະໂນມັດ.

2. ກໍານົດພາລາມິເຕີປ້ອນຂໍ້ມູນ (Input Schema)

ໃຊ້ JSON Schema ຫຼື ຮູບແບບທີ່ຄ້າຍຄືກັນ, ກໍານົດຊະນິດຂອງແຕ່ລະພາລາມິເຕີ, ວ່າຕ້ອງການຫຼືບໍ່, ຄ່າເລີ່ມຕົ້ນ ແລະ ຂໍ້ຈໍາກັດ.

{
  "type": "object",
  "properties": {
    "query": {
      "type": "string",
      "description": "ຄຳສຳຄັນສຳລັບການຊອກຫາ",
      "required": true
    },
    "max_results": {
      "type": "integer",
      "description": "ຈຳນວນຜົນລັບສູງສຸດທີ່ຈະສົ່ງຄືນ",
      "default": 10
    }
  }
}

3. ຂຽນເຫດຜົນການປະຕິບັດ (Execution Logic)

• ເຫດຜົນທີ່ແນ່ນອນ: ເອີ້ນໃຊ້ຟັງຊັນ, API ຫຼື ຖານຂໍ້ມູນໂດຍກົງ.
• ເຫດຜົນທີ່ບໍ່ແນ່ນອນ: ໃຊ້ LLM ເພື່ອສ້າງການຕອບສະໜອງ (ຕ້ອງໃຫ້ແມ່ແບບ prompt).
• ການຈັດການຂໍ້ຜິດພາດ: ກໍານົດຍຸດທະສາດການໝົດເວລາ, ການລອງໃໝ່, ການຫຼຸດລະດັບ.

4. ກໍານົດຮູບແບບຜົນລັບ (Output Schema)

ໃຊ້ JSON Schema ອະທິບາຍໂຄງສ້າງຂໍ້ມູນທີ່ສົ່ງຄືນ.

{
  "type": "object",
  "properties": {
    "results": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "title": { "type": "string" },
          "url": { "type": "string", "format": "uri" }
        }
      }
    }
  }
}

5. ເມຕາດາຕາເພີ່ມເຕີມ (Metadata)

• ເລກຮຸ່ນ: ເພື່ອຄວາມສະດວກໃນການຈັດການການປັບປຸງ.
• ຜູ້ຂຽນ/ຜູ້ດູແລ: ຄວາມຮັບຜິດຊອບ.
• ການຂຶ້ນກັບ: ບໍລິການພາຍນອກ ຫຼື ໄລບຣາຣີທີ່ຕ້ອງການ.
• ຂໍ້ຈໍາກັດການໃຊ້ງານ: ເຊັ່ນ ຂໍ້ຈໍາກັດຄວາມຖີ່, ຂໍ້ກໍານົດສິດອະນຸຍາດ.

ສາມ: ຕົວຢ່າງ: ຄໍານິຍາມ Skill ທີ່ສົມບູນ

name: "weather_query"
description: "ສອບຖາມສະພາບອາກາດປະຈຸບັນຕາມຊື່ເມືອງ"
version: "1.0.0"
author: "ທີມ AI"

input:
  type: object
  properties:
    city:
      type: string
      description: "ຊື່ເມືອງ, ເຊັ່ນ 'ປັກກິ່ງ'"
      required: true
    unit:
      type: string
      enum: ["celsius", "fahrenheit"]
      default: "celsius"

execute:
  - step: "ເອີ້ນໃຊ້ API ສະພາບອາກາດ"
    api: "https://api.weather.com/v1/current"
    method: "GET"
    params:
      city: "{input.city}"
      unit: "{input.unit}"
  - step: "ຈັດຮູບແບບຜົນລັບ"
    format: "ປະຈຸບັນ {city} ມີອຸນຫະພູມ {temperature}°{unit}"

output:
  type: object
  properties:
    temperature:
      type: number
    condition:
      type: string
    humidity:
      type: number

ສີ່: ການປະຕິບັດທີ່ດີທີ່ສຸດ

• ຄວາມຮັບຜິດຊອບດຽວ: ແຕ່ລະ Skill ເຮັດພຽງສິ່ງດຽວ, ຫຼີກເວັ້ນການເຊື່ອມໂຍງຫຼາຍເກີນໄປ.
• ການບັນຈຸຕົນເອງ: ພະຍາຍາມບໍ່ອາໄສສະຖານະທົ່ວໂລກພາຍນອກ, ປ້ອນຂໍ້ມູນເຂົ້າແລ້ວໄດ້ຜົນລັບ.
• ສາມາດທົດສອບໄດ້: ໃຫ້ຂໍ້ມູນ mock ຫຼື ສະພາບແວດລ້ອມ sandbox ສໍາລັບການທົດສອບໜ່ວຍ.
• ມີເອກະສານ: ຂຽນຄໍາແນະນໍາການໃຊ້ງານ ແລະ ຕົວຢ່າງສໍາລັບແຕ່ລະ Skill.

ດ້ວຍວິທີການກໍານົດ Skill ຂ້າງເທິງ, ມັນສາມາດຖືກຈັດຕາຕະລາງໂດຍ AI Agent ແບບເຄື່ອນໄຫວ ແລະ ຍັງສາມາດຖືກເຊື່ອມໂຍງໂດຍນັກພັດທະນາເຂົ້າໃນລະບົບໄດ້ໂດຍກົງ, ບັນລຸຜົນການນໍາໃຊ້ຄືນໃໝ່ແບບ "ຂຽນຄັ້ງດຽວ, ໃຊ້ໄດ້ທຸກບ່ອນ".