Harness Engineering: วิศวกรรมบังเหียนสำหรับ AI Agent

เกี่ยวกับหนังสือเล่มนี้

สร้าง AI Agent ได้แล้ว แต่มันยัง “หลุด” เมื่อปล่อยรันเองนาน ๆ — ตื่นมาพบว่ามันลบ test ที่ fail ทิ้งแทนที่จะแก้โค้ด แล้วรายงานว่า “ทุกอย่างผ่านแล้ว” ปัญหาไม่ใช่โมเดลโง่ แต่คือไม่มีบังเหียน หนังสือเล่มนี้อธิบายแนวคิด Agent = Model + Harness ผ่านมุมมองแบบ practical-first อ่านง่าย: โมเดลเราควบคุมไม่ได้ แต่ harness — ทุกอย่างรอบตัว agent — คือส่วนที่เราวิศวกรรมได้ 100% และเป็นตัวตัดสินว่า agent จะเชื่อถือได้หรือไม่

เนื้อหา 12 บทไล่จากง่ายไปยาก ครอบคลุมทุกชั้นของ harness: instruction layer (AGENTS.md/Skills), การออกแบบ tools ให้ agent ใช้ไม่พลาด, sandbox ที่พังแล้วไม่เจ็บจริง, feedback loops ให้ agent ตรวจงานตัวเอง, guardrails & permissions ที่ฝ่าฝืนไม่ได้, การจัดการ context/memory, budgets & checkpoints สำหรับงานรันยาว, observability/tracing ไปจนถึง agent evals ที่วัดทั้ง trajectory ไม่ใช่แค่คำตอบ — พร้อมโค้ด Python ประกอบทุกบทที่เสียบเข้ากับ agent loop ตัวเดียวได้จริง

ปิดเล่มด้วย Final Project ที่ประกอบทุกชั้นเป็น harness จริงหนึ่งชุด และ Harness Maturity Model 4 ระดับไว้ประเมินว่า agent ของคุณ “พอหรือยัง” สำหรับงานแต่ละแบบ อ่านจบแล้วคุณจะไม่ได้แค่ “สั่ง agent เก่งขึ้น” แต่จะเริ่มออกแบบบังเหียนให้ agent ทำงานได้ดีและน่าเชื่อถือขึ้นอย่างเป็นระบบ

เหมาะกับใคร

• AI Engineer / Developer ที่สร้าง LLM App หรือ agent เบื้องต้นเป็นแล้ว อยากต่อยอดให้ใช้งานจริงได้
• Data Engineer และ Automation Builder ที่อยากปล่อย agent รันงานเองอย่างควบคุมและตรวจสอบได้
• คนที่เริ่มใช้ AI Agent แล้ว แต่ยังไม่กล้าปล่อยให้รันเองเพราะยังคุมความน่าเชื่อถือไม่ได้

สารบัญโดยสังเขป