Workflow V.S. Flow-Agent
Workflow ของ GPTBots ถูกออกแบบมาเพื่อจัดการคำขอฟังก์ชันต่าง ๆ โดยประมวลผลโหนดแต่ละขั้นแบบต่อเนื่อง เพื่อให้บรรลุเป้าหมายตามที่ต้องการ ส่วน Flow-Agent คือเวิร์กโฟลว์แบบสนทนาเฉพาะทางที่ทำงานบนโมเดลสนทนา เหมาะกับการประมวลผลคำขอที่เกิดจากการโต้ตอบกับผู้ใช้ (เช่น กรณีที่ต้องมีการสนทนาแบบหลายรอบหรือโฟลว์สนทนาแบบไดนามิก)
เมื่อเปรียบเทียบกับ Workflow แล้ว Flow-Agent จะเชี่ยวชาญในการจัดการตรรกะสนทนาในบริบทที่ขับเคลื่อนด้วยบทสนทนา โดยแต่ละ Flow จะเชื่อมโยงกับ Conversation สามารถเข้าถึงประวัติการโต้ตอบได้แบบไดนามิก และบันทึกบทสนทนาอย่างครบถ้วนตลอดการใช้งานจริง ซึ่งสามารถมองว่าเป็น workflow ที่มีหน่วยความจำ
ขึ้นอยู่กับลักษณะการใช้งาน คุณสามารถเลือกสร้าง Flow-Agent หรือ Workflow ได้ตามความเหมาะสม：
กรณีที่ควรเลือกใช้ Flow-Agent
สำหรับแอปพลิเคชัน AI ที่เน้นการโต้ตอบสนทนา (เช่น ระบบบริการลูกค้าอัจฉริยะ, AI Assistant) แนะนำให้ใช้ Flow-Agent ด้วยเหตุผลดังนี้:
เข้าใจบริบท: ผสาน LLM เพื่อวิเคราะห์บทสนทนาแบบเรียลไทม์และบันทึกความจำของบทสนทนาโดยอัตโนมัติ
ยืดหยุ่นในการโต้ตอบ: รองรับการออกแบบสนทนาแบบหลายรอบและอินเทอร์เฟซภาษาธรรมชาติ
รองรับหลายช่องทาง: เชื่อมต่อกับแพลตฟอร์มโซเชียล เช่น WhatsApp/Telegram ได้อย่างไร้รอยต่อ
กรณีที่เหมาะกับ Workflow
สำหรับการพัฒนาแอปพลิเคชัน AI ที่เน้นการประมวลผลงานหรือภารกิจ (เช่น การประมวลผลข้อมูลแบบกลุ่ม, กระบวนการอัตโนมัติ) แนะนำให้ใช้ Workflow
| ความแตกต่าง | Workflow | Flow-Agent |
|---|---|---|
| แก่นแท้ | API | การสนทนาแบบหลายรอบที่มี Q&A หลายครั้ง |
| กรณีการใช้งาน | - จัดการคำขอฟังก์ชันโดยประมวลผลโหนดแต่ละขั้นแบบต่อเนื่องเพื่อให้บรรลุเป้าหมายที่ต้องการ - เหมาะกับการประมวลผลข้อมูลอัตโนมัติ เช่น สร้างรายงานวิจัยอุตสาหกรรม, สร้างโปสเตอร์, ทำ picture book ฯลฯ |
- เวิร์กโฟลว์สนทนาเฉพาะทางสำหรับประมวลผลคำขอที่เกิดจากการโต้ตอบกับผู้ใช้ - โต้ตอบกับผู้ใช้ผ่านบทสนทนาและดำเนินตรรกะที่ซับซ้อน - เหมาะกับแอปสนทนาที่ต้องการการประมวลผลตรรกะซับซ้อน เช่น Chatbot, AI customer service, virtual companion |
| ต้นทุนการเรียนรู้ | ค่อนข้างสูง: Workflow แยกตัวแปรออกจาก trigger ทำให้มีความยืดหยุ่นและทรงพลังมากขึ้น แต่ต้องใช้เวลาเรียนรู้และตั้งค่ามากขึ้น | ค่อนข้างต่ำ: Flow-Agent ใช้งานง่ายและตรงกับกรณีสนทนาแบบหลายรอบ แม้จะยืดหยุ่นน้อยกว่าเล็กน้อย |
| ตรรกะการทำงาน | ดำเนินธุรกิจด้วยตรรกะหลัก 2 ส่วน: ตัวแปรและ trigger - trigger แสดงผ่านเส้นเชื่อมโยง - ตัวแปรกำหนดและอ้างอิงโดยผู้ใช้ในแต่ละคอมโพเนนต์ |
รวมตัวแปรและ trigger เป็นกลไกเดียวกัน โดยเส้นเชื่อมโยงไม่เพียงแต่เริ่มต้นการทำงานแต่ยังส่งข้อมูล payload ได้ด้วย |
| การตั้งค่า | - รองรับคอมโพเนนต์หลากหลาย - ลากวางบน canvas ได้ |
- รองรับคอมโพเนนต์หลากหลาย - ลากวางบน canvas ได้ - รองรับการตั้งค่าที่เกี่ยวกับ agent (เช่น Memory, Welcoming Guide, Message Type, Tone ฯลฯ) |
| อินพุต | รูปแบบ JSON รองรับประเภทฟิลด์หลัก ๆ | ภาษาธรรมชาติที่ผู้ใช้ agent กรอก รองรับข้อความ, รูปภาพ, เสียง, เอกสาร |
| เอาต์พุต | รูปแบบ JSON รองรับประเภทฟิลด์หลัก ๆ | ภาษาธรรมชาติที่สร้างโดย agent มีทั้งข้อความและเสียง |
| การใช้งาน | เหมาะกับการโต้ตอบแบบ request/response ครั้งเดียวผ่าน API: - ใช้งานเป็น API สำหรับเชื่อมต่อกับระบบใดก็ได้ - ใช้งานเป็นเครื่องมือสำหรับเชื่อมต่อกับ AI agent |
เหมาะกับบริการสนทนาแบบหลายรอบสำหรับผู้ใช้: - ใช้งานเป็น API สำหรับเชื่อมต่อกับระบบใดก็ได้ - รองรับการฝังใน UI หลากหลาย (Web chat, iframe, bubble component) และแพลตฟอร์มปาร์ตี้ที่สาม (WhatsApp, Telegram, WeChat Customer Service ฯลฯ) |