ប្លុក
ការយល់ដឹង និងការវិភាគអំពី AI នៅកម្ពុជា និងតំបន់។
ការលេច Privacy នៅចន្លោះ Agent៖ ហេតុអ្វី Output Audit ខកខានវាភាគច្រើន
ការបំបែក agent តែមួយទៅជា coordinator និង worker ត្រូវបានគេចាត់ទុកថាជា architecture ដែលសុវត្ថិភាពជាង។ benchmark ឆ្នាំ ២០២៦ មួយបង្ហាញថាវាស្ងាត់ៗផ្លាស់ប្ដូរ privacy risk ទៅកន្លែងដែល audit របស់អ្នកមើលមិនឃើញ។ AgentLeak (arXiv 2602.11510) instrument communication pathway ប្រាំពីរ ឆ្លងកាត់ scenario 1,000, production model ប្រាំ និង execution trace 4,979 — ហើយរកឃើញថា multi-agent setup ពិតជាបន្ថយ final-output leakage (27.2% ធៀបនឹង 43.2% single-agent) ប៉ុន្តែរុញ total system exposure ទៅ 68.9% ព្រោះ inter-agent message លេចនៅ 68.8%។ ផលវិបាកត្រង់ៗ៖ output-only audit ខកខាន violation 41.7%។ នេះជាហេតុអ្វី leak រស់នៅក្នុង coordination channel ហេតុអ្វីអ្នកត្រូវ instrument ពួកវា និងហេតុអ្វីនោះជាឱកាសសម្រាប់ក្រុមដែលនៅជិតទិន្នន័យក្នុងស្រុក ដែលត្រូវ regulate។
On-Device Agent និងភាគលាភឯកជនភាព៖ ហេតុអ្វី Local មិនទាន់ Private
ការ run agent លើ hardware ផ្ទាល់របស់អ្នកត្រូវបានលក់ជាជ័យជម្នះឯកជនភាព — ទិន្នន័យមិនដែលចេញពីអគារ។ ប៉ុន្តែ „local” និង „private” មិនមែនជាការអះអាងដូចគ្នាទេ ហើយឆ្នាំ ២០២៦ បានធ្វើឱ្យគម្លាតនោះច្បាស់លាស់។ AgenTEE (arXiv 2604.18231) ដាក់ runtime, inference engine, និង tool របស់ agent ចូលទៅក្នុង confidential VM ដែលត្រូវ attest ដោយឯករាជ្យលើ Arm's Confidential Compute Architecture (CCA) ដោយអនុវត្ត hardware isolation ទោះបីលើ device ដែលអ្នកប្រើផ្ទាល់របស់វាអាចលួងលោម — នៅ overhead ក្រោម 5.15%។ Amulet (arXiv 2512.07495) ធ្វើការងារផ្គូផ្គងសម្រាប់ model ខ្លួនឯង ដោយការពារ weights ដោយ TEE-backed obfuscation នៅ latency 2.8–4.8x នៃ model ដែលមិនការពារ ខណៈ run លឿនជាង naive full-TEE inference 8–9x។ នេះជាហេតុអ្វីភាគលាភឯកជនភាពពិតប្រាកដមិនមែន „វា run នៅ local” — វាជា confidential, attestable execution — ហើយហេតុអ្វីយន្តការនោះអនុគ្រោះអាស៊ីអាគ្នេយ៍។
យើងបានដាក់ឈ្មោះក្រុមហ៊ុនរបស់យើងតាមរឿងនេះ៖ Loop Engineering កំពុងលេបយកការអភិវឌ្ឍសូហ្វវែរ
បុរសដែលបានសាងសង់ Claude Code និយាយថាគាត់លែង prompt វាទៀតហើយ — គាត់សរសេររង្វិលជុំ (loop) ដែល prompt វាវិញ។ បន្ទាត់តែមួយនោះបានដាក់ឈ្មោះឱ្យការផ្លាស់ប្ដូរ paradigm ដែលយុគ agentic ទាំងមូលបានសាងសង់ឆ្ពោះទៅរក៖ ពី prompting មួយដង ទៅជារង្វិលជុំជាប់លាប់ ដែលជំរុញដោយ feedback។ នេះជាមូលហេតុដែល prompt តែងតែជា placeholder ហេតុអ្វី loop កំពុងក្លាយជាឯកតានៃការងារសូហ្វវែរ និងហេតុអ្វីក្រុមហ៊ុនមួយឈ្មោះ Inference Loops បានភ្នាល់ឈ្មោះរបស់ខ្លួនលើរឿងនេះ។
បរិស្ថានជាផលិតផល៖ របៀបដែល RL Gym បង្កើតរូបរាង Agent ជំនាន់បន្ទាប់
បើ reinforcement learning ក្នុងបរិស្ថាន verifiable ជា lever ដែលកែលម្អ agent នោះបរិស្ថានខ្លួនឯង — មិនមែន model ទេ — គឺជាទ្រព្យសម្បត្តិដែលគួរកាន់កាប់។ ឆ្នាំ ២០២៦ បាននាំមកនូវ moment បែប OpenAI-Gym សម្រាប់ agent៖ GEM ជា simulator open-source ដែលធ្វើ standardize interface រវាង environment-agent ឆ្លងកាត់ ២៤ environment និង ៥ RL framework ជាមួយ asynchronous vectorized execution និង dense per-turn reward។ Standardization ជាអ្វីដែលប្រែ RL ពីរបស់ចង់ដឹងចង់ឃើញនៃ research ទៅជា field មួយ ហើយវាជិតធ្វើដូចគ្នាសម្រាប់ agent។ នេះជាមូលហេតុដែល gym — task suite, រូបរាង reward, និយមន័យនៃ 'ត្រឹមត្រូវ' — កំពុងក្លាយជាផលិតផលដែលការពារបាន ហើយហេតុអ្វីការសាងសង់វាជាល្បែងវិនិច្ឆ័យ មិនមែនល្បែងដើមទុនទេ។
ហេតុអ្វី Multi-Agent System បរាជ័យ៖ មិនមែន Model ទេ វាជា Org Chart
យើងបានសរសេររួចហើយអំពីអ្វីដែលធ្វើឱ្យ multi-agent orchestra ដំណើរការ។ នេះជាគូស្មោះត្រង់របស់វា៖ អ្វីដែលធ្វើឱ្យវាបរាជ័យ។ ការសិក្សាឆ្នាំ ២០២៦ ពីរបានយកសំណួរនេះមកពិចារណាយ៉ាងម៉ឺងម៉ាត់ — មួយ hand-annotate traces ១.៦០០+ ឆ្លងកាត់ framework ៧ ទៅជា failure mode ផ្សេងគ្នា ១៤ ឯមួយទៀត mine issues ១៣.៦០២ ពី agentic project ពិត ៤០ ទៅជា taxonomy នៃ fault dimension ៥ symptom ១៣ និង root cause ១២។ សេចក្ដីសម្រេចមិនស្រួលចិត្ត៖ ការបរាជ័យ multi-agent ភាគច្រើនមិនមែនព្រោះ model ល្ងង់ទេ។ វាជា specification gap, agent និយាយឆ្លងគ្នា និងគ្មាននរណាពិនិត្យការងារ — ការបរាជ័យបែបអង្គការ មិនមែនការបរាជ័យបែបសមត្ថភាពទេ។ ហើយ tactical fix ស្ទើរមិនរើផ្លាស់ម្ជុលសោះ។
Observability សម្រាប់ Agent៖ អ្នកមិនអាច Debug អ្វីដែលអ្នកមិនអាច Trace
Agent ដែលមិន deterministic បរាជ័យម្ដង ហើយមិនដែលដូចគ្នាពីរដងទេ — ហើយ log file មិនអាចពន្យល់ការបរាជ័យដែលអ្នកមិនអាចផលិតឡើងវិញ។ ចម្លើយឆ្នាំ ២០២៦ គឺ observability ដែលសាងសង់សម្រាប់ agent៖ ចាប់យក execution trace ពេញលេញ, correlate អ្វីដែល agent មានបំណង (prompt របស់វា) ជាមួយអ្វីដែលវាបានធ្វើពិត (system call របស់វា), ហើយតំណាង trace នោះជា structured data ជាជាង plain text។ Framework មួយភ្ជាប់គម្លាត intent-vs-action ជាមួយ eBPF boundary tracing នៅ overhead តិចជាង 3%; មួយទៀតបង្ហាញថា របៀបដែលអ្នក format trace អាចកាត់បន្ថយតម្លៃ analysis ពាក់កណ្ដាលទៅពីរភាគបី។ Observability កំពុងក្លាយជាកម្រាលក្រោមអ្វីៗផ្សេងទៀតដែលអ្នកធ្វើជាមួយ agent — evaluation, debugging, និង security សុទ្ធតែឈរលើវា។
Leaderboard កុហកអំពី Agent របស់អ្នក
Computer-use agent បានធ្វើការលោតផ្លោះគួរឱ្យភ្ញាក់ផ្អើល៖ លើ benchmark OSWorld ដែលមនុស្សទទួលបាន 72.36% ហើយ agent ល្អបំផុតធ្វើបានត្រឹម 12.24% ពេលវាបើកដំណើរការក្នុងឆ្នាំ ២០២៤ ប្រព័ន្ធកំពូលៗឥឡូវត្រូវបានរាយការណ៍ថាកំពុងខិតជិត human baseline។ ជា milestone ពិតប្រាកដមួយ — ហើយពិតជាប្រភេទនៃលេខតែមួយដែលនាំឱ្យយល់ច្រឡំ។ framework ឆ្នាំ ២០២៦ មួយ AgentAtlas អះអាងថាសម្រាប់ agent task success ចុងក្រោយជាឯកតារង្វាស់ខុស៖ វាលាក់ថាតើ agent បានសួរមុនជំហានដែលមិនអាចត្រឡប់វិញបាន, recover ពីកំហុសរបស់វា, ឬបានយក path សុវត្ថិភាពទៅរកគោលដៅ។ កាន់តែអាក្រក់ axis ណាដែលអ្នកដាក់ពិន្ទុលើ អាចផ្លាស់ប្ដូរ ranking ទាំងស្រុង។ នេះជាមូលហេតុដែលលេខចំណងជើងជារបស់ដែលមានប្រយោជន៍តិចបំផុតដែលអ្នកដឹងអំពី agent។
DEFA និងបណ្ដាញសុវត្ថិភាព AI របស់ ASEAN៖ ពេលការសម្របសម្រួលទន់ភ្លន់ចាប់ផ្ដើមមានធ្មេញ
កិច្ចព្រមព្រៀងសេដ្ឋកិច្ចឌីជីថលដែលមានកាតព្វកិច្ចតាមច្បាប់ដំបូងគេរបស់ ASEAN គឺ DEFA ត្រៀមចុះហត្ថលេខាក្នុងខែវិច្ឆិកា ២០២៦ ដោយបញ្ចូលអភិបាលកិច្ច AI និងច្បាប់លំហូរទិន្នន័យ។ តើវាមានន័យយ៉ាងណាសម្រាប់អ្នកសាងផលិតផលកម្ពុជា?
Agent Economy ត្រូវការផ្លូវដែក៖ Agentic Payments និង verify-then-pay
MCP បានឱ្យ agent ឈានទៅដល់ tool; A2A បានឱ្យពួកវាឈានទៅដល់គ្នាទៅវិញទៅមក។ សំណួរបន្ទាប់គឺពួកវាបង់ប្រាក់យ៉ាងណា — ហើយ ២០២៥–២៦ បានឆ្លើយវាដោយការដណ្ដើមដីភ្លាមៗនៃស្តង់ដារ payment បើកចំហ។ Stripe និង OpenAI បានចេញ Agentic Commerce Protocol នៅ September 29, 2025; Google បានប្រកាស Agent Payments Protocol នៅ September 16, 2025 ជា extension របស់ A2A។ ប៉ុន្តែការផ្លាស់ប្ដូរប្រាក់ជាផ្នែកងាយ។ ផ្នែកពិបាកគឺ trust៖ តើអ្នកប្រើពិតជាបានអនុញ្ញាតការទិញនេះមែនទេ តើ agent កំពុង hallucinate ការបញ្ជាទិញ ហើយ — ពេល agent មួយជួល agent មួយទៀត — តើអ្នកបង់ប្រាក់សម្រាប់ការងារដែលអាចមិនបានធ្វើយ៉ាងណា? នេះជាចម្លើយដែលកំពុងលេចឡើង៖ បង់លើភស្តុតាង cryptographic មិនមែនលើការសន្យាទេ។
Oversight មានសមត្ថភាពកំណត់៖ ហេតុអ្វី human review កាន់តែច្រើនអាចធ្វើឱ្យ agent មានសុវត្ថិភាពតិចជាង
Pattern សុវត្ថិភាពលំនាំដើមសម្រាប់ agent ដែលធ្វើសកម្មភាពពិត — shell command, ការកែឯកសារ, deploy — ជា human-in-the-loop approval gate៖ សកម្មភាពប្រថុយផ្អាក ហើយរង់ចាំមនុស្ស។ សភាវគតិគឺថា human review កាន់តែច្រើនមានន័យថាសុវត្ថិភាពកាន់តែច្រើន។ ការសិក្សាឆ្នាំ ២០២៦ មួយបង្ហាញថានោះខុសហួសពីចំណុចមួយ៖ ព្រោះការយកចិត្តទុកដាក់របស់មនុស្សមានកំណត់ ហើយអស់កម្លាំង សុវត្ថិភាពពិតប្រាកដធ្វើតាម inverted-U ហើយ guard ដែលល្អបំផុតផ្នែកសុវត្ថិភាព escalate ក្រោម 'អ្វីៗគ្រប់យ៉ាង'។ Oversight មិនមែនជា checkbox ទេ វាជា attention budget មានកំណត់ដែល escalation policy ចំណាយ។ នេះជាមូលហេតុដែលការ route សកម្មភាពប្រថុយគ្រប់យ៉ាងទៅមនុស្សអាចធ្វើឱ្យប្រព័ន្ធរបស់អ្នកមានសុវត្ថិភាពតិចជាង — និងរបៀបរចនា gate ជំនួសវិញ។
គោលនយោបាយ AI របស់កម្ពុជាឥឡូវនេះជាល្បែងថ្នាក់តំបន់ហើយ
យុទ្ធសាស្ត្រ AI របស់កម្ពុជាជាធម្មតាត្រូវបានពិភាក្សាជាគម្រោងថ្នាក់ជាតិ។ ក្នុងឆ្នាំ ២០២៦ វាលែងជាបែបនោះទៀតហើយ។ នៅកិច្ចប្រជុំរដ្ឋមន្ត្រីឌីជីថល ASEAN ខែមករានៅ Hanoi តំបន់នេះបានប្ដេជ្ញាចំពោះគោលនយោបាយ AI ដែលសម្របសម្រួលគ្នា — cross-border data flows កម្លាំងពលកម្មត្រៀមរួចសម្រាប់អនាគត ហេដ្ឋារចនាសម្ព័ន្ធឌីជីថលរួមគ្នា — ដោយមានការគាំទ្រពីសក្ដានុពលឌីជីថល ASEAN ដែលប៉ាន់ស្មានជិត $1 trillion ត្រឹមចុងទសវត្សរ៍។ កម្ពុជាបានឡើង 27 កន្លែងលើ Oxford AI readiness index ក្នុងមួយឆ្នាំ បានបើកដំណើរការ 5G និងបានចាប់ផ្ដើមសាងសង់ data center ថ្នាក់ជាតិ។ ប៉ុន្តែវាក៏ប្រឈមនឹងជ្រោះស្វ័យប្រវត្តិកម្ម៖ 57% នៃការងារនៅហានិភ័យខ្ពស់។ នេះជាមូលហេតុដែលក្របខ័ណ្ឌថ្នាក់តំបន់ផ្លាស់ប្ដូរភាពប្រឈម — និងយុទ្ធសាស្ត្រ។
Sovereign Cloud របស់កម្ពុជា៖ ByteDC លើ Huawei មិនមែន NVIDIA
ByteDC បានបើកដំណើរការ sovereign cloud ដំបូងគេរបស់កម្ពុជា — សាងលើ Huawei Cloud Stack មិនមែន NVIDIA ឬ hyperscaler លោកខាងលិច។ តើ 'sovereign' មានន័យយ៉ាងណាពិតប្រាកដ ពេល stack ជា hardware របស់អ្នកផ្គត់ផ្គង់ចិន?
Agent Memory៖ បញ្ហាមិនមែនការ Recall ទេ វាជាការភ្លេច
គ្រប់គ្នាសួរថាតើ agent អាចចងចាំបានឬទេ។ Benchmark ឆ្នាំ ២០២៦ ប្រាប់ថានោះជាការព្រួយបារម្ភខុស។ ការបរាជ័យពិតប្រាកដនៅកន្លែងផ្សេង៖ architecture (ក្រុមចាត់ទុក context window ជា memory ខណៈវាគ្រាន់តែជា L1 cache — ការសិក្សាមួយកាត់បន្ថយ live context រហូតដល់ 93% ដោយ paging information ចូលតាមតម្រូវការ), retrieval (memory system ល្អបំផុតទទួលបានត្រឹម 57% ព្រោះ similarity-based recall ខកខានអ្វីដែលពាក់ព័ន្ធតាម causal), និងលំបាកបំផុត ការភ្លេច (agent បន្តធ្វើសកម្មភាពលើ fact ដែលលែងពិត ហើយ memory system ឯកទេសស្ទើរតែមិនជួយ)។ Agent memory ជាវិន័យ engineering មិនមែន feature របស់ model — នេះជាអ្វីដែលការស្រាវជ្រាវបង្ហាញពិតប្រាកដ។
RCE 'តាមការរចនា' របស់ MCP៖ ពេលអ្នកផ្គត់ផ្គង់និយាយថា ភាពងាយរងគ្រោះជាមុខងារ
OX Security បានបង្ហាញ RCE ជាប្រព័ន្ធនៅក្នុង MCP SDK របស់ Anthropic ដែលប៉ះពាល់ការទាញយក 150M+។ Anthropic និយាយថា វាជាការរចនា។ នេះជាអ្វីដែលប្រតិបត្តិករត្រូវធ្វើ។
តើនរណាវិនិច្ឆ័យ Judge? Bias លាក់កំបាំងក្នុង LLM-as-a-Judge
Agent loop កាន់តែច្រើនឡើងដាក់ LLM ឱ្យអង្គុយលើកៅអីអ្នកដាក់ពិន្ទុ — ដាក់ពិន្ទុ output, gate ការ merge, ដាក់ចំណាត់ថ្នាក់ candidate patch។ ប៉ុន្តែ judge មាន bias ជាប្រព័ន្ធ ហើយវាមិនមែនជាប្រភេទដែលអ្នកកំពុងការពារនោះទេ។ ការសិក្សាឆ្នាំ ២០២៦ មួយបានរកឃើញថា style bias គ្រប់គ្រងនៅ 0.76–0.92 ទូទាំង model គ្រប់ប្រភេទដែលបានសាកល្បង ធំជាង position bias ដែលគ្រប់គ្នាព្រួយបារម្ភ (≤0.04) មួយលំដាប់ magnitude។ ក្នុងការវាយតម្លៃ code ជាក់លាក់ verdict របស់ judge អាចត្រឡប់ទៅតាម cue របស់ prompt សូម្បីពេល code មិនបានផ្លាស់ប្ដូរ — គ្រប់គ្រាន់ដើម្បីផ្លាស់ប្ដូរ ranking របស់ model។ ប្រសិនបើ verification gate របស់អ្នកជា LLM judge ដែលមិនបាន calibrate អ្នកប្រហែលជាកំពុងដាក់ពិន្ទុលើភាពរលោង និង artifact របស់ prompt មិនមែនភាពត្រឹមត្រូវ។ នេះជារបៀប calibrate វា។
Coding Agent មិនត្រឹមតែបរាជ័យទេ — វា Rot៖ លទ្ធផល SlopCodeBench
ការស្វែងយល់ស៊ីជម្រៅអំពីលទ្ធផល SlopCodeBench ដែលថាកូដ agent សឹករិចរិលផ្នែករចនាសម្ព័ន្ធជាមួយរាល់ iteration — និងការរចនា loop អ្វីដែលប្រឆាំងវា។
របៀបដែល Agent រៀន Code៖ RL, Self-Play, និងការដេញតាមរបស់ Open
ការលោតផ្លោះនៃសមត្ថភាព coding-agent ឆ្នាំ ២០២៦ មិនបានមកពី pretraining ធំជាងទេ។ វាបានមកពីការផ្លាស់ប្ដូររបៀបដែល agent អនុវត្ត។ Open model ៣២ billion parameter មួយបានកើនពី 23 ទៅ 42% លើ SWE-bench Verified ក្នុងត្រឹមតែ 200 steps នៃ reinforcement learning — គ្មាន pretraining ថ្មី គ្មានទិន្នន័យដែលដាក់ label ដោយមនុស្ស។ វិធី self-play ឥឡូវនេះអនុញ្ញាតឱ្យ agent កែលម្អដោយបង្កើត training signal ផ្ទាល់ខ្លួន ឈ្នះ baseline ទិន្នន័យមនុស្ស ហើយបច្ចេកទេសថ្មីៗត្រូវនឹង accuracy របស់ end-to-end RL ត្រឹមតែមួយភាគបួននៃ compute។ នេះជា economics ខុសគ្នាជាមូលដ្ឋានពី pretraining — ហើយវាជា economics ដែលអនុគ្រោះក្រុមដែលគ្មានថវិការបស់ frontier lab។
ការកំណត់ការគិតថ្លៃឡើងវិញ ខែមិថុនា ២០២៦៖ ពេល Agentic Coding ត្រូវកំណត់តម្លៃថ្មី
អ្នកផ្គត់ផ្គង់ coding-agent បួនបានផ្លាស់ប្ដូរការគិតថ្លៃក្នុងរយៈពេល ១៨ ថ្ងៃ — OpenAI, GitHub, Anthropic និង Google សុទ្ធតែផ្លាស់ប្ដូរ ដើម្បីបំបែកការដុត token តាមកម្មវិធីចេញពី subscription ឋិតិវន្ត។ នេះជាអ្វីដែលវាមានន័យសម្រាប់ថវិកាក្រុមរបស់អ្នក។
Review Bottleneck៖ AI សរសេរ code ច្រើនជាងមុន ហើយយើងអនុម័តរបស់អាក្រក់ជាង
ការ generate ក្លាយជាថោក ការ review មិនថោកទេ។ ពេល agent ជន់លិច pipeline ដោយ pull request — GitHub Copilot តែឯងបាន process លើស 60 million code reviews កើនឡើង 10x ក្នុងរយៈពេលតិចជាងមួយឆ្នាំ ដោយ review ច្រើនជាង one in five ឥឡូវនេះពាក់ព័ន្ធ agent — ឧបសគ្គដែលចងភ្ជាប់បានផ្លាស់ទៅការអនុម័តរបស់មនុស្ស។ ហើយ study ដែលបាន peer-review ឆ្នាំ ២០២៦ មួយបានរកឃើញផ្នែកគ្រោះថ្នាក់បំផុត៖ code ដែលបង្កើតដោយ agent ផ្ទុក redundancy និង technical debt ច្រើនជាង code របស់មនុស្ស ប៉ុន្តែ reviewer មានអារម្មណ៍វិជ្ជមានជាងចំពោះវា។ ភាពទំនងលើផ្ទៃបិទបាំង slop ដូច្នេះយើងអនុម័ត code អាក្រក់ជាងជាមួយអារម្មណ៍ល្អជាង។ នេះជាមូលហេតុដែល review gate ជាកន្លែងដែល loop ពិតជាបាក់ — ហើយរបៀបជួសជុលវា។
ការ Sandbox Agent៖ ភាពឯកោជា runtime security layer ថ្មី
Prompt injection ជាភាពងាយរងគ្រោះលេខមួយក្នុង AI agent ដែលបាន deploy — ហើយលទ្ធផលឆ្នាំ ២០២៦ មួយអះអាងថាវាមិនអាចដោះស្រាយបានពេញលេញនៅ model layer ឡើយ។ meta-analysis នៃ 78 studies បានរកឃើញ attack success rate លើសពី 85% ប្រឆាំងនឹង defense ទំនើបបំផុតក្រោម adaptive attack ដោយ defense ភាគច្រើនសម្រេចបាន mitigation តិចជាង 50%; ឯកសារដាច់ដោយឡែកមួយបង្ហាញ impossibility result សម្រាប់ defense ផ្អែកលើ instruction។ បើអ្នកមិនអាចបញ្ឈប់ agent ពីការត្រូវ hijack ដោយជឿជាក់បានទេ ការសម្រេចចិត្ត security ដែលផ្ទុកទម្ងន់ក្លាយជា runtime៖ វាអាចបំផ្លាញបានប៉ុន្មាននៅពេលវាត្រូវ hijack? នេះជាអំណះអំណាងសម្រាប់ការចាត់ទុកភាពឯកោ — ephemeral microVM, least privilege, blast radius មានព្រំដែន — ជា agent security layer ពិតប្រាកដ។
ពាក់កណ្ដាលទៀតនៃ Interop Stack៖ A2A និងអ៊ីនធឺណិតនៃ agent
MCP បានផ្ដល់ឱ្យ agent នូវវិធីសកលដើម្បីឈានទៅដល់ tool។ Agent2Agent protocol (A2A) ផ្ដល់ឱ្យពួកវានូវវិធីសកលដើម្បីឈានទៅដល់គ្នាទៅវិញទៅមក — ហើយជាមួយគ្នាពួកវាកំពុងបង្កើតជា substrate នៃ interoperability របស់អ៊ីនធឺណិតនៃ agent ដែលនឹងមកដល់។ A2A ត្រូវបានសាងសង់លើស្តង់ដារធម្មតា ដែលបានបញ្ជាក់ហើយ (HTTP, JSON-RPC 2.0, Server-Sent Events) ប្រើ Agent Card សម្រាប់ការរកឃើញ ហើយឥឡូវនេះត្រូវបានគ្រប់គ្រងដោយ vendor-neutral ដោយ Linux Foundation ជាមួយអង្គការគាំទ្រដែលកើនពីលើសពី 50 ទៅលើស 150 ក្នុងឆ្នាំដំបូងរបស់វា។ នេះជាអ្វីដែល A2A ជា របៀបដែលវាផ្គូផ្គងជាមួយ MCP trust surface ថ្មីដែលវាបើក និងហេតុអ្វីស្តង់ដារ agent-to-agent បើកចំហសំខាន់បំផុតចំពោះក្រុមដែលគ្មាន platform ណាជាម្ចាស់។
Agent លើ Workstation តែមួយ៖ ចំណុចបត់បែននៃ Open-Weight On-Device
ការសន្មតថា agent សរសេរកូដដែលមានសមត្ថភាពត្រូវការ cloud API កំពុងបែកបាក់ស្ងាត់ៗ។ Open-weight model បានឆ្លងកាត់កម្រិតពីរក្នុងពេលតែមួយ៖ ល្អគ្រប់គ្រាន់ — Qwen3-Coder-Next ដាក់ពិន្ទុលើស 70% លើ SWE-bench Verified ខណៈធ្វើ activate តែ 3 billion នៃ parameter 80 billion របស់វា ហើយ Devstral Small 2 របស់ Mistral ឈានដល់ 68% — និងតូចគ្រប់គ្រាន់ដែល Devstral run លើ RTX 4090 តែមួយ ឬ Mac 32GB។ ការផ្សំនោះដាក់ agent ជិត frontier លើ hardware ផ្ទាល់របស់អ្នក ជាកន្លែងដែលទិន្នន័យមិនដែលចេញពីអគារ គ្មានវិក្កយបត្រ per-token ហើយវាដំណើរការ offline។ នេះជាហេតុអ្វី on-device ភ្លាមៗក្លាយជារឿងពិត អ្វីដែលវាផ្ដល់ឱ្យអ្នក និងហេតុអ្វីវាជាគុណសម្បត្តិដែលអាចយកជាប់ខ្លួនបំផុតក្នុង agentic stack។
Agent របស់អ្នកមានផ្ទៃវាយប្រហារបីដែលអ្នកមិនបានតាមដាន
Indirect prompt injection, tool poisoning, និង permission escalation — ផ្ទៃវាយប្រហារបីដែលរាល់ការដាក់ឱ្យដំណើរការ agent ទទួលមរតក។ នេះជាអ្វីដែលត្រូវឃ្លាំមើល។
អ្នកមិនអាចកែលម្អអ្វីដែលអ្នកមិនអាចតាមដាន — Observability សម្រាប់ Agent
Agent observability ជាវិន័យដាច់ដោយឡែកពី APM ប្រពៃណី។ នេះជាអ្វីដែលត្រូវតាមដាន ហេតុអ្វី និងរបៀបធ្វើវាដោយគ្មានថវិកាសហគ្រាស។
Stack Agent Open-Source៖ Cline, OpenCode, OpenHands ក្នុងឆ្នាំ ២០២៦
Agent សរសេរកូដ open-source បានផ្ទុះឡើងក្នុងឆ្នាំ ២០២៥-២០២៦។ នេះជាពេលដែលវាឈ្នះឧបករណ៍កម្មសិទ្ធិ — និងពេលដែលវាមិនឈ្នះ។
ការរចនាប្រព័ន្ធ Agentic៖ មគ្គុទេសក៍ពេញលេញ
ការរចនាប្រព័ន្ធ agentic ខុសពីការរចនាប្រព័ន្ធធម្មតា៖ អ្នកមិនកំពុងបញ្ជាក់មុខងារទេ អ្នកកំពុងបញ្ជាក់ឥរិយាបថ។ សំណួរពិបាកគឺអំពីស្វយ័តភាព feedback loops របៀបបរាជ័យ និង guardrails — មិនមែន endpoints និង schemas ទេ។ នេះជាមគ្គុទេសក៍ជាក់ស្ដែងសម្រាប់រចនា agent ដែលនៅតែមានសុវត្ថិភាពពេលធ្វើមាត្រដ្ឋាន៖ ចាប់ផ្ដើមតូច កត់ត្រារាល់ការសម្រេចចិត្ត ធ្វើឱ្យ observability ជាមុខងារថ្នាក់ទីមួយ និងតភ្ជាប់ circuit breakers មុនពេលអ្នកត្រូវការ។
ឱកាស AI របស់កម្ពុជា៖ ហេតុអ្វីពេលនេះជាពេលវេលា
ការធ្វើបច្ចុប្បន្នភាពទិន្នន័យខែមិថុនា ២០២៦ អំពីពេលវេលា AI របស់កម្ពុជា។ អាយុមធ្យម ២៦ ឆ្នាំ ការតភ្ជាប់ទូរស័ព្ទចល័ត ១២១% នៃប្រជាជន ទីផ្សារ AI ១៥០ លានដុល្លារ ដែលគ្របដណ្ដប់សហគ្រាសប្រើ AI ១,២០០ និងកម្លាំងពលកម្ម AI ៥,៤០០ និងសេចក្ដីព្រាងយុទ្ធសាស្ត្រ AI ថ្នាក់ជាតិដែលមានគោលដៅ ៣,៣៥–៦,៧ ពាន់លានដុល្លារក្នុង GDP ត្រឹមឆ្នាំ ២០៣០។ នេះជាស្ថានភាពពិតប្រាកដ — សន្ទុះ គម្លាតដោយស្មោះត្រង់ និងហេតុអ្វីការផ្លាស់ប្ដូរ agentic ផ្អៀងវាលទៅរកប្រភេទវិស្វកម្មដែលកម្ពុជាអាចធ្វើបាន។
វិស្វកម្ម Context៖ Context Window ជាឧបសគ្គពិតប្រាកដរបស់ Agent របស់អ្នក
ពេល agent ដំណើរការយូរ ឧបសគ្គដែលចងភ្ជាប់ឈប់ជាបញ្ញារបស់ model ហើយក្លាយជា context window។ ការវាស់ស្ទង់ឆ្នាំ ២០២៦ រកឃើញថា agent ដែលផ្ដល់តែការហៅឧបករណ៍ប្រាំចុងក្រោយបូកនឹងសេចក្ដីសង្ខេបបន្ត សម្រេចភារកិច្ច ៩១,៦% ខណៈ agent ប្រវត្តិពេញលេញសម្រេចបានតែ ៧១% — ប្រើ token តិចជាង ៦៤% និងបញ្ចប់ក្នុងពេល ៤០%។ Context ច្រើនធ្វើឱ្យវាអាក្រក់ជាង។ នេះជាហេតុអ្វី 'context rot' កើតឡើង ហេតុអ្វី context តិចជាងផលិត agent ល្អជាង និងឧបករណ៍ជាក់ស្ដែងសម្រាប់រចនាអ្វីដែល model ឃើញ — វិន័យឥទ្ធិពលខ្ពស់ គ្មាន GPU។
ការអភិវឌ្ឍ Dual-Agent៖ ការដំណើរការ Claude Code និង Codex លើគម្រោងតែមួយ
សំណួរនៃឆ្នាំ ២០២៦ មិនមែនថា 'តើខ្ញុំគួរជ្រើស coding agent មួយណា?' ទេ — វាជា 'តើខ្ញុំដំណើរការទាំងពីរយ៉ាងដូចម្ដេច?' ក្រុមខ្លាំងបំផុតបានឈប់ជ្រើសរើសរវាង Claude Code និង Codex ហើយចាប់ផ្ដើមបញ្ជូនការងារទៅឱ្យនីមួយៗតាមអ្វីដែលវាធ្វើបានល្អបំផុត៖ Claude Code សម្រាប់ស្ថាបត្យកម្ម និងការវែកញែកឆ្លងឯកសារ ឯ Codex សម្រាប់ការអនុវត្តប៉ារ៉ាឡែលលឿន។ នេះជា workflow ចម្រុះ ឧបករណ៍ដែលធ្វើឱ្យ agent ពីរអាចគ្រប់គ្រងបាន គណិតវិទ្យានៃថ្លៃ និងហេតុអ្វីការលេងមិនស្មើគ្នានេះពេញចិត្តចំពោះក្រុមតូចនៅអាស៊ីអាគ្នេយ៍ជាងនរណាទាំងអស់។
វិក្កយបត្រជាឧបសគ្គថ្មី៖ សេដ្ឋកិច្ចនៃ Agentic AI
ការបង្កើតក្លាយជាថោក។ ការដំណើរការ loop មិនថោកទេ។ Agent ប្រាំជំហានចំណាយប្រហែល ៣,២ ដងនៃការហៅ model តែមួយសម្រាប់ការងារដូចគ្នា — ហើយត្រឹម ២០០ ជំហាន វិក្កយបត្រលើស ១០០ ដង ដោយ ៦២% នៃវាចំណាយលើការអាន context ឡើងវិញដែល agent បានបង់រួច។ នេះជាកន្លែងដែលលុយពិតជាទៅ ឧបករណ៍បួនដែលដំណើរការ ផ្លូវគេចចេញ open-weight ក្នុងតម្លៃមួយភាគដប់ និងហេតុអ្វីវិន័យថ្លៃជាឥទ្ធិពលប្រកួតមុតស្រួចបំផុតរបស់ក្រុមអាស៊ីអាគ្នេយ៍តូច។
គម្លាតភាពជឿជាក់៖ ហេតុអ្វី Agent ល្អបំផុតរបស់អ្នក meltdown មុនគេ
Leaderboard វាស់របស់ខុស។ ការវាស់ស្ទង់ single-shot ដូចជា SWE-bench ដាក់ពិន្ទុសមត្ថភាពរបស់ agent — ថាតើវាអាចជោគជ័យម្ដងបានឬទេ — ប៉ុន្តែ production ត្រូវការភាពជឿជាក់ គឺជោគជ័យស៊ីសង្វាក់ឆ្លងកាត់ការប៉ុនប៉ងវែង និងដដែលៗ។ ការសិក្សាឆ្នាំ ២០២៦ លើ episode ២៣.៣៩២ រកឃើញថាទាំងពីរបែកគ្នាខ្លាំងរហូតចំណាត់ថ្នាក់ត្រឡប់ច្រាសនៅ horizon វែង ហើយ frontier model មានអត្រា meltdown ខ្ពស់បំផុត — រហូតដល់ ១៩% — ព្រោះពួកវាឈោងទៅផែនការមហិច្ឆតាដែលវិលជុំ។ នេះជាភាពខុសគ្នារវាងសមត្ថភាព និងភាពជឿជាក់ ហេតុអ្វី model ដែលមានសមត្ថភាពបំផុតជារឿយៗជា model ដែលពឹងផ្អែកបានតិចបំផុត និងរបៀបវាស់ និងវិស្វកម្មសម្រាប់ metric ដែលដឹកជាក់ស្ដែង។
ពេល Agent កាន់តែអាក្រក់ ពេលវាដំណើរការកាន់តែយូរ
Coding agent មិនត្រឹមតែឈប់ឈរនៅលើភារកិច្ចវែងទេ — វាធ្វើឱ្យកូដដែលវាកំពុងធ្វើការលើអាក្រក់ឡើងយ៉ាងសកម្ម វេនមួយបន្ទាប់ពីវេនមួយ។ ការវាស់ស្ទង់ឆ្នាំ ២០២៦ ដែលសាងសង់ឡើងដើម្បីវាស់រឿងនេះ រកឃើញថា agent ល្អបំផុតឆ្លងកាត់តែ ១៤,៨% នៃ checkpoint ដោយរចនាសម្ព័ន្ធកូដសឹករិចរិលក្នុង ៧៧% នៃគន្លង និងលទ្ធផល agent មានពាក្យច្រើនជាង ២,៣ ដងជាង repository របស់មនុស្ស។ នេះជាអ្វីដែលការវាស់ស្ទង់ long-horizon វាស់ពិតប្រាកដ ហេតុអ្វីគុណភាពថយចុះពេល iteration កើនឡើង និងវិន័យ harness ដែលរក្សា run វែងពីការ rot។
Loop អន់ផ្ញើកូដអន់លឿនជាង៖ Evals គឺជាវិន័យពិតប្រាកដ
មនុស្សគ្រប់គ្នាកំពុងប្រណាំងធ្វើឱ្យ agent ប្រព្រឹត្តដោយស្វយ័ត។ ស្ទើរតែគ្មាននរណាម្នាក់ខ្នះខ្នែងស្មើគ្នាក្នុងការធ្វើឱ្យពួកវាប្រព្រឹត្ត ឱ្យបានត្រឹមត្រូវ។ ប៉ុន្តែនៅពេលដែលការផលិតថោក និងស្របគ្នា ឧបសគ្គតែមួយគត់ដែលនៅសល់គឺ ការទុកចិត្ត — ហើយ loop ដែលអ្នកមិនអាចទុកចិត្តបាន គ្រាន់តែផលិតការងារខុសក្នុងទ្រង់ទ្រាយធំ។ នេះជាការអះអាងសម្រាប់ evals ជា test suite ថ្មី៖ ច្រកផ្ទៀងផ្ទាត់ agent-as-judge golden dataset នៃភាពបរាជ័យពិតប្រាកដ និងហេតុអ្វីការសាងសង់វា គឺជាវិស្វកម្មដែលអាចការពារបានបំផុតដែលក្រុមនៅអាស៊ីអាគ្នេយ៍អាចធ្វើបាន។
មូលនិធិ Agentic AI Foundation៖ ហេតុអ្វីស្តង់ដារបើកចំហមានសារៈសំខាន់សម្រាប់អ្នកអភិវឌ្ឍនៅអាស៊ីអាគ្នេយ៍
OpenAI និង Anthropic — គូប្រជែងដ៏សាហាវ — ទើបតែបានរួមគ្នាបង្កើតមូលនិធិ Agentic AI Foundation នៅក្រោម Linux Foundation។ ជាមួយ AGENTS.md នៅក្នុង repository ជាង 60,000 និង MCP ខិតជិតដល់ server 9,400 agentic AI កំពុងទទួលបានពេលវេលានៃស្តង់ដារបើកចំហរបស់វា។ នេះជាមូលហេតុដែលនោះជាដំណឹងល្អជាពិសេសសម្រាប់អ្នកអភិវឌ្ឍនៅអាស៊ីអាគ្នេយ៍។
បទប្បញ្ញត្តិ AI នៅអាស៊ីអាគ្នេយ៍៖ ទិដ្ឋភាពប្រៀបធៀប
តើបណ្ដាប្រទេសអាស៊ាន (ASEAN) កំពុងដោះស្រាយអភិបាលកិច្ច AI បែបណា និងអ្វីដែលកម្ពុជាអាចរៀនពីប្រទេសឈានមុខគេក្នុងតំបន់។
ខាងក្នុង Agent Loop៖ លំនាំនៅពីក្រោយ AI Agent ដែលអាចទុកចិត្តបាន
ការប្ដូរទៅ model ឆ្លាតជាងមុន កម្រនឹងជួសជុល agent ដែលមិនស្ថិតស្ថេរបានទេ។ ដំណោះស្រាយស្ថិតនៅក្នុង loop — ដំណាក់កាលនានា វិន័យ context និងជំហាន verification ដែលប្រែភាពឆ្លាតវៃរបស់ model ទៅជាអ្វីដែលអាចចែកចាយបានដោយទុកចិត្តបាន។ នេះជាលំនាំនោះ ដែលត្រូវបានវិភាគ។
ការរចនា Agent Loops ដែលដំណើរការខណៈអ្នកដេក
នៅខែមិថុនា ឆ្នាំ ២០២៦ Peter Steinberger បានប្រាប់អ្នកអភិវឌ្ឍឱ្យឈប់ prompt agents ហើយចាប់ផ្ដើមរចនា loops ដែល prompt ពួកវាវិញ។ Addy Osmani បានដាក់ឈ្មោះឱ្យសភាវគតិនោះថា — loop engineering។ នេះជារចនាសម្ព័ន្ធនៃ loop ស្វយ័តមួយ guardrails ដែលការពារកុំឱ្យវាដុតថវិការបស់អ្នកពេញមួយយប់ និងហេតុអ្វីនេះជាជំនាញដែលមានឥទ្ធិពលខ្ពស់បំផុតដែលអ្នកអភិវឌ្ឍនៅអាស៊ីអាគ្នេយ៍អាចរៀនបាននៅពេលនេះ។
ឧបករណ៍សរសេរកូដ AI ក្នុងឆ្នាំ ២០២៦៖ Claude Code ធៀប Cursor ធៀប Copilot
ឧបករណ៍បីគ្រប់គ្រងវិស័យ agentic coding ក្នុងឆ្នាំ ២០២៦ — Claude Code, Cursor, និង GitHub Copilot។ ការប្រៀបធៀបពីអ្នកអនុវត្តជាក់ស្ដែង អំពីរបៀបដែលវាខុសគ្នាពិតប្រាកដ ឧបករណ៍ណាសមនឹងអ្នកណា និងហេតុអ្វីឧបករណ៍ដែលអ្នកជ្រើសរើសមានសារៈសំខាន់តិចជាងអ្វីដែលអ្នកសាងសង់ពីលើវា។
សុវត្ថិភាព និងអភិបាលកិច្ច AI នៅអាស៊ីអាគ្នេយ៍៖ អ្វីដែលអ្នកអភិវឌ្ឍត្រូវដឹង
អភិបាលកិច្ចមិនមែនជាបញ្ហារបស់ផ្នែកច្បាប់តែម្នាក់ឯងទេ — នៅក្នុងទេសភាពបទប្បញ្ញត្តិដ៏បែកខ្ញែករបស់អាស៊ីអាគ្នេយ៍ វាធ្លាក់ចូលក្នុងកូដរបស់អ្នក។ នេះជាមគ្គុទេសក៍ជាក់ស្ដែងសម្រាប់វិស្វករដែលកំពុងសាងសង់ និងដាក់ឱ្យដំណើរការ AI ឆ្លងកាត់តំបន់នេះ។
តួនាទីដែលកំពុងវិវឌ្ឍរបស់អ្នកអភិវឌ្ឍក្នុងពិភពលោកដែលដំណើរការដោយ AI៖ ទស្សនវិស័យពីអាស៊ីអាគ្នេយ៍
ការងាររបស់អ្នកអភិវឌ្ឍមិនបានបាត់ទៅទេ — វាបានផ្លាស់ឡើងលើ stack។ ពីអ្នកនិពន្ធទៅជាអ្នកសម្របសម្រួល ជំនាញដែលកើនតម្លៃ ការច្របាច់សង្កត់ដ៏សាហាវលើ junior developer និងហេតុអ្វីការផ្លាស់ប្ដូរដដែលដែលគំរាមកំហែងគំរូការងារមួយ បើកទ្វារពិតប្រាកដមួយសម្រាប់អាស៊ីអាគ្នេយ៍។
តើ Coding Agents វែកញែកយ៉ាងដូចម្ដេចពិតប្រាកដ
បើ harness ជា ៩៨,៤% នៃ coding agent តើ ១,៦% ដែលនៅសល់ — ផ្នែកដែល 'គិត' — ពិតជាកំពុងធ្វើអ្វី? នេះជាមគ្គុទេសក៍អំពីរបៀបដែល agents វែកញែក៖ វដ្ត Thought-Action-Observation ហេតុអ្វីការសង្កេតឈ្នះភាពឆ្លាតវៃ និងលទ្ធផលរបស់ Meta ដែលបង្ហាញថា ការបង្ខំ agent ឱ្យជជែកដូចអ្នកតក្កវិទ្យា — មិនមែនដូច chatbot — លើកការវិនិច្ឆ័យកូដរបស់វាឡើងជាខ្ទង់ពីរ។ សម្រាប់អ្នកសាងសង់ដែលចង់រៀបរូបរាងការវែកញែក មិនមែនគ្រាន់តែជួលវា។
រង្វិលជុំ Inference៖ ហេតុអ្វីការសរសេរកូដកំពុងក្លាយជារង្វិលជុំ មិនមែនជាការគោះគ្រាប់ចុច
បុព្វបទសូហ្វវែរសំខាន់បំផុតនៃទសវត្សរ៍នេះ សមនៅក្នុងដប់បន្ទាត់៖ ហៅម៉ូដែល ដំណើរការឧបករណ៍ បញ្ជូនលទ្ធផលត្រឡប់មកវិញ ហើយធ្វើម្ដងទៀត។ នេះជាមូលហេតុដែលរង្វិលជុំនោះកំពុងលេបយកការអភិវឌ្ឍសូហ្វវែរ — និងអ្វីដែលវាមានន័យសម្រាប់ក្រុមរបស់អ្នក។
Loop Engineering៖ តើវាមានន័យដូចម្ដេចសម្រាប់អ្នកអភិវឌ្ឍនៅអាស៊ីអាគ្នេយ៍
នៅខែមិថុនា ឆ្នាំ ២០២៦ ពិភព agentic coding បានទទួលឈ្មោះថ្មីសម្រាប់ជំនាញសំខាន់បំផុតរបស់វា៖ loop engineering។ នេះជាអ្វីដែលវាជា គំរូបីស្រទាប់នៅពីក្រោយវា (Harness → Loop → Orchestration) និងហេតុអ្វីបានជាវាជាការភ្នាល់ដ៏ល្អបំផុតមួយដែលអ្នកអភិវឌ្ឍនៅអាស៊ីអាគ្នេយ៍អាចធ្វើបាននៅពេលនេះ។
MCP ក្នុងឆ្នាំ ២០២៦៖ ស្តង់ដារសកល — និងបញ្ហាសុវត្ថិភាពរបស់វា
Model Context Protocol បានឈ្នះសង្គ្រាមរួមបញ្ចូល។ ត្រឹមពាក់កណ្ដាលឆ្នាំ ២០២៦ វាគ្របដណ្ដប់ serverចុះបញ្ជី ~៩,៦៥០ ការទាញ SDK ៩៧ លាន+ ក្នុងមួយខែ និងការប្រើផលិតកម្មនៅ ៤១% នៃអង្គភាពសូហ្វវែរ។ ប៉ុន្តែ ubiquity ដូចគ្នាបង្កើតផ្ទៃវាយប្រហារធំ៖ ការសិក្សាលើ ៦៧,០៥៧ server រកឃើញរាប់រយដែលងាយរងគ្រោះ credentials លេច និង maintainers ដែលអាចលួចបាន។ ព្រី្ដស្តង់ដារត្រូវបានដោះស្រាយ។ សុវត្ថិភាពនៃអ្វីដែលអ្នកដោតចូលជាព្រំដែនថ្មី — ហើយនោះជាឱកាសស្រទាប់ guardrail សម្រាប់អ្នកសាងសង់នៃតំបន់។
Models ធៀបនឹង Agents៖ ព្រំដែនដែលកំពុងផ្លាស់ប្ដូរ
រៀងរាល់ពីរបីខែ ការចេញផ្សាយម៉ូដែលថ្មីលុបបំបាត់ scaffolding agent ដ៏ឆ្លាតវៃរបស់នរណាម្នាក់។ ដូច្នេះ តើ scaffolding ជាផ្លូវដែលគ្មានទីបញ្ចប់ — ឬជាផ្នែកដែលពិតជាប្រមូលផ្ដុំ? ការមើលដ៏ច្បាស់ក្រឡែតទៅលើព្រំដែនរវាង model និង agent និងរបៀបសាងសង់នៅលើជ្រុងត្រឹមត្រូវនៃវា។
Spec-Driven Development៖ នៅពេលអ្នកកែ Spec មិនមែនកូដ
ខណៈ agents សរសេរកូដកាន់តែច្រើន artifact គង់វង្សរបស់មនុស្សផ្លាស់ឡើងមួយកម្រិត — ពីកូដទៅការបញ្ជាក់ (specification)។ Martin Fowler គូសផែនទីដំណាក់កាលភាពចាស់ទុំបី ដោយបញ្ចប់នៅ spec-as-source ដែលមនុស្សកែតែ spec ហើយកូដជា output ដែលចងក្រង។ នេះជាហេតុអ្វីការផ្លាស់ប្ដូរកំពុងកើតឡើង ការរិះគន់ដោយស្មោះថាវាអាចដកការវិនិយោគចេញពីការរចនា និងហេតុអ្វីការប្រែច្បាប់ domain ក្នុងស្រុកទៅជា specs រស់ ជាឥទ្ធិពលដែលអ្នកអភិវឌ្ឍអាស៊ីអាគ្នេយ៍គួរចាប់យក។
វង់តន្ត្រី Code Agent៖ អ្វីដែលធ្វើឱ្យ Multi-Agent Coding ដំណើរការពិតប្រាកដ
ការផ្លាស់ប្ដូរពិតប្រាកដនៃឆ្នាំ ២០២៦ មិនមែនជា agents ឆ្លាតជាងទេ — វាជាចំនួនច្រើនជាងរបស់ពួកវា ដែលធ្វើការប៉ារ៉ាឡែល។ ទិន្នន័យរបស់ Anthropic បង្ហាញ workflow multi-agent ផ្ដល់ការបង្កើនល្បឿន ២–៤ ដង ដោយសហគ្រាសមួយបង្រួមគម្រោង ២៤ ថ្ងៃទៅ ៥ ថ្ងៃ។ ប៉ុន្តែការរៀបចំក្រុម agent ជាជំនាញខុសពីការដឹកនាំ agent មួយ ហើយក្រុមភាគច្រើនបរាជ័យតាមរបៀបដូចគ្នា។ នេះជាអ្វីដែលធ្វើឱ្យវង់តន្ត្រីដំណើរការ កន្លែងដែលវាដួលរលំ និងហេតុអ្វីវាជាកត្តាគុណសម្រាប់ក្រុមតូច។
Harness គឺជាផលិតផល៖ ហេតុអ្វី ៩៨,៤% នៃ AI agent មិនមែនជា Model
ការសិក្សាលើ source code របស់ Claude Code បានរកឃើញថា មានតែប្រហែល ១,៦% នៃ coding agent ផលិតកម្មប៉ុណ្ណោះ ដែលជា AI decision logic — ឯ ៩៨,៤% ដែលនៅសល់ គឺជា harness៖ scaffolding ដែលផ្ដល់ context ដល់ model ដំណើរការឧបករណ៍របស់វា ពិនិត្យការងាររបស់វា និងសម្រេចថាពេលណាត្រូវឈប់។ នេះជាអ្វីដែលលេខនោះមានន័យ និងហេតុអ្វីបានជាវាជារឿងសំខាន់បំផុតសម្រាប់អ្នកសាងសង់នៅអាស៊ីអាគ្នេយ៍ត្រូវយល់នៅពេលនេះ។
Harness ដែលសរសេរខ្លួនឯងឡើងវិញ
យើងបានអះអាងពេញមួយឆ្នាំថា harness — scaffolding ជុំវិញ model — ជាកន្លែងដែលការងារពិតប្រាកដស្ថិតនៅ។ នៅពាក់កណ្ដាលឆ្នាំ ២០២៦ ប្រភេទស្រាវជ្រាវថ្មីបានបិទ loop លើគំនិតនោះ៖ agents ដែលកែលម្អ harness ផ្ទាល់ខ្លួនរបស់ពួកវា ដោយគ្មានវិស្វករមនុស្ស និងគ្មាន model ឆ្លាតជាងឱ្យចម្លង។ ក្រដាស arXiv ខែមិថុនាបានលើក model បីផ្សេងគ្នា ៣៣–៦០% លើ benchmark ពិបាក គ្រាន់តែដោយឱ្យពួកវានីមួយៗសរសេរ scaffolding ផ្ទាល់ខ្លួនឡើងវិញ។ នេះជាអ្វីដែល self-harness ជា ហេតុអ្វីវាមិនធ្វើឱ្យវិស្វករហួសសម័យ និងហេតុអ្វីវាផ្អៀងវាលទៅរកការងារដែលអាស៊ីអាគ្នេយ៍អាចកាន់កាប់។
Guardrail តម្លៃ ១០០ ពាន់លានដុល្លារ៖ ហេតុអ្វីស្រទាប់សុវត្ថិភាពរបស់ AI កំពុងក្លាយជាផលិតផល
ទីផ្សារសម្រាប់ AI guardrails ត្រូវបានព្យាករថានឹងកើនពី ០,៧ ពាន់លានដុល្លារក្នុងឆ្នាំ ២០២៤ ទៅ ១០៩,៩ ពាន់លានដុល្លារត្រឹមឆ្នាំ ២០៣៤ — មួយក្នុងចំណោមប្រភេទដែលរីកលូតលាស់លឿនបំផុតក្នុងសូហ្វវែរ។ ខណៈ agents ឈប់ស្នើ ហើយចាប់ផ្ដើមធ្វើសកម្មភាព ការចំណាយដែលអាចការពារបានផ្លាស់ចេញពី model ទៅលើស្រទាប់រវាង agent និងអាជីវកម្មរបស់អ្នក។ នេះជាអ្វីដែល guardrail ពិតជាជាផលិតផលដែលអាចសាងសង់បាន ហេតុអ្វី soft-law របស់ ASEAN ប្រែស្រទាប់នោះជាព្រំដែនអនុលោមភាពរបស់អ្នក និងហេតុអ្វីនោះជាឱកាសសម្រាប់វិស្វករនៃតំបន់។