Block 4 - Agentic Workflows

Block 4: Agentic Workflows

15:00 - 16:30 90 นาที 3 Quests

🎯 ผลลัพธ์การเรียนรู้

เมื่อจบ block นี้ คุณจะสามารถ:

• สร้าง automated development loops
• ออกแบบ multi-agent pipelines
• ใช้ Plan-Implement-Validate (PIV) framework

---

📖 Concept: Agentic Workflows (30 นาที)

Agentic Workflows คืออะไร?

Agentic Workflows คือระบบที่ AI agents ทำงานร่วมกันอย่างอัตโนมัติเพื่อบรรลุเป้าหมาย

PIV Framework

Plan-Implement-Validate คือ core pattern:

┌─────────────┐
│    PLAN     │  วิเคราะห์งาน แบ่งเป็น steps
└──────┬──────┘
       │
       ▼
┌─────────────┐
│  IMPLEMENT  │  สร้างโค้ดตาม plan
└──────┬──────┘
       │
       ▼
┌─────────────┐
│  VALIDATE   │  Test, ตรวจสอบคุณภาพ
└──────┬──────┘
       │
       ▼
   Pass? ──Yes──► เสร็จ
       │
       No
       │
       └──────► กลับไป PLAN

ทำไมต้องใช้ Loops?

• คุณภาพ: ตรวจสอบก่อน deploy
• Iteration: ดีขึ้นทุก iteration
• Automation: ลดงาน manual
• ความสม่ำเสมอ: ผลลัพธ์เดิมทุกครั้ง

---

🛠️ Loop Patterns

Pattern 1: Generate-Review-Fix

Generate Code → AI Review → Fix Issues → Repeat until quality

Pattern 2: Test-Driven Loop

Write Test → Generate Code → Run Test → Fix → Repeat

Pattern 3: Multi-Agent Pipeline

Planner → Coder → Reviewer → Tester → Deploy

Convergence Criteria

Loops ควรหยุดเมื่อ:

• Quality gate ผ่าน (เช่น test coverage 90%)
• ไม่มี issues สำคัญ
• ถึง max iterations

---

🤖 Multi-Agent Systems กับ Pi

Subagents คืออะไร?

Subagents คือ AI agents ที่ทำงานภายใต้ main agent — เหมือนทีมที่แบ่งหน้าที่กัน

ใน Pi:

• Main Agent — คุณ (ผู้ร้องขอ) + Pi (coordinator)
• Subagents — Agents ที่ Pi สร้างสำหรับ tasks เฉพาะ

Multi-Agent Features ของ Pi

Subagent Tool

สร้าง child agents สำหรับ tasks เฉพาะ

Workflow Engine

จัดการ parallel/sequential tasks

Loop Until Done

ทำงานต่อเนื่องจนกว่าจะเสร็จ

Team Agents

ประสานทีม agents ที่ทำงานร่วมกัน

---

Loop Engineering กับ Pi

Loop Engineering คือการออกแบบระบบที่ AI iterate จนกว่าจะบรรลุเป้าหมาย

Pattern 1: Single Agent Loop

# Pi ทำงานคนเดียว iterate จนกว่าจะเสร็จ
pi --loop "Create a REST API with auth, tests, and docs"

สิ่งที่ Pi ทำ:

1. Plan
2. สร้างโค้ด (Implement)
3. รัน tests (Validate)
4. แก้ไขถ้า fail
5. Repeat จนกว่า tests ผ่าน

Pattern 2: Subagent Fan-out

# Pi สร้าง subagents สำหรับทำงานแบบ parallel
pi "Build frontend, backend, and docs in parallel"

สิ่งที่ Pi ทำ:

1. วิเคราะห์ว่ามี independent tasks กี่ตัว
2. สร้าง subagent แต่ละตัว
3. ทำงานพร้อมกัน (parallel)
4. รวบรวมผลลัพธ์
5. ตรวจสอบคุณภาพ

Pattern 3: Pipeline Flow

User Request
    │
    ▼
┌─────────┐     ┌─────────┐     ┌─────────┐
│ Planner │────▶│  Coder  │────▶│ Reviewer │
└─────────┘     └─────────┘     └────┬────┘
                                     │
                           ┌─────────┘
                           ▼
                     ┌─────────┐
                     │  Tester │
                     └─────────┘

ใน Pi:

• /workflow — สร้าง pipeline กับหลาย agents
• parallel() — ทำงานแบบ parallel
• pipeline() — ทำงานทีละ step

---

Pi vs เครื่องมืออื่น

Feature	Pi	Claude Code	Cursor
Subagents	✅ Built-in	❌ Manual	❌ Manual
Parallel work	✅ parallel()	❌	❌
Loop until done	✅ /until-done	❌	❌
Workflow engine	✅ /workflow	❌	❌
Team coordination	✅ /team-agents	❌	❌

---

🎮 Code Quests

🟢 Quest 4.1: Set Up a Loop

เป้าหมาย: สร้าง PIV loop แบบพื้นฐาน

1. เข้าใจ PIV framework

   • Plan: วิเคราะห์ task สร้าง steps
   • Implement: Execute แต่ละ step
   • Validate: ตรวจสอบว่าผลลัพธ์ตรงตาม requirements

2. Implement loop controller

   class PIVLoop {
     async plan(task) { }
     async implement(plan) { }
     async validate(implementation) { }
     async execute(task, maxIterations) { }
   }

3. ทดสอบด้วย task ง่ายๆ

4. ตรวจสอบ convergence

ส่งมอบ: PIV loop ที่ทำงานได้พร้อม tests

---

🟡 Quest 4.2: Generate-Review-Fix Loop

เป้าหมาย: สร้าง iterative code improvement loop

1. ออกแบบ loop

   Generate → Review → Fix → Quality Check
       ↑                      │
       └──────────────────────┘

2. Implement แต่ละ phase

   • Generate: AI เขียนโค้ดเริ่มต้น
   • Review: AI ตรวจสอบ issues
   • Fix: AI แก้ไขปัญหาที่พบ
   • Quality Check: ตรวจสอบว่าตรงมาตรฐาน

3. เพิ่ม convergence criteria

4. ทดสอบด้วย sample task

ส่งมอบ: GRF loop ที่ทำงานได้พร้อม quality gates

---

🔴 Quest 4.3: Multi-Agent Pipeline

เป้าหมาย: สร้าง pipeline กับหลาย AI agents

1. ออกแบบ agent roles

   Agent	Role	Responsibility
   Planner	Task Analysis	แบ่ง tasks เป็น steps
   Coder	Implementation	เขียนโค้ด
   Reviewer	Quality Check	Review คุณภาพโค้ด
   Tester	Validation	Test โค้ด

2. Implement pipeline

   class Pipeline {
     addAgent(agent) { }
     async execute(task) { }
   }

3. เชื่อมต่อ agents เป็น sequence

4. ทดสอบด้วย complex task

ส่งมอบ: Multi-agent pipeline ที่ทำงานได้

---

✅ Block 4 Checklist

• เข้าใจ PIV framework
• Quest 4.1 เสร็จแล้ว
• Quest 4.2 เสร็จแล้ว
• Quest 4.3 เสร็จแล้ว

---

🚀 Block ถัดไป

Block 5: Architecture → ออกแบบระบบ AI-powered ที่สมบูรณ์

ไป Block 5 →