วิธีใช้งาน Open AI ใน VS Code อย่างมืออาชีพ

หน้าหลัก » Python » วิธีใช้งาน Open AI ใน VS Code อย่างมืออาชีพ

หากคุณใช้ VS Code เขียนโค้ดมาหลายปีแล้ว แต่แทบไม่เคยสัมผัสกับผู้ช่วย AI สมัยใหม่เลย คุณกำลังจะได้พบกับการเปลี่ยนแปลงครั้งใหญ่ในขั้นตอนการทำงานประจำวันของคุณในเวลาอันสั้น โปรแกรมแก้ไขโค้ดได้พัฒนาจากเครื่องมือข้อความธรรมดาไปเป็นเวิร์กสเตชัน AI เต็มรูปแบบ ที่คุณสามารถสนทนากับโมเดล สร้างเอเจนต์ ประเมินข้อความแจ้งเตือน และแม้แต่ปรับแต่งโมเดลของคุณเองโดยไม่ต้องออกจากโปรแกรมแก้ไข VS Code อยู่ใจกลางของการเปลี่ยนแปลงนี้ และที่สำคัญคือ กำลังใช้แนวทางโอเพนซอร์สที่ขับเคลื่อนโดยชุมชนในการพัฒนา AI

การทำงานกับ AI แบบโอเพนซอร์สภายใน VS Code ไม่ใช่แค่การทดลองเฉพาะกลุ่มอีกต่อไป แต่เป็นตัวเลือกที่ใช้งานได้จริงและพร้อมใช้งานสำหรับนักพัฒนา JavaScript/React วิศวกร AI และนักการศึกษาด้วยการตัดสินใจเปิดซอร์สโค้ดส่วนขยาย GitHub Copilot Chat และการมาถึงของ AI Toolkit สำหรับ Visual Studio Code คุณสามารถผสมผสานโมเดลเชิงพาณิชย์ (OpenAI, Anthropic, Google, GitHub Models) กับโมเดลภายในหรือแบบโอเพนซอร์ส (ONNX, Ollama, โมเดลที่ปรับให้เหมาะสมกับ Windows) และควบคุมทุกอย่างตั้งแต่การค้นหาไปจนถึงการใช้งานได้ในที่เดียว มาดูกันว่าระบบนิเวศนี้ทำงานอย่างไร ช่วยให้ทำอะไรได้บ้าง และคุณจะใช้ประโยชน์จากมันได้อย่างไรโดยไม่รู้สึกว่าล้าหลัง

VS Code ในฐานะโปรแกรมแก้ไขข้อความ AI แบบโอเพนซอร์ส

ทีมงาน VS Code ได้ประกาศอย่างเป็นทางการว่าจะเปลี่ยนโปรแกรมแก้ไขโค้ดนี้ให้เป็นสภาพแวดล้อมแบบโอเพนซอร์สที่เน้น AIเป็นหลัก ไม่ใช่กล่องดำที่ปิดตาย กว่าทศวรรษที่ผ่านมา VS Code เป็นหนึ่งในโครงการโอเพนซอร์สที่ประสบความสำเร็จมากที่สุดของ GitHub โดยมีชุมชนขนาดใหญ่และกระตือรือร้นที่เลือกใช้ VS Code เพราะแกนหลักของมันเป็นแบบโอเพนซอร์ส เมื่อ AI กลายเป็นส่วนสำคัญของประสบการณ์การเขียนโค้ด เป้าหมายของ Microsoft คือการรักษาหลักการเดิมไว้ ได้แก่ การพัฒนาแบบเปิด การทำงานร่วมกัน และการมีส่วนร่วมของชุมชนอย่างแข็งแกร่ง

ก้าวสำคัญในทิศทางนั้นคือการตัดสินใจปล่อยส่วนขยาย GitHub Copilot Chat เป็นโอเพนซอร์สภายใต้ใบอนุญาต MITแทนที่จะซ่อนตรรกะ AI และ UX ไว้เบื้องหลังโค้ดที่เป็นกรรมสิทธิ์ การใช้งานส่วนขยายจึงปรากฏให้เห็นแก่ทุกคน แผนการนี้ไม่ใช่แค่การเผยแพร่ที่เก็บโค้ดแล้วก็จบไป แต่ส่วนที่เกี่ยวข้องของส่วนขยายจะได้รับการปรับปรุงโครงสร้างอย่างระมัดระวังและรวมเข้ากับแกนหลักของ VS Code เพื่อให้ความสามารถด้าน AI รู้สึกเหมือนเป็นเลเยอร์ในตัวที่เป็นธรรมชาติของตัวแก้ไข

การผสานรวมนี้มีจุดมุ่งหมายเพื่อสะท้อนความเป็นจริงง่ายๆ ข้อหนึ่ง นั่นคือ เครื่องมือที่ขับเคลื่อนด้วย AI ได้กลายเป็นหัวใจสำคัญของวิธีการเขียนโค้ดของเรา ไม่ใช่เพียงแค่ฟีเจอร์เสริม ด้วยการให้ความสำคัญกับ AI ในฐานะองค์ประกอบหลักในสถาปัตยกรรมของ VS Code ทีมงานจึงตอกย้ำแนวคิดที่ว่า ฐานที่เปิดกว้างและความสามารถในการขยายเพิ่มเติม จะสร้างเครื่องมือที่ดีกว่า ระบบนิเวศที่สมบูรณ์ยิ่งขึ้น และเวิร์กโฟลว์ที่ยืดหยุ่นกว่าที่ผู้ช่วยแบบปิดตัวใดตัวหนึ่งจะมอบให้ได้

การเปิดซอร์สโค้ดของ Copilot Chat ไม่ได้เกิดขึ้นโดยปราศจากบริบท แต่เป็นส่วนหนึ่งของประวัติศาสตร์โอเพนซอร์สอันยาวนานของ VS Codeตลอดเวลาที่ผ่านมา ปัญหาและคำขอแก้ไขจากชุมชนได้ช่วยให้ทีมตรวจจับและแก้ไขข้อบกพร่อง ช่องโหว่ด้านความปลอดภัย และปัญหาด้าน UX ได้อย่างรวดเร็ว การขยายวงจรเปิดเดียวกันนี้ไปยังฟีเจอร์ AI จะทำให้ผู้ร่วมพัฒนาสามารถเข้าถึงการปรับปรุงข้อความแจ้งเตือน ขั้นตอนการใช้งาน UI ความโปร่งใสในการส่งข้อมูล และอื่นๆ ได้โดยตรง

จากมุมมองของนักพัฒนา นั่นหมายความว่า AI ใน VS Code กำลังเปลี่ยนจาก “เวทมนตร์ลึกลับ” มาเป็นสิ่งที่สามารถตรวจสอบ ดีบั๊ก และแม้แต่แยกโค้ดได้หากจำเป็นจริงๆคุณไม่ได้ถูกจำกัดอยู่กับวิสัยทัศน์ของผู้จำหน่ายรายเดียว คุณสามารถเลือกใช้ Copilot ผู้ช่วยอื่นๆ หรือเอเจนต์โอเพนซอร์สของคุณเอง ซึ่งทั้งหมดนี้ทำงานอยู่บนพื้นฐานของตัวแก้ไขที่โปร่งใสและพร้อมใช้งาน AI

เหตุใด VS Code จึงเปิดใช้งานชุดเครื่องมือ AI ในตอนนี้

จังหวะเวลาของการเปลี่ยนแปลงไปสู่ ​​AI แบบเปิดใน VS Code นั้นเกิดจากการเปลี่ยนแปลงที่เป็นรูปธรรมในแวดวง AI โดยรวม ไม่ใช่แค่เพียงอุดมการณ์เท่านั้นโมเดลภาษาขนาดใหญ่ได้รับการพัฒนาไปมากจน "สูตรลับของพรอมต์" ในอดีตมีความสำคัญน้อยลงไปมาก จากเดิมที่ผู้ให้บริการสามารถปกป้องความได้เปรียบด้วยการซ่อนวิศวกรรมพรอมต์ที่ชาญฉลาด ปัจจุบันการโต้ตอบหลายอย่างมาบรรจบกันที่รูปแบบที่คล้ายคลึงกันและเข้าใจได้ง่าย

ในระดับ UX รูปแบบการโต้ตอบกับ AI ที่มีประสิทธิภาพมากที่สุดในปัจจุบันนั้นถูกนำไปใช้ร่วมกันอย่างแพร่หลายในโปรแกรมแก้ไขข้อความ IDE และเครื่องมือต่างๆ เช่น คำแนะนำแบบแทรกในบรรทัด แถบแชทด้านข้าง คำสั่งอธิบาย และข้อความแจ้งเตือนการปรับโครงสร้างโค้ด ซึ่งกลายเป็นมาตรฐานไปแล้ว แทนที่แต่ละผู้พัฒนาจะสร้างวิดเจ็ตเดียวกันขึ้นมาใหม่โดยลำพัง ทีมงาน VS Code ต้องการให้ส่วนประกอบ UI เหล่านี้อยู่ในโค้ดเบสแบบเปิดและเสถียร เพื่อให้ชุมชนสามารถปรับปรุง ขยาย และพัฒนาส่วนประกอบเหล่านี้ร่วมกันต่อไปได้

ระบบนิเวศทั้งหมดของส่วนขยายและเครื่องมือ AI แบบโอเพนซอร์สรอบๆ VS Code ได้เกิดขึ้นแล้วส่วนขยายเหล่านี้จำนวนมากจำเป็นต้องผสานรวมอย่างลึกซึ้ง: พวกเขาต้องการเชื่อมต่อกับขั้นตอนการสนทนา ใช้ส่วนประกอบ UI ซ้ำ ดีบักลำดับการแจ้งเตือน หรือจำลองพฤติกรรมหลัก การทำเช่นนี้อย่างราบรื่นนั้นยากมากเมื่อส่วนสำคัญของประสบการณ์ AI ถูกปิดกั้นไว้ในส่วนขยายที่เป็นกรรมสิทธิ์ซึ่งไม่มีซอร์สโค้ดสาธารณะ

ความไว้วางใจและความโปร่งใสของนักพัฒนาซอฟต์แวร์มีบทบาทสำคัญอย่างยิ่งอีกประการหนึ่ง นั่นคือ ผู้คนต้องการทราบว่าโปรแกรมแก้ไขข้อความที่ใช้ AI นั้นเก็บรวบรวมและส่งข้อมูลอะไรบ้างการเปิดเผยโค้ดของ Copilot Chat ทำให้ผู้ใช้และผู้ตรวจสอบสามารถตรวจสอบได้อย่างแม่นยำว่ามีการบันทึกเหตุการณ์ใดบ้าง ข้อมูลที่ส่งไปยังระบบแบ็กเอนด์มีอะไรบ้าง และมีการนำการตัดสินใจด้านความเป็นส่วนตัวไปใช้อย่างไร ความโปร่งใสนี้เหนือกว่าคำถามที่พบบ่อยทางการตลาด และให้การรับประกันที่เป็นรูปธรรมและตรวจสอบได้

ความปลอดภัยก็เป็นอีกเหตุผลสำคัญที่สนับสนุนการใช้ AI แบบเปิดใน VS Code เนื่องจากเครื่องมือพัฒนา AI กำลังกลายเป็นเป้าหมายที่น่าดึงดูดสำหรับผู้โจมตีส่วนขยายที่เป็นอันตราย เส้นทางการแทรกข้อความแจ้งเตือน หรือช่องทางการขโมยข้อมูล อาจก่อให้เกิดความเสียหายร้ายแรงเมื่อโปรแกรมแก้ไขของคุณเข้าถึงคลังเก็บข้อมูลและโครงสร้างพื้นฐานได้อย่างลึกซึ้ง ( ดูภัยคุกคามจากส่วนขยายและการขโมยข้อมูล ) ในอดีต การมีส่วนร่วมของชุมชนช่วยให้ VS Code แก้ไขปัญหาได้อย่างรวดเร็ว การนำโมเดลเดียวกันนี้มาใช้กับคุณสมบัติ AI จะเพิ่มโอกาสในการตรวจพบปัญหาได้ตั้งแต่เนิ่นๆ

ปัจจัยทั้งหมดเหล่านี้รวมกันทำให้ทีม VS Code ตัดสินใจเปลี่ยนการพัฒนา AI จากแบบปิดไปเป็นแบบเปิดอย่างเป็นธรรมชาติพวกเขาไม่ได้เลือกใช้โอเพนซอร์สเพียงเพราะ "มันดี" แต่เพราะมันช่วยปรับปรุงความโปร่งใสและความน่าเชื่อถืออย่างเห็นได้ชัด รวมถึงความสามารถในการขยาย การรักษาความปลอดภัย และความเร็วในการสร้างสรรค์นวัตกรรมสำหรับ AI ภายในโปรแกรมแก้ไขโค้ดด้วย

ตั้งแต่ส่วนขยาย Copilot Chat ไปจนถึงฟีเจอร์ AI ใน VS Code เวอร์ชันหลัก

เมื่อโค้ดส่วนขยาย GitHub Copilot Chat ได้รับการเผยแพร่แล้ว ขั้นตอนต่อไปคือการผสานรวมคุณสมบัติ AI ที่สำคัญเข้ากับแกนหลักของ VS Codeนี่ไม่ใช่การคัดลอกและวางอย่างรวดเร็ว: ทีมงานจะปรับโครงสร้างส่วนประกอบของส่วนขยายอย่างเป็นระบบ เพื่อให้ฟังก์ชันพื้นฐานของ AI อยู่ร่วมกับความสามารถอื่นๆ ของตัวแก้ไข และเปิดเผยจุดเชื่อมต่อส่วนขยายที่กำหนดไว้อย่างชัดเจน

ตลอดการปรับปรุงโครงสร้างนี้ ลำดับความสำคัญที่ VS Code ยึดถือมาโดยตลอดยังคงไม่เปลี่ยนแปลง ได้แก่ ประสิทธิภาพสูง ความสามารถในการขยายที่ทรงพลัง และอินเทอร์เฟซที่สะอาดตาและใช้งานง่ายฟีเจอร์ AI ควรให้ความรู้สึกรวดเร็ว เสถียร และคาดเดาได้ ไม่ใช่เหมือนการทดลองที่ถูกเพิ่มเข้ามาอย่างไม่ลงตัว ผู้เขียนส่วนขยายควรจะยังคงสามารถเชื่อมต่อกับเลเยอร์ที่ถูกต้องได้โดยไม่ต้องต่อสู้กับข้อสมมติฐานที่ซ่อนอยู่หรือ API ที่ไม่ได้บันทึกไว้

หนึ่งในแง่มุมที่ยากที่สุดของฟีเจอร์ AI คือการทดสอบ เนื่องจากโมเดลภาษาเป็นแบบสุ่มผลลัพธ์จะแตกต่างกันไปในแต่ละครั้งที่รัน คำถามจะเปลี่ยนแปลงไป และเวอร์ชันของโมเดลก็เปลี่ยนไป เพื่อหลีกเลี่ยงความวุ่นวาย ไมโครซอฟต์วางแผนที่จะเปิดโครงสร้างพื้นฐานการทดสอบคำถามของตนเองให้เป็นโอเพนซอร์สด้วยเช่นกัน ด้วยวิธีนี้ คำขอแก้ไขจากชุมชนที่เกี่ยวข้องกับตรรกะ AI จะได้รับการตรวจสอบความถูกต้องกับสถานการณ์เดียวกันกับที่ทีมภายในใช้

ด้วยการแบ่งปันการทดสอบข้อความแจ้งเตือนและโครงสร้างพื้นฐาน โครงการนี้เปิดโอกาสให้ผู้มีส่วนร่วมสามารถปรับปรุงข้อความแจ้งเตือนและกระบวนการทำงานของ AI โดยไม่ต้องเดาอย่างไร้ทิศทางว่าจะทำให้พฤติกรรมผิดพลาดหรือไม่ นอกจากนี้ยังส่งเสริมวัฒนธรรมการปฏิบัติต่อตรรกะของ AI ในฐานะโค้ดที่สามารถทดสอบได้จริง พร้อมด้วยตัวชี้วัดและการตรวจสอบการถดถอย แทนที่จะเป็นเพียงข้อความลึกลับที่กระจายอยู่ทั่ว UI

เป้าหมายสูงสุดนั้นเรียบง่าย: การเพิ่มฟีเจอร์ AI ให้กับ VS Code ควรทำได้ง่ายเหมือนกับการเพิ่มฟีเจอร์อื่นๆ ให้กับโปรแกรมแก้ไขโค้ดคุณไม่ควรต้องถอดรหัส API ที่ซ่อนอยู่หรือเดาว่าพฤติกรรมภายในที่ "ถูกต้อง" คืออะไร แต่จะมีพื้นฐานที่มั่นคงและชุดทดสอบที่ใช้ร่วมกัน ซึ่งจะช่วยให้ชุมชนสามารถช่วยกำหนดพฤติกรรมของ AI ได้ในอนาคต

ชุดเครื่องมือ AI สำหรับ VS Code: พื้นที่ทำงาน AI แบบครบวงจรของคุณ

นอกเหนือจากแกนหลักแบบเปิดแล้ว AI Toolkit สำหรับ Visual Studio Code ยังทำหน้าที่เป็นศูนย์ควบคุมแบบครบวงจรสำหรับการสร้าง ทดสอบ และปรับใช้แอปพลิเคชันที่ขับเคลื่อนด้วย AIแทนที่จะบังคับให้คุณต้องจัดการกับเครื่องมือ CLI แดชบอร์ด และสคริปต์ต่างๆ ชุดเครื่องมือนี้จะให้มุมมองเฉพาะใน VS Code ที่คุณสามารถจัดการเวิร์กโฟลว์ AI แบบสร้างสรรค์ทั้งหมดของคุณได้

ชุดเครื่องมือ AI สามารถทำงานร่วมกับผู้ให้บริการโมเดลได้หลากหลาย ทั้งแบบคลาวด์และแบบโลคอลโดยสามารถเชื่อมต่อกับบริการต่างๆ เช่น OpenAI, Anthropic, Google และ GitHub Models ได้ทันที และยังรองรับโมเดลโลคอลผ่าน ONNX และ Ollama ด้วย ทำให้ง่ายต่อการผสมผสานโมเดลโอเพนซอร์สกับ API เชิงพาณิชย์ตามความต้องการและงบประมาณของคุณ

จากมุมมองของเวิร์กโฟลว์ ชุดเครื่องมือนี้ครอบคลุมวงจรชีวิตทั้งหมด: การค้นหาโมเดล การทดลองข้อความแจ้งเตือน การสร้างเอเจนต์ การประเมิน การแปลง และการปรับใช้แทนที่จะมีส่วนขยายหนึ่งสำหรับเติมข้อความอัตโนมัติ อีกส่วนขยายหนึ่งสำหรับการประเมิน และอีกส่วนขยายหนึ่งสำหรับโมเดลในเครื่อง คุณจะได้รับสภาพแวดล้อมที่สอดคล้องกันซึ่งเข้าใจว่าส่วนประกอบเหล่านี้มีความสัมพันธ์กันอย่างไร

AI Toolkit ไม่ได้จำกัดเฉพาะผู้เชี่ยวชาญด้าน AI เท่านั้น แต่สร้างขึ้นสำหรับนักพัฒนา วิศวกร AI นักวิทยาศาสตร์ข้อมูล นักวิจัย และนักการศึกษาหากคุณเป็นนักพัฒนา JS/React ที่กลับมาพัฒนาผู้ช่วย AI หลังจากห่างหายไปหลายปี Toolkit จะเป็นวิธีที่ใช้งานได้จริงในการเรียนรู้ได้อย่างรวดเร็ว ทุกสิ่งที่คุณต้องการในการสำรวจโมเดลและเอเจนต์แบบสร้างสรรค์นั้นอยู่ในแผงเดียว พร้อมส่วนต่างๆ ที่ชัดเจนและเอกสารประกอบ

การติดตั้งนั้นง่ายดายอย่างตั้งใจ: คุณดาวน์โหลดส่วนขยายจาก Visual Studio Marketplace และเมื่อติดตั้งเสร็จแล้ว ไอคอน AI Toolkit ใหม่จะปรากฏในแถบกิจกรรม นอกจากนี้ยังรองรับการติดตั้งด้วยตนเองผ่านเวิร์กโฟลว์ส่วนขยายมาตรฐานของ VS Code หากคุณต้องการจัดการไฟล์ VSIX ด้วยตนเอง หลังจากนั้น Toolkit จะเปิดขึ้นในมุมมองของตัวเอง ซึ่งจัดเรียงเป็นส่วนๆ อย่างสม่ำเสมอ

แคตตาล็อกโมเดลและพื้นที่ทดลอง: ทดลองใช้โมเดลแบบเปิดและแบบโฮสต์

หัวใจสำคัญของ AI Toolkit คือแคตตาล็อกโมเดล ซึ่งทำหน้าที่เป็นศูนย์กลางในการค้นหาและเปรียบเทียบโมเดลจากแหล่งต่างๆภายในอินเทอร์เฟซเดียว คุณสามารถเรียกดูโมเดลจาก Microsoft Foundry และ Foundry Local, GitHub Models, ONNX, Ollama, OpenAI, Anthropic และ Google ได้ นั่นหมายความว่าคุณสามารถเปรียบเทียบโมเดลโอเพนซอร์สและโมเดลที่ให้บริการอยู่บนเซิร์ฟเวอร์ได้พร้อมกัน ก่อนที่จะตัดสินใจเลือกใช้

แคตตาล็อกนี้ออกแบบมาเพื่อช่วยคุณค้นหาตัวเลือกที่เหมาะสมกับกรณีการใช้งานเฉพาะของคุณ แทนที่จะเลือกโมเดลที่ใหญ่ที่สุดโดยไม่พิจารณาให้ดีคุณสามารถพิจารณาถึงความสามารถ ประสิทธิภาพ และรูปแบบการใช้งาน เพื่อตัดสินใจว่าคุณต้องการ LLM ขนาดใหญ่สำหรับการประมวลผลเชิงตรรกะ โมเดลขนาดเล็กสำหรับใช้งานในพื้นที่เพื่อความเป็นส่วนตัวและความหน่วงต่ำ หรือโมเดลที่ได้รับการปรับให้เหมาะสมสำหรับอินพุตแบบหลายรูปแบบ

เมื่อคุณได้แบบจำลองที่เหมาะสมแล้ว Playground จะมีสภาพแวดล้อมการแชทแบบโต้ตอบสำหรับการทดลองแบบเรียลไทม์ใน Playground คุณสามารถพิมพ์ข้อความ ปรับแต่งพารามิเตอร์ และแม้แต่รวมอินพุตหลายรูปแบบ เช่น รูปภาพหรือไฟล์แนบ ซึ่งเหมาะอย่างยิ่งเมื่อคุณต้องการดูว่าแบบจำลองทำงานอย่างไรในขั้นตอนการทำงานของนักพัฒนาที่สมจริง เช่น การอ่านโค้ด การสรุปบันทึก หรือการตีความภาพหน้าจอ

ประสบการณ์ใน Playground มีความสำคัญอย่างยิ่งเมื่อคุณเปรียบเทียบโมเดลเชิงพาณิชย์และโอเพนซอร์สใน VS Codeตัวอย่างเช่น คุณสามารถตั้งค่าพรอมต์ที่เหมือนกันในผู้ให้บริการทั้งสองรายและสังเกตความแตกต่างในคุณภาพโค้ด ความหน่วง และการปฏิบัติตามคำแนะนำ การทดสอบแบบลงมือปฏิบัติจริงเช่นนี้ให้ข้อมูลที่เป็นประโยชน์มากกว่าการอ่านผลการทดสอบแบบคงที่มาก

ด้วยการรวมแคตตาล็อกและพื้นที่ทดลองไว้ในตัวแก้ไข AI Toolkit ช่วยลดระยะเวลาของวงจรการให้ข้อเสนอแนะ: คุณค้นพบโมเดล ทดลองใช้กับงานจริงของคุณได้ทันที และตัดสินใจว่ามันสมควรที่จะอยู่ในระบบของคุณหรือไม่ สำหรับเวิร์กโฟลว์ AI แบบโอเพนซอร์ส สิ่งนี้ทำให้การตรวจสอบโมเดล เช่น โมเดลที่ทำงานผ่าน ONNX หรือ Ollama ง่ายขึ้นอย่างมากโดยไม่ต้องตั้งค่าแซนด์บ็อกซ์แยกต่างหาก

การสร้างและตรวจสอบเอเจนต์ AI ใน VS Code

นอกเหนือจากข้อความแจ้งเตือนแบบง่ายๆ แล้ว AI Toolkit ยังนำเสนอวิธีการสร้างเอเจนต์อย่างเป็นระบบ ซึ่งเป็นส่วนประกอบ AI ที่นำกลับมาใช้ใหม่ได้ โดยส่วนประกอบเหล่านี้จะรวบรวมพฤติกรรม เครื่องมือ และข้อความแจ้งเตือนต่างๆ ไว้ด้วยกัน ตัวสร้างเอเจนต์จะแนะนำคุณในการสร้างโครงสร้างข้อความแจ้งเตือนที่ซับซ้อน การเชื่อมต่อเครื่องมือ (รวมถึงอินเทอร์เฟซแบบ MCP) และการสร้างโค้ดที่พร้อมใช้งานจริงพร้อมเอาต์พุตที่กำหนดไว้อย่างชัดเจน ( ดูเอเจนต์แบบกำหนดเองใน VS Code )

ในบริบทนี้ การออกแบบระบบตอบสนองอัตโนมัติ (Prompt engineering) ไม่ได้เป็นเพียงแค่การแก้ไขข้อความเพียงบรรทัดเดียวอีกต่อไป แต่คุณยังต้องกำหนดบทบาท คำแนะนำ การใช้งานเครื่องมือ และรูปแบบผลลัพธ์อย่างเป็นระบบและทำซ้ำได้ซึ่งมีประโยชน์อย่างยิ่งหากคุณกำลังสร้างผู้ช่วยประเภทเดียวกันสำหรับโครงการต่างๆ เช่น ตัวแทนตรวจสอบโค้ด ตัวอธิบายเอกสาร หรือตัววิเคราะห์เมตาเดต้าของรูปภาพ

เมื่อสร้างเอเจนต์แล้ว Agent Inspector จะช่วยให้คุณดีบักและเห็นภาพพฤติกรรมของมันได้โดยตรงภายใน VS Codeคุณสามารถตรวจสอบขั้นตอนต่างๆ ดูวิธีการเรียกใช้เครื่องมือ และปรับปรุงการออกแบบของคุณโดยไม่ต้องออกจากหน้าต่างแก้ไข นี่เป็นสิ่งที่มีค่าอย่างยิ่งเมื่อคุณกำลังแก้ไขปัญหาเล็กๆ น้อยๆ เช่น การเรียกใช้เครื่องมือที่ผิดพลาด หรือข้อความแจ้งเตือนที่ไม่เสถียร

สำหรับสภาพแวดล้อมแบบโฮสต์ คุณสามารถปรับใช้เอเจนต์ไปยัง Microsoft Foundry ได้โดยตรงจาก AI Toolkitเอเจนต์ภายในเครื่องที่คุณสร้างขึ้นใน VS Code สามารถกลายเป็นเอเจนต์แบบโฮสต์ใน Foundry ทำให้ง่ายต่อการผสานรวมเข้ากับระบบขนาดใหญ่หรือเปิดเผยผ่าน API จากนั้น Hosted Agent Playground ที่มีเฉพาะจะนำเสนอ UI เพื่อโต้ตอบกับเอเจนต์แบบโฮสต์เหล่านี้ในลักษณะที่คุ้นเคย

การผสมผสานระหว่าง Agent Builder, Agent Inspector และการสนับสนุน Agent ที่โฮสต์ไว้ ทำให้ VS Code กลายเป็นห้องปฏิบัติการที่ใช้งานได้จริงสำหรับการออกแบบและใช้งาน Agent ไม่ใช่แค่สำหรับการทดสอบ Prompt แบบสแตนด์อโลนเท่านั้นหากคุณต้องการสร้างผู้ช่วยแบบโอเพนซอร์สภายในองค์กรที่ปรับแต่งให้เข้ากับเทคโนโลยีของทีม เครื่องมือเหล่านี้จะมอบโครงสร้างพื้นฐานที่คุณต้องการ

การดำเนินการและประเมินผลการแจ้งเตือนในวงกว้าง

เมื่อคุณจริงจังกับการนำ AI ไปใช้ในการผลิต คุณต้องการมากกว่าแค่การสนทนาแบบเฉพาะกิจ คุณต้องการการทดสอบและการประเมินผลอย่างเป็นระบบ AI Toolkit ตอบโจทย์นี้ด้วยคุณสมบัติต่างๆ เช่น Bulk Run และ Model Evaluation ซึ่งสามารถเข้าถึงได้จากภายใน VS Code

Bulk Run ช่วยให้คุณสามารถเรียกใช้การทดสอบพรอมต์แบบกลุ่มกับหลายโมเดลพร้อมกันได้คุณสามารถกำหนดชุดอินพุตสำหรับการทดสอบและเรียกใช้กับผู้ให้บริการหรือการกำหนดค่าต่างๆ ซึ่งเหมาะอย่างยิ่งสำหรับการเปรียบเทียบประสิทธิภาพบนเวิร์กโหลดจริง หรือประเมินว่าการอัปเดตโมเดลส่งผลกระทบต่อโฟลว์ของคุณอย่างไร โดยเฉพาะอย่างยิ่งหากคุณต้องการทำความเข้าใจว่าโมเดลโอเพนซอร์สในเครื่องนั้นมีประสิทธิภาพเทียบกับ API แบบเสียค่าใช้จ่ายอย่างไร

สำหรับการวิเคราะห์เชิงลึกยิ่งขึ้น เครื่องมือประเมินแบบจำลอง (Model Evaluation) จะช่วยประเมินพฤติกรรมของแบบจำลองเทียบกับชุดข้อมูลและตัวชี้วัดมาตรฐานคุณสามารถวัดค่าต่างๆ เช่น คะแนน F1 ความเกี่ยวข้อง ความคล้ายคลึง หรือความสอดคล้อง และคุณสามารถเพิ่มเกณฑ์การประเมินแบบกำหนดเองที่ปรับให้เหมาะกับโดเมนของคุณได้ สิ่งนี้ช่วยให้คุณเปลี่ยนจากการประเมินแบบ "รู้สึกดี" ไปสู่ตัวชี้วัดที่วัดผลได้และทำซ้ำได้

การประเมินผลไม่ได้จำกัดอยู่แค่โมเดลเดียว คุณสามารถเปรียบเทียบหลายโมเดลหรือรูปแบบข้อความแจ้งเตือนต่างๆ โดยใช้ชุดข้อมูลเดียวกันได้ตัวอย่างเช่น หากคุณกำลังออกแบบข้อความแจ้งเตือนสำหรับเอเจนต์ช่วยเขียนโค้ด คุณสามารถวัดได้ว่าแต่ละรูปแบบสร้างข้อความแก้ไขที่ถูกต้อง คำอธิบายคุณภาพสูง หรือภาพหลอนน้อยที่สุดได้บ่อยแค่ไหนในชุดทดสอบที่คัดสรรมาแล้ว

เนื่องจากทั้งหมดนี้ทำงานอยู่ภายใน VS Code จึงผสานรวมเข้ากับกระบวนการพัฒนาของคุณได้อย่างเป็นธรรมชาติคุณสามารถแก้ไขข้อความแจ้งเตือน เรียกใช้การประเมินซ้ำ ปรับชุดข้อมูล และบันทึกการเปลี่ยนแปลงได้โดยไม่ต้องสลับบริบทไปยังแดชบอร์ด UI แยกต่างหาก ซึ่งเป็นประโยชน์อย่างยิ่งเมื่อคุณกำลังพัฒนาโมเดลโอเพนซอร์สที่คุณใช้งานในเครื่อง เนื่องจากคุณสามารถควบคุมได้อย่างเข้มงวดและได้รับผลตอบรับอย่างรวดเร็ว

การปรับแต่งอย่างละเอียด การแปลงโมเดล และการปรับใช้ในระดับท้องถิ่น

หากคุณต้องการทำงานกับโมเดลแบบเปิดหรือแบบกำหนดเองแทนที่จะพึ่งพา API ที่ให้บริการอยู่เพียงอย่างเดียว AI Toolkit ก็มีฟีเจอร์ที่ออกแบบมาเพื่อรองรับเวิร์กโฟลว์นั้นโดยเฉพาะสองฟีเจอร์ที่สำคัญที่สุดคือ การปรับแต่งอย่างละเอียด (Fine-tuning) และการแปลงโมเดล (Model Conversion) ซึ่งทั้งสองอย่างนี้มีจุดมุ่งหมายเพื่อให้โมเดลทำงานได้ดีในสภาพแวดล้อมเฉพาะของคุณ

เครื่องมือปรับแต่ง (Fine-tuning) ช่วยให้คุณปรับแต่งโมเดลที่ผ่านการฝึกฝนล่วงหน้าให้เข้ากับโดเมนของคุณโดยใช้ชุดข้อมูลของคุณเองคุณสามารถเรียกใช้การปรับแต่งในเครื่องได้หากคุณมีทรัพยากร GPU หรือถ่ายโอนไปยังคลาวด์โดยใช้ Azure Container Apps พร้อมการเร่งความเร็ว GPU ซึ่งเหมาะอย่างยิ่งเมื่อคุณต้องการโมเดลที่เข้าใจโค้ดเบสภายใน รูปแบบเอกสาร หรือโครงสร้างข้อมูลของคุณได้ดียิ่งขึ้น

ในด้านการใช้งานจริง การแปลงโมเดลช่วยให้คุณแปลง ปรับปริมาณ และเพิ่มประสิทธิภาพโมเดลเพื่อให้ทำงานได้อย่างมีประสิทธิภาพบนฮาร์ดแวร์ในเครื่องคุณสามารถแปลงโมเดลจากแหล่งต่างๆ เช่น Hugging Face ให้เป็นรูปแบบที่เหมาะสมสำหรับ ONNX หรือรันไทม์ที่เร่งความเร็วด้วย Windows และปรับแต่งให้เหมาะสมกับการประมวลผลบน CPU, GPU หรือ NPU ซึ่งมีความสำคัญหากคุณต้องการการอนุมานที่รวดเร็วและเป็นส่วนตัวบนแล็ปท็อปหรือเวิร์กสเตชันโดยไม่ต้องเสียค่าธรรมเนียม API ต่อโทเค็น

สำหรับนักพัฒนา Windows ความสามารถในการวิเคราะห์ประสิทธิภาพของ Toolkit ช่วยวินิจฉัยว่าโมเดลใช้ทรัพยากร CPU, GPU และ NPU อย่างไรคุณสามารถวิเคราะห์โมเดล ONNX บนผู้ให้บริการการประมวลผลที่แตกต่างกัน และตรวจสอบเหตุการณ์การเรียนรู้ของเครื่องใน Windows ซึ่งเป็นสิ่งสำคัญเมื่อต้องการเพิ่มประสิทธิภาพความหน่วงเวลา ปริมาณงาน และต้นทุนสำหรับเวิร์กโหลด AI ในเครื่อง

การปรับแต่งอย่างละเอียด การแปลง และการสร้างโปรไฟล์ ทำให้ VS Code เป็นสภาพแวดล้อมที่เหมาะสมสำหรับการทำงานด้าน AI แบบโอเพนซอร์สอย่างจริงจัง ไม่ใช่แค่สำหรับการเรียกใช้ API บนคลาวด์เท่านั้นคุณจะได้รับเส้นทางจากจุดตรวจสอบสาธารณะไปยังโมเดลเฉพาะโดเมนที่ได้รับการปรับให้เหมาะสม ซึ่งทำงานได้ในเครื่องหรือในโครงสร้างพื้นฐานของคุณเอง โดยทั้งหมดนี้สามารถจัดการได้จากตัวแก้ไขที่คุณใช้อยู่แล้ว

การจัดการทรัพยากรและเครื่องมือสำหรับนักพัฒนาใน AI Toolkit

ส่วนติดต่อผู้ใช้ของ AI Toolkit ถูกจัดระเบียบเป็นส่วนต่างๆ อย่างชัดเจน ได้แก่ ทรัพยากรของฉัน เครื่องมือสำหรับนักพัฒนา การตรวจสอบ และความช่วยเหลือและข้อเสนอแนะ เพื่อให้คุณรู้เสมอว่าควรค้นหาฟังก์ชันแต่ละอย่างได้ที่ไหนโครงสร้างนี้ช่วยให้การจัดการทำได้ง่าย แม้ว่าคุณจะจัดการกับโมเดล เอเจนต์ และการปรับใช้หลายรายการพร้อมกันก็ตาม

ในส่วน "ทรัพยากรของฉัน" คุณจะเห็นทุกสิ่งที่คุณสามารถเข้าถึงได้ภายใน Toolkit "ทรัพยากรในเครื่อง" แสดงรายการสิ่งของที่จัดเก็บไว้ในเครื่องของคุณ เช่น โมเดล เครื่องมือ และเอเจนต์ในเครื่อง "โครงการ Foundry ของคุณ" แสดงโครงการ Microsoft Foundry ที่เชื่อมโยงกับ Toolkit รวมถึงโมเดลที่ปรับใช้ เอเจนต์แบบพรอมต์ เอเจนต์ที่โฮสต์ เครื่องมือ ที่เก็บเวกเตอร์ และเอเจนต์แบบคลาสสิก "ทรัพยากรที่เชื่อมต่อ" รวบรวมการเชื่อมต่อภายนอก เช่น โมเดล GitHub ที่พร้อมใช้งานในพื้นที่ทำงานของคุณ

ส่วนเครื่องมือสำหรับนักพัฒนา (Developer Tools) คือส่วนที่คุณจะพบความสามารถในการค้นหา สร้าง และปรับใช้ส่วนประกอบ AIภายใต้หัวข้อ Discover คุณจะพบกับแคตตาล็อกโมเดล (Model Catalog) และแคตตาล็อกเครื่องมือ (Tool Catalog) ซึ่งช่วยให้คุณเรียกดูและจัดการทั้งโมเดลและเครื่องมือต่างๆ ภายใต้หัวข้อ Build คุณจะสามารถเข้าถึงคุณสมบัติต่างๆ เช่น สร้างเอเจนต์ (Create Agent), ตัวตรวจสอบเอเจนต์ (Agent Inspector), ปรับใช้ไปยัง Microsoft Foundry (Deploy to Microsoft Foundry), พื้นที่ทดลองเอเจนต์แบบโฮสต์ (Hosted Agent Playground), พื้นที่ทดลองโมเดล (Model Playground), การแปลงโมเดล (Model Conversion) และการปรับแต่งอย่างละเอียด (Fine‑tuning)

ส่วน Monitor มุ่งเน้นไปที่การทำความเข้าใจว่าแอปพลิเคชัน AI ของคุณทำงานอย่างไรในสภาพแวดล้อมจริงส่วน Tracing จะรวบรวมและแสดงข้อมูลโดยละเอียดเกี่ยวกับวิธีที่แอปพลิเคชันของคุณเรียกใช้โมเดลและเอเจนต์ ในขณะที่ส่วน Evaluation จะนำเครื่องมือประเมินโมเดลที่กล่าวถึงก่อนหน้านี้มารวมไว้ในที่เดียว ส่วน Profiling (สำหรับ Windows ML) ช่วยให้คุณเจาะลึกไปถึงตัวเลขประสิทธิภาพระดับต่ำของ CPU, GPU และ NPU

สุดท้ายนี้ ส่วน "ความช่วยเหลือและข้อเสนอแนะ" จะรวบรวมลิงก์เอกสาร บันทึกการเปลี่ยนแปลง การรายงานปัญหา และช่องทางชุมชนไว้ด้วยกัน จากที่นี่ คุณสามารถไปยังเอกสาร AI Toolkit ได้อย่างรวดเร็ว ดูว่ามีอะไรใหม่ในเวอร์ชันล่าสุด รายงานข้อบกพร่องบน GitHub หรือเข้าร่วมชุมชนเพื่อแบ่งปันประสบการณ์และข้อเสนอแนะ

โครงสร้างการจัดวางแบบนี้ทำให้ AI Toolkit เป็นมากกว่าแค่ชุดฟีเจอร์ต่างๆ มันกลายเป็นพื้นที่ทำงานที่เป็นระบบสำหรับการพัฒนา AI ใน VS Codeไม่ว่าคุณจะค้นหาโมเดลใหม่ สร้างเอเจนต์ ติดตามประสิทธิภาพ หรือส่งข้อเสนอแนะ ทุกอย่างก็อยู่แค่เพียงไม่กี่คลิกในสภาพแวดล้อมที่คุ้นเคย

โดยสรุปแล้ว การทำงานกับ AI แบบโอเพนซอร์สใน VS Code ในปัจจุบันนั้นมีความหมายมากกว่าแค่การเปิดใช้งานปลั๊กอินเติมข้อความอัตโนมัติคุณจะได้เอดิเตอร์ที่มีระบบ AI แบบโอเพนซอร์ส เครื่องมืออันทรงพลังที่ครอบคลุมวงจรชีวิตทั้งหมดตั้งแต่การค้นหาโมเดลไปจนถึงการปรับใช้ และการสนับสนุนที่แข็งแกร่งสำหรับโมเดลทั้งในเครื่องและบนคลาวด์จากผู้ให้บริการหลายราย สำหรับนักพัฒนา JavaScript/React ที่มีประสบการณ์ซึ่งกลับมาใช้เครื่องมือ AI ระบบนิเวศนี้จะมอบเส้นทางที่ใช้งานได้จริงในการทดลอง สร้าง และเผยแพร่ฟีเจอร์ที่เสริมด้วย AI ในขณะที่ยังคงรักษาความโปร่งใส ความยืดหยุ่น และชุมชนไว้เป็นหัวใจหลักของเวิร์กโฟลว์ของคุณ ( ดูบทช่วยสอน Visual Studio Code ฉบับเต็ม )

บทความที่เกี่ยวข้อง:

VS Code พัฒนา: การบูรณาการ AI ความก้าวหน้าของโอเพ่นซอร์ส และเครื่องมือส่วนขยายใหม่