Alderson Labs

បញ្ហា

ទីផ្សារ AI ពេញទៅដោយពាក្យសន្យា “យើងធ្វើស្វ័យប្រវត្តិឱ្យបានគ្រប់យ៉ាង”។ បញ្ហានៃការលក់បែបនេះ គឺហានិភ័យទាំងអស់ធ្លាក់លើអតិថិជន៖ បង់លុយសង់ប្រព័ន្ធមុន ទាំងគ្មាននរណាគណនាផងថា ការងារនោះសមនឹងធ្វើស្វ័យប្រវត្តិឬអត់។

Alderson Labs — ជា Agency ដែលធ្វើការតាមគម្រោង — ធ្លាប់ជួបការសន្ទនាបែបនេះច្រើនលើកហើយ។ គ្រប់ក្រុមចាប់ផ្តើមពីបច្ចេកវិទ្យា៖ ប្រើម៉ូដែលណា Platform ណា ភ្ជាប់ជាមួយអ្វី។ គ្មានក្រុមណាចាប់ផ្តើមពីសំណួរតែមួយ ដែលសំខាន់បំផុតសម្រាប់ Agency៖ ការងារដដែលៗមួយណារបស់យើង សមនឹងធ្វើស្វ័យប្រវត្តិពិតប្រាកដ ហើយមួយណាមិនសម?

នៅក្នុង Agency ការសម្រេចចិត្តខុសត្រង់នេះ ខាតពីរជាន់។ បង់លុយសង់ប្រព័ន្ធម្តង រួចបង់ម្តងទៀត — ជាពេលវេលារបស់ក្រុម ដែលត្រូវមើលថែឧបករណ៍ ដែលបង្កើតការងារច្រើនជាងសន្សំទៅទៀត។

អ្វីដែលយើងបានធ្វើ

យើងបញ្ច្រាសលំដាប់ធម្មតានៃគម្រោង AI — គណនាមុន កូដក្រោយ៖

1. រកមើលរបៀបធ្វើការជាក់ស្តែង — អង្គុយធ្វើការជាមួយក្រុមគេផ្ទាល់៖ ការងារអ្វីកើតឡើងដដែលៗ ស៊ីពេលប៉ុន្មានពិតប្រាកដ អ្នកណាធ្វើ ញឹកញាប់ប៉ុនណា។ បើគ្មានជំហាននេះ លេខទាំងអស់ក្រោយមក គ្រាន់តែជាការទាយប៉ុណ្ណោះ
2. គណនាតាមការងារនីមួយៗ — សម្រាប់ការងារនីមួយៗ យើងប្រៀបធៀបថ្លៃដើមបច្ចុប្បន្ន (ពេលវេលា × ថ្លៃឈ្នួល × ភាពញឹកញាប់) ជាមួយថ្លៃសង់ និងថ្លៃថែទាំ ប្រព័ន្ធស្វ័យប្រវត្តិ — ចេញជារយៈពេលសងទុនជាក់ស្តែង
3. ជ្រើសរើស ព្រមទាំងហ៊ាននិយាយថា “កុំធ្វើ” — មានតែការងារដែលចំណេញច្បាស់ទេ ទើបចូលក្នុងគម្រោង។ ចំណែកនៅសល់ យើងនិយាយត្រង់ៗថា ធ្វើទៅមិនចំណេញទេ — ទោះបច្ចេកទេសធ្វើបាន ហើយលក់ក៏លក់ដាច់ក៏ដោយ
4. ដំឡើងជាដំណាក់កាល — ស្វ័យប្រវត្តិកម្មចាប់ផ្តើមម្តងមួយៗ វាស់លទ្ធផលបានតាំងពីសប្តាហ៍ដំបូង ដូច្នេះការសន្មតក្នុងការវិភាគ ត្រូវផ្ទៀងផ្ទាត់ដោយទិន្នន័យពិត មិនមែនត្រឹមពាក្យអះអាងទេ

ហេតុអ្វីយើងកាត់ការងារខ្លះចេញ

នេះជាផ្នែកដែលគេរំលងញឹកញាប់បំផុតក្នុងគម្រោង AI។ ការងារដែលកើតឡើងខែម្តងពីរដង ស៊ីពេល 15 នាទី ធ្វើស្វ័យប្រវត្តិទៅមិនដែលសងទុនវិញទេ — ថ្លៃថែទាំការតភ្ជាប់ ថ្លៃជាងការសន្សំទៅទៀត។ ការលក់គម្រោងបែបនោះងាយណាស់ ព្រោះអតិថិជនគ្មានវិធីឆែកមុនបង់លុយ។

ការរកឃើញការងារបែបនោះ ហើយកាត់ចេញពីគម្រោង ធ្វើឱ្យវិក្កយបត្ររបស់យើងខ្លួនឯងថយចុះ។ យើងចាត់ទុកនេះជាវិធីថោកបំផុត ដើម្បីសង់ទំនាក់ទំនងមួយ ដែលអតិថិជនជឿលើអ្វីដែលយើងណែនាំពិតៗ។

ហេតុអ្វីយើងសង់ MCP Servers ខ្លួនឯង

ស្វ័យប្រវត្តិកម្មក្នុង n8n ផ្គុំពី Node ដែលមានស្រាប់ — បើការងារប៉ះឧបករណ៍ល្បីៗ នោះជាផ្លូវថោកបំផុត។ បញ្ហាចាប់ផ្តើមនៅពេលប្រព័ន្ធខ្លះគ្មាន Node សោះ ឬមានតែមួយចំណិតនៃអ្វីដែលត្រូវការ។ ដំណោះស្រាយធម្មតាគឺ Node HTTP Request ធម្មតា៖ ដើរបានមែន ប៉ុន្តែរាល់ការប្តូរនៅខាង API ក្លាយជាបញ្ហាត្រូវហៅជាងមកជួសជុល ហើយម៉ូដែល AI ទទួលបានការហៅមួយ ដែលវាមិនយល់ន័យ។

ជំនួសមកវិញ យើងរុំការតភ្ជាប់ទាំងនោះក្នុង MCP Servers របស់យើងផ្ទាល់។ សម្រាប់ម៉ូដែល វាមិនមែនជាចំណុចតភ្ជាប់ងងឹតទេ ប៉ុន្តែជាបញ្ជីប្រតិបត្តិការមានឈ្មោះច្បាស់ មានការពណ៌នាគ្រប់ — វាដឹងថាខ្លួនធ្វើអ្វីបាន អ្វីមិនបាន។ សម្រាប់យើង វាជាស្រទាប់តែមួយ ថែទាំនៅកន្លែងតែមួយ ជំនួសឱ្យការជួសជុលដដែលៗ រាល់ Workflow នីមួយៗ។

ថ្លៃដើម៖ ពេលបន្ថែមពីរបីថ្ងៃនៅដើមគម្រោង។ ផលចំណេញ៖ ស្វ័យប្រវត្តិកម្មដែលមិនរលំ ពេលមានអ្វីប្តូរនៅចុងម្ខាងទៀតនៃការតភ្ជាប់ — ហើយថ្លៃថែទាំទាបនោះឯង ជាកត្តាសម្រេចក្នុងការវិភាគ ថាការងារណាសមនឹងធ្វើស្វ័យប្រវត្តិ។

លទ្ធផល

យើងប្រគល់ត្រង់តាមអ្វីដែលការវិភាគបង្ហាញ — គ្មានការបំប៉ោងគម្រោង គ្មានការធ្វើស្វ័យប្រវត្តិគ្រាន់តែឱ្យបានឈ្មោះថាធ្វើទេ។ ឥឡូវនេះ Alderson Labs មិនត្រឹមតែមានប្រព័ន្ធដែលដើរជាក់ស្តែងទេ ថែមទាំងមានឯកសារពន្យល់ថា ហេតុអ្វីជ្រើសធ្វើ ការងារទាំងនេះ មិនមែនការងារផ្សេង — ដែលប្រើបានបន្តសម្រាប់ការសម្រេចចិត្តជុំក្រោយ។

ន័យសម្រាប់អ្នកវិញ

មុននឹងសួរអ្នកផ្គត់ផ្គង់ថា “អ្នកធ្វើស្វ័យប្រវត្តិអ្វីបានខ្លះ?” សាកសួរថា “អ្នកនឹងណែនាំកុំឱ្យធ្វើអ្វី ហើយហេតុអ្វី?”។ ក្រុមណាឆ្លើយសំណួរនេះមិនបាន ប្រហែលជាមិនបានគណនាផលចំណេញទេ — មានន័យថា ហានិភ័យទាំងអស់នៃគម្រោង ធ្លាក់លើអ្នក។