เวลาพูดถึง AI Agent ส่วนใหญ่คนมักโฟกัสที่ "โมเดล" ว่าตัวไหนเก่งกว่า แต่มีตัวแปรสำคัญที่มักถูกมองข้าม นั่นคือ "harness" หรือ runtime ที่ห่อหุ้มโมเดลและให้มันทำงานจริงได้ ไม่ว่าจะเป็นการเปิดไฟล์ เขียนโค้ด หรือสร้างสเปรดชีต ช่อง AI with Surya (@suryakunju) นำเสนอ HarnessRouter เครื่องมือ open source ที่แก้ปัญหาซึ่งนักพัฒนาและทีม AI เจอมานาน นั่นคือต้องตั้งค่า harness ใหม่ตั้งแต่ต้นทุกครั้งที่อยากเปลี่ยนตัว
แนวคิดเบื้องหลัง HarnessRouter คล้ายกับ OpenRouter ที่รวม LLM หลายตัวไว้ที่เดียว แต่ครั้งนี้ทำในฝั่ง harness บทความนี้จะพาดูว่าเครื่องมือนี้ทำงานอย่างไร ทดสอบอะไรได้บ้าง และทีมงานจะนำไปใช้จริงได้อย่างไร
- Harness มีผลต่อคุณภาพงานชัดเจน — ทดสอบ 50 งาน พบว่า harness ดีสุดทำได้ 85% ถูกต้อง vs 77% และใช้เวลาน้อยกว่าครึ่ง
- ติดตั้งด้วย Docker Desktop คำสั่งเดียว เปิดผ่านบราวเซอร์ได้เลย
- สร้าง custom harness ได้ ฝัง system prompt ไว้ล่วงหน้า ทีมใช้ซ้ำโดยไม่ต้องวาง context ใหม่ทุกครั้ง
- ฟรี open source รันบน laptop ใช้ได้เลยวันนี้
Harness ต่างจาก Model อย่างไร
โมเดล AI อย่าง Gemini หรือ Claude เมื่อใช้งานตรงๆ สิ่งที่ทำได้คือการตอบข้อความ สร้างรูป หรือเขียนโค้ดแบบ draft โดยไม่มี context ของระบบจริง แต่ harness คือชั้นที่ทำให้โมเดลลงมือทำงานกับระบบจริงได้ ไม่ว่าจะเป็นการเปิดไฟล์ ดูไดเรกทอรี เขียนไฟล์ใหม่ รันคำสั่ง terminal หรือ query ฐานข้อมูล
ตัวอย่างที่เห็นภาพชัดคือการให้ harness ตรวจสอบรายงานค่าใช้จ่าย 34 แถวพร้อม policy — แทนที่จะแค่ "อ่านแล้ววิเคราะห์" harness สามารถสร้างคอลัมน์ใหม่ใส่ผลตรวจ เขียนกลับลงไฟล์เดิม และสรุปรายการที่ผิดพร้อมยอดเงินรวมให้ผู้จัดการเห็นภาพทันที ตรงนี้เองที่ harness แต่ละตัวให้ผลลัพธ์ต่างกัน แม้จะใช้โมเดลเดียวกัน
ทีม HarnessRouter ทดสอบด้วยงานสเปรดชีต 50 ชิ้น ใช้โมเดลเดิมทุก harness พบว่า harness ที่ดีที่สุดทำถูกต้อง 85% ขณะที่ตัวอ่อนสุดอยู่ที่ 77% และตัวที่ดีกว่ายังใช้เวลาน้อยกว่าครึ่งหนึ่ง ความแตกต่าง 8 เปอร์เซ็นต์ดูเล็กน้อย แต่เมื่อคูณกับงานหลักร้อยชิ้นต่อเดือน มันแปลได้ว่างานหลายสิบชิ้นที่ต้องมาแก้มือใหม่เพราะเลือก harness ผิด
การติดตั้งและ Console
การตั้งค่า HarnessRouter ง่ายกว่าที่คิดมาก หากมี Docker Desktop อยู่แล้ว ขั้นตอนทั้งหมดคือพิมพ์คำสั่งเดียวใน terminal รอจนระบบบอกว่า ready แล้วเปิดบราวเซอร์ เท่านั้น ไม่มีขั้นตอนตั้งค่า credentials ซับซ้อน ไม่ต้องเขียน config file
Console หลักแสดง harness ที่รองรับทั้งหมดพร้อมสถานะว่า healthy หรือไม่ และโมเดลที่ใช้อยู่ รองรับ Claude Code, Codex, Gemini CLI, Pi และ Hermes ส่วน plugin ช่วยเพิ่มความสามารถ เช่น เชื่อมเว็บบราวเซอร์ หรือเพิ่ม API key สำหรับโมเดลอื่นผ่าน OpenRouter การสลับ harness ทำผ่าน settings ของ app โดยตรง ไม่ต้องแตะโค้ดเลย
Custom Harness — ฝัง Policy ครั้งเดียว ใช้ซ้ำได้
ฟีเจอร์ที่มีประโยชน์มากสำหรับทีมงานคือการสร้าง custom harness ที่ฝัง system prompt หรือ policy ไว้ล่วงหน้า แนวคิดคือแทนที่จะวาง context ซ้ำทุกครั้งที่ส่งงานใหม่ ฝังมันไว้ใน harness นั้นครั้งเดียว แล้วทุกคนในทีมใช้ได้โดยไม่ต้องเขียน instruction ซ้ำ
ในตัวอย่างการตรวจสอบค่าใช้จ่าย มีการสร้าง harness ชื่อ "expense checker" โดยฝัง policy ไว้ล่วงหน้าว่า อาหารเกิน $75 ต้องขอ approval ผู้จัดการ เกิน $25 ต้องมีใบเสร็จ ห้ามเบิกรายการเดิมซ้ำ จากนั้นทีมแค่วางไฟล์รายงานเดือนนั้นแล้วพิมพ์สั้นๆ ว่า "ตรวจรายงานเดือนนี้" — ผลออกมาตรง มีคอลัมน์ check ใหม่พร้อมสรุปรายการที่ผิดและยอดเงินรวม ในทดสอบนี้ซ่อนข้อผิดพลาด 7 จุดในไฟล์ 34 แถว รวมถึงสองคนที่เบิกค่าแท็กซี่วันเดียวกันเส้นทางเดิม ซึ่ง harness ถามว่านั่งรถร่วมกันหรือเปล่า — และจับได้ครบทั้ง 7 จุด
แนวคิดนี้นำไปประยุกต์ใช้ได้กว้าง เช่น ทีม content ที่มี brand guideline ชัดเจน ทีม legal ที่ตรวจเอกสารตาม checklist เดิมทุกเดือน หรือทีม ops ที่รันรายงานรูปแบบเดิมซ้ำๆ ก็สร้าง custom harness ที่ฝัง guideline ไว้ได้เช่นกัน ทีมใช้ได้ทันทีโดยไม่ต้องเขียนอะไรใหม่
Starter Kits — App พร้อมใช้คลิกเดียว
นอกจาก harness เปล่า HarnessRouter ยังมี starter kits ซึ่งเป็น app สำเร็จรูปที่รันบน harness โดยตรง ตัวอย่างที่แสดงมีสองตัว
Dashboard kit เชื่อมต่อกับฐานข้อมูลร้านค้าออนไลน์ แล้วถามเป็นภาษาธรรมชาติว่า "แสดงรายได้รายเดือน สินค้าขายดี 5 อันดับ และรายได้แยกตามภูมิภาค" ระบบวิเคราะห์ฐานข้อมูลเอง เขียน SQL query เอง แล้วแสดงกราฟทั้งชุดภายในไม่ถึง 2 นาที ยอดรวมออกมา $1.48 ล้าน และตรงกับฐานข้อมูลจริง Slides kit สร้างสไลด์ 5 หน้าสำหรับประชุมผู้บริหาร ได้ title slide สินค้าขายดี และ 2 ประเด็นที่ leadership ควรติดตาม พร้อมแก้ไขสไลด์ทีละหน้าได้ด้วยมือ
ที่น่าสนใจคือ starter kits ไม่ได้ผูกกับ harness ใดหนึ่ง — เลือกใช้ Hermes, Gemini CLI หรือ Claude Code ก็ได้ แล้วสลับทีหลังโดยไม่ต้องสร้าง app ใหม่
บทสรุป
HarnessRouter ไม่ได้แค่รวม harness หลายตัวไว้ที่เดียว แต่เปลี่ยนวิธีที่ทีมงานทดลองและใช้ AI agent ในระยะยาว แทนที่จะต้องลงทุนเวลาตั้งค่าใหม่ทุกครั้งที่อยากทดสอบ harness อื่น ตอนนี้เปรียบเทียบได้ทันทีบน task เดียวกันด้วยโมเดลเดิม
สำหรับใครที่ทำงานกับ AI agent อยู่แล้ว ไม่ว่าจะเป็นนักพัฒนาหรือทีมที่ใช้ Claude Code หรือ Gemini CLI ในงานประจำ — HarnessRouter เป็นเครื่องมือที่ลองได้คุ้มมาก เพราะฟรี ติดตั้งง่าย รันบน laptop ตัวเอง และข้อมูลไม่ออกไปไหน
