จากผู้ช่วยเสียงสู่ผู้ประสานงานในระบบ: Xiaoyi บน HarmonyOS 7

ปกติเมื่อถามผู้ช่วยเสียงว่าอยากพาครอบครัวไปเที่ยว ผู้ช่วยอาจแนะนำสถานที่ แล้วปล่อยให้เราไปเปิดแอปจองที่พักและหาตั๋วเอง แต่แนวทางของ HarmonyOS 7 คือให้ Xiaoyi หรือ «เสี่ยวอี้» รับความต้องการนั้นมาแยกเป็นงานย่อย ก่อนประสานฟังก์ชันของระบบกับบริการจากแอปที่เข้าร่วม หัวเว่ยเรียกแนวคิดนี้ว่า «ความตั้งใจของผู้ใช้เป็นบริการ» (intent as a service) ภายใต้กรอบการทำงาน HarmonyOS Agent Framework 2.0 หรือ HMAF 2.0 23

ทำไมจึงเรียกว่า Agent ระดับระบบ?

จุดต่างไม่ได้อยู่แค่การคุยเก่งขึ้น แต่อยู่ที่ตำแหน่งของ Xiaoyi ในระบบปฏิบัติการ: มันทำหน้าที่เป็นตัวประสานงานที่เชื่อมกับระบบ แทนที่จะเป็นหน้าต่างสนทนาที่แยกจากแอป โดย HMAF 2.0 ช่วยจัดลำดับและประสานงาน ส่วนฟังก์ชันระบบ Agent ของแอป และ Skill ซึ่งเป็นความสามารถเฉพาะที่เปิดให้เรียกใช้ จะช่วยลงมือทำในแต่ละส่วน 2314

ตัวเลขที่มีรายงานสะท้อนทรัพยากร สี่กลุ่มที่ทำหน้าที่ต่างกัน ได้แก่ ข้อมูลระดับระบบกว่า 200 รายการ เช่น ปฏิทิน ไฟล์ และความชอบของผู้ใช้; ความสามารถของระบบกว่า 2,100 รายการ สำหรับรองรับการกระทำต่าง ๆ; Agent บน HarmonyOS กว่า 2,000 ตัว ที่เชื่อมกับบริการเฉพาะทาง; และ Skill จากพันธมิตรกว่า 500 รายการ การเข้าถึงข้อมูลส่วนบุคคลอยู่ภายใต้การอนุญาตของผู้ใช้ และตัวเลขเหล่านี้หมายถึงทรัพยากรที่อาจเรียกใช้ได้ ไม่ใช่ว่าทุกคำขอจะใช้ทั้งหมด 357

คำขอเดียวเชื่อมหลายบริการได้อย่างไร

ลองนึกถึงคำขอว่าอยากพาครอบครัวไปเที่ยวซีอานสองวันแบบไม่เร่งรีบ ในตัวอย่างที่มีรายงาน Xiaoyi นำข้อมูลวันหยุดและสภาพอากาศมาช่วยวางโครงทริป ก่อนดึงบริการโรงแรม สถานที่เที่ยว และตั๋วรถไฟจากพันธมิตรท่องเที่ยวเข้ามาในบทสนทนาเดียว จุดสำคัญจึงไม่ใช่แค่แนะนำว่าจะไปไหน แต่เป็นการเชื่อมขั้นตอนที่ต้องใช้เพื่อจัดทริป อย่างไรก็ดี ตัวอย่างนี้ไม่ได้ยืนยันว่าทุกรายการจองจะเสร็จโดยไม่ต้องให้ผู้ใช้ดำเนินการหรือยืนยันเพิ่มเติม 3

การทำงานร่วมกันยังเกิดขึ้นระหว่าง Agent ได้ด้วย แพลตฟอร์มนักพัฒนาของหัวเว่ยระบุว่ารองรับการเชื่อมต่อแบบ A2A (agent-to-agent) บนอุปกรณ์ รวมถึงช่องทางผ่านคลาวด์สำหรับเชื่อม Agent ที่มีอยู่แล้ว ทำให้ Agent ภายในแอปเข้ามาร่วมงานที่ Xiaoyi ประสานได้ 1

ไม่ใช่ทุกงานต้องเริ่มด้วยการพูด รายงานระบุว่าแถบนำทางของ Xiaoyi สามารถตรวจจับเนื้อหาที่คัดลอก เช่น ลิงก์คำสั่งจากแอปหรือหมายเลขเที่ยวบิน แล้วเสนอทางลัดให้แตะครั้งเดียวเพื่อไปยังบริการที่เกี่ยวข้อง การเสนอทางลัดไม่เท่ากับการลงมือทำรายการแทนผู้ใช้อย่างเงียบ ๆ 16

Skill ที่ใช้ซ้ำได้ และทางเลือกของนักพัฒนา

รายงานยังอธิบายว่า Xiaoyi สามารถทบทวนงานที่ทำเสร็จ แล้วเก็บวิธีที่ผู้ใช้สอนไว้เป็น Skill สำหรับงานคล้ายกันในครั้งต่อไป นี่คือแนวทางที่ตั้งใจให้ผู้ช่วยปรับปรุงการทำงาน ไม่ใช่หลักประกันว่าจะเรียนรู้ทุกขั้นตอนได้ถูกต้องเสมอ 5

ฝั่งนักพัฒนา ทางเลือกที่ไม่จำเป็นต้องสร้าง Agent ทั้งตัวคือเปิดฟังก์ชันเฉพาะของแอปให้เป็น Skill หัวเว่ยระบุว่าแพลตฟอร์มรองรับการพัฒนา ทดสอบ ตรวจสอบ และเผยแพร่ Skill เพื่อให้เข้าถึงได้ผ่านจุดเรียกใช้งานระดับระบบ อีกทางหนึ่งคือสร้าง Agent ด้วยความสามารถของระบบและโมเดลที่เปิดให้ใช้ หรือเชื่อม Agent เดิมผ่าน A2A นักพัฒนายังสามารถเพิ่มความสามารถด้านการมองเห็น การประมวลผลเสียง และภาษาธรรมชาติลงในแอปโดยตรง 11718

สรุปแล้ว สิ่งที่ทำให้ Xiaoyi ต่างจากผู้ช่วยเสียงทั่วไปคือ การประสานงานตามสิทธิ์ที่ผู้ใช้อนุญาต: ผู้ใช้บอกเป้าหมาย, HMAF 2.0 ช่วยจัดการขั้นตอน, และฟังก์ชันระบบ Agent กับ Skill ที่เชื่อมต่ออยู่ช่วยทำงานแต่ละส่วน งานหนึ่งจะไปได้ไกลแค่ไหนจึงขึ้นอยู่กับบริการที่รองรับและการอนุญาตของผู้ใช้ 135