ເບິ່ງລວມ
Auto-GPT ເປັນແອັບພລິເຄຊັນແບບໂອເພນຊອດທົດລອງທີ່ສາທິດ AI agent ອັດຕະໂນມັດທີ່ສາມາດປະຕິບັດວຽກທີ່ຊັບຊ້ອນໂດຍມີການແຊກແຊງຈາກມະນຸດໜ້ອຍທີ່ສຸດ. ໃນຖານະໜຶ່ງໃນການນຳໃຊ້ AI agent ອັດຕະໂນມັດທຳອິດໆທີ່ໂດດເດັ່ນ ທີ່ສ້າງຈາກ large language model Auto-GPT ສະແດງໃຫ້ເຫັນຄວາມເປັນໄປໄດ້ທີ່ລະບົບ AI ຈະວາງແຜນ ປະຕິບັດ ແລະ ປັບປຸງວຽກງານດ້ວຍຕົນເອງ ໂດຍແບ່ງເປົ້າໝາຍລະດັບສູງເປັນຂັ້ນຕອນທີ່ປະຕິບັດໄດ້ ໂດຍບໍ່ຕ້ອງມີການແນະນຳຈາກມະນຸດຢ່າງຕໍ່ເນື່ອງ.
ໃນແກ່ນແທ້ Auto-GPT ໃຊ້ຄວາມສາມາດໃນການໃຫ້ເຫດຜົນຂອງ GPT-4 ປະສົມກັບລະບົບໜ່ວຍຄວາມຈຳ ການເຂົ້າເຖິງອິນເຕີເນັດ ແລະ ການປະຕິບັດເຄື່ອງມື ເພື່ອບັນລຸເປົ້າໝາຍທີ່ຜູ້ໃຊ້ກຳນົດໄວ້ດ້ວຍຕົນເອງ. ບໍ່ຄືກັບຜູ້ຊ່ວຍ AI ແບບດັ້ງເດີມທີ່ຕ້ອງການຄຳແນະນຳທີລະຂັ້ນຕອນ Auto-GPT ເຮັດວຽກໃນລັກສະນະ agentic ເມື່ອໄດ້ເປົ້າໝາຍເຊັ່ນ “ຄົ້ນຄວ້າຄູ່ແຂ່ງ ແລະ ຂຽນລາຍງານການວິເຄາະຕະຫຼາດ” ມັນຈະວາງແຜນຂັ້ນຕອນການຄົ້ນຄວ້າ ຄົ້ນຫາເວັບ ສັງເຄາະຂໍ້ມູນ ຂຽນຮ່າງ ວິຈານຕົນເອງ ແລະ ວົນຊ້ຳຈົນກວ່າເປົ້າໝາຍຈະສຳເລັດ.
ສະຖາປັດຕະຍະກຳຂອງແພລດຟອມນີ້ຮອງຮັບຄວາມສາມາດຫຼັກຂອງເອເຈັນອັດຕະໂນມັດ ລວມທັງການແບ່ງເປົ້າໝາຍ, ການວາງແຜນການກະທຳ, ການຈັດການໜ່ວຍຄວາມຈຳ ແລະ ການທົບທວນຕົນເອງ. Auto-GPT ແບ່ງເປົ້າໝາຍລະດັບສູງອອກເປັນເປົ້າໝາຍຍ່ອຍ ແລະ ການກະທຳທີ່ເປັນຮູບປະທຳ, ດຳເນີນການກະທຳເຫຼົ່ານັ້ນດ້ວຍເຄື່ອງມືທີ່ມີ (ການຄົ້ນຫາເວັບ, ການຈັດການໄຟລ໌, ການປະຕິບັດໂຄດ), ເກັບຜົນລັບໄວ້ໃນລະບົບຄວາມຈຳໄລຍະສັ້ນ ແລະ ໄລຍະຍາວ, ແລະ ປະເມີນຄວາມຄືບໜ້າໄປສູ່ເປົ້າໝາຍເພື່ອປັບກົນລະຍຸດແບບເຄື່ອນໄຫວ.
ລະບົບຄວາມຈຳຂອງ Auto-GPT ປະສົມຖານຂໍ້ມູນ vector ສຳລັບການຄົ້ນຫາຄວາມຄ້າຍຄືທາງຄວາມໝາຍ ເຂົ້າກັບການເກັບຮັກສາແບບໄຟລ໌ດັ້ງເດີມເພື່ອຄວາມຄົງທົນ. ສິ່ງນີ້ເຮັດໃຫ້ເອເຈັນສາມາດຈື່ຂໍ້ມູນທີ່ກ່ຽວຂ້ອງຈາກວຽກກ່ອນໜ້າ, ຮຽນຮູ້ຈາກຄວາມຜິດພາດທີ່ຜ່ານມາ ແລະ ນຳຄວາມຮູ້ທີ່ສະສົມໄວ້ໄປໃຊ້ກັບສິ່ງທ້າທາຍໃໝ່. ແບັກເອັນຂອງໜ່ວຍຄວາມຈຳຮອງຮັບການເກັບໃນເຄື່ອງ, Redis, Pinecone ແລະ ລະບົບຖານຂໍ້ມູນ vector ອື່ນໆ ເພື່ອການຈັດການໜ່ວຍຄວາມຈຳທີ່ຂະຫຍາຍໄດ້.
ສຳລັບສະພາບແວດລ້ອມການໂຮສ VPS, ການຮັນ Auto-GPT ແບບ self-hosted ໃຫ້ການຄວບຄຸມຄ່າໃຊ້ຈ່າຍ API, ຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນ ແລະ ຄວາມສາມາດໃນການປັບແຕ່ງ. ອົງກອນສາມາດນຳໃຊ້ເອເຈັນສຳລັບວຽກສະເພາະ ເຊັ່ນ ການເກັບກຳຂໍ້ມູນຄູ່ແຂ່ງ, ການຄົ້ນຄວ້າຕະຫຼາດແບບອັດຕະໂນມັດ, ຂັ້ນຕອນການສ້າງເນື້ອຫາ ຫຼື ການພັດທະນາເຄື່ອງມືພາຍໃນ ໂດຍບໍ່ຕ້ອງສົ່ງຂໍ້ມູນທີ່ເປັນຄວາມລັບໄປຍັງແພລດຟອມເອເຈັນທີ່ໂຮສໂດຍພາກສ່ວນທີສາມ.
ລະບົບ plugin ຂອງແພລດຟອມເຮັດໃຫ້ຂະຫຍາຍຄວາມສາມາດຂອງເອເຈັນໄດ້ດ້ວຍ plugin ທີ່ພັດທະນາໂດຍຊຸມຊົນ ແລະ plugin ທີ່ກຳນົດເອງ. Plugin ເພີ່ມເຄື່ອງມື ແລະ ຄຳສັ່ງໃໝ່ທີ່ເອເຈັນນຳໃຊ້ໄດ້, ເຊັ່ນ ການເຊື່ອມຕໍ່ອີເມວ, ການເຂົ້າເຖິງຖານຂໍ້ມູນ, ການໂຕ້ຕອບກັບ API ຫຼື ຄວາມສາມາດວິເຄາະສະເພາະ. ຄວາມສາມາດໃນການຂະຫຍາຍນີ້ເຮັດໃຫ້ Auto-GPT ປັບເຂົ້າກັບຄວາມຕ້ອງການທາງທຸລະກິດ ແລະ ການເຊື່ອມຕໍ່ລະບົບສະເພາະໄດ້.
ການດຳເນີນງານອັດຕະໂນມັດຂອງ Auto-GPT ມີກົນໄກຄວາມປອດໄພເພື່ອປ້ອງກັນການກະທຳທີ່ບໍ່ໄດ້ຕັ້ງໃຈ ລວມທັງໂໝດອະນຸມັດໂດຍມະນຸດ, ຂອບເຂດງົບປະມານສຳລັບຄ່າໃຊ້ຈ່າຍ API, ການຈຳກັດອັດຕາ ແລະ ການຈຳກັດການປະຕິບັດຄຳສັ່ງ. ການປ້ອງກັນເຫຼົ່ານີ້ມີຄວາມສຳຄັນຕໍ່ລະບົບອັດຕະໂນມັດທົດລອງ ທີ່ອາດຕັດສິນໃຈຜິດປົກກະຕິ ຫຼື ດຳເນີນການທີ່ບໍ່ໄດ້ຕັ້ງໃຈໃນຂະນະທີ່ພະຍາຍາມບັນລຸເປົ້າໝາຍ.
ໂຄງການນີ້ເປັນທັງເຄື່ອງມືໃຊ້ຈິງ ແລະ ແພລດຟອມວິໄຈ ສຳລັບສຳຫຼວດສະຖາປັດຕະຍະກຳເອເຈັນອັດຕະໂນມັດ, ຮູບແບບການອອກແບບ prompt, ລະບົບຄວາມຈຳ ແລະ ກົນລະຍຸດການນຳໃຊ້ເຄື່ອງມື. ຊຸມຊົນ open-source ທີ່ຫ້າວຫັນປະກອບສ່ວນປັບປຸງການໃຫ້ເຫດຜົນຂອງເອເຈັນ, ປະສິດທິພາບຂອງໜ່ວຍຄວາມຈຳ, ການເພີ່ມປະສິດທິພາບຄ່າໃຊ້ຈ່າຍ ແລະ ກົນໄກຄວາມປອດໄພ ເຊິ່ງຊ່ວຍພັດທະນາລະບົບ AI ອັດຕະໂນມັດໃຫ້ກ້າວໜ້າຂຶ້ນ.
ເຖິງແມ່ນວ່າ Auto-GPT ຍັງເປັນການທົດລອງ ແລະ ມີຂໍ້ຈຳກັດດ້ານຄວາມໜ້າເຊື່ອຖື, ປະສິດທິພາບດ້ານຄ່າໃຊ້ຈ່າຍ ແລະ ອັດຕາການສຳເລັດຂອງວຽກ, ມັນເປັນກ້າວສຳຄັນໄປສູ່ລະບົບ AI ອັດຕະໂນມັດທີ່ແທ້ຈິງ. ການນຳໃຊ້ໃນປັດຈຸບັນສຸມໃສ່ການຄົ້ນຄວ້າອັດຕະໂນມັດ, ການຊ່ວຍສ້າງເນື້ອຫາ ແລະ ການທົດລອງສະຖາປັດຕະຍະກຳເອເຈັນ ແທນທີ່ຈະເປັນວຽກທຸລະກິດທີ່ສຳຄັນໃນການຜະລິດ.
ຄຸນສົມບັດຫຼັກ
ພຶດຕິກຳທີ່ນຳທາງດ້ວຍເປົ້າໝາຍແບບອັດຕະໂນມັດ
ແບ່ງວັດຖຸປະສົງລະດັບສູງອອກເປັນວຽກຍ່ອຍທີ່ປະຕິບັດໄດ້, ດຳເນີນການແຕ່ລະວຽກເປັນເອກະລາດ ແລະ ເຮັດຊ້ຳຈົນກວ່າເປົ້າໝາຍຈະສຳເລັດ ໂດຍບໍ່ຕ້ອງມີການຊີ້ນຳທີລະຂັ້ນຕອນຈາກມະນຸດ.
ການເຂົ້າເຖິງອິນເຕີເນັດ ແລະ ການຄົ້ນຫາເວັບ
ຄົ້ນຫາຂໍ້ມູນທາງເວັບ, ທ່ອງເວັບໄຊ, ດຶງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ ແລະ ສັງເຄາະຜົນທີ່ພົບ ເພື່ອບັນລຸວຽກງານການຄົ້ນຄວ້າແບບອັດຕະໂນມັດ.
ຄວາມຈຳໄລຍະຍາວ ແລະ ໄລຍະສັ້ນ
ການເກັບຂໍ້ມູນໃນຖານຂໍ້ມູນ vector ເພື່ອໃຫ້ສາມາດເອີ້ນຄືນຂໍ້ມູນທີ່ກ່ຽວຂ້ອງຈາກວຽກກ່ອນໜ້າ. ຮຽນຮູ້ຈາກປະສົບການທີ່ຜ່ານມາ ແລະ ນຳຄວາມຮູ້ໄປໃຊ້ກັບສິ່ງທ້າທາຍໃໝ່.
ການຈັດການໄຟລ໌ ແລະ ການປະຕິບັດໂຄດ
ການອ່ານ, ຂຽນ ແລະ ແກ້ໄຂໄຟລ໌, ປະຕິບັດໂຄດ Python, ສ້າງ script ແລະ ຈັດການຂໍ້ມູນດ້ວຍໂປຣແກຣມ ເປັນສ່ວນໜຶ່ງຂອງຂັ້ນຕອນການປະຕິບັດວຽກ.
ລະບົບ Plugin ສຳລັບການຂະຫຍາຍ
Plugin ທີ່ພັດທະນາໂດຍຊຸມຊົນ ແລະ ທີ່ກຳນົດເອງ ຂະຫຍາຍຄວາມສາມາດຂອງເອເຈັນດ້ວຍອີເມວ, ຖານຂໍ້ມູນ, API ແລະ ເຄື່ອງມືສະເພາະ. ປັບຟັງຊັນຂອງເອເຈັນໃຫ້ເໝາະກັບກໍລະນີການນຳໃຊ້ສະເພາະ.
ການທົບທວນຕົນເອງ ແລະ ການປັບປຸງຢ່າງຕໍ່ເນື່ອງ
ປະເມີນຜົນການເຮັດວຽກຂອງຕົນເອງ, ກວດຫາຂໍ້ຜິດພາດ, ປັບກົນລະຍຸດ ແລະ ປັບປຸງວິທີການ ເພື່ອເພີ່ມອັດຕາການສຳເລັດຂອງວຽກ.
ກໍລະນີໃຊ້ງານ
- ການຄົ້ນຄວ້າຕະຫຼາດອັດຕະໂນມັດ: ວິເຄາະຄູ່ແຂ່ງ, ເກັບກຳຂໍ້ມູນອຸດສາຫະກຳ, ລວບລວມລາຍງານຕະຫຼາດ ແລະ ສັງເຄາະຂໍ້ມູນເຊີງລຶກຈາກຫຼາຍແຫຼ່ງເວັບ
- ການຄົ້ນຄວ້າ ແລະ ຮ່າງເນື້ອຫາ: ຄົ້ນຄວ້າຫົວຂໍ້, ລວບລວມແຫຼ່ງຂໍ້ມູນ, ຂຽນຮ່າງບົດຄວາມ, ກວດສອບຂໍ້ເທັດຈິງ ແລະ ປັບປຸງເນື້ອຫາຕາມເກນຄຸນນະພາບ
- ການສ້າງໂຄດ ແລະ ການພັດທະນາ: ແບ່ງຄວາມຕ້ອງການຊອບແວອອກເປັນສ່ວນ, ສ້າງການປະຕິບັດໂຄດ, ຂຽນ test, ດີບັກຂໍ້ຜິດພາດ ແລະ ປັບປຸງວິທີແກ້ໄຂຊ້ຳໆ
- ການເກັບກຳ ແລະ ວິເຄາະຂໍ້ມູນ: ເກັບຂໍ້ມູນຈາກເວັບໄຊ, API ແລະ ເອກະສານ, ທຳຄວາມສະອາດ ແລະ ຈັດໂຄງສ້າງຂໍ້ມູນ, ວິເຄາະ ແລະ ສ້າງລາຍງານສະຫຼຸບ
- ການຄົ້ນຄວ້າການອັດຕະໂນມັດຂັ້ນຕອນ: ລະບຸໂອກາດໃນການອັດຕະໂນມັດ, ຄົ້ນຄວ້າເຄື່ອງມືທີ່ມີ, ປະເມີນວິທີແກ້ໄຂ ແລະ ບັນທຶກແນວທາງການຕິດຕັ້ງ
- ການຮຽນຮູ້ ແລະ ການທົດລອງ: ສຳຫຼວດຄວາມສາມາດຂອງເອເຈັນອັດຕະໂນມັດ, ທົດສອບຮູບແບບ prompt, ປະເມີນລະບົບຄວາມຈຳ ແລະ ຄົ້ນຄວ້າສະຖາປັດຕະຍະກຳ AI ແບບເອເຈັນ
ຄູ່ມືການຕິດຕັ້ງ
ຕິດຕັ້ງ Auto-GPT ໂດຍ clone repository ແລະ ຕັ້ງຄ່າ Python virtual environment ພ້ອມ dependency ທີ່ຕ້ອງການ. ສ້າງໄຟລ໌ .env ທີ່ມີ OpenAI API key, ໂມເດວ GPT ທີ່ຕ້ອງການ (gpt-4 ຫຼື gpt-3.5-turbo) ແລະ ການຕັ້ງຄ່າເພີ່ມເຕີມສຳລັບ backend ຂອງໜ່ວຍຄວາມຈຳ, API ການຄົ້ນຫາເວັບ ແລະ ການອັດຕະໂນມັດ browser.
ຕັ້ງຄ່າ backend ຂອງໜ່ວຍຄວາມຈຳໃນໄຟລ໌ .env ໂດຍເລືອກລະຫວ່າງການເກັບໄຟລ໌ໃນເຄື່ອງ, Redis, Pinecone ຫຼື ຖານຂໍ້ມູນ vector ອື່ນ. ສຳລັບການນຳໃຊ້ຈິງທີ່ຕ້ອງການຄວາມຈຳຂ້າມເຊດຊັນ ໃຫ້ຕັ້ງຄ່າຖານຂໍ້ມູນ vector ພາຍນອກສຳລັບການເກັບຄວາມຈຳແບບຄວາມໝາຍ.
ຕັ້ງຄ່າ AI ລວມທັງການເລືອກໂມເດວ, temperature, ຈຳນວນ token ສູງສຸດຕໍ່ການກະທຳ ແລະ ການຄວບຄຸມຄ່າໃຊ້ຈ່າຍ. ຕັ້ງ SMART_LLM ສຳລັບວຽກໃຫ້ເຫດຜົນ ແລະ FAST_LLM ສຳລັບວຽກງ່າຍ ເພື່ອດຸ່ນດ່ຽງປະສິດທິພາບກັບຄ່າໃຊ້ຈ່າຍ. ຕັ້ງ OPENAI_API_BUDGET ເພື່ອຈຳກັດຄ່າໃຊ້ຈ່າຍສູງສຸດຕໍ່ເຊດຊັນ.
ຮັນ Auto-GPT ດ້ວຍ python -m autogpt ແລະ ໃສ່ຄຳອະທິບາຍເປົ້າໝາຍເມື່ອຖືກຖາມ. ເອເຈັນວາງແຜນວິທີການ, ດຳເນີນການກະທຳ, ລາຍງານຄວາມຄືບໜ້າ ແລະ ຂໍການອະນຸມັດສຳລັບການກະທຳໃນໂໝດ interactive. ສຳລັບການເຮັດວຽກແບບອັດຕະໂນມັດ ໃຫ້ເປີດ continuous mode ເພື່ອຂ້າມການຖາມອະນຸມັດ (ບໍ່ແນະນຳສຳລັບການໃຊ້ງານຈິງ).
ສຳລັບການຕິດຕັ້ງໃນ VPS ໃຫ້ຮັນ Auto-GPT ເປັນ process ພື້ນຫຼັງພ້ອມບັນທຶກ output, ຕັ້ງຄ່າ systemd service ເພື່ອເລີ່ມໃໝ່ອັດຕະໂນມັດເມື່ອເກີດຂໍ້ຜິດພາດ ແລະ ຕິດຕັ້ງການຕິດຕາມການນຳໃຊ້ API ແລະ ຄ່າໃຊ້ຈ່າຍ. ຕັ້ງການແຈ້ງເຕືອນເມື່ອງົບປະມານເກີນຂອບເຂດ ແລະ ເມື່ອອັດຕາຂໍ້ຜິດພາດສູງ.
ຕັ້ງຄ່າການຄົ້ນຫາເວັບດ້ວຍ Google Custom Search API, SerpAPI ຫຼື ການ scrape ເວັບດ້ວຍ Playwright/Selenium. ເປີດການອັດຕະໂນມັດ browser ສຳລັບວຽກທີ່ຕ້ອງການເນື້ອຫາທີ່ render ດ້ວຍ JavaScript ຫຼື ການທ່ອງເວັບແບບໂຕ້ຕອບ.
ຂໍ້ແນະນຳການຕັ້ງຄ່າ
ການຕັ້ງຄ່າ Auto-GPT ຈັດການຜ່ານໄຟລ໌ .env ແລະ ai_settings.yaml. ຕັ້ງ OPENAI_API_KEY ສຳລັບການເຂົ້າເຖິງ API, ກຳນົດເວີຊັນໂມເດວ GPT (SMART_LLM=gpt-4, FAST_LLM=gpt-3.5-turbo) ແລະ ກຳນົດ temperature ເພື່ອດຸ່ນດ່ຽງຄວາມຄິດສ້າງສັນກັບຄວາມສອດຄ່ອງ.
ຕັ້ງ backend ຂອງໜ່ວຍຄວາມຈຳດ້ວຍ MEMORY_BACKEND (local, redis, pinecone, weaviate) ແລະ ພາຣາມິເຕີການເຊື່ອມຕໍ່ທີ່ກ່ຽວຂ້ອງ. ຕັ້ງ MEMORY_INDEX ສຳລັບການແຍກ namespace ເມື່ອໃຊ້ຖານຂໍ້ມູນ vector ທີ່ໃຊ້ຮ່ວມກັນ. ຕັ້ງ REDIS_HOST ແລະ REDIS_PORT ສຳລັບ backend Redis ຫຼື PINECONE_API_KEY ສຳລັບ Pinecone.
ຕັ້ງຄ່າຄວາມປອດໄພລວມທັງ EXECUTE_LOCAL_COMMANDS ເພື່ອຄວບຄຸມສິດການປະຕິບັດໂຄດ, RESTRICT_TO_WORKSPACE ສຳລັບການຈຳກັດການເຮັດວຽກກັບໄຟລ໌ໃນ sandbox ແລະ CONTINUOUS_MODE ສຳລັບການເຮັດວຽກແບບອັດຕະໂນມັດໂດຍບໍ່ມີການຖາມອະນຸມັດ. ຕັ້ງ OPENAI_API_BUDGET ເພື່ອປ້ອງກັນຄ່າໃຊ້ຈ່າຍ API ທີ່ບໍ່ຄາດຄິດ.
ແນວປະຕິບັດທີ່ດີລວມທັງ: ເລີ່ມດ້ວຍໂໝດ interactive ເພື່ອສັງເກດພຶດຕິກຳຂອງເອເຈັນກ່ອນເປີດ continuous mode, ຕັ້ງງົບ API ທີ່ປະຢັດໃນຊ່ວງທົດສອບ ແລະ ປະເມີນ, ໃຊ້ GPT-3.5-turbo ສຳລັບການທົດລອງເບື້ອງຕົ້ນເພາະຄ່າໃຊ້ຈ່າຍຕ່ຳກວ່າ, ຕິດຕາມການນຳໃຊ້ token ແລະ ປະຕິບັດການຈຳກັດອັດຕາ, ທົບທວນ ແລະ ຄັດກອງໜ່ວຍຄວາມຈຳເພື່ອລຶບຂໍ້ມູນທີ່ບໍ່ກ່ຽວຂ້ອງ ຫຼື ບໍ່ຖືກຕ້ອງ, ຈຳກັດການເຂົ້າເຖິງລະບົບໄຟລ໌ດ້ວຍການແຍກ workspace, ເລືອກໃຊ້ plugin ຢ່າງລະມັດລະວັງເພື່ອຫຼີກລ່ຽງຄວາມຊັບຊ້ອນຂອງເຄື່ອງມືເກີນຄວາມຈຳເປັນ, ບັນທຶກທຸກການກະທຳ ແລະ ການຕັດສິນໃຈເພື່ອດີບັກ ແລະ ກວດສອບ, ທົດສອບເປົ້າໝາຍຢ່າງລະອຽດໃນຂອບເຂດນ້ອຍກ່ອນຂະຫຍາຍໄປວຽກໃຫຍ່, ແລະ ຮັກສາການກຳກັບດູແລຂອງມະນຸດສຳລັບແອັບພລິເຄຊັນທາງທຸລະກິດທີ່ສຳຄັນ. ກຳນົດ API key ແຍກຕ່າງຫາກພ້ອມຂີດຈຳກັດການໃຊ້ຈ່າຍສຳລັບສະພາບແວດລ້ອມການໃຊ້ງານຈິງ ແລະ ການພັດທະນາ. ຈັດການຄວາມຜິດພາດ ແລະ ການກູ້ຄືນຢ່າງຄົບຖ້ວນສຳລັບວຽກອັດຕະໂນມັດທີ່ໃຊ້ເວລາດົນ. Auto-GPT ເປັນການທົດລອງ, ຫຼີກລ່ຽງການນຳໃຊ້ໃນວຽກງານຈິງໂດຍບໍ່ມີການທົດສອບ ແລະ ກວດສອບຢ່າງພຽງພໍ.