Mercury Flux: เลเยอร์การจัดเส้นทาง AI ที่อยู่เบื้องหลังตัวแทนการค้า

นี่คือคำถามที่ทุกบริษัทที่นำตัวแทน AI มาใช้จะต้องเผชิญภายในสิบสองเดือน: เมื่อคุณมีตัวแทนห้าตัวทำงาน — ผู้ช่วยช็อปปิ้ง, ผู้จัดการแคตตาล็อก, นักวิเคราะห์, นักเขียนคำโฆษณา, บอทสนับสนุน — โมเดลไหนที่แต่ละตัวใช้?

คำตอบเริ่มต้นคือโมเดลใดก็ตามที่ทีมที่สร้างมันชอบ. แอปห้าแอป, การเลือกโมเดลที่กำหนดไว้ห้าแบบ, คีย์ API เดียวกันห้าชุดในไฟล์ .env ห้าไฟล์, บิลที่มองไม่เห็นห้าใบ. เมื่อผู้ให้บริการเกิดปัญหา, แอปห้าแอปล้มเหลวอย่างอิสระ. เมื่อฝ่ายการเงินถามว่าต้นทุน AI ต่อสายผลิตภัณฑ์คืออะไร, ไม่มีใครสามารถตอบได้.

เราปฏิเสธที่จะยอมรับสถาปัตยกรรมนี้ ดังนั้นเราจึงสร้างเลเยอร์ที่แก้ไขมัน นี่คือเรื่องราวของ Mercury Flux — เอนจินการจัดเส้นทางโมเดลของเรา — และตัวแทนการค้า ที่ทำงานบนมัน นอกจากนี้ยังเป็นการแสดงตัวอย่างว่าเราจะนำ AI ที่มีความสามารถในการทำงานอัตโนมัติไปใช้กับลูกค้าองค์กรได้อย่างไร

TL;DR: การฝังโมเดลลงในแอป AI ทุกตัวคือการฝังรหัสผ่านลงในโค้ดต้นฉบับในรูปแบบใหม่Mercury Flux เป็นเลเยอร์การจัดเส้นทาง AI ที่นั่งอยู่ระหว่างตัวแทนแต่ละตัวและผู้ให้บริการโมเดลแต่ละราย — Gemini, GLM, Grok, Kimi, ใดๆ ก็ตาม: แอปแต่ละตัวจะต้องตรวจสอบด้วยคีย์ของตนเอง รับตารางเส้นทางของตนเอง (ประเภทงาน → โมเดล → โซ่สำรอง) และรายงานการใช้โทเค็นของตนเอง ตัวแทนการค้าของเรา — ผู้ช่วยการช็อปปิ้งที่มุ่งหน้าไปยังลูกค้าและตัวแทนพาณิชย์ในสำนักงานหลังซึ่งทุกการเขียนรอการอนุมัติจากมนุษย์ — ทำงานบนสแต็กนี้ในราคาโดยประมาณ $0.07 ต่อหนึ่งล้านโทเค็นที่ผสมกัน ประมาณ 2% ของต้นทุน API ในการค้าปลีก. สแต็คเดียวกันนี้ขับเคลื่อน SEO และ GEO pipelines ที่อยู่เบื้องหลังงานการมองเห็น AI ของเรา เราเตอร์ตัดสินใจเกี่ยวกับโมเดล แอพไม่เคยรู้ นั่นคือจุดประสงค์

ฉันคือเจมส์ CEO ของ Mercury Technology Solutions เราสร้างสะพาน AI-to-human สำหรับองค์กร และเราดำเนินการฟลีทเอเจนต์ของเราเองในระดับที่ทำให้การตัดสินใจด้านสถาปัตยกรรมเป็นสิ่งที่ไม่สามารถหลีกเลี่ยงได้ — ประมาณ 18 พันล้านโทเค็นต่อเดือน Flux คือเครื่องมือการจัดเส้นทางที่ทำให้สิ่งนั้นสามารถจ่ายได้ สังเกตได้ และอยู่ภายใต้การควบคุม วันนี้ฉันจะแสดงให้คุณเห็นว่ามันทำอะไร และทำไมเอเจนต์การค้าเป็นลูกค้าจริงรายแรกของมัน

ปัญหา: การกระจายโมเดล

สแต็คแอพพลิเคชั่น AI ของปี 2026 ขาดชั้นหนึ่ง และทีมส่วนใหญ่รู้สึกได้โดยไม่สามารถตั้งชื่อได้

คุณมีผู้ให้บริการโมเดล — ที่ยอดเยี่ยมหลายราย: Google, OpenAI, Anthropic และกลุ่มผู้ท้าชิงที่แข็งแกร่ง คุณมีกรอบงานเอเจนต์ สิ่งที่ขาดหายไปคือชิ้นส่วนที่ตัดสินใจโมเดลใด สำหรับภาระงานใด ในค่าใช้จ่ายเท่าใด พร้อมการสำรองใด บิลไปยังใคร

หากไม่มีชั้นนั้น แอพแต่ละตัวจะกลายเป็นการตัดสินใจเกี่ยวกับการจัดเส้นทางของตนเอง ซึ่งทำโดยนักพัฒนาในโค้ดเพียงครั้งเดียว ผลที่ตามมาจะสะสมอย่างเงียบ ๆ:

• ความมืดบอดด้านค่าใช้จ่ายแอปห้าแอป บัญชีผู้ให้บริการห้าบัญชี ไม่มีมุมมองที่รวมกัน ไม่มีใครสามารถบอกได้ว่าค่าบริการของผู้ช่วยช็อปปิ้งเทียบกับบอทสนับสนุนคือเท่าไหร่
• การกระจายคีย์แอปแต่ละแอปถือคีย์ผู้ให้บริการดิบ การหมุนคีย์หนึ่งหมายถึงการค้นหาทั่วทุกที่ในที่เก็บข้อมูล การรั่วไหลหนึ่งครั้งคือการรั่วไหลของบัญชีทั้งหมด
• ไม่มีการสำรองข้อมูลผู้ให้บริการมีช่วงเวลาที่ไม่ดี และแอปทุกแอปที่มีการเข้ารหัสค่านั้นจะหยุดทำงานไปด้วย
• การล็อคโมเดลการเปลี่ยนภาระงานไปยังโมเดลที่ดีกว่าหรือถูกกว่าหมายถึงการต้องแก้ไขโค้ดแอป — ดังนั้นมันจึงไม่เกิดขึ้น และคุณต้องจ่ายเงินมากเกินไปตลอดไป

ไม่ใช่ว่าโมเดลไม่ดีพอ แต่สถาปัตยกรรมไม่มีความสามารถในการเลือก

ฟลักซ์ของปรอท: เลเยอร์ที่เลือก

ฟลักซ์เป็นเลเยอร์ที่บางและไร้ความปรานีระหว่างตัวแทนของคุณกับผู้ให้บริการโมเดล การออกแบบสามารถสรุปได้ในหนึ่งย่อหน้า:

แอปแต่ละตัวจะทำการตรวจสอบสิทธิ์กับฟลักซ์ด้วยคีย์ของตนเอง — ไม่ใช่คีย์ของผู้ให้บริการ คำขอแต่ละคำจะมีชื่อเส้นทางแทนชื่อโมเดล:tool-loop สำหรับการเรียกใช้เครื่องมือ, long-text สำหรับการร่าง, การวิเคราะห์ สำหรับการคิดเชิงลึก Flux จะแก้ไขเส้นทางตามตารางของแอปนั้น — เป็นห่วงโซ่ที่เรียงลำดับเหมือน Grok สำหรับวินัยเครื่องมือ, GLM เป็นทางเลือกสำรอง — เพิ่มข้อมูลประจำตัวของผู้ให้บริการจริง และส่งต่อการเรียก ทุกคำขอจะถูกบันทึกด้วยการบัญชีโทเค็นต่อแอป ต่อเส้นทาง ผู้ให้บริการล่ม, Flux จะเปลี่ยนไปใช้โหมดสำรอง โมเดลเปลี่ยนราคา, คุณแก้ไขตาราง แอปไม่เคยสังเกตเห็น

คิดว่ามันเป็นแผงไฟฟ้าสำหรับ AI: สายไฟจากสาธารณูปโภค (ผู้ให้บริการ), เบรกเกอร์สำหรับทุกวงจร (แอป), และมิเตอร์ในแต่ละสาย คุณไม่ต้องเดินสายไฟใหม่ในบ้านเพื่อปิดโคมไฟ

เศรษฐศาสตร์มาจากการจัดเส้นทางเอง วงจรเครื่องมือทำงานบนโมเดล AI ที่เลือกสำหรับวินัยการเรียกฟังก์ชัน การสร้างเนื้อหารูปแบบยาวทำงานที่ต้นทุนต่อโทเค็นต่ำที่สุด การคิดอย่างหนักจะได้รับโมเดลแนวหน้าเฉพาะเมื่อภารกิจต้องการจริงๆ ทั่วทั้งฟลีทของเรา — ตัวแทนการค้า, ท่อเนื้อหา SEO, การตรวจสอบ GEO ที่เราส่งให้กับลูกค้าองค์กร — สิ่งนี้จะรวมกันเป็นอัตรา $0.07 ต่อหนึ่งล้านที่ผสมผสาน: สองลำดับขนาดต่ำกว่าที่ปริมาณ LLM เดียวกันมีค่าใช้จ่ายในราคาขายปลีกพรีเมียม การตัดสินใจจัดเส้นทางที่ทำเพียงครั้งเดียวในตาราง แทนที่จะไม่เคยทำในโค้ด

ผู้เช่าครั้งแรก: ตัวแทนการค้า

ภาระงานการผลิตครั้งแรกของ Flux คือคู่ของตัวแทนการค้าที่เราสร้างขึ้นสำหรับการใช้งานค้าปลีก บนแผนผังอ้างอิงแบบเปิดที่เราปรับปรุงและขยายด้วยเวลาทำงานของเราเอง

ตัวแทนช็อปปิ้งเป็นตัวแทนที่เผชิญหน้ากับลูกค้า มันค้นหาสินค้าในแคตตาล็อก เปรียบเทียบตัวเลือก วางแผนการซื้อ เติมตะกร้า และตอบคำถามเกี่ยวกับคำสั่งซื้อและนโยบาย — โดยมีความจำเกี่ยวกับสิ่งที่ลูกค้าบอก มันเป็นคำตอบของร้านค้าสำหรับการเปลี่ยนแปลงที่เกิดขึ้นในขณะนี้: ผู้ซื้อที่เคยถาม Google ว่า "เต็นท์สองคนที่ดีที่สุดคืออะไร" กำลังถาม ChatGPT, Perplexity หรือ Gemini โดยตรงและคาดหวังว่าตัวช่วยของร้านค้าจะเฉียบคมกว่าผลลัพธ์การค้นหา มันรวดเร็ว อดทน และไม่เคยรู้สึกเบื่อกับ "อันไหนดีกว่าสำหรับระเบียงขนาดเล็ก?"

ตัวแทนพาณิชย์เป็นตัวแทนที่ทำงานในสำนักงานหลังบ้าน มันอธิบายประสิทธิภาพ รักษารายการ ทำงานตามการแจ้งเตือนสินค้าคงคลัง ปรับราคา ร่างแคมเปญ และนี่คือส่วนที่สำคัญสำหรับองค์กร: ทุกการเขียนที่มันทำจะถูกจัดเตรียม ไม่ได้ดำเนินการจริงการเปลี่ยนแปลงราคา การเติมสินค้า การแก้ไขรายการ — แต่ละรายการจะถูกเสนอเป็นการเปลี่ยนแปลงที่รอให้มนุษย์อนุมัติผ่านพื้นผิวการอนุมัติ ตัวแทนเสนอ; ผู้ปฏิบัติงานตัดสินใจ

สถาปัตยกรรมความปลอดภัยที่อยู่เบื้องล่างคือส่วนที่เราภาคภูมิใจที่สุด เพราะมันคือส่วนที่การสาธิตไม่เคยแสดงให้คุณเห็น:

• ประตูแหล่งที่มารถเข็นรับเฉพาะผลิตภัณฑ์ที่เครื่องมือแคตตาล็อกส่งคืนในเซสชันนี้ โมเดลไม่สามารถสร้างการซื้อขึ้นมาได้
• การควบคุมในเวลาที่ใช้การเปลี่ยนแปลงถูกปฏิเสธไม่ว่าจะมีใครอนุมัติ เนื่องจากราคาลดลงมากเกินไป สต็อกสินค้ากลับมาใหญ่เกินไป หรือฟิลด์ที่ถูกป้องกันถูกแตะต้อง
• บริบทที่ถูกล้อมรอบข้อความจากบุคคลที่สามที่ตัวแทนอ่านจะถูกทำความสะอาดและแบ่งเขตเพื่อไม่ให้คำอธิบายผลิตภัณฑ์ที่เป็นอันตรายสามารถแทรกคำสั่งได้ ตัวแทนอ่านเว็บ; เว็บไม่สามารถอ่านตัวแทนได้

นี่คือสะพานเชื่อมระหว่าง AI และมนุษย์ที่เราสร้างขึ้นเพื่อการดำรงชีวิต: AI ทำงาน ส่วนมนุษย์อนุมัติการเขียนไม่ใช่แชทบอทที่ติดตั้งบนร้านค้า — เป็นระบบที่มีการแยกอำนาจอิสระและความรับผิดชอบโดยการออกแบบ

สิ่งที่การจัดเส้นทางนำมาให้เรา: การเปรียบเทียบแบบสด

เนื่องจาก Flux แยกการจัดเส้นทางออกจากโค้ดแอป เราจึงรันงานโหลดช็อปปิ้งเอเย่นต์เดียวกันผ่านสองโมเดลที่แตกต่างกันโดยการแก้ไขบรรทัดเดียวของการตั้งค่า ความแตกต่างนั้นชัดเจน

โมเดลหนึ่ง — แข็งแกร่งในด้านการเขียน — ทำสัญญาเครื่องมือผิดพลาด: การเรียกทักษะที่ไม่ถูกต้อง, การค้นหาที่ซ้ำซาก, ไม่มีการซื้อที่เสร็จสมบูรณ์ โมเดลอื่นจัดการกับสคีมาของ enum เดียวกันได้อย่างสะอาด โหลดคำแนะนำการทำงานในครั้งแรก และทำให้กระบวนการค้นหาถึงรถเข็นเสร็จสมบูรณ์ — ในขณะที่ปฏิบัติตามกฎในคู่มือทักษะของมันอย่างถูกต้องซึ่งระบุว่าการวิจัยจะต้องนำเสนอผลลัพธ์ในปัจจุบันก่อนที่จะเขียนลงในรถเข็น เอเย่นต์เดียวกัน, ประตูเดียวกัน, คำสั่งเดียวกัน โมเดลเท่านั้นที่แตกต่าง และโมเดลคือสิ่งที่ชั้นการจัดเส้นทางช่วยให้คุณเปลี่ยนได้

คูณการเปรียบเทียบหนึ่งนี้ด้วยทุกงานโหลด, ทุกลูกค้า, ทุกไตรมาส โมเดลพัฒนาและปรับราคาอย่างต่อเนื่อง; ทีมที่สามารถจัดเส้นทางใหม่ในไม่กี่วินาทีจะมีประสิทธิภาพดีกว่าทีมที่กำหนดการปรับโครงสร้างสำหรับสปรินต์ถัดไปเสมอ Flux เปลี่ยนการเลือกโมเดลจากการเป็นข้อผูกพันทางสถาปัตยกรรมเป็นบรรทัดการตั้งค่า

ทำไมสิ่งนี้จึงสำคัญสำหรับองค์กร

หากคุณกำลังนำ AI ที่มีความสามารถในการทำงาน — การค้า หรืออย่างอื่น — มีสามข้อที่ต้องพิจารณา:

1. การจัดการเส้นทางแบบแอปต่อแอปเป็นสิ่งที่จำเป็นภาระงานกำหนดโมเดล AI: วินัยเครื่องมือสำหรับตัวแทน, ความยาวบริบทที่ถูกสำหรับเนื้อหา, ขอบเขตเฉพาะสำหรับการตัดสินใจ. เลเยอร์การจัดการเส้นทางทำให้สิ่งนี้เป็นนโยบาย ไม่ใช่ความบังเอิญต่อแอป.
2. กุญแจและค่าใช้จ่ายควรอยู่ในที่เดียวแอปทำการตรวจสอบสิทธิ์กับเราเตอร์; เราเตอร์เป็นผู้ถือข้อมูลประจำตัวของผู้ให้บริการเพียงผู้เดียว. การเผาผลาญโทเค็นถูกวัดต่อแอป ต่อเส้นทาง — ดังนั้น "AI มีค่าใช้จ่ายต่อสายผลิตภัณฑ์เท่าไหร่?" จึงกลายเป็นคำถาม ไม่ใช่การตรวจสอบทางนิติวิทยาศาสตร์. ถือว่าเป็นโครงสร้างพื้นฐานการเปลี่ยนแปลงดิจิทัลหลัก ไม่ใช่เครื่องมือการตลาด.
3. ความเป็นอิสระต้องการเกณฑ์การอนุมัติตัวแทนที่เขียนไปยังระบบการผลิต — รถเข็น, แคตตาล็อก, ราคา — ต้องการการเปลี่ยนแปลงแบบมีขั้นตอนและการอนุมัติจากมนุษย์ในฐานะฟีเจอร์ทางสถาปัตยกรรม ไม่ใช่ข้อเสนอแนะจากการกระตุ้น. แผนผังการค้าเราที่ดำเนินการพิสูจน์ว่ามันทำงานได้ภายใต้ภาระการเรียกเครื่องมือจริง.

43% ของโอกาสที่ตกหล่นจากช่องว่าง AI สู่มนุษย์? พวกเขาตกหล่นเพราะบริษัทต่างๆ ใช้ระบบที่เป็นมนุษย์ทั้งหมด (ช้า) หรือ AI ทั้งหมด (ไม่มีความรับผิดชอบ). สะพานคือความเป็นอิสระแบบมีขั้นตอน: เครื่องจักรที่ทำงาน, มนุษย์ที่อนุมัติ, และเลเยอร์การจัดการเส้นทางที่ทำให้ทั้งหมดนี้มีค่าใช้จ่ายเพียงพอที่จะนำไปใช้จริง — ไม่ว่าจะเป็นภาระงานการค้า, SEO, หรือโปรแกรม GEO ที่ทำให้แบรนด์สามารถอ้างอิงได้เมื่อ AI ตอบ.

นั่นคือ ฟลักซ์ของปรอท. เราเตอร์หนึ่งตัว ตัวแทนแต่ละคน โมเดลของตัวเอง ใบแจ้งหนี้ของตัวเอง เบรกเกอร์ของตัวเอง.

โซลูชันเทคโนโลยีปรอท: เร่งความเป็นดิจิทัล.