งานวิจัยล่าสุดนำเสนอระบบเอเจนต์อัจฉริยะแบบรวมศูนย์ (Unified multi-Agent architecture) เพื่อแก้ปัญหาความยุ่งยากในการสร้าง Machine Learning (ML) pipeline โดยระบบนี้ประกอบด้วยเอเจนต์ 5 ตัวที่แบ่งหน้าที่กันอย่างชัดเจน ตั้งแต่การวิเคราะห์โปรไฟล์ข้อมูล การตีความเป้าหมายจากภาษาธรรมชาติ การแนะนำไมโครเซอร์วิส ไปจนถึงการสร้างแผนภูมิการทำงาน (DAG) และการรันระบบจริง
จุดเด่นของระบบนี้คือการผสานเทคโนโลยี Retrieval-Augmented Generation (RAG) ที่อ้างอิงจากโค้ดจริงเพื่อให้เอเจนต์เข้าใจไมโครเซอร์วิสต่างๆ ได้อย่างแม่นยำ พร้อมด้วยกลไก Self-healing ที่ใช้ Large Language Model (LLM) ในการวิเคราะห์และแก้ไขข้อผิดพลาดที่เกิดขึ้นระหว่างการทำงานแบบเรียลไทม์ จากการทดสอบกับงาน ML กว่า 150 รูปแบบ ระบบสามารถสร้าง pipeline ได้สำเร็จถึง 84.7% ซึ่งสูงกว่าวิธีการแบบเดิมอย่างมีนัยสำคัญ ช่วยลดระยะเวลาในการพัฒนาเวิร์กโฟลว์ได้อย่างมาก
