สุดยอดเครื่องมือ CLI สำหรับ AI Agents

เอเจนต์ AI ไม่ได้อ่าน GUI มันรันคำสั่ง อ่านสิ่งที่ส่งกลับมาทาง stdout ตรวจสอบรหัสออก (exit code) และตัดสินใจว่าจะทำอะไรต่อไป วงจรนี้จะทำงานได้ก็ต่อเมื่อเครื่องมือที่เรียกใช้งานทำงานได้อย่างคาดเดาได้ เครื่องมือที่พิมพ์ตารางสีสันสดใสสำหรับมนุษย์, แจ้งให้ยืนยัน “คุณแน่ใจหรือไม่? (y/n)” หรือคืนค่า exit code เป็น 0 ไม่ว่างานจะสำเร็จหรือไม่ก็ตาม จะทำให้เอเจนต์หยุดทำงานในลักษณะที่ยากต่อการแก้ไขข้อผิดพลาด

ดังนั้น คำถามที่น่าสนใจจึงไม่ใช่ “CLI ตัวไหนมีประสิทธิภาพที่สุด” แต่เป็น “CLI ตัวไหนที่ถูกออกแบบมาเพื่อให้เอเจนต์สามารถดำเนินการกับเอาต์พุตได้” ซึ่งหมายถึง JSON ที่มีโครงสร้างแทนข้อความบรรยาย, โหมดที่ไม่ต้องโต้ตอบซึ่งไม่เคยหยุดรอการป้อนข้อมูล และ exit code ที่เอเจนต์สามารถใช้ในการตัดสินใจได้

รายการนี้แบ่งออกเป็นสองประเภท อย่างแรกคือ รันไทม์ของเอเจนต์: CLIs สำหรับการโค้ดที่ เป็น ตัวเอเจนต์เอง เช่น Claude Code, Codex CLI, Gemini CLI และ Cursor CLI อย่างที่สองคือ เครื่องมือที่เอเจนต์ ใช้ ทำงาน: gh, ripgrep, jq, HTTPie และ apidog-cli ซึ่งสร้างขึ้นสำหรับผู้เรียกใช้แบบเครื่องจักร โดยมี JSON ที่มีโครงสร้างและคำแนะนำขั้นตอนถัดไปในตัว หากคุณกำลังเชื่อมต่อเอเจนต์เข้ากับเวิร์กโฟลว์ API ของคุณ คู่มือ Apidog CLI ฉบับสมบูรณ์ จะแนะนำการตั้งค่าทั้งหมด คุณจะได้รับคำสั่งติดตั้งจริงและตัวอย่างการทำงานสำหรับแต่ละรายการ พร้อมด้วยข้อสังเกตที่ตรงไปตรงมาเกี่ยวกับข้อจำกัดของแต่ละตัว

อะไรที่ทำให้เครื่องมือ CLI เหมาะสำหรับเอเจนต์ AI

คุณสมบัติสามประการที่แยก CLI ที่เป็นมิตรต่อเอเจนต์ออกจากเครื่องมืออื่นๆ

เอาต์พุตที่มีโครงสร้าง (Structured output). เอเจนต์สามารถวิเคราะห์ JSON ได้อย่างน่าเชื่อถือมากกว่าการวิเคราะห์ตารางที่จัดรูปแบบ เครื่องมือที่เสนอ --json หรือ --output-format json ช่วยให้เอเจนต์อ่านฟิลด์ตามชื่อ แทนที่จะคาดเดาตำแหน่งคอลัมน์

โหมดไม่โต้ตอบ (Non-interactive mode). หากคำสั่งหยุดเพื่อถามคำถาม เอเจนต์ที่ทำงานแบบ headless จะค้างอยู่ตลอดไป CLI ที่เหมาะกับเอเจนต์จะมีโหมดพิมพ์หรือรันที่รับคำขอทั้งหมดล่วงหน้าและไม่เคยบล็อกการทำงาน

รหัสออกที่คาดเดาได้ (Deterministic exit codes). คืนค่า 0 เมื่อสำเร็จ, คืนค่าที่ไม่ใช่ 0 เมื่อล้มเหลว อย่างสม่ำเสมอ ตัวเลขเดียวนี้คือสิ่งที่เอเจนต์ใช้ในการรู้ว่าจะดำเนินการต่อหรือลองใหม่ เครื่องมือที่คืนค่า 0 แม้ว่างานจะล้มเหลวก็เป็นกับดัก

คะแนนพิเศษสำหรับเครื่องมือที่บอกเอเจนต์ว่าควรทำอะไรต่อไป นั่นเป็นเรื่องที่หายาก และเป็นจุดที่ apidog-cli โดดเด่น

Claude Code

Claude Code คือเอเจนต์การเขียนโค้ดของ Anthropic ที่ทำงานในเทอร์มินัลของคุณ เพิ่ม -p (โหมดพิมพ์) ในคำสั่งใดๆ และมันจะรันวงจรเอเจนต์ทั้งหมดโดยไม่โต้ตอบ, พิมพ์ผลลัพธ์ และออกจากการทำงาน; ไม่มี UI ของเทอร์มินัล, ไม่ต้องคลิกอะไรเลย

npm install -g @anthropic-ai/claude-code
claude -p "summarize the failing tests in this repo" --output-format json

แฟล็ก --output-format json จะส่งกลับ payload ที่มีโครงสร้างพร้อมผลลัพธ์, session_id และ total_cost_usd เพื่อให้ผู้เรียกใช้สคริปต์สามารถติดตามค่าใช้จ่ายต่อการเรียกใช้งานได้ นอกจากนี้ยังมี stream-json สำหรับการสตรีมเหตุการณ์แบบเรียลไทม์ (ต้องใช้ --verbose) คุณยังสามารถป้อนข้อมูลผ่าน pipe ได้อีกด้วย: cat build-error.txt | claude -p 'explain this error'.

เหมาะที่สุดสำหรับ: งานโค้ดดิ้งแบบหลายขั้นตอนที่เอเจนต์หนึ่งวางแผนและดำเนินการ จากนั้นส่งเอาต์พุตที่เครื่องจักรสามารถอ่านได้ให้คุณ (หรือสคริปต์อื่น)

ข้อจำกัดที่ตรงไปตรงมา: เป็นโมเดลแบบปิดที่ต้องชำระเงินผ่าน API และค่าใช้จ่ายจะเพิ่มขึ้นในการรันอัตโนมัติที่ยาวนาน

Codex CLI

Codex CLI คือเอเจนต์เทอร์มินัลโอเพนซอร์สของ OpenAI คำสั่งย่อย codex exec (เรียกย่อว่า codex e) จะรันโดยไม่โต้ตอบและสตรีมผลลัพธ์ไปยัง stdout

npm install -g @openai/codex
codex exec --json "add input validation to the signup handler"

แฟล็ก --json จะเปลี่ยน stdout เป็นสตรีม JSONL ซึ่งแต่ละเหตุการณ์ (การรันคำสั่ง, การเปลี่ยนแปลงไฟล์, ข้อความจากเอเจนต์) เป็นออบเจกต์ที่มีโครงสร้างที่คุณสามารถส่งผ่าน jq ได้ สำหรับการทำงานอัตโนมัติที่ต้องการฟิลด์ที่เสถียร --output-schema จะทำให้การตอบกลับสุดท้ายเป็นไปตาม JSON Schema ที่คุณให้มา ซึ่งสะดวกสำหรับสรุปงานหรือข้อมูลเมตาของการเผยแพร่

เหมาะที่สุดสำหรับ: การเปลี่ยนแปลงโค้ดที่ขับเคลื่อนด้วย CI ที่คุณต้องการเอาต์พุตที่มีประเภทและผ่านการตรวจสอบ Schema เมื่อสิ้นสุดการรัน

ข้อจำกัดที่ตรงไปตรงมา: สตรีมเหตุการณ์ JSONL ค่อนข้างละเอียด; คุณจะต้องใช้ jq อย่างจริงจังเพื่อดึงเฉพาะส่วนที่คุณสนใจ เอาต์พุตที่ถูกจำกัดด้วย Schema เป็นคุณสมบัติที่ใหม่กว่าและควรทดสอบกับพร้อมต์จริงของคุณ

Gemini CLI

Gemini CLI คือเอเจนต์เทอร์มินัลโอเพนซอร์สของ Google มันจะเข้าสู่โหมด headless โดยอัตโนมัติในสภาพแวดล้อมที่ไม่ใช่ TTY หรือเมื่อคุณส่งพร้อมต์ด้วย -p / --prompt.

npm install -g @google/gemini-cli
gemini --non-interactive --output-format json -p "list the public endpoints in this service"

แฟล็ก --output-format json จะส่งกลับออบเจกต์ JSON เดียวพร้อมกับการตอบกลับและสถิติการใช้งาน; มีเวอร์ชัน JSONL สำหรับการสตรีมเหตุการณ์ แฟล็ก --non-interactive รับประกันว่าจะไม่หยุดรอพร้อมต์ ซึ่งเป็นสิ่งที่คุณต้องการภายใน pipeline จับคู่กับ jq เพื่อดึงฟิลด์ response ออกมาอย่างสะอาด

เหมาะที่สุดสำหรับ: เอเจนต์ที่ทำงานอยู่ในสภาพแวดล้อมที่ใช้เครื่องมือของ Google อยู่แล้ว และงานที่เน้นการอ่าน เช่น การสรุปหรือการตรวจสอบ codebase

ข้อจำกัดที่ตรงไปตรงมา: เอาต์พุต JSON ที่มีโครงสร้างมาทีหลังคู่แข่งบางราย ดังนั้นควรกำหนดเวอร์ชันและยืนยันว่าแฟล็กทำงานตามที่ระบุไว้ในเอกสารก่อนที่คุณจะใช้งานจริง

Cursor CLI

cursor-agent ของ Cursor นำเอเจนต์การเขียนโค้ดมาสู่เทอร์มินัล โดยแยกจากเอดิเตอร์อย่างสมบูรณ์ ใช้ -p / --print เพื่อรันแบบ headless โดยไม่มี UI แบบโต้ตอบ: ป้อนพร้อมต์เข้าไป, ได้ผลลัพธ์ออกมา

curl https://cursor.com/install -fsS | bash
cursor-agent -p "refactor utils/date.js to use date-fns" --output-format json

ตัวเลือก --output-format สามารถรับค่าเป็น text, json หรือ stream-json รูปแบบ json จะส่งออกออบเจกต์เดียวเมื่อการรันเสร็จสมบูรณ์ โดยที่เหตุการณ์ของเครื่องมือจะถูกยุบรวมและข้อความจะถูกรวมเข้าในผลลัพธ์สุดท้าย ในบริบทแบบ headless คุณจะต้องการ --trust เพื่อให้เอเจนต์สามารถใช้เครื่องมือการเขียนและเชลล์ได้โดยไม่ต้องหยุดถาม

เหมาะที่สุดสำหรับ: ทีมที่ใช้ Cursor เป็นมาตรฐาน ซึ่งต้องการเอเจนต์ตัวเดียวกันใน CI และ git hooks ที่พวกเขาใช้ในเอดิเตอร์

ข้อจำกัดที่ตรงไปตรงมา: ชุมชนได้รายงานว่าโหมด headless -p ค้างในบางบิลด์และแพลตฟอร์ม ดังนั้นควรทดสอบกับ OS เป้าหมายของคุณและกำหนดเวอร์ชันที่ทำงานได้ดีไว้ ใช้งานด้วยโทเค็นที่มีสิทธิ์น้อยที่สุด และตรวจสอบการเปลี่ยนแปลงของมัน

gh (GitHub CLI)

gh เป็นเครื่องมือที่เอเจนต์ใช้เมื่อใดก็ตามที่งานเกี่ยวข้องกับ repo, issue, PR หรือ release แฟล็ก --json ของมันคือเหตุผลที่มันอยู่ในรายการนี้

brew install gh
gh pr list --json number,title,author --jq '.[].author.login'

ส่งรายการชื่อฟิลด์ไปยัง --json คุณจะได้ฟิลด์เหล่านั้นเป็น JSON หากไม่ระบุค่า มันจะพิมพ์ฟิลด์ที่มีอยู่ เพื่อให้เอเจนต์สามารถค้นพบ schema ได้ แฟล็ก --jq ในตัวจะกรองเอาต์พุตนั้นโดยไม่จำเป็นต้องติดตั้ง jq แยกต่างหาก และเมื่อ gh ตรวจพบว่าเอาต์พุตของมันถูกส่งผ่าน pipe มันจะละทิ้งการจัดรูปแบบสำหรับมนุษย์และเปลี่ยนเป็นเอาต์พุตที่คั่นด้วยแท็บสำหรับเครื่องจักรโดยอัตโนมัติ สำหรับสิ่งใดๆ ที่คำสั่งย่อยไม่ครอบคลุม gh api จะรันการเรียก REST หรือ GraphQL ใดๆ และส่งคืน JSON ที่ถอดรหัสแล้ว

เหมาะที่สุดสำหรับ: การดำเนินการใดๆ บน GitHub ในเวิร์กโฟลว์ของเอเจนต์ ตั้งแต่การอ่านสถานะ PR ไปจนถึงการเปิด issues

ข้อจำกัดที่ตรงไปตรงมา: ใช้ได้กับ GitHub เท่านั้น และชื่อฟิลด์ที่ใช้กับ --json จะแตกต่างกันไปตามคำสั่งย่อย ดังนั้นเอเจนต์จะต้องตรวจสอบต่อคำสั่ง

ripgrep

ripgrep (rg) คือวิธีที่เอเจนต์ค้นหาสิ่งต่างๆ ใน codebase ได้อย่างรวดเร็ว แฟล็กที่เกี่ยวข้องกับเอเจนต์คือ --json ซึ่งส่งออกเหตุการณ์การจับคู่ที่มีโครงสร้างแทนบรรทัดแบบ grep ทั่วไป

brew install ripgrep
rg --json "TODO" src/ | jq 'select(.type=="match") | .data.path.text'

แต่ละการจับคู่ พร้อมกับเหตุการณ์เริ่มต้น/สิ้นสุดและสรุป จะออกมาเป็นออบเจกต์ JSON แยกต่างหาก พร้อมด้วยเส้นทางไฟล์, หมายเลขบรรทัด และข้อความที่ตรงกันในรูปแบบฟิลด์ที่มีประเภท ซึ่งปลอดภัยกว่ามากสำหรับเอเจนต์มากกว่าการแยกสตริง file:line:text ซึ่งจะพังเมื่อเจอเส้นทางหรือโค้ดที่มีเครื่องหมายโคลอน

เหมาะที่สุดสำหรับ: การค้นหาโค้ดที่มีโครงสร้างอย่างรวดเร็วใน repository ขนาดใหญ่ ก่อนที่เอเจนต์จะตัดสินใจว่าจะแก้ไขอะไร

ข้อจำกัดที่ตรงไปตรงมา: เอาต์พุต --json ค่อนข้างละเอียดและต้องการ jq จึงจะมีประโยชน์; สำหรับการค้นหาแบบครั้งเดียวอย่างรวดเร็ว โหมดข้อความธรรมดาจะง่ายกว่า

jq

jq คือตัวเชื่อมประสาน เครื่องมือเกือบทั้งหมดข้างต้นส่งออก JSON และ jq คือวิธีที่เอเจนต์ใช้ในการตัด, กรอง และปรับโครงสร้างข้อมูลก่อนที่จะดำเนินการ มันเป็นไบนารีขนาดเล็กที่มีวัตถุประสงค์เดียวที่ทำงานได้ดีเยี่ยม

brew install jq
curl -s https://api.github.com/repos/cli/cli | jq '{name, stars: .stargazers_count}'

เนื่องจาก jq เป็นแบบกำหนดค่าได้และรองรับการสตรีม มันจึงเข้ากันได้อย่างลงตัวใน shell pipeline ของเอเจนต์: รับ JSON จากเครื่องมือหนึ่ง, ดึงสองฟิลด์ที่เอเจนต์ต้องการ, แล้วส่งต่อไปยังคำสั่งถัดไป มันจะคืนค่าที่ไม่ใช่ศูนย์เมื่อเกิดข้อผิดพลาดในการแยกวิเคราะห์ ดังนั้นการตอบกลับจากต้นทางที่เสียหายจะปรากฏขึ้นแทนที่จะถูกส่งผ่านไปอย่างเงียบๆ

เหมาะที่สุดสำหรับ: การแปลง JSON ของเครื่องมือใดๆ ให้เป็นรูปแบบที่ขั้นตอนถัดไปของเอเจนต์คาดหวัง

ข้อจำกัดที่ตรงไปตรงมา: ภาษาคิวรีมีช่วงการเรียนรู้ และมันประมวลผลเฉพาะ JSON เท่านั้น ดังนั้นควรจับคู่กับเครื่องมือข้างต้นแทนที่จะชี้ไปที่ log ดิบ

HTTPie

เมื่อเอเจนต์จำเป็นต้องเรียกใช้ HTTP API โดยตรง HTTPie (http) เป็นมิตรมากกว่า curl ดิบ มันสื่อสารด้วย JSON เป็นค่าเริ่มต้น: ฟิลด์บนบรรทัดคำสั่งจะกลายเป็น JSON request body และการตอบกลับจะถูกแยกวิเคราะห์ให้คุณ

brew install httpie
http --print=b POST httpbin.org/post name=apidog role=cli

แฟล็ก --print ควบคุมว่าอะไรจะปรากฏบน stdout อย่างแม่นยำ (b สำหรับ body เท่านั้น) ซึ่งสำคัญเมื่อเอเจนต์ต้องการแยกวิเคราะห์การตอบกลับโดยไม่ต้องลบเฮดเดอร์ก่อน เนื่องจากฟิลด์คำขอเป็นคู่ key=value เอเจนต์จึงสามารถสร้างคำขอโดยใช้โปรแกรมได้โดยไม่ต้องประกอบสตริง JSON ด้วยตนเอง curl เป็นตัวเลือกสำรองที่เป็นสากลมากกว่า แต่ค่าเริ่มต้นที่เน้น JSON ของ HTTPie นั้นง่ายกว่าสำหรับเอเจนต์ในการใช้งาน

เหมาะที่สุดสำหรับ: การเรียกใช้ API แบบครั้งเดียวที่เขียนสคริปต์ได้รวดเร็ว โดยที่ JSON เข้าและ JSON ออกเป็นเรื่องปกติ

ข้อจำกัดที่ตรงไปตรงมา: เป็นการพึ่งพาเพิ่มเติมในขณะที่ curl มีอยู่แล้วทุกที่ และสำหรับการสตรีมหรือโปรโตคอลที่แปลกประหลาด curl ยังคงเป็นที่หนึ่ง

apidog-cli

เครื่องมือส่วนใหญ่ในรายการนี้ถูกสร้างขึ้นสำหรับมนุษย์และต่อมาก็มีแฟล็ก --json apidog-cli แตกต่างออกไป: เอาต์พุตของมันถูกออกแบบมาเป็น JSON ที่มีโครงสร้าง และมันยังก้าวไปอีกขั้นด้วยการรวม agentHints.nextSteps ไว้ในผลตอบรับ; เครื่องมือนี้บอกเอเจนต์ที่เรียกใช้ว่าสามารถทำอะไรต่อไปได้ นี่คือคุณสมบัติที่ CLIs อื่นๆ ไม่มี

มันเป็น CLI สำหรับโปรเจกต์ API เต็มรูปแบบ ไม่ใช่แค่ตัวรันการทดสอบ ไบนารีเดียวจัดการ endpoints, schemas (โมเดลข้อมูล), mocks, environments, การนำเข้าและส่งออก, เอกสาร, สถานการณ์ทดสอบ และ branches ติดตั้งและยืนยันตัวตน:

npm install -g apidog-cli
apidog login --with-token <YOUR_TOKEN>
apidog run --help

สำหรับคุณสมบัติที่เหมาะกับเอเจนต์ที่สำคัญในที่นี้: apidog run จะคืนค่า 0 เมื่อการทดสอบทั้งหมดผ่าน และไม่ใช่ 0 เมื่อมีความล้มเหลวใดๆ ดังนั้นเอเจนต์จึงสามารถตัดสินใจได้จากรหัสออกโดยไม่ต้องวิเคราะห์เอาต์พุตเลย การตอบกลับ JSON จะมีคำแนะนำขั้นตอนถัดไปเหล่านั้น เพื่อให้เอเจนต์ที่จัดการเวิร์กโฟลว์สามารถเชื่อมโยงคำสั่งได้โดยไม่ต้องให้มนุษย์มาวางแผนลำดับ นี่คือเหตุผลที่เครื่องมือนี้ปรากฏอยู่ในชุดเอเจนต์ต่างๆ: Apidog CLI ใน Claude Code, Apidog CLI ใน Codex และ Apidog CLI ใน Cursor ล้วนอาศัยเอาต์พุตที่มีโครงสร้างเดียวกันนี้

มีคุณสมบัติความปลอดภัยของเอเจนต์อีกอย่างที่ควรกล่าวถึง เอเจนต์ที่มีสิทธิ์เขียนถึงโปรเจกต์ API ที่ใช้งานจริงสามารถเขียนทับหรือลบ endpoints และ schemas จริงได้ AI Branch ของ Apidog (apidog branch --type ai) จะให้ branch ที่แยกต่างหากสำหรับเอเจนต์ในการแก้ไข; branch ต้นฉบับจะไม่ถูกแตะต้อง และจะไม่มีการเปลี่ยนแปลงใดๆ จนกว่าคุณจะอนุมัติคำขอรวม (merge request) ดู AI Branch สำหรับเอเจนต์ AI สำหรับรูปแบบทั้งหมด และ การสร้างชุดทดสอบสำหรับเอเจนต์ AI รวมถึง Apidog CLI ในเวิร์กโฟลว์เอเจนต์ AI สำหรับวิธีการนำไปใช้ใน pipeline

เหมาะที่สุดสำหรับ: การให้เอเจนต์มีเครื่องมือเดียวที่เป็น JSON-native สำหรับวงจรชีวิต API ทั้งหมด พร้อมคำแนะนำและแซนด์บ็อกซ์การแก้ไขที่ปลอดภัยในตัว

ข้อจำกัดที่ตรงไปตรงมา: Apidog ไม่ใช่โอเพนซอร์ส; เป็นผลิตภัณฑ์เชิงพาณิชย์ที่มีเวอร์ชันฟรี ดังนั้นจึงเป็นตัวเลือกที่แตกต่างจากไบนารี MIT ที่มีวัตถุประสงค์เดียว เช่น jq หรือ ripgrep และไม่มี OpenAPI linter ดังนั้นควรจับคู่กับ Spectral หรือ Redocly หากการบังคับใช้สไตล์เป็นส่วนหนึ่งของเวิร์กโฟลว์ของคุณ

วิธีเลือก

ไม่มีผู้ชนะเพียงคนเดียว รันไทม์คือตัวเอเจนต์; เครื่องมือคือสิ่งที่เอเจนต์ถืออยู่ จับคู่เครื่องมือกับงาน

เลือกรันไทม์หนึ่งตัวเพื่อขับเคลื่อนงาน จากนั้นจัดหาชุดเครื่องมือ CLIs ขนาดเล็ก สำหรับสิ่งใดๆ ที่เกี่ยวข้องกับ API ของคุณ ข้อเสนอที่ตรงไปตรงมาคือการเชื่อมต่อ curl, mock server และ test runner เข้าด้วยกันนั้นใช้ได้ผล แต่ CLI ที่เป็น JSON-native และรู้ขั้นตอนต่อไปอยู่แล้วจะช่วยลดโค้ดเชื่อมต่อจำนวนมาก

สรุป

“Agent-fit” ไม่ใช่คำทางการตลาด; แต่เป็นคุณสมบัติที่เป็นรูปธรรมสามประการ นั่นคือ เอาต์พุตที่มีโครงสร้างที่เอเจนต์สามารถวิเคราะห์ได้, โหมดไม่โต้ตอบที่ไม่เคยค้าง และรหัสออกที่เอเจนต์สามารถใช้ในการตัดสินใจได้ รันไทม์ (Claude Code, Codex CLI, Gemini CLI, Cursor CLI) นำมาซึ่งเหตุผล; ส่วนเครื่องมือ CLIs (gh, ripgrep, jq, HTTPie, apidog-cli) ทำหน้าที่ทำงาน

apidog-cli ได้รับตำแหน่งของมันด้วยการเริ่มต้นในจุดที่เครื่องมืออื่นๆ สิ้นสุด: JSON เป็นค่าเริ่มต้น, รหัสออกที่คุณเชื่อถือได้ และคำแนะนำขั้นตอนถัดไปที่เอเจนต์อ่านได้โดยตรง หากงานของเอเจนต์ของคุณเกี่ยวข้องกับ API ให้ ดาวน์โหลด Apidog และลองใช้ CLI หรือเริ่มต้นด้วย คู่มือ Apidog CLI ฉบับสมบูรณ์ จากนั้นเชื่อมต่อเข้ากับ CI ของคุณ; นั่นคือจุดที่เอาต์พุตที่เหมาะกับเอเจนต์จะให้ผลตอบแทนคุ้มค่า