งานวิจัย

Clevi SaaS (Coding Agent, ARI, การทดสอบเรดทีม)

Clevi ได้สร้างรูปแบบธุรกิจ SaaS (Software as a Service) ผ่านโมเดลภาษาขนาดใหญ่

Clevi ได้สร้างรูปแบบธุรกิจ SaaS (Software as a Service) ผ่านโมเดลภาษาขนาดใหญ่

ต่อจากนี้ เราจะแนะนำโมเดลต่าง ๆ ที่สร้างขึ้นผ่านโมเดลภาษาขนาดใหญ่ของ Clevi ทีละรายการ

SaaS (Software as a Service) หมายถึงรูปแบบธุรกิจบนคลาวด์ที่ให้บริการผ่านอินเทอร์เน็ตในรูปแบบบริการ โดยไม่ต้องติดตั้งซอฟต์แวร์

โมเดล SaaS หลักของ Clevi ได้แก่ (Coding Agent, เวิร์กโฟลว์ ARI ที่ใช้ภาษาธรรมชาติ, เอเจนต์รักษาความปลอดภัย (การทดสอบเรดทีม))

Clevi Coding Agent (Clevi Coding Agent)

รูปภาพในเนื้อหา

เอเจนต์เขียนโค้ด AI รุ่นถัดไป

  • Clevi Coding Agent ใช้ LLM ล่าสุด (cip-5-agent) เป็นพื้นฐาน และมอบประสิทธิภาพด้านความเข้าใจ การสร้าง และการวิเคราะห์โค้ดในระดับเทียบเท่า Claude 4.5 Sonnet และ OpenAI Codex
  • รับประกันความแม่นยำและความสม่ำเสมอในระดับสูง แม้ในลอจิกทางธุรกิจที่ซับซ้อน โครงการขนาดใหญ่ และสภาพแวดล้อมแบบหลายโมดูล

โครงสร้าง AI แบบเอเจนติก (Agentic)

  • ไม่ใช่ AI เพียงตัวเดียว แต่เป็นโครงสร้างที่เอเจนต์เฉพาะทางในแต่ละบทบาท เช่น การประสานงาน สถาปัตยกรรม การเขียนโค้ด QA การรีวิว และการดีบัก ทำงานร่วมกัน
  • เอเจนต์แต่ละตัวดำเนินงานโดยแบ่งหน้าที่กัน และดำเนินการทำให้กระบวนการพัฒนาทั้งหมดเป็นอัตโนมัติและเหมาะสมที่สุด
  • AI ดำเนินการเชิงรุกตลอดกระบวนการ ตั้งแต่การวิเคราะห์ข้อกำหนด การออกแบบ การนำไปใช้งาน การทดสอบ การรีวิวโค้ด ไปจนถึงการดีบัก

การรองรับการเขียนโปรแกรมอย่างครอบคลุมและการนำไปใช้จริง

  • รองรับภาษาและเฟรมเวิร์กทั้งหมดที่ใช้งานอยู่ในปัจจุบัน เช่น Python, Java, C/C++, Javascript, TypeScript, Go และ Rust
  • ทำให้กระบวนการพัฒนาทั้งหมดเป็นอัตโนมัติ เช่น การสร้างโค้ด การรีแฟกเตอร์อัตโนมัติ การเขียนโค้ดทดสอบ การตรวจจับและแก้ไขบั๊ก การจัดทำเอกสาร และการรีวิวโค้ด
  • ปรับให้เหมาะสมกับสภาพแวดล้อมระดับองค์กร เช่น การวิเคราะห์โค้ดเบสขนาดใหญ่ การย้ายโค้ดรุ่นเก่า และการสร้างเอกสาร API โดยอัตโนมัติ

รองรับ On-premises และ SaaS

  • SaaS (Cloud API): เริ่มใช้งานได้รวดเร็ว ไม่มีภาระในการบำรุงรักษา รองรับการทำงานร่วมกันแบบเรียลไทม์ และขยายระบบได้ง่าย
  • On-premises (ติดตั้งภายในองค์กร): เหมาะสำหรับวัตถุประสงค์เฉพาะ เช่น ความปลอดภัย อธิปไตยของข้อมูล และการปฏิบัติตามข้อกำหนด สามารถเลือกใช้งานได้อย่างยืดหยุ่นตามนโยบายความปลอดภัยขององค์กร ตำแหน่งที่จัดเก็บข้อมูล และสภาพแวดล้อมเครือข่าย

รองรับการใช้งานร่วมกับ IDE และสภาพแวดล้อมการพัฒนาที่หลากหลาย

  • รองรับปลั๊กอินและส่วนขยายสำหรับ IDE หลัก เช่น Visual Studio Code, JetBrains (IDEA, PuCharm เป็นต้น), Eclipse และ Jupyter Notebook
  • สามารถผสานรวมกับไปป์ไลน์ CI/CD พอร์ทัลการพัฒนาภายในองค์กร และเครื่องมือแบบกำหนดเองได้อย่างง่ายดายในรูปแบบ API/SDK

ARI (แพลตฟอร์มสำหรับสร้างและจัดการเอเจนต์ระบบอัตโนมัติของเวิร์กโฟลว์ด้วยภาษาธรรมชาติ)

ARI คือแพลตฟอร์มสร้างเอเจนต์อัจฉริยะที่ออกแบบ ดำเนินการ และจัดการเวิร์กโฟลว์โดยใช้คำสั่งภาษาธรรมชาติเพียงอย่างเดียว โดยผสานรวมกลุ่มโมเดล reasoning ของ CLEVI (cip-5-agent, cip-5-vision, ivy-4-mm เป็นต้น) เข้ากับ MCP (Model Context Protocol), การเชื่อมต่อกับ API ภายนอก และระบบปลั๊กอิน เพื่อสร้างเวิร์กโฟลว์เอเจนต์ที่พร้อมทำงานได้โดยอัตโนมัติทันทีที่ป้อนคำสั่ง

ภาพประกอบในเนื้อหา

ภาพการทำงานของ ARI แพลตฟอร์มระบบอัตโนมัติของเวิร์กโฟลว์ที่สร้างขึ้นบนพื้นฐานของโมเดล cip-5-agent

ฟังก์ชันหลัก

  • การออกแบบด้วยภาษาธรรมชาติ: เพียงป้อนคำสั่งว่า “สร้างเวิร์กโฟลว์สำหรับจัดทำรายงานโดยอัตโนมัติ” ระบบจะสร้างและเชื่อมต่อโหนดโดยอัตโนมัติ
  • การเชื่อมต่อกับ MCP, API ภายนอก และปลั๊กอิน: เปิดเผยและเรียกใช้เครื่องมือ ข้อมูล และทรัพยากรอย่างปลอดภัยด้วย MCP ที่เป็นมาตรฐาน พร้อมขยายการใช้งาน API ภายใน/ภายนอกองค์กรและปลั๊กอินจากบุคคลที่สามได้อย่างง่ายดาย
  • การเพิ่มประสิทธิภาพแบบวนซ้ำ (Recursive Optimization): ประเมินผลลัพธ์จากการทำงาน แล้วแก้ไขหรือปรับโครงสร้างโหนด หรือโค้ด/พารามิเตอร์ที่สร้างขึ้นโดยอัตโนมัติ เพื่อปรับปรุงความแม่นยำและประสิทธิภาพอย่างต่อเนื่อง
  • รองรับมัลติโมดัล: รองรับอินพุต/เอาต์พุตที่เป็นข้อความ รูปภาพ และเอกสาร พร้อมแสดงผลลัพธ์เป็นแผนผังโหนดแบบภาพ ช่วยให้ติดตามและตรวจสอบได้ง่าย
  • การกำกับดูแล/ความปลอดภัย: รองรับสิทธิ์การเข้าถึง การบันทึก日志 และประวัติเวอร์ชัน เพื่อให้มั่นใจถึงความสามารถในการตรวจสอบและการทำซ้ำผลลัพธ์ในสภาพแวดล้อมระดับองค์กร

ความแตกต่างและคุณค่าทางเทคนิค

  • เมื่อเทียบกับเครื่องมือแบบเดิมที่เน้นการเชื่อมต่อโหนดด้วยตนเอง เอเจนต์จะดำเนินการวนรอบปิดด้วยตนเอง ตั้งแต่ “ทำความเข้าใจเป้าหมาย → วางแผน → ดำเนินการ → ตรวจสอบผลลัพธ์ → แก้ไขอัตโนมัติ” (ผสาน CTA·ToolCalling·Semantic DB)
  • ทำให้การเชื่อมโยงเครื่องมือ/ทรัพยากรเป็นมาตรฐานด้วย MCP จึงมีความสามารถในการย้ายระบบและขยายระบบสูง พร้อมมอบประสบการณ์การพัฒนาที่เหมือนกันทั้งในสภาพแวดล้อม On-premises และ SaaS
  • ขยายขอบเขตการทำงานอัตโนมัติทั่วทั้งองค์กรด้วยการควบคุมแบบบูรณาการร่วมกับ Coding Agent·Physical AI·โซลูชัน On-prem

ประโยชน์ที่คาดว่าจะได้รับ

  • แม้แต่ผู้ที่ไม่ใช่นักพัฒนาก็สามารถออกแบบและดำเนินการระบบอัตโนมัติที่ซับซ้อนด้วยภาษาธรรมชาติ พร้อมลดต้นทุนการดำเนินงานและยกระดับตัวชี้วัดคุณภาพ (ความแม่นยำ/เวลาในการประมวลผล) ได้พร้อมกันด้วยการปรับให้เหมาะสมแบบวนซ้ำโดยอิงจากผลลัพธ์
  • สามารถขยายไปยังงาน/ระบบใหม่ได้อย่างรวดเร็วโดยใช้ประโยชน์จากมาตรฐาน (MCP) และระบบนิเวศปลั๊กอิน

เอเจนต์รักษาความปลอดภัย Clevi (การทดสอบ Red Team)

Clevi Purple Agent เป็นเอเจนต์รักษาความปลอดภัยอัจฉริยะที่อัปเดตฐานข้อมูล CVE ของสหรัฐอเมริกาโดยอัตโนมัติทุกวันเพื่อให้ได้ข้อมูลช่องโหว่ล่าสุด และใช้ข้อมูลดังกล่าวในการตรวจจับ ตรวจสอบ และรายงานช่องโหว่ด้านความปลอดภัยของเครือข่ายภายใน เซิร์ฟเวอร์ เครือข่าย และแอปพลิเคชันด้วยวิธีการแบบแฮ็กเกอร์หมวกขาว (การโจมตีจำลองและการจำลองสถานการณ์) เพียงกำหนดเป้าหมายด้วยภาษาธรรมชาติ (เช่น windows, web server, โฟลเดอร์/ชื่อไฟล์ที่ระบุ) รองรับวงจรเต็มรูปแบบตั้งแต่การตรวจจับอัตโนมัติ → การตรวจสอบตามสถานการณ์ → การสร้างรายงาน และได้รับการออกแบบให้ใช้งานได้ในสภาพแวดล้อม On-premises และเครือข่ายแยก จึงเหมาะสำหรับอุตสาหกรรมที่มีความอ่อนไหวด้านกฎระเบียบ เช่น ภาครัฐ การเงิน และการผลิต

รูปภาพในเนื้อหา

<หน้าจอ GUI ของเอเจนต์รักษาความปลอดภัย clevi>

ฟังก์ชันหลัก

การซิงโครไนซ์ฟีด CVE รายวันโดยอัตโนมัติ

  • ซิงโครไนซ์แหล่งข้อมูล NVD/CVE ของสหรัฐอเมริกาและข้อมูลข่าวกรองภัยคุกคามภายใน (ไปป์ไลน์การรวบรวมข้อมูล) ทุกวัน เพื่อรักษารายการช่องโหว่ล่าสุด

การกำหนดเป้าหมายด้วยภาษาธรรมชาติ (อินเทอร์เฟซผู้ปฏิบัติงานที่ใช้งานง่าย)

  • ผู้ใช้สามารถกำหนดเป้าหมายการตรวจจับด้วยภาษาธรรมชาติ/คีย์เวิร์ดอย่างง่าย เช่น “windows”, “เซิร์ฟเวอร์เฉพาะ:10.10.0.5”, “/var/www/html” (ตัวอย่าง: รองรับรูปแบบการป้อนข้อมูลในแผงด้านซ้ายผ่าน UI)

เอนจินตรวจสอบแบบแฮ็กเกอร์หมวกขาวจำลอง (ไม่ทำลายระบบ)

  • จำลองตรวจสอบความเป็นไปได้ของการมีช่องโหว่ในสภาพแวดล้อมแซนด์บ็อกซ์/อีมูเลชันที่ปลอดภัย (พยายาม Exploit → จำลองช่องโหว่โดยไม่สังเกตผลกระทบ) เพื่อประเมินว่ามีช่องโหว่หรือไม่และระดับความเสี่ยง โดยไม่ทำให้บริการจริงหยุดชะงัก

การสร้างรายงานและจัดลำดับความสำคัญโดยอัตโนมัติ

  • ส่งการแจ้งเตือนสรุปให้ผู้ดูแลระบบทันทีที่ตรวจพบ (อีเมล/Slack/ทิกเก็ต) และสร้างรายงาน PDF/HTML โดยอัตโนมัติ ซึ่งรวมผลกระทบและลำดับความสำคัญของช่องโหว่ (ตำแหน่งที่มีช่องโหว่ สรุปเงื่อนไขการทำซ้ำ และมาตรการที่แนะนำ)

เชื่อมโยงกับสถานการณ์·เพลย์บุ๊ก (ตัวเลือกสำหรับเชื่อมโยงการดำเนินการอัตโนมัติ)

  • ในสภาพแวดล้อมที่ได้รับอนุมัติ สามารถทริกเกอร์การดำเนินการสถานการณ์การแพตช์·การบรรเทาชั่วคราวโดยอัตโนมัติ (ใช้กฎป้องกันก่อนแพตช์) ได้ (ต้องผ่านขั้นตอนการอนุมัติตามนโยบายการปฏิบัติงาน)

การเชื่อมโยงบันทึกแบบรวมศูนย์·SIEM

  • รวมบันทึกระบบ·บันทึกการตรวจจับ·ผลลัพธ์รายงานเข้ากับ SIEM/พอร์ทัลความปลอดภัย เพื่อให้สามารถตรวจสอบและตรวจประเมินได้อย่างต่อเนื่อง

สิทธิ์การเข้าถึง·การตรวจประเมิน·ธรรมาภิบาล

  • การตรวจจับและการตรวจสอบยืนยันทั้งหมดจะถูกบันทึกพร้อมบัญชีผู้ใช้·การอนุมัติ·เวลาประทับ เพื่อเตรียมพร้อมสำหรับการตรวจประเมินตามกฎหมายและข้อบังคับ

ความแตกต่างและคุณค่าทางเทคนิค

ความเป็นปัจจุบันแบบเรียลไทม์·รายวัน

  • สามารถติดตามผลกระทบได้ทันทีหลังการเปิดเผยช่องโหว่แบบซีโรเดย์ ด้วยไปป์ไลน์อัปเดต CVE/NVD อัตโนมัติรายวัน

การแมปช่องโหว่ด้วย AI

  • AI จะจับคู่เป้าหมายที่ระบุด้วยภาษาธรรมชาติกับคำอธิบายทางเทคนิคของ CVE (ภาษาอังกฤษ·ภาษาเกาหลี) และจัดลำดับความสำคัญของความเป็นไปได้ในการเปิดเผยของระบบดังกล่าว (ความเหมาะสมกับช่องโหว่)

สถาปัตยกรรมการจำลองแบบไม่ทำลาย

  • รับประกันความปลอดภัยด้วยการตรวจสอบใน ‘แซนด์บ็อกซ์จำลอง’ ที่ไม่ทำให้บริการของลูกค้าหยุดชะงัก

ตัวเลือกการติดตั้งใช้งานสำหรับองค์กร

  • รองรับทั้ง SaaS·ภายในองค์กร·เครือข่ายแยก (SVCE) จึงสามารถปฏิบัติตามข้อบังคับสำหรับภาครัฐและสถาบันการเงินได้

การสร้างรายงาน·การตรวจสอบย้อนกลับแบบอัตโนมัติ

  • ลดความเสี่ยงด้านการปฏิบัติงานด้วยเส้นทางการตรวจประเมินที่สมบูรณ์ตั้งแต่การตรวจจับ→การตรวจสอบยืนยัน→การรายงาน (เวอร์ชัน·ประวัติ·ผู้รับผิดชอบ)

การประสานงานแบบรวมศูนย์

  • เชื่อมโยงกับ ARI (แพลตฟอร์มเวิร์กโฟลว์) รวมถึงระบบจัดการแพตช์·ระบบทิกเก็ตภายใน เพื่อทำให้ลูปซ้ำของ PoC→แพตช์→การตรวจสอบยืนยันเป็นอัตโนมัติ

ผลลัพธ์ที่คาดหวัง (ผลกระทบทางธุรกิจ)

การลดความเสี่ยงล่วงหน้า

  • ป้องกันความเสี่ยงจากการถูกเจาะระบบจริงล่วงหน้า ด้วยการตรวจสอบการเปิดเผยอย่างรวดเร็วต่อ CVE ที่เปิดเผยใหม่

เพิ่มประสิทธิภาพการปฏิบัติงาน

  • ประหยัดเวลาและกำลังคนของทีมรักษาความปลอดภัยด้วยการทำงานตรวจสอบช่องโหว่·การจัดทำรายงานที่ทำซ้ำเป็นประจำให้เป็นอัตโนมัติ

เสริมความแข็งแกร่งด้านข้อบังคับ·การปฏิบัติตามข้อกำหนด

  • จัดเตรียมบันทึกการตรวจสอบและรายงานที่สามารถตรวจประเมินได้ ซึ่งสอดคล้องกับข้อกำหนดด้านกฎระเบียบ เช่น PIPA/CSAP

สนับสนุนการตัดสินใจอย่างรวดเร็ว

  • สามารถตัดสินใจลำดับความสำคัญของการแพตช์·การบรรเทาได้อย่างรวดเร็วด้วยรายงานจัดลำดับความสำคัญตามผลกระทบ

ติดต่อและขอเดโม: [email protected]

ลิขสิทธิ์© 2025 Clevi Inc. สงวนลิขสิทธิ์ทั้งหมด

กลับไปยังห้องข่าว

ภาษาและภูมิภาค

ภาษาที่แปลโดยเครื่องแปลจะถูกแปลโดย clevi/cip-5.5-im และมีการระบุว่าเป็นภาษาที่แปลโดยเครื่องแปล ใช้กับภาษาที่มีชุดเว็บไซต์เผยแพร่แล้ว

137 ภาษา

แนะนำ

1

เอเชียตะวันออก

7

เอเชียตะวันออกเฉียงใต้

11

เอเชียใต้

18

เอเชียกลาง

5

ตะวันออกกลางและคอเคซัส

10

ยุโรปตะวันตกและยุโรปใต้

17

สหราชอาณาจักรและไอร์แลนด์

4

ยุโรปเหนือ

10

ยุโรปกลางและบอลข่าน

14

ยุโรปตะวันออก

5

แอฟริกาตะวันออก

8

แอฟริกาตะวันตกและแอฟริกากลาง

9

แอฟริกาตอนใต้

8

อเมริกา

5

โอเชียเนีย

5