Pydantic AI 2.60.0 เพิ่มห้องแยกให้ AI ทำงาน พร้อมสิทธิ์รายคำขอ

Pydantic AI 2.60.0 เพิ่มพื้นที่ทำงานแยกใหม่ 2 แบบ คือ DockerSandbox และ BoxLiteSandbox สำหรับงานของ AI agent หรือโปรแกรมที่ให้ AI เรียกเครื่องมือมาทำงานต่อได้เอง จุดที่เกี่ยวกับชีวิตคนทำงานคือขอบเขตที่โปรแกรมเหล่านี้เข้าถึง เมื่อเราจะให้มันช่วยจัดการไฟล์หรือทำงานในระบบของบริษัท (GitHub)

ผมว่าเรื่องน่าจับตาของรุ่นนี้อยู่ที่การจัดพื้นที่ทำงานกับสิทธิ์เข้าถึง รุ่นนี้ให้การเชื่อมต่อเครื่องมือใช้สิทธิ์ตามการทำงานแต่ละรอบได้ด้วย แทนการผูกทุกคนไว้กับสิทธิ์ชุดเดียว แนวทางนี้ควรช่วยจำกัดวงผลกระทบได้เมื่อผู้พัฒนากำหนดสิทธิ์อย่างเหมาะสม แต่ตัวความสามารถไม่ได้ยืนยันว่าแอปที่ใช้จะตั้งค่าถูกแล้วครับ (GitHub)

สรุป 30 วินาที: เกิดอะไรขึ้น

Pydantic AI เป็นชุดเครื่องมือสำหรับผู้พัฒนาที่ใช้ Python ซึ่งเป็นภาษาเขียนโปรแกรม หน้าของแพ็กเกจหรือชุดซอฟต์แวร์ระบุว่ารุ่น 2.60.0 ต้องใช้ Python ตั้งแต่ 3.11 ขึ้นไป จึงเป็นข่าวที่เกี่ยวกับทีมสร้างผู้ช่วย AI มากกว่าการอัปเดตแอปที่ทุกคนต้องกดติดตั้งในมือถือ (PyPI)

ของใหม่ที่ควรรู้มีทั้ง sandbox หรือห้องทดลองปิดที่ให้ AI รันโค้ด, RelevanceCompaction สำหรับจัดการบทสนทนายาว, SmartSearch สำหรับค้นหาโค้ดด้วยภาษาอังกฤษทั่วไป และ FileUnderstanding ซึ่งบันทึกรุ่นระบุว่าเพิ่มเข้ามา แต่ไม่ได้อธิบายรายละเอียดการทำงานไว้ในข้อความที่ได้รับ (GitHub)

อีกส่วนคือการเชื่อมต่อ MCP ซึ่งในบริบทนี้เป็นช่องทางให้ agent ติดต่อเครื่องมือภายนอก สามารถส่งข้อมูลยืนยันสิทธิ์และข้อมูลประกอบการเชื่อมต่อตามบริบทของแต่ละรอบการทำงานได้ ขณะเดียวกันก็มีข้อมูลเพิ่มให้ส่วนเลือกโมเดล และเริ่มเลิกแนะนำส่วนประกอบเก่าบางตัว ซึ่งทีมพัฒนาต้องอ่านก่อนอัปเกรด (GitHub, ReleaseBytes)

ทำไมเรื่องนี้เกี่ยวกับคุณ

ถ้าคุณเป็นพนักงานออฟฟิศหรือเจ้าของกิจการ ประเด็นที่ควรถามทีมทำระบบคือผู้ช่วย AI ได้แตะข้อมูลอะไร และทำงานในชื่อใคร เพราะรุ่นนี้เพิ่มความสามารถให้แต่ละรอบเชื่อมต่อเครื่องมือในฐานะผู้ใช้ของรอบนั้นโดยเฉพาะ นี่เป็นเหตุผลให้ตรวจการออกแบบสิทธิ์ของแอปที่กำลังจะนำมาใช้ มากกว่าดูเพียงว่ามันตอบเก่งแค่ไหน (GitHub)

สำหรับนักเรียน นักศึกษา หรือผู้ปกครองที่อ่านข่าว AI ข่าวนี้ไม่ได้ระบุว่าบริการที่คุณใช้อยู่ใช้ Pydantic AI หรือได้รับผลจากรุ่นนี้ ข้อมูลที่ยืนยันได้คือโครงการรองรับการนำ agent ไปใช้หลังหน้าเว็บ ในหน้าต่างพิมพ์คำสั่ง งานเสียง และงานเบื้องหลัง อย่าเพิ่งตีความว่าแชตบอตทุกตัวจะมีห้องแยกหรือสิทธิ์รายผู้ใช้ตามนี้โดยอัตโนมัติ (PyPI)

ถ้าคุณเป็นคนเขียน Python เรื่องนี้เกี่ยวกับงานตรงกว่าเดิม เพราะรุ่นนี้มีทั้งของใหม่และรายการความเข้ากันได้กับโค้ดเดิม ผมแนะนำให้แยกการทดสอบความสามารถใหม่ออกจากการตรวจพฤติกรรมเดิม เช่น การอ่านประวัติสนทนา การเรียกเครื่องมือ และการจัดการงานที่ต้องลองใหม่ โดยอ้างอิงรายการเปลี่ยนแปลงกับคู่มืออัปเกรดประกอบกัน (GitHub, Pydantic Docs)

ทำงานยังไง

DockerSandbox ให้พื้นที่ทำงานรันอยู่ใน container บน Docker หรือ Podman ภายในเครื่อง คำว่า container ในที่นี้ให้เข้าใจว่าเป็นสภาพแวดล้อมแยกสำหรับรันงาน ส่วน BoxLiteSandbox ใช้ micro-VM หรือเครื่องเสมือนขนาดเล็กของ BoxLite ภายในเครื่องเช่นกัน บันทึกรุ่นยังบอกว่า SmolSandboxBackend ใช้เครื่องเสมือนที่แอปมีอยู่แล้วได้ แต่ไม่ได้ให้ผลทดสอบเปรียบเทียบระดับการแยกหรือความเร็วของแต่ละแบบ (GitHub)

ภาพจำแบบไทย ๆ คือให้เด็กฝึกงานทำงานในห้องแล็บแยก ไม่ใช่โต๊ะบัญชี เราต้องตัดสินใจเองว่าจะยื่นเอกสารอะไรเข้าไป และอนุญาตให้ทำอะไรบ้าง การมีห้องจึงเป็นจุดเริ่มต้นของการกำหนดขอบเขต ไม่ใช่เหตุผลให้เอารหัสทุกระบบวางไว้ด้วยกัน ส่วนคำอธิบายทางเทคนิคที่แหล่งข่าวยืนยันมีเพียงรูปแบบพื้นที่ทำงานข้างต้น ยังไม่มีรายละเอียดครบพอให้สรุปว่าปิดกั้นทุกช่องทางแล้ว (GitHub)

RelevanceCompaction คือวิธีย่อบทสนทนายาวโดยให้โมเดลอีกส่วนทำหน้าที่ประเมินความเกี่ยวข้อง แล้วจัดอันดับแต่ละช่วงของประวัติเก่าเพื่อตัดสินใจว่าจะเก็บ ลดรายละเอียด หรือทิ้ง คำว่า compaction จึงไม่ได้หมายถึงการบันทึกทุกถ้อยคำไว้เหมือนเดิม ประเด็นที่ผมแนะนำให้ทดสอบคือเงื่อนไขสำคัญของงานยังอยู่ครบหรือไม่ หลังจากบทสนทนาถูกลดรายละเอียดแล้ว (GitHub)

SmartSearch เป็นความสามารถค้นหาโค้ดด้วยคำอธิบายภาษาอังกฤษทั่วไป และเลือกโมเดลที่ทำหน้าที่ประเมินผลได้ ต่างจากการที่เราจะสรุปต่อเองว่าค้นภาษาไทยได้ดีแค่ไหน ซึ่งแหล่งข่าวไม่ได้ให้ข้อมูล ส่วน FileUnderstanding มีชื่ออยู่ในรายการของใหม่ แต่ไม่มีรายละเอียดชนิดไฟล์หรือขอบเขตการอ่าน จึงยังไม่ควรรับปากกับผู้ใช้ว่าจะอ่านเอกสารทุกแบบได้ (GitHub)

ด้านสิทธิ์รายรอบ MCPToolset ซึ่งเป็นส่วนเชื่อมชุดเครื่องมือ MCP รับตัวกำหนดสิทธิ์และ headers หรือข้อมูลประกอบการเชื่อมต่อ โดยคำนวณจากบริบทของรอบนั้นได้ ผลที่บันทึกรุ่นระบุคือแต่ละรอบเชื่อมต่อเป็นผู้ใช้ของตัวเอง ความหมายในทางออกแบบคือส่งสิทธิ์ต่อคำขอ แทนใส่ครั้งเดียวทั้งแอป แต่ทีมพัฒนายังต้องเป็นผู้เลือกว่าจะส่งสิทธิ์ของใครและกว้างแค่ไหน (GitHub)

ส่วน ModelSelectionContext คือชุดข้อมูลประกอบการเลือกโมเดล รุ่นนี้เพิ่มข้อมูลเพดานการใช้งาน กำหนดเวลาสิ้นสุด รหัสรอบการทำงาน รหัสบทสนทนา รวมถึงจำนวนและงบการลองสร้างคำตอบใหม่ ข้อมูลเหล่านี้เปิดทางให้ผู้พัฒนานำไปประกอบการตัดสินใจ แต่รายการเปลี่ยนแปลงไม่ได้บอกว่าระบบจะเลือกโมเดลที่ถูกที่สุดหรือประหยัดเงินให้อัตโนมัติ (GitHub)

จุดสังเกต: ขอบเขตข้อมูลสำคัญพอ ๆ กับพื้นที่รันโค้ด

บันทึกรุ่นไม่ได้มีแค่ sandbox แต่ยังระบุการตัดคำสั่งระดับคำขอออกจากประวัติที่ไม่น่าเชื่อถือ และตัดข้อมูลกำกับข้อความที่ลูกข่ายส่งมาในคำขอผู้ใช้ด้วย ใจความสำหรับคนทั่วไปคือข้อมูลเก่าที่รับเข้ามาไม่ควรได้อำนาจสั่งงานเพียงเพราะมันดูเหมือนคำสั่งของระบบ (GitHub)

ยังมีการปรับให้ผลจากงานเบื้องหลังของ agent ย่อยถูกส่งเป็นข้อมูลที่มีกรอบกำกับ แทนการใส่ไว้ในส่วนคำสั่งระบบ และแก้ BrowserUse ให้เก็บข้อมูลลับไว้กับเว็บไซต์ที่อนุญาตและไม่ปล่อยออกไปในผลของเครื่องมือ รายการเหล่านี้ชี้ว่าทีมกำลังแก้หลายจุดที่เกี่ยวกับอำนาจของข้อมูล แต่ไม่ได้เป็นหลักฐานว่าปัญหาทั้งหมดหมดไปแล้ว (GitHub)

อีกจุดที่ต้องเผื่อเวลาให้ทีมคือ RetryPromptPart และ OpenAIDecisionsProvider ถูกประกาศเลิกแนะนำการใช้ โดยตัวหลังเปลี่ยนไปใช้ OpenAIProvider กับ OpenAIDecisionsModel ส่วนตัวแรกแยกบทบาทระหว่างผลของเครื่องมือที่ต้องลองใหม่กับข้อความแจ้งให้ลองสร้างคำตอบใหม่ ชื่ออาจดูไกลตัว แต่คนดูแลแอปต้องตรวจว่าระบบบันทึกและอ่านประวัติงานของตัวเองอย่างไร (GitHub, Pydantic Docs)

เรื่องเงิน / ผลกระทบ

แหล่งข้อมูลไม่มีตัวเลขว่ารุ่นนี้ลดค่าใช้บริการ AI ได้เท่าไร และไม่มีผลวัดว่า DockerSandbox หรือ BoxLiteSandbox ใช้ทรัพยากรต่างกันแค่ไหน จึงยังคำนวณเงินที่กิจการจะประหยัดไม่ได้ การย่อประวัติและการเพิ่มข้อมูลให้ส่วนเลือกโมเดลเป็นความสามารถที่ต้องนำมาทดสอบกับงานจริงของแต่ละทีมก่อนประเมินความคุ้มค่า (GitHub, ReleaseBytes)

รุ่นนี้เพิ่มระดับ thinking effort ชื่อ “max” ซึ่งเป็นระดับความพยายามในการคิดในชุดค่ากลางของระบบ แต่บันทึกรุ่นไม่ได้ยืนยันว่าโมเดลทุกตัวรองรับเหมือนกัน หรือให้ตัวเลขความเร็ว ราคา และความแม่นยำ ผมแนะนำให้มองเป็นตัวเลือกที่ต้องวัดผลก่อนใช้ ไม่ควรตั้งสูงสุดแล้วถือว่างบประมาณจะดูแลตัวเองครับ (GitHub)

ต้นทุนการย้ายรุ่นก็มีเรื่องพฤติกรรมที่ต้องทบทวน คู่มือ V2 ระบุว่าค่าเริ่มต้นของการจบงานเปลี่ยนให้เครื่องมือที่โมเดลเรียกมาพร้อมคำตอบสำเร็จยังทำงานต่อได้ แทนที่จะถูกข้าม นี่เป็นการเปลี่ยนของ V2 ที่คนย้ายจาก V1 ต้องรู้ ไม่ใช่รายการใหม่เฉพาะ 2.60.0 และเป็นเหตุผลให้ทดสอบงานที่มีผลต่อข้อมูลก่อนเปิดใช้จริง (Pydantic Docs)

ข้อมูลที่ยังไม่ชัด และจุดที่แหล่งข่าวพูดไม่ตรงกัน

GitHub ระบุวันที่ของ v2.60.0 เป็น 22 ตุลาคม 2026 ขณะที่บทสรุปของ ReleaseBytes ลงวันที่ 23 ตุลาคม 2026 ข้อความทั้งสองเป็นคนละรายการวันที่ จึงไม่ควรฟันธงว่าใครผิด และวันที่รุ่นใน GitHub ไม่มีเวลาพร้อมเขตเวลาให้แปลงเป็นเวลาไทย ส่วนข้อความ PyPI ที่ได้รับยืนยันหมายเลขแพ็กเกจ แต่ไม่ได้แสดงเวลาการอัปโหลดให้ตรวจทานตรง ๆ (GitHub, ReleaseBytes, PyPI)

เอกสาร Upgrade Guide ที่ได้รับมีวันที่กำกับ 4 กันยายน 2025 แต่เนื้อหาพูดถึง V2 และการเปลี่ยนแปลงที่ตรงกับรายการใหม่บางส่วน ผมจึงใช้เนื้อหาเป็นคำอธิบายการย้ายรุ่น โดยไม่ตีความว่าวันที่กำกับนั้นคือวันเปิดตัว 2.60.0 หรือวันแก้ไขล่าสุดของทุกย่อหน้า (Pydantic Docs)

ReleaseBytes สรุปของใหม่สอดคล้องกับรายการหลัก แต่ไม่ได้แนบผลทดสอบอิสระที่พิสูจน์ความแข็งแรงของพื้นที่แยก ข้อความที่ได้รับก็ยังไม่บอกสิทธิ์เริ่มต้นทั้งหมดของ sandbox การเชื่อมต่อเครือข่าย หรือว่าทุกการกระทำต้องได้รับอนุมัติก่อนหรือไม่ จึงต้องตรวจการตั้งค่าและพฤติกรรมของแอปที่จะใช้จริงเพิ่มเติม (ReleaseBytes, GitHub)

ยังไม่มีข้อมูลว่ามีองค์กรไทยใดได้รับผลกระทบ ไม่มีผลทดสอบภาษาไทยของ SmartSearch และไม่มีรายการชนิดไฟล์ของ FileUnderstanding ในข้อความที่ให้มา การไม่พบข้อมูลเหล่านี้ไม่ได้เท่ากับยืนยันว่าใช้ไม่ได้ เพียงแต่ยังไม่มีหลักฐานพอจะรับรองให้ผู้อ่านครับ (GitHub, ReleaseBytes)

แล้วเราควรทำอะไร

คนใช้ AI ทำงาน เจ้าของกิจการ และผู้จัดซื้อระบบ

1. ขอให้ทีมระบบระบุว่ามี Pydantic AI อยู่ในงานหรือไม่ และเป็นรุ่นใด อย่าอาศัยชื่อฟีเจอร์จากข่าวเพื่อสรุปว่าบริการที่ซื้อใช้มีความสามารถเหล่านี้แล้ว เพราะแหล่งข่าวอธิบายชุดเครื่องมือสำหรับสร้างแอป (PyPI)
2. หากจะใช้สิทธิ์แยกตามผู้ใช้ ให้ทีมสาธิตด้วยบัญชีทดสอบที่มีสิทธิ์ต่างกัน แล้วตรวจว่าข้อมูลและงานที่ทำได้สอดคล้องกับบัญชีนั้น คำแนะนำนี้เป็นวิธีตรวจการนำความสามารถรายรอบไปใช้ ไม่ใช่ผลรับรองจากผู้พัฒนา (GitHub)
3. ให้ทดลองในโครงการใช้แล้วทิ้งหรือสภาพแวดล้อมทดสอบก่อน ใช้ข้อมูลจำลองและอย่าใช้ข้อมูลรับรองสิทธิ์ของระบบงานจริง เนื่องจากแหล่งข่าวยังไม่มีรายละเอียดพอจะรับรองขอบเขตความปลอดภัยทั้งหมดของพื้นที่แยกใหม่ (GitHub)

นักพัฒนา Python และทีมดูแลระบบ

1. ตรวจ Python ขั้นต่ำ 3.11 และอ่านรายการความเข้ากันได้ก่อนเปลี่ยนรุ่น ถ้ามาจาก V1 ให้ทบทวนคำเตือนเลิกใช้กับพฤติกรรมของ V2 เพิ่มเติม คู่มือแนะนำให้จัดการคำเตือนบน V1 ก่อนแล้วค่อยย้ายไป V2 เพื่อกระจายงานแก้ไข (PyPI, Pydantic Docs)
2. ทดลอง sandbox กับงานจำลองที่รู้ผลลัพธ์ไว้ก่อน ตรวจพื้นที่ที่อ่านเขียนได้และสิทธิ์ที่คุณเป็นผู้มอบให้ แยกการทดสอบนี้ออกจากการวัดคุณภาพคำตอบ เพราะบันทึกรุ่นยืนยันชนิดพื้นที่ทำงาน แต่ไม่ได้รับรองผลการตั้งค่าของแอปคุณ (GitHub)
3. ทดสอบบทสนทนายาวก่อนและหลังใช้ RelevanceCompaction โดยตรวจข้อกำหนดสำคัญกับคำตอบปลายทาง รวมถึงตรวจงานลองใหม่และประวัติสนทนาที่เก็บไว้ เพราะคู่มืออธิบายว่าการแสดงข้อความลองใหม่เปลี่ยนไปแม้เป็นประวัติที่บันทึกก่อนอัปเกรด (GitHub, Pydantic Docs)
4. หากเคยใช้การเชื่อมต่อ MCP ที่เกี่ยวข้องกับประกาศข้อมูลสิทธิ์รั่วในบันทึกติดตาม ให้จำกัดคนเข้าถึงบันทึกเก่าและเปลี่ยนข้อมูลรับรองที่ถูกเปิดเผยตามคำแนะนำของโครงการ การอัปเกรดอย่างเดียวไม่ใช่ขั้นตอนจัดการข้อมูลเก่าที่ครบถ้วน (GitHub)

หลักฐานความปลอดภัยและความเสี่ยงที่ยังเหลือ

ด้านที่มา หน้าของแพ็กเกจบน PyPI ชี้แหล่งซอร์สไปยังคลังทางการ pydantic/pydantic-ai บน GitHub และหน้ารุ่นแสดงแท็ก v2.60.0 ลงวันที่ 22 ตุลาคม 2026 หลักฐานนี้ช่วยเทียบชื่อโครงการกับหมายเลขรุ่น ส่วนบทสรุป ReleaseBytes ลงวันที่ 23 ตุลาคม 2026 แต่การมีที่มาชัดเจนยังไม่ใช่ผลตรวจว่าทุกความสามารถปลอดภัยในทุกสถานการณ์ (PyPI, GitHub, ReleaseBytes)

ประวัติรุ่นที่ให้มามีประกาศความปลอดภัยอยู่จริง รุ่น 2.59.0 และ 1.107.9 แก้ปัญหาระดับสูงในการแปลงหน้าเว็บ HTML หรือข้อความโครงสร้างหน้าเว็บ ซึ่งเนื้อหาที่ผู้โจมตีควบคุมอาจทำให้งานอื่นในกระบวนการเดียวกันล่าช้า ส่วนรุ่น 2.58.0 และ 1.107.8 แก้ปัญหาระดับกลางที่ข้อมูลการเชื่อมต่อ MCP รวมถึงข้อมูลยืนยันสิทธิ์อาจปรากฏในบันทึกติดตามคำขอ (GitHub)

อีกรายการใน 2.58.0 เกี่ยวกับส่วนเชื่อมหน้าจอผู้ใช้ ซึ่งในเงื่อนไขที่ระบุอาจเรียกเครื่องมือที่มีอยู่ด้วยข้อมูลที่ลูกข่ายเลือก โดยไม่ผ่านคำขอไปยังโมเดล ประกาศบอกว่าเครื่องมือที่กำหนดให้ต้องอนุมัติจะไม่ถูกเรียกผ่านทางนี้ และ V1 ไม่ได้รับผลจากปัญหานี้ แต่ข้อความดังกล่าวไม่ได้แปลว่าเครื่องมือทุกตัวต้องขออนุมัติเป็นค่าเริ่มต้น (GitHub)

ข้อมูลเรื่องค่าเริ่มต้นที่เห็นชัดอีกส่วนคือ PyPI อธิบายการเข้าถึงไฟล์ภายในพื้นที่งานและคำสั่งที่อยู่ในรายการอนุญาตของ coding agent ขณะที่คู่มือบอกว่า V2 เปลี่ยนพฤติกรรมการจบงานจนเครื่องมือที่มากับคำตอบสำเร็จยังทำงานได้ ข้อมูลเหล่านี้ไม่พอให้สรุปว่าการติดตั้งรุ่นใหม่เปิดสิทธิ์กว้างหรือแคบแค่ไหนสำหรับทุกแอป ต้องตรวจตัวเลือกที่ประกอบขึ้นเป็นระบบนั้นด้วย (PyPI, Pydantic Docs)

ความเสี่ยงที่ยังต้องตรวจจึงมีทั้งขอบเขตสิทธิ์ ข้อมูลลับในบันทึกเก่า และข้อมูลสำคัญที่อาจถูกลดออกจากประวัติ ผมแนะนำให้เริ่มด้วยโครงการใช้แล้วทิ้งหรือระบบทดสอบเท่านั้น ไม่ใช้ข้อมูลรับรองของระบบงานจริง และไม่ถือว่าคำว่า sandbox เป็นการรับประกันความปลอดภัยร้อยเปอร์เซ็นต์ รายการแก้ไขกับความสามารถใหม่เป็นหลักฐานของสิ่งที่เปลี่ยน ไม่ใช่ใบรับรองการตั้งค่าของเรา (GitHub)

ผมมองว่า…

ผมมองว่า ในความเห็นของผม คุณค่าของรุ่นนี้ไม่ใช่ AI ที่มีเครื่องมือเพิ่ม แต่คือโอกาสจัดขอบเขตงานกับสิทธิ์ให้ชัดขึ้น ทั้งพื้นที่รันโค้ดแยกและการเชื่อมต่อในชื่อผู้ใช้แต่ละรอบเป็นจุดที่ทีมทำระบบควรนำมาทดลองอย่างมีโจทย์ ส่วนรายการความสามารถที่เป็นฐานของมุมมองนี้อยู่ในบันทึกรุ่น ไม่ใช่ผลทดสอบจากผม (GitHub)

ถ้าต้องเลือกระหว่างเปิดของใหม่พร้อมกันทั้งหมดกับทดสอบทีละส่วน ผมเลือกอย่างหลัง เริ่มจากงานจำลองที่ตรวจคำตอบและสิทธิ์ได้ง่าย แล้วค่อยพิจารณาว่าความสามารถใดคุ้มกับภาระดูแลเพิ่ม นี่เป็นข้อเสนอด้านการใช้งานของผม ไม่มีตัวเลขในแหล่งข่าวที่รับรองว่าจะประหยัดเวลาหรือเงินได้เท่าไร

ปิดท้าย: สิ่งที่ต้องจับตา

สิ่งที่ควรติดตามต่อคือรายละเอียดสิทธิ์และการตั้งค่าของพื้นที่แยกใหม่ ขอบเขต FileUnderstanding และผลทดสอบ RelevanceCompaction กับงานที่มีข้อกำหนดยาว เพราะข้อความที่มีอยู่ยังให้รายละเอียดไม่ครบในประเด็นเหล่านี้ ส่วนของเก่าที่ประกาศเลิกแนะนำก็ไม่ควรปล่อยค้าง คู่มือระบุว่าสิ่งที่เลิกแนะนำใน V2 จะยังทำงานจนถึง V3 และมีคำเตือนบอกตัวแทนที่ควรใช้ (GitHub, Pydantic Docs)

สำหรับธุรกิจในไทยที่ใช้ชุดเครื่องมือนี้ จุดเริ่มต้นที่ทำได้คือให้ทีมตอบให้ชัดว่าระบบใช้รุ่นไหน ส่งสิทธิ์ของใคร และได้ลองกับข้อมูลจำลองแล้วหรือยัง ไม่จำเป็นต้องจำชื่อทุกคลาส แต่ควรเห็นผลทดสอบก่อนมอบข้อมูลกับสิทธิ์ที่มีมูลค่าจริงให้ระบบทำงาน

Recap

• ตรวจว่าระบบของเราใช้ Pydantic AI และรุ่นใดก่อนวางแผนอัปเกรด
• ให้ทีมตรวจข้อกำหนด Python และรายการความเข้ากันได้กับโค้ดเดิม
• ทดลอง DockerSandbox หรือ BoxLiteSandbox ในโครงการใช้แล้วทิ้งก่อน
• ใช้ข้อมูลจำลองและไม่ใช้ข้อมูลรับรองสิทธิ์ของระบบงานจริงในการทดลอง
• ทดสอบว่าการเชื่อมต่อรายรอบใช้สิทธิ์ตรงกับผู้ใช้ที่ควรเป็น
• ตรวจว่าเงื่อนไขสำคัญยังอยู่หลังย่อประวัติสนทนา
• ทบทวนคำเตือนเลิกใช้และพฤติกรรมเครื่องมือหลังย้ายรุ่น
• ตรวจบันทึกเก่าหากเกี่ยวข้องกับประกาศข้อมูลสิทธิ์รั่ว และวัดต้นทุนก่อนเปิดใช้กว้างขึ้น