Microsoft ประกาศว่า Prompt Flow ของ Azure AI Foundry จะหยุดรับฟีเจอร์ใหม่ในวันที่ 20 เมษายน 2026 และจะถูกยกเลิกการใช้งาน (retired) ในวันที่ 20 เมษายน 2027 โดยขอให้เหล่านักพัฒนาเปลี่ยนย้ายเวิร์กโหลดไปยัง Microsoft Agent Framework กำหนดการนี้มีความสำคัญเนื่องจาก runtime images ที่ขับเคลื่อน Prompt Flow จะไม่ได้รับการอัปเดตด้านความปลอดภัยอีกต่อไป ซึ่งจะสร้างปัญหาด้านการปฏิบัติตามข้อกำหนด (compliance) สำหรับองค์กรใดก็ตามที่ยังคงใช้งานบริการนี้อยู่

Prompt Flow คือเครื่องมือจัดการลำดับงานแบบภาพ (visual orchestrator) ของ Azure AI Foundry สำหรับ pipeline ของ large-language-model (LLM) โดย "flow" คือโฟลเดอร์ที่บรรจุไฟล์ flow.dag.yaml ซึ่งอธิบายถึง input, output และลำดับของ node ต่างๆ ตัว visual editor ช่วยให้ผู้ใช้สามารถลากและวางคอมโพเนนต์ได้ แต่ไฟล์ YAML ที่อยู่เบื้องหลังคือสิ่งที่ระบบ version-control ใช้ในการติดตามการเปลี่ยนแปลงจริง

ทำไมการเปลี่ยนแปลงนี้จึงสำคัญ

  • ความเสี่ยงด้านการปฏิบัติตามข้อกำหนด (Compliance risk) – หากไม่มีการอัปเดตด้านความปลอดภัย ช่องโหว่ใดๆ ที่พบใน runtime images จะไม่ได้รับการแก้ไข ซึ่งหน่วยงานกำกับดูแลมักจะระบุว่าโค้ดที่ไม่มีการดูแลรักษาถือว่าไม่เป็นไปตามข้อกำหนด โดยเฉพาะอย่างยิ่งเมื่อโค้ดนั้นมีการจัดการกับข้อมูลประจำตัว (credentials)

แนวคิดหลักที่คุณยังจำเป็นต้องทราบ

แม้ว่าคุณกำลังวางแผนที่จะเลิกใช้ Prompt Flow แต่รูปแบบ (patterns) ที่เครื่องมือนี้ส่งเสริมยังคงมีคุณค่า การทำความเข้าใจรูปแบบเหล่านี้จะช่วยให้การเปลี่ยนผ่านไปยัง Agent Framework เป็นไปอย่างราบรื่น

  • การกำหนดค่าแบบอิงโฟลเดอร์ (Folder-based definition) – ไฟล์ YAML ของ flow จะระบุทุก node, ประเภท และ data contracts ของมัน ควรเก็บไฟล์นี้ไว้ใน source control เพราะมันคือแหล่งข้อมูลความจริงหนึ่งเดียว (single source of truth)
  • Python nodes สำหรับงานที่คาดเดาผลลัพธ์ได้ (deterministic work) – ใช้ Python steps สำหรับการ parse, การตรวจสอบความถูกต้อง (validation) หรือตรรกะใดๆ ที่ต้องให้ผลลัพธ์เหมือนเดิมเมื่อได้รับ input แบบเดิม วิธีนี้จะช่วยแยกการเรียกใช้งาน LLM ที่ไม่แน่นอน (nondeterministic) ออกไป และทำให้การทดสอบในขั้นตอนถัดไป (downstream testing) ง่ายขึ้น
  • Connection objects สำหรับความลับ (secrets) – ข้อมูลประจำตัว (credentials) จะถูกเก็บไว้ในฟิลด์ connection แยกต่างหาก ไม่ได้อยู่ในโค้ด การออกแบบนี้ช่วยให้คุณสามารถสลับคีย์สำหรับสภาพแวดล้อมการพัฒนา (development keys) เป็นคีย์สำหรับใช้งานจริง (production keys) ได้โดยไม่ต้องแก้ไขการกำหนดค่าของ flow
  • ชุดข้อมูลการประเมิน (Evaluation datasets) – ฟีเจอร์ที่แข็งแกร่งที่สุดของ Prompt Flow คือลูปการประเมิน (evaluation loop) ที่มีมาให้ในตัว ไฟล์ JSONL ที่จับคู่ input ที่สมจริงกับ output ที่คาดหวังสามารถนำไปใช้ซ้ำใน framework ใดก็ได้ ให้ถือว่ามันเป็นข้อมูลทดสอบที่เคลื่อนย้ายได้ (portable test data)
  • ตัวชี้วัดระดับระบบ (System-level metrics) – การวัดผลเฉพาะ output ของ node เดียวอาจทำให้เข้าใจผิดได้ ควรใช้การตรวจสอบแบบ deterministic (เช่น regex matches) ควบคู่ไปกับตัวชี้วัดแบบ end-to-end เพื่อตรวจจับความผิดพลาด (regressions) ที่อาจปรากฏขึ้นหลังจาก pipeline ทั้งหมดทำงานเสร็จสิ้นเท่านั้น

แผนผังการย้ายระบบ (Migration roadmap)

การย้ายจาก Prompt Flow ไปยัง Agent Framework ไม่ใช่การคลิกแล้วแปลงไฟล์ได้ทันที แต่จำเป็นต้องเขียนความหมาย (semantics) ของแต่ละ node ใหม่

  1. จับคู่ LLM nodes – แทนที่บล็อก LLM แบบ visual ด้วยการเรียกใช้ API ที่ชัดเจนซึ่งถูกห่อหุ้มไว้ใน agent class โดย agent ควรรับ input schema แบบเดียวกับที่กำหนดไว้ใน YAML เดิม
  2. แปลง Python nodes – ย้ายโค้ด Python ไปเป็นฟังก์ชันหรือเมธอดทั่วไปที่ orchestrator ตัวใหม่สามารถเรียกใช้งานได้ และรักษา deterministic contracts ที่คุณสร้างไว้รอบๆ โค้ดเหล่านั้น
  3. เชื่อมต่อ connections ใหม่ – ส่งออก (export) การกำหนดค่า connection จาก Prompt Flow และนำเข้า (import) ไปยัง secret store ของ Agent Framework ตรวจสอบให้แน่ใจว่าค่าเฉพาะของแต่ละสภาพแวดล้อม (environment-specific values) ยังคงทำงานได้อย่างถูกต้อง
  4. ย้ายข้อมูลการประเมิน – นำไฟล์ JSONL ที่มีอยู่ใส่เข้าไปใน test harness ของ framework ใหม่ ปรับการคำนวณตัวชี้วัด (metric calculations) ให้ตรงกับรูปแบบการรายงานของ Agent Framework
  5. ตรวจสอบความถูกต้องแบบ end-to-end – รัน pipeline ทั้งหมดด้วยตัวอย่าง traffic จริง เปรียบเทียบ output สุดท้ายกับ baseline เดิมของ Prompt Flow เพื่อตรวจหาความคลาดเคลื่อน (drift)
  6. ปรับปรุงการจัดการลำดับงาน (orchestration) – หาก workflow ของคุณต้องการความทนทาน (resilience) เมื่อมีการเริ่มกระบวนการใหม่ (process restarts) ให้พิจารณาใช้ Azure Durable Functions หรือ durable orchestrator อื่นๆ แทนการสร้าง visual flow ขึ้นมาใหม่

สิ่งที่ควรจับตามองต่อไป

สรุปประเด็นสำคัญ: ให้ถือว่ากำหนดเส้นตายในเดือนเมษายน 2027 เป็นจุดสิ้นสุดที่เลี่ยงไม่ได้ ให้หยุดโครงการ Prompt Flow ใหม่ๆ ไว้ก่อน แล้วดึงส่วนประกอบที่นำกลับมาใช้ใหม่ได้—เช่น YAML definitions, Python logic, connection configs และ evaluation data—มาเริ่มสร้างใหม่ใน Agent Framework ในขณะที่ยังมีการอัปเดตด้านความปลอดภัยอยู่ การลงมือทำตั้งแต่ตอนนี้จะช่วยป้องกันการย้ายระบบที่เร่งรีบและเสี่ยงอันตรายในภายหลัง

ที่มา: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn