จุดแข็ง
- latency ต่ำที่สุดในกลุ่ม Claude
- extended thinking พร้อมงบโทเค็น
- อินพุตข้อความและรูปภาพ
- เหมาะอย่างยิ่งกับงานของ sub-agent
เหมาะที่สุดสำหรับ
- แอปพลิเคชันแบบเรียลไทม์
- การประมวลผลปริมาณมาก
- ชั้นแรกของ cascade
รันใน EDDI
เส้นทางที่เร็วที่สุดคือ Manager: เปิด agent wizard หรือ Platform Operator แล้วเลือกผู้ให้บริการและโมเดล หากต้องการกำหนดค่าเอง ให้ทำตามขั้นตอนเหล่านี้สำหรับผู้ให้บริการที่คุณต้องการ
Anthropic · type: "anthropic"
Model id: claude-haiku-4-5
1. เก็บ credential
เพิ่ม API key ของผู้ให้บริการลงใน Secrets Vault ใน Manager หรือด้วย PUT /secretstore/secrets/default/anthropic-key โดยใช้ชื่อตามด้านล่าง การกำหนดค่าจะอ้างอิงคีย์เป็น ${vault:…} คีย์จึงไม่ปรากฏเป็นข้อความธรรมดาเลย
${vault:anthropic-key}2. กำหนดค่า LLM task
ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "anthropic",
"parameters": {
"apiKey": "${vault:anthropic-key}",
"modelName": "claude-haiku-4-5",
"maxTokens": "16384",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}หรือสร้างทั้งเอเจนต์ในการเรียกครั้งเดียว
setup_agent เขียน rules, การกำหนดค่า LLM และเวิร์กโฟลว์ แล้ว deploy เอเจนต์ให้ เรียกผ่าน MCP หรือ POST /administration/agents/setup
setup_agent(
agentName: "My claude-haiku-4-5 agent",
systemPrompt: "You are a helpful assistant.",
provider: "anthropic",
model: "claude-haiku-4-5",
apiKey: "${vault:anthropic-key}"
)Amazon Bedrock · type: "bedrock"
Model id: anthropic.claude-haiku-4-5-20251001-v1:0
1. เก็บ credential
ผู้ให้บริการนี้ไม่ใช้ API key: Amazon Bedrock ยืนยันตัวตนผ่าน AWS credential chain: ตัวแปรสภาพแวดล้อม, IAM role หรือ ~/.aws/credentials
2. กำหนดค่า LLM task
ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "bedrock",
"parameters": {
"modelId": "anthropic.claude-haiku-4-5-20251001-v1:0",
"region": "us-east-1",
"maxTokens": "16384",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}หมายเหตุสำหรับ EDDI
- ชั้นแรกที่ดีใน model cascade: เร็วและราคาไม่แพง และยกระดับไปยังโมเดลที่ใหญ่กว่าเฉพาะเมื่อความเชื่อมั่นต่ำ
โมเดลที่เกี่ยวข้อง
แหล่งที่มา
ข้อมูลในหน้านี้มาจากเอกสารของผู้ผลิต ตรวจสอบเมื่อ 2026-09-30 โมเดลเปลี่ยนแปลงเร็ว จึงควรยืนยันขีดจำกัดกับผู้ผลิตก่อนนำไปใช้ ราคาไม่ได้แสดงไว้ที่นี่: ดูหน้าราคาของผู้ผลิต