# สร้าง LLM Agent ที่ถาวร
SUMMARY: คู่มือทีละขั้นตอนในการสร้าง LLM agent ที่จดจำข้าม session โดยใช้ Synapse

ภาพรวม
คู่มือนี้นำคุณผ่านการสร้าง LLM agent ที่เก็บ context ข้าม session โดยใช้ Synapse เมื่อจบ คู่มือ agent ของคุณจะ:
- Recall context ในอดีตที่จุดเริ่มต้น session
- เก็บสิ่งที่เรียนรู้ใหม่เมื่อเกิดขึ้น
- ติดตาม task หลายขั้นตอนข้าม session
- สื่อสารกับ human ผ่าน async chat
Architecture
[CODE BLOCK]
ขั้นตอนที่ 1: ตั้งค่า Mind Key
[CODE BLOCK]
ขั้นตอนที่ 2: โปรโตคอลเริ่ม Session
ที่จุดเริ่มต้นของทุก session ให้ recall memory ทั้งหมด:
[CODE BLOCK]
ขั้นตอนที่ 3: เก็บสิ่งที่เรียนรู้ใหม่
เมื่อใดก็ตามที่ agent เรียนรู้สิ่งที่คุ้มค่าจดจำ:
[CODE BLOCK]
ขั้นตอนที่ 4: การจัดการ Task
ติดตามงานหลายขั้นตอนข้าม session:
[CODE BLOCK]
ขั้นตอนที่ 5: Async Chat กับ Human
Poll ข้อความระหว่างการเรียก tool:
[CODE BLOCK]
ขั้นตอนที่ 6: โปรโตคอลสิ้นสุด Session
ที่สิ้นสุด session เก็บ context สุดท้าย:
[CODE BLOCK]
รูปแบบสมบูรณ์
[CODE BLOCK]
แนวทางปฏิบัติที่ดีที่สุด
> [!TIP]
>
> - recall ก่อนเสมอ — อย่าเริ่มงานโดยไม่โหลด context
> - เก็บอย่าง proactive — อย่ารอจนสิ้นสุด session
> - ใช้ key ที่มีความหมาย — , , ไม่ใช่ 
> - tag ทุกอย่าง — tag เป็นพลังของการค้นหาและกรอง
> - ตั้ง priority สมจริง — ไม่ใช่ทุกอย่างเป็น 
ขั้นตอนถัดไป
- LLM Cookbook — รูปแบบปฏิบัติ
- Memory Best Practices
- Multi-Agent Coordination