Austin Marchese ครีเอเตอร์สาย AI Workflow เผยแพร่วิดีโอ "How Anthropic Engineers ACTUALLY Prompt Claude Code" โดยรวบรวมข้อมูลจากการพูดคุยกับทีมวิศวกรของ Anthropic ในงาน AI Code Summit ผสานกับเอกสารเชิงเทคนิคของ Anthropic เอง

สาระสำคัญที่เขาสรุปคือ คนส่วนใหญ่ยังติดกับดักการพิมพ์ prompt ยาวๆ ใหม่ทุกครั้ง ทั้งที่วิศวกรของ Anthropic ทำงานด้วยวิธีคิดที่ต่างออกไปอย่างสิ้นเชิง โดยเน้นการสร้าง Skill ที่นำกลับมาใช้ซ้ำและต่อยอดความฉลาดได้เรื่อยๆ

บทความนี้สรุป 4 กฎเหล็กที่วิศวกร Anthropic ใช้จริง เพื่อช่วยให้ผู้ใช้ Claude Code ในไทยยกระดับ workflow ของตัวเองได้อย่างเป็นระบบ

1. กฎข้อที่ 1: Prompt หา Skill ไม่ใช่ Prompt หา Claude

Austin ตั้งข้อสังเกตว่า ผู้ใช้ทั่วไปมักเริ่มต้นด้วยการพิมพ์คำสั่งใหม่ทุกรอบสำหรับงานที่ต้องทำซ้ำๆ แต่วิศวกรของ Anthropic จะสร้าง Claude Skills ขึ้นมาเก็บไว้ล่วงหน้า โดยนิยามว่า "Skills are organized collections of files that package composable procedural knowledge for agents" หรือพูดง่ายๆ คือ Skill เป็นโฟลเดอร์ที่เก็บขั้นตอนและบริบทการทำงานเฉพาะเรื่องไว้ให้ AI หยิบไปใช้

ตัวอย่างเช่น แทนที่จะต้องพิมพ์บรีฟยาวๆ ทุกครั้งที่ต้องการร่างอีเมลตอบกลับ เราสามารถสร้าง Skill ชื่อ /draft-email ที่บันทึกน้ำเสียง (Brand Voice) และรูปแบบการตอบเอาไว้ เมื่อจะใช้งานจริงก็เพียงพิมพ์ slash command พร้อมแนบเนื้อหาอีเมลต้นทาง

การเปลี่ยนผ่านนี้คือ Mental Shift จากการ "คิดคำสั่งใหม่ทุกครั้ง" ไปสู่การ "เลือกใช้ Skill ที่มีอยู่แล้ว" หากเราตั้งชื่อและเขียนคำอธิบาย Skill ไว้อย่างชัดเจน Claude จะสามารถประเมินและเลือกดึง Skill นั้นมาใช้งานได้เองโดยอัตโนมัติ

2. กฎข้อที่ 2: Skill ไม่ใช่แค่ Prompt แต่ประกอบด้วย 3 ชั้น

ความเข้าใจผิดยอดฮิตคือการมองว่า Skill เป็นเพียง Prompt สำเร็จรูปที่เซฟเก็บไว้ แต่ในความเป็นจริง Skill ที่ทรงพลังประกอบด้วย 3 องค์ประกอบหลัก:

1. Description: ทำหน้าที่เหมือนป้ายชื่อหน้าแฟ้ม Claude จะอ่านส่วนนี้เพื่อตัดสินใจว่าจะหยิบ Skill มาใช้หรือไม่ หากเขียนคลุมเครือ AI อาจเลือกใช้ผิดงาน แต่ถ้าเขียนเจาะจง AI จะเรียกใช้ได้ตรงจังหวะแม้ผู้ใช้ไม่ได้พิมพ์ชื่อสั่งตรงๆ
2. Instructions: คู่มือขั้นตอนการทำงาน (Playbook) ที่ระบุลำดับสิ่งที่ต้องทำทีละขั้นอย่างชัดเจน
3. Tools: จุดสร้างความได้เปรียบ (Leverage) ที่คนส่วนใหญ่มองข้าม Tools ในที่นี้ครอบคลุมตั้งแต่ Script อัตโนมัติ, การเรียก API ไปจนถึงไฟล์อ้างอิง

Eric จากทีม Anthropic เล่าว่า ปัญหาที่พบบ่อยคือคนมักทุ่มเวลาไปกับการขัดเกลา Prompt ให้สละสลวย แต่กลับส่ง Tools พื้นฐานที่ไม่มีเอกสารอธิบายหรือตั้งชื่อตัวแปรแบบขอไปที ทำให้โมเดลทำงานผิดพลาด

Austin ยกตัวอย่างงานตรวจสอบชื่อโดเมน แทนที่จะถามตอบกับ Claude ทีละรอบ เขาสร้าง Skill ที่มี Python Script สำหรับยิงเช็กโดเมนโดยตรง ทำให้ AI ตรวจสอบโดเมนพร้อมกันได้หลายหมื่นรายการอย่างแม่นยำ วิศวกร Anthropic จึงให้ความสำคัญกับการพัฒนา Tools ที่มีคุณภาพ มากกว่าการแต่ง Prompt ให้สวยงามเพียงอย่างเดียว

3. กฎข้อที่ 3: ออกแบบ Skill ให้ Composable ไม่ใช่ Monolithic

เอกสารวิศวกรรมของ Anthropic ระบุชัดเจนว่า Skill ที่ดีต้องมีคุณสมบัติ Composable (ประกอบร่างกันได้), Portable (ย้ายไปใช้ที่อื่นได้) และ Efficient (ใช้ทรัพยากรอย่างคุ้มค่า)

Austin เล่าว่า ตอนเริ่มต้น เขาเคยสร้าง Skill ก้อนใหญ่ก้อนเดียวชื่อ /content-creation ที่รวมตั้งแต่การหาไอเดีย เขียนสคริปต์ ไปจนถึงร่างโพสต์โซเชียล ผลลัพธ์คือ Skill นั้นซับซ้อนเกินไป พอต้องการแก้สไตล์สคริปต์ก็กระทบส่วนอื่น สุดท้ายเขาจึงแยกย่อยออกเป็น Skill เล็กๆ เฉพาะทาง เช่น YouTube Idea Research, YouTube Script Writer และ LinkedIn Post Generator แล้วให้แต่ละตัวทำงานเชื่อมโยงกัน

ข้อดีของการแยก Skill ย่อยมี 3 ประการ:

• ตรวจหาจุดผิดพลาดง่าย: เมื่อเกิดปัญหาจะรู้ได้ทันทีว่าติดขัดที่โมดูลไหน
• การปรับปรุงส่งผลทบต้น: เมื่ออัปเกรด Skill ย่อยตัวหนึ่ง ทุก Workflow ที่เรียกใช้จะเก่งขึ้นทันที
• นำกลับมาใช้ซ้ำได้สูง: สามารถนำ Skill ย่อยไปเสียบเข้ากับโปรเจกต์ใหม่ได้ทันที

นอกจากนี้ยังมี 2 เทคนิคสำคัญจากวิศวกร Anthropic:

• บันทึก Deterministic Script ไว้ใน Skill: Barry จาก Anthropic เผยว่า เมื่อเห็น Claude เขียนโค้ดจัดรูปแบบสไลด์เดิมซ้ำๆ ทีมงานจะสั่งให้เซฟโค้ดนั้นเป็น Script ใน Skill สำหรับรอบถัดไป เพราะโค้ดให้ผลลัพธ์ที่แน่นอนและไม่เปลืองโทเคน
• ใช้ Flag ควบคุมสิทธิ์การเข้าถึง:
  • user-invocable: false: ซ่อน Skill จากเมนูผู้ใช้ ให้เฉพาะ Agent ภายในเรียกใช้ได้
  • disable-model-invocation: true: อนุญาตให้เฉพาะผู้ใช้สั่งรันเท่านั้น โมเดลสั่งรันเองไม่ได้ เหมาะสำหรับงานที่มีความเสี่ยงสูง เช่น การส่งข้อความหาลูกค้าหรือการ Deploy โค้ด

4. กฎข้อที่ 4: ทำให้ Skill ฉลาดขึ้นในทุกๆ Session

ความแตกต่างสำคัญระหว่างผู้ใช้ทั่วไปกับวิศวกร Anthropic คือ วิศวกรจะสร้าง Compounding Loop ให้ Skill เก่งขึ้นตามอายุการใช้งาน

หากเราพิมพ์ Prompt คุยทั่วไป เมื่อปิดหน้าต่างแชต ความรู้ในรอบนั้นก็จะหายไป แต่การสั่งงานผ่าน Skill จะช่วยให้เราเก็บสะสมประสบการณ์ได้ เป้าหมายคือทำให้ Claude ในวันที่ 30 เข้าใจบริบทการทำงานมากกว่าวันแรกอย่างเห็นได้ชัด

วิธีปฏิบัติจริงทำได้ง่ายมาก: ทุกครั้งที่รัน Skill แล้วได้ผลลัพธ์ที่ต้องแก้ไข ให้ประเมินว่านี่คือ "การแก้เฉพาะหน้าครั้งเดียว" หรือ "ข้อกำหนดที่ควรอยู่ในระบบถาวร" หากเป็นอย่างหลัง ให้ส่งประวัติการคุยในรอบนั้นกลับไปให้ Claude แล้วสั่งว่า:

"Review the back and forth I just had after using this skill. Can we enhance the skill so this is handled automatically or we don't make the same mistake again?"

Claude จะวิเคราะห์จุดที่ต้องปรับปรุง แล้วอัปเดตไฟล์ Instruction และตัวอย่าง Edge Case ลงใน Skill ให้โดยอัตโนมัติ

สรุปแนวทางนำไปใช้จริง

1. เริ่มต้นจากงานซ้ำๆ: ลิสต์งานที่ต้องทำประจำในแต่ละสัปดาห์ แล้วเลือกมา 1 ถึง 2 งานเพื่อสร้างเป็น Skill ตัวแรก
2. เสริม Tools และ Script: เพิ่มไฟล์อ้างอิง โค้ดสคริปต์ หรือตัวอย่างผลลัพธ์ที่ดีเข้าไปในโฟลเดอร์ของ Skill
3. แตกเป็นชิ้นเล็กที่ประกอบกันได้: หลีกเลี่ยงการสร้าง Skill ก้อนใหญ่ ให้แยกเป็นฟังก์ชันย่อยที่ทำงานร่วมกัน
4. ปิดท้ายด้วยการอัปเดตเสมอ: เมื่อเจอกรณีพิเศษหรือข้อผิดพลาด ให้อัปเดตเงื่อนไขกลับเข้าไปใน Skill เสมอเพื่อให้ระบบพัฒนาขึ้นอย่างต่อเนื่อง