Claude Code ไม่ใช่เพียงแชทบอทบนเทอร์มินัล แต่เป็น Coding Agent ที่พร้อมรับมอบหมายงานและลงมือปฏิบัติจริงบนเครื่องของคุณ

ลองนึกภาพนักพัฒนาสองคนที่เริ่มต้นใช้งาน Claude Code ในวันแรก คนแรกคัดลอกโค้ด 200 บรรทัดใส่ลงไป พร้อมพิมพ์ Prompt อธิบายยาวเหยียด 500 คำเพื่อบอกขั้นตอนการแก้ทีละบรรทัด ขณะที่คนที่สองพิมพ์เพียงสั้นๆ ว่า fix the failing tests แล้วปล่อยให้ Agent วนลูปเปิดอ่านไฟล์ รันเทสต์ แก้ไขโค้ด และทดสอบซ้ำอัตโนมัติจนงานสำเร็จ ความแตกต่างของทั้งสองคนนี้ไม่ได้อยู่ที่ตัวเครื่องมือ แต่อยู่ที่กรอบความคิด (Mental Model) ในการทำงานร่วมกับ AI

บทความนี้จะพาคุณไปทำความเข้าใจสถาปัตยกรรมและ Mental Model ของ CLI Coding Agent ที่จะช่วยให้คุณดึงพลังของเครื่องมือออกมาใช้งานได้อย่างเต็มที่ ไม่ว่าในอนาคตเครื่องมือจะอัปเดตไปเป็นเวอร์ชันใดก็ตาม

ทำไมการพิมพ์ Prompt ขนาดยาวถึงไม่ได้ช่วยให้ Claude Code ทำงานดีขึ้น

ข้อผิดพลาดที่พบบ่อยที่สุดในหมู่นักพัฒนาที่เริ่มใช้ Claude Code คือการมองมันเป็นเพียงกล่องแชทอีกใบ แล้วนำพฤติกรรมเดิมที่เคยใช้กับ ChatGPT มาใช้ซ้ำ นั่นคือการพยายามเขียนอธิบายทุกอย่างให้ละเอียดที่สุดในคำสั่งเดียว แต่เอกสารทางการระบุไว้อย่างชัดเจนว่า Claude Code มีโครงสร้างที่ต่างจากแชทบอททั่วไป

เอกสารของ Anthropic ใช้คำนิยามว่า "Agentic Harness" ซึ่งหมายถึงโครงสร้างเสริมที่ห่อหุ้มโมเดล Claude เอาไว้ โดยประกอบด้วย 3 องค์ประกอบหลัก ได้แก่ เครื่องมือในการปฏิบัติการ (Tools), ระบบจัดการบริบทของโค้ดเบส (Context Management) และสภาพแวดล้อมในการรันคำสั่งบนระบบของคุณ (Execution Environment) เพื่อเปลี่ยนโมเดลภาษาธรรมดาให้กลายเป็น Coding Agent ที่พร้อมทำงานจริง

เปรียบเทียบให้เห็นภาพ แชทบอททั่วไปเหมือนพนักงานที่นั่งตอบคำถามอยู่หลังเคาน์เตอร์ สามารถให้คำแนะนำได้เป็นอย่างดีแต่ไม่สามารถลุกไปเปิดดูไฟล์บนเครื่องของคุณได้ ขณะที่ Agentic Harness เปรียบเสมือนพนักงานที่ได้รับกุญแจห้องเซิร์ฟเวอร์ สิทธิ์การเปิดอ่านเอกสาร และได้รับอนุญาตให้ลงมือแก้ไขไฟล์จริง ตัวโมเดลภาษาอาจเป็นโมเดลเดิม แต่สิ่งที่เพิ่มเข้ามาคือ อำนาจในการลงมือปฏิบัติการจริง (Agency)

"Without tools, Claude can only respond with text. With tools, Claude can act." (Claude Code Documentation)

หากเรายังคงใช้งาน Claude Code ในรูปแบบของการนั่งแชทไปเรื่อยๆ เราจะได้ใช้ศักยภาพของมันเพียงประมาณ 5% เท่านั้น ลองปรับวิธีคิดจากการเขียน Prompt ให้ยาวขึ้น มาเป็นการตั้งคำถามว่า "เราสามารถส่งต่องานชิ้นนี้ (Delegate) ให้ระบบไปสำรวจและลงมือทำเองได้อย่างไร"

Agentic Loop 3 เฟสที่ผู้ใช้สามารถควบคุมและปรับทิศทางได้ตลอดเวลา

เมื่อคุณมอบหมายภารกิจให้ Claude Code ตัวระบบจะทำงานผ่านลูป 3 ขั้นตอนที่ประสานกันอย่างยืดหยุ่น

1. Gather Context: ค้นหาและรวบรวมบริบทที่จำเป็น เช่น การเปิดอ่านไฟล์ ค้นหาข้อความในโค้ดเบส หรือสืบค้นข้อมูลเว็บ
2. Take Action: ลงมือปฏิบัติการ เช่น การแก้ไขไฟล์ การรันคำสั่ง Terminal หรือการรันชุดทดสอบ
3. Verify Results: ตรวจสอบผลลัพธ์ เช่น การอ่านข้อความแจ้งเตือน Error การตรวจดูโค้ดที่แก้ไข และการรันเทสต์ซ้ำเพื่อยืนยันความถูกต้อง

กระบวนการนี้ทำงานเหมือนกับการที่คุณนั่ง Pair Programming กับ Junior Developer ที่เมื่อได้รับโจทย์แก้บั๊ก เขาจะเริ่มจากการเปิดหาไฟล์ที่เกี่ยวข้อง ทดลองแก้ไข รันเทสต์เพื่อดูผลลัพธ์ และปรับแก้เพิ่มเติมตาม Error ที่พบ โดยที่คุณสามารถนั่งสังเกตและส่งสัญญาณปรับทิศทาง (Steer) ได้ตลอดกระบวนการ

คีย์ลัดสำคัญ 2 ตัวที่ช่วยให้คุณควบคุมการทำงานได้อย่างมั่นใจ

• กด Esc 2 ครั้ง (Checkpoint Rewind): ย้อนกลับการแก้ไขไฟล์ทั้งหมดไปยังจุด Snapshot ก่อนหน้าได้ทันที ช่วยให้กล้าทดลองโดยไม่ต้องกังวลเรื่องโค้ดเสียหาย
• กด Shift+Tab (Cycle Permission Mode): สลับโหมดการขออนุญาต เช่น สลับระหว่างโหมดมาตรฐาน (ถามก่อนแก้) กับ Plan Mode ได้ทันทีระหว่างทำงานในเซสชันเดียวกัน

สถาปัตยกรรม 5 ชั้นในการขยายความสามารถ (Extension Layers)

Claude Code มีกลไกการขยายความสามารถแบ่งออกเป็น 5 ชั้น ซึ่งแต่ละชั้นออกแบบมาเพื่อแก้ปัญหาเฉพาะทางที่ต่างกัน การเลือกใช้งานให้ถูกชั้นจะช่วยประหยัด Context Window และทำให้ระบบทำงานได้อย่างแม่นยำ

โครงสร้างการขยายความสามารถทั้ง 5 ชั้น

• CLAUDE.md (Persistent Memory): สำหรับข้อมูลสำคัญและกฎเกณฑ์ของโปรเจกต์ที่ต้องการให้ Claude รับรู้ในทุกเซสชันตั้งแต่เริ่มต้น
• Skills (On-demand Playbooks): สำหรับคู่มือหรือขั้นตอนการทำงานเฉพาะกิจ เนื้อหาจะถูกโหลดเข้าสู่ Context เฉพาะเมื่อมีการเรียกใช้งานคำสั่งนั้นเท่านั้น ช่วยประหยัด Token ได้อย่างมาก
• Sub-agents (Isolated Contexts): สำหรับการส่งต่องานสำรวจขนาดใหญ่ไปทำใน Context Window แยกต่างหาก เพื่อป้องกันไม่ให้ข้อมูลดิบปริมาณมากล้นเซสชันหลัก (เช่น built-in agent อย่าง Explore)
• Hooks (Deterministic Lifecycle Events): สำหรับการสั่งรันคำสั่งเชลล์หรือสคริปต์อัตโนมัติตามช่วงเวลาของระบบ (Lifecycle) โดยไม่ต้องผ่านการตัดสินใจของ LLM เช่น การรัน linter อัตโนมัติหลังแก้ไขไฟล์
• MCP - Model Context Protocol (External Connectors): โปรโตคอลมาตรฐานสำหรับเชื่อมต่อ Coding Agent เข้ากับบริการภายนอก เช่น Jira, GitHub, Slack หรือฐานข้อมูลภายในองค์กร

ตัวอย่างข้อผิดพลาดในการเลือกใช้งานที่พบบ่อย

• นำคู่มือการทำงานยาว 500 บรรทัดใส่ไว้ใน CLAUDE.md ส่งผลให้ทุกเซสชันต้องเสียโควตา Token ไปโดยเปล่าประโยชน์ (ควรเปลี่ยนไปใช้ Skill)
• นำกฎข้อบังคับที่เข้มงวด เช่น "ห้ามแก้ไขไฟล์ production config" ไปเขียนเป็น Skill ทำให้ LLM อาจละเลยได้ในบางกรณี (ควรใช้ Hook เพื่อความแน่นอน)
• สั่งให้ค้นหาและวิเคราะห์โค้ดเบสขนาดใหญ่ในเซสชันหลักจนเต็ม Context Window (ควรใช้ Sub-agent เข้ามาช่วยจัดการ)

4 ขั้นตอนเริ่มต้นใช้งานในวันแรก

หากคุณเพิ่งเริ่มต้นติดตั้งและใช้งาน Claude Code เป็นครั้งแรก แนะนำให้ทำตาม 4 ขั้นตอนนี้

1. ติดตั้งและเข้าสู่ไดเรกทอรีโปรเจกต์ก่อนเริ่มเรียกใช้งาน
การเปิดเซสชันจากโฟลเดอร์ที่ไม่ถูกต้องจะทำให้ Agent วิเคราะห์บริบทของโปรเจกต์ผิดพลาดได้

• macOS / Linux / WSL: curl -fsSL https://claude.ai/install.sh | bash
• Windows: irm https://claude.ai/install.ps1 | iex
  หลังจากติดตั้งเรียบร้อย ให้ใช้คำสั่ง cd your-project && claude โดยตรง

2. รันคำสั่ง /init เพื่อสร้างไฟล์ CLAUDE.md อัตโนมัติ
แทนที่จะต้องพิมพ์อธิบายโครงสร้างโปรเจกต์ใหม่ทุกครั้ง ให้ใช้คำสั่ง /init เพื่อให้ Claude วิเคราะห์โค้ดเบสและสรุปข้อมูลสถาปัตยกรรมที่สำคัญลงในไฟล์ CLAUDE.md ซึ่งจะถูกนำมาใช้งานอัตโนมัติในทุกเซสชันถัดไป

3. ใช้ Plan Mode ในการวางแผนงานขนาดใหญ่
ก่อนสั่งงานที่ต้องแตะต้องไฟล์จำนวนมาก ให้กด Shift+Tab เพื่อสลับเข้าสู่ Plan Mode ซึ่งในโหมดนี้ Claude จะทำการวิเคราะห์และนำเสนอแผนงานโดยยังไม่มีการแก้ไขไฟล์จริงหรือรันคำสั่งใดๆ ช่วยให้คุณตรวจสอบแนวทางก่อนลงมือจริง

4. สื่อสารในลักษณะการมอบหมายงาน (Delegate) แทนการบอกทุกขั้นตอน
กำหนดเป้าหมายและผลลัพธ์ที่ต้องการ เช่น fix the failing tests แล้วเปิดโอกาสให้ Agent ค้นหาบริบทและแนวทางแก้ไขด้วยตัวเอง เปรียบเสมือนการทำงานร่วมกับเพื่อนร่วมทีมที่พร้อมแก้ปัญหา

3 รูปแบบสถาปัตยกรรม (Mental Models) ที่นำไปใช้ต่อได้กับ Agent ทุกตัว

ความรู้เกี่ยวกับปุ่มคำสั่งของเครื่องมือใดเครื่องมือหนึ่งอาจเปลี่ยนแปลงไปตามเวอร์ชัน แต่สถาปัตยกรรมพื้นฐาน 3 ข้อนี้จะยังคงอยู่และนำไปใช้ร่วมกับ Coding Agent ได้ทุกตัวในอนาคต

1. Harness Around LLM: สถาปัตยกรรมของ Agent ทุกตัวสร้างขึ้นจากโครงสร้างพื้นฐาน 3 ส่วน คือ Tools + Context Management + Execution Environment ที่ห่อหุ้มโมเดลภาษาไว้
2. Steerable 3-Phase Loop: ลูปการทำงานที่เริ่มจากรวบรวมบริบท (Gather) ลงมือทำ (Action) และตรวจสอบผล (Verify) เป็นรูปแบบมาตรฐานของ Agent ที่ทำงานแบบหลายขั้นตอน (Multi-step Tasks)
3. Layered Extensions: การแบ่งชั้นจัดการความรู้ ทั้งหน่วยความจำถาวร คู่มือเฉพาะกิจ และการเชื่อมต่อภายนอก เป็นโครงสร้างสากลในการควบคุม Agent

ข้อจำกัดและงานที่ไม่เหมาะกับการใช้ Coding Agent

แม้ Coding Agent จะมีความสามารถสูง แต่ยังมีขอบเขตที่ไม่ควรปล่อยให้ระบบทำงานโดยลำพัง

• โหมด Permission มีความสำคัญ: การเปิดใช้งานโหมดข้ามการขออนุญาต (Bypass Permissions) ตลอดเวลา มีความเสี่ยงที่ Agent อาจเผลอรันคำสั่งที่ไม่พึงประสงค์ เช่น การ push โค้ดเข้าสาขาหลักโดยตรง หรือการแก้ไขไฟล์ผิดจุด การใช้โหมดมาตรฐานที่ระบบถามยืนยันก่อนแก้ไขจะปลอดภัยกว่ามาก
• Agent คือ Orchestrator ไม่ใช่ Oracle: ตัวระบบไม่ทราบข้อตกลงภายในทีม ข้อจำกัดทางธุรกิจ หรือบริบทเฉพาะขององค์กรที่ไม่ได้บันทึกไว้ในเอกสาร มนุษย์ยังคงเป็นผู้ตัดสินใจหลักในเรื่องสำคัญเหล่านี้
• ข้อจำกัดของ Context Window: ข้อมูลไม่ได้ถูกจดจำข้ามเซสชันโดยอัตโนมัติทั้งหมด การดูแลไฟล์ CLAUDE.md ให้ทันสมัยอยู่เสมอจึงเป็นสิ่งจำเป็น

บทสรุป: เปลี่ยนบทบาทเป็น Orchestrator ไม่ใช่แค่ Prompt Engineer

ความสำเร็จในการทำงานร่วมกับ Coding Agent ไม่ได้ขึ้นอยู่กับการสรรหาคำสั่ง Prompt ที่สลับซับซ้อน แต่อยู่ที่ทักษะในการมอบหมายงาน (Delegation) การจัดเตรียมบริบทที่เหมาะสม การกำหนดขอบเขตความปลอดภัย และการเข้าช่วยปรับทิศทางในจังหวะที่ถูกต้อง

เริ่มต้นก้าวแรกได้ง่ายๆ ด้วยการเปิดเทอร์มินัล เข้าสู่โปรเจกต์ที่คุณคุ้นเคย แล้วลองพิมพ์คำสั่ง claude เพื่อมอบหมายภารกิจเล็กๆ เช่น การเขียนเทสต์เพิ่ม 1 ตัว หรือการปรับโครงสร้างฟังก์ชันสั้นๆ สังเกตจังหวะการทำงานในลูป 3 เฟสของมัน แล้วคุณจะค้นพบแนวทางการทำงานร่วมกับ AI Agent ยุคใหม่ได้อย่างเต็มประสิทธิภาพ

---

แหล่งอ้างอิง

• Claude Code Overview
• Quickstart
• How Claude Code works
• Skills
• Subagents
• Hooks
• Memory (CLAUDE.md)
• Permissions