Anthropic เปิดตัว Routines ฟีเจอร์ใหม่ใน Claude Code ที่เปลี่ยนบทบาทของ AI agent จากเครื่องมือที่ต้องรอให้คนพิมพ์ prompt แล้วกด Enter ให้กลายเป็น "เพื่อนร่วมทีมเชิงรุก" (Proactive Teammate) ที่เริ่มต้นทำงานได้เองตามเงื่อนไขที่กำหนดไว้ล่วงหน้า

ในเซสชันของงาน Code with Claude, Maya จากทีม Applied AI ของ Anthropic ได้นำเสนอกรอบการออกแบบ proactive agent ผ่าน 3 องค์ประกอบหลัก ได้แก่ Trigger, Context และ Steerability พร้อมตัวอย่างกรณีศึกษาจริงจากการทำงานของทีมภายใน

ดูคลิปต้นฉบับ Build a proactive agent workflow with Claude Code บน YouTube

1. ปัญหาของ Proactive Agent ก่อนยุค Routines

Maya ตั้งคำถามว่ามีใครที่เคยรัน Claude Code ด้วย cron แล้วยังมีความสุขกับการดูแล infrastructure อยู่บ้าง ซึ่งในห้องสัมมนาแทบไม่มีใครยกมือ สะท้อนว่าการสร้าง proactive agent ด้วยตัวเองมักสร้างภาระทางวิศวกรรมตามมา 3 เรื่องใหญ่:

1. ภาระการดูแล Infrastructure: เมื่อต้องรันเซสชันบนคลาวด์ ทีมต้องมาจัดการเรื่องโฮสติ้ง ความต่อเนื่องของข้อมูล (data persistence) และการยืนยันตัวตน (auth) ด้วยตนเอง
2. ความยุ่งยากในการเชื่อมต่อ Trigger: ต้องคอยเขียนโค้ดและดูแลระบบ cron หรือ HTTP endpoint ขึ้นมาเอง
3. ขาดความสามารถในการควบคุม (Steerability): เมื่อ agent รันแบบ headless หากเกิดข้อผิดพลาด ทีมจะมองไม่เห็น thought process และไม่สามารถแทรกแซงหรือสั่งแก้ทิศทางกลางคันได้

Routines ถูกออกแบบมาเพื่อปลดล็อกปัญหาเหล่านี้ทั้งหมด โดยผู้ใช้เพียงแค่ระบุคำสั่ง (prompt), เชื่อมต่อ repository, เลือก connector และตั้งค่า trigger ส่วนเรื่อง infrastructure เบื้องหลัง Claude Code จะเป็นผู้จัดการให้ทั้งหมด

2. เสาหลัก 3 ด้านของ Routines

• Always Available: รันบน managed infrastructure ของ Claude Code ทำให้เซสชันไม่ผูกติดกับเครื่องส่วนตัว ไม่ต้องกลัวเครื่องดับหรือหลุดการเชื่อมต่อ
• Proactive with Customizable Triggers: รองรับทั้งการตั้งเวลาทำงานเป็นรอบ (Time-based Schedule) และการทำงานตามเหตุการณ์ (Event-based Trigger) เช่น GitHub event หรือ Webhook
• Interactive and Steerable: ทุก routine ที่รันจะถูกบันทึกเป็น Claude Code session ปกติที่สามารถเปิดดู ติดตามความคืบหน้า และสั่งการต่อยอดได้ผ่านหน้าเว็บหรือ CLI

3. กรอบคิด 3 องค์ประกอบ: Trigger, Context, Steerability

3.1 Trigger: กำหนดว่าเมื่อใดควรเริ่มทำงาน

• Schedule-based: เหมาะกับงานประจำที่มีรอบเวลาแน่นอน เช่น การตรวจสอบความสอดคล้องระหว่างเอกสารกับโค้ดทุกวันจันทร์
• Event-based: รองรับเหตุการณ์จาก GitHub (เช่น การ merge PR หรือติด label) และ Webhook จากระบบภายนอก ช่วยให้ agent เริ่มงานเฉพาะเมื่อมีข้อมูลใหม่เข้ามาจริงๆ

3.2 Context: กำหนดว่า Agent ต้องรู้อะไรบ้างจึงจะทำงานสำเร็จ

ขอบเขตของ Context คือตัวกำหนดเพดานคุณภาพของผลลัพธ์ นอกจากการเชื่อมต่อ codebase แล้ว เรายังสามารถเชื่อมต่อ connector ภายนอก เช่น Google Drive เพื่อดึง guideline การเขียน หรือเชื่อมต่อ Slack เพื่อให้ agent ส่งข้อความรายงานผลเมื่อทำงานเสร็จ

3.3 Steerability: ช่องทางสำหรับมนุษย์ในการกำกับและตรวจทาน

• Agent-on-Agent Review: ให้ agent ตัวหนึ่งสร้างผลงาน แล้วให้อีกตัวหนึ่งช่วยตรวจทานก่อนส่งถึงมือคน
• Real-time Monitoring & Intervention: เปิดดูขั้นตอนการคิดของโมเดลสดๆ และพิมพ์สั่งปรับทิศทางได้ทันที
• Concrete Verification: กำหนดขั้นตอนทดสอบผลลัพธ์ที่เป็นรูปธรรม เช่น สั่งให้ลอง build เอกสารหรือรันเทสต์ก่อนเปิด PR

4. กรณีศึกษา: ระบบอัปเดต Documentation อัตโนมัติ

Maya ได้สาธิตการใช้งานจริงในทีม Anthropic โดยสร้าง routine ขึ้นมาเพื่อช่วยดูแลเอกสารของ Claude Code:

1. Schedule Routine: ใช้คำสั่ง /schedule ตั้งค่าให้ Claude เปรียบเทียบ change log บน repository หลักเทียบกับ repo เอกสารทุกวันจันทร์เวลา 10.00 น. หากพบส่วนต่าง ระบบจะเปิด PR อัปเดตเอกสารให้ทันทีพร้อมแจ้งเตือนผ่าน Slack
2. Event Routine: ผูกกับ GitHub Webhook เมื่อมี issue ใหม่ถูกเปิดขึ้นมา ระบบจะวิเคราะห์ว่ามีช่องว่างของเอกสารที่ต้องอัปเดตหรือไม่ หากมีก็จะเปิด PR แก้ไขให้โดยอัตโนมัติ

5. รูปแบบการนำไปต่อยอดในงานอื่นๆ

• Deploy Verifier: ทริกเกอร์จากระบบ CI/CD เมื่อ deploy เสร็จ ให้ AI ดึงข้อมูลมอนิเตอร์มาประเมิน หากพบสิ่งผิดปกติให้แจ้งเตือนหรือ rollback ทันที
• On-call Investigator: ทริกเกอร์จากระบบ Alert เพื่อให้ AI ช่วยดึง error log และค้นหารันบุ๊กมาสรุปเบื้องต้นก่อนส่งต่อให้วิศวกรเวร
• PM Triager: ตั้งเวลาให้ AI ช่วยคัดกรอง จัดหมวดหมู่ และจัดลำดับความสำคัญของ issue ที่เปิดเข้ามาใหม่ในแต่ละสัปดาห์

บทสรุป

แนวคิดของ proactive agent กำลังเข้ามาเปลี่ยนวิธีที่เราทำงานร่วมกับ AI จากเดิมที่ต้องคอยสั่งการทีละขั้นตอน มาเป็นการวางระบบให้ AI ทำงานเชิงรุกเคียงข้างทีม กรอบคิด Trigger, Context และ Steerability จึงเป็นพิมพ์เขียวสำคัญที่นำไปใช้ออกแบบ workflow อัตโนมัติได้กับทุกสแตกการพัฒนา

ที่มา: Build a proactive agent workflow with Claude Code (Claude official)