ช่อง Ben AI เผยแพร่คลิป "How to build Claude Skills Better than 99% of People" อธิบายว่าทำไม skill engineering จึงจะเป็นทักษะสำคัญที่สุดอย่างหนึ่งของปี 2026 พร้อมวางเฟรมเวิร์กสำหรับสร้าง Claude Skill ที่ใช้ได้จริง บทความนี้สรุปและเรียบเรียงต่อจากคลิปดังกล่าว โดยแกนหลักอยู่ที่ข้อสังเกตว่า ต่อให้ AI agent อย่าง Claude Code, Claude Cowork หรือ Codex เก่งขึ้นทุกวัน ตัว agent เองก็ยังต้องการ guardrails, context และ SOP เฉพาะของแต่ละคนและแต่ละธุรกิจอยู่ดี skill จึงเป็นกลไกที่เข้ามาเติมช่องว่างนี้ Ben AI ชี้ว่าใครก็สร้าง skill ได้ด้วยการ prompt แต่ skill เดียวกันให้ผลลัพธ์ต่างกันมาก ขึ้นอยู่กับวิธีสร้าง บทความนี้จึงเรียบเรียงเฟรมเวิร์กทั้งหมดออกมาเป็นขั้นตอน เพื่อให้คนไทยที่ใช้ Claude Code หรือ Claude Cowork นำไปสร้าง skill ของตัวเองได้ทันทีหลังอ่านจบ
1. ทำไม skill engineering จะเป็นทักษะสำคัญที่สุดของปี 2026
ตามที่ Ben AI นำเสนอ จุดตั้งต้นของเรื่องนี้คือ AI agent เก่งขึ้นอย่างต่อเนื่อง แต่ไม่ว่าจะเก่งแค่ไหน agent ก็ยังต้องการ guardrails, context และ SOP ที่ตรงกับวิธีทำงานเฉพาะตัวของแต่ละคนและแต่ละธุรกิจ ปัญหานี้เคยมีคนพยายามแก้ด้วยเครื่องมือสองแบบ แบบแรกคือ Projects และ Custom GPT ที่ตั้ง system prompt และแนบไฟล์ context ได้ แต่ข้อจำกัดคือแต่ละส่วนแยกขาดจากกัน ผู้ใช้ต้องสลับไปมาระหว่างหน้าต่าง ไม่พัฒนาตัวเอง และรับ context ได้จำกัด ส่วนแบบที่สองคือ automation platform อย่าง n8n ที่ hardcode guardrails จนระบบกลายเป็น deterministic เหมาะกับงานที่ตายตัวและไม่ต้องมีคนคอยตัดสินใจ
แต่ Ben AI ชี้ว่างานในชีวิตประจำวันส่วนใหญ่ไม่ได้ deterministic กระบวนการมักไม่ชัดเจนตายตัว ขึ้นอยู่กับบริบท และต้องอาศัยวิจารณญาณ human-in-the-loop จึงมักสำคัญต่อการได้ผลลัพธ์ที่ดีจาก AI ส่วน skill คือสิ่งที่อยู่ตรงกลางระหว่างสองขั้วนี้พอดี นอกจากนี้ Ben AI ยังคาดการณ์ว่า เมื่อ agent ที่มีความสามารถทั่วไปสูงเข้าถึง skill เฉพาะทางได้นับพันตัว AI agent ก็มีแนวโน้มจะค่อยๆ กลายเป็น interface เดียวสำหรับการทำงาน และการสร้าง skill infrastructure ที่ดีจะไม่เพียงเพิ่ม productivity แต่ยังมีแนวโน้มสร้างรายได้ในอนาคต เหมือนเป็น software layer ใหม่ ทั้งนี้ Ben AI ย้ำว่า แม้ใครก็สร้าง skill ได้ด้วยการ prompt แต่ก็เหมือน software engineering, prompt engineering และ AI automation engineering ที่ต้องฝึกให้เก่งจริง เพราะ skill เดียวกันให้ผลลัพธ์ต่างกันได้มากตามวิธีสร้าง
2. Skill คืออะไรจริงๆ และทำไมแกนกลางคือ SKILL.md
ในคลิปของ Ben AI ระบุว่า agent skill คือโฟลเดอร์ของ instructions, scripts และ resources ที่ agent หยิบไปใช้เพื่อทำงานได้แม่นยำและมีประสิทธิภาพมากขึ้น แกนกลางของโฟลเดอร์นี้คือไฟล์ SKILL.md มองได้ว่าเป็นคำสั่งว่าจะทำกระบวนการหนึ่งอย่างไร เทียบได้กับ system prompt, Claude project หรือ Custom GPT ตัวหนึ่ง นอกจากคำสั่งกระบวนการแล้ว SKILL.md ยังบอกได้อีกว่าจะใช้ knowledge file เมื่อไรและอย่างไร จะใช้ tool เมื่อไร จะเรียก sub-agent ขึ้นมาเมื่อไร และจะรัน code execution เมื่อไร สรุปคือ SKILL.md เป็น SOP ของกระบวนการนั้น
Ben AI อธิบายต่อว่า SKILL.md เป็นแค่แกนกลาง สิ่งที่ทำให้ skill ทรงพลังขึ้นคือ reference files หรือ context ที่เพิ่มเข้าไป skill ที่ง่ายที่สุดอาจไม่มี reference file เลย มีแค่ SKILL.md ที่เป็นคำสั่งกระบวนการ เช่น sales account research skill จาก Anthropic ที่มีเพียง SKILL.md และวาง execution flow ไว้เป็นขั้น ตั้งแต่ parse request, web search, enrichment ไปจนถึง CRM check แต่โดยทั่วไปเวลาสร้าง skill มักต้องเพิ่ม reference file เพื่อให้ skill มีข้อมูลมากขึ้น Ben AI แบ่ง reference file ออกเป็นหลายประเภท ประเภทแรกคือ text file เช่น example output, style guide, context เกี่ยวกับ ICP, background และ voice personality ในตัวอย่าง newsletter writer skill ของ Ben AI มีหลายไฟล์ที่ให้บริบทเรื่องภูมิหลัง สิ่งที่ทีมทำ ICP และบุคลิกน้ำเสียง
ประเภทที่สองคือ MCP instructions file ซึ่งบอก agent ว่าจะใช้ tool หนึ่งอย่างมีประสิทธิภาพในกระบวนการเฉพาะนี้ได้อย่างไร เช่น วิธีนำทางหรือใช้งาน CRM สำหรับงานนี้โดยเฉพาะ ทั้งนี้ Ben AI ระบุว่า agent สามารถสร้างเอกสาร MCP เหล่านี้เองได้ ประเภทที่สามคือ asset หรือไฟล์ที่ไม่ใช่ text เช่น รูปภาพ, presentation, วิดีโอ หรือไฟล์ binary เพื่อใช้เป็นตัวอย่างผลลัพธ์ที่ดี เช่น layout ของ presentation ที่ต้องการ ส่วนประเภทสุดท้ายคือ code script ทั้ง Python และ JS ที่ลงมือทำงานได้จริง เช่น การเรียก API ในซอฟต์แวร์หรือรันฟังก์ชัน ตัวอย่างคือ infographic skill ของ Ben AI ที่มี script เรียก API ของ Nano Banana จาก Google จุดนี้ทำให้เห็นว่า skill ตัวหนึ่งจะเรียบง่ายหรือซับซ้อนระดับเหมือนซอฟต์แวร์ก็ได้ เพียงแต่เป็นซอฟต์แวร์สำหรับ AI agent
3. ทำไม skill เหนือกว่า Projects, Custom GPT และ automation แบบ n8n
ข้อมูลจากคลิปของ Ben AI ทำให้เห็นว่า skill อยู่ตรงกลางระหว่างเครื่องมือสองขั้วได้อย่างพอดี ด้านหนึ่งคือ Projects และ Custom GPT ที่แยกขาดจากกัน ไม่พัฒนาตัวเอง และรับ context ได้จำกัด อีกด้านหนึ่งคือ automation platform แบบ n8n ที่ตายตัวและไม่มี human-in-the-loop ส่วน skill เป็นคำสั่งสำหรับ agent ว่าจะทำกระบวนการหนึ่งอย่างไร พัฒนาตัวเองได้ มี human-in-the-loop ได้ และต่างจาก Projects หรือ Custom GPT ตรงที่ agent ตัวเดียวเข้าถึง skill ได้นับพันตัว
นอกจากนี้ จุดที่ Ben AI เรียกว่าเป็นตัวเปลี่ยนเกมจริงคือ skill สร้างและอัปเดตได้ด้วยการ prompt เพียงอย่างเดียว หมายความว่าใครก็เริ่มออโตเมตงานและ workflow ของตัวเองได้ผ่าน interface เดียวบน Claude Code หรือ Claude Cowork อีกทั้ง skill ยังแชร์ข้ามทีมในธุรกิจได้ ทำให้กระบวนการและความเชี่ยวชาญเฉพาะทางของคนหนึ่งคนถูกนำไปใช้ได้ทั้งทีมทันที ส่งผลต่อการ onboarding ความสม่ำเสมอ และวิธีที่บริษัทดำเนินงานอย่างมีนัยสำคัญ Ben AI ย้ำว่าเรื่องนี้ยังอยู่ในช่วงเริ่มต้นมาก แต่ก็คาดการณ์ว่าการสร้าง skill infrastructure ที่ดีจะทำให้ทั้งบุคคลและบริษัททำงานได้ดีขึ้นมาก และมีแนวโน้มกลายเป็นสิ่งที่สร้างรายได้ในอนาคต
4. Progressive disclosure: กลไกที่ให้ agent ตัวเดียวถือ skill ได้นับพันตัว
คำถามสำคัญคือ ในเมื่อ skill มีทั้ง SKILL.md และ reference file จำนวนมาก agent ตัวเดียวจะถือ skill ได้นับพันตัวโดยไม่ context overload ได้อย่างไร Ben AI อธิบายว่ากลไกนี้เรียกว่า progressive disclosure ฟังดูซับซ้อน แต่หลักการไม่ซับซ้อน เมื่อสร้างหรืออัปโหลด skill ใหม่ให้ agent บน Claude Cowork หรือ Claude Code จะมีเพียง metadata คือ name และ description เท่านั้นที่ถูกเก็บไว้ใน memory ของ agent จากนั้น agent ใช้ส่วนนี้ตัดสินใจว่าจะ trigger หรือเรียกใช้ skill ตัวไหน
หลังจากนั้น Ben AI ระบุว่า เมื่อ skill ถูก trigger ขึ้นมาเท่านั้น SKILL.md หรือตัวกระบวนการจึงจะโหลดเข้า context window ของ agent เพื่อให้เข้าใจว่าจะ execute กระบวนการนี้อย่างไร และเมื่อ SKILL.md สั่งให้ใช้ reference file ตัวไหน ไฟล์นั้นจึงจะโหลดเข้า context window เป็นลำดับถัดมา การเปิดเผย context แบบเป็นชั้นนี้ทำให้ agent ตัวเดียวเข้าถึง skill ที่เป็นไปได้นับพันตัว โดยไม่ต้องแบกข้อมูลทั้งหมดพร้อมกัน กลไกนี้เองคือเหตุผลที่หลักทองข้อสำคัญของการสร้าง skill คือการเก็บ SKILL.md ให้สะอาดและโฟกัสที่กระบวนการ ส่วนข้อมูลเสริมให้ไปอยู่ใน reference file เสมอ ตามที่จะอธิบายต่อในส่วนหลัง
5. Plugins กับ Skills ต่างกันอย่างไร
ในคลิปของ Ben AI ระบุว่ามีความสับสนระหว่าง plugin กับ skill อยู่บ่อยครั้ง จึงอธิบายไว้ว่า plugin คือชุดที่ bundle skills, commands, agents และ connectors เข้าด้วยกัน โดยทำสามสิ่ง สิ่งแรกคือเพิ่มชั้นความสามารถบน skill เพราะ plugin บรรจุได้หลาย skill รวมถึง command ที่ทำหน้าที่เป็น workflow trigger เรียกหลาย skill ให้ทำงานต่อเนื่องกัน เพื่อออโตเมตงานที่ซับซ้อนขึ้น และยังมีทีม agent เฉพาะทางกับชุด connector ที่ตั้งไว้ล่วงหน้าได้ สิ่งที่สองคือ plugin แชร์และแบ่งระหว่างแผนกในบริษัทได้ง่าย ทีม sales รับ plugin ของ sales ทีม marketing รับ plugin ของ marketing พร้อม connector และ skill ที่แต่ละแผนกต้องใช้ ส่วนสิ่งที่สามคือ plugin กำลังกลายเป็นสิ่งที่ versionable เช่นเดียวกับ skill ซึ่งอัปเดตได้ทุกเมื่อข้ามทุกบัญชีที่ใช้งานมัน
ด้วยคุณสมบัติเหล่านี้ Ben AI มองว่า plugin เริ่มมีหน้าตาคล้ายซอฟต์แวร์หรือ SaaS มากขึ้น และคาดการณ์ว่า SaaS จะเริ่มออก plugin ของตัวเองพร้อมฟังก์ชันเฉพาะ แต่ Ben AI ย้ำว่า skill ยังคงเป็นแกนหลักแม้จะอยู่ภายใน plugin และแม้จะมี plugin แล้ว ก็ยังสร้าง, trigger และเข้าถึง skill ได้โดยตรงโดยไม่ต้องผ่าน plugin นอกจากนี้ Ben AI ยังตั้งข้อสังเกตว่า skill และ plugin กำลังปรากฏเป็นสามชั้น ชั้นแรกคือ general plugin และ skill ที่สร้างโดย Anthropic หรือ OpenAI ชั้นที่สองคือ marketplace ของ skill อย่าง Skills MP หรือ Smithery ที่คนสร้างและอาจขายได้ และชั้นที่สามคือ SaaS ที่อาจสร้าง plugin ของตัวเอง โดยทั้งบริษัทและพนักงานแต่ละคนล้วนอยากปรับ skill ทั่วไปให้เข้ากับกระบวนการและสไตล์การทำงานเฉพาะตัว
6. เฟรมเวิร์ก 5 ส่วน สร้าง skill ให้เก่งกว่าคนทั่วไป
มาถึงแกนหลักของคลิป Ben AI ระบุว่าการสร้าง skill ที่ดีเป็นเหมือนศิลปะของการแปลงความเชี่ยวชาญในกระบวนการ ให้กลายเป็นสิ่งที่ agent ใช้งานได้จริง ยิ่งทำยิ่งเห็นความคล้ายกับ software engineering แต่เป็น software engineering สำหรับ AI agent ที่ต้องคิดเรื่อง UX ว่าจะใส่ human-in-the-loop ตรงไหน และคิดเรื่อง context engineering ว่าสมดุลของ context แบบไหนให้ผลลัพธ์ดีที่สุด ข้อดีของ skill คืออัปเดตด้วยการ prompt ได้ง่าย ทำให้ skill ไม่มีวันเสร็จ และยิ่งใช้ยิ่งดี โดย Ben AI ระบุว่าตัวเอง iterate infographic skill ราว 5 รอบกว่าจะได้ผลลัพธ์อย่างที่ใช้อยู่
Tip: ก่อนลงมือสร้าง Ben AI เน้นว่าขั้นที่คนข้ามบ่อยที่สุด แต่สร้างผลกระทบมากที่สุด คือการถอยกลับมาคิดถึงกระบวนการทีละขั้นในอุดมคติก่อน พร้อมเตรียม reference file ที่ใช้ซ้ำได้ เช่น เอกสาร "ทำอะไร", ICP, voice personality และ writing framework เอกสารเหล่านี้สร้างร่วมกับ Claude ผ่าน planning mode ได้ โดยให้ Claude ตั้งคำถามกลับมาเรื่อยๆ แล้วสรุปออกมาเป็นเอกสารที่นำกลับไปใช้ในหลาย skill
หลังเตรียมพื้นฐานแล้ว Ben AI วางเฟรมเวิร์กการสร้าง skill ออกเป็น 5 ส่วน โดยระบุว่าไม่ใช่หลักวิทยาศาสตร์ตายตัว แต่ช่วยให้คิดได้ว่าควรใส่อะไรเพื่อให้ได้ผลลัพธ์ที่ดีตั้งแต่ครั้งแรก
ส่วนแรกคือ name และเงื่อนไข trigger Ben AI ยกตัวอย่างว่าชื่อ skill ควรเป็น "infographic generator" และควร trigger เมื่อใดก็ตามที่ user บอกว่าอยากสร้าง infographic ข้อมูลนี้คือสิ่งที่ agent ใช้เขียน meta description ส่วนที่สองคือ goal หรือ objective เช่นเดียวกับการ prompt ทั่วไป เขียนสั้นได้ เพราะจะลงลึกในส่วนกระบวนการอีกที ตัวอย่างคือ "infographic skill ที่สร้าง infographic คุณภาพดีตาม brand style สำหรับ LinkedIn และ newsletter" ส่วนที่สามคือ context ที่ให้ Claude รู้ว่าต้องใช้ connector, API หรือ MCP อะไร ถ้ามี table, page หรือกระบวนการเฉพาะในซอฟต์แวร์ที่ต้องทำใน skill นี้ ก็อธิบายไว้ตรงนี้ได้
ส่วนที่สี่คือ process ทีละขั้น ซึ่ง Ben AI ย้ำว่าเป็นหนึ่งในสิ่งที่สำคัญที่สุดและควรใช้เวลากับมันจริงๆ วิธีคิดที่ดีในแต่ละขั้นคือถามก่อนว่า ขั้นนี้ต้อง "ทำอะไร" จากนั้นถามว่า "จุดไหนต้องการ human-in-the-loop และต้องการแบบไหน" เพราะ dynamic QA box ของ Claude เลือกได้ทั้ง checkbox, open field และ single select จึงกลายเป็นเรื่อง UX design ไปในตัว ถัดมาคือถามว่า "ต้องใช้ context เพิ่มอะไรเพื่อทำขั้นนี้ให้ดีขึ้น" ถ้า context สั้นก็ใส่ใน prompt ได้เลย แต่ถ้าเป็นไฟล์เฉพาะที่ต้องอ่านก็ระบุไว้ในแต่ละขั้น และถึงแม้ยังไม่มี reference file นั้น ก็วาง context ไว้ใน prompt แล้วสั่งให้สร้าง reference file สำหรับ skill จาก context นั้นได้ คำถามสุดท้ายในแต่ละขั้นคือ "output ที่คาดหวังคืออะไร" โดย Ben AI แนะนำทริคที่ส่งผลต่อ productivity มาก: ในขั้นที่มี human-in-the-loop ให้สั่ง Claude เสนอหลายตัวเลือกให้เลือกเสมอ ไม่ใช่ผลลัพธ์เดียว เช่น สั่งให้เสนอ 5 วิธีที่ infographic จะ visualize ไอเดียหนึ่งได้
ส่วนที่ห้าคือ rules Ben AI อธิบายว่าให้เดาล่วงหน้าว่าอะไรจะพังเมื่อ execute skill นี้ แล้วเขียนเป็นกฎไว้ ส่วนนี้จะอัปเดตต่อเนื่องเมื่อพัฒนา skill มีสองทริคในส่วนนี้ ทริคแรกคือย้ำให้ agent ใช้ knowledge file เป็นขั้นบังคับเมื่อต้องใช้ เพราะ Ben AI สังเกตว่า agent มักข้ามไป ทริคที่สองคือย้ำเรื่องการเสนอหลายตัวเลือกพร้อม human-in-the-loop อีกครั้ง และสิ่งที่ควรใส่มากคือ progressive updates ซึ่งสั่งให้ skill อัปเดตและพัฒนาตัวเองอัตโนมัติเมื่อใช้งานจนกลายเป็น self-learning ตัวอย่างเช่น ทุกครั้งที่ระบุชัดเจนว่ามีสิ่งที่ "ไม่ต้องการให้ทำอีก" ก็ให้อัปเดตในส่วน rule และที่ทรงพลังคือสั่งในกระบวนการว่า ถ้า user อนุมัติผลลัพธ์สุดท้าย ให้บันทึกผลนั้นเป็น good example เพื่อให้ skill เรียนรู้และสร้างฐานข้อมูลว่า "ดี" มีหน้าตาอย่างไรโดยอัตโนมัติ
7. หลักทอง: เก็บ SKILL.md ให้สะอาด และกฎการ iterate
จากที่ Ben AI สาธิต infographic skill จะเห็นว่าเวอร์ชันแรกที่ launch ยังไม่ดีนัก ต้อง iterate สามถึงสี่รอบด้วยการเพิ่ม rule และปรับ QA box จนได้ skill ที่ถาม platform ก่อน, ใช้ checkbox ให้เลือกหลาย variation, เสนอวิธี visualize หลายแบบ และมีปุ่ม keep all ที่บันทึกผลลัพธ์เป็น good example เมื่อกดยืนยัน จุดนี้ตอกย้ำหลักทองที่ Ben AI เน้นตลอดคลิป: SKILL.md ต้องสะอาดและโฟกัสที่กระบวนการเป็นหลัก ส่วนข้อมูลเสริมให้ไปอยู่ใน reference file เสมอ นี่คือเหตุผลที่ skill ทำงานได้ดีขึ้นมาก
นอกจากนี้ Ben AI ยังให้กฎการ iterate แบบ rule of thumb ที่จำง่าย ถ้า agent ไม่ทำตามกระบวนการ ให้สั่งแก้ที่ SKILL.md โดยระวังไม่ให้มันรกด้วยข้อมูลเพิ่มเติม เพราะหัวใจคือ SKILL.md ต้องไม่ถูกปนเปื้อนด้วยข้อมูลจำนวนมากและควรโฟกัสที่ core process ถ้าต้องการข้อมูลเพิ่ม ให้สั่งเพิ่ม reference file ถ้า agent ทำสิ่งที่ไม่ต้องการให้ทำเด็ดขาด ไม่ใช่แค่ในงานนี้ครั้งเดียว เช่น กรณีของ Ben AI ที่ไม่ต้องการพื้นหลังสีดำเพราะเงาจะมองไม่เห็น ให้สั่งเพิ่ม rule หรืออัปเดต knowledge file และถ้า agent ใช้ซอฟต์แวร์, MCP หรือ tool ตัวใดไม่เป็น ให้สอนมันทำ action นั้นด้วยมือทีละครั้งก่อน แล้วจึงสั่งให้สร้างเอกสาร MCP reference ว่าจะทำงานนั้นในซอฟต์แวร์อย่างไร Ben AI ย้ำว่า skill ไม่มีวันเสร็จ และยิ่งใช้มากเท่าไรก็ยิ่งดีขึ้นเท่านั้น
8. การแชร์ skill: zip, GitHub และ plugin marketplace
ในช่วงท้ายคลิป Ben AI อธิบายวิธีแชร์ skill เมื่อ skill ทำงานได้ดีแล้วและต้องการแชร์บน marketplace หรือให้เพื่อนร่วมทีม วิธีที่ง่ายที่สุดคือสั่งให้ Claude สร้างไฟล์ zip ของ skill นั้น จากนั้นแชร์ไฟล์ออกไป แล้วให้ผู้รับเข้าไปที่ settings ในส่วน capabilities เพื่ออัปโหลดไฟล์ zip หรืออีกทางหนึ่งคือ deploy skill ผ่าน GitHub หากมี skill หลายตัวและอยากรวม skill, command, agent และ connector เข้าด้วยกัน ก็ bundle เป็น plugin ได้ด้วยการสั่งให้ Claude สร้าง plugin ให้ จากนั้น Claude จะถามว่าต้องการรวม skill อะไรบ้าง แล้วเพิ่มเข้า library โดยแชร์ผ่าน zip หรือ GitHub ได้เช่นกัน
สำหรับธุรกิจที่มีหลาย plugin ข้ามหลายแผนก Ben AI ระบุว่าสร้าง plugin marketplace ทั้งชุดได้ ด้วยการ bundle plugin ทั้งหมดเข้าด้วยกัน โดยต้องสร้างร่วมกับ Claude Code แล้วอัปโหลดขึ้น GitHub เพื่อให้ได้ลิงก์สำหรับแชร์ จุดนี้สอดคล้องกับภาพที่ Ben AI วาดไว้ตั้งแต่ต้นคลิปว่า skill และ plugin กำลังเดินเข้าใกล้รูปแบบของซอฟต์แวร์มากขึ้น ความสามารถในการแชร์ข้ามทีมและข้ามองค์กรนี้เอง ทำให้ Ben AI มองว่า skill engineering จะกลายเป็นทักษะสำคัญของปี 2026 โดยสรุปแล้ว แก่นที่ Ben AI ส่งต่อในคลิปนี้คือ ใครก็สร้าง skill ได้ด้วยการ prompt แต่ skill ที่เก่งกว่าคนทั่วไปมาจากการคิดกระบวนการในอุดมคติให้ดีก่อน เก็บ SKILL.md ให้สะอาด ผลักข้อมูลเสริมไปไว้ใน reference file และ iterate ต่อเนื่องจนกว่า skill จะเรียนรู้และพัฒนาตัวเองได้
ที่มา: Ben AI: How to build Claude Skills Better than 99% of People (YouTube, 2026-02-24)
ความคิดเห็น
ยังไม่มีความคิดเห็น เป็นคนแรกที่แสดงความเห็น!