คนที่ใช้ AI coding agent ในชีวิตประจำวันมักจะเจอกับ 3 ปัญหากวนใจซ้ำๆ: สั่งงานที่รายละเอียดยังไม่ชัดเจน ตัว agent ก็เดาเอาเองแล้วลุยทำจนได้ผลลัพธ์ผิดทิศผิดทาง พอปิดหน้าต่างเทอร์มินัลแล้วเปิดใหม่ มันก็ลืมหมดว่าก่อนหน้านี้ทำอะไรค้างไว้ หรือบอกสไตล์การเขียนโค้ดที่ชอบไปหลายรอบ พอเริ่มเซสชันใหม่ก็ต้องคอยพิมพ์บอกซ้ำอีก

COMPASS คือชุด 3 skills แบบ local-first ที่ออกแบบมาแก้ปัญหาคลาสสิกทั้ง 3 ข้อนี้โดยตรง โดยติดตั้งเข้ากับ AI coding agent ยอดนิยมอย่าง Claude Code ของ Anthropic หรือ Codex ของ OpenAI ชื่อเต็มของโปรเจกต์คือ COMPASS: Personal Alignment Skills OS for AI Agents (มีชื่อภาษาจีนว่า 司南 หรือซือนาน ซึ่งแปลว่าเข็มทิศ) จุดเด่นของมันไม่ใช่โมเดลใหม่หรือระบบที่ซับซ้อน แต่คือการจัดระเบียบ skills ให้ agent รู้จักหยิบไปใช้งานตามจังหวะที่เหมาะสม โดยข้อมูลทั้งหมดจะถูกเก็บไว้บนเครื่องของเราเอง ไม่มีการส่งออกไปภายนอก

แม้ COMPASS จะยังเป็นโปรเจกต์ใหม่ แต่แนวคิดเบื้องหลังตอบโจทย์คนที่ต้องการให้ coding agent ทำงานอย่างเป็นระบบและคาดเดาผลลัพธ์ได้แม่นยำขึ้น จึงเป็นเครื่องมือที่น่าจับตามองและนำมาทดลองใช้งานได้ทันที

skill คือคู่มือที่ agent เลือกหยิบมาใช้เอง

ก่อนจะลงลึกถึง COMPASS เราต้องทำความเข้าใจคำว่า skill เสียก่อน ในบริบทนี้ skill คือชุดความรู้ในรูปแบบไฟล์ SKILL.md (ซึ่งประกอบด้วย Markdown และ YAML frontmatter พร้อมแนบ reference หรือ script เพิ่มเติมได้) ที่คอยบอก agent ว่า "หากเจองานลักษณะนี้ ให้ทำตามขั้นตอนต่อไปนี้" เมื่อเราติดตั้ง skill เข้าไปแล้ว ตัว agent จะอ่านคำอธิบายของแต่ละ skill และเลือกหยิบตัวที่ตรงกับงานตรงหน้ามาใช้งานเองโดยอัตโนมัติ โดยที่เราไม่ต้องคอยสั่งการทีละขั้น

การจัดระเบียบ skill จึงเป็นเรื่องสำคัญมาก เพราะหาก agent มีคลังวิธีการทำงานที่ชัดเจนและแยกหน้าที่กันอย่างเป็นสัดส่วน มันก็จะเลือกใช้เครื่องมือได้ถูกจังหวะ ผลลัพธ์ที่ได้จึงมีความสม่ำเสมอและควบคุมได้ COMPASS แก้โจทย์นี้ด้วยการรวม 3 skills สำคัญที่ตอบคำถามพื้นฐาน 3 ข้อที่ agent ควรรู้ก่อนลงมือเขียนโค้ด

รู้จักผู้ใช้ เข้าใจงาน และรู้ทิศทาง

COMPASS วางโครงสร้างการทำงานออกเป็น 3 ส่วนชัดเจน โดยแต่ละส่วนทำหน้าที่คนละด้านอย่างเป็นเอกเทศ:

• รู้จักผู้ใช้ ผ่าน user-profile-keeper ทำหน้าที่บันทึกสไตล์การทำงานและความชอบของเราไว้บนเครื่อง
• เข้าใจงาน ผ่าน task-forest ทำหน้าที่เก็บแผนผังโครงสร้างของงานทั้งหมดไว้ข้ามเซสชัน
• รู้ทิศทาง ผ่าน task-clarifier คอยตรวจสอบความชัดเจนและความปลอดภัยก่อนที่ agent จะลงมือทำงานที่มีความเสี่ยง

ทั้งสาม skill ประมวลผลและเก็บข้อมูลบนเครื่องของเราทั้งหมด ไม่มีการอัปโหลด task หรือ profile ขึ้นระบบอื่น และไม่มีการแตะต้องคุกกี้หรือ token จากเบราว์เซอร์ เบื้องหลังเขียนด้วยภาษา Python โดยใช้เฉพาะ Standard Library จึงไม่มีการเชื่อมต่อไปยัง external service อื่นๆ ช่วยให้คนที่ทำงานกับโค้ดขององค์กรหรือโปรเจกต์ที่มีข้อมูลอ่อนไหวสามารถใช้งานได้อย่างสบายใจ

task-clarifier: หยุดคิดและถามก่อนเริ่มพัง

skill ที่เห็นผลชัดเจนและรวดเร็วที่สุดคือ task-clarifier เพราะเข้ามาจัดการกับพฤติกรรมที่พบบ่อย คือการที่ agent เดาเจตนาเอาเองแล้วลงมือทำงานทั้งที่คำสั่งยังไม่ชัดเจน

เมื่อได้รับงาน task-clarifier จะเข้ามาประเมินความเสี่ยงก่อนเริ่มลงมือจริง โดยแบ่งการตัดสินใจออกเป็น 6 รูปแบบ ได้แก่ ลุยทำงานทันที, ไปค้นหาข้อมูลเพิ่มเติมก่อน, ถามรายละเอียดให้ชัดเจน, ขอยืนยันจากผู้ใช้, เสนอแนวทางการทำงานหลายแบบ หรือระงับการทำงานไว้ก่อน ระบบจะเลือกหยุดถามหรือขอการยืนยันเฉพาะเมื่องานนั้นมีความกำกวม มีความเสี่ยงสูง หรือส่งผลกระทบต่อภายนอก ส่วนงานที่คำสั่งชัดเจนอยู่แล้ว ระบบจะปล่อยให้ agent ทำงานต่อได้ทันทีโดยไม่ขัดจังหวะโดยไม่จำเป็น

หัวใจสำคัญคือการถามเฉพาะเรื่องที่จำเป็น โดยจะไม่ถามเรื่องที่สามารถสืบค้นได้จากบริบทของไฟล์ แต่จะเลือกถามเฉพาะจุดที่ส่งผลต่อ scope, แนวทางการแก้ปัญหา, รูปแบบผลลัพธ์ หรือเงื่อนไขความถูกต้องของงาน และสำหรับคำสั่งที่มีความเสี่ยงสูง เช่น การลบไฟล์ การเขียนทับ การ commit ขึ้น remote หรือการแก้ไข config ระบบจะบังคับให้ต้องได้รับการยืนยันอย่างชัดเจนเสมอ

task-forest: แผนผังงานที่ไม่สูญหายข้ามเซสชัน

ปัญหาที่สองคือ agent ลืมบริบทของงาน เมื่อทำงานไปได้ครึ่งทางแล้วต้องปิดหน้าต่างเทอร์มินัลหรือเริ่มเซสชันใหม่ agent มักจำไม่ได้ว่ากำลังทำอะไรอยู่ ทำถึงขั้นตอนไหน และเหลืองานอะไรบ้าง task-forest จึงเข้ามาช่วยบันทึกส่วนนี้

task-forest จัดเก็บงานในรูปแบบกราฟ (Directed Acyclic Graph หรือ DAG) ที่บันทึกไว้ข้ามเซสชัน โดยไม่เพียงแต่จดว่าต้องทำอะไร แต่ยังบันทึกว่างานแต่ละส่วนมีความสำคัญอย่างไร อยู่ในจุดไหนของภาพรวม มีความคืบหน้าถึงไหน และยังมีงานย่อยอะไรค้างอยู่ ข้อมูลทั้งหมดเก็บอยู่ในโฟลเดอร์ .agent-workbench/task-forest/ บนเครื่องของเรา พอเปิดเซสชันใหม่ agent ก็สามารถโหลดแผนผังเดิมขึ้นมาทำงานต่อได้ทันทีโดยไม่ต้องเริ่มเล่าบริบทใหม่ตั้งแต่ต้น

นอกจากนี้ยังสามารถส่งออกเป็นไฟล์ HTML และมีหน้า Live DAG ให้เราดูผังความคืบหน้าของงานทั้งหมดได้แบบ visual เหมาะอย่างยิ่งสำหรับโปรเจกต์ที่มีขั้นตอนการทำงานยาวและซับซ้อน

user-profile-keeper: จดจำความชอบ แต่ไม่ใช่ที่เก็บข้อมูลลับ

สำหรับปัญหาการต้องพิมพ์บอกสไตล์การทำงานซ้ำๆ user-profile-keeper จะช่วยบันทึกการตั้งค่าและความชอบส่วนตัว เช่น ความต้องการให้ตอบแบบกระชับหรือละเอียด การเลือกให้ถามก่อนทำหรือลุยทำได้เลย และระดับความเสี่ยงที่ยอมรับได้ ข้อมูลเหล่านี้จะถูกบันทึกไว้ที่ .compass-skills/user-profiles/v1 (หรือกำหนดผ่านตัวแปร COMPASS_USER_PROFILE_HOME) ทำให้ agent ปรับตัวเข้ากับสไตล์การทำงานของเราได้ดีขึ้นในทุกเซสชัน

อย่างไรก็ตาม ข้อมูล profile นี้เป็นไฟล์ข้อความธรรมดาที่เปิดอ่านและแก้ไขได้ โดยไม่ได้มีการเข้ารหัส จึงห้ามนำรหัสผ่าน API key หรือ token ที่เป็นความลับมาใส่ไว้เด็ดขาด เพราะเครื่องมือนี้มีหน้าที่จดจำเพียงสไตล์การทำงานร่วมกันเท่านั้น

เริ่มต้นติดตั้งและใช้งาน

การติดตั้งสามารถทำได้สะดวกรวดเร็ว สำหรับผู้ที่ใช้งาน Claude Code อยู่แล้ว สามารถทำตาม 3 ขั้นตอนดังนี้:

1. ติดตั้งชุด skills ทั้งหมดผ่าน skills CLI:

npx skills add dongshuyan/compass-skills --skill '*' -a claude-code

2. เริ่มต้นเซสชันใหม่ แล้วเรียกใช้ skill ที่ต้องการด้วยสัญลักษณ์ $ เช่น $task-clarifier, $task-forest หรือ $user-profile-keeper
3. เริ่มทดสอบกับ task-clarifier ก่อน โดยพิมพ์คำสั่งเช่น "Use $task-clarifier to align the task below" แล้วตามด้วยโจทย์งานจริง ตัว agent จะประเมินและหยุดถามเฉพาะจุดที่จำเป็นก่อนลงมือ

สำหรับผู้ที่ใช้งาน Codex หรือต้องการติดตั้งให้กับทั้งสองเครื่องมือพร้อมกัน สามารถสั่งการได้ด้วยคำสั่ง:

npx skills add dongshuyan/compass-skills --skill '*' -a codex -a claude-code

นอกจากนี้ยังสามารถคัดลอกโฟลเดอร์ทั้ง 3 ตัวที่อยู่ใต้ไดเรกทอรี skills/ (รวมถึง references/, scripts/ และ agents/) ไปวางไว้ในโฟลเดอร์ skills ของ agent ได้โดยตรง โดยโปรเจกต์นี้เปิดให้ใช้งานภายใต้ MIT license

ก้าวแรกของระบบจัดการ skills สำหรับ AI Agent

จุดแข็งสำคัญของ COMPASS คือการไม่ยึดติดกับ agent ค่ายใดค่ายหนึ่ง สามารถใช้งานได้ทั้งกับ Claude Code, Codex และ agent อื่นๆ ที่รองรับมาตรฐาน SKILL.md หรือ AGENTS.md และด้วยโครงสร้างแบบ local-first จึงช่วยให้ผู้ใช้ควบคุมความปลอดภัยของข้อมูลได้เองอย่างเต็มที่

แม้ฟีเจอร์หลายอย่างใน roadmap ยังอยู่ในระหว่างการพัฒนา เช่น การสร้าง skill ใหม่จากประวัติการทำงาน หรือการเรียนรู้จากข้อผิดพลาดที่ผ่านมา แต่สิ่งที่ COMPASS นำเสนอในวันนี้คือแนวคิดที่น่าสนใจ ในขณะที่เครื่องมือ AI ส่วนใหญ่เน้นแข่งขันกันเรื่องความเร็ว COMPASS กลับให้ความสำคัญกับคำถามที่ว่า agent เข้าใจงานถูกต้อง หยุดถามในจังหวะที่เหมาะสม และจดจำทิศทางการทำงานได้ดีเพียงใด

ที่มา: COMPASS: Personal Alignment Skills OS for AI Agents จาก GitHub