สรุป Master 97% of Codex ใน 1 ชั่วโมง ของ Nate Herk: Codex ทำอะไรได้บ้าง และต่างจาก Claude Code ยังไง

วิดีโอ "Master 97% of Codex in 1 Hour" ของช่อง Nate Herk | AI Automation พา dev ตั้งแต่เปิดแอป Codex ของ OpenAI ครั้งแรก ไปจนถึงสร้างระบบ end-to-end สำหรับดึงคอมเมนต์ YouTube มาวิเคราะห์ ออก Excel ทำ dashboard และ deploy ขึ้น Vercel พร้อม automation ที่ refresh เองทุกสัปดาห์ ทั้งหมดนี้เกิดขึ้นในชั่วโมงเดียว Nate ประกาศจุดยืนตั้งแต่นาทีแรกว่าไม่ได้ทิ้ง Claude Code และยังใช้ทั้งคู่ทุกวัน เพราะเครื่องมือสองตัวนี้เก่งคนละแบบ บทความนี้สรุปประเด็นหลักทั้งหมดที่ Nate อธิบายในคลิป เรียบเรียงใหม่ตามลำดับการอ่านของ dev ไทย พร้อม bridge ส่วนที่เป็น context อเมริกา เช่น ราคาแผน ChatGPT หรือ Vercel free tier ให้พอเห็นภาพ

1. Codex คืออะไร และต่างจาก Claude Code ตรงไหน

Nate นิยาม Codex ว่าเป็น "massive super app" หรือ agentic IDE ของ OpenAI ที่ทำงานบนเครื่องคล้าย Claude Code ของ Anthropic แต่ใช้ฐานโมเดลและตัวขับ (harness) คนละแบบ Codex เปิดได้ทั้ง desktop app, VS Code extension และ terminal ในคลิปเขาใช้ desktop app เป็นหลัก เพราะเข้าใจง่ายที่สุดสำหรับคนที่เพิ่งเริ่ม

ใน interface Nate ชี้ว่าใครเคยใช้ ChatGPT บนเว็บจะคุ้นทันที sidebar ซ้ายมี projects และ chats ตรงกลางเป็นช่อง chat ส่วนด้านบนมี toggle ของโมเดล GPT-5.5 หรือ GPT-5.4 และปรับ speed กับ intelligence ได้ตั้งแต่ low, medium, high จนถึง extra high ฝั่ง Claude Code desktop app ก็มี layout คล้ายกันมาก

จุดต่างสำคัญที่ Nate เน้นคือ Codex ไม่ใช่แค่ chat แต่ยังอ่านและเขียน Excel ได้ scan ไฟล์บนเครื่องได้ คุม mouse และ keyboard ได้ automate browser ได้ สร้าง skill ที่ใช้ซ้ำได้ build เว็บ build แอป build เกม รวมถึง deploy ขึ้น production และตั้งเวลาให้รันตอนหลับได้ในที่เดียว Nate สรุปไว้คมว่า "Codex ทำได้ทุกอย่างที่ ChatGPT บนเว็บทำได้ แต่ ChatGPT ทำไม่ได้ใกล้เคียงสิ่งที่ Codex ทำได้"

เวลาเปรียบเทียบกับ Claude Code Nate ใช้กรอบสั้น ๆ ว่า "different harnesses, work similarly but fundamentally different" หมายความว่าโครงสร้างการทำงานคล้ายกัน แต่ฐานต่างกันโดยพื้นฐาน Claude Code ใช้ Opus, Sonnet, Haiku อยู่ใต้ฝา ส่วน Codex ใช้ GPT-5.5 และตัวอื่น ๆ ในตระกูล GPT จุดแข็งของทั้งคู่จึงไม่เหมือนกัน

ในวิดีโอ Nate เล่าว่าหลังทดลองเทียบกันแล้ว Claude เหมาะกับงาน exploratory การ brainstorm การวางแผน และงานสร้างสรรค์ ส่วน Codex เหมาะกับงาน pragmatic ที่ต้องตามแผนยาว ๆ ดีบักเก่ง และจัดการปัญหาที่ Claude บางทีค้าง ในการใช้งานจริง ทั้งคู่จึงไม่ใช่คู่แข่งตรง ๆ

2. agents.md และ skill: ไฟล์ markdown ที่ทำให้ Codex รู้จัก project

Nate ชี้ว่าคนที่ย้ายจาก Claude Code มา Codex ต้องรู้จักไฟล์ชื่อ agents.md ก่อน เพราะเป็นคู่ขนานของ claude.md ที่ Claude Code ใช้ Codex จะอ่านไฟล์นี้เป็นอันดับแรกทุกครั้งที่เปิด chat ใหม่ เพื่อทำความเข้าใจ goal ของ project เจ้าของคือใคร และทิศทางของ product เป็นอย่างไร

ใน workflow ของ Nate ขั้นตอน onboard Codex ที่ทำประจำคือ prompt ให้ Codex ไปอ่าน file บน desktop ก่อน เช่น "อยู่ใน folder ชื่อ YouTube OS ไปอ่าน raw transcript 5 ถึง 10 ไฟล์ ทำความรู้จักกับเจ้าของ project ก่อน" จากนั้นค่อยสั่งให้สรุปบริบทลง agents.md Nate เตือนเพิ่มว่าเมื่อ project ใหญ่ขึ้น อย่าใส่ความรู้ทุกอย่างใน agents.md เพราะไฟล์จะใหญ่และกิน token ตอน Codex อ่าน แยก knowledge ออกเป็นไฟล์ย่อยจะคุมต้นทุนได้ดีกว่า

ในศัพท์ของ Codex คำว่า skill หมายถึง "สูตรการทำงานที่ใช้ซ้ำได้" Nate เปรียบเทียบกับสูตรทำ chocolate chip pancake ที่มีขั้นตอนเขียนไว้ชัดเจน ใช้ครั้งแรกได้ผลแบบหนึ่ง ใช้ซ้ำก็ได้ผลใกล้เคียงเดิม และทุกครั้งที่เจอจุดปรับปรุง เช่น เพิ่ม chocolate chip หรือเพิ่มเวลาทอด ก็เขียนกลับลงสูตร รอบหน้าจะได้ pancake ที่ดีขึ้น

ในเชิงไฟล์ skill ของ Codex คือไฟล์ markdown ที่มี name, description, context และ step-by-step ชัดเจน ส่วน location มี 2 รูปแบบ ถ้าวางที่ .codex/ ระดับ root จะเป็น skill global ใช้ได้ทุก project ถ้าวางใน .codex/skills/ ภายใน folder ของ project เดียวจะเป็น project-local Nate ชี้ว่า Codex สลับ scope ได้ผ่าน prompt ธรรมดา ไม่ต้องย้ายไฟล์เอง

การเรียกใช้ skill ทำได้ 2 ทาง วิธีแรกคือพิมพ์ /<skill-name> ในช่อง chat อีกวิธีคือใช้ "natural language" โดยเขียน description ของ skill ให้ดี เมื่อ prompt ตรงกับ description Codex จะหยิบมาใช้เอง ตัวอย่างที่ Nate โชว์คือ skill ชื่อ morning coffee ที่มี description "Use when someone asks for morning coffee to prep or plan their day" พอ Nate ขอให้ Codex ช่วยวางแผนวัน Codex ก็หยิบ skill นี้มารันโดยอัตโนมัติ

3. interface tour: 6 ส่วนที่ต้องรู้ก่อนเริ่มงานจริง

ช่วงต้นคลิป Nate พา tour interface ของ Codex desktop app ทำให้เห็นชัดว่ามี 6 จุดที่ใช้ทุกวัน ส่วนแรกคือ model picker ด้านบนช่อง chat ที่สลับระหว่าง GPT-5.5 กับ GPT-5.4 ได้ และปรับ reasoning level เป็น low, medium, high หรือ extra high ได้ Nate ใช้ medium เป็น default สำหรับ planning และ brainstorm ใช้ high ตอน build งานใหญ่ และเก็บ extra high ไว้สำรองตอนติดบั๊กที่แก้ไม่ออก ส่วน fast speed เขาแทบไม่ใช้ เพราะกิน session quota เร็ว

ส่วนที่สองคือ permissions ladder ในเมนู Settings > General Codex ตั้งต้นที่ default ซึ่งจะหยุดถามทุก action ส่วน auto-review จะอนุญาตอัตโนมัติแต่แสดงผลให้ทบทวน และ full access คือเปิดให้ทำเองทุกอย่างโดยไม่ถาม Nate แนะนำให้เริ่มที่ default ก่อน พอชำนาญ flow ของตัวเองแล้วค่อยขยับขึ้น เหตุผลคือมี horror story ของ agent ลบ database หรือยิง mass email จาก context rot หรือคำสั่งที่กำกวมเกินไป

ส่วนที่สามคือ slash command และ at tag ถ้าพิมพ์ / จะเปิด menu ของ skill และ feature ที่ติดมาในแอป เช่น autoreview, code review, MCP, memories, model, personality, pet, plan mode, reasoning, browser use, GitHub, PDF และ skill creator ส่วน @ ใช้ tag plugin หรือ file ที่อยู่ใน project เพื่อให้ Codex อ่านได้ตรงจุด

ส่วนที่สี่คือ side chat หรือปุ่ม open side chat สำหรับเปิด conversation ย่อยที่แชร์ context กับ chat หลัก เหมาะเวลาต้องการถามคำถามแทรกโดยไม่รบกวน main session ที่กำลังรันงานยาว ๆ Nate บอกว่าใกล้เคียงกับ slash chat ของ Claude Code

ส่วนที่ห้าคือ personality ที่ Codex มีให้เลือก 2 แบบคือ friendly กับ pragmatic Nate ใช้ pragmatic เป็น default เพราะอยากได้คำตอบสั้น focused และ direct โดยปรับได้จาก /personality ใน chat

ส่วนที่หกคือ context window bar ด้านล่าง chat ที่แสดง % ของ context ที่ใช้ไป Codex auto-compact ให้เองเหมือน Claude Code Nate เสริมว่า Claude Code มี context window 1M token ใหญ่กว่า Codex ประมาณ 4 เท่า ส่วน rate limits remaining ใน Settings จะบอก % ของ session quota ที่เหลือ โดย reset ทุก 5 ชั่วโมง และมี weekly cap อีกชั้น

อีกหนึ่งจุด UI ที่ Nate เล่าเป็น bonus คือ pet ตัวเล็กที่มุมล่างจอ Codex มีให้เลือกหลายตัว เช่น Dewey, CDI, bod, stacky, fireball เลือกจาก Settings > Appearance > Pets หน้าที่จริงคือบอกสถานะของ agent ว่ากำลังทำอะไรอยู่ แม้สลับไปแอปอื่นแล้วก็ยังตามงานได้ ทำให้ multitask สะดวกขึ้น ส่วนใครไม่ชอบให้พิมพ์ /pet ก็ซ่อนได้

4. plugin, MCP, connector: เคลียร์ความสับสนของศัพท์

ในวิดีโอ Nate เปิด plugin marketplace ของ Codex ให้ดูว่ามี Hugging Face, Vercel, GitHub, Figma, Canva, Hyperframes, Notion, Google Drive, Slack, SharePoint และ Teams ในกรอบของ Codex คำว่า plugin หมายถึง connector หรือ package ของ third-party ที่เสียบเข้า Codex ได้ คล้ายกับ MCP server ในระบบของ Claude Code

Nate ใช้ project YouTube ในวิดีโอเป็นตัวอย่าง พอค้น "YouTube" ใน plugin marketplace แล้วไม่เจอ plugin สำเร็จรูป Codex จึงถามกลับว่าจะใช้ API key หรือ OAuth Nate เลือก API key แล้วสั่งให้สร้าง key ใหม่ตั้งแต่ต้น แยกจากของ Claude Code ที่ใช้อยู่เดิม เพื่อแยกบัญชี

ส่วนที่แยกกันชัดในศัพท์ของ Codex คือ plugin หมายถึง connector ภายนอกที่ติดตั้งจาก marketplace ส่วน skill คือสูตรการทำงานที่อยู่ในไฟล์ markdown ของ project เอง ทั้งสองอย่างเรียกผ่าน / ได้เหมือนกัน แต่ที่มาและ scope ต่างกัน

5. worked example: ระบบ YouTube comment intelligence ภายใน 1 ชั่วโมง

ตัวอย่างที่ Nate ใช้สาธิตคือระบบดึงคอมเมนต์จาก channel YouTube ของตัวเองมาวิเคราะห์ pattern แล้วออกเป็น Excel กับ web dashboard ที่ deploy บน Vercel public URL เพื่อเปิดเช็คบนมือถือได้ทุกที่ พร้อม automation ที่ refresh เองทุก Sunday 5pm Nate ตั้งชื่อ project ว่า YouTube Analytics Demo และทำเสร็จในเซสชั่นเดียวประมาณ 1 ชั่วโมง

5.1 setup Google Cloud และ YouTube Data API v3

เพราะ plugin marketplace ไม่มี YouTube จึงต้องให้ Codex เสียบผ่าน API key ที่สร้างเอง ขั้นตอนที่ Nate ทำใน Google Cloud Console มี 9 ข้อตามลำดับ

1. login Google Cloud Console ด้วย account YouTube
2. สร้าง project ใหม่ ในคลิปตั้งชื่อว่า "codex demo"
3. ค้น "YouTube Data API v3" ที่ search bar ด้านบน
4. กด enable API
5. ไปที่ Credentials แล้วกด Create API key
6. ตั้งชื่อ key ในคลิปใช้ "codex YouTube demo"
7. ตั้ง restriction เป็น YouTube Data API v3 เพื่อจำกัด scope ของ key
8. copy ค่า API key
9. paste ค่าลงไฟล์ .env.local ที่ Codex สร้างไว้ในช่อง YOUTUBE_API_KEY

Nate ใช้โอกาสนี้อธิบายว่าจุดสำคัญของไฟล์ .env.local ที่ขึ้นต้นด้วยจุดคือบอก Git ให้ exclude อัตโนมัติผ่าน .gitignore ดังนั้นค่า API key จะไม่หลุดขึ้น GitHub โดยไม่ตั้งใจ Codex เองก็ระวังไม่ commit secret และจะเลือกวางลงไฟล์ที่ขึ้นต้นด้วยจุดเสมอ

5.2 ดึง 200 comment แล้วออกเป็น Excel ที่อ่านง่าย

หลังต่อ API ติด Nate เปิด plan mode ก่อนเริ่ม build จริง โหมดนี้ทำให้ Codex วางแผนอย่างเดียว ยังไม่ execute เพื่อให้ผู้สั่งเห็นแผนก่อนยอมรับ Nate บอกว่า "always start with plan mode" เป็นนิสัย ส่วน prompt ตัวอย่างที่ใช้คือ "ดึง 100 ถึง 200 comment ล่าสุด วิเคราะห์ pattern ทำเป็น Excel ที่อ่านง่าย" Codex ถามกลับว่าต้องการกี่ comment, classify อย่างไร และเน้น insight ทิศไหน Nate ตอบ 200 และยอมรับ default ของ Codex ที่เหลือ

ระหว่าง Codex รัน Nate เจอ TLS error บน PowerShell Codex จึง fallback ไปใช้ Node และ Python แทน Nate ใช้เหตุการณ์นี้สอน mindset สำคัญที่เขาเรียก "failure is golden data" โดยสั่ง Codex ให้บันทึก knowledge นี้ไว้ใน memory ของ project เพื่อรอบหน้าจะได้ไม่พลาดซ้ำ ในคลิป Codex เลือกใส่ note ลง agents.md ตรง ๆ แต่ Nate เตือนว่า project ใหญ่ต้องระวังไม่ให้ไฟล์นี้บวม

ผลลัพธ์ที่ Codex ส่งกลับคือ Excel หลาย sheet โดย sheet แรกชื่อ overview สรุป question rate, content requested rate และ top mentioned tools sheet ต่อมาคือ creator insights ที่จัด ranked pattern ของคอมเมนต์ พร้อม priority score ของ action ที่แนะนำให้ creator ทำ sheet ที่สามคือ frequent questions รวมคำถามซ้ำ ๆ sheet ที่สี่คือ content ideas ที่ Codex สกัดจากความเห็น sheet ที่ห้าคือ reply opportunities เป็นคอมเมนต์ priority สูงที่ควรตอบ และ sheet สุดท้ายคือ raw comments เก็บ comment ดิบ 200 row ไว้เป็น source of truth

Nate ชี้ตรง ๆ ว่า output แรกยัง generic เพราะ prompt ก็กว้าง ๆ การวาง plan ที่ละเอียดและบอก insight ที่อยากได้ตั้งแต่ต้นจะได้ผลที่ตรงเป้ามากกว่า

5.3 convert flow ที่ทำเสร็จแล้วให้เป็น skill

หลังได้ Excel ที่พอใจ Nate prompt Codex ต่อว่า "เอา flow ที่เพิ่งทำเสร็จมาทำเป็น skill เพื่อรอบหน้าใช้คำสั่งสั้น ๆ แล้วได้ผลแบบเดิม" Codex จะ reverse engineer step ทั้งหมด แล้วเขียนเป็นไฟล์ markdown ใหม่ ในตัวอย่างของ Nate Codex วางไฟล์ youtube-comment-insights.md ไว้ที่ .codex/skills/ ระดับ global ใช้ได้ทุก project ในเครื่อง ถ้าอยากให้ใช้เฉพาะ project นี้ Nate บอกว่าสั่ง Codex ว่า "put this locally only" ก็ย้ายให้ทันที

หลังจากนั้น Nate ทดลองพิมพ์ /youtube-comment-insights ในช่อง chat ก็เรียก skill นี้กลับมาได้ทันที ตรงนี้คือจุดที่เขาเน้นว่า Codex จะค่อย ๆ ฉลาดขึ้นเมื่อ user รู้จักเปลี่ยน workflow ที่ทำซ้ำให้กลายเป็น skill

5.4 build dashboard ด้วย GPT image 2 และ verification loop

ขั้นต่อไป Nate เปิด chat ใหม่ใน project เดิม เพื่อแยก scope งาน build dashboard ออกจาก chat เดิมที่ใช้ดึง comment Codex ยังเข้าถึงไฟล์ทุกอย่างใน folder เดียวกันได้ Nate ใช้ @ tag ไฟล์ Excel ที่ทำไว้ ตามด้วย prompt ให้สร้าง local host dashboard ที่อ่านข้อมูลจาก Excel นั้น และให้ใช้โมเดล GPT image 2 ออกแบบ logo กับ UI element ใหม่ ตรงนี้ Nate ลด reasoning จาก extra high กลับมาที่ medium เพื่อกัน Codex over-engineer งานง่าย

Codex ตอบกลับด้วยคำถามเรื่อง design direction ว่าจะเลือก creator ops, playful studio, หรือ executive clean Nate ยอมรับ default ของ Codex และระบุว่า data source คือ Excel เดิม ส่วน first screen ให้โชว์ analytics overview จากนั้น Codex ก็เริ่ม generate asset เช่น logo เป็น YouTube play button ผสม noise และ comment ก่อนจะ assemble dashboard

จุดที่ Nate ให้น้ำหนักมากคือ Codex มี built-in verification loop เปิด in-app browser แล้วทำ visual pass พร้อม screenshot เพื่อตรวจสภาพหน้าจอก่อนส่งกลับให้ user ในคลิป pass แรกเจอ 3 issue Codex แก้แล้ว pass ที่สองผ่าน หน้า dashboard สุดท้ายชื่อ Creator Ops Signal Desk มี metric card บอก creator reply 83% และ total like 78 มี tab overview, replies, ideas, questions, explorer ที่กรองมุมมองได้ และมี chart content category mix แยกเป็น general feedback 55, questions 53 ที่เหลือคือ access feedback, positive feedback, tool comparison และ pricing

5.5 deploy ด้วย GitHub และ Vercel

dashboard ที่ build เสร็จยังรันอยู่ใน localhost คนภายนอกเปิดไม่ได้ Nate จึงพา deploy ขึ้น production ด้วยสอง service คือ GitHub กับ Vercel ซึ่งทั้งคู่มี free tier ที่พอใช้สำหรับ project แบบนี้

ขั้นแรกคือสมัคร GitHub account ใหม่ฟรี Nate prompt Codex ต่อว่า "sync codebase ของ dashboard นี้ขึ้น GitHub repo + push ทุก file เข้าไป" Codex ระมัดระวังด้านความปลอดภัย จะไม่ commit .env.local หรือไฟล์ที่ขึ้นต้นด้วยจุด ส่วนใครยังไม่ติด GitHub CLI Codex จะถามและช่วยเปิด browser tab ให้ authenticate แล้วสร้าง private repo ชื่อ YouTube Analytics Demo ให้อัตโนมัติ

ต่อมาคือ Vercel ที่จับคู่กับ GitHub หลังสมัคร account ให้ทำ Connect Vercel กับ GitHub จากนั้นกด Add new project เลือก repo "YouTube Analytics Demo" แล้วกด Deploy รอประมาณ 30 วินาทีก็ได้ live URL ที่จะลงท้ายด้วย .app ถ้าอยากใช้ custom domain ก็ปรับ DNS record เพิ่มได้

สิ่งที่ Nate เน้นมากคือหลังจากนี้ ทุกครั้งที่แก้ code ใน Codex แล้ว push commit ขึ้น GitHub Vercel จะ pull change มา deploy อัตโนมัติ ดังนั้น 3 tool ที่ใช้คือ Codex, GitHub และ Vercel แต่ user manage แค่ Codex ที่เดียวก็พอสำหรับ pipeline ทั้งสาย ส่วน production จะกระทบก็ต่อเมื่อ user สั่ง push เท่านั้น จึงแก้ code แล้วทดลองใน localhost ได้โดยไม่ทำให้ production พัง

5.6 ตั้ง automation ให้รัน Sunday 5pm

ขั้นสุดท้ายของ project คือ automation ให้เปิดเมนู Automations ใน Codex แล้วสร้าง scheduled chat โดย prompt ที่ Nate ใช้คือ "ทุก Sunday 5pm รัน skill YouTube comment insights, ดึง comment ใหม่, update Excel แบบ preserve และ merge ไม่ duplicate, refresh dashboard, commit เฉพาะ diff และ push ไป branch ที่ Vercel deploy"

จุดที่ต้องระวังและ Nate เจอจริงในคลิปคือ automation ที่สร้างใหม่จะ default ที่ GPT-5.2 ซึ่งช้ากว่า 5.5 พอสมควร ต้องเข้าไป set model, reasoning level และ speed ของ automation แยกจาก main chat ของ project ในการรันรอบสามที่ตั้งเป็น 5.5 high + standard speed automation จบใน 7 นาที พบ comment ใหม่ 28 ตัว merge เข้ากับ 200 เดิมโดยไม่ซ้ำ และ Vercel deploy commit ใหม่ภายใน 1 นาที

Nate ใช้ analogy การสอนเด็กขี่จักรยานอธิบายว่า automation ไม่ใช่ของที่ตั้งครั้งเดียวแล้วปล่อย รอบแรกต้องเฝ้าดูใกล้ ๆ เพื่อจับ pattern ของปัญหา รอบต่อ ๆ ไปค่อยปล่อยมือ ของบางอย่างมองจาก outside ไม่เห็น เช่น root cause ที่ทำให้รอบแรก ๆ ของ Nate ค้าง 20 นาที กลับเป็นเพราะ Nate เปิดไฟล์ Excel ค้างไว้ Codex จึง overwrite ไม่ได้ บทเรียนแบบนี้จะเจอก็ตอนเฝ้าดูเท่านั้น

5.7 browser use สำหรับ QA และ scraping

อีก feature สำคัญที่ Nate โชว์คือ browser use ซึ่งเป็น skill ในตัวที่ Codex เปิด in-app browser และคุม mouse กับ keyboard ได้เอง ในตัวอย่างนี้ เขา prompt ให้ Codex เปิด dashboard ที่ build เสร็จ แล้ว stress test คลิกทุกปุ่ม กรอกทุกช่อง พยายามทำให้พัง และรายงาน bug ที่เจอ Codex ออกไป QA จริง แล้วกลับมาด้วย issue 6 ข้อ เช่น external link ของ YouTube ไม่เปิด tab ใหม่ empty state ของ tab explorer ดูโล่งเกินไป search ทำ literal match เกินไป และ active tab state เป็นแค่ visual feedback ไม่ปรับ behavior

Nate ชี้ว่า browser use ของ Codex ใช้กับ use case อื่น ๆ ได้อีกหลายแบบ เช่น automate งานบนเว็บที่ไม่มี API public, download report เป็น batch จาก dashboard ที่ต้อง login หรือ scrape เว็บที่ต้องผ่าน authentication เพราะ browser ในแอปเก็บ cookie ของ session ไว้ได้ Nate ยังเปรียบเทียบกับ Playwright CLI ที่ Claude Code มักเรียกใช้ และบอกว่า browser use ของ Codex รู้สึก smooth และฉลาดกว่าตัวที่เคยใช้มา

6. 3 บทเรียนที่ Nate เสียเวลาเรียนรู้ มาก่อนแล้ว

นอกจากเนื้อหา feature ในคลิป Nate ยังเล่าจุดสะดุด 3 ข้อที่ทำให้ project ของเขาช้าลงจริง และ dev ไทยควรรู้ไว้ตั้งแต่ก่อนเริ่ม

ข้อแรกคือ "อย่าเปิดไฟล์ทิ้งไว้ตอน automation รัน" automation รอบแรกของ Nate ค้าง 20 นาทีโดยไม่มี error ที่ชัดเจน root cause คือ Nate เปิดไฟล์ Excel เดิมค้างไว้ใน background ทำให้ Codex overwrite ไม่ได้ การ stop, ตรวจสอบ และถาม Codex ว่าค้างที่ขั้นไหน เป็นวิธีที่เร็วกว่าปล่อยให้ run ไปเรื่อย ๆ

ข้อสองคือ automation มี default model แยกจาก main chat ปัจจุบัน Codex ตั้ง automation ใหม่ให้เริ่มที่ GPT-5.2 ซึ่ง Nate บอกว่าช้ากว่า 5.5 และจะกินเวลาและ session quota เปล่า ๆ หลังสร้างจึงควรเข้าไปแก้ model, reasoning level และ speed ในเมนู automation ทันที

ข้อสามคือ concept ที่ Nate เรียก "dark code" Vibe coding แบบใช้ agent build ทุกอย่างให้ ทำให้ codebase ขยายเร็ว แต่ user อาจไม่เข้าใจว่า Python script หรือ JS file แต่ละไฟล์ทำอะไรอยู่ Nate แนะนำว่าไม่จำเป็นต้องเข้าใจทุกบรรทัด แต่ต้องเข้าใจ fundamentally ว่าระบบทำงานอย่างไร และเปิดโอกาสให้ Codex review เพื่อหาทาง streamline หรือใส่ guardrail เพิ่ม จะช่วยกัน technical debt ที่สะสมไปแบบเงียบ ๆ

7. cross-tool playbook: Codex + Claude Code ใช้คู่กันได้บน folder เดียว

จุดสุดท้ายที่ Nate ทิ้งท้ายคือแนวคิด "all just files and folders" หมายความว่า project ใด ๆ ก็คือ folder บนเครื่อง ถ้ามี instruction ที่ชัด agent harness ตัวไหนก็เข้ามาทำงานได้ ดังนั้น Codex และ Claude Code จึงใช้คู่กันบน project เดียวได้

ในคลิป Nate เปิด integrated terminal ของ Codex แล้วเรียก Claude Code ขึ้นมาในที่เดียวกัน workflow ที่เขาแนะนำคือใช้ Claude brainstorm และวางแผน เพราะจุดแข็งของ Claude คือ exploratory ให้ Claude เขียน planning doc ลง file ใน project เดียวกัน จากนั้น tag file นั้นด้วย @ ใน Codex แล้วสั่ง Codex execute ตามแผน เพราะ Codex เก่ง pragmatic execution

ส่วนการพอร์ต project เดิมจาก Claude Code มา Codex Nate บอกว่าง่ายมาก แค่เปลี่ยนชื่อไฟล์ claude.md เป็น agents.md Codex ก็เริ่มอ่าน context ได้ทันที และทำกระบวนการนี้ให้อัตโนมัติได้ในประมาณ 30 วินาที

ประโยคปิดของ Nate ที่สรุปจุดยืนทั้งวิดีโอคือ "always about which tool is best for this specific use case, not which tool is best" หมายความว่าโจทย์ที่ถูกไม่ใช่ Codex vs Claude Code แต่คือเครื่องมือไหนตอบโจทย์งานเฉพาะหน้าได้ดีที่สุด

8. dev ไทยควรเริ่มยังไง

สำหรับ dev ไทยที่อยากลอง Codex ตามคลิปนี้ ขั้นแรกที่ Nate แนะนำคือต้องมี ChatGPT plan ก่อน แผน free มี Codex access แบบจำกัด ส่วนแผน $20 ต่อเดือน หรือประมาณ 700 บาทตามอัตราแลกเปลี่ยน ใช้เป็น starter ได้สบาย ถ้าเริ่มชน limit บ่อยค่อยขยับเป็น Pro

ถัดมาคือ install Codex app สำหรับ OS ที่ใช้ ไม่ว่าจะเป็น macOS หรือ Windows ในคลิป desktop app เป็นจุดเริ่มที่เข้าใจง่ายที่สุด ส่วน VS Code extension และ terminal เหมาะกับคนที่ต้องการ control เต็มกว่า เปิดแล้วให้ลองสร้าง project ใหม่จาก file explorer ของ Codex แล้วเลือก folder บน desktop เป็น root ของ project

หลังจากนั้น Nate แนะนำให้ลอง prompt 3 ระลอก ระลอกแรก ขอให้ Codex อ่าน file 5 ถึง 10 ไฟล์ใน folder ของตัวเอง เพื่อ familiarize ตัวเองกับเจ้าของ ระลอกที่สอง ขอให้ Codex สร้าง agents.md ที่บันทึก context และ goal ของ project ระลอกที่สาม ลองงานเล็ก ๆ ที่จับต้องได้ เช่น "อ่าน CSV นี้ออกแบบ Excel ที่อ่านง่ายให้หน่อย" หรือ "ดึงข้อมูล public จาก API นี้สรุปเป็น table" เพื่อจับ feel ของ workflow ก่อนขยายไป project ใหญ่

อีกหนึ่งคำแนะนำของ Nate ที่ใช้ได้กับทั้ง Codex และ Claude Code คือเปลี่ยน mindset จาก "search Google" หรือ "จองคิว consult" ตอนเจอปัญหาที่ไม่แน่ใจ มาเป็น "ถาม Codex ให้ research แล้วอธิบายให้ฟัง" วิธีนี้จะประหยัดเวลา และได้ความเข้าใจที่ตรง context ของ project ตัวเองมากกว่า

9. สรุป

Nate Herk ใช้เวลา 1 ชั่วโมงพา dev เปิดประตู Codex ของ OpenAI ตั้งแต่เปิดแอปครั้งแรก tour interface, ทำความรู้จัก agents.md, skill, plugin, plan mode, permissions ladder, slash command และ side chat ไปจนถึง worked example ที่จับต้องได้จริงอย่างระบบ YouTube comment intelligence ที่ครบทั้ง pipeline ตั้งแต่ Google Cloud API, Excel, dashboard บน Next.js, deploy ผ่าน GitHub และ Vercel, ตั้ง automation รัน Sunday 5pm และใช้ browser use ทำ QA ให้ตัวเอง

หัวใจของวิดีโอไม่ได้อยู่ที่ "เลือก Codex หรือ Claude Code" แต่อยู่ที่กรอบที่ Nate ทิ้งท้ายว่า "ใช้เครื่องมือที่เหมาะกับ use case นี้ ไม่ใช่เครื่องมือที่ดีที่สุดในภาพรวม" สำหรับคน vibecoding ที่อยู่กับ Claude Code อยู่แล้ว การลอง Codex ไม่ใช่การทิ้งของเดิม เพราะ project คือแค่ folder + file ที่ harness ตัวไหนก็เข้ามาทำงานได้ การพอร์ตข้ามทำได้ง่ายถึงขั้นเปลี่ยนชื่อ claude.md เป็น agents.md ภายในไม่กี่สิบวินาที

ที่มา: Nate Herk | AI Automation : Master 97% of Codex in 1 Hour (full course) (YouTube, 2026-05-06) ดูช่องเต็มของ Nate ที่ youtube.com/@nateherk ทุกประเด็นในบทความนี้สรุปจากเนื้อหาในคลิปดังกล่าวเท่านั้น