มีคลิปสาธิตหนึ่งจากช่อง Claude ของ Anthropic ที่สะท้อนการเปลี่ยนผ่านวิธีทำงานร่วมกับ AI ได้ชัดเจนกว่าสเปกยาวเหยียดหลายหน้า ในคลิปนั้น วิศวกรซอฟต์แวร์มอบหมายงานย้ายโค้ดทั้ง Monorepo จำนวน 4 แอปพลิเคชัน จากระบบ Routing แบบเดิมไปเป็น App Router ของ Next.js ให้ Claude Code จัดการเป็น "โจทย์ก้อนเดียว" แล้วลุกออกไปพักผ่อนที่สวนสาธารณะ เมื่อเขากลับมา หน้าจอ Terminal ขึ้นข้อความว่า Crunched for 11h 38m 27s พร้อมสร้าง Pull Request (PR) ที่ผ่านการรันเทสต์ครบทุกด่านและมีบันทึกการรีวิวแนบมาให้เรียบร้อย ทั้งหมดนี้เกิดขึ้นโดยไม่มีมนุษย์คอยนั่งเฝ้าหน้าจอแม้แต่นาทีเดียว

จุดเริ่มต้นของเรื่องนี้คือการเปิดตัวโมเดล Claude Opus 4.8 เมื่อวันที่ 28 พฤษภาคม 2026 โดยคงราคาเดิม ($5 ต่อ 1 ล้าน Input Tokens และ $25 ต่อ 1 ล้าน Output Tokens) พร้อมชูจุดขายสำคัญคือ "Consistency and autonomy to keep working on long-running tasks" หรือความเสถียรและการทำงานต่อเนื่องได้อย่างอิสระในสเกลงานระยะยาว (Anthropic)

บทความนี้จะพาไปเจาะลึกว่ามีอะไรเปลี่ยนแปลงไปบ้างในทางปฏิบัติ อะไรคือสิ่งที่เดโมแสดงให้เห็น วิธีการมอบหมายงานระยะยาวให้ Claude จัดการตามได้จริง และทำไมคำว่า "AI ทำงานอัตโนมัติ" ถึงต้องเดินคู่ไปกับวินัยที่มีมนุษย์คอยกำกับอยู่เสมอ

1. การทำงานต่อเนื่อง 11 ชั่วโมง 38 นาทีโดยไม่มีใครเฝ้า

คลิปสาธิตนี้ไม่มีเสียงบรรยาย แต่บันทึกหน้าจอ Terminal ของ Claude Code ล้วนๆ เพื่อเล่าเรื่องผ่านข้อความ

ช่วงแรกสะท้อนภาพการทำงานแบบเดิมที่นักพัฒนาคุ้นเคย คือการเปิดใช้งานหลายเซสชันคู่ขนานกัน แต่ละเซสชันทำงานสั้นๆ แล้วเด้งกลับมาถามคนตลอดเวลา เช่น "Ready to implement this change?" หรือ "New admin toggle is ready for review" สภาพนี้ทำให้มนุษย์กลายเป็นคอขวดที่ต้องคอยกดอนุมัติทีละขั้น (คลิปสาธิตของ Claude)

จากนั้นคลิปตัดเข้าสู่การเปิดตัว Opus 4.8 พร้อมแสดงกระบวนการทำงานแบบใหม่: ผู้ใช้ป้อนโจทย์ก้อนใหญ่เข้าไปเพียงครั้งเดียว สั่งให้ย้าย apps/dashboard ไปเป็น App Router พร้อมให้บริบทว่านี่คือหน้าหลักของบริษัท และกำลังจะมีอีกสามแอปย้ายตามมา จึงต้องการให้วาง Pattern ให้ถูกต้องตั้งแต่แรก เมื่อส่งคำสั่งเสร็จ วิศวกรก็ลุกออกไปข้างนอก ปล่อยให้ Claude Code เดินหน้าทำงานเอง

ผลลัพธ์ปลายทางในคลิปคือ Terminal แสดงเวลาทำงานรวม Crunched for 11h 38m 27s จัดการย้ายโค้ดครบทั้งสี่แอป ลบโฟลเดอร์ pages/ ทิ้งทั้งหมด และเปิด PR พร้อมผลตรวจ CI ผ่านฉลุย เบื้องหลังผลลัพธ์นี้มีทั้งการอัปเกรดโมเดลและการออกแบบเวิร์กโฟลว์ที่น่าสนใจซ่อนอยู่

2. การอัปเกรดจาก Opus 4.7 สู่ 4.8 มีอะไรเปลี่ยนไปจริง

ก่อนอื่นต้องทำความเข้าใจให้ตรงกันว่า Opus 4.8 ไม่ได้หมายความว่า Opus 4.7 ทำงานยาวไม่ได้ เอกสาร Migration Guide ของ Anthropic ระบุชัดเจนว่า 4.7 เป็นโมเดลที่มีความเป็นอิสระและทำงาน Agentic ระยะยาวได้ดีมากอยู่แล้ว และการอัปเกรดมาเป็น 4.8 ก็ไม่มี Breaking Change ใดๆ ยังคงใช้ Context Window ขนาด 1M Tokens เท่าเดิม (Claude API Docs) การเปรียบเทียบในคลิปเป็นเพียงการจำลองให้เห็นความต่างของรูปแบบการทำงาน

สิ่งที่ Opus 4.8 พัฒนาขึ้นอย่างชัดเจนคือ ความนิ่งและความแม่นยำในการรันงานต่อเนื่องยาวนาน (Long-horizon Agentic Coding)

เอกสารของ Anthropic อธิบายว่า 4.8 จัดการบริบทขนาดยาวได้มีประสิทธิภาพมากขึ้น เมื่อเจอกระบวนการบีบอัดบริบท (Context Compaction) โมเดลจะยังคงเกาะเป้าหมายหลักได้แน่นหนา ไม่หลงทิศทางหรือหลุดโฟกัสหลังการบีบอัดข้อมูล นอกจากนี้ยังเรียกใช้ Tools ได้แม่นยำขึ้น ลดการข้ามขั้นตอนสำคัญโดยไม่ตั้งใจ (Claude API Docs)

อีกจุดเด่นคือความซื่อตรงในการตรวจสอบโค้ด โดย Anthropic รายงานว่า 4.8 มีโอกาสปล่อยผ่านข้อบกพร่องในโค้ดโดยไม่ทักท้วงน้อยกว่า 4.7 ถึงประมาณ 4 เท่า (Anthropic) ประกอบกับ Claude Code มีการปรับพฤติกรรมให้ถามมนุษย์เฉพาะการตัดสินใจระดับนโยบายที่จำเป็นจริงๆ แทนที่จะถามพร่ำเพรื่อทั้งที่มีข้อมูลเพียงพออยู่แล้ว (Claude Code Docs)

3. งานที่เหมาะกับการปล่อยให้ AI รันยาวมีลักษณะอย่างไร

คำว่า Long-running Task ในเชิงวิศวกรรม ไม่ได้หมายถึงแค่งานที่กินเวลานาน แต่หัวใจสำคัญอยู่ที่ นิยามความสำเร็จ (Definition of Done) ที่ตรวจวัดผลได้ชัดเจน

งานที่เหมาะจะปล่อยให้ AI รันยาว คืองานก้อนใหญ่ที่มีเกณฑ์การวัดผลแบบ Binary หรือพิสูจน์ได้ด้วยระบบ เช่น

• Build ผ่าน (สีเขียว)
• Unit Test และ Integration Test ผ่านครบ 100%
• ไม่มี Type Error หรือ Lint Error หลงเหลือ
• ไฟล์หรือโฟลเดอร์ที่ไม่ใช้งานถูกลบออกไปจริง
• รายการ Issue ในคิวถูกเคลียร์จนหมด

หากงานใดไม่มีเกณฑ์วัดผลที่พิสูจน์ได้ด้วยการรันคำสั่ง ก็ยังไม่ควรปล่อยให้ AI ทำงานยาวตามลำพัง เพราะสิ่งที่ทำให้ AI ตัดสินใจเดินหน้าต่อได้โดยไม่ต้องหยุดถาม คือการที่มันสามารถรันคำสั่งเพื่อตรวจสอบว่าผลลัพธ์ถูกต้องตามเป้าหมายแล้วหรือไม่ ในคลิปสาธิต ทีมงานตั้งเงื่อนไขชัดเจนว่า "ย้ายทุกแอปไป App Router, ลบโฟลเดอร์ pages/ ทิ้ง และคำสั่ง Build ต้องผ่าน" (คลิปสาธิตของ Claude)

นี่คือความหมายของคำว่า "Plans deliberately, uses memory to learn across sessions, and drives long-running work forward with minimal oversight" ที่ Anthropic ระบุไว้บนหน้าผลิตภัณฑ์ (Anthropic) ซึ่งคำว่า Minimal Oversight หมายถึงการกำกับดูแลเท่าที่จำเป็น ไม่ใช่การปล่อยปละละเลยโดยสิ้นเชิง

4. วิธีมอบหมายงานระยะยาวให้ Claude ทำงานแทน

การสั่งงานแบบ "มอบโจทย์ก้อนเดียวแล้วปล่อยให้รันเอง" เกิดจากการผสานพลังของ 3 ฟีเจอร์หลักใน Claude Code ได้แก่ Auto Mode, คำสั่ง /goal และ Remote Control

ลำดับขั้นตอนการทำงานจริงมีดังนี้:

1. ตั้งโจทย์ก้อนใหญ่พร้อมระบุบริบทและเงื่อนไขความสำเร็จ: อย่าสั่งเพียงสั้นๆ ว่า "ย้ายไป App Router" แต่ควรอธิบายบริบททางสถาปัตยกรรม เช่น "แอปนี้เป็นหน้าหลักที่ใช้งานร่วมกันทั้งบริษัท และจะมีอีกสามแอปย้ายตามมา ให้วางโครงสร้างให้เป็นระเบียบตั้งแต่แรก" การให้บริบทจะช่วยให้ AI ตัดสินใจทางเลือกย่อยๆ ระหว่างทางได้ตรงใจเรามากขึ้น
2. เปิดใช้งาน Auto Mode เพื่อตัดการกดอนุมัติรายคำสั่ง: Auto Mode ช่วยให้ Claude อนุมัติการเรียกใช้ Tool ทั่วไปได้เอง โดยมีระบบ Classifier คอยคัดกรองและบล็อกคำสั่งที่อาจเป็นอันตรายอยู่เบื้องหลัง (Claude Blog) สามารถเปิดใช้งานได้ด้วยการกด Shift+Tab ใน Terminal หรือเปิด Toggle บน VS Code
3. กำหนดเกณฑ์จบงานด้วยคำสั่ง /goal: คำสั่ง /goal ช่วยตัดการถามตอบทีละรอบ (Turn) โดยระบบจะรันงานต่อเนื่องข้ามรอบไปเรื่อยๆ จนกว่าเงื่อนไขจะบรรลุผล โดยมีโมเดลขนาดเล็กคอยประเมินผลลัพธ์ในแต่ละรอบ (Claude Code Docs)
4. เชื่อมต่อด้วย Remote Control เพื่อมอนิเตอร์ผ่านมือถือ: พิมพ์ /remote-control ในเซสชันที่รันอยู่ จะได้ QR Code สำหรับเปิดดูสถานะผ่านมือถือ ตัวโปรแกรมยังคงทำงานอยู่บนเครื่องคอมพิวเตอร์ของเรา แต่เราสามารถอ่านความคืบหน้า ตอบคำถาม หรือรับแจ้งเตือนเมื่อระบบทำงานเสร็จได้จากทุกที่ (Claude Code Docs)
5. ทำงานบน Git Branch แยก และปิดท้ายด้วยการเปิด PR: ให้ AI สร้าง Branch ใหม่สำหรับงานนั้นเสมอ และทยอย Commit ความคืบหน้าเป็นระยะ เพื่อให้โค้ดทั้งหมดผ่านระบบ CI และการรีวิวของมนุษย์ก่อน Merge เข้า Main Branch

5. การทำงานอัตโนมัติที่ดี ต้องรู้จักปฏิเสธคำสั่งอันตราย

ฉากที่น่าประทับใจที่สุดในคลิปสาธิต ไม่ใช่แค่ความเร็วในการเขียนโค้ด แต่เป็นความสามารถในการรักษาความปลอดภัยของระบบ

ระหว่างที่งานกำลังดำเนินไป Claude พยายาม Push โค้ดขึ้น Branch แต่ถูกระบบ Git ปฏิเสธ เนื่องจากมีเพื่อนร่วมทีมเพิ่ง Push งานแก้ไขด่วน (Auth Hotfix) เข้ามาชนในเวลา 11:42 น. Claude จึงแจ้งเตือนขึ้นบนมือถือของวิศวกรว่าพบคอนฟลิกต์ และเสนอแนวทางว่าจะทำการ Rebase เพื่อนำงานใหม่มาต่อยอด (คลิปสาธิตของ Claude)

เมื่อวิศวกรพิมพ์ตอบกลับจากมือถือแบบรีบร้อนว่า "Just force it" (สั่งให้ Force Push ทับไปเลย) Claude กลับ ปฏิเสธที่จะทำตามคำสั่งนั้น โดยอธิบายเหตุผลว่าการ Force Push จะทำให้ Hotfix ของเพื่อนร่วมทีมสูญหาย และยืนยันที่จะทำ Rebase ตามแนวทางที่ถูกต้องแทน

พฤติกรรมนี้สอดคล้องกับการออกแบบระบบความปลอดภัย Safeguard ของ Anthropic โดยคำสั่ง Force Push ถูกจัดอยู่ในกลุ่มการกระทำที่มีความเสี่ยงสูง (Destroy or Exfiltrate) ซึ่งระบบ Auto Mode จะใช้แนวทาง Deny-and-continue คือปฏิเสธการกระทำที่เป็นอันตราย พร้อมเสนอทางเลือกที่ปลอดภัยกว่าให้ผู้ใช้เสมอ (Anthropic Engineering)

นี่คือคุณสมบัติสำคัญของ AI สำหรับงานวิศวกรรม เครื่องมือที่ดีต้องไม่ใช่ตัวช่วยที่ก้มหน้าทำตามทุกคำสั่งอย่างมืดบอด แต่ต้องช่วยปกป้องความสมบูรณ์ของระบบร่วมด้วย

6. ผลงานปลายทางที่ตรวจสอบได้จริง

ความสำเร็จของงานระยะยาวไม่ได้วัดกันแค่ว่ารันจนจบ แต่ดูที่หลักฐานและผลงานที่ส่งมอบ ในคลิปสาธิต ผลลัพธ์สุดท้ายคือ Pull Request หมายเลข 14825 ซึ่งเปิดโดย claude-code[bot] และผ่านการตรวจสอบของระบบ CI ทั้ง 7 ด่าน:

• Linting
• Typecheck
• Unit Tests
• Next Build
• End-to-End Playwright Tests
• Bundle Size ลดลง 18%
• คะแนน Lighthouse Performance เพิ่มขึ้นจาก 81 เป็น 94

ที่น่าสนใจคือ AI Bot ได้เขียนสรุปการทำงาน พร้อมฝากประเด็นที่ต้องใช้การตัดสินใจของมนุษย์ไว้ 2 จุด (เช่น เส้นทาง /settings ที่ยังผูกกับ Form Library แบบเดิม) โดยระบุชัดเจนว่าจุดเหล่านี้ไม่บล็อกการ Merge โค้ดส่วนหลัก (คลิปสาธิตของ Claude)

นอกจากนี้ ก่อนจบเซสชัน Claude ยังทำการบันทึก Migration Pattern ที่ค้นพบลงในหน่วยความจำของ Repository ผ่านฟีเจอร์ Auto Memory ของ Claude Code เพื่อเป็นองค์ความรู้สำหรับการทำงานในรอบถัดไป (Claude Code Docs)

สำหรับรูปแบบการย้ายจาก Pages Router สู่ App Router ที่นำมาใช้นั้น ประกอบด้วย 4 ขั้นตอนหลัก:

1. แปลงไฟล์ _app.tsx เป็น app/layout.tsx และย้าย Metadata
2. แยก Context Providers ออกมาไว้ในไฟล์ providers.tsx พร้อมกำกับด้วย "use client"
3. ทยอยย้ายไฟล์หน้าเว็บจาก pages/foo.tsx ไปเป็น app/foo/page.tsx
4. กำหนดให้ใช้ Client Component เฉพาะจุดที่มีการตอบสนองกับผู้ใช้หรือดึงข้อมูลผ่าน Hook ส่วนที่เหลือปล่อยให้เป็น Server Component

7. สรุปบทเรียนและการนำไปปรับใช้

การทำงานร่วมกับ AI ยุคนี้ไม่ได้มุ่งเน้นการให้ AI มาแทนที่นักพัฒนาทั้งหมด แต่เป็นการปรับเปลี่ยนบทบาทของมนุษย์ จากเดิมที่ต้องคอยเฝ้าหน้าจอและกดอนุมัติคำสั่งทีละบรรทัด มาเป็นการออกแบบสถาปัตยกรรม กำหนดโจทย์และเงื่อนไขความสำเร็จให้ชัดเจน แล้วปล่อยให้ AI ดำเนินการตามแผน โดยเราทำหน้าที่เป็นผู้ตรวจสอบขั้นสุดท้ายผ่านระบบ CI และ Code Review

หลักคิดสำคัญที่นำไปปรับใช้ได้ทันที:

• กำหนดเงื่อนไขความสำเร็จให้ชัดเจนก่อนเริ่มงาน: หากเรายังไม่สามารถบอกได้ชัดเจนว่างานที่เสร็จสมบูรณ์มีหน้าตาอย่างไร ก็ยังไม่ควรปล่อยให้ AI รันงานนั้นตามลำพัง
• เลือกเครื่องมือที่ให้ความสำคัญกับความปลอดภัย: เครื่องมือที่ดีต้องมีระบบป้องกันข้อผิดพลาด และพร้อมทักท้วงเมื่อเรากำลังจะทำอะไรที่อาจส่งผลกระทบต่อระบบส่วนรวม
• กำหนดขอบเขตและสภาพแวดล้อมที่เหมาะสม: สำหรับงานเขียนโค้ดที่ซับซ้อน สามารถตั้งค่าคำสั่ง /effort xhigh เพื่อให้โมเดลใช้กระบวนการคิดวิเคราะห์อย่างเต็มที่ (Claude API Docs)

เมื่อวางระบบและเครื่องมืออย่างถูกต้อง การพัฒนาซอฟต์แวร์ก็จะก้าวเข้าสู่ยุคที่คนและ AI ทำงานสอดประสานกันได้อย่างเต็มประสิทธิภาพอย่างแท้จริง

ที่มา: คลิปสาธิตของ Claude (ช่อง Anthropic), Introducing Claude Opus 4.8 (Anthropic), Claude Opus product page, What's new in Opus 4.8 (Claude API Docs), Auto mode engineering (Anthropic), /goal command (Claude Code Docs), Remote Control (Claude Code Docs)