Sid Bidasaria วิศวกรผู้ร่วมก่อตั้งทีม Claude Code ที่ Anthropic ขึ้นบรรยายในหัวข้อ "Stop babysitting your agents" บนช่อง YouTube ทางการของ Claude เพื่อตอบคำถามที่นักพัฒนาหลายคนเริ่มสัมผัสได้ในชีวิตจริง: ทำไมยิ่งโมเดล AI ฉลาดขึ้น เรากลับต้องมานั่งจ้องหน้าจอรอให้ Agent ทำงานเสร็จ หรือต้องคอยทำหน้าที่เป็น QA ไล่ตรวจ Diff ทุกบรรทัด แทนที่จะปล่อยให้ AI จัดการงานได้เองอย่างแท้จริง

Sid เรียกการบรรยายนี้ว่า "Claude Code 301" ซึ่งเปรียบเหมือนหลักสูตรขั้นสูงต่อจากการใช้งานทั่วไป โดยนำเสนอ 3 เสาหลักทางเทคนิคที่ร้อยเรียงกัน ได้แก่ Verification (การสอนให้ AI ตรวจสอบผลงานตัวเอง), Multi-Claude (การบริหารจัดการ Agent หลายตัวพร้อมกัน) และ Background Loop (การปล่อยให้ระบบทำงานเบื้องหลังโดยไม่ต้องนั่งเฝ้า) บทความนี้สรุปแก่นความคิดทั้งหมดมาถ่ายทอดเป็นแนวทางปฏิบัติสำหรับนักพัฒนา

1. ปัญหาที่แท้จริง: คีย์บอร์ดกลายเป็นคอขวด ไม่ใช่ตัว AI

Sid ชี้ให้เห็นว่า เมื่อโมเดลเก่งขึ้นอย่างก้าวกระโดด ภาระงานของนักพัฒนากลับย้ายจากการ "เขียนโค้ดเอง" ไปเป็นการ "นั่งเฝ้าดู Agent เขียนโค้ดแล้วคอยตรวจทุกจุด" การทำงานลักษณะนี้ทำให้มือของมนุษย์กลายเป็นคอขวดของกระบวนการพัฒนา

คำถามคือ หาก Agent สามารถเรียกใช้เครื่องมือชุดเดียวกับเราได้ (เช่น Compiler, Linter, Type Checker หรือเบราว์เซอร์) ทำไมเรายังต้องเข้าไปควบคุมทุกขั้นตอน คำตอบคือเครื่องมือส่วนใหญ่ที่ถูกสร้างขึ้นมาตลอดหลายสิบปี ถูกออกแบบมาเพื่อให้มนุษย์เป็นผู้ใช้งานโดยตรง ไม่ได้ออกแบบเผื่อให้ AI เข้ามาสั่งการ ดังนั้น เมื่อบทบาทของ Agent เพิ่มขึ้น สถาปัตยกรรมของ Codebase และ Workflow การทำงานจึงจำเป็นต้องปรับเปลี่ยนเพื่อรองรับการทำงานของ AI อย่างเป็นระบบ

2. สิ่งจำเป็น 3 อย่างที่ต้องเตรียมให้พร้อม (Table Stakes)

ก่อนจะขยับไปสู่เทคนิคขั้นสูง Sid แนะนำให้ตั้งค่าพื้นฐาน 3 อย่างนี้ให้สมบูรณ์เสียก่อน:

1. CLAUDE.md ที่มีคุณภาพสูง: นี่คือสิ่งที่มีพลังยกระดับผลงานของ Claude Code มากที่สุด ไฟล์นี้ทำหน้าที่เป็นคู่มือบริบทประจำโปรเจกต์ที่ระบบจะอ่านทุกครั้งที่เริ่มงาน การกำหนดโครงสร้างโค้ด คำสั่งทดสอบ และข้อตกลงของทีมไว้อย่างชัดเจนจะช่วยลดข้อผิดพลาดได้มหาศาล
2. การเชื่อมต่อเครื่องมือภายนอกผ่าน MCP: หลักการง่ายๆ คือ เครื่องมือใดที่มีประโยชน์กับการทำงานประจำวันของมนุษย์ เช่น Slack, Linear, Asana, DataDog หรือ BigQuery ย่อมมีประโยชน์กับ Claude เช่นกัน การให้ Claude เข้าถึงข้อมูลจากระบบเหล่านี้จะช่วยให้การตัดสินใจแก้ปัญหาแม่นยำยิ่งขึ้น
3. Claude Code Web: ระบบ Sandbox Compute บนคลาวด์ของ Anthropic ที่แยกการประมวลผลออกจากเครื่องคอมพิวเตอร์ของเรา ช่วยให้เราสามารถปิดแล็ปท็อปหรือสลับไปทำงานอื่นได้ โดยที่เซสชันของ Claude ยังคงทำงานต่อไปอย่างราบรื่น

3. Verification: สอน AI ให้ตรวจงานตัวเอง

Sid เน้นย้ำว่าสไลด์เรื่อง Verification Loop คือเนื้อหาส่วนที่สำคัญที่สุดในการบรรยาย แก่นสำคัญคือการสร้างวงจรปิด (Closed Loop) ที่เปิดโอกาสให้ Claude ทดสอบและประเมินผลงานของตัวเองได้อย่างชัดเจน แทนที่จะปล่อยให้มนุษย์ต้องมานั่งไล่ตรวจ Diff ทีละบรรทัด

ตามปกติแล้ว นักพัฒนาจะตรวจงานด้วยขั้นตอน: เขียนโค้ด → บิลด์ระบบ → รันแอป → ตรวจผลลัพธ์ (เปิดเบราว์เซอร์, ตรวจ Log, คิวรีฐานข้อมูล) → รัน Unit Test Claude ก็สามารถทำตามขั้นตอนนี้ได้ทั้งหมดหากได้รับการตั้งค่าและคำสั่งที่เหมาะสม

ตัวอย่างจริงที่ Sid เล่าคือ เว็บไซต์ส่วนตัวของเขาเจอปัญหาปุ่ม Signup กดไม่ติด เขาเพียงสั่งให้ Claude แก้ไขปุ่มดังกล่าว Claude จะเริ่มเขียนโค้ด บิลด์แอป เปิดเบราว์เซอร์แล้วทดลองคลิกปุ่มด้วยตัวเอง เมื่อพบว่าไม่มีการตอบสนอง ระบบจึงเข้าไปอ่าน Log จนพบต้นตอของปัญหา จากนั้นแก้โค้ด รีโหลดแอป และทดสอบซ้ำในลูปจนกระทั่งปุ่มทำงานได้ถูกต้อง แล้วจึงส่ง Pull Request ที่ผ่านการทดสอบจริงเรียบร้อยแล้วออกมา

องค์ประกอบสำคัญ 4 ประการของ Verification Loop:

• ความสามารถในการสั่งรันแอป เช่น npm run start
• การควบคุมเบราว์เซอร์ผ่าน MCP เช่น Playwright หรือ Chrome MCP
• การเก็บหลักฐานยืนยันทั้งก่อนและหลังแก้ไข เช่น การเปรียบเทียบภาพหน้าจอ
• การปลดล็อกอุปสรรคในการเข้าใช้งาน เช่น การเตรียมบัญชีทดสอบและการเตรียมข้อมูลเริ่มต้น (Mock Data)

หากปราศจากระบบ Verification ที่แข็งแรง การขยับไปรัน Agent หลายตัวพร้อมกันหรือการปล่อยทำงานเบื้องหลังจะกลายเป็นเรื่องอันตราย เพราะจะสร้างขยะโค้ดและ Pull Request ที่มีปัญหาออกมาจนมนุษย์ต้องเสียเวลาตามแก้มากกว่าเดิม

4. Multi-Claude: รัน Agent หลายตัวพร้อมกันโดยไม่เสียสมาธิ

เมื่อมีระบบตรวจสอบที่มั่นใจได้ ขั้นถัดไปคือการรัน Claude หลายเซสชันพร้อมกันเพื่อจัดการงานหลายส่วนคู่ขนาน สิ่งท้าทายคือสมาธิของมนุษย์มีจำกัด การเปิดรันเกิน 4 ถึง 5 ตัวพร้อมกันอาจทำให้เกิดความสับสนได้ง่าย จึงต้องอาศัยเครื่องมือช่วยจัดระเบียบ:

• Claude Code Desktop App: หน้าต่างจัดการที่รวบรวมทุกเซสชันไว้ในที่เดียว สามารถปักหมุด ตั้งชื่อเฉพาะ และใส่รหัสสีเพื่อแยกแยะสถานะงานได้อย่างรวดเร็ว
• Claude Agents View ใน Terminal: สำหรับสาย Terminal สามารถใช้คำสั่ง claude agents เพื่อเปิดหน้ารวมเซสชันทั้งหมด โดยระบบจะจัดลำดับความสำคัญ ดันเซสชันที่กำลังรอคำตอบหรือการอนุมัติสิทธิ์ขึ้นมาไว้บนสุด
• Claude Code Web: รันเซสชันบนคลาวด์ผ่าน claude.ai/code ทำให้เราติดตามงานได้ต่อเนื่องแม้ต้องย้ายสถานที่ประชุม
• Remote Control ผ่านมือถือ: ใช้คำสั่ง /remote-control เพื่อเชื่อมเซสชันเข้ากับแอปบนมือถือ เมื่อระบบต้องการคำตอบหรือพบปัญหา จะแจ้งเตือนให้เราตรวจสอบและตอบกลับได้ทันทีแม้อยู่นอกโต๊ะทำงาน

หัวใจของเครื่องมือเหล่านี้คือการ "ปกป้องสมาธิของผู้ใช้งาน" เพื่อให้เราโฟกัสเฉพาะจังหวะที่ระบบต้องการการตัดสินใจจริงๆ

5. Background Loop: ปลดล็อกเวลาจากการเฝ้าหน้าจอ

เป้าหมายสูงสุดของการสร้างระบบ Agent คือการนำมนุษย์ออกจากเส้นทางวิกฤตของงานประจำวัน งานวิศวกรรมซอฟต์แวร์มีงานดูแลระบบจำนวนมากที่ต้องทำซ้ำๆ เช่น การคอยตรวจ Pull Request ที่ค้างอยู่, การตอบคอมเมนต์รีวิว, การเคลียร์ Merge Conflict, การอัปเดตเอกสาร และการดูแลสถานะ CI

กลไกที่ช่วยจัดการงานเหล่านี้ในเบื้องหลังประกอบด้วย:

• คำสั่ง /loop: สั่งให้ Claude รันคำสั่งซ้ำตามรอบเวลาที่กำหนด เช่น /loop 10m babysit my open PRs เพื่อให้ระบบตื่นขึ้นมาตรวจสอบและจัดการ PR ทุก 10 นาที
• Routines: การตั้งเวลาทำงานอัตโนมัติบน Claude Code Web ทั้งในรูปแบบตามช่วงเวลา (เช่น ทุกเช้า 09:00 น.) หรือตามเหตุการณ์ (เช่น เมื่อมี PR ใหม่เปิดขึ้น)

ทีม Claude Code เองก็ใช้งาน Routines ในการคอยอัปเดตเอกสารของทีมทุกวัน และการคอยสรุปประเด็น Feedback สำคัญส่งเข้า Slack ทุก 6 ชั่วโมง โดยไม่ต้องใช้แรงงานคนในการดูแล

6. แผนการเริ่มต้นสำหรับนักพัฒนา

สำหรับผู้ที่ต้องการนำแนวทางนี้ไปปรับใช้ สามารถเริ่มต้นตาม 4 ขั้นตอน:

1. ลงทุนกับไฟล์ CLAUDE.md: ระบุข้อกำหนด โครงสร้างโค้ด คำสั่งทดสอบ และแนวปฏิบัติของทีมให้ชัดเจนตั้งแต่เริ่มโปรเจกต์
2. สร้าง Verification Loop ให้แข็งแรงก่อน: เลือกฟีเจอร์ขนาดเล็ก สร้างขั้นตอนให้ AI เปิดเบราว์เซอร์ทดสอบและวนแก้บักจนผ่าน จากนั้นบันทึกเป็น Skill เพื่อนำไปใช้กับงานอื่น อย่าเพิ่งรีบรันหลายเซสชันหากยังไม่มีระบบตรวจสอบที่แม่นยำ
3. เชื่อมต่อเครื่องมือที่ทีมใช้งานจริงผ่าน MCP: เปิดทางให้ Claude ดึงบริบทจากระบบจัดการงานและฐานข้อมูล เพื่อเพิ่มความแม่นยำในการวิเคราะห์ปัญหา
4. เริ่ม Background Loop จากงานที่มีความเสี่ยงต่ำ: ทดลองใช้งานกับการอัปเดตเอกสาร การสรุปประเด็น หรือการคัดกรองงาน ก่อนจะขยับไปสู่งานที่ส่งผลกระทบต่อระบบหลัก

รับชมการบรรยายฉบับเต็มได้ที่ Stop babysitting your agents โดย Sid Bidasaria ช่อง Claude บน YouTube