Duncan Rogoff เจ้าของช่อง Learn Claude Code เผยแพร่คลิปที่ใช้ Claude Opus 4.8 ร่วมกับฟีเจอร์ใหม่ชื่อ ultracode สั่งให้ AI สร้างสิ่งที่เขาเรียกว่า AIOS หรือ agentic operating system (ระบบศูนย์บัญชาการที่ขับเคลื่อนด้วย AI) ขึ้นมาในราว 15 นาที จุดที่น่าสนใจไม่ได้อยู่ที่ "ตัว dashboard สวยแค่ไหน" แต่อยู่ที่ "วิธีทำงาน" ที่ปล่อยให้ AI รันงานยาวๆ ได้เองโดยแทบไม่ต้องนั่งเฝ้า ระหว่างที่ระบบกำลังสร้างตัวเอง Duncan ระบุว่าเขาพาหมาไปหาหมอที่คลินิก แล้วกลับมาเจองานที่เสร็จรออยู่
บทความนี้จึงไม่เล่าซ้ำว่าคลิปโชว์อะไรทีละช็อต แต่ดึง "บทเรียนที่นำไปใช้ซ้ำได้จริง" ออกมา มีทั้งสถาปัตยกรรมของ ultracode, ลำดับขั้นการทำงานที่คุมทั้งคุณภาพและค่าใช้จ่าย, การป้อนกฎแบรนด์ให้ AI เป็นไฟล์, และต้นทุนที่ต้องพูดกันตรงๆ ส่วน "ศูนย์บัญชาการธุรกิจ" ที่ Duncan สร้างเป็นเพียงตัวอย่างประกอบ ไม่ใช่บทเรียนหลัก
ultracode คืออะไร: agent ทำงานเป็น 3 ชั้น
ก่อนจะมี ultracode การใช้ Claude แบบเดิมคือพิมพ์สั่งไปหนึ่งอย่าง แล้ว Claude ก็ลงมือทำทีละเรื่องเป็นเส้นตรง Duncan อธิบายว่า ultracode เปลี่ยนโครงสร้างตรงนี้ใหม่ทั้งหมด โดยจัดงานเป็นระบบ agent (ตัวช่วยอัตโนมัติ) ซ้อนกัน 3 ชั้น
ชั้นบนสุดคือ orchestrator (ตัวคุมวงที่วางแผนและสั่งงาน) หนึ่งตัว ทำหน้าที่รับโจทย์ทั้งก้อนแล้วแตกออกเป็นชิ้นงานย่อย จากนั้นชั้นกลางคือ sub-agent (ตัวช่วยย่อย) ที่ orchestrator สร้างขึ้นมาเป็นทีม แต่ละตัวรับผิดชอบงานคนละชิ้นและทำงานขนานกันไป เพื่อให้งานหลายส่วนเดินหน้าได้พร้อมกัน
จุดที่ Duncan ชี้ว่าต่างจาก agent ทุกแบบที่เคยมีมาคือชั้นที่สาม เพราะ ultracode จะสร้าง sub-agent อีกชั้นขึ้นมาเพื่อ "ตรวจและยืนยัน" งานของ sub-agent ที่ลงมือทำในชั้นกลาง พูดง่ายๆ คือไม่ได้มีแค่ตัวลงมือ แต่มีอีกชั้นที่คอยเช็กว่างานนั้นดีจริงหรือไม่ Duncan มองว่านี่คือกลไกที่ทำให้รัน coding session ยาวๆ ได้โดยไม่ต้องมีคนคอยป้อนข้อมูลหรือรีวิวระหว่างทาง
ทำไม "ชั้นตรวจงาน" ถึงสำคัญกับงานจริง
ปกติแล้วเวลาให้ AI เขียนโค้ดหรือทำงานยาวๆ ปัญหาใหญ่ไม่ใช่ว่ามันทำไม่ได้ แต่คือ "ใครจะตรวจว่ามันทำถูก" ถ้าต้องนั่งรีวิวผลทีละขั้น คนก็ยังต้องเฝ้าหน้าจอตลอด ทำให้ประโยชน์ของการสั่งงานอัตโนมัติหายไปครึ่งหนึ่ง
ชั้นตรวจงานใน ultracode เข้ามาอุดช่องนี้ เพราะมันย้ายขั้นตอน "ตรวจคุณภาพ" เข้าไปอยู่ในระบบเอง แทนที่จะรอให้คนมาตรวจทีหลัง เมื่อ sub-agent ชั้นกลางทำงานชิ้นหนึ่งเสร็จ ก็มี sub-agent อีกชั้นคอยยืนยันก่อนส่งผลกลับขึ้นไปให้ orchestrator วงจรนี้ทำให้ Duncan ปล่อยงานทิ้งไว้แล้วเดินออกจากโต๊ะได้ โดยไม่ต้องกังวลว่างานจะหลุดทิศทางตั้งแต่ขั้นแรกๆ แล้วลามไปทั้งระบบ
สำหรับคนทั่วไป วิธีที่เข้าใจง่ายที่สุดคือเทียบกับทีมงาน ถ้ามีแต่คนลงมือทำงาน เจ้าของงานก็ต้องมานั่งตรวจเองทุกชิ้น แต่ถ้าในทีมมีคนคอยตรวจงานให้ก่อนส่ง เจ้าของงานก็ปล่อยมือได้มากขึ้นและกลับมาดูแค่ผลรวมตอนท้าย ชั้นตรวจงานในตัวจึงเปลี่ยนจาก "AI ที่ต้องคุมใกล้ชิด" ไปเป็น "AI ที่ตั้งทิ้งไว้แล้วเชื่อใจได้มากขึ้น" สำหรับงานที่ใหญ่และยาว
workflow ที่นำไปใช้ซ้ำได้: แยกขั้นวางแผนออกจากขั้นลงมือ
หัวใจของคลิปที่นำไปใช้ได้จริงคือลำดับการทำงาน ซึ่ง Duncan แบ่งออกเป็นสองขั้นชัดเจนคือ "วางแผน" กับ "ลงมือ" แล้วใช้คนละโมเดลในแต่ละขั้น ส่วนนี้เขียนเป็นขั้นตอนเพื่อให้ลองทำตามได้
ขั้นวางแผน เริ่มจากเปิด plan mode (โหมดที่ Claude จะวางแผนก่อนลงมือ) ด้วยการกด shift+tab แล้วใช้โมเดลที่ถูกกว่าอย่าง Sonnet 4.6 มาคิดแผน จากนั้นพิมพ์โจทย์ของคุณให้ครบ พร้อมสั่งท้ายว่าให้ Claude ถามคำถามกลับได้ถ้ามีจุดที่ยังไม่ชัด และให้จดไว้ด้วยว่างานนี้ต้องใช้ API key หรือ credential (ข้อมูลรับรองสำหรับเชื่อมต่อบริการ) อะไรบ้าง การให้ Claude ถามกลับช่วยให้แผนรัดกุมขึ้นก่อนเสียเวลาลงมือทำ ในคลิป Claude ถามกลับว่าจะให้ระบบติดตามด้านไหนบ้าง อยากให้หน้าจอเป็น dashboard แบบไหน และมี credential อะไรพร้อมอยู่แล้ว
พอได้แผนที่พอใจแล้ว ให้สั่ง Claude ว่า "save แผนนี้เป็นไฟล์ MD" ระบบก็จะเก็บแผนทั้งหมดไว้เป็นไฟล์ plan.md ซึ่งคุณแก้เพิ่มเติมทีหลังได้เรื่อยๆ จากนั้นพิมพ์ /clear เพื่อล้างแชตแล้วเริ่มใหม่ให้สะอาด ป้องกันไม่ให้บทสนทนาเก่ามารบกวนขั้นลงมือ
ขั้นลงมือ เริ่มด้วยการพิมพ์ /model แล้วเลือก Opus 4.8 ซึ่งเป็นโมเดลตั้งต้น จากนั้นพิมพ์คำว่า effort เพื่อเปิด ultracode และพิมพ์คำว่า workflows เพื่อเปิด dynamic workflows Duncan ชี้ว่าเมื่อเปิดสำเร็จ คำสั่งจะขึ้นเป็นสีรุ้งบอกสถานะให้เห็น สุดท้ายสั่งให้ Claude execute ตามไฟล์ plan.md แล้วตั้งทิ้งไว้ให้มันทำงาน
บทเรียนที่ถอดออกมาได้คือการแยกขั้น "วางแผน" ที่ใช้โมเดลถูกกว่า ออกจากขั้น "ลงมือ" ที่ใช้โมเดลแพงกว่าอย่าง Opus 4.8 พร้อม ultracode วิธีนี้ช่วยคุมทั้งคุณภาพและค่าใช้จ่ายไปพร้อมกัน เพราะการคิดแผนไม่จำเป็นต้องเปลืองทรัพยากรเท่าการสร้างงานจริง เมื่อวางกรอบให้ชัดด้วยโมเดลที่ถูกกว่าก่อน แล้วค่อยปล่อยโมเดลแพงลงมือเฉพาะตอนสร้าง ก็สมเหตุสมผลกว่าการเปิดโมเดลแรงสุดตั้งแต่ต้นจนจบ
ป้อน "กฎแบรนด์" ให้ AI เป็นไฟล์ ผลลัพธ์จะตรงสไตล์ขึ้น
อีกจุดที่ Duncan ทำในคลิปคือก่อนเริ่มสร้าง เขาวางไฟล์ design system (ชุดกฎการออกแบบของแบรนด์) ของตัวเองลงในโฟลเดอร์โปรเจกต์ ได้แก่ไฟล์ HTML ตัวอย่างหนึ่งไฟล์ กับไฟล์ design.md ที่เขียนกฎทั้งหมดไว้ในรูปแบบที่ Claude อ่านเข้าใจ จากนั้นเมื่อ Claude เริ่มทำงาน มันก็อ่านไฟล์ในโฟลเดอร์ design system อัตโนมัติ และดึงกฎไปใช้สร้าง dashboard ให้ออกมาตรงสไตล์แบรนด์
บทเรียนตรงนี้นำไปใช้ได้กว้างกว่าแค่งานออกแบบ นั่นคือถ้าอยากให้ผลลัพธ์ของ AI ตรงตามมาตรฐานที่ต้องการ ควรให้ "กฎ" อยู่ในรูปแบบไฟล์ที่ AI อ่านได้ ไม่ใช่บอกด้วยปากเปล่าหรือพิมพ์สั่งใหม่ทุกครั้ง เพราะ AI อ่านไฟล์กฎที่วางไว้ในโปรเจกต์ซ้ำได้ทุกรอบที่ทำงาน ผลลัพธ์จึงสม่ำเสมอกว่าการอธิบายสไตล์เป็นข้อความยาวๆ ในแต่ละครั้ง ไม่ว่าจะเป็นกฎแบรนด์ โทนการเขียน หรือมาตรฐานของงาน หลักการเดียวกันนี้ใช้ได้หมด
ต้นทุน: พูดกันตรงๆ ว่านี่คือวิธีใช้ที่แพงที่สุด
จุดที่ทำให้คลิปนี้มีน้ำหนักกว่าคลิปโชว์ทั่วไปคือ Duncan ไม่ได้ขายฝันอย่างเดียว แต่ตั้งข้อสังเกตเรื่องต้นทุนไว้ชัดเจน เขาระบุว่าการใช้ ultracode ร่วมกับ Opus 4.8 คือวิธีใช้ Claude ที่ "กิน token เยอะที่สุด เสียเงินมากที่สุด และใช้เวลานานที่สุด"
ข้อควรรู้:
ultracodeบวก Opus 4.8 ไม่ใช่ค่าเริ่มต้นที่ควรเปิดไว้ตลอดเวลา เพราะเป็นวิธีใช้ที่เปลือง token และค่าใช้จ่ายมากที่สุด ก่อนใช้ควรเฝ้าดูทั้งต้นทุนและปริมาณ token ที่ใช้ไปด้วย
ดังนั้นความคุ้มค่าจึงขึ้นอยู่กับลักษณะงาน Duncan ชี้ว่ามันคุ้มเฉพาะกับงานที่ใหญ่และลึกจริงๆ แบบที่อยากตั้งทิ้งไว้แล้วเดินออกไปทำอย่างอื่น เหมือนที่เขาพาหมาไปหาหมอแล้วกลับมาเจองานเสร็จ แต่สำหรับงานเล็กๆ ทั่วไป การเปิดโหมดที่แพงและช้าที่สุดอาจไม่คุ้มกับผลที่ได้ ส่วนนี้คือเหตุผลที่ workflow แยกขั้นในหัวข้อก่อนหน้าจึงสำคัญ เพราะมันช่วยให้จ่ายของแพงเฉพาะตอนที่จำเป็นจริง ไม่ใช่ตลอดทั้งกระบวนการ
Agentic OS หรือศูนย์บัญชาการ มีประโยชน์อะไรกับธุรกิจไทย
เมื่อเข้าใจกลไกแล้ว คำถามถัดมาคือ "ระบบที่ Duncan สร้างคืออะไร และเอาไปใช้กับงานจริงได้อย่างไร" ในคลิป AIOS ที่ได้ออกมาคือหน้า dashboard เดียวที่รวมทุกอย่างที่เจ้าของธุรกิจหรือครีเอเตอร์ต้องดูเป็นประจำไว้ในที่เดียว ได้แก่ ความเคลื่อนไหวและเทรนด์ล่าสุดในวงการ, ความเคลื่อนไหวของคู่แข่ง, สถิติของช่องและโซเชียลมีเดียทั้งหมด, โปรเจกต์ที่กำลังทำอยู่ทั้งงานลูกค้าและงานส่วนตัว และปุ่มสำหรับกดรัน skill (ชุดความสามารถที่แพ็คไว้ใช้ซ้ำ) ที่ใช้บ่อยจากจุดเดียว
สำหรับเจ้าของธุรกิจหรือครีเอเตอร์ไทย ประโยชน์ที่เห็นชัดคือการลดเวลาที่เสียไปกับการเปิดหลายหน้าจอหลายแอปเพื่อรวบรวมข้อมูล เพราะข้อมูลที่ต้องดูทุกวันมารวมอยู่ในหน้าเดียว ในคลิป Duncan ดึงข้อมูลบางส่วนผ่าน Apify (บริการดึงข้อมูลจากเว็บ) เพื่อนำสถิติจาก LinkedIn และ Instagram เข้ามา ส่วนสถิติ YouTube ดึงผ่าน API โดยตรง นอกจากนี้ Duncan ยังตั้งข้อสังเกตว่าระบบลักษณะนี้ไม่ได้มีไว้ใช้เองอย่างเดียว แต่สร้างขายเป็นบริการให้ลูกค้าได้ด้วย ทำให้เห็นว่าเครื่องมือแบบนี้อาจกลายเป็นงานหรือสินค้าได้ในตัว
จุดเล็กๆ ที่ Duncan ชี้ว่าน่าสนใจคือในรอบปรับแก้ครั้งที่สอง เขาขอให้จัดหน้าใหม่เป็นแบบ bento box (เลย์เอาต์แบบช่องตารางขนาดต่างกัน) ฝัง terminal ไว้ในหน้าเลย และดึงข้อมูล LinkedIn กับ Instagram เข้ามาเพิ่ม ระหว่างนั้น Opus 4.8 กลับถามเขาเองว่าอยากได้เลย์เอาต์แบบ "เน้นตัวเลขสถิติ" หรือแบบ "เน้นสรุปข่าวและเทรนด์" พร้อมเสนอสองทางเลือกให้เลือก สิ่งนี้สะท้อนว่า AI รุ่นใหม่ไม่ได้ทำตามคำสั่งแบบหุ่นยนต์อย่างเดียว แต่เสนอทางเลือกการออกแบบกลับมาให้ตัดสินใจด้วย ทำให้คนทำงานยังคุมทิศของผลลัพธ์ได้ แม้จะปล่อยให้ AI ลงมือเอง
โดยรวมแล้วสิ่งที่ถอดได้จากคลิปนี้ไม่ใช่ตัว dashboard สวยๆ แต่เป็นวิธีคิดที่นำไปปรับใช้ได้กับงานหลายแบบ ทั้งการเข้าใจว่าชั้นตรวจงานของ ultracode ช่วยให้ปล่อยงานยาวๆ ได้ การแยกขั้นวางแผนกับลงมือเพื่อคุมคุณภาพและค่าใช้จ่าย การวางกฎเป็นไฟล์เพื่อให้ผลลัพธ์ตรงมาตรฐาน และการชั่งน้ำหนักต้นทุนก่อนเลือกเปิดโหมดที่แพงที่สุด
ที่มา: Learn Claude Code: Claude Opus 4.8 Built an Agentic OS in 15 Minutes! (ultracode) (YouTube, 31 พ.ค. 2026)
