สรุปจากคลิป ดูคลิปต้นฉบับ

32 Claude Code Hacks ที่เจ้าของธุรกิจเอาไปใช้ทำงานไวขึ้นได้จริง

ปัญหาของคนที่เริ่มใช้ AI ทำงานไม่ใช่แค่ “จะพิมพ์ prompt ยังไง” แต่คือ “จะจัดการ AI ยังไงไม่ให้มันพาเราออกทะเล” คลิป 32 Claude Code Hacks in 16 Mins จากช่อง Nate Herk | AI Automation น่าสนใจตรงที่ไม่ได้ขายฝันว่า AI จะทำทุกอย่างแทนเรา แต่ชี้ให้เห็นว่าถ้าใช้ถูกวิธี AI จะกลายเป็นผู้ช่วยที่ทำงานเป็นระบบขึ้นมาก

แม้ชื่อคลิปจะพูดถึง Claude Code และดูเหมือนเป็นเรื่องของสาย developer แต่แก่นจริงๆ ใช้ได้กับเจ้าของธุรกิจ คนทำงาน และทีม operation ที่อยากเอา AI มาช่วยสร้าง workflow, ตรวจงาน, สรุปข้อมูล, ทดสอบหน้าเว็บ หรือทำงานซ้ำๆ ให้เบาลง ประเด็นสำคัญไม่ใช่การเขียนโค้ดเก่ง แต่คือการออกแบบวิธีคุยกับ AI ให้มันคิดเป็นลำดับ ตรวจงานตัวเอง และใช้ต้นทุน token อย่างคุ้มค่า

สารบัญ

• Step 1: เริ่มทุกโปรเจกต์ด้วยการทำให้ AI “รู้จักงานของเรา”
• Step 2: ตั้งแดชบอร์ดเล็กๆ เพื่อคุมต้นทุนและไม่ให้ context พัง
• Step 3: ลดข้อมูลที่ไม่จำเป็น แล้วบังคับให้ AI โฟกัสทีละเรื่อง
• Step 4: รู้จังหวะย่อความจำและรู้จังหวะล้างกระดาน
• Step 5: เริ่มจากโหมดวางแผน อย่ารีบให้ AI ลงมือทันที
• Step 6: บังคับให้ AI ถามกลับ และตรวจงานตัวเองก่อนส่ง
• Step 7: ใช้ AI หลายตัวทำงานคู่ขนาน เมื่อโจทย์เริ่มซับซ้อน
• Step 8: สร้าง skill ที่ใช้ซ้ำได้ แทนการพิมพ์ prompt เดิมทุกวัน
• Step 9: อัปเดต CLAUDE.md ให้ฉลาดขึ้น แต่ต้องไม่ปล่อยให้บวม
• Step 10: ถ้า AI เริ่มหลงทาง ให้หยุดทันที อย่าปล่อยให้มันพิมพ์ยาว
• Step 11: ให้ AI เห็นภาพจริง ทั้งหน้าจอ เว็บไซต์ และการใช้งานในเบราว์เซอร์
• Step 12: ใช้เว็บตัวอย่างเป็นแม่แบบ แต่ต้องไม่ลอกแบบไร้ทิศทาง
• Step 13: ขยับสู่ระดับโปรด้วยหลาย session, loop อัตโนมัติ และงานที่รันค้างได้
• Step 14: ใช้ UltraThink และตั้ง permission ให้ AI ทำงานได้ไวแต่ไม่เสี่ยงเกินไป
• Step 15: ปิดท้ายด้วย agent teams และข้อมูลล่าสุดจากเอกสารจริง
• Actionable Insights
• Troubleshooting
• การต่อยอด
• สรุป Checklist ทั้งหมด

Step 1: เริ่มทุกโปรเจกต์ด้วยการทำให้ AI “รู้จักงานของเรา”

แฮ็กแรกที่สำคัญมากคือการเริ่มด้วยคำสั่ง /init เพื่อให้ Claude สแกนโปรเจกต์และสร้างไฟล์ CLAUDE.md ซึ่งทำหน้าที่คล้ายคู่มือย่อของงานนั้น บอกโครงสร้างโปรเจกต์ กติกาการทำงาน โฟลเดอร์สำคัญ และสิ่งที่ AI ควรรู้ก่อนเริ่มลงมือ

ถ้ามองในมุมธุรกิจไทย นี่ไม่ต่างจากการทำ SOP ฉบับย่อให้พนักงานใหม่เลย ถ้าเราให้ AI เริ่มทำงานโดยไม่มี “คู่มือหน้างาน” มันก็จะเดาเอง และการเดาเองของ AI มักทำให้ต้องกลับมาแก้งานหลายรอบ

ตัวอย่างการใช้งานที่ไม่ต้องเป็น developer ก็ทำได้ เช่น

• ทีมการตลาดสร้างไฟล์สรุปแบรนด์โทน น้ำเสียง ช่องทางขาย และข้อห้ามในการสื่อสาร
• ทีมขายใส่ข้อมูลสินค้า กลุ่มลูกค้า คำถามที่พบบ่อย และเงื่อนไขราคา
• ทีม operation ระบุขั้นตอนรับออเดอร์ ติดตามงาน และรูปแบบรายงาน

มุมที่น่าคิดคือ หลายทีมรีบใช้ AI ก่อน แต่ยังไม่มีเอกสารกลางอะไรเลย แบบนั้น AI ก็เก่งได้จำกัด เพราะข้อมูลตั้งต้นยังไม่ชัด

Step 2: ตั้งแดชบอร์ดเล็กๆ เพื่อคุมต้นทุนและไม่ให้ context พัง

อีกจุดที่คนมองข้ามคือการตั้ง status line เพื่อดูข้อมูลสำคัญระหว่างใช้งาน เช่น model ที่ใช้ เปอร์เซ็นต์ context ที่เหลือ หรือค่าใช้จ่าย การเห็นข้อมูลพวกนี้ตลอดเวลาช่วยให้เรารู้ว่า session เริ่มอืดหรือยัง และควรหยุดเมื่อไร

สำหรับคนทำธุรกิจ ประเด็นนี้แปลเป็นภาษาง่ายๆ ได้ว่า AI ไม่ได้มีแต่ต้นทุนรายเดือน แต่มีต้นทุนจากความรกของงานด้วย ถ้าโยนข้อมูลทุกอย่างเข้าไปในห้องแชตเดียว สุดท้ายทั้งช้า ทั้งแพง และคำตอบแย่ลง

คลิปยังแนะนำให้ใช้ voice input ด้วย เหมาะกับคนที่คิดเร็วแต่พิมพ์ไม่ทัน หรืออยากสั่งงานระหว่างเดินทาง ประโยชน์จริงของมันไม่ใช่แค่เร็วขึ้น แต่ช่วยให้เราส่ง “ความคิดดิบ” ออกไปได้ทันที โดยไม่เสียจังหวะ

Step 3: ลดข้อมูลที่ไม่จำเป็น แล้วบังคับให้ AI โฟกัสทีละเรื่อง

หนึ่งในหลักที่ใช้ได้กับแทบทุก platform คือ เก็บ context ให้เล็ก อย่าเททั้งบริษัท ทั้งโปรเจกต์ ทั้งปัญหาทุกเรื่องลงไปพร้อมกัน ควรแยกเป็นงานย่อยและให้ข้อมูลเท่าที่จำเป็นกับงานนั้น

นี่เป็นจุดที่เจ้าของธุรกิจชอบพลาด เพราะคิดว่ายิ่งให้ข้อมูลเยอะ AI จะยิ่งฉลาด แต่ความจริงคือข้อมูลเยอะเกินไปทำให้ AI จับประเด็นไม่ถูก

ตัวอย่างที่ใช้ได้จริง:

• แทนที่จะบอก “ช่วยวางแผนการตลาดทั้งปี” ให้เริ่มจาก “ช่วยคิดแคมเปญเปิดตัวสินค้าเดือนหน้า สำหรับลูกค้าเก่าที่เคยซื้อแล้ว”
• แทนที่จะบอก “ช่วยทำระบบบริการลูกค้า” ให้เริ่มจาก “ช่วยเขียน flow ตอบแชตเมื่อมีลูกค้าถามเรื่องการคืนสินค้า”

Claude มีคำสั่ง /context ที่ช่วยดูได้ว่าอะไรใช้ token มากเกินไป ถ้า session เริ่มบวม เราจะเห็นได้ว่าปัญหามาจากไฟล์ยาวเกิน, system prompt หนักเกิน หรือมีเครื่องมือเสริมมากเกินไป

Step 4: รู้จังหวะย่อความจำและรู้จังหวะล้างกระดาน

คลิปเสนอหลักที่เรียบง่ายแต่สำคัญมาก คือเมื่อ context ใช้ไปราว 60% ให้ใช้ /compact เพื่อย่อประวัติการคุยโดยเก็บเฉพาะส่วนสำคัญไว้ และถ้าจะเปลี่ยนไปทำอีกงานที่ไม่เกี่ยวกัน ให้ใช้ /clear เพื่อล้างห้องคุย

แนวคิดนี้เอาไปใช้กับงานทั่วไปได้ดีมาก เพราะมันเตือนเราว่า AI ไม่ควรเป็นโต๊ะทำงานที่กองทุกอย่างไว้บนโต๊ะเดียว

ตัวอย่างเช่น ตอนเช้าเราใช้ AI สรุปรายงานยอดขาย ตอนบ่ายใช้ช่วยเขียนโพสต์ และตอนเย็นใช้วิเคราะห์ข้อร้องเรียนลูกค้า งานเหล่านี้ไม่ควรอยู่ใน conversation เดียวกัน เพราะสิ่งที่คุยตอนเช้าอาจกลายเป็นขยะสำหรับงานตอนบ่าย

Step 5: เริ่มจากโหมดวางแผน อย่ารีบให้ AI ลงมือทันที

อีกแฮ็กที่น่าเอาไปใช้มากคือ เริ่มใน Plan Mode ให้ AI อ่านข้อมูล คิดขั้นตอน ถามคำถาม และเสนอแนวทางก่อน โดยยังไม่แก้อะไรหรือสร้างอะไรทันที

นี่คือวิธีทำให้ AI คล้าย “ผู้ช่วยที่คิดก่อนทำ” แทนที่จะเป็น “เด็กฝึกงานที่รีบลงมือแล้วค่อยมาแก้ทีหลัง”

คนทำธุรกิจได้ประโยชน์ตรงนี้มาก เพราะงานหลายแบบไม่ได้ต้องการคำตอบเร็วที่สุด แต่ต้องการคำตอบที่ลดรอบแก้ ตัวอย่างเช่น

• ให้ AI วาง flow onboarding ลูกค้าใหม่ก่อนเขียนข้อความจริง
• ให้ AI แตกขั้นตอนการเปิดตัวบริการใหม่ก่อนสร้าง task list
• ให้ AI ถามกลับจนมั่นใจ 95% ก่อนเริ่มทำ proposal หรือสรุป requirement

ประเด็นนี้เชื่อมกับอีกข้อในคลิปคือ ปฏิบัติกับ Claude เหมือน junior developer แปลเป็นภาษาธุรกิจคือ อย่าสั่งแบบโยนผลลัพธ์ปลายทางอย่างเดียว แต่ควรให้โจทย์ ให้กรอบ และเปิดให้มันอธิบายเหตุผลด้วย

Step 6: บังคับให้ AI ถามกลับ และตรวจงานตัวเองก่อนส่ง

สองเทคนิคนี้ควรมาเป็นคู่กันเสมอ

อย่างแรกคือบอกให้ AI ถามคำถามกลับจนมั่นใจ แทนที่จะรีบตอบเร็วๆ วิธีนี้ช่วยลดปัญหา “ตอบเก่งแต่ไม่ตรงโจทย์”

อย่างที่สองคือใส่ self-check ลงไปใน to-do list ของ AI เช่น หลังทำหน้าเว็บเสร็จ ให้มันจับภาพหน้าจอ ตรวจ layout แล้วเช็ก error ใน DevTools ก่อน ถือว่าเป็นการฝังขั้นตอน QA เข้าไปใน workflow เลย

แม้คนอ่านจะไม่ได้เขียนเว็บเอง หลักคิดนี้ก็ยังใช้ได้ เช่น

• หลัง AI ร่างอีเมลขาย ให้มันตรวจว่า CTA ชัดหรือยัง
• หลัง AI สรุปรายงาน ให้มันเช็กว่าตัวเลขสำคัญหายไปหรือไม่
• หลัง AI เขียนโพสต์โซเชียล ให้มันเช็กว่าภาษาเข้ากับแบรนด์หรือเปล่า

จุดที่คลิปเน้นดีมากคือ อย่าให้ AI ทำเสร็จแล้วโยนงานมาให้เราอย่างเดียว ควรให้มัน “สร้าง ตรวจ แล้วค่อยส่ง”

Step 7: ใช้ AI หลายตัวทำงานคู่ขนาน เมื่อโจทย์เริ่มซับซ้อน

ช่วงกลางของคลิปเริ่มพูดถึงแนวคิดที่ทรงพลังมาก คือการใช้ sub-agents หรือเอเจนต์ย่อยหลายตัวช่วยกันทำงานพร้อมกัน แต่ละตัวมี context ของตัวเอง ทำวิจัย เขียนเทสต์ หรือสรุปข้อมูลคนละส่วน แล้วค่อยส่งกลับมาให้เอเจนต์หลัก

ถ้ามองในมุมธุรกิจ นี่เทียบได้กับการมีผู้ช่วยหลายคนแบ่งงานกัน เช่น

• ตัวหนึ่งรวบรวมข้อมูลคู่แข่ง
• ตัวหนึ่งสรุป feedback ลูกค้า
• ตัวหนึ่งร่างข้อเสนอแคมเปญ
• ตัวหลักเอาทั้งหมดมารวมเป็นแผนเดียว

จุดนี้น่าสนใจเพราะมันเปลี่ยนภาพ AI จาก “แชตบอตตัวเดียว” เป็น “ทีมงานดิจิทัล” แต่ข้อจำกัดก็คือ ถ้าองค์กรยังไม่มีโจทย์ชัดหรือยังไม่มีเอกสารกลาง การเพิ่ม agent จะยิ่งเพิ่มความวุ่นวาย ไม่ได้เพิ่มผลลัพธ์

คลิปยังพูดถึงการใช้ model ที่ถูกกว่าอย่าง Haiku สำหรับงานย่อยที่ไม่ซับซ้อน แล้วเก็บ model ใหญ่ไว้กับงานตัดสินใจหลัก อันนี้เป็นหลักคิดเรื่องต้นทุนที่ธุรกิจควรจำให้ขึ้นใจ งานทุกอย่างไม่จำเป็นต้องใช้ของแพงที่สุด

Step 8: สร้าง skill ที่ใช้ซ้ำได้ แทนการพิมพ์ prompt เดิมทุกวัน

อีกเทคนิคที่เอาไปใช้ต่อยอดได้ดีคือการสร้าง custom skills ซึ่งก็คือ prompt template หรือ workflow ที่เก็บเป็นไฟล์แล้วเรียกใช้ซ้ำได้ เช่น ตรวจ technical debt, รีวิวโค้ด, หรือสแกนปัญหาในระบบ

ถ้าแปลงมาสู่โลกธุรกิจไทย เราอาจทำ skill แบบนี้ได้:

• สรุปประชุมผู้บริหารในรูปแบบมาตรฐาน
• วิเคราะห์รีวิวลูกค้าแล้วจัดหมวดหมู่ pain points
• ตรวจข้อความโฆษณาว่ามีคำเคลมเสี่ยงหรือไม่
• สร้าง weekly report จากข้อมูลดิบในรูปแบบที่ทีมใช้ประจำ

ข้อดีคือทำครั้งเดียว ใช้ได้ทั้งทีม และทำให้คุณภาพงานสม่ำเสมอขึ้น นี่คือจุดที่ AI เริ่มหลุดจากการเป็นแค่เครื่องมือส่วนตัว แล้วกลายเป็นทรัพย์สินของทีม

Step 9: อัปเดต CLAUDE.md ให้ฉลาดขึ้น แต่ต้องไม่ปล่อยให้บวม

คลิปแนะนำให้อัปเดตไฟล์ CLAUDE.md ตลอดเมื่อมี discovery ใหม่ เช่น pattern ที่ควรจำ ข้อผิดพลาดที่เคยเจอ หรือ convention ใหม่ของโปรเจกต์ เพื่อให้ session ถัดไปรู้เรื่องเหล่านี้ทันที

แต่นี่ก็มีจุดที่ต้องระวัง เพราะไฟล์นี้ถูกโหลดเข้าทุก conversation ถ้ายัดทุกอย่างลงไป มันจะกิน token ตลอดเวลา เจ้าของคลิปจึงแนะนำให้เก็บไว้ราว 150-200 บรรทัด และถ้ามีข้อมูลเยอะให้ใช้วิธี ชี้ทางไปไฟล์อื่น แทน

นี่เป็นหลักคิดที่ดีมากสำหรับทีมธุรกิจเช่นกัน เอกสารกลางควรเป็น “แผนที่” ไม่ใช่ “โกดัง” เราไม่จำเป็นต้องยัดรายละเอียดทุกอย่างไว้ในหน้าเดียว แค่ทำให้ AI รู้ว่าจะไปหยิบข้อมูลที่ถูกต้องจากที่ไหน

Step 10: ถ้า AI เริ่มหลงทาง ให้หยุดทันที อย่าปล่อยให้มันพิมพ์ยาว

หลายคนมีนิสัยปล่อยให้ AI ตอบจนจบก่อนค่อยแก้ แต่คลิปเสนอวิธีตรงข้าม คือถ้าเห็นว่าเริ่มไปผิดทางให้ หยุดเร็ว แล้วสั่งใหม่ทันที เพราะทุก token ที่ใช้ไปกับคำตอบผิดทางคือต้นทุนที่เสียเปล่า

จุดนี้สำคัญกับคนทำงานมาก โดยเฉพาะเมื่อใช้ AI กับงานวิเคราะห์หรือเขียนเอกสารยาว ถ้าโครงสร้างตั้งต้นเริ่มผิด อย่าหวังว่าตอนท้ายมันจะกลับมาถูกเอง

อีกเทคนิคที่เสริมกันคือการ challenge output แบบตรงไปตรงมา ถ้างานยังธรรมดาเกินไป ให้บอกชัดว่าไม่พอ ขออีกแนวทาง หรือขอเวอร์ชันที่ดีกว่าเดิม AI มักให้ผลลัพธ์ดีขึ้นในรอบสอง ถ้าเราปรับมาตรฐานให้ชัด

และถ้าเผลอพา session ไปผิดจริงๆ ก็ใช้ /rewind เพื่อย้อนกลับไปจุดก่อนหน้าได้เร็วขึ้น

Step 11: ให้ AI เห็นภาพจริง ทั้งหน้าจอ เว็บไซต์ และการใช้งานในเบราว์เซอร์

ส่วนที่น่าสนใจมากสำหรับคนไม่เขียนโค้ดคือ Claude ไม่ได้ทำงานกับข้อความอย่างเดียว แต่มองภาพหน้าจอได้ด้วย คลิปแนะนำให้ใช้ screenshot เพื่อส่ง error message, ส่งเว็บที่เป็นแรงบันดาลใจ หรือให้ AI ตรวจ layout ของหน้าเว็บที่มันเพิ่งสร้างขึ้น

นี่เปิดทางให้ธุรกิจใช้ AI กับงานที่จับต้องได้มากขึ้น เช่น

• ให้ AI ดูหน้า landing page แล้วบอกว่าจุดไหนอ่านยาก
• ให้ AI เปรียบเทียบหน้าเว็บของเรา กับเว็บตัวอย่างที่ต้องการอารมณ์ใกล้เคียง
• ให้ AI ตรวจว่าปุ่ม CTA เด่นพอหรือยัง

คลิปยังพูดถึงการใช้ Chrome DevTools ให้ AI เปิดเบราว์เซอร์ คลิกปุ่ม กรอกฟอร์ม และตรวจการทำงานของแอปได้ อันนี้มีความหมายมากสำหรับคนทำ product, owner, หรือทีม QA เพราะ AI เริ่มมีบทบาทเป็น tester ได้ ไม่ใช่แค่คนช่วยร่างข้อความ

Step 12: ใช้เว็บตัวอย่างเป็นแม่แบบ แต่ต้องไม่ลอกแบบไร้ทิศทาง

อีกเทคนิคที่ใช้งานจริงได้เลยคือการเอาภาพหน้าจอของเว็บที่ชอบมาให้ Claude แล้วบอกว่า “ทำให้อารมณ์ประมาณนี้” วิธีนี้ช่วยปรับงานหน้าเว็บจากความเป็น AI สำเร็จรูปที่ดู generic เกินไป

แต่จุดที่ควรระวังคือ แรงบันดาลใจไม่ควรกลายเป็นการ copy แบบไม่คิด ถ้าเอามาใช้กับธุรกิจไทย ควรเริ่มจากถามก่อนว่าเราอยากได้อะไรจากเว็บนั้นกันแน่ เช่น

• อยากได้ความเรียบหรู
• อยากได้ลำดับการนำเสนอที่คม
• อยากได้การจัดวาง CTA ที่ชัด

ถ้าไม่แยกให้ชัด เราจะได้เว็บที่ “คล้าย” แต่ไม่ “เหมาะ” กับลูกค้าของเรา

Step 13: ขยับสู่ระดับโปรด้วยหลาย session, loop อัตโนมัติ และงานที่รันค้างได้

ในช่วงท้าย คลิปเริ่มไปไกลกว่าการคุยกับ AI ธรรมดา เช่น

• ใช้ Git worktrees เพื่อเปิดหลาย session ทำงานบนโปรเจกต์เดียวกันโดยไม่ชนกัน
• ใช้ /loop ให้ AI เช็กสถานะ deployment หรือ log ทุก 5 นาที
• รันบน VPS เพื่อให้งานค้างไว้ได้แม้ปิดโน้ตบุ๊ก
• ควบคุม session จากมือถือผ่าน remote control

แม้เครื่องมือเหล่านี้จะฟังเป็นสายเทคนิค แต่หลักคิดเบื้องหลังมีค่ามากสำหรับธุรกิจ คือ AI จะเริ่มมีประโยชน์จริงเมื่อมันทำงานต่อเนื่องแทนเราบางช่วงได้ ไม่ใช่ต้องนั่งเฝ้าหน้าจอทุกนาที

อีกตัวอย่างที่น่าสนใจคือการเชื่อม CLI tools เพื่อถามข้อมูล analytics แบบไม่ต้องเขียน SQL เช่นถามว่ายอดรายได้สูงสุดมาจากช่องทางไหนในไตรมาสก่อน แล้วให้ AI แปลงคำถามเป็น query ให้เอง อันนี้สะท้อนระยะถัดไปของงานข้อมูลชัดมาก คนถามไม่จำเป็นต้องเขียน query ได้เก่ง แต่ต้องถามให้เฉียบ

Step 14: ใช้ UltraThink และตั้ง permission ให้ AI ทำงานได้ไวแต่ไม่เสี่ยงเกินไป

สำหรับโจทย์ยาก เช่น ตัดสินใจ architecture, debug เรื่องซับซ้อน หรือ refactor ใหญ่ คลิปแนะนำให้ใช้ UltraThink ซึ่งเป็นการให้ Claude ใช้งบการคิดมากขึ้นก่อนตอบ

หลักคิดนี้ใช้กับงานธุรกิจได้เช่นกัน ไม่ใช่ทุกคำถามต้องการคำตอบเร็ว บางคำถามควรให้ AI ใช้เวลาคิดมากขึ้น เช่น

• จะวางโครงสร้างทีม support ยังไง
• จะออกแบบ workflow รับ lead แบบไหนเพื่อลดงานซ้ำ
• จะรวมข้อมูลจากหลายแผนกเข้ารายงานเดียวอย่างไร

อีกประเด็นที่สำคัญมากคือเรื่อง permission เจ้าของคลิปเตือนชัดว่าอย่าใช้โหมดข้ามการอนุญาตแบบเสี่ยงโดยไม่คิด ทางที่ดีกว่าคือกำหนดให้ชัดว่า AI ทำอะไรได้ และอะไรห้ามทำ โดยเฉพาะคำสั่งลบหรือแก้ไขถาวร

ถ้ามองแบบผู้บริหาร นี่คือเรื่อง governance ของ AI ต่อให้เก่งแค่ไหน ถ้าไม่มีขอบเขต มันก็สร้างปัญหาได้เร็วพอๆ กับสร้างผลงาน

Step 15: ปิดท้ายด้วย agent teams และข้อมูลล่าสุดจากเอกสารจริง

แฮ็กขั้นสูงสุดในคลิปคือ agent teams ซึ่งต่างจาก sub-agents ตรงที่แต่ละ agent คุยกันเองได้ แบ่งงานกันได้ และมี task list ร่วมกัน เหมาะกับโปรเจกต์ใหญ่ที่ต้องการผลลัพธ์ที่เชื่อมกันมากกว่าแค่ทำงานคู่ขนาน

อีกตัวคือ Context7 MCP ซึ่งช่วยดึงเอกสารเวอร์ชันล่าสุดของ library และเครื่องมือยอดนิยมมาใส่ในการสนทนาก่อน Claude จะเริ่มเขียนงาน จุดนี้สำคัญเพราะ AI มักมีปัญหาเรื่องข้อมูลตกรุ่น ถ้าจะใช้ AI กับงานจริง โดยเฉพาะงานที่อิงเครื่องมือหรือ platform ที่เปลี่ยนเร็ว การมีข้อมูลล่าสุดคือตัวลดความผิดพลาดแบบเห็นผล

สำหรับคนทำธุรกิจ ข้อสรุปสำคัญคือ AI จะเก่งขึ้นมากเมื่อเราไม่ปล่อยให้มันเดา และไม่บังคับให้มันทำทุกอย่างในห้องเดียวกัน แต่เปลี่ยนมาออกแบบระบบทำงานให้มันแทน

Actionable Insights

• ทำคู่มือย่อของงานก่อนใช้ AI ไม่ว่าจะเป็นแบรนด์โทน ขั้นตอนขาย หรือรูปแบบรายงาน ควรมีเอกสารกลางให้ AI อ้างอิง
• ให้ AI วางแผนก่อนลงมือ ลดรอบแก้งานได้มากกว่าการเร่งให้มันตอบเร็ว
• แบ่งงานใหญ่เป็นงานย่อย ใช้ AI ทีละโจทย์ จะได้คำตอบคมกว่าและเสีย token น้อยกว่า
• ใส่ขั้นตอนตรวจงานกลับเข้าไปใน prompt เช่น ให้เช็กความครบถ้วน ความถูกต้อง หรือความสอดคล้องกับแบรนด์ก่อนส่งงาน
• สร้าง workflow ที่ใช้ซ้ำได้ ถ้ามี prompt เดิมที่ใช้ทุกสัปดาห์ ควรทำเป็น skill หรือ template ของทีม

Troubleshooting

• ปัญหา: AI ตอบเก่งแต่ไม่ตรงงาน
  สาเหตุ: โจทย์กว้างเกิน และไม่มีคำถามยืนยันก่อนเริ่ม
  วิธีแก้: ให้เริ่มใน Plan Mode, บังคับให้ถามกลับจนมั่นใจ, และค่อยอนุมัติให้ลงมือ
• ปัญหา: session เริ่มอืด คำตอบแย่ลง
  สาเหตุ: context บวมเกินไปจากการคุยหลายเรื่องในห้องเดียว
  วิธีแก้: ใช้ /context เพื่อตรวจ token, ใช้ /compact เมื่อเริ่มแน่น, และ /clear เมื่อเปลี่ยนงาน
• ปัญหา: AI ทำงานซ้ำแบบเดิมแต่คุณภาพไม่คงที่
  สาเหตุ: ไม่มี skill หรือ template กลางให้ทีมเรียกใช้
  วิธีแก้: สร้าง prompt มาตรฐานสำหรับงานประจำ เช่น สรุปประชุม รายงานยอดขาย หรือวิเคราะห์รีวิว
• ปัญหา: AI แนะนำวิธีที่ใช้ไม่ได้กับเครื่องมือเวอร์ชันล่าสุด
  สาเหตุ: ข้อมูลอ้างอิงของ AI ไม่ใหม่พอ
  วิธีแก้: ใช้เอกสารล่าสุดหรือเครื่องมือดึง documentation ปัจจุบันเข้ามาก่อนเริ่มทำงาน
• ปัญหา: กลัวให้ AI ทำงานอัตโนมัติแล้วเกิดความเสียหาย
  สาเหตุ: เปิดสิทธิ์กว้างเกินโดยไม่มีขอบเขต
  วิธีแก้: ตั้ง allow เฉพาะคำสั่งปลอดภัย และ deny คำสั่งลบหรือแก้ไขที่เสี่ยง

การต่อยอด

• ทำ AI playbook สำหรับแต่ละทีม เช่น ฝ่ายขาย การตลาด และบริการลูกค้า เพื่อให้ทุกคนใช้มาตรฐานเดียวกัน
• เชื่อม AI เข้ากับข้อมูลธุรกิจ เช่น CRM, dashboard หรือฐานความรู้ภายใน เพื่อให้ตอบจากข้อมูลจริงของบริษัท
• ทดลองใช้ AI เป็น quality checker แยกจากคนสร้างงาน เช่น ตัวหนึ่งร่างงาน อีกตัวหนึ่งตรวจงานก่อนส่ง

สรุป Checklist ทั้งหมด

• ☐ เริ่มโปรเจกต์ด้วย /init หรือสร้างไฟล์คู่มือกลางของงาน
• ☐ ตั้ง status line เพื่อดู model, context และต้นทุน
• ☐ ใช้ voice input ถ้างานต้องคิดเร็วสั่งเร็ว
• ☐ จำกัด context ให้เล็กและโฟกัสทีละงาน
• ☐ ใช้ /context เพื่อตรวจ token bloat
• ☐ ใช้ /compact เมื่อ session เริ่มแน่น และ /clear เมื่อเปลี่ยนโจทย์
• ☐ เริ่มด้วย Plan Mode ก่อนให้ AI ลงมือจริง
• ☐ ปฏิบัติกับ AI เหมือน junior ที่ต้องมีโจทย์และกรอบชัด
• ☐ บังคับให้ AI ถามกลับจนเข้าใจงาน
• ☐ ใส่ self-check ลงใน to-do list ทุกครั้ง
• ☐ ใช้ sub-agents กับงานที่ต้องแบ่งส่วน
• ☐ ใช้ model ที่ถูกกว่าสำหรับงานย่อยที่ไม่ซับซ้อน
• ☐ สร้าง custom skills สำหรับงานที่ทำซ้ำ
• ☐ อัปเดต CLAUDE.md เมื่อมีบทเรียนใหม่
• ☐ อย่าปล่อยให้ไฟล์กลางบวมเกินจำเป็น
• ☐ ให้ไฟล์กลางชี้ไปหาเอกสารอื่นแทนการยัดทุกอย่างไว้หน้าเดียว
• ☐ ถ้า AI ไปผิดทาง ให้หยุดและสั่งใหม่ทันที
• ☐ challenge output ถ้างานยังไม่ถึงมาตรฐาน
• ☐ ใช้ /rewind เมื่อต้องย้อนกลับอย่างรวดเร็ว
• ☐ ตั้ง hooks หรือ notification เมื่อ task เสร็จ
• ☐ ใช้ screenshot ให้ AI ตรวจภาพจริงและ layout
• ☐ ใช้ browser/DevTools ตรวจการทำงานของหน้าเว็บหรือแอป
• ☐ ใช้เว็บตัวอย่างเป็นแรงบันดาลใจ ไม่ใช่ลอกทั้งดุ้น
• ☐ ใช้หลาย session หรือ worktrees เมื่องานเริ่มซับซ้อน
• ☐ ใช้ loop กับงานเช็กสถานะซ้ำๆ
• ☐ ใช้ VPS หรือ remote control ถ้าต้องการให้ AI ทำงานต่อเนื่อง
• ☐ เชื่อมเครื่องมือข้อมูลเพื่อถาม analytics เป็นภาษาคน
• ☐ ใช้ UltraThink กับโจทย์ที่มีผลต่อระบบหรือธุรกิจทั้งก้อน
• ☐ ตั้ง permission ให้ปลอดภัยก่อนเปิด autonomy
• ☐ ใช้ agent teams เมื่ออยากให้หลาย agent คุยกันเอง
• ☐ ดึง documentation ล่าสุดเข้ามาเสมอถ้างานอิงเครื่องมือที่เปลี่ยนเร็ว

ถ้าจะสรุปสารหลักของ 32 Claude Code Hacks ทั้งหมดให้เหลือประโยคเดียว มันคือ AI จะให้ผลลัพธ์ดีเมื่อเราออกแบบระบบทำงานให้มัน ไม่ใช่แค่สั่งงานเป็นครั้งๆ สำหรับเจ้าของธุรกิจและคนทำงาน นี่คือวิธีคิดที่สำคัญกว่าเครื่องมือเสียอีก เพราะเมื่อ workflow ชัด เอกสารกลางชัด และเกณฑ์ตรวจงานชัด AI ก็เริ่มกลายเป็นแรงทุ่นงานที่ใช้ได้จริง ไม่ใช่ของเล่นที่น่าตื่นเต้นอยู่แค่ช่วงแรก