ลองนึกภาพนะครับ ผมบอก ทิม (AI Agent ของผม) ว่า "สร้างเพจใหม่ให้หน่อย ชื่อ Income in Click" แค่นี้ — มันก็ไปสร้าง page ใน Loom, สร้าง data table, สร้าง workflow 3 ตัว, ตั้งชื่อตาม naming convention, สร้าง FB credential, link กับ Facebook page จริง, แล้วก็ activate schedule ให้ รวม 7 ขั้นตอน จบในรอบเดียว

มันทำได้ยังไง? ไม่ใช่เพราะ AI มันฉลาดเหนือมนุษย์หรอกครับ แต่เพราะผมเขียน SOP ให้มันอ่าน เหมือนที่เราทำคู่มือพนักงานใหม่แหละ แค่ของผมมันอยู่ในรูป skill ที่ AI load ขึ้นมาทำได้ทันที

จุดเริ่มต้น — ผมเบื่อที่ต้องอธิบายซ้ำ

ตอนผมเริ่มรัน 24 เพจ Facebook พร้อมกัน มีอยู่ช่วงนึงที่ทุกครั้งที่จะเพิ่มเพจใหม่ ผมต้องนั่งอธิบายทิมว่า:

"สร้าง page ใน Loom นะ ชื่อต้องตรงกับชื่อ FB page เป๊ะ แล้วก็สร้าง data table ด้วย ชื่อเอา page-id ต่อด้วย -content นะ แล้ว workflow ต้องมี 3 ตัว Video กับ Image กับ Reel ชื่อต้อง format แบบนี้..."

ทุก - ครั้ง - ที่ - สร้าง - เพจ - ใหม่ ครับ 555

แม้ทิมจะมีระบบ memory ที่จำได้ทุกอย่าง แต่ memory มันจำ "อะไรเคยเกิดขึ้น" ครับ ไม่ใช่ "ขั้นตอนทำงาน 15 ขั้นตอนที่ต้องทำตามลำดับ" — memory กับ skill คนละหน้าที่กัน

วันนึงผมเลยบอกทิมว่า "เขียน SOP มาเลย ทุกขั้นตอนของการสร้างเพจใหม่ เขียนเป็น markdown เก็บไว้ในโฟลเดอร์ skill แล้วทุกครั้งที่ผมบอก 'สร้างเพจ' ให้โหลด SOP นั้นมาทำเลย"

นั่นคือจุดเริ่มต้นของ skill ตัวแรก — page-creation

Skill ตัวนึงหน้าตาเป็นยังไง?

ง่ายๆ เลยครับ skill ตัวนึงคือ ไฟล์ markdown ไฟล์เดียว ที่เขียนบอก AI ว่า:

  • skill นี้ชื่ออะไร ใช้ตอนไหน
  • ขั้นตอนทำงานคืออะไรบ้าง ลำดับเป็นยังไง
  • ต้อง call API ตัวไหน format อะไร
  • ข้อห้ามคืออะไร edge case มีอะไร
  • ทำเสร็จแล้วต้องเช็คอะไรบ้างก่อนบอก "เสร็จแล้ว"

ยกตัวอย่าง skill page-creation ที่เป็นตัวแรก — มัน 130 บรรทัดครับ ครอบคลุม 7 ขั้นตอน:

  1. สร้าง Page ใน Loom (ชื่อต้องตรงกับ FB page เป๊ะ)
  2. สร้าง Data Table (ชื่อ = page-id + "-content")
  3. สร้าง Facebook Credential (ต้องมี access token + page ID)
  4. สร้าง Workflow 3 ตัว (Video, Image, Reel — ชื่อตาม naming convention)
  5. Link workflow กับ data table + credential
  6. ทดสอบ run workflow 1 รอบ
  7. Activate schedule ให้ workflow ทำงานอัตโนมัติ

แต่ละขั้นตอนมี API endpoint ที่ต้อง call, payload format, error handling, และ validation criteria เขียนไว้หมด ทิมอ่านแล้วทำได้เลย ไม่ต้องถามผมสักคำ

จาก 1 skill กลายเป็น 34 — รวม 7,058 บรรทัด

พอ page-creation ทำงานได้ดี ผมก็เริ่มเห็นว่า pattern นี้ใช้ได้กับทุกงานเลย

ยิงแอด — ผมเขียน skill ชื่อ run-ads บอกทิมว่าสร้าง campaign ยังไง targeting ต้องตั้ง age_min 25 (เพราะ Facebook Advantage+ บังคับ) budget เท่าไหร่ ใช้ pixel ตัวไหน ทิมก็ยิงแอดให้เอง

จัดการใบเสร็จ — skill ชื่อ receipt-rename 56 บรรทัด บอกว่าชื่อไฟล์ต้อง format "Service - DDMMYY" เอาขึ้น Google Drive โฟลเดอร์ไหน เรียงยังไง ทิมดึงจาก Gmail แล้วจัดให้อัตโนมัติ

ตัดคลิปไลฟ์ — skill ชื่อ auto-cut-schedule-short-vdo 292 บรรทัด ยาวสุดเป็นอันดับ 2 เลยครับ 555 เพราะต้อง transcribe, เลือก moment viral, ตัดคลิป, เขียน caption 4 แพลตฟอร์ม, แล้วตั้งเวลาโพสต์กระจาย 7 วัน

เขียน ebook — skill ชื่อ kdp-writer 400 บรรทัด ตั้งแต่ research niche, เขียนเนื้อหา, สร้างปก, format ให้ถูก KDP spec, จนถึงพร้อม upload ขาย Amazon

ตอนนี้ทิมมี skill ทั้งหมด 34 ตัว รวม 7,058 บรรทัดครับ ตั้งแต่สร้างเพจ ยิงแอด ตัดคลิป เขียนหนังสือ ทำบัญชี ทำ email marketing วิเคราะห์ content คู่แข่ง ไปจนถึง security audit server

ตัวเด็ด — Skill ที่สร้าง Skill

ตอนมี skill เยอะขึ้นเรื่อยๆ ผมเริ่มเห็นว่าการเขียน skill เองมันก็เป็น pattern ซ้ำๆ เหมือนกัน — ต้องมี header, ต้องเขียน description ให้ trigger ถูก, ต้องทดสอบ, ต้อง iterate

ผมเลยบอกทิมว่า "สร้าง skill ที่ไว้สร้าง skill ใหม่" 555

ฟังดู meta มากครับ แต่มันทำงานจริงๆ นะ skill ตัวนี้ชื่อ skill-creator มี 485 บรรทัด ยาวสุดเลย เพราะมันต้องครอบคลุม:

  • คุยกับผมว่า skill ใหม่ต้องทำอะไร
  • เขียน draft แรก
  • สร้าง test case แล้ว run ทดสอบ
  • ให้ผม review ผลลัพธ์
  • แก้ไข iterate จนพอใจ
  • Optimize description ให้ trigger ถูกที่ถูกเวลา

AI ที่สร้าง AI อีกที ใช่ครับ ฟังดูเหมือนหนัง sci-fi แต่มันคือสิ่งที่ผมทำอยู่จริงๆ 555

Skill คือสิ่งที่ ChatGPT ไม่มี

ผมอยากให้เห็นภาพชัดๆ นะครับ ลองเทียบกัน:

ChatGPT / Claude ธรรมดา — คุณพิมพ์ว่า "สร้างเพจ FB ใหม่ใน Loom" มันก็จะถามกลับว่า "Loom คืออะไร? API อยู่ไหน? ต้องตั้งค่าอะไร?" แล้วคุณก็ต้อง copy-paste SOP ทั้งก้อนเข้าไป ทุก ครั้ง ที่ เปิด session ใหม่

ทิมที่มี Skill System — ผมพิมพ์แค่ "สร้างเพจ Income in Click" ทิมก็ load skill page-creation + name-sop ขึ้นมา แล้วทำ 7 ขั้นตอนให้จบ ไม่ถามผมสักคำ เพราะทุก edge case ทุก naming rule ทุก API endpoint เขียนไว้หมดแล้ว

ความต่างคือ — ทิมไม่ใช่แค่ AI ที่ฉลาด มันคือ AI ที่ trained มาทำงานของผมโดยเฉพาะ

เบื้องหลังจริงๆ — ไม่ได้ perfect ตั้งแต่แรก

ผมไม่อยากให้ภาพมันดูสวยเกินไปนะครับ 555 จริงๆ แล้ว skill หลายตัวมันเริ่มจากเวอร์ชัน "เขียนมั่วๆ แล้วค่อยแก้"

เช่น skill run-ads ตอนแรกผมลืมเขียนว่า age_min ต้อง 25 — ทิมเลยสร้าง campaign ที่ Facebook reject กลับมาทุกครั้ง ผม debug อยู่ 2 ชั่วโมงกว่าจะรู้ว่า Advantage+ มันบังคับ 25 ขึ้นไป เสร็จแล้วก็เอาไปเพิ่มใน skill ทันที

skill ส่วนใหญ่มันดีขึ้นเรื่อยๆ เพราะ ทุกครั้งที่ผมเจอ edge case ใหม่ ผมก็เพิ่มเข้าไปใน skill เหมือนคู่มือพนักงานที่ดี — มันไม่ได้เขียนครั้งเดียวจบ มันค่อยๆ สะสมความรู้จากข้อผิดพลาดจริง

เหมือนกับระบบ memory ที่ทิมสะสมมากกว่า 60 entries จากการทำงานร่วมกันทุกวัน — skill ก็สะสมเหมือนกัน แต่คนละรูปแบบ Memory จำ "บริบท" ส่วน Skill จำ "วิธีทำ"

Naming Convention — ฟังดูน่าเบื่อ แต่สำคัญที่สุด

skill ตัวนึงที่ผมบอกว่าสำคัญมากคือ name-sop ครับ มันเป็น naming convention ของทุก entity ในระบบ

ฟังดูน่าเบื่อสุดๆ ใช่ไหมครับ 555 แต่พอคุณรัน 24 เพจพร้อมกัน แต่ละเพจมี 3 workflow + 1 data table + 1 credential — มันคือ 24 × 5 = 120 entities ครับ ถ้าตั้งชื่อมั่วซั่ว ทิมจะหาอะไรไม่เจอเลย

name-sop บังคับว่า:

  • Page ID = ชื่อเพจ lowercase ช่องว่างเป็น dash
  • Workflow = "Page Name - Output" (เช่น "Income in Click - Video")
  • Data Table = page-id + "-content"
  • FB Credential = "fb-" + page-id

ง่ายๆ แค่นี้ แต่ทิมไม่ต้องเดาอีกเลยว่า credential ของเพจนี้ชื่ออะไร workflow อยู่ไหน เพราะมันคำนวณจากชื่อเพจได้หมด

Thinking Skill — โหมดคิดลึก 7 แบบ

อีกตัวที่ผมชอบมากคือ skill thinking ครับ ปกติ AI มันจะตอบเร็วมาก ตอบทันทีที่ถามเสร็จ ซึ่งบางทีมันก็ดี แต่บางทีผมอยากให้มัน คิดให้ลึกกว่านั้น

skill นี้มี 7 โหมดคิด ให้ผมเลือกได้:

  • First Principles — ถอดรื้อปัญหาจนเหลือแก่น
  • Brainstorm — ระดม idea แบบไม่ตัดสินก่อน
  • Red Team — หาจุดอ่อนของแผนที่วางไว้
  • Council Debate — จำลอง 3-4 มุมมองถกกัน
  • Hypothesis — ตั้งสมมติฐานแล้วหาทาง prove/disprove
  • Pre-mortem — "ถ้าโปรเจกต์นี้พัง มันพังเพราะอะไร?"
  • Opportunity Cost — ทำสิ่งนี้ แลกกับไม่ได้ทำอะไร?

ผมใช้ตอนตัดสินใจว่าจะเปลี่ยน tool ส่วนตัวเป็น SaaS ใช้ตอนจะ launch feature ใหม่ ใช้ตอนจะตัดฟีเจอร์ทิ้ง — มันเหมือนมีที่ปรึกษาที่คิดได้ 7 มุมให้เลือก

ทำไมไม่ใช้ Custom Instructions ของ ChatGPT?

คำถามที่ต้องตอบเลยครับ 555 — ChatGPT มี Custom Instructions มี GPTs มี Memory เหมือนกันนี่หว่า?

ต่างกัน 3 จุดครับ:

1. ขนาด — Custom Instructions ของ ChatGPT จำกัดตัวอักษร ของผม 7,058 บรรทัด ใส่ไม่ลงครับ 555 และ skill 34 ตัวมัน load ตัวที่เกี่ยวข้องอย่างเดียว ไม่ได้ยัดทุกอย่างเข้าไปพร้อมกัน

2. ลงมือทำได้จริง — Custom Instructions บอก AI ว่า "ทำแบบนี้นะ" แต่ AI มันแค่ตอบข้อความกลับมา ทิมมี skill แล้ว ลงมือทำเลย — call API สร้าง campaign, สร้าง server, deploy code, ส่งเมล ทั้งหมดอัตโนมัติ

3. Server ส่วนตัว — skill ของผมเก็บอยู่บนserver ส่วนตัว ไม่ใช่ใน cloud ของ OpenAI ผมเขียน เพิ่ม แก้ ลบ ได้เต็ม control ไม่ต้องรอ feature update จาก platform ใคร

Skill System คือ "สมองอีกครึ่ง" ของ AI

ถ้าMemory System คือ "ความทรงจำ" ของทิม — skill system คือ "ทักษะ" ของทิมครับ

Memory ทำให้ทิมรู้ว่าผมชื่อปอนด์ ไม่ใช่พอนด์ รู้ว่าผมชอบ response สั้น ไม่ชอบ emoji — แต่ skill ทำให้ทิม ทำงานเป็น ตั้งแต่สร้างเพจ ยิงแอด ตัดคลิป จนถึงสร้าง SaaS ทั้งตัว

รวมกัน 2 ระบบนี้ มันทำให้ทิมไม่ใช่แค่ "AI ฉลาดๆ" อีกต่อไป — มันคือ AI ที่เข้าใจผม + ทำงานแทนผมได้จริง

คำถามที่พบบ่อย

skill file ของ AI คืออะไร ต่างจาก prompt ยังไง?

skill file คือไฟล์ markdown ที่เก็บ SOP ครบทุกขั้นตอน — มี trigger conditions, ลำดับขั้นตอน, API ที่ต้อง call, edge cases, และ validation criteria ครับ ต่างจาก prompt ตรงที่ prompt บอก "ทำแบบนี้" แบบ one-off แต่ skill file ทำให้ AI รู้วิธีทำงานนั้นซ้ำได้ทุกครั้งโดยไม่ต้องอธิบายใหม่

จะสร้าง SOP ให้ AI ส่วนตัวเริ่มจากอะไร?

เริ่มจากงานที่คุณทำซ้ำบ่อยที่สุดก่อนครับ สังเกตว่าคุณต้องอธิบายขั้นตอนซ้ำให้ AI กี่ครั้ง ถ้าอธิบายมากกว่า 2 ครั้งก็คุ้มค่าที่จะเขียนเป็น skill แล้วให้ AI ใช้ชื่อมันเรียก skill นั้นได้เลยครับ แต่ละ skill จะดีขึ้นเรื่อยๆ เมื่อเจอ edge case ใหม่และเพิ่มเข้าไป

ทำไม AI Skill System ถึงทำได้สิ่งที่ ChatGPT Custom Instructions ทำไม่ได้?

เพราะ Custom Instructions ของ ChatGPT จำกัดตัวอักษร ไม่สามารถเก็บ SOP ขนาด 7,000 บรรทัดได้ครับ นอกจากนี้ ChatGPT แค่ "ตอบ" ตามคำสั่ง แต่ไม่ได้ลงมือทำ call API จริง สร้าง campaign จริง หรือ deploy code จริง ซึ่ง AI Agent บน server ส่วนตัวทำได้ทั้งหมด

naming convention สำคัญแค่ไหนในระบบ automation?

สำคัญมากครับ เมื่อคุณมี entity หลายร้อยชิ้น เช่น 24 เพจ แต่ละเพจมี 5 entity = 120 อัน ถ้าตั้งชื่อมั่วซั่ว AI จะหาอะไรไม่เจอเลย แต่ถ้ามี naming convention ที่ชัดเจน AI สามารถ derive ชื่อ credential, workflow, data table จากชื่อเพจได้เลย ไม่ต้องเดา ไม่ต้องถามครับ

ถ้าคุณเป็นเจ้าของธุรกิจที่อยากมี AI Agent แบบนี้ — server ส่วนตัว มี memory จำทุกอย่าง สร้าง skill ได้เอง ลงมือทำงานจริงไม่ใช่แค่ตอบข้อความ — ลองดู Newton ได้เลยครับ มันคือสิ่งเดียวกับที่ผมใช้ทุกวัน แค่พร้อมให้คุณ setup เองบน server ส่วนตัวภายใน 10 นาที