เลิกสร้าง AI Agent แล้วหันมาทำ Skill ดีกว่า จริงหรือแค่คำพูดให้คนกดไลก์?

โดย Nokka (นก-กา) | 31 ต.ค. 2026

คลิป TikTok ของอาจารย์เก่ง ภูวนัย (@ajkengmaster) ที่โพสต์เมื่อ 31 ต.ค. 2026 เวลา 19:03 น. ยาว 5 นาที 17 วินาที ผมเห็นคลิปนี้ถูกแชร์ในกลุ่มที่ผมอยู่ [1]

คำเปิดของคลิปคือ "เลิกสร้าง AI Agent ใหม่ได้แล้ว ให้สร้างสิ่งนี้แทน" แล้วไล่สูตรห้าขั้นที่บอกว่าถอดมาจากทีม Claude

ผมไปดูต้นทางจริง คือ talk บนเวที AI Engineer ที่ชื่อ "Don't Build Agents, Build Skills Instead" โดย Barry Zhang กับ Mahesh Murag สองคนจาก Anthropic ที่มาอธิบายระบบ Agent Skills [2]

สรุปสั้น ๆ ก่อน: แก่นของ talk นี้จริงและมีงานวิจัยรองรับ ส่วนที่ผมจะเสริมคือสามเรื่องที่คลิปไม่ได้บอก คือมีงานที่ใส่สกิลแล้วผลแย่ลง สกิลที่โมเดลเขียนเองไม่ช่วย และความเสี่ยงความปลอดภัยที่กว้างกว่าที่เล่า

ทีม Claude พูดจริงว่าอะไร

แก่นที่ทีมเขาพูด

Talk ยาว 16 นาที 22 วินาที เผยแพร่บนเว็บ AI Engineer [2] ใจความหลักคือ

เอเจนต์ทุกวันนี้ใช้ฐานรากเดียวกันหมด ต่างกันที่งานที่ได้รับมอบหมาย การสร้างเอเจนต์ใหม่แยกทีละโดเมนจึงเป็นการลงแรงซ้ำซ้อน สิ่งที่ขาดไม่ใช่ความฉลาด แต่คือ ความรู้เฉพาะงาน

Skill คือโฟลเดอร์ที่เก็บวิธีทำงาน เป็นคำสั่งแบบเป็นขั้นตอน สคริปต์ที่ใช้ซ้ำได้ และไฟล์ประกอบ โดยมี SKILL.md เป็นไฟล์หลักที่บอกว่าต้องทำอะไร [3]

กลไกสำคัญที่ทีมนี้เน้นคือ progressive disclosure แปลว่าโมเดลเห็นแค่ชื่อกับคำอธิบายสั้น ๆ ก่อน แล้วค่อยเปิดรายละเอียดเมื่อจำเป็น [2]

แนวเปรียบเทียบที่คลิปเล่าและตรงกับ talk คือ Model = CPU, Agent = ระบบปฏิบัติการ, Skill = แอป [2]

ทำไมคำว่า "เลิกสร้าง Agent" ทำให้เข้าใจผิด

คลิปเองก็พูดถูกว่าเขาไม่ได้บอกให้เลิกใช้เอเจนต์ แต่ให้เลิกสร้างใหม่ทุกครั้งที่มีงานใหม่

แต่พาดหัว "เลิกสร้าง AI Agent" แรงกว่าสาระ เพราะสิ่งที่ talk เสนอคือ เอเจนต์ตัวเดียวถือ Skill ได้เป็นร้อย ไม่ใช่การทิ้งเอเจนต์

ตรงนี้สำคัญเพราะคนอ่านพาดหัวมักเข้าใจว่าไม่ต้องมีเอเจนต์เลย ซึ่งไม่จริง เอเจนต์ยังเป็นตัวรัน ยังต้องมีเครื่องมือ ยังต้องมีบริบท

ห้าขั้นจากคลิป ตรวจทีละข้อ

ขั้นที่หนึ่ง เลือกงานที่สั่งซ้ำบ่อยที่สุด คลิปบอกให้เอางานที่ต้องอธิบายใหม่ทุกครั้งมาเป็น Skill แรก

ข้อนี้ตรงกับหลักใน talk ที่ว่า Skill เก็บ วิธีทำ ไม่ใช่ข้อมูล [3]

ขั้นที่สอง ทำหนึ่งรอบแล้วสั่งเก็บเป็น Skill คลิปบอกให้ทำงานให้เสร็จก่อนแล้วพิมพ์ว่า "เก็บวิธีทำงานนี้เป็น Skill"

ในทางปฏิบัติ Claude Code มีสกิลชื่อ skill-creator ที่ช่วยสร้างโครงโฟลเดอร์และร่าง SKILL.md ให้ [3] แต่ผลลัพธ์ยังต้องมีคนอ่านทวน เพราะงานวิจัยเตือนไว้ว่าสกิลที่ AI เขียนเองล้วน ๆ ไม่ช่วยอะไร [4]

ขั้นที่สาม เขียนคำอธิบายให้ชัดว่าใช้เมื่อไร คลิปเรียกข้อนี้ว่าความลับที่คนมองข้าม และมันตรงกับกลไก progressive disclosure ใน talk เป๊ะ [2]

ถ้าคำอธิบายกว้างเกินไป โมเดลจะไม่หยิบสกิลนั้นมาใช้ หรือหยิบผิดที่

ขั้นที่สี่ งานที่ต้องเป๊ะให้เก็บเป็นสคริปต์ คลิปเล่าว่าทีม Anthropic เห็น Claude เขียนโค้ดซ้ำ ๆ จากสไลด์เดิม จึงสั่งให้เก็บโค้ดนั้นไว้ในสกิล [2]

หลักที่คลิปสรุปคือ "งานที่ต้องคิดให้ AI ทำ งานที่ต้องเป๊ะให้ script ทำ" ซึ่งเป็นคำแนะนำที่ใช้ได้จริงแม้นอกวง AI

ขั้นที่ห้า ทุกครั้งที่พลาด ชี้แล้วสั่งให้แก้ Skill คลิปบอกว่านี่คือขั้นตัดสิน

ข้อนี้สอดคล้องกับงานวิจัยมากที่สุด เพราะผลทดลองชี้ว่าสกิลที่ คนคัดแล้ว ให้ผลบวกชัด ส่วนสกิลที่โมเดลเขียนเองไม่ช่วยเลย [4]

หลักฐานที่มีน้ำหนักที่สุด

ตัวเลขจากการทดลองจริง

งานวิจัย SkillsBench เผยแพร่บน arXiv เมื่อ 13 ก.พ. 2026 ทดสอบ 86 งาน ครอบคลุม 11 โดเมน เก็บข้อมูล 7,308 เส้นทางการทำงาน [4]

ผลลัพธ์ที่ควรจำ

สกิลที่คนคัดแล้ว   ผ่านเพิ่มเฉลี่ย +16.2 จุดเปอร์เซ็นต์
ด้านวิศวกรรมซอฟต์แวร์  +4.5 จุด
ด้านการแพทย์          +51.9 จุด
งานที่ผลลัพธ์แย่ลง    16 จาก 84 งาน
สกิลที่โมเดลเขียนเอง   ไม่ช่วยเลยโดยเฉลี่ย

ตัวเลขชุดนี้มาจากฉบับ v3 ของงานวิจัย ถ้ากดลิงก์ไปวันนี้จะเจอฉบับ v4 ที่ลง 14 มิ.ย. 2026 ซึ่งประเมินใหม่ทั้งชุดเป็น 87 งาน 8 โดเมน และให้ผล +16.6 จุด ตัวเลขจึงต่างจากที่ผมยกมาเพราะคนละเวอร์ชัน ไม่ใช่เพราะตัวใดตัวหนึ่งผิด

ผมจึงผูก REF ไว้ที่ v3 ให้ตรงกับตัวเลขที่อ้าง

ตัวเลขชุดนี้เปลี่ยนวิธีที่ผมมองเรื่องนี้ เพราะมันบอกสองอย่างพร้อมกัน

หนึ่ง สกิลช่วยจริง แต่ช่วยไม่เท่ากันในทุกงาน งานด้านวิศวกรรมซอฟต์แวร์ได้แค่ +4.5 จุด ส่วนงานทางการแพทย์ได้ +51.9 จุด

งานวิจัยไม่ได้อธิบายว่าทำไมต่างกันขนาดนั้น ผมเดาเองว่าเพราะงานซอฟต์แวร์โมเดลเก่งอยู่แล้ว และงานแพทย์ต้องใช้ความรู้เฉพาะทางที่หาในน้ำหนักโมเดลไม่ได้ แต่ตรงนี้เป็นข้อสันนิษฐานของผม ไม่ใช่ข้อสรุปของงานวิจัย

สอง มีงานถึง 16 งานที่ใส่สกิลแล้วผลแย่ลง ซึ่งเป็นรายละเอียดที่คลิปไม่ได้พูดถึง และเป็นเหตุผลว่าทำไมการกลั่นกรองสกิลด้วยคนจึงสำคัญกว่าจำนวนสกิลที่มี

งานวิจัยยังบอกอีกว่า สกิลที่โฟกัสสองถึงสามโมดูลให้ผลดีกว่าเอกสารยาวครบทุกอย่าง และโมเดลเล็กที่มีสกิลสามารถเทียบได้กับโมเดลใหญ่ที่ไม่มีสกิล [4]

คำเตือนเรื่องความปลอดภัยที่คลิปยกมา ถูกต้อง

คลิปบอกว่ามีบริษัทความปลอดภัยสแกนสกิลในคลังชุมชนเกือบสี่พันตัว แล้วเจอตัวที่ตั้งใจร้ายเจ็ดสิบหกตัว

ตัวเลขนี้ตรงกับรายงานของ Snyk ที่ประเมินข้อมูล ณ 5 ก.พ. 2026 และขึ้น arXiv เมื่อ 27 พ.ค. 2026 [5]

• สแกน 3,984 สกิล จากตลาดรวมสกิลขนาดใหญ่
• พบ 76 เพย์โหลดที่ยืนยันว่าเป็นอันตราย รวมถึงการขโมยข้อมูลรับรอง การติดตั้งแบ็คดอร์ และการส่งข้อมูลออก
• 13.4% ของสกิลทั้งหมดมีช่องโหว่ระดับวิกฤตอย่างน้อยหนึ่งจุด
• ยังมีสกิลอันตรายอย่างน้อย 8 ตัวที่ยังเปิดให้โหลดได้ตอนเผยแพร่รายงาน

ทั้งหมดนี้ทำให้ประโยคที่คลิปพูดว่า "โหลด Skill ของคนอื่นมาใช้เท่ากับรันโค้ดของคนแปลกหน้า" ไม่ใช่การพูดให้ตกใจ แต่ตรงกับงานวิจัย

จุดที่คลิปเล่าถูก

ตอนแรกผมสงสัยข้อความในคลิปที่ว่า Anthropic เปิดบริการสายการเงินกับสายวิทยาศาสตร์ชีวภาพโดยไม่สร้างเอเจนต์ใหม่ แค่เพิ่ม MCP กับ Skill

ผมเปิดประกาศจริงสองฉบับแล้ว คลิปพูดถูก

• 20 ต.ค. 2025 Anthropic เปิด Claude for Life Sciences โดยเน้นการเชื่อมเครื่องมือวิทยาศาสตร์ผ่าน MCP และการพัฒนาสกิลสำหรับงานวิจัย [8]
• 27 ต.ค. 2025 Anthropic ขยาย Claude for Financial Services ด้วย Excel add-in, connector ข้อมูลตลาดแบบเรียลไทม์ และ ชุด Agent Skills สำเร็จรูป สำหรับงานสร้างโมเดล DCF และรายงานวิเคราะห์หุ้น [7]

ทั้งสองครั้งไม่ได้เปิดตัวเอเจนต์ใหม่ แต่เพิ่มเครื่องมือเชื่อมต่อและชุดสกิลเข้าไปในผลิตภัณฑ์เดิมของ Claude ซึ่งตรงกับที่คลิปเล่า

แล้วเทมเพลตสิบแบบที่เห็นในปี 2026 คืออะไร

มีอีกหน้าหนึ่งของ Anthropic ที่เปิดตัว เทมเพลตเอเจนต์สิบแบบ สำหรับงานสายการเงิน [6] แต่หน้านั้นเผยแพร่เมื่อ 5 พ.ค. 2026 ซึ่งมาทีหลังเหตุการณ์ที่คลิปพูดถึงราวหกเดือน

ผมเกือบใช้หน้านี้หักล้างคลิป แล้วพบว่าเป็นการเทียบคนละช่วงเวลา ซึ่งไม่ยุติธรรมกับคลิปเลย

หน้านี้บอกเพิ่มว่า เมื่อเวลาผ่านไป Anthropic กลับมาแพ็กงานเป็นเทมเพลตที่รวมสามชั้น ได้แก่ skills, connectors และ subagents [6] แปลว่าเอเจนต์ยังจำเป็น แต่ตัวที่ทำให้มันทำงานเฉพาะทางได้คือสกิล

จุดที่คลิปไม่ได้บอก

ถ้าจะหาจุดที่ควรระวังจริง ๆ มีสามข้อนี้ และทั้งหมดมีหลักฐานในงานวิจัย

หนึ่ง มีงานที่ใส่สกิลแล้วผลแย่ลง 16 จาก 84 งานใน SkillsBench มีผลลัพธ์ติดลบ [4] แปลว่าสกิลไม่ใช่ยาวิเศษ การวัดผลก่อนกับหลังจึงสำคัญ

สอง สกิลที่โมเดลเขียนเองไม่ช่วย งานวิจัยทดสอบสามเงื่อนไข ได้แก่ ไม่มีสกิลเลย, ใช้สกิลที่คนคัดมาแล้ว และใช้สกิลที่โมเดลแต่งขึ้นเอง ปรากฏว่าเงื่อนไขสุดท้ายให้ผลไม่ต่างจากการไม่มีสกิล [4]

สาม ความเสี่ยงด้านความปลอดภัยกว้างกว่าที่คลิปเล่า คลิปเน้นสกิลที่ตั้งใจร้าย แต่รายงานเดียวกันยังชี้ว่าปัญหาความปลอดภัยระดับวิกฤตกระจายอยู่ทั่วไป ไม่ได้จำกัดอยู่แค่กลุ่มที่จงใจทำอันตราย [5]

ถ้าจะเริ่มคืนนี้ ทำแบบนี้

ผมสรุปเป็นลำดับที่ผมจะทำถ้าต้องเริ่มเอง พร้อมตัวอย่างงานที่เหมาะและไม่เหมาะ

1. เลือกงานหนึ่งอย่างที่ต้องอธิบายซ้ำทุกสัปดาห์
2. ทำงานนั้นให้เสร็จหนึ่งรอบ แล้วให้ AI ร่างสกิลจากสิ่งที่ทำจริง
3. อ่านร่างด้วยตาตัวเอง แล้วตัดส่วนที่เดาเอาไว้ออก
4. เขียนคำอธิบายให้ระบุว่าใช้เมื่อไร ไม่ใช่แค่ใช้ทำอะไร
5. ทุกครั้งที่พลาด เพิ่มบรรทัดนั้นลงในสกิล ไม่แก้ที่ prompt ชั่วคราว

โครงไฟล์คร่าว ๆ ที่ควรมี

my-skill/
  SKILL.md        คำอธิบายว่าใช้เมื่อไร + ขั้นตอน
  scripts/        โค้ดที่ต้องเป๊ะ
  references/     เอกสารอ้างอิงที่เปิดเมื่อจำเป็น

สิ่งที่ผมยังไม่ได้ทำ

ผมไม่ได้ทดลองสร้างสกิลใหม่แล้ววัดผลในรอบนี้ สิ่งที่ผมทำคือเปิดต้นทางของ talk งานวิจัยสองชิ้น และประกาศของ Anthropic แล้วเทียบกับที่คลิปเล่า

ตัวเลขจาก SkillsBench ผมอ่านจากบทคัดย่อของงานวิจัย ไม่ได้รัน benchmark เอง

แหล่งอ้างอิง

[1] TikTok · อ.เก่ง ภูวนัย (@ajkengmaster) · 31 ต.ค. 2026 · 5:17 นาที · ตัวเลข engagement ณ วันที่ดึงข้อมูล 31 ต.ค. 2026 คือ 2,473 วิว · 128 ไลก์ · 42 แชร์ · https://www.tiktok.com/@ajkengmaster/video/7702801407463755029
[2] AI Engineer (ธ.ค. 2025) · Don't Build Agents, Build Skills Instead - Barry Zhang & Mahesh Murag, Anthropic (16:22) · https://ai.engineer/talks/agent-skills
[3] Anthropic (ต.ค. 2025) · Introducing Agent Skills · https://www.anthropic.com/news/skills
[4] arXiv 2602.12670v3 · SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks (ฉบับ v3, 13 มี.ค. 2026) · https://arxiv.org/abs/2602.12670v3
[5] arXiv 2605.28588 · Technical Report: Exploring the Emerging Threats of the Agent Skill Ecosystem (Snyk, 5 ก.พ. 2026) · https://arxiv.org/abs/2605.28588
[6] Anthropic (5 พ.ค. 2026) · Agents for financial services: ten agent templates · https://www.anthropic.com/news/finance-agents
[7] Anthropic (27 ต.ค. 2025) · Advancing Claude for Financial Services · https://www.anthropic.com/news/advancing-claude-for-financial-services
[8] Anthropic (20 ต.ค. 2025) · Claude for Life Sciences · https://www.anthropic.com/news/claude-for-life-sciences

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)