From Chat to Action — เข้าใจ AI Agent ตั้งแต่รากฐานถึงการใช้งานจริง
หลักสูตร vendor-neutral: เรียน "โครง" ครั้งเดียว ใช้ได้ทุกค่าย ทุกเครื่องมือ
เส้นทาง 7 บทของน้อง Besties — แต่ละป้ายเกิดจากข้อจำกัดของป้ายก่อนหน้า · คลิกป้ายเพื่อข้ามไปบทนั้น
💡 คลิกป้ายเพื่อข้ามไปบทนั้น · กด O ดู outline · 🕰️ ภาคผนวก (ท้ายเล่ม): วิวัฒนาการของ AI — 3 ยุค
ในหน้าแชต (AI Assistant) งานนี้ ไม่จบใน turn เดียว — ต้องคุยทีละขั้น แล้วเอาผลแต่ละขั้นไปป้อนขั้นถัดไปเอง
ลาก CSV/Excel เข้าไปในแชท + prompt ขอ insight — ได้คำตอบ เป็นข้อความในแชต
→ report (ก็อปไป Word)
ได้สรุปแล้ว พิมพ์ขอให้ทำกราฟต่อ — AI วางแผน + บอกอันที่ทำไม่ได้
→ กราฟ PNG
พิมพ์ขอให้เอา insight จากขั้น 1 สรุปเป็นอีเมลถึงหัวหน้า
→ ข้อความอีเมล
ก็อปอีเมล + แนบไฟล์ขั้น 1&2 ที่เซฟไว้เอง → กดส่ง
📤 ส่งหัวหน้าวางไฟล์ + prompt ตั้งบทบาทเป็น Senior Commercial Analyst → ได้ insight report
ตั้งบทบาท + โครง Pyramid + กฎ "อ้างตัวเลขจริงเท่านั้น"
วางไฟล์ + สั่งเป็นบทบาท "นักวิเคราะห์เชิงพาณิชย์อาวุโส" → AI เปิดอ่านไฟล์จริงก่อนเริ่มสรุป
prompt ตั้งบทบาท + โครงรายงาน
1
2
3
หน้าจอจริง: ผู้ใช้พิมพ์ prompt + แนบ CSV → AI ขึ้น "Reading the uploaded sales CSV"
Commercial Review · Central Region · Week 23 — เรียงตามโครง Pyramid (สรุปก่อน แล้วค่อยเหตุผล)
ตัวเลขพาดหัว
1
2
3
รายงานจริงที่ AI สร้าง — ทุกตัวเลขดึงจาก CSV ที่อ่านในขั้นก่อนหน้า
ไฟล์เดิม + prompt ขอ 6 กราฟ "1 กราฟ = 1 คำถามผู้บริหาร" พร้อม headline
Pareto · Profit Pool · Seasonality · Price Realization · Margin Mix · Growth-Margin Matrix
ก่อนวาด AI เช็กก่อนว่าจากข้อมูลจริงทำกราฟไหนได้ — อันไหนข้อมูลไม่พอ บอกตรง ๆ ไม่แต่ง
คอลัมน์ "ทำได้ไหม"
1
2
ตารางจริง: 6 กราฟ × สถานะ ✅ / ⚠️ / ❌ + เหตุผลต่อแถว
AI สร้างกราฟตามที่วางแผนไว้ ออกมาเป็นไฟล์ภาพ พร้อม headline insight ต่อกราฟ
ไฟล์กราฟ PNG
1
2
ได้หลายกราฟเป็นไฟล์ภาพ + แต่ละกราฟมีปุ่ม "Open in Photos"
ไฟล์หน้าตาเหมือน W23 ทุกอย่าง เปลี่ยนแค่ข้อมูลใหม่ +1 สัปดาห์ — แล้ว Besties ก็ต้องนั่งทำ 4 งานเดิมวนซ้ำอีกรอบ
🐧 Besties ทำเองก่อนรู้จัก agent — งานหลายขั้นบน AI Assistant (Chatbot) หน้าตาเป็นแบบนี้ · ใครคุ้นบ้าง?
รวมไฟล์หลายชนิด → วิเคราะห์ → ทำ Excel · สไลด์ · Dashboard → ร่างอีเมล — โจทย์เดียวที่วิวัฒน์ทั้งคอร์ส
ค่อย ๆ สร้าง "ห้องทำงาน" ให้ AI — แต่ละหมุดในห้องคือ 1 บทที่จะเรียน
1
2
3
4
5
6
กดเริ่มครั้งเดียว → agent หลักสั่งทีม subagent (ต่อ connector + หยิบ skill) → รวมงาน → ส่งกลับให้ Besties แค่ รีวิว + คอนเฟิร์ม
นิยาม · วงจรการทำงาน · สภาพแวดล้อมรอบ AI
📍 🏠 ทั้งห้อง = ตัว Agentค่าย Anthropic: โหลดแอป Claude → สลับมาแท็บ Cowork = โหมด agent · จุดตั้งสภาพแวดล้อมอยู่ในแถบซ้าย
แอป Claude บนเดสก์ท็อป — แท็บ Chat / Cowork / Code · พิมพ์สั่งงานได้เลย
นี่คือจุดที่เรา "เติม environment" ให้ agent — Skills (ทักษะ) + Connectors (ต่อเครื่องมือ = MCP)
Customize → Skills / Connectors · ตัวอย่าง Connector: Canva (เลือกสิทธิ์เครื่องมือได้)
ค่าย OpenAI: แอป Codex บนเดสก์ท็อป — แถบซ้ายก็มีของเหมือนกัน (Plugins · Automations · Projects)
แอป Codex — เปิดโปรเจกต์ (Fabric Project) แล้วสั่งงานได้เลย ("Do anything")
คลังเสริมความสามารถให้ Codex — ทั้งของ OpenAI และที่เราสร้างเองได้
แท็บ Plugins / Skills · Featured: Computer Use · Chrome · Spreadsheets · GitHub · Slack…
เริ่มสร้าง agent — ตั้งสภาพแวดล้อม · วิธีทำงาน (ต่างจาก Chatbot)
📍 📁 พื้นที่ทำงาน (โฟลเดอร์)โหลด agent_workshop.zip → ได้ messy-office/ (18 ไฟล์รก) → เปิด Cowork แล้ว "Work in a project" เลือกโฟลเดอร์นี้
ก่อนแตะไฟล์จริง agent ขออนุญาต — เลือกให้มัน "ถามก่อนทำทุกครั้ง" = รั้วความปลอดภัย (guardrail)
สั่ง "ขอแผนก่อน ยังไม่ต้องย้าย" → agent สำรวจไฟล์แล้ว วางแผน 4 ขั้นเอง (ดู Progress วงแดง) → หยุดรอเราอนุมัติ
แผนที่ agent คิดเอง (Progress)
★
วงแดงขวาบน = Progress ขั้นตอนที่ agent วางแผนจะทำเอง — ยังไม่ลงมือย้ายไฟล์
ต่อ AI ออกสู่โลกภายนอก — USB-C ของโลก AI
📍 🔌 เครื่องมือ / ตัวต่อกดเชื่อมจากรายการที่องค์กรอนุมัติ → login อนุญาต → เลือกสิทธิ์แคบสุด — จบ
1
2
หน้า Directory — connector สำเร็จรูปที่ "กดเชื่อม" ได้เลย (โลโก้แอปจริง)
พิมพ์สั่งครั้งเดียว — AI ไปเปิดอีเมลที่เกี่ยวข้องมาสรุปให้เอง (ผ่าน Microsoft 365 connector)
1
2
3
AI อ่านอีเมลจริงผ่าน connector — ไม่มีการ copy / แนบไฟล์เลย
ช่วยไปอ่านข้อมูลใน email ที่มาจาก it services แล้วสรุป key insights ว่า ในเดือนที่ผ่านมามีตั๋วเรื่องอะไรบ้าง จำนวนเท่าไหร่ มีอะไรที่ต้อง focus พิเศษ
สั่งให้ค้น SharePoint หาไฟล์ Excel PMO แล้วสรุปเป็น dashboard 1 หน้า
1
2
3
AI ค้น SharePoint เจอไฟล์ PMO → วางแผน 4 ขั้น → อ่าน Excel ผ่าน connector
อ่านข้อมูลจาก SharePoint โดย search หาใน Digital Technology, สรุปข้อมูล project ที่แผนก IT & Digital ทำอยู่ จากไฟล์ Excel PMO เดือน 06 2026 เป็น 1 หน้า dashboard จัดแบ่งข้อมูล เป็นประเภท project พร้อม insights สำคัญ
คำนวณด้วย Python → ออกแบบ → ได้ dashboard แบ่งตามประเภท project + insights
1
2
3
ผลลัพธ์: PMO Project Dashboard 1 หน้า — สร้างจากข้อมูล SharePoint ทั้งหมด
เปลี่ยนความเก่งส่วนบุคคล เป็นทรัพย์สินทีม
📍 📚 ชั้นคู่มือ Skillsเคสจริง Besties สัปดาห์ W23 — สั่งเป็นภาษาพูดในแชท ทีละคำสั่ง · คำสั่งแรก: อ่านไฟล์ใน SharePoint แล้วสรุปยอด
คำสั่งแรก (พิมพ์เอง)
1
2
3
Claude Cowork อ่านไฟล์จริงผ่าน connector — ไม่มีการอัปโหลด/แนบไฟล์เลย
เข้าไปอ่านข้อมูลใน sharepoint: [Demo File (CMAN Sales Team)] ช่วยดูยอดขายทั้งหมดใน week 23 2025 แล้วสรุปภาพรวม · ยอดตามภาค · ยอดตามหมวดสินค้า · และ insights สำคัญอื่น ๆ ให้หน่อย
AI หยิบ 5 ไฟล์ดิบจาก SharePoint · เขียนสคริปต์รวมข้อมูล · แล้วสรุปยอดตามภาค + หมวดสินค้า + insights
ยอดตามภาค
ยอดตามหมวดสินค้า
ผลจริงจากคำสั่งเดียว — ขวาบนมีแถบ Progress: อ่านไฟล์ → รวม 4 ภาค → คำนวณสรุป (AI ทำเองทุกขั้น)
consolidate_w23.py รันเอง — เราแค่บอกว่าอยากได้อะไรตัวเลขจาก CSV อย่างเดียวยังไม่ครบ — มี order พิเศษ/ของคืนอยู่ในอีเมล → ต้องบอกให้ AI รวม แล้ว reconcile
CSV เดิม → +Email → ยอดจริง
AI หาไฟล์อีเมล + บันทึกประชุมเอง แล้วปรับยอด — โชว์ที่มาของแต่ละรายการที่ reconcile
ในโฟลเดอร์เดียวกันมีไฟล์ email week23 2025 ด้วย — เอาข้อมูลจาก email มารวมในสรุปยอดขาย รวมถึง meeting minute ที่ประชุม ด้วย
แต่ละไฟล์ = อีก 1 คำสั่ง · AI เขียนสคริปต์ openpyxl / สร้าง .pptx ให้เอง (ตัวเลขพาดหัวตรงกันทุกไฟล์)
# คำสั่งที่ 3 ขอ insights เชิงลึกเพิ่ม แล้วทำเป็น Excel ระดับผู้บริหาร — มี KPI, แยกชีต, ใส่กราฟ และตารางสรุปหลายมิติ
# คำสั่งที่ 4 สรุปเป็น board deck 5 สไลด์ (.pptx) หน้าปกใส่ wordmark CHEMEMAN ใช้ action-title + กราฟ waterfall/Pareto
ผลลัพธ์เด่นที่สุดของชุดนี้ — ผู้บริหารดูจบในหน้าเดียว · เพราะ prompt ระบุโครงสร้างชัด
① KPI Cards
② Visualization
โลโก้
CHEMEMAN Weekly Sales Dashboard — KPI ฿53.45M · GM 32.4% · 18,071 ตัน · กราฟภาค/สินค้า/แนวโน้ม/Pareto
เอา insights ทั้งหมดมาทำเป็น dashboard 1 หน้า theme chememan ใช้ logo ตามแนบ โดยมี section: 1. KPI Cards 2. Visualization ที่สำคัญ 3. Key Insights · Opportunities · Risks/Concerns 4. Recommendation
ได้ครบและสวย — แต่กว่าจะถึงตรงนี้คือ 6 คำสั่ง หลาย turn และต้องทำซ้ำใหม่ทุกสัปดาห์
โครงอีเมลที่ AI ร่างให้
สั่งร่างอีเมล: หัวเรื่อง + KPI พาดหัว + bullet highlights/watch-items + แนบ Excel & ภาพ Dashboard
ไม่ต้องเขียน skill ตั้งแต่ศูนย์ — กดเมนูบนหัวสนทนา "Turn into skill" แล้วบอกให้สรุปทั้งงานเป็น skill
เมนูบนหัวสนทนา
1
หัวสนทนา → ▾ → Turn into skill — แปลงบทสนทนาที่ทำสำเร็จแล้วเป็น skill
Turn this task into a skill สรุปวิธีทำงานทั้งหมด ให้รับ input ใหม่ในแต่ละ week-year แล้วทำครบ: 1. หา insights จากข้อมูลทั้งหมด 2. สรุปงานใน Excel 3. สรุปงานใน ppt 4. สร้าง dashboard โชว์ key insights 5. draft email รายงานหัวหน้า
สัปดาห์ถัดมา ข้อมูลใหม่เข้ามา — ไม่ต้องอธิบายขั้นตอนอะไรอีก พิมพ์ /weekly-sales-report พอ
พิมพ์บรรทัดเดียว
1
"ช่วยสรุป sales performance week24-2025 /weekly-sales-report"
2
AI หยิบ กติกา + ต้นทุนมาตรฐาน ที่ฝังใน skill มาใช้เอง แล้วทำตามขั้นตอนจนจบ
ใช้กติกามาตรฐานของ skill เอง
1
2
สัปดาห์นี้ไม่มีไฟล์ประชุม → AI ใช้กติกา/ต้นทุน default ที่ skill เก็บไว้ แล้ววางแผนตาม pipeline
3
จากมอบหมายเป็นครั้ง สู่สายพานอัตโนมัติ
📍 👥 ทีมผู้ช่วย (Subagents)เรียก skill + สั่ง "ใช้ subagent สรุป 3 แหล่งพร้อมกัน" → AI ปล่อย 3 ตัววิ่งขนาน แล้วรวบผล
3 subagent วิ่งพร้อมกัน
1
2
"Ran 3 agents" — สรุป CSV ภูมิภาค / อีเมล / บันทึกประชุม ขนานกัน
/weekly-sales-report วิเคราะห์ยอดขายโดยใช้ subagent ช่วยสรุปข้อมูลจากทั้ง 3 แหล่ง พร้อมกัน เพื่อทำรายงานส่งหัวหน้า
จนถึงตอนนี้ — เราต้อง "สั่ง" agent เองทุกครั้ง · แต่เราตั้ง นาฬิกาในห้องทำงาน ให้ทุกคน/agent ทำงานเองตามรอบได้ (เช่น ทุกวันจันทร์ 10:00)
⏰ ตั้งเวลาให้ห้องนี้ทำงานเอง
พิมพ์ /schedule this task on every Mon 10:00am → ได้การ์ดยืนยัน → จัดการจากแท็บ Scheduled
/schedule · every Mon 10:00am
1
2
การ์ดยืนยัน: "Cman weekly sales report — Every Monday at 10:00 AM"
3
ทบทวนทั้งเส้นทาง: จาก chatbot สู่ agent เต็มตัว
📍 🏆 ครบทั้งห้องแล้วweekly-sales-report
v1 คุยในแชททีละ turn → v7 ตั้งเวลา + ต่อ connector + เรียก skill + ปล่อย subagent ขนาน — แต่คนยังเป็นผู้ตรวจรับและตัดสินใจเสมอ
Excel ข้อมูลสำคัญ + กราฟ ธีม CMAN (teal #00838F) · รัน openpyxl สร้างไฟล์จริง
make_xlsx.py · ใส่ KPI + ตารางภาค + bar/pie · ทาสีตาม CMAN chart sequence · ตรวจยอด balanceไฟล์ Excel จริงที่ skill สร้าง — Pivot ยอด/ตัน/GM% ต่อ ภาค·สินค้า·sector + Top 10 ลูกค้า · margin ต่ำไฮไลต์แดง (ธีม CMAN)
ทำ Excel ผู้บริหารจากข้อมูลที่รวม+วิเคราะห์แล้ว - 4 ชีต: Summary · By Region · By Product · Raw - Pivot: ยอด/ตัน/GM% ต่อ ภาค·สินค้า·sector - Top 10 ลูกค้า + ไฮไลต์ margin ต่ำ (แดง) - ทาธีมสี CMAN · ตรวจยอด balance → ใช้ skill build-cman-excel (รัน make_xlsx.py)
สไลด์นำเสนอผู้บริหารสไตล์ McKinsey · ธีม CMAN · action title ทุกหน้า
สไลด์ board จริงที่ skill สร้าง — action title ทุกหน้า + chart ธีม CMAN (python-pptx)
กว่าจะได้ดีไซน์นี้ครั้งแรก คุยกันหลายรอบ — แต่พอเก็บเป็น skill แล้ว ครั้งหน้าแค่ใส่ข้อมูลใหม่
design-system.md + SKILL.md ครั้งเดียว/build-exec-dashboard ใช้ข้อมูล W24
ฝึกมองงาน 1 งาน · start→end · แล้วเสียบความสามารถ AI ที่เรียนมา
📍 🎓 ลงมือจัดห้องเองAI ทำงานยังไง · 3 ยุค: ทำอะไรได้ · optimize ยังไง · ติดอะไร (เสริมพื้นหลัง)
📍 🧠 สมอง AI (Model)หลักการเดียวกันทุกค่าย: สร้าง "พื้นที่ของงาน" → ตั้ง Instructions + Upload Knowledge ไว้ครั้งเดียว — แชตใหม่ก็มี context นั้นทุกครั้ง
Claude → Projects — ตั้ง Instructions + Memory + Upload Files ในโปรเจกต์
โครงเดียวกับ Claude เป๊ะ — แค่คนละชื่อเมนู · เข้าที่ More → GPTs → Create
ChatGPT → Custom GPT (More → GPTs) — Instructions + Upload Knowledge
ค่าย Google ก็แนวคิดเดียวกัน — สร้าง Gem แล้วตั้ง Instructions + แนบไฟล์อ้างอิง
Gemini → Gems — Instructions + Knowledge (Add files to reference)
ไม่ต้องพึ่งเครื่องมือนอก — ai.chememan.com ของบริษัทเราก็ตั้ง System Prompt + Knowledge ได้ ใช้ซ้ำทั้งทีม
ai.chememan.com (Open WebUI) → Folders — ตั้ง System Prompt + Upload Knowledge
Harness = เตรียม "สภาพแวดล้อม" รอบ AI ตัวเดิม (ไฟล์จริง · ระบบจริง · กติกาความปลอดภัย) → จาก "ตอบทีละคำถาม" กลายเป็น ทำงานทั้งงานจนจบเอง = Agent
AI เก่งขึ้นปีละนิด
แต่ harness ที่ดี ทำให้ AI ตัวเดิม
มีประโยชน์ขึ้นสิบเท่า
— นี่คือเหตุผลที่หลักสูตรนี้สอน "วิธีคิดเรื่อง harness" ไม่ใช่เครื่องมือ X เวอร์ชันล่าสุด: เครื่องมือเปลี่ยนทุกไตรมาส แต่โครงนี้นิ่ง
= โครงของบทที่เหลือทั้งหลักสูตร
ความรู้วันนี้มีอายุ ~2 สัปดาห์ถ้าไม่ใช้ — เริ่มพรุ่งนี้จากงานที่ "เจ็บบ่อยสุด" 1 งาน
น้อง Besties ไปต่อแล้ว — ตาคุณแล้ว 🚀