เคยไหมครับ ให้ AI สรุปประชุมครั้งแรกแล้วต้องแก้หลายรอบ ทั้งแยกข้อเสนอออกจากมติ เติมงานที่ต้องติดตาม และเตือนว่าอย่าเดาชื่อผู้รับผิดชอบ พอได้รูปแบบที่ใช้ได้ ครั้งถัดไปกลับต้องอธิบายเรื่องเดิมอีก

เมื่อเรารู้แล้วว่างานที่ดีควรหน้าตาเป็นอย่างไร ขั้นต่อไปคือ เก็บวิธีทำที่ได้ผลไว้ให้เรียกใช้ซ้ำ Agent Skills เป็นรูปแบบหนึ่งที่ช่วยจัดเก็บความรู้นี้ได้ ทั้งคำแนะนำ ตัวอย่าง และเครื่องมือประกอบ

บทความก่อนหน้าเรื่อง การทำงานกับ AI แบบ Feedback Loop เน้นเข้าใจปัญหา ลงมือ และนำผลจริงกลับมาปรับ รอบนี้เราจะต่อวงรอบนั้นด้วยคำถามว่า สิ่งที่เรียนรู้จากงานครั้งนี้ จะช่วยให้งานครั้งถัดไปดีขึ้นได้อย่างไร?

Agent Skills คืออะไร?

ตาม เอกสาร Agent Skills Skill เป็นชุดความรู้และขั้นตอนสำหรับงานเฉพาะ เก็บเป็นโฟลเดอร์ที่มีไฟล์ SKILL.md และอาจแนบสคริปต์ เอกสารอ้างอิง หรือแม่แบบได้ ระบบที่รองรับสามารถอ่านรายละเอียดเมื่อต้องใช้กับงานนั้น

ลองนึกถึงคู่มือส่งต่องานให้เพื่อนร่วมทีม คนรับงานต้องรู้ว่าใช้เมื่อไร ต้องมีข้อมูลอะไร ทำตามขั้นตอนไหน และตรวจอย่างไรว่าส่งงานได้แล้ว Skill ที่มีประโยชน์ควรตอบคำถามเหล่านี้ได้

การเขียนไฟล์คำแนะนำไม่ได้ฝึกโมเดลใหม่หรือเปลี่ยนน้ำหนักของโมเดล เรากำลังเตรียมบริบทและแนวทางให้ระบบนำไปใช้ระหว่างทำงาน ผลลัพธ์ยังต้องตรวจเหมือนงานที่สั่งด้วยวิธีอื่น

เริ่มจากงานหนึ่งประเภทที่เราตรวจเป็น

งานที่เหมาะเริ่มต้นควรเกิดซ้ำ มีตัวอย่างที่ดี และมีเกณฑ์ตรวจที่เราอธิบายได้ เช่น สรุปประชุมเป็นรายการติดตามงาน จัดเอกสารตามรูปแบบทีม หรือเตรียมบทความจากบันทึกที่มีแหล่งอ้างอิง

สำหรับตัวอย่างในบทความนี้ เราจะเลือก สรุปประชุมเพื่อให้ทีมตามงานต่อได้ โดยสมมติว่ามีบันทึกประชุมให้แล้ว ขอบเขตจบที่ร่างสรุป ยังไม่รวมส่งข้อความหรือสร้างงานในระบบอื่น

ก่อนเริ่ม ให้หยิบงานเก่าที่ตรวจแล้วหนึ่งชิ้นมาเทียบกับต้นทาง แล้วถามว่าอะไรทำให้ชิ้นนี้ใช้ได้ หากคำตอบมีเพียง “อ่านลื่น” อาจยังไม่พอ แต่ถ้าอธิบายได้ว่าแยกมติจากข้อเสนอครบ งานทุกข้อย้อนกลับไปยังข้อความต้นทางได้ และช่องที่ข้อมูลขาดแสดงไว้อย่างชัดเจน เราก็เริ่มมีวิธีทำที่ถ่ายทอดได้

วงรอบห้าขั้น: ทำสำเร็จ → สกัด → ใช้ซ้ำ → ตรวจ → ปรับ

1. ทำงานตัวอย่างให้ผ่านก่อน

ลองสรุปประชุมหนึ่งครั้งกับ AI แล้วตรวจชื่อ ประเด็น มติ ผู้รับผิดชอบ และกำหนดส่งกับบันทึกจริง แก้จนได้ชิ้นงานที่ทีมใช้ต่อได้

เก็บทั้งผลลัพธ์ที่ผ่านและข้อผิดพลาดที่ต้องแก้ เช่น AI เปลี่ยนคำว่า “เสนอให้ทดลอง” เป็น “ตกลงเริ่มใช้งาน” ข้อผิดพลาดนี้บอกได้ว่าคู่มือต้องสอนให้แยกสถานะการตัดสินใจ

2. สกัดสิ่งที่ต้องทำซ้ำ

เขียนเฉพาะส่วนที่ใช้ข้ามการประชุมได้ ได้แก่ ข้อมูลขั้นต่ำ ขั้นตอน รูปแบบผลลัพธ์ และเกณฑ์ตรวจ ส่วนชื่อโครงการ ผู้เข้าประชุม และกำหนดส่งจริงเป็นข้อมูลของแต่ละงาน ให้นำเข้ามาตอนใช้งาน

ตัวอย่างเกณฑ์สำหรับงานนี้คือ ข้อเสนอไม่ถูกเขียนเป็นมติ งานติดตามมีที่มาจากต้นทาง และไม่เติมชื่อหรือวันที่เอง เมื่อข้อมูลขาดให้ระบุว่า “ยังไม่ระบุ” แล้วรวบรวมคำถามที่ต้องยืนยัน

3. ทดลองกับงานใหม่

ใช้บันทึกประชุมอีกชุดที่ไม่ได้เป็นต้นแบบ ควรมีกรณีที่ท้าทายคู่มือด้วย เช่น ไม่มีผู้รับผิดชอบ มีข้อเสนอที่ยังไม่ได้ตกลง หรือมีการเปลี่ยนกำหนดส่งระหว่างประชุม

ระบุให้ระบบที่รองรับใช้ Skill นี้ แล้วตรวจว่ามันอ่านและนำคำแนะนำไปใช้หรือไม่ วิธีติดตั้งและเรียกใช้ขึ้นกับโปรแกรม การวางไฟล์ไว้ในโฟลเดอร์ทั่วไปเพียงอย่างเดียวอาจยังไม่ทำให้ระบบค้นพบ

4. ตรวจผลเทียบต้นทาง

ให้คนตรวจแต่ละมติและงานติดตามกับข้อความจริง การมีหัวข้อครบเป็นเพียงการตรวจรูปแบบ ส่วนความหมายและความถูกต้องต้องตรวจเนื้อหาด้วย

AI อีกตัวอาจช่วยชี้จุดน่าสงสัยได้ แต่คำตอบว่า “ผ่านทุกข้อ” ต้องมีหลักฐานรองรับ ผู้ตรวจยังควรเปิดดูข้อความต้นทาง โดยเฉพาะจุดที่มีการตัดสินใจหรือมอบหมายงาน

5. ปรับจากข้อผิดพลาดที่พบ

ถ้า AI ยังเดาผู้รับผิดชอบ ให้เพิ่มตัวอย่างกรณีที่ไม่ได้ระบุชื่อ หากมีคู่มือสรุปประชุมหลายชุดซ้อนกัน ให้ทบทวนขอบเขตหรือรวมชุดที่ทำหน้าที่เดียวกัน ก่อนเพิ่มคำแนะนำอีกไฟล์

บันทึกสั้น ๆ ว่าแก้อะไร เพราะพบปัญหาใด และตรวจซ้ำด้วยกรณีเดิม วิธีนี้ช่วยให้เราเห็นเหตุผลของแต่ละกติกา และลบกติกาที่หมดความจำเป็นได้ในภายหลัง

ตัวอย่าง SKILL.md สำหรับสรุปประชุม

ตัวอย่างนี้เป็นแนวทางที่ออกแบบขึ้นเพื่อประกอบบทความ ยังไม่ได้ทดสอบประสิทธิผลกับระบบใดโดยเฉพาะ ตาม ข้อกำหนดรูปแบบ ไฟล์ใช้ YAML ส่วนต้นสำหรับชื่อและคำอธิบาย ตามด้วยคำแนะนำแบบ Markdown โดยชื่อโฟลเดอร์ตรงกับ name

meeting-follow-up/
└── SKILL.md
---
name: meeting-follow-up
description: สรุปบันทึกประชุมเป็นมติ งานติดตาม และคำถามค้าง ใช้เมื่อมีบันทึกหรือคำถอดเสียงและต้องการร่างสรุปให้ทีมตรวจ
---

# สรุปประชุมเพื่อการติดตามงาน

## ข้อมูลที่ต้องมี
- บันทึกหรือคำถอดเสียง พร้อมตัวระบุแหล่งต้นทาง
- วันที่ประชุม ถ้ามี
- รูปแบบผลลัพธ์ที่ผู้ใช้ต้องการ ถ้ามี

## วิธีทำ
1. อ่านบันทึกให้ครบ ระบุส่วนที่ขาดหรือข้อความที่ขัดกัน
2. แยกเรื่องที่หารือ ข้อเสนอ มติ และคำถามค้าง
3. ดึงงานติดตาม พร้อมผู้รับผิดชอบและกำหนดส่งที่ระบุจริง
4. ผูกมติและงานแต่ละข้อกับเวลา ย่อหน้า หรือหัวข้อในต้นทาง
5. ตรวจสรุปกับต้นทางอีกครั้งก่อนส่งให้ผู้ใช้

## เมื่อข้อมูลไม่ครบ
- ใช้คำว่า “ยังไม่ระบุ” สำหรับชื่อหรือวันที่ที่ไม่มีข้อมูล
- แสดงข้อขัดแย้งและคำถามที่ต้องยืนยัน ห้ามเลือกคำตอบเอง
- หากไม่มีบันทึกต้นทาง ให้ขอข้อมูลก่อนสรุป

## ผลลัพธ์
- สาระสำคัญ
- มติที่ยืนยันในบันทึก
- งานติดตาม: งาน / ผู้รับผิดชอบ / กำหนดส่ง / ที่มา
- คำถามค้างและข้อจำกัดของข้อมูล

## เกณฑ์ตรวจ
- ไม่มีข้อเสนอที่ถูกเปลี่ยนเป็นมติ
- ไม่เติมชื่อ วันที่ หรือคำมั่นที่ไม่มีในต้นทาง
- มติและงานติดตามทุกข้อมีจุดอ้างอิงให้ตรวจกลับได้
- ส่งเป็นร่างให้ตรวจ ยังไม่ส่งข้อความหรือสร้างงานภายนอก

หากบันทึกสมมติมีเพียงข้อความว่า “ทีมเสนอให้ทดลองระบบใหม่เดือนหน้า แต่ยังไม่ได้เลือกผู้รับผิดชอบ” ผลที่คาดหวังคือเก็บเรื่องนี้เป็น ข้อเสนอ พร้อมคำถามค้างเรื่องผู้รับผิดชอบและวันเริ่ม ไม่สร้างมติว่าโครงการอนุมัติแล้ว

ข้อผิดพลาดเช่นนี้ตรวจได้แม้บทสรุปจะอ่านลื่นและดูเป็นมืออาชีพ จึงเป็นกรณีทดสอบที่มีประโยชน์กว่าการตรวจว่ามีหัวข้อครบอย่างเดียว

คำแนะนำ เครื่องมือ และการตรวจ ควรทำหน้าที่ต่างกัน

Skill ช่วยบอกแนวทาง เช่น แยกข้อเสนอจากมติ ส่วนงานที่ตรวจด้วยกฎแน่นอนได้อาจใช้สคริปต์ช่วย เช่น ตรวจว่าตารางมีช่องที่มาครบ หรือมีไฟล์ผลลัพธ์ตามที่กำหนด

บางระบบมี Hook สำหรับเรียกการตรวจตามจังหวะของงาน แต่การรองรับและวิธีตั้งค่าขึ้นกับเครื่องมือที่ใช้ การตรวจว่ามีช่องอ้างอิงยังไม่ยืนยันว่าข้อความอ้างอิงรองรับข้อสรุปจริง จึงควรเลือกวิธีตรวจให้ตรงกับชนิดของข้อผิดพลาด

เริ่มด้วยคำแนะนำสั้นที่ทดลองได้ก่อน แล้วเพิ่มเครื่องมือเมื่อพบขั้นตอนซ้ำที่ชัดเจน หากต้องใช้สคริปต์ ให้บอกข้อมูลเข้า ผลลัพธ์ และข้อจำกัดไว้ด้วย เพื่อให้ผู้ใช้ครั้งต่อไปรู้ว่ามันรองรับงานใด

จะรู้ได้อย่างไรว่าช่วยจริง?

ลองเปรียบเทียบงานลักษณะใกล้กันหลายชิ้น โดยเก็บเวลาจนผลงานตรวจผ่าน รวมเวลาเตรียมข้อมูล อ่านคู่มือ รันเครื่องมือ ตรวจ และแก้ไข พร้อมบันทึกข้อผิดพลาดสำคัญที่พบ

สำหรับงานสรุปประชุม เราอาจติดตามเวลาที่คนใช้แก้ จำนวนมติที่ตีความผิด และจำนวนงานที่ตรวจกลับต้นทางไม่ได้ หากอยากแยกผลของ Skill ให้ชัดขึ้น ควรคงโมเดล รูปแบบผลลัพธ์ และเกณฑ์ตรวจให้ใกล้เคียงกัน พร้อมนับต้นทุนสร้างและดูแลคู่มือด้วย

ผลจากงานหนึ่งหรือสองครั้งใช้ช่วยหาจุดปรับปรุงได้ แต่ยังไม่พอรับรองว่าจะประหยัดเวลาเท่ากันทุกงาน คุณค่าที่ควรมองหาคือคนต้องอธิบายซ้ำน้อยลง งานผิดพลาดน้อยลง และเวลารวมจนใช้งานได้ลดลงจริง

เริ่มเล็ก และดูแลให้ตรงกับงานปัจจุบัน

เลือกงานซ้ำหนึ่งประเภท เขียน Skill หนึ่งชุด แล้วลองกับงานใหม่ก่อนขยาย หากยังอธิบายเกณฑ์ผ่านไม่ได้ ให้กลับไปตรวจงานตัวอย่างเพิ่มเติม เมื่อวิธีทำของทีมเปลี่ยน คู่มือและตัวอย่างก็ควรเปลี่ยนตาม

ก่อนนำ Skill จากผู้อื่นมาใช้ ให้อ่านคำแนะนำและสคริปต์ที่แนบมาว่าจะทำอะไรและใช้ข้อมูลใด เช่นเดียวกับการรับเครื่องมือทำงานเข้าทีม อย่าใส่รหัสผ่านหรือข้อมูลประชุมจริงที่เป็นความลับลงในตัวอย่างที่จะแชร์

ลองเริ่มวันนี้ด้วยการหยิบงานที่เพิ่งตรวจผ่านหนึ่งชิ้น แล้วจดสามเรื่อง: ข้อมูลอะไรที่ต้องมี ขั้นตอนไหนที่ต้องทำซ้ำ และหลักฐานอะไรที่บอกว่างานเสร็จ นี่คือวัตถุดิบสำหรับ Skill ชุดแรกที่มาจากงานของเราเอง

แหล่งเรียนรู้และที่มาของบทความ

  • Agent Skills Overview — นิยามและแนวทางโหลดความรู้เมื่อใช้งาน
  • Agent Skills Specification — รูปแบบโฟลเดอร์และไฟล์ SKILL.md
  • Teach your AI Agent with Agent skills — mikelopster — แรงตั้งต้นจากบทเรียนที่สรุปไว้เมื่อ 1 พฤศจิกายน 2569 โดยศึกษาจากคำบรรยายและหัวข้อแบ่งตอน ไม่ได้ตรวจสไลด์ทุกเฟรม

วงรอบห้าขั้น ตัวอย่างสรุปประชุม และแนวทางประเมินผลในบทความเป็นข้อเสนอประยุกต์ของผู้เขียน ไม่ใช่ผลทดลองหรือคำรับรองประสิทธิภาพจากวิดีโอ

อ่านต่อ: ใช้ AI ให้เก่ง: เริ่มจากเข้าใจปัญหา แล้วพัฒนาเป็นวงรอบ และ บันไดหลักฐาน: จากซอร์สโค้ดสู่การตรวจรับ

← บทความทั้งหมด