🤖 EP.3 | ผมไม่ได้เลิกใช้ Claude แต่ผมเลิกให้ Claude แบกทั้งร…

🤖 EP.3 | ผมไม่ได้เลิกใช้ Claude แต่ผมเลิกให้ Claude แบกทั้งระบบคนเดียว

(ต่อจาก EP.1 เรื่อง Agent Skills + Safety Stack และ EP.2 เรื่อง Tools + Guardrails นะครับ)

ช่วงหนึ่งผมใช้ Claude หนักมาก

หนักจนรู้สึกว่า ถ้างานไหนคิดไม่ออก = โยนให้ Claude ก่อน

ค้นข้อมูล ให้ Claude อ่าน docs ให้ Claude สรุป release note ให้ Claude วิเคราะห์ ให้ Claude เขียนโพสต์ ให้ Claude ตรวจงาน ให้ Claude

พูดตรง ๆ คือผลลัพธ์ดีครับ โดยเฉพาะ Claude Opus 4.7 ต้องยอมรับว่าเก่งจริง

งานคิดลึก งานวิเคราะห์ งานตรวจตรรกะ งาน final output ทำได้ดีมาก

แต่พอใช้หนักขึ้นเรื่อย ๆ ผมเริ่มเจอปัญหา 2 อย่างที่ทำให้ต้องหยุดคิดใหม่

━━━━━━━━━━━━━━

1. ปัญหาแรก — ลิมิตหมดไว

พองานเริ่มจริงจัง ผมให้ AI อ่านข้อมูลดิบหลายชุด สรุปหลายรอบ จัดหมวด แยกประเด็น ดึง key point แล้วค่อยวิเคราะห์ต่อ

สิ่งที่เกิดขึ้นคือ

ลิมิตหายไวมาก

ทั้งที่พอมานั่งดูจริง ๆ งานหลายอย่างไม่ได้จำเป็นต้องใช้ Claude ตั้งแต่แรกเลย

เช่น

อ่านข้อมูลดิบ สรุปเบื้องต้น ทำ tag จัด note แยกหัวข้อ ดึง keyword

งานพวกนี้สำคัญนะครับ แต่ไม่จำเป็นต้องให้โมเดลตัวท็อปลงมาทำทุกครั้ง

มันเหมือนเอาหัวหน้าทีมที่คิดเก่งที่สุด ไปนั่งถ่ายเอกสารทั้งวัน

━━━━━━━━━━━━━━

2. ปัญหาที่สอง — ข้อมูลหายไปกับ session

อันนี้สำหรับผมเจ็บกว่าเรื่องลิมิตอีก

หลายครั้ง AI ช่วยค้นข้อมูลไว้ดีมาก มี source มีลิงก์ มีประเด็นที่น่าต่อยอด มีมุมที่เอาไปทำคอนเทนต์ได้เลย

แต่พอผ่านไปอีกวันจะกลับมาทำต่อ

ผมต้องเริ่มใหม่หมด

ถามใหม่ ค้นใหม่ สรุปใหม่ เสียเวลาใหม่ เสีย token ใหม่

จนผมเริ่มรู้สึกว่า

ปัญหาจริง ๆ อาจไม่ใช่ AI ไม่ฉลาดพอ แต่เป็นเพราะ ผมยังไม่มีระบบเก็บความรู้ที่ดีพอ

AI เก่งมากก็จริง แต่ถ้าทุกอย่างหายไปกับ session มันก็เหมือนเรามีผู้ช่วยที่เก่ง แต่ความจำหายทุกวัน

━━━━━━━━━━━━━━

ตรงนี้แหละที่ทำให้ผมเริ่มมอง Multi-Agent ใหม่

ไม่ใช่ในมุมว่า “อยากมี AI หลายตัวแล้วดูเท่”

แต่เริ่มจากคำถามง่าย ๆ ว่า

งานแต่ละแบบ ควรให้ใครทำ?

เพราะในการทำงานจริง เราไม่ให้คนคนเดียวเป็นทุกอย่างอยู่แล้ว

คนหนึ่งคุมงาน คนหนึ่งหาข้อมูล คนหนึ่งจัดเอกสาร คนหนึ่งสรุป คนหนึ่งตรวจงาน แล้วสุดท้ายยังต้องมีคนตัดสินใจ

ถ้าทีมมนุษย์ยังแบ่งหน้าที่ ทีม AI ก็ควรแบ่งหน้าที่เหมือนกัน

━━━━━━━━━━━━━━

ผมเลยเริ่มจัด workflow ใหม่จากของที่มีอยู่ 🦞 OpenClaw = Operator

เอาไว้คุม workflow แยก workspace กระจายงาน รับคำสั่งจากมือถือ และทำให้หลาย agent ไม่กระจัดกระจาย

🧪 Hermes = Research Worker

เอาไว้อ่าน docs ไล่ repo สรุป source แยก key point เตรียมวัตถุดิบก่อนส่งต่อ

🏠 Ollama / Local Model = Routine Worker

เอาไว้ทำงานรูทีนต้นทุนต่ำ เช่น ทำ tag จัดหมวด สรุปเบื้องต้น ดึง keyword จัด note เตรียม draft แรก

🗂 Obsidian + LLM Wiki = Knowledge Base

อันนี้คือ “สมองกลาง” เก็บ source เก็บวันที่ เก็บ tag เก็บสรุป เก็บข้อสังเกต เก็บคำถามที่ต้องตามต่อ

เพื่อให้ความรู้ไม่หายไปกับแค่ session เดียว

🧠 Claude = Reasoning Lead

พอข้อมูลถูกจัดระบบมาแล้ว ค่อยให้ Claude เข้ามาตรวจตรรกะ วิเคราะห์ภาพรวม เช็กความน่าเชื่อถือ และทำ final output

👤 Human = Final Decision

สุดท้ายยังต้องมีคนเลือกอยู่ดีว่า

อะไรควรเชื่อ อะไรควรใช้ อะไรควรเผยแพร่

━━━━━━━━━━━━━━

พอจัดแบบนี้ บทบาทของ Claude เปลี่ยนไปเลย

จากเดิมที่เป็น

“ช่วยทำทุกอย่างให้หน่อย”

กลายเป็น

“ช่วยตรวจว่าของที่ทีมเตรียมมานี้ คิดถูกไหม?”

Claude เลยไม่ต้องอ่านข้อมูลดิบทั้งหมดเอง แต่ได้อ่านข้อมูลที่ผ่านการจัดระบบมาแล้ว

มี source มี tag มี context มีประเด็นที่ควรตรวจต่อ

แบบนี้ผมรู้สึกว่าใช้ Claude คุ้มกว่าเดิมมาก

เพราะเอาความเก่งของมันไปใช้กับงานที่ควรใช้จริง ๆ ไม่ใช่เอาไปแบกทุกอย่างตั้งแต่ต้นน้ำถึงปลายน้ำ ━━━━━━━━━━━━━━ มีประโยคหนึ่งของ Karpathy ที่ผมชอบมาก

“Obsidian is the IDE, the LLM is the programmer, the wiki is the codebase”

ผมว่าประโยคนี้อธิบายแนวคิดนี้ได้ดีมาก

แทนที่จะให้ LLM ค้นข้อมูลใหม่ทุกครั้งที่ถาม เรากลับให้มันช่วยสร้างและดูแล wiki ที่สะสมความรู้ได้เรื่อย ๆ

ความรู้เลยไม่เริ่มจากศูนย์ทุก session

แต่มัน compound ขึ้นเรื่อย ๆ

━━━━━━━━━━━━━━

แต่จุดสำคัญคือ Obsidian ต้อง “มีโครงสร้าง”

ไม่อย่างนั้นมันจะกลายเป็นแค่กองโน้ตอีกกองหนึ่ง

สำหรับผม ถ้าจะใช้ Obsidian + LLM Wiki ให้เวิร์ก อย่างน้อยแต่ละ note ควรมีพวกนี้

Source วันที่ สรุปสั้น Tag สิ่งที่ยังไม่แน่ใจ คำถามที่ควรถามต่อ

เพราะถ้าไม่มี structure สุดท้ายข้อมูลจะเยอะก็จริง แต่ใช้ยาก และเชื่อยาก

━━━━━━━━━━━━━━

สิ่งที่ผมเริ่มเรียนรู้จาก workflow นี้

Multi-Agent ที่ดี ไม่ใช่แค่มี AI หลายตัวแล้วจบ

แต่มันต้องมี

บทบาทที่ชัด ที่เก็บความรู้ที่ดี source ที่ย้อนกลับได้ การตรวจซ้ำ guardrails และมีมนุษย์คุมจุดสำคัญ

Claude ยังเป็นตัวสำคัญมากใน workflow นี้นะครับ

ผมไม่ได้เลิกใช้ Claude

ผมแค่เลิกให้ Claude แบกทุกอย่างคนเดียว

━━━━━━━━━━━━━━

สรุปสั้น ๆ แบบจำง่าย

OpenClaw คุมงาน Hermes หาและจัดข้อมูล Ollama / Local Model ทำงานรูทีน Obsidian + LLM Wiki เก็บเป็นสมองกลาง Claude คิดลึกและตรวจงาน มนุษย์ตัดสินใจสุดท้าย

━━━━━━━━━━━━━━

สิ่งที่ได้จากระบบแบบนี้

✅ ลด token แพง เพราะไม่ต้องส่งข้อมูลดิบทั้งหมดเข้า Claude

✅ ลด context ล้น เพราะข้อมูลถูกย่อยก่อน

✅ ลดงานซ้ำ เพราะความรู้ไม่หายไปกับ session

✅ ใช้ Claude คุ้มขึ้น เพราะเอาไว้ทำงาน reasoning จริง ๆ

✅ workflow ยั่งยืนกว่าเดิม เพราะไม่ได้ฝากทุกอย่างไว้กับ AI ตัวเดียว

━━━━━━━━━━━━━━

สุดท้ายผมคิดว่า

ระบบ AI ที่ดีไม่ได้วัดแค่ว่าเราใช้โมเดลที่ฉลาดที่สุดหรือเปล่า แต่วัดว่า เราออกแบบทีมให้มันทำงานร่วมกันได้ดีแค่ไหน

และประโยคที่ผมอยากฝากไว้สำหรับ EP นี้คือ

Claude เก่งมาก แต่นั่นไม่ใช่เหตุผลที่ต้องให้มันทำทุกอย่าง

ใครกำลังลองทำ Multi-Agent, Obsidian, LLM Wiki หรือ workflow แนวผู้ช่วยวิจัยอยู่บ้างครับ?

คอมเมนต์มาแลกเปลี่ยนกันได้เลย 👇

#MultiAgent #Claude #Hermes #OpenClaw #Obsidian #Claude #Hermes #OpenClaw #Obsidian #Claude #Hermes #OpenClaw #Obsidian #LLMWiki #Ollama #AIAgent #SynapTech

---

📖 อ่านบทความเต็มบน Facebook | 🔔 ติดตาม SynapTech