การใช้ AI ช่วยเขียนโค้ดเคยถูกขายฝันว่า “เร็วขึ้น” แต่ความจริงของคนทำงานคือ เรามักเสียเวลาไปกับการสอนกฎเดิม ๆ ซ้ำแล้วซ้ำเล่า: สไตล์โค้ด, แนวทางการเทสต์, ฟอร์แมตเอกสาร, เวิร์กโฟลว์การทำงาน และข้อกำหนดเฉพาะโปรเจกต์—แถมพอเปลี่ยนโปรเจกต์หรือเปลี่ยนเครื่องมือ ก็ต้องเริ่มใหม่อีกรอบ
วันที่ 13 มกราคม Google ได้อัปเดต Google anti-gravity AI แบบที่หลายคนอาจยังไม่ทันสังเกต โดยเพิ่มความสามารถที่ชื่อว่า “agent skills” ซึ่งไม่ได้เป็นแค่ฟีเจอร์เพิ่มเล็ก ๆ แต่เป็นการ “ยกเครื่องวิธีทำงาน” ของ AI Agent ให้กลายเป็นระบบที่ จำมาตรฐานได้ ใช้ซ้ำได้ พกพาได้ และทำงานอย่างสม่ำเสมอ มากขึ้น—ใกล้เคียงกับการมีทีมผู้ช่วยที่ผ่านการ onboard มาแล้ว ไม่ใช่พนักงานใหม่ที่ต้องสอนทุกวัน
บทความนี้จะพาไปทำความเข้าใจว่า Agent Skills คืออะไร ทำงานอย่างไร ทำไมมันแก้ปัญหาเรื่อง context ได้จริง และเกี่ยวข้องกับอัปเดตสำคัญอื่น ๆ เช่น Gemini 3 Flash, secure mode, การเชื่อมต่อผ่าน MCP (model context protocol) และการควบคุมเบราว์เซอร์เพื่อทดสอบแอปแบบ end-to-end
ปัญหาเดิมของการใช้ AI ช่วยเขียนโค้ด: เก่ง แต่ “ลืมง่าย” และไม่สม่ำเสมอ
ก่อนมี agent skills ประสบการณ์ที่คนจำนวนมากเจอคล้ายกันคือ:
- ต้องอธิบาย กฎโปรเจกต์ และ ความชอบส่วนตัว ซ้ำ ๆ
เช่น naming convention, architecture pattern, test strategy, commit message format - ต้องก็อปปี้เวิร์กโฟลว์ไปมาระหว่างเครื่องมือ
เช่น จาก ChatGPT ไป IDE หรือจากเอกสารทีมไปยังพรอมป์ต์ - AI ทำงานได้ แต่คุณยังต้องเป็นคน “แบกกระบวนการ” เอง
คอยตรวจ คอยเตือน คอยจัดบริบทให้ครบ
ภาพเปรียบเทียบที่ตรงมากคือ: เหมือนคุณจ้างคนใหม่ทุกวัน แล้วหวังให้เขาทำงานได้มาตรฐานทีมตั้งแต่เช้า
Agent Skills คืออะไร? (และทำไมมันต่างจาก “การเขียน prompt ให้ดีขึ้น”)
Agent skills คือ “แพ็กเกจคำสั่งแบบใช้ซ้ำได้” ที่ทำให้ AI Agent เรียนรู้แนวทางการทำงานของคุณ/ทีมได้แบบเป็นระบบ โดยคุณกำหนดไว้ครั้งเดียว แล้วให้ agent เรียกใช้เมื่อจำเป็น
แนวคิดหลักคือ:
- คุณไม่ต้องบอกเรื่องเดิม 50 ครั้ง
- คุณเขียนเป็น “สกิล” ไว้ครั้งเดียว
- แล้ว agent จะใช้งานซ้ำได้ในสถานการณ์เดิม ๆ อย่างสม่ำเสมอ
จุดสำคัญที่ทำให้ agent skills ไม่ใช่แค่ prompt ที่ยาวขึ้น คือมันออกแบบมาเพื่อ context management โดยตรง (อธิบายในหัวข้อถัดไป)
โครงสร้างของ Skill: โฟลเดอร์ + ไฟล์ skill.md
ในเชิงการใช้งาน สกิลคือ:
- โฟลเดอร์หนึ่ง
- ภายในมีไฟล์ชื่อ
skill.md - เนื้อหาในไฟล์อาจประกอบด้วย:
- คำสั่ง (instructions)
- code snippets
- workflow แบบ step-by-step
- checklist หรือมาตรฐานทีม
เมื่อ agent “อ่าน” skill ครั้งแรก มันจะรู้ว่าเมื่อเจอสถานการณ์นั้นอีกควรทำอะไร เช่น
- เวลาเขียน PR ต้องมีอะไรบ้าง
- เวลาเพิ่ม feature ต้องเพิ่ม test แบบไหน
- เวลาเจอ error ต้อง debug ตามขั้นตอนใด
- เวลาเขียนเอกสารให้ใช้รูปแบบไหน
หัวใจของ Agent Skills: Context Management และแนวคิด “progressive disclosure”
AI ทุกตัวมีข้อจำกัดเรื่อง context window (ปริมาณข้อมูลที่จำ/พิจารณาได้ในช่วงเวลาหนึ่ง) ถ้าคุณพยายามยัดทุกอย่างไว้ใน prompt เดียว:
- เปลือง token
- ข้อมูลสำคัญอาจถูกดันออก
- agent สับสนและจับประเด็นผิด
- ยิ่งโปรเจกต์ใหญ่ ยิ่ง “พังง่าย”
Agent skills แก้ด้วยแนวคิด progressive disclosure:
- agent จะเห็น “เมนูเบา ๆ” ของสกิลทั้งหมดก่อน
(เช่น ชื่อ + คำอธิบายสั้น ๆ) - เมื่อจำเป็นต้องใช้เรื่องใด ค่อย “โหลด” skill เฉพาะส่วนนั้นเข้ามา
ผลลัพธ์คือ:
- บริบทสะอาดขึ้น
- agent ตอบสนองได้มีประสิทธิภาพขึ้น
- คุณไม่ต้องเผา token กับข้อมูลที่ยังไม่จำเป็น
ประเภทของ Agent Skills: Workspace Skills vs Global Skills
Google anti-gravity แยกสกิลออกเป็น 2 ระดับ เพื่อให้จัดการได้ง่ายและเหมาะกับการใช้งานจริง
1) Workspace Skills (เฉพาะโปรเจกต์)
- อยู่ในโฟลเดอร์โปรเจกต์ เช่น
agent/skills - ใช้เก็บกฎที่ “เฉพาะ repo นี้” เช่น:
- สถาปัตยกรรมของแอป (architecture pattern)
- ข้อตกลงการตั้งชื่อ API
- มาตรฐานการจัดโครงสร้างโฟลเดอร์
- ขั้นตอน deploy เฉพาะระบบ
เหมาะกับทีมที่มีหลายโปรเจกต์ เพราะแต่ละ repo มีข้อกำหนดต่างกัน
2) Global Skills (ติดตัวคุณไปทุกที่)
- อยู่ในโฟลเดอร์ระบบ เช่น
~/.mini/anti-gravity/skills - เป็น “ซูเปอร์พาวเวอร์ส่วนตัว” ที่ใช้ได้ทุกโปรเจกต์ เช่น:
- แนวทางการเขียน test ที่คุณชอบ
- รูปแบบเอกสารมาตรฐาน
- มาตรฐาน code review checklist
- รูปแบบ commit message ที่ทีมยึดร่วมกัน
ข้อดีคือสร้างครั้งเดียว ใช้ได้ทุกงาน ลดการเริ่มต้นใหม่ซ้ำ ๆ
มาตรฐานเปิดจาก Anthropic: พกพาได้ ไม่ถูกล็อกอยู่ใน ecosystem เดียว
หนึ่งในประเด็นที่สำคัญมากคือ Google เลือกใช้ มาตรฐานแบบเปิด ที่ Anthropic สร้างไว้ นั่นทำให้:
- ถ้าคุณมี skill ที่ทำไว้สำหรับ Claude Code อยู่แล้ว
คุณสามารถนำมาใช้กับ anti-gravity ได้ทันที - ไม่ต้องแก้แม้แต่บรรทัดเดียว (ตามแนวคิดในสคริปต์)
- ลดความเสี่ยง vendor lock-in
- สกิลของคุณกลายเป็น “asset” ที่ใช้ได้ข้ามเครื่องมือ
ในเชิงกลยุทธ์ นี่ทำให้การลงทุนสร้าง skill library คุ้มขึ้นมาก เพราะไม่ผูกกับแพลตฟอร์มเดียว
อัปเดตสำคัญอื่น ๆ ที่มาพร้อมกัน: Gemini 3 Flash, secure mode และอีกหลายตัว
Agent skills ไม่ได้มาเดี่ยว ๆ ในอัปเดตนี้ Google ยังเพิ่มความสามารถที่ทำให้การทำงานกับ agent “ใช้งานจริงในระดับโปร” มากขึ้น
Gemini 3 Flash: เร็วขึ้น 3 เท่า แต่ยัง reason ได้ดี
Google อินทิเกรต Gemini 3 Flash ซึ่งถูกอธิบายว่า:
- เร็วกว่า Gemini 2.5 Pro ถึง 3 เท่า
- แต่ยังคงความสามารถด้าน reasoning ใกล้เคียงเดิม
ผลที่เห็นชัดคือ agent ตอบสนองไวขึ้น ทำให้คุณ “อยู่ใน flow” ต่อเนื่อง ไม่ต้องเสียจังหวะรอ
secure mode: คุมสิทธิ์ terminal แบบละเอียด
สำหรับคนที่กังวลเรื่อง AI รันคำสั่งในเครื่อง/เซิร์ฟเวอร์:
- secure mode ให้คุณตั้งสิทธิ์ได้
- ทำ allow list / deny list สำหรับคำสั่ง terminal
- คุณกำหนดได้ว่า agent “ทำได้” และ “ทำไม่ได้” อะไร
นี่ช่วยลดความเสี่ยงจากคำสั่งแปลก ๆ หรือการทำงานที่ไม่ได้รับอนุญาต และทำให้การใช้ agent ในงานจริงปลอดภัยขึ้น
MCP (model context protocol): เชื่อมต่อเครื่องมือภายนอกเพื่อดึง “บริบทจริง” ไม่ใช่เดา
อีกตัวที่ถูกยกให้เป็น game changer คือการอินทิเกรต MCP (model context protocol) ซึ่งทำให้ agent เชื่อมต่อกับเครื่องมือภายนอกได้โดยตรง เช่น:
- ฐานข้อมูล
- API
- cloud services
- GitHub
- Slack
ประโยชน์หลักคือ agent สามารถดึงข้อมูล “ของจริง” มาใช้ แทนการเดาจากคำอธิบายของมนุษย์ เช่น:
- เชื่อมกับ database เพื่อเช็ก schema จริงก่อนเขียน query
- เชื่อมกับ GitHub repo เพื่อดู PR เก่า ๆ แล้วเรียนรู้สไตล์รีวิวของทีม
- ดึงบริบทที่อัปเดตล่าสุด ลดการ hallucination
เมื่อ agent “ยึดอยู่กับความจริง” คุณจะเชื่อใจผลลัพธ์ได้มากขึ้น และลดงานแก้ตามหลัง
Browser control: ให้ agent ทดสอบแอปจริง พร้อมวิดีโอและสกรีนช็อต
อีกความสามารถที่ช่วยยกระดับ QA/verification คือ agent ควบคุมเบราว์เซอร์ได้:
- เปิดหน้าต่าง Chrome
- เข้า
localhost - คลิกไล่ flow ของแอป
- ตรวจสอบว่าใช้งานได้จริง
- บันทึกวิดีโอการทดสอบ
- ถ่ายสกรีนช็อตเมื่อเกิด error
ผลลัพธ์คือเคสคลาสสิกแบบ “ดูเหมือนโอเคสำหรับฉัน” แต่ไปพังใน production จะลดลง เพราะมีหลักฐานการทดสอบและการทำซ้ำได้
Skills ไม่ได้ทำให้แค่ “โค้ดเร็วขึ้น” แต่ทำให้ “กระบวนการดีขึ้น” และมาตรฐานนิ่งขึ้น
ประเด็นที่ลึกกว่าความเร็วคือ agent skills บังคับให้คุณนิยาม “มาตรฐาน” ให้ชัด แล้วให้ agent ทำตามอย่างสม่ำเสมอ เช่น:
- commit message ที่มีคุณภาพควรเป็นอย่างไร
- test coverage ที่เหมาะกับโปรเจกต์คือระดับไหน
- error handling และ logging ควรทำแบบใด
- definition of done ของงานหนึ่ง ๆ คืออะไร
เมื่อกำหนดครั้งเดียว agent จะช่วยบังคับใช้ให้คงที่ ไม่ขึ้นกับความเหนื่อย ความรีบ หรืออารมณ์ของคนในทีม
ความจริงที่ต้องยอมรับ: มี learning curve เพราะคุณกำลัง “บริหารทีม agent”
ถ้าคุณมาจาก IDE แบบดั้งเดิม ประสบการณ์จะเปลี่ยนไปพอสมควร เพราะคุณไม่ได้แค่เขียนโค้ด แต่กำลัง:
- ออร์เคสตรา (orchestrate) งาน
- แบ่งงานให้ agent หลายตัว
- ตั้งกฎ คุมคุณภาพ และตรวจผลลัพธ์
ช่วงแรกอาจรู้สึกแปลกและช้าลง แต่พอจับจังหวะได้ productivity จะพุ่งมาก โดยเฉพาะงานซ้ำ ๆ และงานที่ต้องใช้มาตรฐานทีม
วิธีเริ่มต้นแบบไม่ล้มเลิกกลางทาง: เริ่ม 1 skill ที่แก้ “จุดเจ็บ” ที่สุด
คำแนะนำที่ practical จากสคริปต์คือ:
- อย่าพยายามสร้าง 20 skills ในวันแรก
- เริ่มจากงานซ้ำ ๆ ที่ทำให้คุณหงุดหงิดที่สุด เช่น:
- commit message
- boilerplate code
- การอัปเดตเอกสาร
- checklist ก่อน deploy
แนวทางที่เวิร์ก:
- เลือก 1 pain point
- เขียน skill เดียวให้แก้ได้จริง
- ใช้ 1 สัปดาห์
- ปรับให้แน่น
- ค่อยเพิ่ม skill ที่ 2, 3 …
เพราะ skill เป็นแค่ไฟล์ Markdown คุณยังสามารถ:
- แชร์ให้ทีมใช้ร่วมกัน
- ทำให้ทุกคนยึดมาตรฐานเดียวกัน
- ลดการถกเถียงเรื่อง style guide ที่ไม่จบไม่สิ้น
ภาพใหญ่: โลกกำลังไปทาง “agent-first” และ skills คือชิ้นส่วนที่ทำให้ใช้งานได้จริงในสเกลใหญ่
Google ส่งสัญญาณชัดว่ากำลังมุ่งไปสู่แนวคิด “agent-first” คือไม่ได้เอา AI ไปแปะบน IDE แบบเดิม แต่สร้างระบบโดยมี agent เป็นศูนย์กลางตั้งแต่ต้น
ทำไม skills ถึงสำคัญในภาพใหญ่?
- AI ดิบ ๆ เก่ง แต่ “ไม่นิ่ง”
- skills เพิ่มโครงสร้างและความเชื่อถือได้
- ช่วยเก็บ “ความรู้แบบคนในทีม” ที่ปกติอยู่ในหัว senior dev
- ทำให้ onboarding คนใหม่ง่ายขึ้น เพราะมีขั้นตอนที่ใช้งานได้จริง ไม่ใช่ guideline ลอย ๆ
และเพราะเป็นมาตรฐานเปิด ความเป็นไปได้สูงคือเครื่องมือ AI ช่วยเขียนโค้ดหลัก ๆ จะทยอยรองรับฟอร์แมตนี้มากขึ้น
สรุป: Key Takeaways ที่ควรจำเกี่ยวกับ Agent Skills ใน Google anti-gravity
- Agent skills คือคำสั่ง/เวิร์กโฟลว์แบบใช้ซ้ำได้ ช่วยให้ AI Agent ทำงานตามมาตรฐานได้สม่ำเสมอ
- แก้ปัญหาใหญ่เรื่อง context management ด้วยแนวคิด progressive disclosure โหลดเฉพาะสิ่งที่จำเป็น
- มีทั้ง workspace skills (เฉพาะโปรเจกต์) และ global skills (ใช้ได้ทุกโปรเจกต์)
- รองรับ มาตรฐานเปิดจาก Anthropic ทำให้พกพาสกิลข้ามเครื่องมือ เช่น Claude Code ได้ ลด vendor lock-in
- อัปเดตรอบนี้ยังเสริมความสามารถสำคัญ: Gemini 3 Flash (เร็วขึ้น), secure mode (คุม terminal), MCP (ดึงบริบทจริงจากเครื่องมือภายนอก), และ browser control (ทดสอบแอปจริง)
- อนาคตของงานพัฒนาไม่ใช่แค่ “ใครพิมพ์โค้ดเร็วกว่า” แต่คือ “ใคร orchestrate AI agents ได้ดีกว่า”—และ skills คือคู่มือฝึกงานที่ทำให้ทีมทำงานได้มาตรฐานในระยะยาว
หากวันนี้คุณยังต้องก็อปเวิร์กโฟลว์เดิมใส่แชตทุกวัน หรือยังต้องสอนกฎเดิมให้ผู้ช่วย AI ทุกโปรเจกต์ นั่นคือสัญญาณชัดว่าคุณควรเริ่มสร้าง skill library ตั้งแต่ตอนนี้—even แค่ 2–3 skills ก็เริ่มเห็นผล: ซ้ำน้อยลง สม่ำเสมอขึ้น และคุณภาพงานดีขึ้นอย่างจับต้องได้
อย่าลืมกดติดตาม Prompt Expert ตามช่องทางด้านล่างได้เลย
Website: prompt-expert.co
Facebook Page: Prompt-Expert
