ข้ามไปยังเนื้อหา
Claude Cowork เพิ่ม 'Record a skill' — อัดหน้าจอพร้อมพูดอธิบาย แล้วให้ Claude แปลงเป็น Skill ที่รันซ้ำได้
AI Skills

Claude Cowork เพิ่ม 'Record a skill' — อัดหน้าจอพร้อมพูดอธิบาย แล้วให้ Claude แปลงเป็น Skill ที่รันซ้ำได้

อ่าน 5 นาที ที่มา: The Decoder

Anthropic ประกาศเมื่อวันที่ 21 กรกฎาคม 2026 ว่า Claude Cowork เพิ่มวิธีสร้าง Skill แบบใหม่ที่ชื่อ “Record a skill” — แทนที่จะนั่งเขียนคำสั่งบรรยายขั้นตอนให้ AI ทำตาม ผู้ใช้แค่ กดอัดหน้าจอ ลงมือทำงานนั้นจริง ๆ แล้วพูดอธิบายไปด้วยว่ากำลังทำอะไรและทำไม จากนั้น Claude จะแปลงบันทึกนั้นให้กลายเป็น Skill ที่เรียกกลับมารันซ้ำได้ในภายหลัง

ฟีเจอร์นี้อยู่ใต้เมนู + ในแอป Claude เดสก์ท็อป (ส่วน Cowork) เปิดให้ผู้ใช้แผน Pro, Max และ Team ระบบจะจับทั้งภาพหน้าจอ การคลิก การพิมพ์ และเสียงบรรยาย แล้วสังเคราะห์เป็นนิยาม Skill ที่มีโครงสร้าง ซึ่งจะไปโผล่ในคลัง Skill ของผู้ใช้

ทำไม “แสดงให้ดู” ถึงได้มากกว่า “เขียนบอก”

ประเด็นที่น่าคิดของฟีเจอร์นี้ไม่ใช่เรื่องความสะดวก แต่คือ ชนิดของความรู้ที่มันจับได้

เวลาเราเขียน SOP หรือเขียน prompt อธิบายขั้นตอนงาน สิ่งที่หลุดออกไปเสมอคือความรู้ที่เจ้าตัวเองก็ไม่รู้ว่ารู้ — ลำดับที่ต้องทำก่อนหลังเพราะเคยเจอปัญหา, จุดที่ต้องหยุดตรวจก่อนไปต่อ, สัญญาณทางสายตาที่บอกว่าข้อมูลชุดนี้ผิด, กฎการตั้งชื่อไฟล์ที่ทีมใช้กันโดยไม่มีใครเขียนไว้, ทางเลือกสำรองเมื่อระบบหลักล่ม การอัดหน้าจอพร้อมเสียงจับสิ่งเหล่านี้ได้โดยธรรมชาติ เพราะคนเราอธิบายขณะลงมือทำได้ละเอียดกว่าตอนนั่งนึกย้อนหลัง

ในฝั่งคู่แข่ง OpenAI มีความสามารถลักษณะใกล้เคียงกันในเครื่องมือฝั่ง Codex อยู่ก่อนแล้ว — ทิศทางของทั้งวงการค่อนข้างชัดว่า “demonstration-to-automation” กำลังกลายเป็นวิธีมาตรฐานในการสอนเอเจนต์ แทนการเขียน prompt ยาว ๆ

ข้อควรระวังก่อนเอาไปใช้จริง

สิ่งที่ต้องเข้าใจคือ การอัดหนึ่งครั้งแสดงให้เห็นว่าเกิดอะไรขึ้นหนึ่งครั้ง แต่ Skill ที่ใช้ได้จริงต้องทำงานถูกกับไฟล์อื่น ลูกค้ารายอื่น วันที่อื่น โปรเจกต์อื่น ดังนั้นหลังอัดเสร็จควร เอา Skill ไปทดสอบกับตัวอย่างใหม่ที่ไม่ใช่ตัวอย่างที่ใช้อัด ก่อนเชื่อใจให้รันเอง

อีกเรื่องคือความปลอดภัย — การอัดหน้าจอระหว่างทำงานจริง แปลว่ามีโอกาสสูงมากที่จะมีข้อมูลลูกค้า อีเมล ชื่อบัญชี หรือตัวเลขภายในติดไปในภาพ ทีมที่มีข้อกำหนดเรื่อง PDPA ควรกำหนดกติกาให้ชัดว่างานประเภทไหนอัดได้บ้าง และควรอัดจากข้อมูลตัวอย่างที่ล้างแล้ว ไม่ใช่จากงานจริงของลูกค้า

มุมมอง AI Curator

ผมมองว่าฟีเจอร์นี้สำคัญกว่าที่หน้าตามันดู เพราะมันเปลี่ยน ใครเป็นคนสร้าง Skill

จนถึงตอนนี้ ecosystem ของ Agent Skills เติบโตอยู่ในมือนักพัฒนาเป็นหลัก — เขียนไฟล์ Markdown มีโครงสร้าง วางในโฟลเดอร์ที่ถูกต้อง ต่อ MCP server แต่ คนที่รู้ขั้นตอนงานดีที่สุดในองค์กร มักไม่ใช่นักพัฒนา — เป็นคนบัญชีที่รู้ว่าปิดงบเดือนต้องเช็คอะไรบ้าง เป็นแอดมินที่รู้ว่าใบเสนอราคาแบบไหนต้องขออนุมัติซ้ำ ความรู้พวกนี้ไม่เคยไหลเข้าสู่ระบบอัตโนมัติ เพราะคนที่มีความรู้เขียนโค้ดไม่เป็น และคนที่เขียนโค้ดเป็นไม่รู้ขั้นตอน การอัดหน้าจอทลายกำแพงตรงนี้ตรง ๆ

สำหรับตลาดไทยผมคิดว่านี่เข้าทางเป็นพิเศษ เพราะองค์กรไทยจำนวนมากทำงานด้วย กระบวนการที่ไม่เคยถูกเขียนเป็นเอกสาร — อยู่ในหัวคนที่ทำมา 10 ปี บวกกับไฟล์ Excel ที่มีสูตรลับเฉพาะตัว การให้คนเหล่านั้น “ทำให้ดูหนึ่งรอบพร้อมอธิบายเป็นภาษาไทย” มีต้นทุนต่ำกว่าการจ้างที่ปรึกษามาทำ process mapping มาก คำถามที่ยังไม่มีคำตอบคือ Claude เข้าใจเสียงบรรยายภาษาไทยพร้อมหน้าจอที่เป็นภาษาไทยได้ดีแค่ไหน — Anthropic ไม่ได้ระบุ ต้องรอคนลองจริง

ข้อจำกัดที่ยังอยู่: มันผูกกับแอปเดสก์ท็อปและแผนเสียเงิน และเราไม่รู้ว่า Skill ที่ได้ออกมา แก้ไขต่อได้หรือไม่ ถ้าแก้ได้ นี่คือเครื่องมือที่ดี ถ้าแก้ไม่ได้ มันจะเป็นกล่องดำที่พังเงียบ ๆ เมื่อ UI ของระบบต้นทางเปลี่ยน — ซึ่งเป็นชะตากรรมเดิมของเครื่องมือ RPA รุ่นก่อนหน้าทั้งหมด

แหล่งข่าว

บทความนี้เรียบเรียงจากแหล่งข่าวต้นทาง — The Decoder

เนื้อหาบน blog นี้สร้างโดย AI โดยมีการกำกับบรรณาธิการจากมนุษย์

อ่านเพิ่มในหมวด AI Skills

Anthropic แนะ “ยุบ subagent กลับเข้า agent loop เดียว” พร้อมปล่อย single-agent-loop-kit เป็น skill ของ Claude Code ที่ช่วย audit ระบบ multi-agent แล้วพับทีละตัวโดยวัดด้วย eval ก่อน-หลัง
AI Skills

Anthropic แนะ “ยุบ subagent กลับเข้า agent loop เดียว” พร้อมปล่อย single-agent-loop-kit เป็น skill ของ Claude Code ที่ช่วย audit ระบบ multi-agent แล้วพับทีละตัวโดยวัดด้วย eval ก่อน-หลัง

บทความ 22 ต.ค. จากทีม Applied AI ของ Anthropic บอกว่า agent ตัวเดียวที่โหลด skill และ tool เมื่อจำเป็น มักให้คุณภาพดีกว่า ถูกกว่า และเร็วกว่าการแตก subagent ตามผังองค์กร ลูกค้ารายหนึ่งเร็วขึ้นราว 2 เท่า พร้อมปล่อย single-agent-loop-kit (Apache-2.0) เป็น skill ที่ audit ระบบเดิมแล้วพับ subagent ทีละตัว และเก็บไว้เฉพาะตัวที่ eval บอกว่ายังจำเป็น

· อ่าน 5 นาที
MCP TypeScript SDK 2.4.0 เป็น SDK ทางการตัวแรกที่ปล่อย Skills over MCP (SEP-2640) ใน release จริง — loadSkills() เสิร์ฟทั้งโฟลเดอร์ SKILL.md, SkillsClient ตรวจ digest ทุกไฟล์ ส่วน Python/C# merge แล้วแต่ยังไม่ออก release
AI Skills

MCP TypeScript SDK 2.4.0 เป็น SDK ทางการตัวแรกที่ปล่อย Skills over MCP (SEP-2640) ใน release จริง — loadSkills() เสิร์ฟทั้งโฟลเดอร์ SKILL.md, SkillsClient ตรวจ digest ทุกไฟล์ ส่วน Python/C# merge แล้วแต่ยังไม่ออก release

23 ต.ค. 2026 MCP TypeScript SDK 2.4.0 ปล่อยการรองรับ Skills extension (SEP-2640) ทั้งฝั่ง server และ client เป็น SDK อ้างอิงตัวแรกที่เอาฟีเจอร์นี้ขึ้น release จริง หลังสเปกขึ้นสถานะ Final มาตั้งแต่ 13 ก.ย. ทำงานได้ทั้งโปรโตคอล 2025-11-25 และ 2026-07-28 แต่ attach() ยังเป็น experimental

· อ่าน 5 นาที
Anthropic ยก Agent Skills (มาตรฐาน SKILL.md) ให้ Agentic AI Foundation ใต้ Linux Foundation ต่อจาก MCP — 70+ แพลตฟอร์มรองรับแล้ว ทั้ง ChatGPT, Cursor, Copilot และ VS Code
AI Skills

Anthropic ยก Agent Skills (มาตรฐาน SKILL.md) ให้ Agentic AI Foundation ใต้ Linux Foundation ต่อจาก MCP — 70+ แพลตฟอร์มรองรับแล้ว ทั้ง ChatGPT, Cursor, Copilot และ VS Code

เมื่อ 22 ต.ค. 2026 Anthropic มอบมาตรฐาน Agent Skills ให้ Agentic AI Foundation (AAIF) ใต้ Linux Foundation พร้อมชื่อ โลโก้ GitHub org และโดเมน agentskills.io มาตรฐานจะมี Technical Steering Committee จากหลายบริษัทดูแล และมี maintainer จาก Anthropic, Google, OpenAI ที่ทำงานในนามบุคคล roadmap แรกที่เสนอคือ versioned release, กระบวนการ proposal และแนวทาง security สำหรับคนเขียนและติดตั้ง skill

· อ่าน 4 นาที