Ollama เพิ่ม "Skills" ให้ agent ในเครื่อง — SKILL.md แบบเดียวกับ Claude รันได้ออฟไลน์เต็มตัว
ที่ผ่านมา “Agent Skills” — แพ็กเกจคำสั่งแบบ SKILL.md ที่ Anthropic ริเริ่ม เพื่อสอน agent ให้ทำงานซ้ำ ๆ ได้ตามขั้นตอน — เป็นของโลกคลาวด์เป็นหลัก (Claude, Claude Code, Codex). ล่าสุด Ollama ตัวรันโมเดลในเครื่องยอดนิยม เพิ่ม ระบบ skills เข้ามาใน agent ของตัวเองใน release v0.32.2 (20 ก.ค. 2026) โดยใช้ฟอร์แมตและ convention เดียวกับฝั่งคลาวด์ — แปลว่าตอนนี้คุณเขียน skill ครั้งเดียวแล้วรันได้ทั้งบนคลาวด์และ บนเครื่องตัวเองแบบออฟไลน์เต็มตัว
PR ที่เพิ่มฟีเจอร์นี้ (#17203) merge เข้า main เมื่อ 17 ก.ค. อธิบายสั้น ๆ ว่า “เพิ่ม skill catalog ที่ runtime เป็นเจ้าของ พร้อมสองวิธีในการโหลด skill โดยใช้ catalog เดียวและฟอร์แมตคำสั่งเดียวกัน” ตอนนี้อยู่ในสาย prerelease (v0.32.3-rc0 ออกตามมา 23 ก.ค.) ยังไม่เข้า stable แต่ทิศทางชัดเจนแล้ว
SKILL.md ฟอร์แมตเดียวกับ Anthropic — และอ่าน .agents/skills/ ข้ามเครื่องมือ
หัวใจของเรื่องคือ Ollama ไม่ได้คิดฟอร์แมตใหม่ แต่ใช้ SKILL.md ที่มี YAML frontmatter (name, description) ตามด้วยคำสั่ง Markdown — โครงสร้างเดียวกับ Agent Skills ของ Claude เป๊ะ ๆ นั่นหมายความว่า skill ที่คุณเขียนไว้ให้ Claude Code นำมาวางในโปรเจกต์แล้ว Ollama อ่านต่อได้เลย
Ollama สแกน skill จากหลายที่ตามลำดับความสำคัญ:
.agents/skills/— convention กลางที่หลายเครื่องมือใช้ร่วมกัน (cross-client) ทำให้ skill พกพาข้าม agent ได้.ollama/skills/ระดับโปรเจกต์ — สำหรับ skill เฉพาะโปรเจกต์นั้น~/.ollama/skills/ระดับผู้ใช้ — skill ส่วนตัวที่ใช้ได้ทุกโปรเจกต์- และ override ผ่าน environment variable
OLLAMA_SKILLS
กติกาชนกัน: โฟลเดอร์ที่ Ollama เป็นเจ้าของชนะ .agents/skills/ และระดับโปรเจกต์ชนะระดับผู้ใช้ — ตรงไปตรงมาสำหรับคนที่คุ้นระบบ config แบบ layered อยู่แล้ว
ทำงานยังไง: model เรียก skill tool เอง
กลไกเรียบง่ายและเข้ากับสถาปัตยกรรม agent มาตรฐาน Ollama เปิด tool ชื่อ skill ให้โมเดลเห็น มี description ว่า “โหลด Ollama skill ตามชื่อแล้วคืนคำสั่งของมัน” โมเดลตัดสินใจเองว่าเมื่อไรควรเรียก โดยดูจากช่อง description ของแต่ละ skill (จึงเป็นเหตุผลว่าทำไม description ต้องบอกทั้ง “ทำอะไร” และ “ใช้เมื่อไร” ให้ชัด) เมื่อเรียก tool จะคืนเนื้อ SKILL.md เข้าไปใน context
นอกจากให้โมเดลเลือกเอง ยังสั่งเปิด skill ล่วงหน้าได้ผ่าน option SkillName ซึ่ง Ollama จะ “แทรก” tool call สังเคราะห์ก่อนคำขอแรก ทำให้ transcript ดูเหมือนโมเดลเรียก skill นั้นจริง ๆ — สะดวกเวลาต้องการบังคับ workflow
Ollama ยังแถม skill สำเร็จรูปมาให้ชื่อ skill-creator — skill ที่สอนวิธีเขียน skill ใหม่ (ตั้งชื่อโฟลเดอร์ให้ตรงกับ name, เขียน frontmatter, แยก references/ scripts/ assets/) พร้อมย้ำหลักการสำคัญว่า skill คือ “แนวทางสำหรับโมเดล ไม่ใช่ช่องทางขอสิทธิ์เพิ่มหรือข้าม guardrail ความปลอดภัย”
ของแถมใน v0.32.2
release เดียวกันยังมีของสำหรับสาย agent อีกหลายอย่าง: เปิด “Claude Code channels” ค้างไว้ (รองรับการต่อกับ Claude Code ต่อเนื่อง), อนุญาต tool round ไม่จำกัดสำหรับ cloud model เป็นค่าเริ่มต้น (agent วนเรียก tool ได้ยาวขึ้นโดยไม่ชนเพดาน), จัดระเบียบ working-directory context ใหม่ และอัปเดต llama.cpp / MLX พร้อมรองรับ CUDA compute capability 10.0 (การ์ดระดับ B200)
มุมมอง AI Curator
จุดที่สำคัญกว่าตัวฟีเจอร์คือ ฟอร์แมต SKILL.md กำลังกลายเป็นมาตรฐานกลางจริง ๆ ปีนี้เราเห็น Claude, Codex, Microsoft (dotnet), และตอนนี้ Ollama ทยอยมารับฟอร์แมตเดียวกัน การที่ Ollama เลือกอ่าน .agents/skills/ แทนที่จะสร้าง convention ของตัวเอง เป็นสัญญาณว่าฝั่ง local runner ไม่อยากแตกแยกออกจาก ecosystem — ซึ่งดีต่อ developer เพราะ skill ที่ลงแรงเขียนไม่ผูกกับเจ้าใดเจ้าหนึ่ง
สำหรับบริบทไทย/อาเซียนโดยเฉพาะ นี่คือหมัดที่ตรงจุด: องค์กรที่ทำงานกับข้อมูลอ่อนไหว (ธนาคาร โรงพยาบาล ราชการ) หรืออยู่ในพื้นที่เน็ตไม่เสถียร ต้องการ agent ที่ทำงานตาม playbook ภายในได้โดยไม่ส่งข้อมูลออกนอกเครื่อง ก่อนหน้านี้การได้ “skill แบบมีขั้นตอน” มักผูกกับโมเดลคลาวด์ ตอนนี้เขียน SKILL.md ที่ฝัง know-how ภายใน แล้วรันบน Ollama กับโมเดล open-weight ในเครื่อง (Qwen, Gemma, DeepSeek) ได้ทั้งหมด — เป็นก้าวที่ทำให้ “agent skill บนอธิปไตยข้อมูลของตัวเอง” เป็นจริงมากขึ้น
ข้อควรระวัง: ฟีเจอร์นี้ยังอยู่ใน prerelease (v0.32.2/v0.32.3-rc0) ยังไม่เข้า stable และคุณภาพการ “เรียก skill ให้ตรงจังหวะ” ขึ้นกับความสามารถของโมเดลในเครื่องที่คุณใช้ — โมเดลเล็กบางตัวอาจไม่เรียก tool ได้แม่นเท่าโมเดลคลาวด์ตัวใหญ่ แนะนำให้เขียน description ของแต่ละ skill ให้คมและทดสอบก่อนใช้งานจริง
แหล่งข่าว
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
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
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
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