Agent Skill ที่บังคับให้ LLM เขียนเอกสารด้วยมาตรฐานการบินตั้งแต่ปี 1983 — SimpleEnglish วัดผลได้ว่าลดการละเมิดกฎ ASD-STE100 ลง 72.9% บน Claude ทั้ง 6 รุ่น

โปรเจกต์ชื่อ SimpleEnglish ขึ้นหน้าแรก Hacker News วันนี้ (31 กรกฎาคม 2026) ด้วยไอเดียที่ตรงไปตรงมาผิดคาด: แทนที่จะบอก LLM ว่า “เขียนให้ชัดเจนหน่อย” ให้บังคับมันด้วย มาตรฐานที่มีเลขข้อและตรวจสอบได้

มาตรฐานนั้นคือ ASD-STE100 Simplified Technical English ซึ่งอุตสาหกรรมการบินใช้มาตั้งแต่ปี 1983 เพื่อให้ช่างที่อ่อนล้าตอนตีสอง ไม่มีทาง ตีความคำสั่งผิดได้ ผลข้างเคียงคือมันฆ่าสำนวน “AI slop” ไปด้วย

ระบุตามข้อมูลจริง: repo นี้สร้างเมื่อ 21 กรกฎาคม 2026 และ push ล่าสุดวันเดียวกัน วันนี้เพิ่งมาได้แรงส่งบน Hacker News ปัจจุบันมี 736 ดาว และ ใบอนุญาต MIT

ไอเดีย: “ชัดเจน” คือความเห็น แต่ “ไม่เกิน 20 คำ” คือสเปก

ประโยคที่เป็นหัวใจของโปรเจกต์อยู่ใน FAQ ของ README เอง — ตอบคำถามว่าทำไมไม่แค่ prompt ว่า “เขียนให้ชัด”:

“Clearly” is an opinion. “No sentence over 20 words” is a spec. Agents follow specs.

STE มี 53 ข้อ 9 หมวด ข้อที่ทำงานหนักที่สุดตามที่ README ระบุ:

กฎ	สิ่งที่มันฆ่า
คำสั่งไม่เกิน 20 คำ, คำอธิบายไม่เกิน 25 คำ	ประโยคยาวไม่รู้จบ
หนึ่งคำ = หนึ่งความหมาย ตลอดทั้งเอกสาร	การสลับใช้ check/verify/confirm/validate มั่วไปหมด
ใช้ tense พื้นฐานเท่านั้น	”has been updated” → “we updated”
ห้ามใช้รูป -ing	อนุประโยค ”, making it easy to…”
ใช้ประโยค active	”it should be noted that”
ห้าม should/would/may/might	การพูดกั๊ก (เหลือ can, will, must)
วางเงื่อนไข ก่อน คำสั่ง	”…if the flag is set” ที่ตามท้ายจนคนอ่านทำไปแล้ว
หนึ่งประโยค หนึ่งคำสั่ง	ขั้นตอนที่ไม่มีใครทำตามได้ตอนตีสอง
ยังคงใช้ article และคำว่า “that”	สไตล์โทรเลข — STE สั้น แต่ไม่ห้วน

ข้อ “ห้าม should” มีเหตุผลที่ตรงกับงาน AI โดยเฉพาะ ผู้เขียนตั้งข้อสังเกตไว้ในหมวดการใช้กับ AGENTS.md และ system prompt ว่า system prompt คือขั้นตอนปฏิบัติสำหรับผู้อ่านที่ถามกลับไม่ได้ และโมเดลอ่าน “should” เป็น “ทำก็ได้ไม่ทำก็ได้” — คนที่เคยเขียน CLAUDE.md หรือ AGENTS.md แล้วงงว่าทำไม agent ไม่ทำตาม น่าจะรู้สึกโดน

ตัวเลข — และวิธีวัดที่เปิดให้ทำซ้ำได้

จุดที่ทำให้โปรเจกต์นี้ต่างจาก prompt template ทั่วไปคือ มันมี eval จริง

ผู้เขียนวัด Claude 6 รุ่น × งานเขียน 8 แบบ × 2 เงื่อนไข = 96 การรัน ด้วย linter แบบ regular expression ที่ deterministic ใช้กฎชุดเดียวกันทั้งสองเงื่อนไข ผลคือการละเมิด STE ต่อ 100 คำลดลงเฉลี่ย 72.9% และลดลงในทุกรุ่นที่ทดสอบ:

โมเดล	baseline (ครั้ง/100 คำ)	เปิดสกิล	ลดลง
claude-opus-4-8	1.05	0.62	41%
claude-opus-4-7	2.28	0.42	82%
claude-opus-4-6	2.24	0.40	82%
claude-opus-4-5	2.55	0.57	78%
claude-sonnet-5	2.67	0.53	80%
claude-sonnet-4-6	2.06	0.52	75%

ตัวเลขอื่นที่รายงาน: ความยาวประโยคเฉลี่ยลดจาก 11.2 เหลือ 9.7 คำ, จำนวน output token ลดลงในทั้ง 6 รุ่น (สกิลเขียนสั้นลง) และคำว่า “seamlessly” รอดมาได้ 0 ครั้ง

สังเกตแถวแรกให้ดี — claude-opus-4-8 ลดลงแค่ 41% เพราะ baseline ของมันดีอยู่แล้ว (1.05 ต่ำกว่ารุ่นอื่นราวครึ่ง) ยิ่งโมเดลใหม่เขียนสะอาดขึ้นเอง ส่วนที่สกิลช่วยได้ก็ยิ่งแคบลง นี่เป็นข้อมูลที่ตรงไปตรงมาและผู้เขียนไม่ได้ซ่อนไว้

วิธีทำซ้ำ: python3 evals/run_bench.py ต้องการแค่ Claude Code CLI ที่ล็อกอินแล้ว

รายละเอียดที่คนทำ agent skill ควรอ่าน

ส่วน “Receipts” ของ README เล่าวิธีสร้างแบบ TDD ซึ่งมีบทเรียนสองข้อที่ใช้ได้กับสกิลอื่น ๆ:

• agent ที่ไม่มีสกิลเขียนประโยคยาว 40 คำ และ “ประดิษฐ์เลขข้อกฎขึ้นมาเอง” ตัวอย่างที่ผู้เขียนบันทึกไว้: โมเดลอ้างอย่างมั่นใจว่า “Rule 3.1: short sentences” ทั้งที่ Rule 3.1 จริง ๆ ว่าด้วยรูปกริยา
• แหล่งข้อมูลรองบนเน็ตเขียนเรื่อง modal ผิด — can และ will เป็นคำที่มาตรฐานอนุมัติ ผู้เขียนบอกว่าไปเปิด PDF ต้นฉบับตรวจเอง

สกิลนี้เขียนโดยอิงกับ ตัวบท Issue 9 ฉบับจริง (2025) ไม่ใช่บทสรุปตามบล็อก และ repo ระบุว่า ไม่ได้คัดลอกตัวบทหรือเนื้อหา dictionary ของมาตรฐานมาเลยแม้แต่คำเดียว — แค่ถอดความกฎเพื่อการสอน (เป็นโปรเจกต์ที่ไม่ได้สังกัดหรือได้รับการรับรองจาก ASD หรือ STEMG)

การติดตั้งใช้ skills CLI ของ vercel-labs:

npx skills add AminBlg/SimpleEnglish

ลองก่อนติดตั้งได้ด้วย npx skills use AminBlg/SimpleEnglish@simple-english — CLI จะตรวจว่าเครื่องมี agent อะไรบ้าง (Claude Code, Cursor, Codex, Copilot, Gemini CLI และอื่น ๆ) แล้วให้เลือกติดตั้ง README ระบุว่าใช้ได้กับทุก harness ที่รองรับ มาตรฐาน Agent Skills ซึ่งนับรวมได้ราว 25 ตัวขึ้นไป

สำหรับคนที่ไม่มี terminal — claude.ai (แพลนแบบเสียเงิน) อัปโหลด SKILL.md ผ่าน Settings → Customize → Skills ได้โดยตรง ส่วน ChatGPT และ Gemini ใช้เวอร์ชัน system prompt แปะลง Custom Instructions หรือ Gem แทน และมีเวอร์ชันย่อขนาดราว 60 โทเคน สำหรับ budget ที่จำกัด

นอกจากเอกสาร สกิลยังมีชุดปรับใช้สำหรับ error message (เกิดอะไร → ทำไม → ต้องทำอะไร ตามลำดับนี้), runbook, incident report, release note และ prompt/AGENTS.md ของคุณเอง ส่วนที่มันปฏิเสธจะเข้าไปยุ่งคือ marketing copy และงานเขียนเชิงแบรนด์ — ตั้งใจให้แบนราบ

มุมมอง AI Curator

ปีนี้มีสกิลและ prompt template ออกมานับไม่ถ้วน สิ่งที่ทำให้ตัวนี้น่าสนใจไม่ใช่เนื้อหา แต่คือ รูปแบบ: เอามาตรฐานที่มีอยู่จริง มีเลขข้อ มีองค์กรดูแล และตรวจสอบได้ด้วยเครื่อง มาแปลงเป็นสกิล แล้ววัดผลด้วย linter ที่ deterministic

รูปแบบนี้ทำซ้ำได้กับอะไรอีกเยอะมาก — มาตรฐานการเขียน SQL, กฎ accessibility อย่าง WCAG, coding convention ขององค์กร, รูปแบบ commit message, ข้อกำหนดเอกสารตามกฎหมาย ทุกอย่างที่ “มีข้อกำหนดเป็นข้อ ๆ และตรวจได้ด้วยโปรแกรม” คือผู้สมัครที่ดีสำหรับสกิลที่พิสูจน์ผลได้ ต่างจากสกิลที่บอกให้ “เขียนให้ดี” ซึ่งไม่มีทางรู้ว่าได้ผลไหม

จุดที่ควรระวังคือช่องว่างระหว่างสิ่งที่ eval วัดกับสิ่งที่เราอยากได้ linter วัดได้ว่าประโยคยาวเกิน 20 คำไหม ใช้ passive ไหม มี “should” ไหม — แต่วัดไม่ได้ว่าเอกสารนั้น ถูกต้อง หรือเปล่า สกิลที่ทำให้เอกสารผิดกลายเป็นเอกสารผิดที่อ่านง่ายขึ้น ก็ยังเป็นเอกสารผิดอยู่ดี ตัวเลข 72.9% วัดรูปแบบ ไม่ได้วัดความจริง

สำหรับบริบทไทย มีมุมที่คนมักมองข้าม: STE ถูกออกแบบมาตั้งแต่ต้นเพื่อให้ผู้อ่านที่ไม่ใช่เจ้าของภาษาอ่านได้และแปลได้ถูกในราคาถูก README เองก็ระบุ “translation prep” เป็นหนึ่งในกรณีใช้งาน — นี่คือประเด็นตรงกับทีมไทยและ SEA ที่ต้องเขียนเอกสารภาษาอังกฤษให้ทีมข้ามประเทศอ่าน หรือต้องแปลเอกสารอังกฤษเป็นไทย ประโยค 20 คำที่ใช้ active voice และไม่มีอนุประโยค -ing ห้อยท้าย แปลเป็นไทยได้ตรงกว่าและกำกวมน้อยกว่ามาก ทั้งสำหรับนักแปลคนและสำหรับ machine translation

และข้อที่ใช้ได้ทันทีโดยไม่ต้องติดตั้งอะไรเลย: ไปเปิด CLAUDE.md หรือ AGENTS.md ของโปรเจกต์คุณ แล้วลบคำว่า “should” ทิ้งให้หมด เปลี่ยนเป็น must หรือ will ตามที่ตั้งใจจริง ๆ ข้อสังเกตที่ว่าโมเดลอ่าน “should” เป็นตัวเลือก ไม่ใช่ข้อบังคับ เป็นเรื่องที่ตรวจสอบเองได้ในสิบนาที และอาจอธิบายพฤติกรรมที่คุณเถียงกับ agent มาทั้งเดือน

แหล่งข่าว

• AminBlg/SimpleEnglish บน GitHub
• ASD-STE100 Simplified Technical English — เว็บไซต์ทางการ
• Agent Skills — มาตรฐาน SKILL.md
• vercel-labs/skills — CLI ที่ใช้ติดตั้ง