i-have-adhd: สกิล 31,000 ดาวที่บังคับเอเจนต์ให้ตอบคำตอบก่อน — และปล่อยผลวัดของตัวเองที่บอกว่า release gate ไม่ผ่าน

นี่คือโพสต์ตามเก็บ ไม่ใช่ข่าวเปิดตัว — รีโป ayghri/i-have-adhd ถูกสร้างตั้งแต่ 13 พฤษภาคม 2026 และเราไม่เคยเขียนถึง สิ่งที่ทำให้มันกลับมาอยู่ในสายตาคือการขึ้นหน้าแรก Hacker News เมื่อ 8 กันยายน 2026 ด้วย 371 คะแนนและ 276 คอมเมนต์ ปัจจุบันมี 31,216 ดาว 1,884 fork ใต้ไลเซนส์ MIT

โจทย์ของมันเรียบง่ายจนน่าหงุดหงิด: หยุดให้เอเจนต์โค้ดฝังคำตอบไว้กลางย่อหน้า แทนที่จะได้ “คำถามดีมากครับ! ลองมาคิดกัน flow การยืนยันตัวตนของคุณมีหลายส่วนที่เกี่ยวข้อง…” แล้วค่อยเจอคำสั่งจริงในบรรทัดที่เจ็ด สกิลนี้บังคับให้บรรทัดแรกเป็นสิ่งที่ลงมือทำได้เลย: Run npm install jsonwebtoken@latest, then edit src/auth.ts:42 ตามด้วยลิสต์ที่ใส่เลข แล้วจบด้วยขั้นถัดไปหนึ่งข้อ

แต่เหตุผลที่เราเลือกเขียนถึงมันไม่ใช่ยอดดาว — มันคือสิ่งที่อยู่ในโฟลเดอร์ evals/

ตัวสกิลคืออะไรจริง ๆ

แกนกลางคือไฟล์เดียว skills/i-have-adhd/SKILL.md ขนาด 6,813 ไบต์ frontmatter ระบุ disable-model-invocation: true แปลว่าโมเดลเรียกเองไม่ได้ ผู้ใช้ต้องสั่ง /i-have-adhd เอง และเมื่อเปิดแล้วมันจะอยู่ยาว ทุกเทิร์นตลอดเซสชัน จนกว่าจะพิมพ์ “stop adhd mode”

ไฟล์เขียนข้อเท็จจริงห้าข้อที่เป็นฐานของกฎทั้ง 10 ข้อไว้ตรง ๆ เช่น “working memory เล็ก อะไรที่ไม่อยู่บนจอคือลืม อย่าขอให้ผู้อ่าน keep in mind X” และ “การรู้คำตอบไม่เท่ากับการลงมือทำคำตอบ ช่องว่างระหว่าง got it กับ done it คือที่ที่งานตาย” กฎที่ตามมาคือ ขึ้นต้นด้วยแอ็กชัน, ใส่เลขงานหลายขั้น, จบด้วยขั้นถัดไปหนึ่งข้อ, ตัดเรื่องนอกประเด็น, ทวนสถานะทุกเทิร์น, ให้ประมาณการเวลาที่เป็นตัวเลขจริง, ทำให้ผลสำเร็จมองเห็นได้, รายงาน error แบบตรงไปตรงมา, จำกัดลิสต์ที่ 5 ข้อ และไม่มีอารัมภบท ไม่มีสรุปปิดท้าย

สิ่งที่ทำให้มันแพร่หลายน่าจะเป็นเรื่องน่าเบื่อกว่านั้น คือ มันไม่ผูกกับเอเจนต์ตัวใดตัวหนึ่ง ในรีโปมีทั้ง .claude-plugin, .codex-plugin, .cursor, .opencode, .agents พร้อม gemini-extension.json, qwen-extension.json, kimi.plugin.json, opencode.json, AGENTS.md และ GEMINI.md — สกิลตัวเดียวกันติดตั้งได้ทั้ง Claude Code, Codex, Cursor, Gemini CLI, Qwen, Kimi และ OpenCode ซึ่งเป็นตัวอย่างที่ดีว่า “agent skill” กำลังกลายเป็นฟอร์แมตร่วมมากกว่าฟีเจอร์เฉพาะเจ้า

และ มี README ภาษาไทยอยู่จริง ที่ .github/readme/README.th.md (พร้อมจีน โปรตุเกสบราซิล ญี่ปุ่น เวียดนาม เกาหลี) โดยคอมมิต “docs: align Thai README with current documentation” ลงเมื่อ 1 กันยายน 2026

ส่วนที่หายากจริง ๆ: มันวัดตัวเองแล้วเผยแพร่ผลที่ไม่สวย

โปรเจกต์สกิลแทบทั้งหมดขายด้วยตัวอย่าง before/after หนึ่งคู่ รีโปนี้คอมมิต harness วัดผลพร้อมผลรันจริงลงใน evals/RESULTS.md

เงื่อนไขที่บันทึกไว้: รันวันที่ 2 สิงหาคม 2026 บน claude-opus-4-8 (ปักหมุดไว้ในคอนฟิก) ผ่าน Claude Code 2.1.220, 14 เคส, 3 ทดลอง, 42 แถวต่อเงื่อนไข รวม 84 แถว, judge เป็นโมเดลเดียวกันแบบปิดตา, ต้นทุนที่รายงาน 2.67 ดอลลาร์สำหรับการสร้าง บวก 0.92 ดอลลาร์สำหรับการตัดสิน

ผลคะแนนถ่วงน้ำหนัก baseline 4.045 เทียบ candidate 4.473 คือ +0.427 โดยแยกเป็น:

มิติ	น้ำหนัก	baseline	candidate	Δ
Correctness	35%	4.333	4.524	+0.190
Autonomy	25%	3.762	4.167	+0.405
Actionability	20%	3.905	4.619	+0.714
Safety	10%	4.643	4.667	+0.024
Concision	10%	3.429	4.571	+1.143

จุดที่ผู้เขียนเน้นเองคือ ทุกมิติขยับไปทางบวก รวมถึงสองมิติที่ rubric ถ่วงน้ำหนักไว้ต้านการเปลี่ยนสไตล์มากที่สุด คือ correctness และ safety — นั่นคือหลักฐานว่าสกิลไม่ได้ซื้อความกระชับมาด้วยความถูกต้อง candidate ชนะ 10 จาก 14 เคส เสมอ 2 แพ้ 2 และ blocking findings ลดจาก 7 เหลือ 3

แล้ว release gate ก็ไม่ผ่าน เพราะกฎข้อหนึ่งเขียนว่า “ต้องไม่มี blocking findings” ซึ่งเป็นกฎแบบสัมบูรณ์ในขณะที่กฎข้างเคียงเป็นแบบเปรียบเทียบ ผลคือ candidate ที่ลด blocker ลงเกินครึ่ง (7 → 3) ยังตก และแม้ตัดเคสที่ไม่มีวันผ่านออก (เหลือ baseline 5 candidate 1) ก็ยังตกด้วยกฎข้อเดิม ผู้เขียนสรุปเองว่านี่คือ “คุณสมบัติของ gate ที่ควรตัดสินใจอย่างตั้งใจ ไม่ใช่มาค้นพบตอนจะปล่อยของ”

สามข้อที่พาดหัวไม่ได้ติดไปด้วย

1. มีหนึ่งเคสที่ไม่มีทางผ่านได้เลย เคส agent-owned-edit กำหนดเกณฑ์ว่าต้อง “ลงมือกับ repository แทนที่จะโยนงานแก้กลับให้ผู้ใช้” แต่ runner ทุกตัวส่ง --tools "" จึงไม่มีคำตอบไหนลงมือกับอะไรได้ ทั้งสองเงื่อนไขติด blocker ในเคสนี้แทบทุกทดลอง และ baseline ถึงขั้นเสื่อมลงไปบรรยายการเรียกเครื่องมือที่มันเรียกไม่ได้ สองในสาม blocker ของ candidate มาจากเคสที่พังนี้

2. มีหนึ่งเคสที่แย่ลงจริงและมีกลไกอธิบาย เคส partial-success ได้ −0.63 และทิศทางสอดคล้องกันข้ามทดลอง (+0.05, −0.70, −1.25) blocker เพียงตัวเดียวของ candidate ที่อยู่นอกเคสพังลงตรงนี้ โดยผู้ตรวจระบุว่าคำตอบ “ฟันธงว่าสาเหตุคือ missing auth header แล้วสั่งวิธีแก้เฉพาะเจาะจงโดยไม่มีหลักฐานใด ๆ” กลไกที่เป็นไปได้คือกฎข้อ 8 ที่บังคับให้รายงาน error แบบ “สาเหตุ แล้วค่อยวิธีแก้” ซึ่งกดดันให้โมเดลต้องตั้งชื่อสาเหตุแม้หลักฐานจะยังไม่ระบุ นี่คือรูปแบบที่นักพัฒนาควรกลัวที่สุดจากสกิลบังคับฟอร์แมต: ฟอร์แมตที่เรียกร้องความมั่นใจ ผลิตความมั่นใจปลอม

3. ผู้เขียนบอกเองว่าตัวเลขนี้อ่อน “สามทดลองคือน้อย” ส่วนเบี่ยงเบนมาตรฐานรายเคสสูงถึง 0.95 จึงไม่ควรถือว่า delta ต่ำกว่าราว 0.5 เป็นสัญญาณ, judge เป็นโมเดลตระกูลเดียวกับที่ผลิตคำตอบ ซึ่งควรเพิ่ม comparator ข้ามโมเดล และ 3 จาก 84 คำตอบมี syntax การเรียกเครื่องมือโผล่มาเป็นข้อความธรรมดาเพราะ system prompt ของ CLI กระตุ้นการใช้เครื่องมือแม้ตั้ง --tools ""

น่าสังเกตว่ากำไรกระจุกอยู่ที่เคสเกี่ยวกับ การรายงานสถานะ — multi-step-progress +2.53 และ error-report +2.40 รวมกันคิดเป็นส่วนใหญ่ของ delta ทั้งหมด ส่วนเคสที่มีสัญญาเอาต์พุตชัดเจนอยู่แล้วอย่าง code-answer และ long-form-request ขยับ 0.00 พอดี ซึ่งผู้เขียนบอกว่าเป็นผลที่ต้องการ คือช่องยกเว้นของสกิลทำงานเมื่องานกำหนดรูปแบบมาแล้ว

มุมมอง AI Curator

รายละเอียดที่มีค่าที่สุดในรีโปนี้ไม่ได้อยู่ใน SKILL.md แต่อยู่ใน evals/README.md ตรงย่อหน้าเรื่องการแยกสภาพแวดล้อม: runner ทุกตัวถูกบังคับให้รันแบบสะอาด (--setting-sources "" สำหรับ Claude, --ignore-user-config --ephemeral สำหรับ Codex) เพราะถ้าไม่ทำ ปลั๊กอิน ฮุก เมมโมรี และ output style ระดับผู้ใช้จะรั่วเข้าไปในทุกเงื่อนไข และเคสที่คมที่สุดคือแฟล็ก always-on ของรีโปนี้เอง (~/.claude/.i-have-adhd-always) ที่จะฉีดกฎทั้งชุดเข้าไปใน เงื่อนไข baseline ทำให้การเปรียบเทียบกลายเป็นการวัดสกิลกับตัวมันเอง

นี่คือบั๊กที่ทีมส่วนใหญ่ในไทยและที่อื่นจะไม่มีวันสังเกตเห็น ถ้าคุณกำลังจะ A/B พรอมต์หรือสกิลของตัวเองด้วย CLI เอเจนต์ คอนฟิกส่วนตัวของคุณคือตัวแปรปนเปื้อนที่ใหญ่ที่สุด และมันเงียบสนิท คุณจะได้ตัวเลขที่ดูสมเหตุสมผล ทำซ้ำได้บนเครื่องคุณ และผิด เช่นเดียวกับข้อที่รีโปย้ำว่าต้องปักหมุด --model เสมอ ไม่งั้น eval จะรันบนโมเดลที่ CLI เผอิญตั้งเป็นค่าเริ่มต้นวันนั้น ซึ่งเปลี่ยนได้ทั้งข้ามคนและข้ามเวลา

ข้อที่สองที่อยากให้ผู้อ่านไทยเก็บไป: ยอดดาว 31,000 ไม่ใช่หลักฐานว่าสกิลได้ผล แต่ผลวัดที่คอมมิตไว้พร้อมข้อจำกัดของมันเองต่างหากที่เป็น และเมื่ออ่านผลนั้นจริง ๆ ข้อสรุปที่ซื่อสัตย์คือ “ดีขึ้นชัดเจนในงานรายงานสถานะและงานหลายขั้น เป็นกลางในงานที่มีฟอร์แมตกำหนดอยู่แล้ว และมีความเสี่ยงหนึ่งอย่างที่ต้องจับตา” ซึ่งเป็นข้อสรุปที่ใช้ตัดสินใจได้จริง ต่างจาก before/after หนึ่งคู่ที่บอกอะไรไม่ได้เลย มาตรฐานนี้คือสิ่งที่เราอยากเห็นในทุกสกิลที่จะออกมาหลังจากนี้ — ถ้าคุณจะปล่อยสกิลให้คนอื่นใช้ ปล่อย harness มาด้วย

สุดท้าย มุมที่ควรพูดเพราะชื่อโปรเจกต์ชวนให้เข้าใจผิด: README เขียนเองว่า “ไม่ต้องมีใบวินิจฉัย ADHD” นี่คือ output style ไม่ใช่อุปกรณ์การแพทย์ แต่ที่มันน่าสนใจสำหรับตลาดไทยคือมันเป็นหนึ่งในไม่กี่กรณีที่ การออกแบบเพื่อการเข้าถึงกลายเป็นค่าเริ่มต้นที่ดีกว่าสำหรับทุกคน — สำหรับนักพัฒนาไทยที่อ่านเอาต์พุตภาษาอังกฤษเป็นภาษาที่สอง ต้นทุนของอารัมภบทและเรื่องนอกประเด็นสูงกว่าเจ้าของภาษาอยู่แล้ว กฎ “คำสั่งขึ้นก่อน พรรณนาทีหลัง” จึงมีมูลค่าจริงโดยไม่เกี่ยวกับ ADHD เลย และการที่ README ภาษาไทยถูกไล่ให้ตรงกับเอกสารหลักเมื่อ 1 กันยายน ก็บอกว่าชุมชนที่นี่ใช้มันอยู่จริง

แหล่งข่าว

• ayghri/i-have-adhd — รีโปหลักบน GitHub (MIT, สร้าง 13 พ.ค. 2026)
• evals/RESULTS.md — ผลวัดฉบับเต็มพร้อมข้อจำกัดที่ผู้เขียนระบุเอง
• skills/i-have-adhd/SKILL.md — ตัวสกิลและกฎทั้ง 10 ข้อ
• I-have-ADHD: A skill to stop coding agents from burying the answer — Hacker News (8 ก.ย. 2026)