วิธีใช้ Agent Teams ใน Claude Cowork แบบเข้าใจง่าย (17 นาที)

วันที่บทความต้นทางใน VideoToBlog: 2026-03-04 ไม่ใช่วันที่อัปโหลดวิดีโอที่ตรวจยืนยันแล้ว จำนวน 150 ลีด 15 sub-agents ผลคัดกรอง 82 ราย และเวลา 17 นาทีเป็นรายงานการสาธิตจากต้นทาง ไม่ใช่ผลทดสอบอิสระหรือความเร็วที่รับประกัน หน้าจอ แผนบริการ และวิธีตั้งค่าอาจเปลี่ยนไป · วิดีโอต้นทาง

หมายเหตุชื่อบริการและความปลอดภัย: แก้ชื่อ Appify เป็น Apify และลิงก์ที่ชี้ผิดบริการให้เป็น หน้า Apify LinkedIn scraper ที่ต้นทางอ้างอิงอยู่แล้ว ภาพไฟล์ plugin ในต้นทางและ เอกสาร Apify ยืนยันชื่อบริการ แต่ไม่ได้ยืนยันว่าลำดับเมนูหรือช่องตั้งค่าตามบทความยังใช้ได้ในปัจจุบัน อย่านำ API key หรือคุกกี้ไปใส่ในข้อความ พรอมป์ต์ หรือภาพเผยแพร่ ให้สิทธิ์เฉพาะที่จำเป็นและตรวจเงื่อนไขการใช้ข้อมูลก่อนเก็บข้อมูลบุคคล ผู้ใช้ต้องตรวจลีดและอนุมัติก่อนส่ง outreach ภาพที่มีแผนและไฟล์ plugin ไม่ใช่หลักฐานว่าข้อมูลทุกแถวถูกต้องหรือส่งข้อความแล้ว

จากคลิปนี้ เราจะได้เห็นภาพชัดเจนว่า Claude Cowork เปลี่ยนรูปแบบการทำงานอัตโนมัติอย่างไรด้วยความสามารถในการสร้าง sub-agents เพื่อประมวลผลแบบขนานและรันเวิร์กโฟลว์หลายขั้นตอนโดยอัตโนมัติ บทความนี้สรุปแนวคิดหลัก วิธีใช้งานจริง เทคนิคการตั้งค่า และมุมมองเชิงลึกเพื่อให้เรานำไปใช้ได้ทันที

ภาพรวมสั้น ๆ — ทำไมการมี Sub-Agents ถึงสำคัญ

ก่อนหน้านี้การประมวลผลจำนวนมากใน Claude Cowork มักเจอปัญหา context บวม ทำให้ช้าและไม่แม่นยำ แต่ตอนนี้ Claude สามารถสปินขึ้น sub-agents หลายตัวให้ทำงานพร้อมกันได้ ซึ่งส่งผลให้:

• ลดภาระ context ของตัวหลัก เพราะ sub-agents คืนผลเป็นสรุปแทนข้อมูลดิบจำนวนมาก
• งานแบบ bulk เช่น การวิจัยลีด การเขียนข้อความจำนวนมาก หรือการสร้างคำอธิบายสินค้า ทำได้เร็วขึ้นอย่างมาก
• สามารถสร้างท่อการทำงานอัตโนมัติที่ซับซ้อนได้ โดยร้อยทักษะ (skills) และคำสั่ง (commands) เข้าด้วยกัน

ตัวอย่างใช้จริง: ไล่กรองและ enrich ลีดจำนวนมาก

ตัวอย่างที่ชัดเจนคือลิสต์ลีดกว่า 150 บริษัทจากฐานข้อมูล Apollo — กระบวนการโดยย่อคือ:

1. สั่งให้ Claude สร้าง 15 sub-agents เพื่อควอลิไฟย์ลีดตาม ICP (marketing agency ที่ให้บริการ SEO และอยู่ในสหรัฐฯ)
2. sub-agents แต่ละตัววิจัยผ่าน WebSearch เพื่อตรวจสอบว่าเป็นไปตามเงื่อนไขหรือไม่
3. หลังได้ 82 รายที่ผ่านการคัดกรอง จะสปินอีกชุดเพื่อ enrich ข้อมูล (เช่น company size, last LinkedIn post) โดยใช้ LinkedIn scraper ผ่าน Apify
4. sub-agents ชุดถัดมาเขียนข้อความ outreach แบบ personal และเพิ่มคอลัมน์ใน CSV ให้พร้อมใช้งาน

ผลลัพธ์คือภายในไม่กี่นาที เราได้ไฟล์ CSV ที่มีคอลัมน์ qualification status, qualification reason, และข้อมูล enrichment พร้อมข้อความ outreach เบื้องต้น — งานแบบนี้ก่อนหน้านี้ใช้เวลาและคนทำมากกว่ามาก

ส่วนประกอบสำคัญที่ต้องเข้าใจ

องค์ประกอบหลักที่ใช้งานร่วมกันใน Claude Cowork ได้แก่:

• Skills: ฟังก์ชันที่บันทึกกระบวนการซ้ำ ๆ (เช่น skill สำหรับการควอลิไฟย์ลีด)
• Commands: การเรียงลำดับหลาย skill ให้ทำงานต่อเนื่องเมื่อสั่งเพียงคำสั่งเดียว
• Agents / Sub-agents: เอเจนต์หลักที่สามารถสปิน sub-agents เพื่อทำงานแบบขนาน
• Connectors / MCP: การเชื่อมต่อกับบริการภายนอกผ่าน API เช่น Apify ที่ช่วยสครับข้อมูลจาก LinkedIn

วิธีตั้ง Prompt ให้สปิน Sub-Agents แบบขนาน

สิ่งสำคัญคือการระบุใน prompt ให้ชัดเจนว่าต้องการให้สปิน parallel sub-agents — ถ้าไม่ระบุ บางครั้งระบบจะเรียกใช้งานแบบ sequential หรือไม่สปิน sub-agents เลย ตัวอย่าง prompt ที่ได้ผลดี:

I want to qualify these leads against my ICP criteria. 
My ICP: marketing agencies providing SEO services and based in the US.
Please spin up 15 parallel sub-agents that each research 10 leads and return qualification, then produce updated CSV.

หลักการสำคัญที่ควรจำ:

• ระบุจำนวน sub-agents และจำนวนงานต่อ sub-agent (แนะนำ 5–15 งานต่อ sub-agent)
• บอกให้ใช้เครื่องมือหรือ scraper ใดถ้าต้องการ (เช่น Apify LinkedIn scraper)

การใช้ Apify ร่วมกับ Claude Cowork เพื่อการ enrich

ถ้าจะ enrich ข้อมูลจาก LinkedIn หรือเว็บโซเชียลที่ scrape ยาก แนะนำใช้ Apify MCP เพราะมีสคริปเตอร์สำเร็จรูปหลายพันตัว วิธีการเชื่อมต่อหลัก ๆ คือ:

1. สมัครบัญชี Apify และไปที่ Settings > API to get API key
2. ใน Claude Cowork ไปที่ Connectors > Browse connectors > เลือก Apify แล้วใส่ API key

หลังเชื่อมต่อแล้ว สามารถสั่งให้ sub-agents แต่ละตัวใช้ LinkedIn scraper เพื่อดึงข้อมูลเช่น last LinkedIn post, company size, และ company description แล้วเติมลงใน CSV ให้พร้อมสำหรับการทำ outreach

การสร้าง Skills, Agent.md และ Plugin จาก Prompt

หนึ่งในความเจ๋งของ Cowork คือสร้าง skill และ plugin ได้จาก prompt โดยตรง ตัวอย่าง workflow การสร้าง plugin สำหรับกระบวนการขายมีขั้นตอนหลัก:

1. คำสั่งให้สร้าง Plugin ชื่อ เช่น "Ben's Outbound Sales Process"
2. ให้สร้าง Skill สองตัวคือ "lead qualification" และ "lead enrichment" พร้อมไฟล์ agent.md ที่อธิบายหน้าที่ sub-agents
3. สร้าง command.md สำหรับคำสั่ง slash เดียวที่รันทั้งสอง skill ต่อเนื่อง (เช่น /outbound-enrichment)
4. ติดตั้ง plugin หรือขอเป็น zip เพื่ออัปโหลดเข้า workspace หรือแชร์ผ่าน GitHub

เมื่อ plugin พร้อมแล้ว เราสามารถเรียกใช้งานทีละขั้นตอนหรือสั่งครบทั้ง pipeline ผ่านคำสั่งเดียว ทำให้ทีมใช้งานร่วมกันได้อย่างสะดวก

Sub-Agents vs Multi-Agent Teams — ความต่างที่ต้องรู้

มีสองแนวทางใหญ่ในการรันหลายเอเจนต์:

• Sub-agents (Isolation): แต่ละ sub-agent ทำงานแยกตัวและส่งผลสรุปกลับมา เหมาะกับงานที่แต่ละชิ้นไม่ต้องสื่อสารกัน (เช่น วิจัยลีด)
• Multi-agent teams (Communicating agents): เอเจนต์หลายตัวสามารถสื่อสารกันและทำงานประสาน เหมาะกับงานซับซ้อนที่ต้องประสานร่วม เช่น การพัฒนาซอฟต์แวร์ขนาดใหญ่

โดยรวมแล้ว สำหรับงานการตลาด ฝ่ายขาย และงานออฟฟิศทั่วไป sub-agents มักเพียงพอและประหยัดโทเค็นกว่า แต่ถ้างานต้องการการประสานกันสูงหรือเป็นโปรเจกต์วิศวกรรมขนาดใหญ่ การใช้ multi-agent teams จะเหมาะกว่า

ข้อจำกัดและคำแนะนำการใช้งาน (Practices)

แม้ฟีเจอร์จะทรงพลัง แต่ยังมีขอบเขตที่ต้องระวัง:

• การสปิน sub-agents จำนวนมากยังใช้โทเค็นสูง แนะนำอยู่บนแผนสูงหรือเตรียมงบโทเค็นให้พอ
• งานใหญ่เกิน 200 รายการอาจซับซ้อนและแพงเกินกว่าความคุ้มค่า สำหรับงานขนาดใหญ่มากให้พิจารณาใช้แพลตฟอร์ม automation เช่น n8n หรือ make.com
• การตั้ง prompt ที่ไม่ชัดเจนอาจทำให้ระบบรันแบบ sequential หรือล้มเหลวได้ ต้องบอกจำนวน sub-agents วิธีการทำงาน และผลลัพธ์ที่ชัดเจน

กรณีใช้งานที่เปิดได้ใหม่ (Use Cases)

เมื่อสามารถรันงานแบบขนานได้ นึกถึงการทำงานแบบนี้ได้ทันที:

• สร้าง ad variations จำนวนมาก
• เขียน bulk product descriptions หรือ SEO descriptions
• personalized email outreach หลายพันฉบับก่อนส่งจริง
• วิเคราะห์ข้อมูลบทสนทนาหรือทรานสคริปต์เป็นหมื่นรายการ แล้วสรุปผลและนำเสนอ
• รวมหลายทักษะเป็น pipeline อัตโนมัติ เช่น คัดกรอง ล้างข้อมูล enrich และ outreach

คู่มือสั้น: ตั้งค่าและรัน Pipeline แบบรวดเร็ว

1. เตรียมไฟล์ CSV ที่มีรายชื่อและคอลัมน์พื้นฐาน
2. เชื่อม Apify หากต้องการ scrape LinkedIn (คัดลอก API key แล้วใส่ใน Connectors)
3. ส่ง prompt ระบุให้สปิน parallel sub-agents พร้อมบอกขนาดงานต่อ sub-agent เช่น 15 sub-agents x 10 ราย
4. ตรวจผลสรุปและไฟล์ CSV ที่ได้ แล้วถ้ามีงานซ้ำให้บันทึกเป็น skill
5. รวม skill หลายรายการเป็น command เดียวเพื่อรัน pipeline อัตโนมัติ และบันทึกเป็น plugin เพื่อแชร์

คำศัพท์เฉพาะทางที่น่าสนใจ

• Agent: ตัวแทน AI ที่รับคำสั่งและทำงานตามเป้าหมาย
• Sub-agent: Agent ที่สปินโดย agent หลักเพื่อทำงานแยกย่อยแบบขนาน
• Skill: การตั้งค่า/เทมเพลตของงานที่สามารถเรียกใช้ซ้ำได้
• Command: คำสั่งที่รันหลาย skill ต่อเนื่องเป็นท่อการทำงานเดียว
• Connector / MCP: การเชื่อมต่อระบบภายนอกผ่าน API เช่น Apify MCP
• Context window: ปริมาณข้อมูลที่ agent สามารถเก็บไว้เพื่ออ้างอิงได้ในครั้งเดียว

บทสรุป

Claude Cowork ที่เพิ่มความสามารถให้สปิน sub-agents แบบขนานคือก้าวสำคัญสำหรับการนำ AI มาใช้ทำงานเชิงปฏิบัติ การแยกงานเป็น sub-agents ทำให้ context ไม่บวม ลดเวลาประมวลผล และเปิดโอกาสให้งานแบบ bulk ที่เคยเป็นไปได้ยากกลับกลายเป็นเรื่องทำได้จริงภายในไม่กี่นาที

ข้อควรระวังคือต้นทุนโทเค็นและความยุ่งยากถ้าจะทำงานขนาดใหญ่มาก ๆ สำหรับงานระดับองค์กรหรือสเกลสูง อาจยังต้องพึ่งแพลตฟอร์ม automation เฉพาะทาง แต่สำหรับการตลาด ฝ่ายขาย และงานออฟฟิศทั่วไป นี่คือเครื่องมือที่จะช่วยยกระดับประสิทธิภาพได้ทันที

โดยรวมแล้ว การเรียนรู้วิธีตั้ง prompt ให้ชัด การบันทึกเป็น skills และการรวมเป็น plugin จะช่วยให้ทีมทำงานได้สอดคล้อง มีมาตรฐาน และย่นเวลาได้จริง — ทำให้ Claude Cowork ไม่ใช่แค่ chatbot แต่เป็นแพลตฟอร์มอัตโนมัติที่พร้อมใช้งานในโลกการทำงานยุคใหม่