บทความย้อนหลังจาก VideoToBlog วันที่ 2026-03-10 ไม่ใช่วันที่อัปโหลดวิดีโอที่ตรวจยืนยันแล้ว รายละเอียด Claude Code, GitHub CLI, จำนวนโมเดลและฟีเจอร์อื่นเป็นคำอธิบายการใช้งานในต้นทางช่วงนั้น ไม่ใช่คำรับรองสถานะปัจจุบันหรือผลทดสอบอิสระ ภาพที่ 2 เป็นตัวอย่าง Claude Code ในเทอร์มินัลและยังแสดง IDE disconnected ไม่ได้ยืนยันว่าเป็นงานภายใน Perplexity Computer ภาพที่ 4–5 แสดงข้อความสรุปว่าเปิด PR แล้ว แต่เราไม่ได้ตรวจการทดสอบ การ merge หรือการ deploy จริง การเปิด PR จึงไม่เท่ากับนำโค้ดขึ้น production ภาพที่ 3 เป็นแผนการตลาดที่สร้างขึ้น ตัวเลข ROI และงบประมาณเป็นข้อเสนอในแผน ไม่ใช่รายได้ที่พิสูจน์แล้ว ภาพที่ 6 ยังแสดงคำสั่งสร้างเว็บไซต์และโปรโมชันในต้นทาง ไม่ได้ยืนยันว่าเว็บเผยแพร่เสร็จหรือข้อเสนอยังใช้ได้ งานจริงต้องตั้งสิทธิ์ที่จำเป็น ตรวจโค้ดและผลทดสอบ และให้คนอนุมัติการเปลี่ยนแปลงสำคัญก่อนนำไปใช้ · แหล่งอ้างอิงในบทความต้นทาง
บทนำ
เราเพิ่งดูคลิปที่อธิบายการอัพเดตครั้งใหญ่ของ Perplexity Computer — คราวนี้ Claude Code ถูกเพิ่มเป็น sub-agent และมีการผนวก GitHub CLI เข้ามา ทำให้กระบวนการจากตั้งโจทย์จนถึงการ deploy โค้ดบน GitHub ทำได้จากคำสั่งเดียวโดยไม่ต้องเปิดเทอร์มินัลหรือสลับเครื่องมือหลายชิ้น น่าสนใจตรงที่ฟีเจอร์ชุดนี้เปลี่ยนรูปแบบงานเขียนโปรแกรมจากการทำด้วยมือ เป็นการชี้ทิศทางให้ AI ลงมือทำแทน เราจะสรุปทั้งภาพรวม วิธีใช้งาน เปรียบเทียบกับเครื่องมืออื่น มุมมองเชิงวิพากษ์ และคำศัพท์ที่ควรรู้ เพื่อให้เข้าใจและนำไปใช้งานจริงได้อย่างมั่นใจ
อะไรเปลี่ยนไปบ้าง
การอัพเดตหลักมีสองอย่างที่สำคัญ
- Claude Code เป็น sub-agent — Claude Code ของ Anthropic ถูกเรียกใช้งานเป็นผู้เชี่ยวชาญด้านโค้ดภายในระบบ Perplexity Computer เมื่อเจองานโค้ด งานจะถูกส่งต่อให้โมเดลที่เน้นเขียนโค้ดโดยตรงแทนให้โมเดลทั่วไปจัดการ
- GitHub CLI ถูกรวมเข้าระบบ — ตอนนี้ Perplexity Computer สามารถโต้ตอบกับ GitHub โดยตรง สร้าง repo, fork, push โค้ด และเปิด pull request ได้อัตโนมัติ
ผลลัพธ์คือเราสามารถพิมพ์คำสั่งธรรมดา เช่น "แก้บั๊กใน repo นี้ แล้วเปิด PR" ระบบจะ fork, แก้, ทดสอบ และเปิด PR ให้เสร็จสิ้นโดยแทบไม่ต้องป้อนคำสั่งมือเพิ่ม
ตัวอย่างการใช้งานจริง
หนึ่งในเดโมที่น่าสนใจคือการสร้างทีม sub-agents เพื่อทำงานแบบขนาน: มี agent ทำ competitive analysis, agent ทำ research, agent ทำ target audience และอื่นๆ เมื่อสั่ง spawn ทีมแล้ว ระบบจะแบ่งงานให้แต่ละ agent ทำงานเฉพาะด้านและรวมผลเป็นรายงานหรือโค้ดที่พร้อมใช้
ตัวอย่างรายงานที่ได้จะมีการแบ่งส่วนชัดเจน เช่น market analysis, differentiation, และ recommendation ซึ่งได้มาจากการประสานงานระหว่างหลายโมเดล
แก้บั๊กแล้วเปิด PR อัตโนมัติ
เดโมอีกชิ้นคือการนำ issue จาก GitHub มาป้อนให้ Perplexity Computer พร้อมกับคำสั่งให้ใช้ Claude Code แก้บั๊ก ผลคือระบบ fork repo, แก้โค้ด, รันทดสอบในสภาพแวดล้อมที่กำหนด และเปิด PR ให้ — เหมือนกับทีมเดเวลอปเปอร์คนหนึ่งทำงานจนจบ
เมื่อกระบวนการเสร็จ PR จะถูกสร้างขึ้นและสามารถเข้าไปตรวจสอบได้ทันที
สร้างเว็บใหม่ให้ชุมชน
อีกตัวอย่างคือสั่งให้ใช้ Claude Code สร้างเว็บไซต์สำหรับชุมชน AI ผลลัพธ์คือการโหลดชุดทักษะที่เกี่ยวข้อง เช่น website building, design foundations แล้วรันงานหลายส่วนพร้อมกันจนได้ไฟล์ index.html, hero bar และหน้าเว็บที่พร้อมเผยแพร่
Perplexity Computer คืออะไร (อธิบายสั้นๆ)
Perplexity เริ่มจากการเป็น search engine ที่ใช้ AI แล้วต่อยอดเป็นผลิตภัณฑ์ชื่อ Computer — เป็นแพลตฟอร์ม AI บนคลาวด์ที่ออร์เคสตราโมเดลหลายตัว (ประมาณ 19 โมเดล) จากผู้ให้บริการต่างๆ เพื่อทำงานเป็นทีมของผู้เชี่ยวชาญแต่ละด้าน แทนที่จะใช้โมเดลเดียวนั่งทำทุกอย่าง
แนวคิดคล้ายการจ้างทีมผู้เชี่ยวชาญ: ให้แต่ละโมเดลทำหน้าที่ที่มันถนัด เช่น research ให้กับ one model, design ให้กับอีก model, coding ให้ Claude Code แล้วเอาผลมารวม
Claude Code และ GitHub CLI: ทำไมสำคัญ
Claude Code เป็นเครื่องมือบรรทัดคำสั่งสำหรับการเขียนและจัดการโค้ด ขณะที่ GitHub CLI ช่วยให้ระบบเข้าถึงฟังก์ชันของ GitHub ผ่านคำสั่งบรรทัดคำสั่ง เมื่อนำมาผสานกับ Perplexity Computer ผลคือระบบสามารถจัดการ repo ได้เหมือนนักพัฒนา:
- fork และ clone
- แก้โค้ดและรันทดสอบ
- commit, push และเปิด pull request
ความสามารถนี้เปลี่ยนกระบวนการจากการ "ทำ" เป็นการ "สั่ง" — สั่งแล้ว AI ลงมือทำให้ทั้งหมด
เทียบกับทางเลือกอื่น: Claude Code, OpenClaw, Perplexity Computer
ถ้าจะเลือกระบบที่เหมาะสม ควรเข้าใจจุดแข็งของแต่ละตัว
- Claude Code: เหมาะกับงานโค้ดเน้นลึก ถ้าต้องการโมเดลเดี่ยวที่เข้าใจโค้ดในเครื่องของเราอย่างละเอียด มันทำงานได้ดีมาก
- OpenClaw (Open source CI agent): เป็นแนว DIY สำหรับการทำงานอัตโนมัติบนเครื่อง local เชื่อมต่อบริการต่างๆ เช่น WhatsApp, Slack แต่ต้องตั้งค่าทางเทคนิคและมีความเสี่ยงด้านความปลอดภัย
- Perplexity Computer: เหมาะกับงานครบวงจรที่ต้องการ research, design, coding และ deployment ในที่เดียว โดยอาศัยทีมโมเดลบนคลาวด์ จัดการ workflow ทั้งหมดจาก prompt เดียว
สรุปสั้นๆ คือ ถ้าต้องการความลึกของการโค้ดใช้ Claude Code บนเครื่อง local แต่ถ้าต้อง orchestration งานหลายส่วนและต้องการให้ระบบจัดการ end-to-end ให้ Perplexity Computer เป็นตัวเลือกที่สะดวกกว่า
การใช้งานจริง: ข้อดีและข้อควรระวัง
ข้อดีที่เห็นชัดคือความเร็วและความสะดวก: งานที่เดิมต้องใช้เวลาหลายชั่วโมงสำหรับนักพัฒนาตอนนี้ถูกย่อลงเหลือคำสั่งเดียว นอกจากนี้ยังช่วยผู้ที่ไม่มีทักษะการโค้ดหรือเทอร์มินัลสามารถมีส่วนร่วมในงานโค้ดได้ง่ายขึ้น
แต่ก็มีข้อควรระวังสำคัญที่ไม่ควรมองข้าม:
- ความถูกต้องของโค้ด — แม้ AI จะสร้างโค้ด แต่ยังต้องตรวจสอบการทำงาน edge case และความปลอดภัยของการเปลี่ยนแปลง
- ความปลอดภัยของการเข้าถึง repo — ให้สิทธิ์อัตโนมัติแก่ระบบหมายถึงต้องพิจารณาการอนุญาตและการ audit
- การทดสอบ — ควรมีชุดยูนิตเทสต์หรือ integration test ที่มั่นคงก่อนให้ระบบ push โค้ดไป production
- ปัญหาด้านความรับผิดชอบ — เมื่อเกิดบั๊กหรือผลกระทบ ต้องชัดเจนว่าใครรับผิดชอบการตัดสินใจสุดท้าย
ตัวอย่าง Workflows ที่น่าสนใจ
ลองนึกภาพงานสองแบบที่ทำได้ง่ายขึ้น
- Fix a bug in open-source: สั่ง Perplexity Computer รับผิดชอบตั้งแต่ fork จนถึง PR ผู้ตรวจสอบแค่รีวิวก่อน merge
- Build a marketing landing page: สั่งสร้างเว็บโดยระบุโทนและส่วนประกอบ ระบบจะใช้ sub-agents ทำ research copywriting design แล้วรวมเป็นเว็บไซต์พร้อม deploy
เริ่มใช้อย่างไรให้ปลอดภัยและได้ผล
คำแนะนำแบบปฏิบัติได้จริงเมื่อเริ่มใช้ระบบนี้
- กำหนดขอบเขตสิทธิ์การเข้าถึง GitHub ให้แคบที่สุดเท่าที่จำเป็น
- เตรียม test suite ที่ครอบคลุมก่อนให้ระบบ push อัตโนมัติ
- ตั้ง workflow ให้มีขั้นตอนตรวจสอบจากมนุษย์ในจุดที่เสี่ยง เช่น security-sensitive changes
- เริ่มด้วยงานที่ความเสี่ยงต่ำ เช่นแก้ UI bug หรือสร้างหน้าเว็บก่อนค่อยขยับไปงานที่สำคัญขึ้น
ฟีเจอร์ใหม่ที่ควรสังเกต
อัพเดตล่าสุดของ Perplexity Computer ยังมีฟีเจอร์อื่นที่เสริมการทำงานของระบบ
- Custom skills — ให้ผู้ใช้เพิ่มทักษะเฉพาะที่ระบบจะจดจำ
- Voice mode — สั่งงานด้วยเสียง
- Model council — ควบคุมการเลือกโมเดลให้เหมาะกับงาน
- GPT form — ฟอร์มช่วยป้อนข้อมูลสำหรับ workflow
สิ่งที่ได้จากคลิปนี้
เราเห็นความเปลี่ยนแปลงสำคัญสองมิติ: การผสาน Claude Code ทำให้งานโค้ดคุณภาพสูงเข้าถึงง่ายขึ้น และการเพิ่ม GitHub CLI ทำให้ขั้นตอน deployment เป็นอัตโนมัติ แนวโน้มนี้แสดงให้เห็นว่าอนาคตการพัฒนาแอปจะกลายเป็นการออกแบบคำสั่งและตรวจสอบผลงาน มากกว่าจะลงมือเขียนโค้ดทีละบรรทัด
มุมมองส่วนตัวคือ นี่เป็นก้าวสำคัญ แต่ไม่ใช่จุดสิ้นสุด เราควรใช้เครื่องมือเหล่านี้เป็นตัวช่วยเพิ่มประสิทธิภาพ ไม่ใช่ปล่อยให้ระบบตัดสินใจทุกอย่างแทนโดยไม่มีการทวนสอบ
คำศัพท์เฉพาะที่น่าสนใจ
- Perplexity Computer — แพลตฟอร์ม AI บนคลาวด์ที่ออร์เคสตราโมเดลหลายตัวให้ทำงานร่วมกัน
- Claude Code — เครื่องมือโค้ดของ Anthropic ที่เชี่ยวชาญงานด้านโปรแกรมมิ่ง
- GitHub CLI — คำสั่งบรรทัดคำสั่งสำหรับจัดการฟังก์ชันของ GitHub
- Sub-agent — โมเดลหรือ agent ย่อยที่ถูกเรียกใช้เมื่อถึงงานเฉพาะด้าน
- Fork — การคัดลอก repo เพื่อทำการเปลี่ยนแปลงอย่างอิสระก่อนยื่น PR
- PR (Pull Request) — คำขอให้ทีมตรวจสอบและ merge การเปลี่ยนแปลงโค้ด
- Model council — กลไกเลือกและควบคุมการใช้โมเดลหลายตัวภายในระบบ
