ปัญหาของการใช้ AI เขียนโค้ดไม่ใช่แค่เรื่อง “มันเขียนได้ไหม” แต่คือ “มันเข้าใจงานเราถูกไหมตั้งแต่ต้น” ต่างหาก หลายครั้ง AI เริ่มเร็วเกินไป รีบลงมือก่อนถามให้ชัด สุดท้ายงานออกมาไม่ตรงใจ เสียทั้ง token เสียทั้งเวลา และต้องย้อนกลับมาแก้หลายรอบ
คลิปของ Nate Herk | AI Automation ได้พูดถึงปลั๊กอิน Superpowers สำหรับ Claude Code ซึ่งสิ่งที่น่าสนใจไม่ใช่แค่ความสามารถทางเทคนิค แต่คือแนวคิดเบื้องหลัง: ทำให้ AI ทำงานเหมือนคนทำงานเก่งที่ “ถามก่อน คิดก่อน วางแผนก่อน แล้วค่อยลงมือ” ถ้ามองจากมุมเจ้าของธุรกิจหรือคนทำงาน นี่ไม่ใช่เรื่องของ developer อย่างเดียว แต่มันคือเรื่องของการคุมคุณภาพงานที่เอา AI มาช่วยทำ
บทความนี้จะสรุปวิธีทำงานของ Superpowers แบบเข้าใจง่าย วิเคราะห์ว่ามันช่วยอะไรได้จริง จุดไหนควรระวัง และถ้าเอาแนวคิดนี้มาใช้กับธุรกิจไทย เราควรเริ่มตรงไหนก่อน
Step 1: เข้าใจก่อนว่า Superpowers คืออะไร และทำไมมันน่าสนใจ
Superpowers คือปลั๊กอินแบบ open-source ที่ติดตั้งเข้าไปใน Claude Code เพื่อเพิ่ม “ชุดทักษะ” ให้ AI ไม่ทำงานแบบรับคำสั่งแล้วรีบพิมพ์โค้ดทันที แต่บังคับให้ผ่านลำดับการทำงานที่มีวินัยมากขึ้น ได้แก่ clarify, design, plan, code, verify
ถ้าแปลเป็นภาษาคนทำธุรกิจ มันเหมือนการเปลี่ยนจากพนักงานที่รับบรีฟแล้วรีบทำเลย มาเป็นคนที่เริ่มจากถามให้เคลียร์ ออกแบบทางเลือก วางแผนงาน แยกงานย่อย แล้วค่อยลงมือทำพร้อมตรวจงานก่อนส่ง นี่คือหัวใจของปลั๊กอินนี้ และเป็นจุดที่ Nate เน้นมาก เพราะปัญหาใหญ่ของการใช้ AI ทำงานไม่ว่าจะเขียนโค้ด สร้างรายงาน หรือออกแบบ workflow ก็คือ AI มัก “มั่นใจเกินเหตุ” ทั้งที่ข้อมูลยังไม่ครบ
สำหรับเจ้าของธุรกิจ ประเด็นนี้สำคัญกว่าที่คิด เพราะเวลาเราใช้ AI ไม่ได้เสียแค่ค่า token แต่เสียเวลาคิด เสียเวลาทวน และบางครั้งเสียโอกาสจากการตัดสินใจบนงานที่ผิดตั้งแต่ต้น
Step 2: มอง Superpowers เป็นระบบทำงาน ไม่ใช่แค่ปลั๊กอิน
สิ่งที่ทำให้ Superpowers น่าสนใจคือมันไม่ได้เป็นแค่ปุ่มเสริมความสามารถ แต่มันเป็น framework สำหรับการทำงานกับ AI โดยมี master skill ชื่อว่า using superpowers ทำหน้าที่เหมือนตัวจัดการหลัก คอยเลือกว่าจะเรียกใช้ skill ไหนในแต่ละจังหวะของงาน
พูดง่ายๆ คือเมื่อติดตั้งแล้ว AI จะเริ่มต้นทุกงานด้วยการประเมินก่อนว่า งานนี้ควร brainstorm ไหม ควรวางแผนละเอียดไหม ต้องแยก sub-agent ไหม หรือควรตรวจสอบแบบ test-driven หรือเปล่า จุดนี้มีความหมายมากสำหรับคนที่ไม่ได้เป็นสายเทคนิค เพราะเราไม่จำเป็นต้องจำทุก skill หรือสั่งทุกอย่างเอง ระบบจะช่วยเลือกให้ตามสถานการณ์ ทำให้ประสบการณ์ใช้งานใกล้กับคำว่า “ติดตั้งครั้งเดียว แล้วปล่อยให้มันทำงานเบื้องหลัง”
ในคลิปมีการอธิบายว่า skill ทั้งหมดมีอยู่ 14 ตัว แบ่งคร่าวๆ ได้เป็นกลุ่มสำคัญดังนี้
- Orchestrator จัดคิวและเลือก skill ที่เหมาะกับงาน
- Design/Brainstorming ช่วยถามคำถามและออกแบบแนวทางก่อนลงมือ
- Planning ทำแผนละเอียดระดับ task พร้อมระบุไฟล์และลำดับงาน
- Execution ลงมือทำทีละส่วน มีจุดหยุดเมื่อเจอ blocker
- Quality Gates ตรวจคุณภาพ เช่น test-driven development, debugging, verification
- Meta Skill สร้าง skill ใหม่เพิ่มเองได้
ในมุมธุรกิจ เราอาจไม่ต้องสนใจชื่อทุก skill แต่ควรสนใจหลักคิดว่า AI ที่ดีไม่ควรมีแค่ “ความเร็ว” ต้องมี “วินัยการทำงาน” ด้วย
Step 3: ให้ AI ถามคำถามก่อนลงมือ แล้วงานจะตรงเป้าขึ้นมาก
หนึ่งในฟีเจอร์ที่น่าจับตาที่สุดของ Superpowers คือ brainstorming มันไม่ได้ถามแค่คำถามเดียวแบบผิวเผิน แต่จะถามหลายคำถามเพื่อดึงรายละเอียดที่เรายังไม่ได้พูดออกมา
นี่เป็นจุดที่หลายคนมองข้าม เวลาเราใช้งาน AI เรามักคิดว่า prompt เราชัดแล้ว แต่ในความจริง เรามีภาพในหัวอยู่เยอะมากที่ไม่ได้พิมพ์ออกไป AI เลยเดาเอง และมักเดาผิด Superpowers แก้ปัญหานี้ด้วยการบังคับเข้าสู่ช่วง discovery ก่อน ตัวอย่างในคลิปคือการขอให้ช่วยออกแบบ “knowledge explorer” ระบบไม่ได้กระโดดไปเขียนทันที แต่มันสรุปสิ่งที่เข้าใจ แล้วโยนคำถามกลับมาหลายข้อเพื่อปิดช่องว่างของข้อมูล
สำหรับคนทำงานไทย แนวคิดนี้เอาไปใช้ได้ไกลกว่าโค้ดมาก เช่น
- ให้ AI ช่วยออกแบบหน้าเว็บไซต์ขายบริการ
- ให้ AI วาง workflow เก็บ lead จาก LINE หรือ Facebook
- ให้ AI ช่วยร่างรายงานสรุปยอดขาย
- ให้ AI ช่วยออกแบบระบบตอบคำถามลูกค้า
ถ้า AI ถามกลับเก่งพอ งานที่ได้จะตรงขึ้นตั้งแต่รอบแรก และนี่คือสิ่งที่ธุรกิจต้องการมากกว่าคำว่า “เร็ว” แบบลอยๆ
Step 4: ใช้ภาพ mockup ลดความคลาดเคลื่อนก่อนเผา token
อีกฟีเจอร์ที่เด่นมากคือ visual companion หรือการที่ระบบสร้าง mockup, diagram, comparison ขึ้นมาบน localhost เพื่อให้เราเลือกแนวทางก่อนเดินหน้าต่อ
ในคลิปมีตัวอย่างที่ระบบเสนอแนวทางหลายแบบ เช่น
- interactive force graph
- searchable card grid
- graph hero plus card details
พร้อมบอก pros และ cons ให้เลือกได้ว่าแบบไหนตอบโจทย์กว่า จากนั้น AI จะรับรู้ว่าทางเลือกไหนถูกเลือกและทำงานต่อในทิศทางนั้น นี่คือประเด็นที่คนทำธุรกิจควรหยิบไปคิดต่อ เพราะงานจำนวนมากที่เราทำกับ AI พังไม่ใช่เพราะ model ไม่เก่ง แต่พังเพราะ เราตรวจทิศทางช้าเกินไป ปล่อยให้มันสร้างของยาวๆ ก่อน แล้วค่อยบอกว่า “ไม่ใช่แบบนี้”
Superpowers พยายามย้ายจุดตรวจสอบมาไว้ต้นทาง ซึ่งช่วยลดการแก้งานปลายทางได้มาก โดยเฉพาะงานที่มีองค์ประกอบหน้าตา ประสบการณ์ใช้งาน หรือโครงสร้างข้อมูลที่ต้อง “เห็นภาพ” ก่อน อย่างไรก็ตาม จุดนี้ก็มีข้อจำกัดที่ Nate พูดตรงๆ ว่า feature นี้ยังใหม่ และอาจกิน token พอสมควร ดังนั้นไม่ใช่ทุกงานที่ควรเปิดใช้ ถ้างานง่ายมาก การสร้าง mockup อาจกลายเป็นภาระเกินจำเป็น
Step 5: วางแผนละเอียด แล้วค่อยให้ AI ลงมือแบบมีจุดหยุด
ส่วน planning ของ Superpowers ไม่ได้เป็นแค่รายการงานกว้างๆ แต่มันสร้างแผนลงลึกระดับ task ย่อย แต่ละงานใช้เวลาประมาณ 2-5 นาที พร้อมระบุ file path ชัดเจน มีการทดสอบ code block และบันทึกแผนไว้ให้ย้อนกลับมาดูได้
มุมนี้สำคัญมาก เพราะในโลกธุรกิจ เรามักต้องการ “ความพอคาดเดาได้” มากกว่าความอัจฉริยะ ถ้า AI สร้างแผนที่ละเอียด เราจะ
