Anthropic beschreibt den AI-native SDLC in sechs Phasen

โดย Nokka (นก-กา) | สรุปและวิเคราะห์จาก The AI-native SDLC playbook ของ Anthropic | ตรวจสอบข้อมูล ณ 23 ต.ค. 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ทีมส่วนใหญ่ที่เริ่มใช้ AI เขียนโค้ด เจออาการเดียวกัน คือช่วงแรกเร็วขึ้นมาก แต่พอผ่านไปสองสามสัปดาห์ ความเร็วโดยรวมกลับมาเท่าเดิม

สาเหตุไม่ใช่โมเดลไม่เก่ง แต่เป็นเพราะขั้นตอนอื่นรอบ ๆ การเขียนโค้ดยังทำงานด้วยความเร็วเดิม

Anthropic เรียกปัญหานี้ว่าโค้ดไม่ใช่คอขวดอีกต่อไป และเผยแพร่เอกสารชื่อ The AI-native SDLC playbook เมื่อ 21 ส.ค. 2026 เพื่ออธิบายว่าจะแก้อะไรและแก้อย่างไร

บทนี้ผมจะสรุปเอกสารนั้นแบบอ่านเข้าใจได้ในครั้งเดียว และเติมมุมที่ผมคิดว่าคนอ่านไทยต้องคิดเองก่อนทำตาม

วงจรพัฒนา software แบบเดิม (SDLC) แบ่งงานเป็นหกระยะ คือ วางแผน ออกแบบ สร้าง ทดสอบ ส่งมอบ และดูแลระบบ

แต่ละระยะมีเจ้าของ มีเอกสารส่งต่อ และมีจุดเซ็นรับ

โครงสร้างนี้ถูกออกแบบมาในยุคที่การเขียนโค้ดคือขั้นที่แพงและกินเวลาที่สุด จึงต้องมีพิธีกรรมรอบข้างเพื่อให้แน่ใจว่าทีมเดินไปทางเดียวกัน

เมื่อ agent เขียนโค้ดได้เร็วขึ้นหลายเท่า ระยะที่เคยสมเหตุสมผลกลับกลายเป็นคอขวด

ตัวอย่างที่เอกสารยกคือทีมความปลอดภัย ซึ่งถูกจัดกำลังคนให้รับงานได้เท่าที่คนผลิตไหว พอ agent ผลิตโค้ดเพิ่ม ทางเลือกมีสองทางคือคิวตรวจยาวขึ้น หรือโค้ดถูกปล่อยโดยตรวจไม่พอ

องค์กรที่มีการกำกับดูแลรับทั้งสองทางไม่ได้ จึงต้องยกเครื่องกระบวนการทั้งเส้น ไม่ใช่แค่เร่งการเขียนโค้ด

นิยามสั้น ๆ คือการใช้เป้าหมายการควบคุมแบบเดิม แต่เปลี่ยนวิธีบังคับใช้

จากเส้นตรงกลายเป็นวงจร และมี AI อยู่ในทุกจุดของวงจร

คำที่คนใช้เรียกสิ่งเดียวกันนี้มีหลายคำ เช่น agentic SDLC, AI SDLC หรือ agentic software development

หัวใจที่ผมคิดว่าสำคัญที่สุดในเอกสารนี้ ไม่ใช่รายชื่อเครื่องมือ แต่คือข้อความบรรทัดนี้

ทุกระยะจบด้วยการ commit สิ่งที่ส่งต่อได้ และระยะถัดไปเริ่มด้วยการอ่านสิ่งนั้น

สิ่งส่งต่อในระยะแรก ๆ เป็นไฟล์ markdown เพราะทั้งเจ้าของผลิตภัณฑ์และ agent อ่านเข้าใจได้จากไฟล์เดียวกัน

พอเข้าสู่ระยะสร้าง สิ่งส่งต่อกลายเป็นโค้ดและบันทึกของมัน

และเพราะทุกอย่างอยู่ใน git ประวัติการ commit จึงกลายเป็นเส้นทางการตรวจสอบย้อนหลัง ว่าใครขออะไร agent ทำอะไร และใครอนุมัติ

ผมจะไล่ทีละระยะในรูปแบบเดียวกัน คือ เดิมเป็นอย่างไร ตอนนี้เป็นอย่างไร มีหลักฐานอะไร และวัดผลด้วยอะไร

แบบเดิม ไอเดียต้องผ่าน backlog, user story, story point และการประชุม refine หลายรอบ กว่าจะถึงมือวิศวกร เนื้อหาอาจเพี้ยนไปจากที่เจ้าของความคิดหมายไว้

แบบใหม่ เจ้าของไอเดียคุยกับ Claude ในภาษาของตัวเอง แล้วให้มันร่างเป็นไฟล์ intent.md ที่เก็บว่า ต้องการอะไร ทำไม และมีข้อจำกัดอะไร

จากนั้นเจ้าของไอเดียแก้ไขสิ่งที่โมเดลเข้าใจผิด แล้ว commit เข้าที่เก็บกลาง

intent.md ในแม่แบบของเอกสารมีห้าหัวข้อตายตัว ซึ่งผมคิดว่าเป็นส่วนที่คนมักข้าม

หัวข้อสุดท้ายสำคัญที่สุด เพราะมันบังคับให้คนยอมรับว่า "ยังไม่รู้" ตั้งแต่ต้น แทนที่จะปล่อยให้ agent เติมช่องว่างด้วยการเดา

สิ่งที่ต้องมีก่อนเริ่ม ไม่มีข้อบังคับ แต่เอกสารระบุว่าต้องเตรียมสามอย่าง

การตั้งที่เก็บเป็นงานครั้งเดียวของทีมแพลตฟอร์ม และต้องตัดสินว่าใครเขียนได้บ้าง เพราะคนที่เข้ามาเขียนจะมาจากทั่วองค์กร

เมื่อมี repo แล้ว คนที่ไม่มีประสบการณ์ git ไม่ต้องใช้ git เอง ให้ต่อ connector กับ GitHub แล้วให้ Claude commit แทนจาก claude.ai หรือ Cowork

# Intent: claims status self-service Author: J. Ortiz (claims operations). Status: draft. ## Problem Customers phone the contact center to ask where their claim is. Handlers spend roughly a third of call time on status-only queries. ## Proposed outcome Customers see claim status, next step and expected date in the portal. ## Affected users and systems Claims handlers, portal team, claims-core API. ## Constraints No new PII in the portal session. Existing authentication only. ## Open questions Do third-party loss adjusters need access too? Enter fullscreen mode Exit fullscreen mode ตัวอย่างนี้มาจากเอกสารต้นทางและเป็นตัวอย่างที่แสดงจุดสำคัญ คือข้อจำกัดที่ห้ามละเมิดถูกเขียนก่อนเริ่มออกแบบ และคำถามที่ยังไม่มีคำตอบถูกจดไว้ ไม่ใช่ปล่อยให้ agent เดา

หลักฐานคือ intent.md ที่มีชื่อผู้เขียน เวลา และประวัติการแก้ไขอยู่ใน git การอนุมัติให้ไปต่อคือการ merge หรือการปิด review

ตัวชี้วัดที่เอกสารแนะนำคือ เวลาจากบทสนทนาแรกถึงตอน commit ซึ่งคาดว่าจะลดจากหลายสัปดาห์เหลือไม่กี่ชั่วโมง

ตัวชี้วัดฝั่ง lagging มีสองตัว คืออัตราการรอด ซึ่งเป็นสัดส่วน intent.md ที่เจ้าของผลิตภัณฑ์รับเข้าสู่ระยะออกแบบ เทียบกับที่ถูกปิดทิ้ง และจำนวนครั้งที่ intent.md ถูกแก้หลัง commit spec.md ครั้งแรกของงานเดียวกัน ซึ่งบอกว่า intent ต้นทางเขียนชัดพอหรือยัง

แบบเดิม analyst เขียน requirement แล้ว designer ตีความเป็น design อีกที การแยกเพื่อความรับผิดชอบแต่แลกมาด้วยความช้าและการสูญเสียรายละเอียด

แบบใหม่ product owner ส่ง intent.md ให้ Claude แล้วให้มันสร้าง spec ที่ยึดตาม skill ขององค์กร เช่น แบรนด์ ความปลอดภัย การปฏิบัติตามกฎ และ UX

จุดที่ผมชอบคือคำสั่งให้ระบุ "จุดที่กังวล" ไว้ด้วย เช่นจุดที่ข้อกำหนดขัดกันเอง

เพราะในงานจริง ปัญหามักไม่ได้อยู่ที่เขียนไม่ครบ แต่อยู่ที่ข้อกำหนดสองข้อขัดกันและไม่มีใครกล้าตัดสิน

หลักฐานคือ spec.md ที่ commit คู่กับ intent.md พร้อมเวอร์ชันของ skill ที่ใช้ตอนนั้น

ตัวชี้วัดคือเวลาระหว่าง commit ของ intent.md ถึง spec.md และจำนวนครั้งที่ spec ถูกแก้หลังเริ่มสร้าง

ของที่ต้องเตรียม มีแค่ intent.md หนึ่งไฟล์ และนโยบายแบรนด์ ความปลอดภัย การปฏิบัติตามกฎ และ UX ที่เขียนเป็น skill ไว้แล้ว

โครงสร้างพื้นฐาน คือเจ้าของผลิตภัณฑ์ที่มีสิทธิ์ใช้ Claude ไม่ต้องมีทักษะวิศวกรรม

Read the attached intent.md and produce a requirements and design spec for integrating it into our existing codebase. Apply the skills available to you so the plan conforms to our brand guidelines, security policies and UX standards. Document the spec fully as spec.md, ready to hand to the engineering team. Describe clearly any areas of concern, especially where you cannot satisfy contradicting policies. Enter fullscreen mode Exit fullscreen mode ระยะที่ 3 สร้าง: plan mode เป็นจุดเริ่มต้น ไม่ใช่โค้ด แบบเดิม วิศวกรอ่าน design แล้วเริ่มเขียนโค้ด แผนว่าจำเป็นต้องแตะไฟล์ไหนและจะพิสูจน์อย่างไรอยู่แต่ในหัว

แบบใหม่ เริ่ม session ใน plan mode ให้ Claude อ่านโค้ดโดยยังแก้ไม่ได้ แล้วให้มันเสนองานเป็นแผนที่ระบุไฟล์ที่จะเปลี่ยน ลำดับงาน และเทสต์ที่จะพิสูจน์

จากนั้นวิศวกรซักถามจนกว่าคนที่ไม่เคยเห็นบทสนทนาจะทำงานต่อได้จากแผนเพียงอย่างเดียว

คำถามที่เอกสารแนะนำให้ถามมีสามข้อ ซึ่งผมคิดว่าใช้ได้จริงทุกทีม

พอแผนผ่าน จึง commit เป็น plan.md แล้วปล่อยให้ลงมือ

หลักฐานคือ plan.md และตัว diff ที่จะถูกตรวจย้อนกับแผนในระยะส่งมอบ

ตัวชี้วัดฝั่ง leading คือสัดส่วนการเปลี่ยนแปลงที่ merge ได้ตั้งแต่รอบแรก และเวลาจากการอนุมัติแผนถึงตอน PR ถูก merge

ฝั่ง lagging คือจำนวนรอบการแก้งานซ้ำต่อหนึ่งการเปลี่ยนแปลง และสัดส่วนที่ diff ที่ merge แล้วยังตรงกับ plan.md ที่ commit ไว้

ของที่ต้องเตรียม คือ artifact ต้นทาง ( intent.md หรือ spec.md ถ้ามี) และ CLAUDE.md ที่ช่วยให้ agent รู้บริบทของ repo

โครงสร้างพื้นฐาน คือ Claude Code ที่เข้าถึง repository ได้

ข้อ 7 คือข้อที่คนมักข้าม และเป็นสาเหตุที่ plan.md กลายเป็นเอกสารตายภายในสองสัปดาห์

plan mode คือค่าเริ่มต้น แต่เอกสารบอกว่ามีจุดที่เลื่อนขึ้นไปได้ เรียกว่า auto mode ซึ่งวิศวกรอนุมัติแผนครั้งเดียว แล้ว Claude ลงมือแก้ทีละจุดโดยไม่ถามทุกครั้ง

เมื่อสามข้อนี้จริง การรีวิวก็ย้ายจาก "ดูทุกการกระทำ" ไปเป็น "ดูสิ่งที่ส่งมอบหลังจบ session ยาว" ซึ่งเปลี่ยนงานของวิศวกรจากผู้เฝ้าเป็นผู้ตรวจ

ธุรกิจจริงไม่ได้เริ่มจากกระดาษเปล่า งานอาจอยู่ใน Jira requirement อยู่ในเครื่องมือที่มีร่องรอยตามกฎระเบียบ design อยู่ใน Figma และการอนุมัติอยู่ในคณะกรรมการเปลี่ยนระบบ

เอกสารยอมรับตรง ๆ ว่าพวกนี้แทนที่ยาก เพราะผู้ตรวจสอบและทีมอื่นพึ่งมันอยู่แล้ว คำแนะนำคือ ทุก artifact ต้องรู้ว่าใครเป็นแหล่งความจริง แล้วให้ที่เหลือเป็นสำเนาหรือลิงก์มาที่ต้นทาง

เอกสารยอมรับว่าสองระบบอยู่ร่วมกันได้ ตราบใดที่มีลิงก์ระหว่างกัน หรือมีอันหนึ่งถูกประกาศว่าเป็นแหล่งความจริง

วิศวกรหนึ่งคนดูแลงานหลายเส้นพร้อมกันได้ เมื่อแต่ละ session แยก worktree ของตัวเอง และไม่รับรู้กันเลย

ของที่ต้องเตรียม คือ CLAUDE.md เพราะทุก session อ่านไฟล์นี้ และ feedback loop จากระยะทดสอบ เพราะ session ที่ตรวจงานตัวเองได้จะต้องมีคนเฝ้าน้อยลง

โครงสร้างพื้นฐาน คือ git repository เพราะ isolation มาจาก worktree และ permission settings ที่ปรับไว้ให้ session ไม่ต้องรออนุมัติคำสั่งที่องค์กรถือว่าปลอดภัย

--- name: verifier description: " Runs the app and checks the change works before the session" reports done tools: Bash, Read --- Start the app with make run. Exercise the changed behavior and the two nearest neighboring flows. Report what you ran, what you saw, and any behavior that does not match plan.md. Do not fix anything; report only. Enter fullscreen mode Exit fullscreen mode สังเกตบรรทัดสุดท้าย "ห้ามแก้ รายงานเท่านั้น" ซึ่งเป็นหัวใจของการตรวจ เพราะผู้ตรวจที่ไม่ลงมือแก้จะไม่เอนเอียงเข้าข้างโค้ดตัวเอง

แบบเดิมสัญญาณว่าโค้ดใช้ได้มาช้า ไม่ว่าจะเป็น CI ที่ใช้เวลาหลายนาที tester ที่มาถึงวันถัดไป หรือ production ที่รู้เรื่องเป็นสัปดาห์

แบบใหม่ ให้ agent มีวิธีตรวจงานตัวเอง เช่นรันเทสต์ รัน build หรือเทียบภาพหน้าจอ แล้ววนแก้จนผ่านก่อนส่งให้คนดู

ส่วน evals คือสิ่งที่เอกสารเรียกว่า QA ยุคใหม่ เป็นชุดทดสอบที่รันเมื่อใดก็ตามที่คอนฟิกของ agent เปลี่ยน เช่นเปลี่ยนโมเดล เปลี่ยน prompt หรือเปลี่ยน skill

จุดนี้ผมคิดว่าสำคัญมาก เพราะทีมส่วนใหญ่อัปเดต prompt โดยไม่มีการทดสอบย้อนกลับ แล้วพบปัญหาก็ต่อเมื่อผู้ใช้เจอ

ตัวชี้วัดคืออัตราการผ่านของ eval และเวลาที่ใช้เปลี่ยน incident ใน production ให้กลายเป็น eval ถาวร

ในทางปฏิบัติ eval คือชุดทดสอบที่รันใน CI ด้วย API key ของโมเดล และควรตั้งเพดาน token ต่อการรันหนึ่งครั้ง เพราะค่าใช้จ่ายจะโตตามจำนวนกรณีทดสอบ

โครงสร้างพื้นฐาน คือชุดเทสต์และ build ที่รันในเครื่องได้ด้วยคำสั่งเดียว และสำหรับงาน UI ต้องมีทางให้ Claude เห็นผลลัพธ์ เช่นเครื่องมือเบราว์เซอร์หรือตัวจับภาพหน้าจอที่ต่อผ่าน MCP

## Verifying your work - Build: make build (must finish with "Build succeeded") - Test: make test (all green; never skip or delete a failing test) - Lint: make lint (zero warnings) Run all three before reporting any task complete, and paste the output. If a test fails, fix the code, not the test. Enter fullscreen mode Exit fullscreen mode ปกป้องตัวลูปเองด้วย เพราะ agent ที่กำลังแก้โค้ดต้องไม่สามารถทำให้การตรวจอ่อนลงได้ hook ที่บล็อกการแก้ไฟล์เทสต์ระหว่างงานแก้บั๊กทำหน้าที่นี้ ทางเลือกอื่นคือตรวจ diff ในรีวิวแล้วปฏิเสธการเปลี่ยนแปลงที่แตะเทสต์ eval ใน CI: ทำอย่างไรให้มีของจริง ของที่ต้องเตรียม คือ CLAUDE.md และ feedback loop จากระยะที่แล้ว

โครงสร้างพื้นฐาน คือ CI ที่รัน Claude Code แบบไม่ต้องมีคนกด และ API key ที่มีงบพอสำหรับการรัน eval

workflow ที่รัน eval ใน CI มีหน้าตาแบบนี้

name: Agent evals on: pull_request: paths: [ ' CLAUDE.md', '.claude/**' ] schedule: - cron: ' 0 2 * * *' jobs: evals: runs-on: ubuntu-latest steps: - uses: actions/checkout@v4 - run: npm install -g @anthropic-ai/claude-code - name: Run eval suite env: ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }} run: | for eval in evals/*.json; do claude -p "$(jq -r '.prompt' $eval)" \ --allowedTools "Read,Edit,Bash(make test)" \ --output-format json > result.json./evals/check.sh "$eval" result.json done Enter fullscreen mode Exit fullscreen mode ระยะที่ 5 ส่งมอบ: การรีวิวทำงานสองทาง แบบเดิม PR รอคนอ่าน ความละเอียดของการรีวิวขึ้นกับว่าคนอ่านมีเวลามากแค่ไหน

แบบใหม่ Claude รีวิว PR ที่เข้ามาตามนโยบายขององค์กร และตอบคอมเมนต์ใน PR ของตัวเองด้วย

คนจึงยกระดับการดูขึ้นไปเป็น "การเปลี่ยนแปลงนี้ทำตามเจตนาหรือไม่ และความเสี่ยงที่เหลือยอมรับได้ไหม"

นโยบายการรีวิวเขียนเป็นไฟล์ REVIEW.md ที่แบ่งเป็นรอบการตรวจ เช่น bug, security, compliance และกำหนดว่าอะไรเรียกว่า Important อะไรเป็นแค่ nit

หลักการที่เอกสารย้ำคือ agent ทำได้ถึงประตู production แต่ผ่านประตูไม่ได้

ถ้าไม่กำหนดกฎ คนรีวิวจะไล่จับทุกอย่างจนไม่ได้ดูเรื่องสำคัญ เอกสารจึงเสนอโครงสี่ชั้น

ผลข้างเคียงที่ผมเคยเจอในทีมคือ ถ้าไม่มีข้อสามและข้อสี่ คนรีวิวจะเขียน 40 ความเห็น แล้วเจ้าของ PR จะแก้ตามทั้งหมดโดยไม่รู้ว่าอันไหนสำคัญจริง

ในระยะสร้าง hook ทำหน้าที่เป็นรั้ว บล็อกหรืออนุญาตโดยไม่ต้องมีคน แต่ hook ยังสั่ง "ถาม" ได้ด้วย คือหยุดรอคนที่ระบุอนุมัติ ซึ่งตรงกับความต้องการของการปล่อยของ

ตัวอย่างในเอกสารคือ hook ที่ผูกกับเครื่องมือ Bash แล้วเรียกสคริปต์ของโปรเจกต์ก่อนคำสั่งจะทำงาน ซึ่งสคริปต์นั้นตัดสินได้ว่าจะอนุญาต ถาม หรือบล็อก

{ "hooks": { "PreToolUse": [ { "matcher": "Bash", "hooks": [ { "type": "command", "command": "${CLAUDE_PROJECT_DIR}/.claude/hooks/production-gate.sh" } ] } ] } } Enter fullscreen mode Exit fullscreen mode hook ของทีมเก็บใน.claude/settings.json ซึ่งอยู่ใน git และแก้ได้ ส่วน hook ที่ห้ามต่อรองเก็บใน managed settings ที่ผู้ดูแลระบบเป็นเจ้าของ วิศวกรปิดเองไม่ได้

#!/bin/bash # Production deploys require a named release authorization cmd = $( jq -r '.tool_input.command' < /dev/stdin ) if [[ " $cmd " == * "deploy" * && " $cmd " == * "production" * ]]; then if [ -z " $RELEASE_APPROVAL " ]; then echo "Production deploys need a release authorization." > &2 exit 2 # exit 2 blocks the action; the message goes to Claude fi fi exit 0 Enter fullscreen mode Exit fullscreen mode managed settings สำหรับองค์กรที่มีกฎ องค์กรที่มีผู้ตรวจสอบภายนอกไม่ต้องการคำสัญญา ต้องการการบังคับใช้ เอกสารยกตัวอย่างไฟล์ managed settings ที่ผู้ดูแลระบบติดตั้งผ่าน MDM หรือคอนโซลกลาง โดยมีกลุ่มค่าที่สำคัญดังนี้

กลุ่มสุดท้ายนี้คือสิ่งที่ทำให้คำว่า governance เป็นจริง ไม่ใช่แค่ประกาศเจตนา

ในทางปฏิบัติหมายความว่า agent เขียนได้แค่ PR ไม่มีสิทธิ์ push ตรงเข้า main และการ deploy ไป production ต้องมี release manager อนุมัติ

ตัวชี้วัดคือสัดส่วน pipeline ที่ล้มแล้วถูกวินิจฉัยโดยไม่ต้องปลุกคน และตัวชี้วัด DORA ที่ระบบมีอยู่แล้ว

ของที่ต้องเตรียม คือ CLAUDE.md ที่อัปเดตแล้ว, skill ถ้าการรีวิวต้องบังคับนโยบายที่เป็นลายลักษณ์ และ subagent ที่นิยามไว้

โครงสร้างพื้นฐาน คือ repo ที่ติดตั้งส่วนเชื่อม Claude แล้ว ไม่ว่าจะเป็นบริการ Code Review ที่ผู้ดูแลเปิดให้ หรือ claude-code-action ที่รันใน CI ของตัวเอง พร้อม branch protection ที่กำหนดให้ต้องมี code owner อนุมัติ

REVIEW.md ที่เอกสารให้มาเป็นตัวอย่างมีหน้าตาแบบนี้

# Review instructions ## Passes Run three passes and tag each finding with its pass: - Bugs: logic errors, broken edge cases, subtle regressions - Security: injection risks, authentication gaps, PII in logs - Compliance: the change matches spec.md, plan.md and our design principles ## What Important means here Reserve Important for findings that would break behavior, leak data or breach a policy. Style and naming are nits. ## Cap the nits Report at most five nits per review; summarize the rest as a count. ## Do not report Generated files under src/gen/ and anything CI already enforces. Enter fullscreen mode Exit fullscreen mode ต่อ Claude เข้ากับ CI/CD และการปล่อยของ ของที่ต้องเตรียมก่อน คือการรีวิวด้วย AI และ hook ที่เป็นประตูอนุมัติ เพราะประตูต้องมีก่อนที่ automation จะเร่งอะไรผ่านมันไป

โครงสร้างพื้นฐาน คือ CI ที่ติดตั้ง claude-code-action หรือ runner ใดก็ได้ที่เรียก claude -p ได้, สิทธิ์โมเดลผ่าน API หรือ Bedrock, Foundry, Vertex ถ้าต้องอยู่ในสัญญาคลาวด์ขององค์กร, MCP server ของเป้าหมายที่ deploy และ sandbox profile สำหรับงานของ agent ที่ไม่มี credential production ติดตัว

- name: Triage failed build if: failure() run: > claude -p "Read the build log at out/build.log. Identify the most likely cause, say whether the failure looks flaky or real, and write a three-line summary for the PR thread." >> triage.md Enter fullscreen mode Exit fullscreen mode เพิ่มงานที่เขียนไฟล์ได้ แต่ต้องอยู่หลังประตูเดิม เช่นแก้ lint อัปเดตเอกสารที่ generate หรือรับความเห็นรีวิวผ่าน @claude ทุกอย่างที่ agent เขียนต้องมาเป็น PR และ agent ไม่มีทาง push ตรงเข้า main รันในแซนด์บ็อกซ์ งานของ agent อยู่ในคอนเทนเนอร์ที่มีนโยบายเครือข่ายและ token อายุสั้น ไม่มี credential production โดยค่าเริ่มต้น เปิดทาง deploy ผ่าน MCP ทำให้ deploy ดูสถานะ และ rollback กลายเป็นเครื่องมือที่จำกัดตามสภาพแวดล้อม สิทธิ์ของ agent จึงเป็นรายการที่อนุญาต ไม่ใช่สคริปต์ที่มี credential ฝังอยู่ แบ่งระดับ autonomy ตามสภาพแวดล้อม ใน development agent ปล่อยได้เอง ใน production agent เตรียมรีลีสและผู้จัดการรีลีสเป็นคนอนุมัติ โดยมี hook บังคับประตูนั้น staging อยู่ตรงกลาง rollback ต้องเป็นเส้นทางที่ซ้อมมากที่สุดในไปป์ไลน์ คือคำสั่งเดียวที่ agent รันได้ และถูกซ้อมใน staging สม่ำเสมอ เพราะระยะดูแลระบบจะเรียกมันเมื่อค่าเบี่ยงเบนทะลุขอบ ระยะที่ 6 ดูแลระบบ: วงจรปิดที่เริ่มจากค่าเบี่ยงเบน แบบเดิมระบบดูแลเป็นงานตั้งรับ รอคนเปิด ticket หรือรอคนเห็น alert

แบบใหม่ สคริปต์ที่เขียนด้วยกฎตายตัวคอยดูค่า metric เทียบกับ baseline แล้วเรียก Claude เมื่อค่าเบี่ยงออกนอกแถบที่กำหนด

เอกสารกำหนดระดับการตอบสนองไว้สามขั้น ซึ่งผมคิดว่าเป็นไอเดียที่ยืมไปใช้ได้ทันที

ผลวินิจฉัยถูกเขียนกลับเป็น intent.md แล้วไหลเข้าสู่วงจรเดิมอีกครั้ง

ตัวชี้วัดฝั่ง leading คือเวลาจากตอนค่าเบี่ยงเบนถูกตรวจพบจนถึงตอนมี intent.md เข้าคิวตรวจ เทียบกับเวลาเดิมจาก incident ถึง post-mortem

ฝั่ง lagging คือสัดส่วนข้อค้นพบที่กลายเป็นการแก้ที่ merge แล้ว และจำนวน incident ซ้ำในกลุ่มเดียวกัน

ของที่ต้องเตรียม คือ intent.md ที่ให้ปลายทางของลูปมีรูปแบบไว้เริ่มใหม่, การรีวิว PR ที่เร็วขึ้น, hook ที่เป็นขอบเขตการกระทำ และเส้นทาง rollback

โครงสร้างพื้นฐาน คือที่เก็บเมตริกที่สคริปต์ตรวจจับเรียกได้ เช่น Prometheus หรือ API ของระบบ CI, สิทธิ์อ่าน repo และทางรัน Claude Code แบบไม่ต้องมีคนกดใน CI หรือ Agent SDK สำหรับบริการที่รับ webhook

ไฟล์ bands.yaml ที่เอกสารให้มาเป็นตัวอย่างของการกำหนดระดับนี้

metric: ci_test_failure_rate baseline: rolling_30d rules: western_electric tiers: 1sigma: { action: log } 2sigma: { action: diagnose, tools: " Read,Grep,Bash(gh run view *)" } 3sigma: { action: propose, routes: [ pull_request, runbook: rollback-deploy ] } Enter fullscreen mode Exit fullscreen mode สแกนโค้ดตามรอบ ไม่ใช่สแกนตอนจะปล่อย ผลสแกนความปลอดภัยเป็นคำตัดสิน ณ เวลาหนึ่ง และเน่าได้ทั้งสองด้าน คือโค้ดเปลี่ยนทุกสัปดาห์ และโมเดลรุ่นใหม่จับสิ่งที่รุ่นก่อนมองข้ามได้

เอกสารจึงเสนอให้สแกนตามตารางโดยไม่มีคนอยู่ในเส้นทางการเรียก แล้วส่งสิ่งที่เจอเข้าประตูเดียวกับงานอื่น ถ้าแก้ได้ใน PR เดียวก็เข้ารีวิวปกติ ถ้าใหญ่กว่านั้นก็กลายเป็น intent.md

รูปโฮสต์ของแนวนี้คือ Claude Security ซึ่งเปิดให้องค์กรระดับ Enterprise ใช้ในสถานะ public beta ต่อ repo แล้วสแกนด้วย Claude Mythos 5 บนโครงสร้างของ Anthropic โดยตรวจผลก่อนรายงานและแนบระดับความมั่นใจมาด้วย

เหตุขัดข้องจำนวนมากมาในรูปข้อความตอนสี่ทุ่มในช่อง Slack ไม่ใช่ตั๋วที่มีขั้นตอนครบ

Claude Tag ซึ่งเป็น public beta บน Slack ทำให้ agent เป็นสมาชิกช่องในชื่อของตัวเอง รับเหตุเป็นผู้ตอบคนแรก ตรวจว่าเมตริกกลับมาที่ฐานหรือยัง เขียน post-mortem ลงไฟล์บทเรียนที่อยู่ใน version control และเมื่อเจองานที่ใหญ่กว่าการแก้เฉพาะหน้า ก็เขียนเป็น intent.md ส่งกลับเข้าสู่วงจรตั้งแต่ต้น

จุดนี้เองที่ทำให้เอกสารเรียกว่านี่คือวงจรที่เลี้ยงตัวเอง เพราะปลายทางของระยะดูแลระบบกลายเป็นจุดเริ่มของระยะวางแผน

ถ้าอ่านแค่หกระยะ อาจเข้าใจว่าเปลี่ยนเครื่องมือก็พอ แต่เอกสารระบุกลไกสี่อย่างที่ทำให้มันไม่พัง

หนึ่ง CLAUDE.md คือไฟล์ที่บอก context ที่คนใหม่ต้องรู้ ตั้งแต่คำสั่ง build, convention, สถาปัตยกรรม ไปจนถึงข้อผิดพลาดที่ทีมเจอบ่อย

กฎที่ผมชอบคือ ถ้า Claude ทำผิดซ้ำสองครั้ง ให้เขียนการแก้ลงไฟล์นี้ทันที

สอง skills คือที่เก็บความรู้ขององค์กรที่ต้องบังคับใช้สม่ำเสมอ เขียนเป็นโฟลเดอร์ที่มี SKILL.md ระบุว่าเมื่อไรควรถูกเรียกใช้

สาม hooks คือชั้นที่บังคับใช้แบบตายตัว ต่างจาก skill ที่เป็นคำแนะนำ เช่นบล็อกการแก้ไฟล์ที่ถูก generate ขึ้นมา หรือกันไม่ให้ credential หลุดเข้า diff

สี่ evals คือชุดทดสอบของตัว agent เอง ไม่ใช่ของโค้ดที่ agent เขียน

สี่อย่างนี้ทำให้ "นิสัยของทีม" กลายเป็นกฎที่ตรวจสอบได้

ของที่ต้องเตรียม คือ repo, Claude Code ที่ติดตั้งแล้ว และวิศวกรหนึ่งคนที่รู้โค้ดเบสดี

ตัวอย่าง CLAUDE.md ของบริการชำระเงินที่เอกสารให้มา

# Payments service ## Commands - Build: make build - Test: make test (unit), make itest (integration, needs docker) - Lint: make lint (runs in CI; fix before pushing) ## Conventions - Java 21, Spring Boot 3. No new Lombok. - Money is always BigDecimal, never double. - Every endpoint needs an integration test in src/itest. ## Architecture - api/ holds REST controllers, core/ holds domain logic, adapters/ talks to external systems. - Kafka events are defined in schemas/; never edit generated classes. ## Things Claude gets wrong - Do not bump dependency versions; the platform team owns them. - The legacy v1/ package is frozen; changes go in v2/. Enter fullscreen mode Exit fullscreen mode หัวข้อสุดท้ายคือหัวข้อที่ผมคิดว่าคุ้มที่สุด เพราะมันเก็บความผิดพลาดจริงของทีมไว้ ไม่ใช่ทฤษฎี

ของที่ต้องเตรียม คือนโยบายหนึ่งเรื่องที่มีเจ้าของชัดเจนและมีแหล่งความจริงเป็นลายลักษณ์

ตัวอย่าง SKILL.md ของมาตรฐาน API ความปลอดภัย

--- name: secure-api-review description: Apply the API security standard. Use whenever creating or modifying an external-facing endpoint, reviewing API code, or generating an OpenAPI spec. --- # Secure API review When you create or change an API endpoint: 1. Authentication: every endpoint requires the gateway JWT; no anonymous routes outside /health.

2. Input validation: validate request bodies against the OpenAPI schema and reject unknown fields. 3.

Audit: every state-changing endpoint emits an audit event with actor, action, entity and timestamp. 4. Data classification: fields tagged pii in the schema must never appear in logs or error messages.

Run scripts/check-endpoints.sh and include its output in your summary. Enter fullscreen mode Exit fullscreen mode hook ในระยะสร้าง ต่างจาก skill ตรงไหน skill เป็นคำแนะนำที่โมเดลอาจทำตามหรือไม่ก็ได้ ส่วน hook เป็นชั้นที่กำหนดแน่นอน ทำงานทุกครั้งที่เข้าเงื่อนไข

ข้อควรระวังที่เอกสารย้ำคือ hook ทำงานทุกครั้งที่ match จึงต้องเร็วและจำกัดขอบเขตที่ไฟล์ที่เปลี่ยน ส่วนการตรวจหนัก เช่นรันเทสต์ทั้งชุด ควรอยู่ที่ commit หรือตอนเปิด PR

และ hook ที่ต้องรอคนอนุมัติไม่ควรอยู่ในระยะสร้าง เพราะจะดึงคนกลับมาเป็นคอขวดของการทำงานขนานทุก session ให้ไปอยู่ในระยะส่งมอบแทน

# Plan: claims status self-service (from intent.md 2026-06-02) ## Files that change portal/src/claims/StatusPanel.tsx (new), claims-api/routes/status.py, claims-api/tests/test_status.py ## Order of work 1. Add the status endpoint behind existing auth. 2. Panel against the endpoint. 3. Wire into the portal nav. ## Risks The claims-core API rate-limits at 50 rps; the panel must cache. ## Proof test_status.py covers the four claim states; screenshot matches the approved mock. Enter fullscreen mode Exit fullscreen mode สังเกตว่าหัวข้อ Proof บังคับให้ระบุตั้งแต่ก่อนเขียนโค้ดว่าจะพิสูจน์อย่างไร ซึ่งเป็นเหตุผลที่ระยะทดสอบทำงานได้เร็วขึ้น

เอกสารนี้เขียนจากประสบการณ์ของ Anthropic กับลูกค้าองค์กรขนาดใหญ่ ซึ่งมีบริบทต่างจากทีมเล็กในไทยหลายเรื่อง

ข้อแรก เอกสารสมมติว่าองค์กรใช้ผลิตภัณฑ์ของ Claude เป็นแกน ตั้งแต่ Claude Code, Cowork ไปจนถึง Claude Tag ซึ่งเป็น beta

ถ้าทีมคุณใช้เครื่องมืออื่น แนวคิดยังใช้ได้ แต่ชื่อไฟล์และคำสั่งต้องแปลงเอง

ข้อที่สอง การเปลี่ยนทั้งหกระยะพร้อมกันจะล้มเหลว เอกสารเองก็บอกว่าควรเริ่มจาก play ที่ไม่มีลูกศรชี้เข้า

สำหรับทีมส่วนใหญ่ ผมคิดว่าจุดเริ่มที่คุ้มที่สุดคือ CLAUDE.md กับ feedback loop เพราะสองอย่างนี้ให้ผลเร็วโดยไม่ต้องขออนุมัติองค์กร

ข้อที่สาม ต้นทุนไม่ได้อยู่ที่ค่าโมเดลอย่างเดียว แต่อยู่ที่เวลาของคนตรวจ ซึ่งเป็นทรัพยากรที่หายากกว่า

ถ้าทีมคุณมีคนรีวิวสองคน การเปิด session ขนานกันห้าวันพร้อมกันจะทำให้คิวตรวจยาวขึ้น ไม่ใช่เร็วขึ้น

ข้อที่สี่ เรื่อง source of truth เอกสารเตือนว่าองค์กรมักมี Jira หรือเครื่องมือ requirement ที่ auditors ยอมรับอยู่แล้ว

ทางที่ปลอดภัยคือประกาศให้ชัดว่าอะไรคือต้นฉบับ และให้อีกฝั่งเก็บลิงก์พร้อม commit SHA

สัปดาห์แรก เขียน CLAUDE.md ให้สั้นไม่เกินหนึ่งหน้า ใส่คำสั่ง build test lint, convention ที่สำคัญ และข้อผิดพลาดที่ทีมเจอบ่อย

สัปดาห์ที่สอง เลือกงานหนึ่งงานที่เล็กและมีเทสต์ครอบอยู่แล้ว ลองใช้ plan mode เขียน plan.md ก่อนลงมือ แล้ววัดว่ากี่รอบถึง merge

สัปดาห์ที่สาม เอา incident หรือ bug ที่เพิ่งเจอมาเขียนเป็น eval หนึ่งข้อ แล้วผูกเข้ากับ CI เมื่อคอนฟิกเปลี่ยน

ถ้าสามสัปดาห์นี้รอด ค่อยขยับไปเรื่องประตูอนุมัติและการ deploy

สาระของ AI-native SDLC ไม่ใช่การใช้ AI ให้เขียนโค้ดเร็วขึ้น แต่คือการย้ายจุดที่คนใช้ความคิดไปอยู่ตรงประตูตัดสินใจ

โค้ดเร็วขึ้นเท่าไร ประตูก็ต้องชัดขึ้นเท่านั้น ไม่งั้นความเร็วจะกลายเป็นความเสี่ยงที่ไม่มีใครเห็น

ถ้าคุณกำลังมองว่าจะเริ่มจากตรงไหนในทีมตัวเอง เล่าให้ผมฟังได้ว่าตอนนี้คอขวดอยู่ที่ขั้นไหน ผมช่วยเลือก play แรกให้ได้

Anthropic, "The AI-native SDLC playbook", 21 ส.ค. 2026, สืบค้น 23 ต.ค. 2026. https://claude.com/resources/articles/the-ai-native-sdlc-playbook

Anthropic, "Claude Code: Plan mode and permission modes", สืบค้น 23 ต.ค. 2026 (คำอธิบาย plan mode ที่ agent อ่านโค้ดได้แต่ยังแก้ไฟล์ไม่ได้). https://code.claude.com/docs/en/permission-modes

Anthropic, "Claude Code: Memory (CLAUDE.md)", สืบค้น 23 ต.ค. 2026 (ไฟล์ context ที่ agent อ่านทุก session). https://code.claude.com/docs/en/memory

Anthropic, "Claude Code: Hooks reference", สืบค้น 23 ต.ค. 2026 (กลไก hook สำหรับบังคับใช้กฎแบบตายตัว). https://code.claude.com/docs/en/hooks

Anthropic, "Claude Code: Skills", สืบค้น 23 ต.ค. 2026 (วิธีเขียนและติดตั้ง skill ขององค์กร). https://code.claude.com/docs/en/skills

Anthropic, "How the Claude Code team does code review", 15 ต.ค. 2026, สืบค้น 23 ต.ค. 2026 (บริบทเพิ่มเติมเรื่องการรีวิวโค้ดที่ agent produce). https://claude.dev/blog/solving-code-review-at-anthropic/

Anthropic, "Claude Code: Subagents", สืบค้น 23 ต.ค. 2026. https://code.claude.com/docs/en/sub-agents

Anthropic, "Claude Code: Worktrees", สืบค้น 23 ต.ค. 2026. https://code.claude.com/docs/en/worktrees

Anthropic, "Claude Security", สืบค้น 23 ต.ค. 2026 (การสแกนโค้ดตามรอบแบบโฮสต์). https://claude.com/product/claude-security