Skill File สำหรับ AI คืออะไร และทำไม Index ไม่ควรเป็นแค่สารบัญ
เวลาสั่ง AI แล้วได้คำตอบที่ดูดี แต่ไม่ตรงกับสิ่งที่คิดไว้ ปัญหาอาจไม่ได้อยู่ที่ AI ไม่เก่งครับ
หลายครั้ง ปัญหาอยู่ที่เราปล่อยให้มันต้องเดามากเกินไป
ลองนึกภาพว่าเรารับเพื่อนร่วมงานเก่งๆ เข้ามาคนหนึ่ง แต่เขายังไม่รู้จักเราเลย แล้วเราบอกเพียงว่า
ช่วยทำงานนี้ให้ดีหน่อย
เราไม่ได้บอกที่มาที่ไป เป้าหมาย ข้อจำกัด หรือหน้าตาของงานที่เรียกว่าเสร็จ จากนั้นกลับคาดหวังว่าเขาจะทำออกมาได้ตรงใจทุกครั้ง
มันคงยากใช่ไหมครับ
การทำงานกับ AI Agent ก็คล้ายกัน เมื่อคำสั่งมีช่องว่าง AI ต้องเลือกทางใดทางหนึ่งเอง ทางที่เลือกอาจสมเหตุสมผล แต่ไม่จำเป็นต้องเป็นทางที่เราต้องการ
Skill ไม่ใช่ Prompt ที่เขียนให้ยาวขึ้น
สำหรับผม Prompt มักบอกว่า “รอบนี้ให้ทำอะไร” ส่วน Skill ช่วยบอกว่า “งานประเภทนี้ เราทำกันอย่างไร”
Skill file จึงเป็นที่เก็บบริบทและแนวทางทำงานที่นำกลับมาใช้ซ้ำได้ เช่น
- งานนี้มีเป้าหมายอะไร
- Skill ควรถูกใช้เมื่อไร
- ต้องทำตาม Workflow แบบไหน
- ต้องอ่านข้อมูลหรือไฟล์ใด
- อะไรทำได้ และอะไรห้ามทำ
- ถ้าข้อมูลไม่พอควรตัดสินใจอย่างไร
- ต้องตรวจอะไรบ้างก่อนถือว่างานเสร็จ
Skill ไม่ได้เสกให้ Model เก่งขึ้น แต่มันช่วยลดพื้นที่ที่ Model ต้องเดา และทำให้ทิศทางการทำงานชัดขึ้น
ลองเปรียบเทียบกับการสั่งอาหาร
สมมติว่าเราอยากกินอาหารญี่ปุ่น แต่บอกเชฟเพียงว่า
ใช้ข้าวกับเนื้อ ทำให้อร่อย โดยใช้วัตถุดิบที่ให้มา
คำสั่งนี้ไม่ได้ผิด เชฟสามารถทำอาหารอร่อยได้ แต่คำว่า “อร่อย” เปิดกว้างมาก เราอาจได้อาหารไทย เกาหลี อินเดีย หรือยุโรปก็ได้
ต่อให้ระบุว่าอยากได้อาหารอิตาลี ก็ยังมีทางเลือกอีกเยอะ อาจเป็นพาสต้าแบบ Al Dente หรือพิซซ่าฟิวชันใส่สับปะรด ซึ่งบางคนชอบและบางคนขัดใจ แต่ทั้งหมดก็ยังอยู่ภายใต้โจทย์กว้างๆ ว่าเป็นอาหารอิตาลีที่อร่อยได้
AI ก็เป็นแบบนั้นครับ ถ้าเราไม่กำหนดหลักในการเลือก มันต้องเลือกทางที่เป็นไปได้ขึ้นมาเอง
Skill ที่ใช้งานได้ควรมีอะไร
1. Metadata ที่บอกว่าใช้เมื่อไร
ชื่อและ Description ควรชัดพอให้ Agent รู้ว่า Skill นี้เหมาะกับงานแบบไหน และไม่ควรถูกใช้กับงานใด
Agent Skills บางระบบใช้ metadata เพื่อช่วยค้นหาและเลือกว่าจะโหลดคำสั่งฉบับเต็มหรือไม่ แต่พฤติกรรมส่วนนี้ไม่เหมือนกันทุกระบบ ขึ้นอยู่กับแต่ละ Model, Agent runtime, system instructions และเครื่องมือที่เปิดให้ใช้
2. เป้าหมายและขอบเขต
Skill ควรตอบให้ได้ว่าต้องสร้างผลลัพธ์อะไร งานแบบไหนถือว่าเสร็จ และเรื่องใดอยู่นอกขอบเขต
ถ้าไม่กำหนดขอบเขต Agent อาจทำเกินความจำเป็น หรือรวมหลายหน้าที่จนผลลัพธ์วุ่นวาย
3. Workflow ที่ทำตามได้
คำว่า “ทำให้ดี” หรือ “ใช้ Best Practice” ยังไม่ใช่ขั้นตอนทำงาน เพราะแต่ละคนและแต่ละ Model อาจตีความไม่เหมือนกัน
ควรเขียนเป็นขั้นตอนที่สังเกตได้ เช่น
- อ่านไฟล์ต้นทาง
- ตรวจว่าข้อมูลที่จำเป็นครบหรือไม่
- แยกข้อเท็จจริงออกจากสมมติฐาน
- สร้างผลลัพธ์ตาม Template
- ตรวจด้วย Checklist
- รัน Test หรือ Validation ที่เกี่ยวข้อง
4. ข้อจำกัดและกติกาเมื่อต้องตัดสินใจ
ควรระบุให้ชัดว่าอะไรห้ามทำ เช่น ห้ามแต่ง Metric, ห้ามเปิด Secret, ห้ามแก้ไฟล์นอกขอบเขต หรือห้ามนำ Requirement ไปเขียนเหมือนเป็น Feature ที่พร้อมใช้แล้ว
ที่สำคัญคือต้องบอกด้วยว่า ถ้าเจอข้อมูลไม่ครบหรือสถานการณ์ไม่ชัดเจน Agent ควรทำอย่างไร เช่น ระบุจุดที่ต้องตรวจสอบ เลือกทางที่ปลอดภัยกว่า หรือถามผู้ใช้เมื่อข้อมูลที่ขาดทำให้แก่นของงานเปลี่ยน
5. Output contract และวิธีตรวจคุณภาพ
ถ้าผลลัพธ์ต้องถูกส่งไปใช้ในขั้นตอนต่อไป เราควรระบุโครงสร้างให้ชัด เช่น Markdown headings, JSON schema, ชื่อไฟล์ หรือหัวข้อบังคับ
จากนั้นต้องบอกด้วยว่าจะตรวจอย่างไรว่างานเสร็จจริง เพราะการสร้างไฟล์สำเร็จไม่ได้แปลว่างานถูกต้องเสมอไป
แล้ว Index จำเป็นไหม
คำตอบของผมคือ เมื่อ Skill ยังสั้นและมี Workflow เดียว การเก็บไว้ในไฟล์เดียวอาจง่ายที่สุด
แต่เมื่อ Skill เริ่มมี Reference ยาวๆ, หลาย Workflow, ตัวอย่างจำนวนมาก หรือ Script ที่ใช้ซ้ำ การแยกไฟล์จะช่วยให้ดูแลง่ายขึ้น และตอนนั้น Index จะเริ่มสำคัญ
อย่างไรก็ตาม Index ที่ดีไม่ควรเป็นเพียงรายชื่อไฟล์แบบนี้
เพราะ Agent ยังต้องเดาอยู่ดีว่าไฟล์ไหนเกี่ยวข้องกับงานปัจจุบัน
สิ่งที่ควรเพิ่มคือเงื่อนไขในการเปิดใช้
references/
├── api-contract.md # เปิดเมื่อสร้างหรือแก้ API
├── security-rules.md # เปิดเมื่อแตะ auth, secret หรือ permission
├── output-examples.md # เปิดเมื่อตรวจรูปแบบผลลัพธ์
└── troubleshooting.md # เปิดเมื่อ validation หรือ test ไม่ผ่าน
ความต่างเล็กๆ นี้ทำให้ Index เปลี่ยนจากสารบัญเป็นแผนที่ตัดสินใจ
แต่ต้องย้ำอีกครั้งว่า Index ไม่ได้รับประกันว่า AI ทุกระบบจะอ่านจากบนลงล่าง หรือเลือกโหลดไฟล์แบบเดียวกัน พฤติกรรมจริงขึ้นอยู่กับแต่ละ Model รวมถึง runtime, เครื่องมือค้นหา, วิธีโหลด Context และคำสั่งของระบบนั้น
หน้าที่ของ Index คือจัด Information architecture ให้ชัด ไม่ใช่บังคับพฤติกรรมของทุก Model ให้เหมือนกัน
Skill ก็ต้องถูกตรวจเหมือน Software
Skill อาจมีทั้งคำสั่ง Reference และ Script ถ้านำ Skill จากภายนอกมาใช้โดยไม่ตรวจ ความเสี่ยงก็ไม่ต่างจากการติดตั้ง Package หรือรัน Code ของคนอื่น
อย่างน้อยควรตรวจว่า
- Skill พยายามอ่านไฟล์นอกขอบเขตหรือไม่
- มีการเรียก Network หรือ API ไปที่ใด
- มี Secret หรือ Credential ฝังอยู่หรือเปล่า
- Script สามารถแก้หรือลบข้อมูลอะไร
- มีคำสั่งที่พยายามข้ามกฎของระบบหรือไม่
ถ้าใช้ในองค์กร ก็ควรมีการ Review, Sandbox และทดสอบการทำงานร่วมกับ Skill อื่น เพราะแต่ละ Model อาจตอบสนองต่อคำสั่งและเลือกใช้เครื่องมือไม่เหมือนกัน
คำถามสุดท้ายก่อนส่ง Skill ให้ AI
หลังเขียนเสร็จ ผมชอบกลับมาอ่านในมุมของคนที่ไม่รู้จักเราเลย แล้วถามว่า
ข้อมูลเท่านี้ เขาทำงานต่อได้จริงไหม? ยังมีจุดไหนที่ต้องเดา? ถ้าต้องตัดสินใจเอง เขารู้หรือยังว่าควรไปในทิศทางไหน?
ถ้ายังมี ก็เติมทิศทางตรงนั้นก่อนครับ
Skill ที่ดีไม่ได้กำจัดการคิด แต่มันกำจัดการเดาที่ไม่จำเป็น ส่วน Index ที่ดีก็ไม่ได้มีไว้ให้ไฟล์ดูเป็นระเบียบอย่างเดียว แต่มันช่วยบอกว่า เมื่อเจองานแบบนี้ ควรไปอ่านอะไรต่อ
อ่านบทความต้นฉบับบน NEXT4I: https://go.next4i.com/next4i/journey/th
#AI, #AIAgent, #AgentSkills, #การทำงานกับAI, #PromptEngineering
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
