/grill-me กับ /loop-meงานส่วนใหญ่ที่ AI ทำพลาด ไม่ได้พังเพราะมันเขียนโค้ดไม่เป็น แต่เพราะเราบอกงานไม่ครบตั้งแต่แรก สองสกิลของ Matt Pocock นี้กลับด้าน ให้ AI เป็นฝ่ายซักถามเราจนสเปกชัดก่อนลงมือ
เวลาให้ AI ทำงานแล้วผลออกมาไม่ตรงใจ เรามักโทษว่ามันไม่เก่งพอ แต่ความจริงที่เจอบ่อยกว่าคือเราเองที่บอกงานไม่ครบ
ในหัวเรามีรายละเอียดที่คิดว่า "ก็รู้ ๆ กันอยู่" เต็มไปหมด แต่ไม่เคยพูดออกมา AI เลยต้องเดาเอง แล้วก็เดาผิดบ้างถูกบ้าง
สกิล /grill-me กับ /loop-me ของ Matt Pocock แก้ปัญหานี้ด้วยวิธีที่ฟังดูสวนทาง คือให้ AI ซักถามเรากลับ
ยิงคำถามไล่ทีละจุดจนความเข้าใจของสองฝ่ายตรงกัน แล้วค่อยลงมือ (เรื่องสกิลคืออะไร ติดตั้งยังไง ดูได้ในบทความก่อนหน้า)
ทั้งสองสกิลใช้เครื่องยนต์ตัวเดียวกันที่ Matt Pocock เรียกว่า grilling (อ่านว่า "กริลลิง") คำว่า grill แปลตรงตัวคือ "ย่างบนเตา" แต่ในภาษาอังกฤษ to grill someone เป็นสำนวนแปลว่า "ซักไซ้ไล่เลียงอย่างหนัก" (เหมือนจับไปย่างบนเตาร้อน ๆ) ก็คือซักให้อยู่หมัดนั่นเอง หัวใจของมันสรุปได้เป็นคำสั่งสั้น ๆ ในไฟล์สกิลจริง ซึ่งอ่านแล้วเข้าใจแนวคิดทั้งหมดได้เลย
ซักผมอย่างไม่ปรานีในทุกแง่มุมของแผนนี้ จนกว่าเราจะเข้าใจตรงกัน
ไล่ลงไปทีละกิ่งของ "ต้นไม้การตัดสินใจ" แก้ทีละจุดตามลำดับ
แต่ละคำถาม ให้เสนอคำตอบที่คุณแนะนำมาด้วย
ถามทีละคำถาม รอฟังคำตอบก่อนค่อยถามข้อถัดไป ถามรัวหลายข้อพร้อมกันมันชวนงง
ถ้าคำถามไหนหาคำตอบเองได้จากในโค้ด ให้ไปดูโค้ดเองแทนที่จะถาม
อย่าเพิ่งลงมือทำ จนกว่าผมจะยืนยันว่าเราเข้าใจตรงกันแล้วจับหลักการสำคัญได้ 4 ข้อจากตรงนี้ ซึ่งเป็นสิ่งที่ทำให้มันต่างจากการพิมพ์สั่งงานปกติ
/grill-me และ /loop-me ใช้วงจรนี้เหมือนกัน
ความต่างของสองสกิลอยู่ที่ "ซักเรื่องอะไร" และ "ได้อะไรออกมา" คือ /grill-me ซักเรื่องงานครั้งเดียว
ส่วน /loop-me ซักเรื่องงานที่ทำวนซ้ำ ไปดูทีละตัว
/grill-me เอาไว้ใช้ตอนกำลังจะเริ่มงานหรือฟีเจอร์ใหม่ที่ในหัวยังคลุมเครือ แทนที่จะรีบสั่งให้ AI ลุยเลย
ก็เรียกมันมาซักเราให้ครบทุกมุมก่อน Matt เล่าว่ารอบแรกที่ลองใช้ โดนถามไป 38 คำถาม และปกติจะอยู่ที่ราว ๆ 16–50 คำถามต่อครั้ง
ฟังดูเยอะ แต่หลายคำถามคือสิ่งที่เราไม่เคยคิดว่าต้องตัดสินใจมาก่อน
พิมพ์ /grill-me แล้วบอกคร่าว ๆ ว่าจะทำอะไร จากนั้นก็ตอบคำถามที่มันยิงกลับมาไปทีละข้อ ตัวอย่างบทสนทนาจริงจะออกแนวนี้
เรา: /grill-me อยากทำปุ่ม export รายงานเป็น PDF
AI: เริ่มจากขอบเขตก่อน export ทีละรายงานที่เปิดอยู่ หรือเลือกหลายอันพร้อมกันได้ด้วย?
(แนะนำ: ทีละอันก่อน เพราะยังไม่เห็น use case ของ batch ในโค้ดตอนนี้)
เรา: เอาทีละอันพอ
AI: สร้าง PDF ฝั่ง client หรือ server ดี? ผมเช็ค package.json แล้วเห็นว่ามี puppeteer อยู่แล้ว
(แนะนำ: ทำฝั่ง server ด้วย puppeteer จะได้หน้าตาตรงกับที่เห็นบนเว็บเป๊ะ)
เรา: โอเค เอาตามนั้น
AI: ถ้ารายงานยาวหลายหน้า จะใส่เลขหน้ากับหัว/ท้ายกระดาษไหม? ...พอวนถามจนครบทุกกิ่งของการตัดสินใจแล้ว สิ่งที่ได้คือบทสนทนาที่อัดแน่นไปด้วยข้อสรุปที่เราตกลงไว้ทั้งหมด ซึ่งกลายเป็นฐานให้ทำงานขั้นถัดไปต่อได้ทันที เช่นให้มันสรุปเป็นเอกสารสเปก (PRD) หรือแตกเป็น issue ย่อย ๆ แล้วค่อยลงมือเขียนโค้ดตามนั้น
ข้อดี
ข้อเสีย / ข้อควรระวัง
เหมาะกับเคสไหน
ฟีเจอร์ใหม่ที่ requirement ยังไม่นิ่ง งานที่มีการตัดสินใจหลายจุดเกี่ยวพันกัน (เช่นระบบค้นหา ระบบสิทธิ์ผู้ใช้) หรือเวลาที่รู้ว่า "อยากได้ประมาณนี้" แต่ยังบอกรายละเอียดไม่ถูก ส่วนที่ไม่เหมาะกับงานแก้ typo หรือแก้บรรทัดเดียว
/loop-me ใช้วงจร grilling เดียวกัน แต่เปลี่ยนหัวข้อจาก "งานครั้งเดียว" มาเป็นงานที่เราทำวนซ้ำเป็นประจำ
ไม่ว่าจะเป็นกิจวัตรในแต่ละวัน แต่ละสัปดาห์ หรืองานประจำในสายงาน มันจะซักเราด้วย "แว่นมองลูป" (loop lens)
เพื่อดึงเอางานวน ๆ ที่เราทำจนชินจนไม่ทันสังเกตออกมา แล้วช่วยตัดสินว่าอันไหนคุ้มที่จะยกให้ AI ทำแทน
เป้าหมายสุดท้ายคือได้ "สเปกของ workflow" ที่ชัดพอจนอีก agent หยิบไปสร้างเป็นระบบอัตโนมัติได้เลยโดยไม่ต้องถามอะไรเพิ่ม
ชื่อสกิลก็บอกอยู่ในตัว คำว่า loop อ่านว่า "ลูป" แปลว่า "วง" หรือ "การวนกลับมาทำซ้ำ" (แบบวิ่งวนเป็นรอบ ๆ) เลยเจาะจงงานที่เราทำวนเป็นประจำ ไม่ใช่งานทำครั้งเดียวจบ
ระวัง
ณ ตอนที่เขียนบทความนี้ /loop-me ยังอยู่ในโฟลเดอร์ in-progress/ ของ repo แปลว่าเป็นของทดลอง อาจมีการปรับเปลี่ยนหรือย้ายที่ได้ ลองใช้ได้แต่อย่าเพิ่งพึ่งพาว่ามันจะนิ่งเหมือน /grill-me
สิ่งที่ทำให้ /loop-me ต่างจากการจดลิสต์งานเฉย ๆ คือมันเจาะ 3 เรื่องที่จำเป็นต่อการทำให้งานเดินเองได้จริง
พิมพ์ /loop-me แล้วเล่าให้มันฟังว่ามีงานอะไรที่ทำซ้ำ ๆ บ้าง จากนั้นก็ตอบคำถามไปทีละข้อเหมือนเดิม
เรา: /loop-me
AI: ในหนึ่งสัปดาห์ มีงานอะไรที่คุณทำซ้ำ ๆ เกือบทุกครั้งบ้าง?
เรา: ทุกเช้าต้องไล่เช็ค issue ใหม่ใน GitHub แล้วจัดว่าอันไหนด่วน
AI: งานนี้ควรเริ่มทำงานเองแบบไหนดี? (แนะนำ: ตั้งเป็นเวลาทุกเช้า 9 โมง
น่าจะเข้าท่ากว่ารอ trigger ตอนมี issue เข้า เพราะคุณอยากรีวิวเป็นรอบ)
เรา: ใช่ ทุกเช้า 9 โมง
AI: จุดไหนที่อยากตัดสินใจเอง? (แนะนำ: ให้ AI ร่างการจัดลำดับความสำคัญมาก่อน
แล้วค่อยให้คุณเคาะเฉพาะอันที่มันไม่แน่ใจ แบบนี้คือ push right) ...เมื่อคุยจนตกผลึก มันจะเขียนออกมาเป็นไฟล์ให้ในโปรเจกต์ 2 แบบ
workflows/*.md: สเปกของแต่ละ workflow แยกไฟล์ พร้อมให้ agent เอาไปสร้างเป็นระบบอัตโนมัติจริงNOTES.md: บันทึกบริบทของเรา เช่นใช้เครื่องมืออะไร ช่องทางไหน คำศัพท์เฉพาะที่ใช้ในทีม เพื่อให้ครั้งต่อ ๆ ไปไม่ต้องเล่าใหม่ข้อดี
ข้อเสีย / ข้อควรระวัง
in-progress/) อาจเปลี่ยนได้เหมาะกับเคสไหน
กิจวัตรตอนเช้า, การรีวิวงานประจำสัปดาห์, การคัดกรองอีเมล, การ triage (อ่านว่า "ทรี-อาจ" ยืมมาจากศัพท์ห้องฉุกเฉิน = คัดแยกผู้ป่วยตามความด่วน) issue ที่เข้าใหม่ พูดง่าย ๆ คืออะไรก็ตามที่จับได้ว่า "ทำแบบเดิมซ้ำ ๆ ทุกรอบ" แล้วอยากยกให้ระบบทำแทน
สองสกิลนี้ไม่ได้แข่งกัน แต่ใช้กันคนละจังหวะ จำง่าย ๆ คือดูที่ว่างานนั้น "ทำครั้งเดียว" หรือ "ทำวนซ้ำ"
/grill-me · งานที่ทำวนซ้ำใช้ /loop-me /grill-me มากับชุดสกิลหลักของ Matt Pocock ติดตั้งด้วยคำสั่งเดียว (ชุดเดียวกับ /handoff ในบทความก่อนหน้า)
เสร็จแล้วก็เรียก /grill-me ได้เลย
npx skills@latest add mattpocock/skills
ระหว่างติดตั้งมันจะถามให้เลือกสกิล (เลือก /grill-me ไว้) เสร็จแล้วรันคำสั่ง setup ในแชทอีกทีเพื่อบอกค่าพื้นฐาน เช่นใช้ระบบ issue อะไรและเก็บเอกสารไว้ที่ไหน
/setup-matt-pocock-skills
ส่วน /loop-me เพราะยังอยู่ในโฟลเดอร์ in-progress/ เลยต้องระบุเจาะจงว่าจะเอาสกิลตัวนี้ตัวเดียว
npx skills add https://github.com/mattpocock/skills --skill in-progress/loop-meโน้ต
สกิลจากภายนอกก็เหมือนโค้ดจากภายนอก ควรเปิดไฟล์ SKILL.md ดูสักนิดว่ามันสั่งให้ Claude ทำอะไรก่อนติดตั้ง ทั้ง /grill-me และ /loop-me เป็นสกิลสาย "ถาม-ตอบ" ที่ไม่ได้ไปรันคำสั่งอันตรายในเครื่อง ถือว่าปลอดภัยและอ่านเข้าใจง่าย
เรียบเรียงและอธิบายใหม่ด้วยคำตัวเอง โดยอ้างอิงจากไฟล์สกิลจริงและบทความของ Matt Pocock ด้านล่าง