นักพัฒนา Affaan Mustafa หลังจากคว้าชัยชนะในงาน Hackathon ที่จัดโดย Anthropic ได้รวบรวมการตั้งค่า Claude Code ทั้งหมดที่สะสมจากการสร้างผลิตภัณฑ์จริงเป็นเวลา 10 เดือน ออกเป็นชุดโอเพนซอร์สให้ใช้งานได้ทันที รวมถึง 13 ตัวแทนปัญญาประดิษฐ์ (智能體) กว่า 40 โมดูลทักษะ 31 คำสั่ง และ AgentShield เครื่องตรวจสอบความปลอดภัย ฯลฯ บทความนี้จะแบ่งปันให้คุณทราบ
(เรื่องราวก่อนหน้า: Clawdbot เทพเจ้า AI ที่ทำให้ Mac mini ขาดตลาด ตลอด 7×24 ชั่วโมง)
(ข้อมูลเพิ่มเติม: ระวัง! การตั้งค่า Clawdbot ที่ไม่เหมาะสมอาจซ่อนช่องโหว่ด้านความปลอดภัยร้ายแรง: มีผู้ใช้ที่เข้ารหัสกระเป๋าเงินถูกปล้น)
สารบัญบทความ
Toggle
งาน Hackathon ล่าสุดของ Anthropic เพิ่งจบลง หลังการแข่งขันแต่ละครั้ง ชุมชนมักจะพูดถึงจุดเด่นด้านเทคนิคของผลงานที่ได้รับรางวัล หรือว่ามีโจทย์ใหม่อะไรจาก Anthropic แต่บทความนี้อยากแบ่งปันสิ่งที่มีคุณค่าระยะยาวมากกว่า: ผู้ชนะ Affaan Mustafa เขาได้รวบรวมการตั้งค่า Claude Code ทั้งหมดที่สะสมจากการสร้างผลิตภัณฑ์จริงเป็นเวลา 10 เดือน ออกเป็นชุดโอเพนซอร์สที่สามารถติดตั้งได้โดยตรง ชื่อว่า “everything-claude-code” ซึ่งเปิดเผยอย่างไม่เห็นแก่ตัวบน GitHub
จนถึงเวลาที่เขียนบทความนี้ รีโพซิทอรีนี้มีดาวกว่า 49,000 ดวง และมีการ fork มากกว่า 6,200 ครั้ง ตัวเลขนี้ไม่ใช่แค่สะท้อนความสนใจในเครื่องมือเท่านั้น แต่ยังเป็นปัญหาที่แท้จริงในด้านการพัฒนาโดยใช้ AI ช่วยเหลือ: การตั้งค่า Claude Code ให้พร้อมใช้งานในสถานการณ์จริงไม่ได้ง่ายอย่างที่หลายคนคิด ด้านล่างนี้คือภาพรวมคุณสมบัติเด่นของการตั้งค่านี้
ชุดนี้ถูกจัดระเบียบเป็นห้าระดับหลัก โดยมีการแบ่งงานชัดเจนในเชิงตรรกะ:
ตัวแทน (Agents): มี 13 ตัวแทนปัญญาประดิษฐ์เฉพาะทาง แต่ละตัวรับผิดชอบงานเฉพาะด้าน เช่น นักวางแผน สถาปนิก ผู้แนะนำ TDD ผู้ตรวจสอบโค้ด ผู้ตรวจสอบความปลอดภัย ตัวแก้ไขข้อผิดพลาด การรันเทสต์แบบ end-to-end นักรีแฟคเตอร์และทำความสะอาด เอกสารอัปเดต รวมถึงการตรวจสอบภาษาเฉพาะ เช่น Go, Python, ฐานข้อมูล
แต่ละตัวแทนถูกออกแบบให้เป็นจุดมอบหมายงาน ไม่ใช่ให้ตัวแทนหลักทำทุกอย่างเอง ซึ่งแนวคิดนี้สอดคล้องกับข้อจำกัดด้านประสิทธิภาพของโมเดลภาษาใหญ่ในเรื่องของความกว้างแต่ไม่ลึก
โมดูลทักษะ (Skills): มีมากกว่า 40 กระบวนการทำงานที่กำหนดไว้ แบ่งตามภาษาและบริบท เช่น TypeScript, Python, Go, Java, C++, Django, Spring Boot ซึ่งมีแนวทางปฏิบัติชัดเจนในด้านการทดสอบ ความปลอดภัย การดีพลอยเมนต์ การออกแบบ API การย้ายฐานข้อมูล การใช้ Docker ที่ชัดเจน
นอกจากนี้ยังมีโมดูลทักษะระดับสูง เช่น “Cost-aware LLM pipeline” และ “Content hashing cache mode” ซึ่งแสดงให้เห็นว่าการตั้งค่านี้ได้ก้าวข้ามการช่วยเหลือด้านการพัฒนาแบบพื้นฐาน ไปสู่การเป็นส่วนหนึ่งของการสร้างผลิตภัณฑ์ AI เอง
คำสั่ง (Commands): มี 31 คำสั่งแบบ slash command เพื่อให้สามารถเรียกใช้กระบวนการทำงานหลักได้ทีละขั้น /plan, /tdd, /code-review, /build-fix, /e2e เป็นคำสั่งพื้นฐาน และในเวอร์ชันใหม่ยังเพิ่มคำสั่งประสานงานหลายตัวแทน เช่น /multi-plan, /multi-execute รวมถึงคำสั่งเกี่ยวกับการเรียนรู้ เช่น /instinct-status, /evolve
Hooks (ฮุก): เป็นกลไกอัตโนมัติที่อิงกับตัว trigger เพื่อจัดการความทรงจำในบทสนทนาข้ามรอบ การบีบอัดบริบท และการสกัดโมเดล ซึ่งเป็นพื้นฐานที่ทำให้ AI คงความต่อเนื่องของบริบทในระยะยาว ซึ่งมักเป็นส่วนที่มือใหม่มองข้าม
กฎ (Rules): กฎการเขียนโค้ดที่ต้องปฏิบัติตามเสมอ แบ่งเป็น 4 ระดับ ได้แก่ กฎทั่วไป, กฎ TypeScript, กฎ Python, กฎ Go ซึ่งครอบคลุมสไตล์โค้ด กระบวนการทำงาน Git มาตรฐาน การทดสอบ ความปลอดภัย ชุดนี้รองรับ Windows, macOS, Linux และสามารถตรวจจับตัวจัดการแพ็กเกจอย่าง npm, pnpm, yarn, bun อัตโนมัติ
ในบรรดาโมดูลต่าง ๆ มีสามจุดที่น่าสนใจเป็นพิเศษ เพราะสะท้อนถึงแนวทางการพัฒนา AI ช่วยเหลืออย่างชัดเจน
AgentShield (เครื่องตรวจสอบความปลอดภัย): เป็นเครื่องมือวิเคราะห์ static สำหรับ Claude Code โดยเฉพาะ มีชุดกฎการสแกนช่องโหว่ 102 รายการ ตัวอย่างเคสทดสอบ 912 รายการ และครอบคลุมการทดสอบถึง 98% จุดประสงค์คือเพื่อให้แน่ใจว่าเมื่อ AI ได้รับสิทธิ์ในการรันโค้ด เข้าถึงไฟล์ระบบ หรือเรียก API ภายนอก การตั้งค่าก็ไม่เป็นช่องโหว่ร้ายแรง
การมี AgentShield แสดงให้เห็นว่าปัญหานี้รุนแรงพอที่จะต้องมีเครื่องมือเฉพาะทางมาจัดการ ซึ่งเป็นคำเตือนสำคัญสำหรับทีมที่ใช้งาน AI ในสภาพแวดล้อมการผลิต
Continuous Learning v2 (กลไกการเรียนรู้อย่างต่อเนื่อง v2): อธิบายด้วยแนวคิด “สัญชาตญาณ” ของ AI ที่สามารถสกัดรูปแบบพฤติกรรมจากการโต้ตอบในอดีต พร้อมคะแนนความมั่นใจ ซึ่งหมายความว่า Claude สามารถสะสม “ความทรงจำ” เกี่ยวกับฐานโค้ดเฉพาะได้ตามเวลา โดยไม่ต้องสร้างบริบทใหม่ทุกครั้งที่สนทนา กลไกนี้เปลี่ยนความรู้ที่เคยต้องจัดการด้วยมนุษย์ ให้กลายเป็นการทำงานอัตโนมัติของระบบ
Skill Creator (เครื่องสร้างทักษะอัตโนมัติ): วิเคราะห์ประวัติการ commit ใน Git เพื่อสร้างโมดูลทักษะเฉพาะสำหรับฐานโค้ดนั้น ๆ การออกแบบนี้ช่วยลดระยะเวลาจาก “รู้ว่า Claude Code ทำอะไรได้” ไปสู่ “ให้ Claude Code ทำงานกับฐานโค้ดของฉัน” สำหรับนักพัฒนาที่เน้นด้านเฉพาะทาง ก็สามารถดึงข้อมูลจากประวัติการพัฒนาของตัวเองมาปรับแต่งการตั้งค่าได้โดยไม่ต้องเริ่มจากศูนย์
Mustafa เลือกเปิดเผยชุดการตั้งค่านี้ในเชิงสร้างโครงสร้างพื้นฐานให้ชุมชน เพราะเป็นการเปลี่ยนต้นทุนการทดลองผิดพลาดซึ่งแต่ละคนต้องจ่าย ไปเป็นทรัพยากรสาธารณะในรูปแบบหนึ่ง
แนวคิดนี้ไม่ใช่เรื่องใหม่ในชุมชนโอเพนซอร์ส เช่น ชุดกฎ ESLint หรือเทมเพลต Docker Compose แต่ความซับซ้อนของการตั้งค่า AI ช่วยพัฒนานั้นสูงกว่ามาก โครงสร้างของ Claude Code ไม่ใช่แค่เปิด/ปิดฟังก์ชัน แต่เกี่ยวข้องกับสถาปัตยกรรมตัวแทน การออกแบบ prompt กระบวนการทำงาน การจัดการความทรงจำข้ามรอบ ฯลฯ ซึ่งเป็นการตัดสินใจหลายมิติที่ซับซ้อน
แต่ต้องเข้าใจว่าการตั้งค่านี้เป็นผลลัพธ์ของนักพัฒนาคนเดียวในบริบทเฉพาะ ไม่สามารถนำไปใช้ได้โดยตรงในทุกสถานการณ์
อย่างไรก็ตาม มันยังคงมีคุณค่า เป็นจุดเริ่มต้นที่ดีสำหรับผู้ใช้งาน Claude Code มือใหม่ การตั้งค่าที่มีรากฐานชัดเจนจะดีกว่าการเริ่มจากศูนย์ สำหรับผู้ใช้งานที่มีประสบการณ์ ก็สามารถนำไปเปรียบเทียบและปรับแต่งได้ตามต้องการ
Mustafa ได้รวบรวมการตัดสินใจในช่วง 10 เดือนเป็นชุดที่สามารถติดตั้งใช้งานได้ ชุดนี้ไม่ได้สมบูรณ์แบบ แต่เป็นการเปิดเผยความรู้ที่ซ่อนอยู่ในรูปแบบที่ชัดเจน สามารถอ้างอิงและปรับแต่งได้ง่าย