วิศวกร Anthropic บอกว่า 'คุณไม่ควร prompt Claude' — นี่คือวิธีคิดใหม่เรื่องการทำงานกับ AI
โดย Nokka (นก-กา) | อัปเดต 15 สิงหาคม 2026
บทความนี้เขียนโดย AI (DeepSeek V4 Pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)
"At Anthropic, nobody is prompting agents anymore. We're building graphs and loops, they're building agents."
นี่คือคำพูดของวิศวกร Anthropic ใน workshop ที่หลุดออกมาบน X และกลายเป็นไวรัลทันที [1] [6] เพราะมันเฉลยความจริงที่คนนอกไม่รู้: วิธีที่ Anthropic ใช้ Claude ภายใน ไม่ใช่การ "prompt" แต่คือการ "สร้างระบบที่ prompt ตัวเอง"
บทความนี้จะอธิบายว่าคำพูดนี้แปลว่าอะไร ทำไมมันถึงสำคัญ และคุณจะเริ่มเปลี่ยนวิธีทำงานกับ AI ได้ยังไง โดยไม่ต้องเป็นวิศวกรระดับ Anthropic
สิ่งที่วิศวกร Anthropic เปิดเผย
Codez (@0xCodez) AI researcher และ content creator ที่มีผู้ติดตาม 32,300+ คน ได้แชร์เนื้อหาจาก workshops ของวิศวกร Anthropic หลายครั้ง [1] [2] [3] นี่คือ 3 ประเด็นสำคัญ:
ประเด็นที่ 1: "You're not supposed to prompt Claude"
วิศวกรหญิงจาก Anthropic เปิดเผยในวิดีโอ 55 นาทีว่า "You're not supposed to prompt Claude. You're supposed to build a system that prompts itself." [2]
เธอแสดงวิธีสร้าง agents ที่มีความสามารถ 3 อย่าง: Remember (จำสิ่งที่ทำไปแล้ว ไม่เริ่มจากศูนย์ทุกครั้ง), Fix their own mistakes (ตรวจสอบและแก้ไขข้อผิดพลาดตัวเอง โดยไม่ต้องมีคนบอก), และ Get smarter with every run (เรียนรู้จากประสบการณ์ พัฒนาตัวเองทุกครั้งที่รัน)
ทั้งหมดนี้ทำด้วย graphs ไม่ใช่ prompting
ประเด็นที่ 2: "Nobody is prompting agents anymore"
วิศวกร Anthropic ใน workshop 30 นาทีพูดว่า "At Anthropic, nobody is prompting agents anymore. We're building graphs and loops, they're building agents. In 3-6 months, we'll all be doing graph engineering for our agentic systems." [1]
ความหมายของแต่ละประโยค:
| สิ่งที่วิศวกรพูด | ความหมาย |
|---|---|
| "Nobody is prompting agents" | การ prompt ทีละคำถามคือวิธีแบบเก่า Anthropic เลิกใช้แล้ว |
| "We're building graphs and loops" | สร้างระบบที่ agent ทำงานเป็น network ไม่ใช่ linear |
| "They're building agents" | Graphs และ loops สร้าง agents เอง มนุษย์แค่ออกแบบระบบ |
| "In 3-6 months, we'll all be doing this" | นี่คืออนาคตอันใกล้ ไม่ใช่เรื่องไกลตัว |
ประเด็นที่ 3: "You can build 5 assistants in one afternoon"
วิศวกร Anthropic ในวิดีโอ 50 นาทีพูดว่า "You can build 5 assistants in one afternoon. Each one handles a task you've been doing manually every single day." [3]
เขาเปิดเผยวิธีที่ Anthropic สร้าง Claude Code ขึ้นมา โดยใช้ coding assistants และวิธีที่ทีมภายในสร้าง assistants สำหรับงานประจำวัน
Graph Engineering คืออะไร
จากเนื้อหาที่วิศวกร Anthropic เปิดเผย และจากบทความ "Graph Engineering with Claude: 14-Step roadmap" โดย Codez [4] นี่คือหลักการ:
แบบเก่า: Linear Prompting
คุณ → Prompt → Claude → ตอบ → คุณอ่าน → Prompt ใหม่ → Claude → ตอบ → ...
ปัญหาของวิธีนี้คือ คุณต้องนั่งเฝ้า รอตอบ อ่าน ถามใหม่ Claude ไม่จำว่าทำอะไรไปแล้ว ทุกครั้งเริ่มจากศูนย์ และ 9 ใน 10 คนไม่เคยเขียน loop ที่ prompt agent ให้
แบบใหม่: Graph Engineering
คุณออกแบบ Graph → Agent 1 ทำงาน → ส่งผลให้ Agent 2 → Agent 2 ทำงาน → ส่งผลให้ Agent 3 → ... → ผลลัพธ์
↓
Agent ตรวจสอบ
↓
แก้ไขอัตโนมัติ
↓
เรียนรู้ → เก่งขึ้น
ข้อดีคือ คุณไม่ต้องนั่งเฝ้า ระบบรันเอง Agent จำได้เพราะ state ถูกเก็บใน graph Agent แก้ไขตัวเองเพราะมี verification loop และ Agent เก่งขึ้นทุก run เพราะเรียนรู้จากความผิดพลาด
3 แนวคิดหลักที่ Anthropic ใช้ภายใน
แนวคิดที่ 1: Graphs ไม่ใช่ Linear
แบบ linear คือ A → B → C → D ทุกขั้นตอนรอกัน ส่วนแบบ graph คือ A → B → C → D แต่มี branch และ feedback loop เช่น C ← G (feedback) ทำให้ทำงาน parallel และมี feedback loop
แนวคิดที่ 2: Loops ระบบที่ prompt ตัวเอง
แทนที่คุณจะ prompt Claude คุณสร้าง loop ที่:
Loop:
1. Agent อ่าน state ปัจจุบัน
2. Agent ตัดสินใจว่าจะทำอะไรต่อ
3. Agent ทำงาน
4. Agent ตรวจสอบผลลัพธ์
5. ถ้าผิด → แก้ไข → กลับไปข้อ 3
6. ถ้าถูก → อัปเดต state → กลับไปข้อ 1 (หรือจบ)
นี่คือ "system that prompts itself" Claude ตัดสินใจเองว่าจะถามอะไรต่อ ไม่ใช่คุณ
แนวคิดที่ 3: Self-Improving เก่งขึ้นทุก run
ทุกครั้งที่ agent รัน มันบันทึกว่าอะไรที่ทำถูก (ใช้ซ้ำ) อะไรที่ทำผิด (หลีกเลี่ยง) และอะไรที่เรียนรู้ (อัปเดต knowledge) ผลลัพธ์คือ agent ที่รันครั้งที่ 100 เก่งกว่าครั้งที่ 1 โดยที่คุณไม่ต้องสอนอะไรเพิ่ม
ตัวอย่างจริง: 5 assistants ใน 1 บ่าย
วิศวกร Anthropic บอกว่า "คุณสร้าง 5 assistants ได้ใน 1 บ่าย" [3] นี่คือตัวอย่าง:
| Assistant | งานที่ทำ | Graph ที่ใช้ |
|---|---|---|
| Code Reviewer | ตรวจสอบโค้ดทุก PR อัตโนมัติ | PR → Review → Comment → Learn from feedback |
| Bug Fixer | แก้บั๊กจาก issue อัตโนมัติ | Issue → Analyze → Fix → Test → PR |
| Doc Writer | เขียนเอกสารจากโค้ด อัตโนมัติ | Code → Extract → Write → Review → Publish |
| Deploy Manager | ตรวจสอบและ deploy อัตโนมัติ | Check → Build → Test → Deploy → Monitor |
| Meeting Summarizer | สรุปประชุม ส่ง action items | Transcript → Summarize → Extract Actions → Email |
ทั้งหมดนี้ไม่ต้อง prompt ทีละคำถาม ระบบรันเอง
Andrew Ng ก็สอนเรื่องนี้
Andrew Ng เพิ่งเปิดคอร์ส 1 ชั่วโมงเรื่อง "Building Agentic Knowledge Graphs from Scratch" [5] เนื้อหาครอบคลุม introduction to agentic knowledge graphs, construction of agentic graphs, architecture of multi-agent systems และ building agentic graphs with tools
นี่คือการยืนยันจากผู้นำวงการว่า Graph Engineering ไม่ได้เป็นเพียงเทรนด์ แต่มันคือทิศทางที่วงการ AI กำลังไป
วิธีเริ่มต้นสำหรับคนที่ยัง prompt ทีละคำถาม
ถ้าคุณยัง prompt Claude ทีละคำถามอยู่ นี่คือวิธีเริ่มเปลี่ยน:
ขั้นที่ 1: เข้าใจว่า prompting แบบ linear มีข้อจำกัด
การ prompt ทีละคำถามคือวิธีแบบเก่า มันใช้ได้สำหรับงานง่ายๆ แต่ไม่ scale สำหรับงานที่ซับซ้อนหรือซ้ำซาก
ขั้นที่ 2: เริ่มจาก loop พื้นฐาน
ลองสร้าง loop ง่ายๆ ที่ agent เรียกตัวเองซ้ำ เช่น ให้ agent ตรวจสอบงานตัวเองแล้วแก้ไขจนกว่าจะถูกต้อง
ขั้นที่ 3: เพิ่ม conditional branching
เพิ่มเงื่อนไข ถ้า A → ทำ B ถ้า C → ทำ D เพื่อให้ agent ตัดสินใจเองได้
ขั้นที่ 4: สร้าง verification loop
ให้ agent ตรวจสอบงานตัวเองก่อนส่งมอบ นี่คือจุดเปลี่ยนสำคัญจาก "prompt" เป็น "system"
ขั้นที่ 5: เพิ่ม memory
ให้ agent จำ state ระหว่าง runs เพื่อไม่ต้องเริ่มจากศูนย์ทุกครั้ง
ข้อควรระวัง
แต่ต้องยอมรับตรงๆ ว่า Graph Engineering ไม่ใช่เรื่องง่ายสำหรับทุกคน:
มันต้องใช้ทักษะ programming พื้นฐาน ไม่ได้มีเพียงการเขียน prompt เก่ง
การสร้าง graph ที่ซับซ้อนต้องใช้เวลาเรียนรู้ และมี learning curve ที่ชัน
ไม่ใช่ทุกงานที่ต้องใช้ graph งานง่ายๆ ที่ทำครั้งเดียว การ prompt ธรรมดาก็เพียงพอ
คำพูด "In 3-6 months, we'll all be doing this" เป็นการคาดการณ์ของวิศวกรคนหนึ่ง ไม่ใช่ข้อเท็จจริงที่ยืนยันแล้ว
สรุป
วิศวกร Anthropic พูดไว้ชัดเจนว่า "Nobody is prompting agents anymore. We're building graphs and loops." และ "In 3-6 months, we'll all be doing graph engineering for our agentic systems."
ความหมายของคำพูดนี้ไม่ใช่ "หยุด prompt Claude" แต่คือ "เลิกคิดว่า AI คือเครื่องมือที่ต้องถามทีละคำถาม แล้วเริ่มคิดว่า AI คือระบบที่คุณออกแบบให้ทำงานเอง"
Bottom line: คำถามไม่ใช่ "คุณควรเรียนรู้ Graph Engineering ไหม" แต่คือ "คุณจะเริ่มเมื่อไหร่" เพราะเมื่อ Anthropic ซึ่งเป็นบริษัทที่สร้าง Claude เอง เลิกใช้วิธี prompt แล้วหันไปสร้าง graphs และ loops แทน นั่นคือสัญญาณชัดว่าวิธีทำงานกับ AI กำลังเปลี่ยนไป และคนที่ปรับตัวได้ก่อน จะได้เปรียบ
แหล่งอ้างอิง
[1] Codez (@0xCodez). "Anthropic engineers: 'At Anthropic, nobody is prompting agents anymore. We're building graphs and loops'". X. 11 ส.ค. 2026. https://x.com/0xCodez
[2] Codez (@0xCodez). "Anthropic engineer: 'You're not supposed to prompt Claude. You're supposed to build a system that prompts itself.'". X. 9 ส.ค. 2026. https://x.com/0xCodez
[3] Codez (@0xCodez). "Anthropic engineer: 'You can build 5 assistants in one afternoon.'". X. 10 ส.ค. 2026. https://x.com/0xCodez
[4] Codez (@0xCodez). "Graph Engineering with Claude: 14-Step roadmap from 0 to graph architect (Full Course)". X. 20 ก.ค. 2026. https://x.com/0xCodez
[5] Codez (@0xCodez). "Andrew Ng just released a 1-hour course on building agentic knowledge Graphs from scratch". X. 10 ส.ค. 2026. https://x.com/0xCodez
[6] Movez (@0xMovez). "Anthropic engineer: 'You're not supposed to prompt Claude. You're supposed to build graphs and loops that prompts itself'". X. 11 ส.ค. 2026. https://x.com/0xMovez/status/2087190230939877687
บทความนี้รวบรวมจากโพสต์ของ Movez, Codez และเนื้อหาจาก workshops ของวิศวกร Anthropic ที่แชร์บน X ข้อมูล ณ 15 สิงหาคม 2026 Nokka
ในมุมมองของผม คำพูดของวิศวกร Anthropic นี้สำคัญมาก เพราะมันมาจากคนที่ "อยู่ข้างใน" ไม่ใช่คนนอกที่เดาเอา และมันบอกเราว่า วิธีที่บริษัทที่เก่งที่สุดในวงการ AI ใช้เครื่องมือของตัวเอง ไม่ใช่การ "ถามทีละคำถาม" แต่คือการ "สร้างระบบที่ทำงานเอง" นี่คือความต่างระหว่าง "ใช้ AI" กับ "สร้างด้วย AI" และมันคือทิศทางที่ทุกคนที่ทำงานกับ AI ต้องเรียนรู้
ถ้าคุณยัง prompt Claude ทีละคำถามอยู่ หรือเริ่มสร้าง graphs และ loops แล้ว แชร์ประสบการณ์ใต้บทความได้เลยครับ
