สวัสดีค่าา

EP สุดท้ายของ series Claude Code ถอดสมอง ตอนนี้สมองออกจากหัวไปเรียบร้อย 555

EP นี้พูดถึงสิ่งที่อยู่บน frontier ของ Claude Code ในปัจจุบัน — Multi-Agent Workflows หรือระบบที่ Claude หลายตัวทำงานร่วมกันเป็นทีม

Multi-Agent ต่างจาก Subagents ยังไง?

จาก EP.10 เราเห็น Subagents แล้ว แต่ Multi-Agent Workflows ไปไกลกว่านั้น

Subagents (EP.10):
เราสั่ง Claude หลัก → Claude หลักสั่ง subagents
→ ยังมีมนุษย์ควบคุมกลาง

Multi-Agent Workflows:
เราตั้งค่าระบบ → ระบบรันเองอัตโนมัติ
→ Claude ทำหน้าที่ orchestrator เอง
→ สร้าง agents ใหม่ตามที่ต้องการ
→ รายงานผลเมื่อเสร็จ

Headless Mode คืออะไร?

Claude Code สามารถรันใน headless mode หรือ "ไม่มีหน้าต่าง ไม่มีคน" ได้

# รัน Claude Code แบบ headless
claude --headless "review PR ทุกอันที่ open อยู่ใน repo แล้วสรุปเป็น report"

# ตั้งเป็น scheduled job (ทำทุกเช้า 9 โมง)
0 9 * * * claude --headless "สรุป issues ที่ต้อง fix วันนี้"

ทำงานได้เองโดยไม่ต้องมีคนนั่งรอ

ตัวอย่าง Multi-Agent Workflow จริงๆ

Workflow: Code Quality Gate ก่อน merge PR

เมื่อมี PR ใหม่ (trigger ผ่าน GitHub webhook):
        ↓
Agent 1 (Reviewer): อ่าน code changes, ตรวจ logic
        ↓
Agent 2 (Security): ตรวจ security vulnerabilities
        ↓
Agent 3 (Test Writer): สร้าง test cases ที่ missing
        ↓
Agent 4 (Summarizer): รวมผลทั้งหมด เขียน PR comment
        ↓
Post comment ใน GitHub PR อัตโนมัติ

ทั้งหมดนี้เกิดขึ้นอัตโนมัติ ทุกครั้งที่มี PR ใหม่ ไม่ต้องมีคนกด

/workflows Command

Claude Code เพิ่ม /workflows command ที่ช่วยให้ define และ manage workflows:

# สร้าง workflow
/workflows create pr-review

# รัน workflow
/workflows run pr-review

# ดู workflows ทั้งหมด
/workflows list

Dynamic workflows สามารถ orchestrate agents ได้เป็นร้อยเป็นพันใน background ได้ แล้วแต่ use case

ทำไม Multi-Agent ถึง powerful กว่า Single Agent?

เพราะมันแก้ปัญหา fundamental ของ LLMs:

ปัญหาของ single agent:
- Context window จำกัด → ทำงานใหญ่ๆ ไม่ได้
- ทำทุกอย่างพร้อมกันไม่ได้ → ช้า
- มุมมองเดียว → bias

วิธีที่ multi-agent แก้:
- แต่ละ agent มี fresh context → ทำงานใหญ่ได้โดยแบ่งงานกัน
- ทำงาน parallel → เร็วขึ้น 10x หรือมากกว่า
- หลากหลายมุมมอง → ผลลัพธ์ดีขึ้น (Critic-Fixer pattern)

Caution: Multi-Agent ต้องการ Foundation ที่แข็งแรง

นี่คือสิ่งสำคัญที่อยากพูดถึงตอนจบ

Multi-Agent Workflows ที่ไม่มี foundation จาก Tier 1 และ Tier 2 จะ ขยายความผิดพลาด แทนที่จะขยายประสิทธิภาพ

ไม่มี CLAUDE.md → agents ทุกตัวไม่รู้จักโปรเจค
ไม่มี Hooks    → ไม่มีใคร enforce กฎความปลอดภัย
ไม่มี Spec     → agents ตีความ task ไม่ตรงกัน
        ↓
Multi-Agent = หลายๆ ความผิดพลาดพร้อมกัน พินาศ

ถ้าทำตามครบ EP.1-11 แล้ว Multi-Agent จะ powerful มาก แต่ถ้าข้ามมาตรงนี้เลย เละ

สรุป Series Claude Code ถอดสมอง

Tier 1 — Foundation

  • EP.1 CLAUDE.md → pre-loaded memory ทุก session

  • EP.2 Spec Files → ย้ายการตัดสินใจมาที่เรา ก่อน code

  • EP.3 Plan-First → บังคับ Claude วางแผนก่อน 1% - 100%

  • EP.4 Decision Logs → จำ

Tier 2 — Automation

  • EP.5 Knowledge Graph → ลด tokens 71x ด้วยแผนที่โปรเจค

  • EP.6 Hooks → enforcement 100% ไม่ใช่แค่ advisory

  • EP.7 MCP → เชื่อมโลกภายนอก 3000+ integrations

  • EP.8 Memory Tools → จำข้ามวันแบบ automatic

Tier 3 — Ecosystem

  • EP.9 Skills → สอน Claude ความสามารถพิเศษของทีม

  • EP.10 Subagents → specialist team แทน generalist คนเดียว

  • EP.11 Plugins → แพ็กทุกอย่างแชร์ทั้งทีม

  • EP.12 Multi-Agent → autopilot workflows ไม่ต้องมีคนกด

ขอบคุณที่ติดตาม series นี้มาจนจบนะคะ หวังว่าจะเป็นประโยชน์กับทุกคนที่กำลังพัฒนา skills ด้าน AI ค่า 🙏

หวังว่าจะเป็นประโยชน์นะคะ มาถอดสมองกันนน

Tags: Claude Code, AI, Multi-Agent, Workflows, Automation, Advanced, Developer Tools