คนส่วนใหญ่ยังใช้ Claude Code ไม่เต็มศักยภาพ: อ่าน source code แล้วเจอว่าของจริงมันไม่ใช่แค่ chat

คนส่วนใหญ่ยังใช้ Claude Code ไม่เต็มศักยภาพ: อ่าน source code แล้วเจอว่าของจริงมันไม่ใช่แค่ chat

มี thread บน X ที่ผมว่าคนใช้ Claude Code ควรอ่าน

ไม่ใช่เพราะมันมีดราม่า และไม่ใช่เพราะมันอ้างว่า “อ่าน source code มาแล้ว” อย่างเดียว

แต่เพราะมันชี้คำถามสำคัญมากข้อหนึ่ง:

เราใช้ Claude Code แบบที่เครื่องมือนี้ถูกออกแบบมาให้ใช้จริงหรือยัง?

โพสต์ของ @mal_shaik เริ่มจากประโยคง่ายๆ ว่า คนส่วนใหญ่เปิด Claude Code พิมพ์ prompt, รอคำตอบ, แล้วค่อยพิมพ์ prompt ต่อ ซึ่งถ้าพูดแบบแรงๆ คือซื้อ Ferrari แล้วขับแค่เกียร์หนึ่ง

พออ่านต่อ ผมว่าประเด็นมันไปไกลกว่าแค่ productivity tip มันสะท้อนว่าตลาด AI coding tools กำลังขยับจาก “chat with code” ไปสู่ “agentic workflow system” เต็มตัวแล้ว

1) Thread นี้พูดอะไร

แก่นของ thread คือ ผู้เขียนอ้างว่าเขาอ่าน source code ของ Claude Code แล้วพบว่าคนส่วนใหญ่ยังใช้มันไม่เต็มศักยภาพ

ประเด็นที่เขายกขึ้นมา เช่น

• CLAUDE.md เป็นสิ่งที่มี leverage สูงมาก
• subagents ถูกออกแบบให้ใช้งานจริง ไม่ใช่ของเล่น
• permission system ควรถูก configure ไม่ใช่นั่งกด allow ทีละครั้ง
• context compaction เป็นเรื่องจริงจังมาก
• hooks คือ extension mechanism สำคัญของ Claude Code

บางข้อใน thread เป็นการตีความจาก source code โดยตรง ซึ่งเราไม่ควรเล่าเป็นข้อเท็จจริงทางการทั้งหมดถ้ายังไม่มีเอกสารทางการยืนยันทีละประโยค แต่สิ่งที่ผมสนใจคือ เมื่อเอาไปเทียบกับ docs ของ Anthropic หลายอย่างมันชี้ไปทางเดียวกัน

คือ Claude Code ไม่ได้ถูกคิดมาให้เป็นแค่หน้าต่างถาม-ตอบ แต่มันถูกคิดมาเป็นระบบที่มี memory, subagents, settings scopes, และ hooks รอบการทำงานอย่างจริงจัง

2) จุดที่ official docs ยืนยันชัด

จาก docs ของ Claude Code เอง มีอย่างน้อย 4 อย่างที่ยืนยันภาพนี้ได้โดยตรง

A. Memory ไม่ใช่ของเสริม

หน้า memory ของ Claude Code อธิบายชัดว่า Claude มีสองระบบสำคัญสำหรับการพาความรู้ข้าม session

• CLAUDE.md files
• Auto memory

Anthropic บอกตรงๆ ว่าทั้งสองอย่างถูกโหลดเข้ามาตั้งแต่ต้นของทุก conversation และทำหน้าที่เป็น context ที่ช่วยให้ Claude รู้เรื่อง project, workflow และ learnings เดิม

นี่สำคัญมาก เพราะมันทำให้การเขียน CLAUDE.md ไม่ใช่ nice-to-have แต่เป็นส่วนหนึ่งของวิธีใช้เครื่องมือให้คุ้ม

B. Subagents คือของจริง ไม่ใช่ gimmick

หน้า subagents ของ Claude Code ก็ยืนยันชัดว่า subagents ทำงานใน context window ของตัวเอง มี tool access ของตัวเอง และถูกใช้เพื่อ preserve context, enforce constraints และแยกงานเฉพาะด้านออกจาก main conversation

Anthropic ยังบอกด้วยว่ามี built-in subagents อย่าง Explore, Plan และ general-purpose อยู่แล้ว

แปลว่า concept เรื่อง “แยก agent ทำงานคนละอย่าง” ไม่ได้เป็น hack ของ user อย่างเดียว แต่มันเป็นส่วนหนึ่งของ product design โดยตรง

C. Settings มีหลาย scope และถูกออกแบบมาเพื่อ configure จริง

หน้า settings อธิบายเรื่อง scope system ชัดมาก

• managed
• user
• project
• local

นี่บอกว่า permission และ configuration ของ Claude Code ไม่ได้ถูกคิดมาให้ user นั่งกดผ่าน UI อย่างเดียว แต่ถูกคิดมาให้ทีมและองค์กรวางกติกาการใช้งานได้จริงในระดับ project และ environment

D. Hooks คือ lifecycle automation layer

หน้า hooks reference ของ Anthropic แสดงว่ามี hook events เยอะมากใน lifecycle ของ Claude Code เช่น

• SessionStart
• UserPromptSubmit
• PreToolUse
• PostToolUse
• SubagentStart
• SubagentStop
• InstructionsLoaded
• ConfigChange
• TaskCreated
• TaskCompleted

นี่คือสัญญาณชัดมากว่า Claude Code ถูกออกแบบให้เป็น workflow engine ได้ระดับหนึ่ง ไม่ใช่แค่ REPL ที่คุยกับ model

3) แปลเป็นภาษาคนใช้จริงคืออะไร

ถ้าสรุปง่ายๆ จากทั้ง thread และ docs ผมว่าข้อความสำคัญมีอยู่ข้อเดียว:

Claude Code จะเก่งขึ้นมาก เมื่อคุณหยุดใช้มันเหมือน chat และเริ่มใช้มันเหมือน system

ความต่างนี้ใหญ่มาก

ใช้แบบ chat

• ถามทีละอย่าง
• รอทีละรอบ
• context กระจัดกระจาย
• กด allow เองทุกครั้ง
• ไม่ตั้ง rule
• ไม่แยก subagent

ใช้แบบ system

• มี CLAUDE.md ชัด
• มี project rules
• มี subagent สำหรับงานเฉพาะ
• มี permission/config ที่วางไว้ล่วงหน้า
• มี hooks ช่วย automate checks
• ใช้ memory และ compaction อย่างตั้งใจ

พอคิดแบบนี้ Claude Code ก็ไม่ใช่แค่ tool ช่วยเขียนโค้ด แต่มันเริ่มคล้าย environment สำหรับการทำงานร่วมกับ AI ใน codebase หนึ่งๆ

4) ทำไมเรื่องนี้สำคัญกับตลาด AI coding tools

ผมคิดว่าจุดใหญ่ของเรื่องนี้ ไม่ใช่แค่ Claude Code อย่างเดียว แต่คือสิ่งที่มันบอกกับทั้ง category

ตลาดรอบแรกแข่งกันว่า

• ใครเขียนโค้ดได้ดีกว่า
• ใครตอบ prompt ได้ฉลาดกว่า
• ใคร benchmark สูงกว่า

แต่ตลาดรอบถัดไปจะเริ่มแข่งกันว่า

• ใครมี memory ที่ใช้งานจริงกว่า
• ใครแยก context ได้ดีกว่า
• ใคร orchestration ดีกว่า
• ใครทำให้ทีม config workflow ได้ง่ายกว่า
• ใครกลายเป็นส่วนหนึ่งของ engineering system ได้จริง

นี่คือเหตุผลว่าทำไมผมมองว่า game นี้เริ่มย้ายจาก model performance ไปสู่ workflow ownership

5) บทเรียนสำหรับทีม dev ไทย

สำหรับทีมไทยที่ใช้ Claude Code อยู่ หรือกำลังใช้ AI coding tool อื่นๆ อยู่ ผมว่ามี 4 บทเรียนที่เอาไปใช้ได้ทันที

ข้อ 1: เขียน CLAUDE.md ให้จริงจัง

ถ้าคุณยังไม่มี CLAUDE.md หรือมีแบบเขียนเล่นๆ สั้นๆ ไม่กี่บรรทัด แปลว่าคุณกำลังปล่อยให้เครื่องมือเก่งๆ ทำงานแบบ generic อยู่

ถ้าจะใช้ให้คุ้ม ต้องใส่เรื่องที่สำคัญกับ project จริง เช่น

• architecture decisions
• coding conventions
• testing rules
• build steps
• สิ่งที่ “ห้ามทำ”

ข้อ 2: เลิกใช้ agent เดี่ยวตลอดเวลา

ถ้างานเริ่มใหญ่ขึ้น เช่น review, docs, tests, refactor, security check การแยก subagents หรืออย่างน้อยการแยก role ของงาน จะเริ่มคุ้มกว่าการให้ agent เดียวทำทุกอย่าง

ข้อ 3: permission ต้องถูกออกแบบ ไม่ใช่กดไปเรื่อยๆ

ถ้าทุกคำสั่งยังต้องนั่งตัดสินใจใหม่หมด มันกินแรงทีมมาก สิ่งที่ควรทำคือวาง permission/config ให้เหมาะกับ project ตั้งแต่ต้น

ข้อ 4: มอง AI coding tool เป็น environment ไม่ใช่แค่ assistant

นี่คือ mindshift สำคัญที่สุด เมื่อคุณเริ่มมองมันเป็น environment คุณจะเริ่มคิดถึง

• config
• rules
• memory
• hooks
• task boundaries
• repeatable workflow

และนั่นคือจุดที่ productivity กระโดดจริง

6) Why chosen

ผมหยิบหัวข้อนี้มาทำ Deep Dive เพราะมันตรงกับ pattern ชนะของ ai_dev_tools และแตะ claude_ecosystem ชัดมาก

เหตุผลที่เลือกมี 3 ข้อ

1. Thread นี้สดและมี signal สูงในหมู่คนใช้เครื่องมือจริง
2. มันเปิดมุมที่ practical มาก — ไม่ใช่แค่ข่าว feature หรือดราม่า แต่เป็นบทเรียนเรื่องวิธีใช้ให้คุ้ม
3. มันสอดคล้องกับสิ่งที่ docs ทางการของ Anthropic ยืนยันอยู่แล้วหลายส่วน เช่น memory, subagents, settings, hooks

พูดง่ายๆ คือ มันไม่ใช่แค่ hot take บน X แต่มันเป็นจุดเริ่มต้นที่ดีมากในการอธิบายว่า AI coding tools กำลัง evolve ไปทางไหน

7) สรุปสุดท้าย

ผมว่าแก่นของเรื่องนี้ไม่ใช่ “คนอ่าน source code แล้วเก่งขึ้น” แต่คือ “คนที่ได้ value จาก Claude Code มากที่สุด คือคนที่ใช้มันเหมือน system ไม่ใช่แค่ chat”

และนั่นอาจเป็นบทเรียนที่ใหญ่ที่สุดของ AI tools รอบนี้

เครื่องมือแบบนี้ไม่ได้เก่งขึ้นเพราะ model อย่างเดียว มันเก่งขึ้นเมื่อคนใช้รู้วิธีวาง context, rules, memory, subagents และ workflow ให้ถูก

คำถามคือ ตอนนี้คุณใช้ Claude Code แบบคนคุยกับ bot หรือใช้มันแบบคนออกแบบระบบการทำงานร่วมกับ AI แล้ว?

FAQ

Thread นี้เชื่อถือได้แค่ไหน?

ตัว thread เป็นการตีความจาก source code โดยผู้เขียน เราควรระวังไม่เล่าทุกอย่างเป็น official fact แต่หลายแก่นสำคัญสอดคล้องกับ docs ทางการของ Claude Code เรื่อง memory, subagents, settings และ hooks

สิ่งที่ยืนยันจาก official docs ได้แน่ๆ มีอะไรบ้าง?

มีอย่างน้อย 4 เรื่อง: CLAUDE.md + auto memory, subagents, settings scopes และ hooks lifecycle

คนใช้ Claude Code ควรเริ่มทำอะไรก่อน?

ถ้าเอา high-leverage ที่สุด ผมแนะนำให้เริ่มจากจัด CLAUDE.md ของ project ให้ดีขึ้นก่อน แล้วค่อยคิดเรื่อง subagents และ hooks

มุมนี้สำคัญกับคนไทยยังไง?

เพราะหลายทีมไทยเริ่มใช้ AI coding tools แล้ว แต่ยังใช้แบบ ad hoc อยู่ ถ้าเปลี่ยนวิธีคิดจาก chat → system ได้เร็ว ทีมจะได้ productivity อีกระดับหนึ่ง