Deep Dive Draft: Open Design — AI Design Control Room

Open Design: เมื่อ AI Design เปลี่ยนจาก Chatbox เป็น Control Room

มี repo หนึ่งที่ผมคิดว่าน่าจับตาสำหรับคนทำงาน AI, product, marketing และ founder ครับ

ชื่อว่า Open Design

เขาวางตัวเองว่าเป็น open-source alternative ของ Claude Design จาก Anthropic

ถ้าพูดแบบง่ายที่สุด Claude Design คือแนวคิดว่า AI ไม่ควรจบที่การตอบข้อความใน chat แต่ควรสร้าง artifact ที่มองเห็นได้ เช่น landing page, pitch deck, app mockup, dashboard, social carousel หรือ prototype

ส่วน Open Design พยายามเอาแนวคิดนี้มาเปิด ให้รันแบบ local-first และเชื่อมกับ agent CLI ที่เรามีอยู่แล้ว

นี่คือจุดที่ผมว่าแรงกว่าแค่คำว่า “open-source Claude Design”

เพราะมันไม่ได้พยายามสร้าง model ใหม่

มันพยายามสร้าง workflow ใหม่

1) Open Design คืออะไร

Open Design คือ web app + local daemon + skill/design-system library สำหรับให้ AI agent สร้าง design artifact ออกมาเป็นงานจริง

ภาพรวมคือ:

1. เราเปิด web UI ของ Open Design
2. เลือก skill เช่น web prototype, SaaS landing, dashboard, mobile app หรือ deck
3. เลือก design system เช่นสไตล์ brand หรือ visual direction ที่ต้องการ
4. พิมพ์ brief
5. local daemon ไป spawn agent CLI ที่อยู่ในเครื่องเรา
6. agent สร้างไฟล์จริงใน workspace
7. UI render preview ให้ดูใน sandboxed iframe
8. เราแก้ต่อ export หรือเอา artifact ไปใช้ต่อได้

ตัว agent อาจเป็น Claude Code, Codex, Gemini CLI, Cursor Agent, OpenCode, GitHub Copilot CLI, Hermes หรือ CLI อื่น ๆ ที่ระบบ detect ได้

พูดแบบบ้าน ๆ คือ:

Open Design ไม่ได้ขาย “AI อีกตัว” แต่ขาย “โต๊ะทำงานออกแบบ” ให้ agent ที่คุณมีอยู่แล้ว

อันนี้ผมชอบมากครับ เพราะโลก agent ตอนนี้เปลี่ยนเร็วเกินกว่าจะผูก workflow ทั้งหมดไว้กับ model เดียวหรือ vendor เดียว

วันนี้ Claude Code เก่ง พรุ่งนี้ Codex อาจถนัดกว่า อีกวัน Gemini CLI หรือ OpenCode อาจเหมาะกับงานบางแบบมากกว่า

ถ้า design workflow ผูกกับ agent เดียว คุณจะโดนล็อกเร็วมาก

แต่ถ้า workflow แยกจาก engine คุณเปลี่ยน agent ได้เรื่อย ๆ

2) ผมลอง repo จริงแล้ว ไม่ใช่อ่าน README อย่างเดียว

ผม clone repo nexu-io/open-design มาตรวจแบบเร็ว ๆ บนเครื่อง macOS arm64

Environment ที่ใช้:

• macOS arm64
• Node 24.14.0
• pnpm 10.33.2
• Python 3.11
• Git 2.50.1

สิ่งที่ลอง:

• shallow clone repo
• อ่าน README, QUICKSTART, architecture docs, agent adapter docs
• install dependencies ด้วย pnpm install --frozen-lockfile
• run typecheck
• run test suite
• run production build
• start web + daemon ด้วย tools-dev
• check daemon health endpoint

ผลที่ได้:

• pnpm typecheck ผ่าน หลัง build prerequisite ของ daemon/desktop ก่อน
• pnpm test ผ่าน รวม 700+ tests จากหลาย workspace package
• pnpm build ผ่าน สำหรับ Next.js web app
• daemon health endpoint ตอบ { ok: true, version: "0.3.0" }
• web endpoint ตอบ HTTP 200

มี hiccup หนึ่งที่ควรบันทึกไว้:

ถ้า process ใช้ Node 25 แทน Node 24 จะเจอ native addon ABI mismatch ของ better-sqlite3 เพราะ repo ระบุชัดว่าต้องใช้ Node ~24

ต้อง rebuild native dependency หรือบังคับ PATH ให้ใช้ Node 24 ก่อนรัน

นี่ไม่ใช่ deal breaker แต่บอกชัดว่า Open Design ตอนนี้ยังเป็น tool สำหรับ builder/developer มากกว่าผู้ใช้ทั่วไปที่ไม่แตะ terminal

3) โครงสร้างที่น่าสนใจ: Web app + Local daemon + Skills

Open Design แบ่ง architecture ออกเป็นสามชั้นใหญ่ ๆ

Web app

ส่วนนี้คือหน้าจอที่ user ใช้คุยกับ agent เลือก skill เลือก design system ดู preview และ export artifact

ตัว web app ใช้ Next.js และ render output ผ่าน sandboxed iframe เพื่อลดความเสี่ยงจาก artifact code ที่ agent สร้าง

Local daemon

นี่คือส่วนที่สำคัญมาก

Daemon คือ process local ที่มีสิทธิ์ทำงานกับ filesystem, spawn agent CLI, จัดการ project, เก็บ artifact, stream output และ serve API ให้ web app

พูดง่าย ๆ คือ daemon เป็น “มือ” ของระบบ

web UI คุยกับ daemon

daemon คุยกับ agent

agent เขียนไฟล์จริง

แล้ว web UI เอาไฟล์นั้นมา preview

Skills และ Design Systems

นี่คือส่วนที่ทำให้ AI design ไม่หลุดมั่ว

Skill บอกว่า “งานประเภทนี้ควรทำอย่างไร”

Design system บอกว่า “หน้าตาและรสนิยมควรไปทางไหน”

ตัวอย่าง skills ที่ repo มี เช่น:

• web prototype
• SaaS landing
• dashboard
• pricing page
• docs page
• blog post
• mobile app
• social carousel
• magazine poster
• motion frames
• pitch deck
• weekly update
• invoice
• PM spec
• engineering runbook

ส่วน design systems ก็เป็นชุด visual language ที่ช่วยบังคับ palette, typography, layout และ component feel

นี่คือจุดที่หลายคนควรใส่ใจครับ

เพราะปัญหาของ AI design ไม่ใช่แค่มันทำได้หรือไม่ได้

ปัญหาคือมันชอบ freestyle เกินไป

วันนี้ gradient ม่วง พรุ่งนี้ glassmorphism มะรืน robot mascot โผล่มาเอง อีกวันทำปุ่มเหมือน landing page ปี 2021

ถ้าไม่มี skill และ design system, AI จะเหมือนเด็กฝึกงานที่เปิด Pinterest แล้วเดาใจเรา

แต่ถ้ามี skill + design system, มันเริ่มทำงานเหมือน junior designer ที่มี brief, template, checklist และ brand guideline

ยังไม่เท่าคนเก่งนะครับ

แต่อย่างน้อยมันไม่วิ่งเปลือยเข้าประชุม

4) จุดเปลี่ยนสำคัญ: จาก Generator ไปเป็น Workflow

ผมคิดว่านี่คือหัวใจของ Open Design

AI design tool รุ่นแรก ๆ มักเป็นแบบนี้:

พิมพ์ prompt → ได้รูป / HTML / mockup

จบ

แต่ Open Design กำลังเสนอ pattern แบบนี้:

เลือก skill → เลือก design system → spawn agent → เขียนไฟล์จริง → preview → critique → edit → export

อันแรกคือ generator

อันหลังคือ workflow

ความต่างนี้สำคัญมากครับ

เพราะธุรกิจไม่ได้ต้องการแค่ภาพสวยหนึ่งภาพ

ธุรกิจต้องการระบบที่ทำงานซ้ำได้ ปรับได้ ตรวจได้ และเอาไปใช้ต่อได้

ถ้าคุณเป็น founder ที่ต้องทำ landing page, deck, prototype, carousel, mockup, sales doc และ internal dashboard ตลอดเวลา คุณไม่ได้ต้องการแค่ AI วาดรูปเก่ง

คุณต้องการ production line

5) ทำไมสิ่งนี้สำคัญกับ One Person Business และทีมเล็ก

ทีมเล็กไม่ได้แพ้เพราะไม่มีไอเดีย

ทีมเล็กมักแพ้เพราะเริ่มช้า เห็นภาพช้า และต้องรอคนหลายคนกว่างานชิ้นแรกจะออกมา

ลองนึกภาพ workflow แบบนี้ครับ

คุณอยากทดสอบคอร์สใหม่

คุณเลือก skill: SaaS landing

เลือก design system: Data-Espresso

เขียน brief สั้น ๆ

AI สร้าง landing page draft ให้ดู

คุณ comment ตรง hero section

agent แก้เฉพาะจุด

คุณ export HTML หรือเอาไปให้ทีม dev ต่อ

หรือคุณอยากทำ carousel 5 หน้า

เลือก skill: social carousel

ใส่ topic

ให้ agent ทำ first draft

คุณปรับภาษาให้เป็นเสียงของตัวเอง

จบใน 20-30 นาที แทนที่จะเริ่มจาก blank canvas

นี่ไม่ได้แปลว่า designer ไม่สำคัญ

ตรงกันข้ามครับ

คนมีรสนิยมจะยิ่งสำคัญขึ้น เพราะ AI ทำ draft ได้เร็ว แต่ยังต้องมีคนตัดสินว่าอะไรดี อะไรเละ อะไรไม่ตรง brand อะไรไม่ควรปล่อยออกไป

AI ลดแรงเสียดทานก่อนเห็นภาพแรก

แต่มนุษย์ยังเป็น director

6) Local-first คือทั้งจุดแข็งและจุดที่ต้องระวัง

ผมชอบที่ Open Design เลือก local-first เป็นแกนหลัก

เหตุผลคือ:

• agent CLI รันในเครื่องเรา
• files อยู่กับเรา
• artifact เป็นไฟล์จริง ไม่ใช่แค่ state ใน cloud app
• ใช้ BYOK ได้
• ต่อกับ workflow local ได้ง่ายกว่า

แต่พลังแบบนี้ก็มาพร้อมความรับผิดชอบ

ถ้า daemon spawn agent และให้ agent เขียนไฟล์จริงใน workspace ได้ แปลว่าต้องระวังเรื่อง permission, working directory, secret และ boundary มากขึ้น

นี่ไม่ใช่ปัญหาเฉพาะ Open Design

นี่คือปัญหาของ agentic tool ทั้งตระกูล

ถ้าให้ AI ถือเครื่องมือจริง ก็ต้องออกแบบขอบเขตจริง

สำหรับผม local-first ไม่ได้แปลว่า “ปลอดภัยอัตโนมัติ”

มันแปลว่า “เราคุมได้มากขึ้น ถ้าเรารู้ว่าเรากำลังคุมอะไรอยู่”

7) เหมาะกับใครตอนนี้

ผมจะแบ่งแบบตรง ๆ ครับ

ควรลอง

• founder ที่จับ terminal ได้
• product builder
• designer/marketer ที่ทำ prototype บ่อย
• ทีมเล็กที่ใช้ AI coding agent อยู่แล้ว
• คนที่อยากศึกษา architecture ของ local-first agent workflow

ควร sandbox ก่อน

• ทีม marketing ที่อยากทำ content/design factory
• agency ที่ทำ landing/deck/prototype ให้ลูกค้า
• startup ที่อยากลดเวลาจาก idea ไป mockup
• ทีม internal innovation ที่อยากทำ experiment เร็ว ๆ

ยังไม่ควรเอาไป production ตรง ๆ

• องค์กรที่ไม่มีคนดูแล dev environment
• ทีมที่ไม่เข้าใจ agent permission
• user non-tech ที่อยากกดปุ่มเดียวแล้วจบ
• งาน brand-critical ที่ต้อง pixel-perfect ทุกชิ้นโดยไม่มี human review

Open Design ยังไม่ใช่ Canva สำหรับคนทั่วไป

แต่มันเป็น signal ที่แรงมากสำหรับ builder

8) บทเรียนที่ใหญ่กว่า Open Design

สำหรับผม เรื่องนี้ไม่ได้จบที่ repo เดียว

Open Design สะท้อน trend ที่ใหญ่กว่านั้น:

AI tools กำลังขยับจาก “chat interface” ไปเป็น “control room”

เมื่อก่อนเราเปิด chat แล้วถาม AI

ตอนนี้เราเริ่มมีระบบที่ให้ AI ทำงานใน context จริง มีไฟล์จริง มี skill จริง มี project จริง มี export จริง และมี loop สำหรับแก้ต่อ

นี่คือ shift ใหญ่มาก

เพราะถ้า AI อยู่ใน chat มันเป็นผู้ช่วย

แต่ถ้า AI อยู่ใน workflow มันเริ่มเป็น workforce

และ workforce ต้องมี:

• role
• skill
• context
• tool
• permission
• output format
• review gate
• audit trail

Open Design เอาหลายอย่างนี้มาอยู่ใน design workflow

นี่คือเหตุผลที่ผมมองว่ามันน่าสนใจกว่าแค่ “ทำหน้าเว็บด้วย AI”

9) Arty’s Take

💡 ในความเห็นของผม Open Design ยังไม่ใช่ tool ที่ mass market จะใช้พรุ่งนี้เช้า

แต่มันเป็นหนึ่งในสัญญาณที่ชัดมากว่า AI design กำลังโตจาก generator เป็น operating system

คำถามในอนาคตอาจไม่ใช่:

AI สร้าง design ได้ไหม

แต่จะเป็น:

เราออกแบบ workflow ให้ AI หลายตัวสร้าง design artifact ที่แก้ต่อ ใช้ต่อ และคุม quality ได้อย่างไร

นี่เข้ากับแนวคิด 1 Human + 100 AI Agents มากครับ

เพราะ 100 agents ไม่ได้แปลว่ามี chatbot 100 ตัวนั่งคุยพร้อมกัน

มันแปลว่าเรามีระบบที่เอา agent ไปทำงานจริงในแต่ละ function ได้

ตัวหนึ่งช่วย research

ตัวหนึ่งช่วยเขียน

ตัวหนึ่งช่วย design

ตัวหนึ่งช่วยทำ deck

ตัวหนึ่งช่วย build landing page

ตัวหนึ่งช่วย QA

ตัวหนึ่งช่วย publish

ถ้า Open Design โตต่อในทิศทางนี้ มันอาจกลายเป็นชิ้นส่วนสำคัญของ content/design factory สำหรับทีมเล็กได้เลย

สรุป

Open Design ยังเป็นของสำหรับสาย builder มากกว่าผู้ใช้ทั่วไป

แต่ idea ของมันสำคัญครับ

จากเดิมที่ AI design อยู่ใน platform ปิด เริ่มมีทางเลือกแบบ local-first, BYOK, agent-agnostic และ skill-driven มากขึ้น

ถ้าคุณทำธุรกิจคนเดียวหรือทีมเล็ก อย่าเพิ่งมอง AI design เป็นแค่ “เครื่องทำรูป”

ให้มองมันเป็น production line

เพราะคนที่ชนะ อาจไม่ใช่คนที่ prompt เก่งที่สุด

แต่เป็นคนที่จัด workflow ให้ AI หลายตัวทำงานร่วมกับรสนิยมมนุษย์ได้ดีที่สุดครับ