Boom Field Lab

ทำไมผมสร้าง Terminal ด้วย Claude Code — ไม่ใช่เพราะโมเดลเก่งสุด แต่เพราะ harness

5 เดือน 1,469 commits ใน 5 repo — สิ่งที่ทำให้ AI agent สร้าง fintech product ได้จริงไม่ใช่คะแนนของโมเดล แต่คือ harness รอบตัวมัน: กฎที่มันต้องอ่าน ด่านที่มันผ่านไม่ได้ และวงจรที่มันต้องตรวจงานตัวเอง นี่คือเหตุผลและของจริงที่ผมใช้

โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก · ตรวจทานล่าสุด

ห้องทำงานมืดยามดึก นักพัฒนานั่งหน้าจอสามจอ พร้อมข้อความ เลือก AI จาก harness ไม่ใช่จากโมเดล

เวลามีคนถามว่า "ใช้ AI ตัวไหน ตัวไหนเก่งสุด" ผมมักตอบว่าผมไม่ได้เลือกจากความเก่งของโมเดลเป็นหลัก ผมเลือกจาก harness คำตอบนี้ฟังดูทวนกระแส เพราะข่าวเกือบทั้งหมดพาดหัวว่า "โมเดลใหม่ทุบสถิติ" แต่ตลอด 5 เดือนที่ผมใช้ AI agent สร้าง Boom Leverage Terminal — เครื่องมือค้นเอกสาร 56-1 และ MD&A ทั้งตลาดหุ้นไทยพร้อมเลขหน้าต้นฉบับ — สิ่งที่ตัดสินว่างานเดินหรือพัง แทบไม่เคยอยู่ที่ตัวโมเดล

ถ้ายังไม่คุ้นคำนี้ อ่านคู่กับ Harness คืออะไร — ทำไมความเก่งของ AI agent ส่วนใหญ่อยู่นอกตัวโมเดล ได้ สั้นที่สุดคือ ถ้าโมเดลคือสมอง harness คือร่างกายกับกฎที่ทำให้สมองนั้นลงมือทำงานในโลกจริงได้

ทำไมไม่เลือกเครื่องมือ AI จากกระดานคะแนน?

เพราะมันเป็นเป้าที่ขยับทุกเดือน และคะแนนบน benchmark ไม่ใช่งานของผม

สนามทดสอบสะอาด มีโจทย์ชัด มีเฉลย แต่งานจริงตอนสร้าง Terminal คือ "แก้ pipeline ที่ดึงเอกสาร 56-1 โดยไม่ทำให้ index ที่ลูกค้าใช้อยู่พัง แล้วพิสูจน์ว่าไม่พังก่อน deploy" งานแบบนี้ความเก่งดิบของโมเดลเป็นแค่ส่วนหนึ่ง ที่เหลือคือ มันรู้ไหมว่ากฎของโปรเจกต์นี้คืออะไร มันถูกห้ามทำอะไร และมันตรวจงานตัวเองก่อนบอกว่าเสร็จหรือเปล่า — ทั้งหมดนั้นเป็นเรื่องของ harness

มีต้นทุนที่มองไม่เห็นด้วย ทุกครั้งที่ย้ายเครื่องมือตาม "โมเดลเก่งสุดประจำเดือน" เราต้องปรับสำนวนสั่งงานใหม่ ตั้งค่าใหม่ และระวังนิสัยเสียชุดใหม่ของมัน คนทำ model validation อย่างผมมองเรื่องนี้ง่ายๆ: เราไม่ validate โมเดลเปล่าๆ เราต้อง validate โมเดล + สิ่งที่หุ้มมัน เป็นคู่

Harness ของผมหน้าตาเป็นยังไง (ตัวเลขจริง)

แผนภาพ 5 ชั้นของ harness: โมเดลอยู่บนสุดและเปลี่ยนได้ ด้านล่างคือวงจรทำงาน เครื่องมือ 440 สคริปต์ ด่านกัน 13 hook และบริบท CLAUDE.md 54.8 KB กับ wiki 439 หน้า
ชั้นของ harness ที่ใช้สร้าง Terminal · นับจาก repo จริง วัดเมื่อ 27 ก.ย. 2026 · ชั้นบนสุด (โมเดล) คือชั้นเดียวที่เปลี่ยนได้โดยไม่ต้องรื้ออะไร

ผมแบ่ง harness ที่ใช้จริงออกเป็น 5 ชั้น นับจากล่างขึ้นบน:

ชั้นของจริงในระบบทำหน้าที่อะไร
บริบท (Context)CLAUDE.md 54.8 KB + wiki 439 หน้ากฎและความรู้ที่ agent โหลดทุก session โดยผมไม่ต้องเล่าใหม่
ด่านกัน (Guardrails)hook 13 สคริปต์ ดัก 5 จังหวะบังคับกติกาด้วยเครื่อง ไม่ใช่ด้วยการหวังว่ามันจะจำ
เครื่องมือ (Tools)440 สคริปต์ใน tools/งานที่พิสูจน์แล้วว่าทำซ้ำได้ ถูกแปลงเป็นคำสั่งเดียว
วงจร (Loop)คิด → ลงมือ → ตรวจ → แก้ทำงานเป็นเป้าหมายจนเสร็จ ไม่ใช่ตอบทีละคำถาม
โมเดลเปลี่ยนรุ่นได้สมอง — ชั้นเดียวที่ผมไม่ได้ลงแรงสร้างเอง

สังเกตว่า 4 ใน 5 ชั้นเป็นของที่ผม สร้างและสะสม ขึ้นมาเอง มีแค่ชั้นบนสุดที่ผู้ให้บริการส่งมาให้ นี่คือเหตุผลทั้งหมดของบทความนี้ในตารางเดียว

โมเดลคือของที่เปลี่ยนได้ harness คือที่ที่ทักษะสะสม

ผมมองแบบนักลงทุน: โมเดลเป็น commodity — มีหลายเจ้า ราคาลงเรื่อยๆ พรุ่งนี้ก็มีตัวใหม่ ส่วน harness คือสินทรัพย์ที่ทบต้น ทุกชั่วโมงที่ผมใช้ทดลองว่าจะเขียนกฎยังไงให้ agent เข้าใจงาน จะวางด่านยังไงให้มันพลาดไม่ได้ ความรู้พวกนี้ไม่หายไปเมื่อโมเดลเปลี่ยนรุ่น

กราฟแท่งแนวนอนจำนวน commits ใน 5 repo: เว็บการตลาด 622, แอป Terminal 323, data pipeline 303, กฎและ wiki ของ lab 201, Field Lab 20 รวม 1,469
จำนวน commits ต่อ repo (git rev-list --count) · วัดเมื่อ 27 ก.ย. 2026 · commit แรกของ repo เก่าสุดคือ 29 พ.ค. 2026

ตัวเลข 1,469 commits ใน 5 repo ภายในราว 5 เดือนไม่ได้บอกว่าโมเดลเก่ง มันบอกว่า วงจรทำงานเดินต่อเนื่องได้ โดยไม่พังกลางทางบ่อยจนต้องเริ่มใหม่ ซึ่งเป็นผลของ harness:

Repocommitsหน้าที่
เว็บการตลาด (boomleverage.com)622หน้าขาย บทความ SEO
แอป Terminal323หน้าค้นหาที่ลูกค้าใช้
data pipeline303ดึง/อ่าน/ทำ index เอกสาร 56-1 และ MD&A
กฎ + wiki ของ lab201CLAUDE.md, hook, เครื่องมือ
Boom Field Lab20เว็บ workshop นี้

5 อย่างใน harness ของ Claude Code ที่ผมใช้ทุกวัน

  • วงจรที่ลงมือทำจริง — สั่งเป็นเป้าหมาย แล้วมันวนเอง: เปิดไฟล์ → รันคำสั่ง → เห็นผล → แก้ จนเสร็จ นี่คือเส้นแบ่งระหว่าง "ผู้ช่วยที่พิมพ์ตอบ" กับ "agent ที่ทำงานเสร็จ"
  • สิทธิ์ (permission) ที่เป็นเบรกจริง — กำหนดได้ว่าคำสั่งไหนทำเองได้ คำสั่งไหนต้องรอผมเคาะ สำหรับงานที่แตะเงินลูกค้าและข้อมูล นี่ไม่ใช่ลูกเล่น
  • บริบทที่ทำซ้ำได้ผ่าน CLAUDE.md — เขียนกฎครั้งเดียว ทุก session โหลดเอง ไม่ต้องเล่าใหม่ทุกเช้า
  • hook ที่ทำให้ระบบไม่พึ่งความขยันของผม — แทรกขั้นบังคับกลางทางได้ เช่น ก่อนรันคำสั่ง shell ทุกครั้ง หรือก่อนปิด session
  • ต่อข้อมูลจริงและแตกงานเป็นทีมได้ — ต่อเครื่องมือภายนอกผ่าน MCP และแตกงานใหญ่ให้ subagent ทำขนานกัน

ไม่มีข้อไหนเลยที่เป็นเรื่อง "โมเดลฉลาดแค่ไหน" ทุกข้อคือเปลือกที่หุ้มโมเดล

Hook ทำงานยังไงในชีวิตจริง?

ตัวอย่างที่ดีที่สุดเกิดขึ้นระหว่างเขียนบทความนี้เอง ผมให้ agent หาว่ามีค่าตั้งค่าของ CDN อยู่ในเครื่องหรือยัง มันพยายามค้นในไฟล์เก็บความลับแบบอ่านทั้งก้อน — แล้ว hook ตัวหนึ่งตัดคำสั่งทิ้งก่อนรัน พร้อมข้อความนี้:

การ์ดข้อความจริงจาก hook secret-guard ที่บล็อกคำสั่งของ agent เพราะพยายามอ่านไฟล์ลับทั้งก้อนโดยไม่ redact
ข้อความจริงจาก PreToolUse hook ระหว่าง session วันที่ 27 ก.ย. 2026 · agent ไม่ได้เห็นค่าความลับเลย และแก้คำสั่งเองเป็นแบบพิมพ์เฉพาะชื่อตัวแปร

[secret-guard] อ่านไฟล์ลับทั้งก้อน (.secrets/*.env/.env.local/id_ed25519/*.pem) โดยไม่ redact — ต่อท้ายด้วย | sed 's/=.*/=<redacted>/' หรือ cut -d= -f1 / sha256sum / wc / stat แทน

สิ่งที่น่าสนใจไม่ใช่ว่า agent พลาด (มันพลาดได้เสมอ) แต่คือ ความผิดพลาดไม่มีโอกาสกลายเป็นความเสียหาย เพราะด่านอยู่ที่ harness ไม่ได้อยู่ที่ความระมัดระวังของโมเดล agent อ่านข้อความแล้วเขียนคำสั่งใหม่เป็นแบบดึงแค่ชื่อตัวแปร (ตัดค่าทิ้ง) เองทันที

อีกกฎที่ผมใช้คือ ห้ามลบไฟล์ถาวร กฎในไฟล์ CLAUDE.md เขียนไว้ตรงๆ ว่า:

ห้าม rm — mv → .archive/YYYY-MM-DD/ (mirror โครงสร้าง path เดิม)

agent ที่ลบไฟล์พลาดคือหายนะ agent ที่ย้ายไฟล์ไปถังพักคือเรื่องที่กู้คืนได้ใน 10 วินาที ต่างกันแค่กฎบรรทัดเดียว

ทำไมเรื่องนี้หนักเป็นพิเศษกับการสร้าง product การเงิน?

ในโลก risk ความเก่งไม่ใช่ทุกอย่าง คำถามที่ผู้ตรวจถามเสมอ — ระบบเข้าถึงข้อมูลแค่ไหน ใครอนุมัติก่อนลงมือ มี log ไหม กดหยุดได้ไหม — ทุกข้อตอบได้ที่ชั้น harness ไม่ใช่ที่ตัวโมเดล

พอ product ของเราคือเครื่องมือที่คนใช้ตัดสินใจเรื่องเงิน ความผิดพลาดแบบ "AI แต่งตัวเลข" หรือ "AI ลบข้อมูลลูกค้า" ไม่ใช่บั๊กธรรมดา มันคือความน่าเชื่อถือของทั้งบริษัท การเลือกเครื่องมือที่ให้เราวางด่านได้เองจึงไม่ใช่เรื่องประสิทธิภาพ แต่เป็นเรื่อง การกำกับที่จับต้องได้

แล้วถ้าวันหนึ่งมีโมเดลที่เก่งกว่าล่ะ?

ดีเลย เพราะเมื่อเลือกที่ harness โมเดลกลายเป็นชิ้นส่วนที่ถอดเปลี่ยนได้ พอมีรุ่นใหม่ที่เก่งกว่าหรือถูกกว่า CLAUDE.md, hook, เครื่องมือ 440 ตัว และ wiki 439 หน้าของผมยังอยู่ครบ แต่สมองข้างในแรงขึ้น — ได้อัปเกรดโดยไม่ต้องรื้อระบบ

ถ้าเลือกที่โมเดล ทุกครั้งที่มีตัวใหม่ต้องชั่งใจว่าจะย้ายไหม และถ้าย้ายก็ต้องประกอบ harness ใหม่หมด นี่คือความต่างระหว่างการ bet ที่ตัวแปรที่ขยับตลอด กับ bet ที่โครงสร้างที่อยู่กับเรา

สรุป

ผมไม่ได้เลือก Claude Code เพราะเชื่อว่าโมเดลข้างในเก่งที่สุดตลอดกาล ไม่มีใครการันตีได้และไม่ใช่ประเด็น ผมเลือกเพราะ harness ของมันให้สิ่งที่การสร้าง product การเงินต้องการ: วงจรที่ทำงานจนเสร็จ ด่านที่ความผิดพลาดข้ามไม่ได้ บริบทที่ทำซ้ำได้ และโครงสร้างที่ทักษะผมทบต้นอยู่ในนั้น

ถ้าจะเลือกเครื่องมือ AI มาทำงานจริงจัง ลองเปลี่ยนคำถามจาก "ตัวไหนเก่งสุด" เป็น "harness ตัวไหนที่ผมคุมได้และอยู่ด้วยได้นาน"

ถ้ากำลังเทียบเครื่องมืออยู่ อ่าน Claude Code vs Codex vs Cursor vs Copilot และถ้าตัดสินใจแล้ว เริ่มได้ที่ เริ่มใช้ Claude Code แบบคนการเงิน

คำถามที่พบบ่อย

harness ของ AI agent คืออะไร
harness คือเปลือกรอบโมเดล ได้แก่ บริบท สิทธิ์ hook เครื่องมือ และวงจรทำงาน ถ้าโมเดลคือสมอง harness คือร่างกายกับกฎที่ทำให้สมองนั้นลงมือทำงานในโลกจริงได้
ทำไมไม่ควรเลือกเครื่องมือ AI coding จากกระดานคะแนน benchmark อย่างเดียว
เพราะโมเดลแซงกันทุกเดือนและคะแนน benchmark ไม่ใช่งานจริง งานจริงต้องการให้ agent รู้กฎของโปรเจกต์ รู้ว่าถูกห้ามทำอะไร และตรวจงานตัวเองก่อนบอกว่าเสร็จ ซึ่งเป็นเรื่องของ harness นอกจากนี้การย้ายเครื่องมือบ่อยยังมีต้นทุนที่ต้องปรับวิธีสั่งงานและตั้งค่าใหม่
harness ที่ใช้สร้าง Boom Leverage Terminal มีกี่ชั้นและมีอะไรบ้าง
มี 5 ชั้น คือบริบท (CLAUDE.md กับ wiki) ด่านกัน (hook) เครื่องมือ (สคริปต์ใน tools) วงจรทำงาน และโมเดล ตามตัวเลขที่วัดเมื่อ 27 ก.ย. 2026 มี CLAUDE.md 54.8 KB wiki 439 หน้า hook 13 สคริปต์ดัก 5 จังหวะ และเครื่องมือ 440 สคริปต์ โดยโมเดลเป็นชั้นเดียวที่เปลี่ยนได้โดยไม่ต้องรื้ออะไร
hook ใน Claude Code ช่วยกันความผิดพลาดได้อย่างไร
hook แทรกขั้นบังคับกลางทาง เช่น ก่อนรันคำสั่ง shell ทำให้กติกาถูกบังคับด้วยเครื่องแทนการหวังว่า agent จะจำ ตัวอย่างในบทความคือ hook secret-guard ตัดคำสั่งที่พยายามอ่านไฟล์ลับทั้งก้อนก่อนรัน และ agent แก้คำสั่งเองเป็นแบบดึงแค่ชื่อตัวแปร
ทำไม harness สำคัญเป็นพิเศษกับการสร้าง product การเงิน
เพราะคำถามด้านการกำกับ เช่น ระบบเข้าถึงข้อมูลแค่ไหน ใครอนุมัติก่อนลงมือ มี log ไหม และกดหยุดได้ไหม ล้วนตอบได้ที่ชั้น harness ไม่ใช่ที่ตัวโมเดล ความผิดพลาดอย่าง AI แต่งตัวเลขหรือลบข้อมูลลูกค้ากระทบความน่าเชื่อถือของทั้งบริษัท

อ่านต่อ

ห้องทำงานมืดยามค่ำ มองออกไปเห็นเมือง พร้อมการ์ดเบลอรูปชั้นซ้อนกัน และข้อความ Harness คืออะไร

Harness คืออะไร — ทำไมความเก่งของ AI agent ส่วนใหญ่อยู่นอกตัวโมเดล (อธิบายผ่านการสร้าง Terminal)

Harness คือทุกอย่างที่หุ้มโมเดลให้กลายเป็น agent ที่ทำงานจริงได้: เครื่องมือ บริบท สิทธิ์ hook และวงจรทำงาน หลักฐานปี 2026 ชี้ว่าโมเดลเดิมแต่เปลี่ยน harness คะแนนขยับ 13.7 จุด และ loop engineering ที่มาแรงเป็นแค่ 1 ใน 5 ชิ้น นี่คือแผนที่ทั้งก้อน พร้อมตัวอย่างจากระบบที่สร้าง Boom Leverage Terminal

โต๊ะทำงานมืดที่มีหน้าจอหลายจอเรืองแสงสีฟ้าและม่วง พร้อมข้อความ เลือกเครื่องมือ AI coding จากจุดศูนย์ถ่วง

Claude Code vs Codex vs Cursor vs Copilot: เลือกเครื่องมือ AI coding ยังไงเมื่อเป้าหมายคือสร้าง product

เทียบ 4 เครื่องมือ AI coding ที่คนพูดถึงมากที่สุดในปี 2026 จากมุมคนที่ใช้ AI agent สร้าง fintech product จริง — ต่างกันที่ 'จุดศูนย์ถ่วง' ว่าใครลงมือ ใครตรวจ และงานไปจบที่ไหน ไม่ใช่รายการฟีเจอร์ที่เปลี่ยนทุกเดือน

โต๊ะทำงานยามค่ำคืนที่มีแล็ปท็อปเปิดหน้าจอเทอร์มินัล พร้อมข้อความ เริ่ม Claude Code แบบคนการเงิน

เริ่มใช้ Claude Code แบบคนการเงินที่อยากสร้าง product เอง — จากวันแรกถึง Terminal ที่มีลูกค้าใช้จริง

Claude Code คืออะไร ต่างจากแชต AI ยังไง และคนสายการเงินที่ไม่ใช่โปรแกรมเมอร์ควรเริ่มตรงไหนถ้าเป้าหมายคือสร้างเครื่องมือของตัวเอง — เล่าจากเส้นทางจริง: session แรก 30 เม.ย. 2026 ถึงวันเริ่มสร้างแอป Terminal ในเวลาไม่ถึง 3 เดือน

BOOM FIELD LAB

อยากเห็นว่าเครื่องมือพวกนี้ประกอบร่างเป็น Terminal จริงได้ยังไง?

Workshop สั้นจากเคสจริง — ดูการทำงานจริงบนหน้าจอ พร้อม Field Kit ให้ลงมือตาม ไม่ใช่สไลด์ทฤษฎี