กรณีศึกษา:
เอเจนต์เลขานุการ

ใช้เพียงสองเครื่องมือ

ขั้นตอนการทำงานพื้นฐาน

1. คุยกับ Chat Claude → ได้สเปกของ "สิ่งที่จะสร้าง"
2. Chat Claude แปลงสเปกนั้นเป็นเอกสารคำสั่ง (TASK.md)
3. ส่งต่อ TASK.md ให้ Claude Code ใน VS Code → ลงมือสร้างจริง
4. รายงานผลกลับไปที่ Chat Claude → รับเอกสารคำสั่งชุดถัดไป
5. ทำซ้ำขั้นตอน 1–4 จนกว่าจะเสร็จสมบูรณ์

สำรวจงานเลขานุการ (จุดเริ่มต้นสำหรับการสัมภาษณ์)

"อยากได้เลขานุการ" พูดง่าย แต่การเรียบเรียงเป็นคำพูดว่าจริง ๆ แล้วอยากส่งมอบอะไรบ้างนั้นยากกว่าที่คิด จากขอบเขตงานที่ตำแหน่งนี้ครอบคลุมในทางปฏิบัติ นี่คือจุดเริ่มต้นสำหรับการสัมภาษณ์

การจัดตารางนัดหมาย

• เพิ่ม เปลี่ยน และยกเลิกนัดหมาย (พูดออกมาแล้วมันก็ขึ้นบนปฏิทิน)
• ตรวจจับการชนกันของนัดหมาย และเว้นช่วงเวลาให้สมจริงโดยคำนึงถึงเวลาเดินทาง
• อ่านตารางของวันนั้นให้ฟังตามเวลาที่กำหนด เช่น ตอนเช้าตรู่ หรือคืนก่อนหน้า
• นัดหมายที่เกิดซ้ำ และการคำนึงถึงวันหยุดนักขัตฤกษ์และวันหยุดทำการ

รายงานค่าใช้จ่าย

• อ่านวันที่ จำนวนเงิน ผู้รับเงิน และรายการย่อย จากรูปถ่ายใบเสร็จและใบแจ้งหนี้
• จัดเข้าหมวดบัญชีและหมวดภาษี (บนสมมติฐานว่ามนุษย์เป็นผู้ตรวจสอบขั้นสุดท้าย)
• รวมยอดรายเดือนและส่งออกเป็นรูปแบบที่คุณใช้ยื่น
• แจ้งเตือนเมื่อใบเสร็จที่ยังไม่ได้จัดการกองสะสม

อีเมล

• จำแนกอีเมลขาเข้า (ต้องตอบ / แจ้งให้ทราบเท่านั้น / ไม่ต้องทำอะไร) และกำหนดลำดับความสำคัญ
• ร่างข้อความตอบกลับ (โดยหลักการแล้วมนุษย์เป็นผู้ตัดสินใจส่ง)
• ใช้เทมเพลตกับคำถามที่เป็นกิจวัตร
• ตรวจจับการตอบกลับที่ลืม (ทำเครื่องหมายเธรดที่ไม่มีการตอบกลับหลังจากผ่านไประยะหนึ่ง)

รายงานการประชุมจากไฟล์เสียง

• ส่งไฟล์บันทึกเสียงให้มัน แล้วมันจะทำการถอดความ สรุปประเด็นสำคัญ และเขียนรายงานต่อเนื่องกันเป็นงานเดียว พร้อมแปลเป็นภาษาที่ต้องการหากจำเป็น
• สร้างได้โดยไม่ต้องเพิ่ม API แม้แต่ตัวเดียว การถอดความใช้โมเดล Whisper ในเครื่องซ้ำ ส่วนการสรุปและการแปลทำโดย LLM ของเอเจนต์เอง
• สิ่งนี้คุ้มค่าเป็นพิเศษกับการประชุมที่ใช้ภาษาอื่น: การสนทนาที่จัดขึ้นด้วยภาษาหนึ่งจะกลับมาเป็นรายงานอีกภาษาหนึ่ง โดยไม่มีวงจร "ฟังซ้ำแล้วค่อยแปล"

การจัดระเบียบบันทึกการประชุม การร่างแบบฟอร์มคำขอ และการคัดเลือกเที่ยวบินและโรงแรม ก็ครอบคลุมได้เช่นกัน การจัดการเรื่องการเดินทางไม่ใช่ฟีเจอร์ที่จำเป็น — หากงานของคุณไม่ค่อยมีการเดินทาง ให้ตัดออกตั้งแต่แรก

ทำไมจึงแบ่งให้เอเจนต์หลายตัวแทนที่จะใช้ตัวเดียว

เมื่อได้ยินคำว่า "เอเจนต์เลขานุการ" คนส่วนใหญ่มักนึกภาพเอเจนต์ตัวเดียวที่ทำได้ทุกอย่าง กรณีศึกษานี้แนะนำให้แบ่งตามงานแทน

เพราะการตัดสินใจที่แต่ละงานต้องการนั้นต่างกัน

• การจัดตารางนัดหมายต้องการความระมัดระวังที่จะไม่อัดปฏิทินจนแน่นเกินไป การคัดกรองอีเมลต้องการความครอบคลุมที่จะไม่พลาดเรื่องสำคัญ ส่วนงานค่าใช้จ่ายให้ความสำคัญกับความแม่นยำของตัวเลขอย่างเคร่งครัดเหนือสิ่งอื่นใด หากใส่ทั้งหมดนั้นลงในบุคลิกเดียว เกณฑ์การตัดสินจะแกว่งไปมาจากคำสั่งหนึ่งไปยังอีกคำสั่งหนึ่ง

เพราะคุณแยกขอบเขตอำนาจได้

• เอเจนต์อีเมลต้องการสิทธิ์อ่านกล่องจดหมายของคุณ แต่เอเจนต์ค่าใช้จ่ายไม่ต้องการ เมื่อแยกกันแล้ว แต่ละตัวจะได้รับเพียงสิทธิ์ขั้นต่ำที่จำเป็นเท่านั้น หากเกิดความผิดพลาดขึ้นจริง ผลกระทบก็จะจำกัดอยู่ในอาณาเขตของเอเจนต์ตัวนั้นเอง

เพราะแยกแยะปัญหาได้ง่ายกว่าเมื่อมีอะไรพัง

• เมื่อยอดรวมค่าใช้จ่ายดูผิดปกติ และบทบาทถูกแยกไว้แล้ว คุณจะรู้ทันทีว่าต้องไปดูตรงไหน แต่ถ้ารวมทุกอย่างไว้ในเอเจนต์ตัวเดียว การไล่หาว่าคำสั่งไหนไปรบกวนกันจะกินเวลา

ส่งคำสั่งด้วยเสียง รับรายงานด้วยเสียง

หัวใจของกรณีศึกษานี้คือเลขานุการของคุณจะทำงานต่อไปในช่วงเวลาที่คุณไม่ได้อยู่หน้าคอมพิวเตอร์ เพื่อให้เป็นเช่นนั้น คุณจะเปลี่ยน Discord ให้เป็นประตูที่ลำเลียงเสียงได้ทั้งสองทิศทาง

ขาเข้า (คุณ → เอเจนต์)

• เสียงที่คุณบันทึกด้วยฟีเจอร์ข้อความเสียงของ Discord จะถูกเอเจนต์ถอดความและรับไว้เป็นคำสั่ง
• การถอดความทำงานบนโมเดล Whisper ในเครื่อง เสียงจึงไม่ถูกส่งออกไปไหนเลย และไม่มีค่าธรรมเนียมการใช้งาน API เมื่อเสียงมีเนื้อหาอย่างตารางนัดหมาย ชื่อลูกค้า และจำนวนเงิน นี่คือรูปแบบที่ควรใช้เป็นฐาน

ขาออก (เอเจนต์ → คุณ)

• รายงานกลับมาทั้งแบบเสียงและข้อความ — ปล่อยให้เสียงไหลผ่านหูขณะเดินทาง แล้วกลับมาอ่านข้อความเมื่อต้องการตรวจสอบอะไรบางอย่างในภายหลัง
• การเลือกเอนจินสังเคราะห์เสียงขึ้นอยู่กับภาษา และขึ้นอยู่กับว่ายอมให้อะไรออกจากเครื่องได้หรือไม่ แนวทางคือไม่ผูกติดกับเอนจินใดเอนจินหนึ่ง แต่ให้ลองฟังหลายตัวแล้วเลือก
• เกณฑ์คือมันต้องไม่ฟังเหมือนเครื่องจักร โดยเฉพาะจำนวนเงินและวันที่ซึ่งส่งผลตรงต่องานของคุณ จึงต้องทดสอบรูปแบบที่คุณจะใช้จริงเสมอ

กำหนดการโดยรวม (6 Phase)

สิ่งที่แต่ละคนอยากส่งมอบแตกต่างกันโดยสิ้นเชิง จึงไม่มี TASK.md สำเร็จรูปที่ข้ามการสัมภาษณ์ไปได้ ให้เริ่มจากการสัมภาษณ์ความต้องการใน Phase 0 เสมอ

เริ่มเลย: Prompt เริ่มต้น Phase 0

เพียงคัดลอก Prompt นี้ไปวางในบทสนทนาใหม่กับ "Chat Claude" (claude.ai) โดยไม่ต้องแก้ไข เพื่อเริ่มการสัมภาษณ์ความต้องการของ Phase 0

ข้อจำกัดความรับผิดชอบและข้อควรทราบสำคัญ