หมายเหตุ บทความนี้ใช้คำว่า skill และทักษะในความหมายที่แตกต่างกัน โดยที่ skill หมายถึง skill ที่เราสามารถสร้างให้ AI agent ผ่านไฟล์ SKILL.md ส่วนคำว่า "ทักษะ" หมายถึงทักษะของมนุษย์

ยุคของ Agent และ Skill

ผมขอเกริ่นก่อนว่าในยุคปัจจุบัน AI agent มี concept ที่เรียกว่า skill ซึ่งเป็นการสร้างขั้นตอนการทำงานให้กับ AI เพื่อให้มันสามารถทำงานแบบเดิมซ้ำไปซ้ำมาได้อย่างถูกต้องแม่นยำ

Skill เข้ามาแก้ปัญหาหลักๆ 2 อย่าง

  1. ทำให้ AI สร้างผลลัพธ์ให้ตรงกับสิ่งที่เราต้องการ ไม่มั่ว ไม่หลอน เวลาเราสั่งกะเพราไก่ต้องได้กะเพราไก่ ไม่ใช่กะเพราไก่ไข่ดาวบ้าง หรือออกมาเป็นกะเพราหมูบ้าง
  2. ไม่ต้องมานั่ง prompt แบบเดิมหลายๆ รอบเพื่อสั่งงานเดิมๆ เช่น ทุกเช้าเราต้องมานั่งพิมพ์ prompt ยาวๆ เพื่อให้ AI เข้าไปรวบรวมข้อมูลจากอินเทอร์เน็ตแล้วมาย่อยให้เราเอาไปทำรายงานประจำวัน

ผมคิดว่า concept นี้ไม่ใช่เรื่องยาก ทุกคนคงพอจะนึกภาพออกว่ามันคล้ายกับการสอนงานหรืออธิบายงานให้ใครสักคนฟังนั่นแหละ แต่ความซับซ้อนมันอยู่ที่ว่า เราควรสร้าง skill อะไรเพื่อให้ AI มาช่วยงานเราได้จริงๆ โดยที่เรายังมีคุณค่าและทำหน้าที่เป็นผู้กุมบังเหียนอยู่ ไม่ได้โง่ลงหรือไม่ได้ถูกมันแทนที่ไป

ทักษะแต่ละอันมีคุณค่าไม่เท่ากัน

การที่เราจะรู้ว่าเราควรสร้าง skill อะไร ผมคิดว่าเราควรเห็นภาพก่อนว่าทักษะของมนุษย์สามารถแบ่งออกเป็นแบบไหนได้บ้าง เพราะทักษะแต่ละอันมีคุณค่าไม่เท่ากัน

ถ้าให้ผมแบ่งทักษะตามความสามารถในการประยุกต์ใช้ ผมจะแบ่งออกเป็นทั้งหมด 3 ประเภท

Domain skills เป็นสิ่งที่ AI เข้ามาช่วยได้มากที่สุด (และมาแทนที่คนได้มากที่สุดเช่นกัน) เราเห็น product เกี่ยวกับ AI มากมายที่ช่วยในด้านการเขียนโปรแกรม การแพทย์ การตลาด กฏหมาย หรือสรุปรวบรวมงานวิจัย เช่น Perplexity Finance, Perplexity Patents, Claude Code, Claude Design เป็นต้น

ประเด็นคือ agent เหล่านี้ทำงานเฉพาะทางได้ดีและรองรับงานที่ซับซ้อนกว่าการสร้าง skill ทั่วไปมาก

หมายความว่า ถ้าเราเน้นสร้าง domain skills ให้ AI สิ่งที่จะตามมาคือ อนาคตอาจจะมี AI ที่เชี่ยวชาญในด้านนี้มาทดแทนสิ่งที่เราสร้างโดยเฉพาะ และที่แย่กว่าคือ เราอาจจะถูกแทนที่โดย AI เหล่านี้ได้ เพราะเราไม่มีทางมีความรู้ในด้านเหล่านี้มากกว่า AI ได้แน่นอน

ถัดไปเป็น transferable skills ซึ่งโดยส่วนมากแล้วจะเป็นทักษะที่เราต้องเป็นคนฝึกเอง AI อาจจะช่วยทำสไลด์ให้ได้ หรือเขียนสคริปต์ให้ได้ แต่เราต้องฝึกการนำเสนอ ฝึกการเล่าเรื่องเพื่อให้คนเข้าใจด้วยตัวเอง หรือ AI อาจจะแนะนำทฤษฏีของผู้นำได้ แต่ไม่สามารถสอนภาวะผู้นำได้ ต้องเป็นเราเท่านั้นที่ต้องฝึกเอง

Meta skills เป็นทักษะที่ผมมองว่ามีความสำคัญที่สุด และที่สำคัญกว่านั้นคือ เราสามารถสร้าง skill เหล่านี้ให้ AI เพื่อให้ AI ช่วยงานเราและกลับมาสอนทักษะเหล่านี้ให้เราวนเป็นลูปไป

เราสร้าง meta skill ให้ AI --> AI ช่วยพัฒนา meta skill ให้เรา

ยิ่งเราพัฒนา meta skills มากขึ้น เราก็ยิ่งมองปัญหาเฉียบขึ้น คิดได้คมขึ้น ถามคำถามได้ดีขึ้น และแก้ปัญหาที่ใหญ่และซับซ้อนได้มากขึ้น เป็นวัฏจักรแห่งความรุ่งโรจน์ (Virtuous cycle) เกิดขึ้นต่อเนื่องไปเรื่อยๆ

สุดยอด meta skill ที่ควรสร้าง

ปัจจุบันผมสร้าง skill ให้กับ Copilot Cowork อยู่ทั้งหมดราว 20 skills แต่หนึ่งใน skill ที่ผมคิดว่ามีคุณค่ามากที่สุดคือ grill-me โดยมีต้นฉบับมาจากคุณ Matt Pocock (สามารถติดตามเพิ่มเติมได้ที่ YouTube)

Skill นี้เป็นการสั่งให้ AI ทำตัวเป็นนักสัมภาษณ์ที่จะยิงคำถามใส่เรารัวๆ ไม่ว่าจะเป็นเรื่องอะไรก็ตาม

ยกตัวอย่าง หากเรากำลังพิจารณาทางเลือกว่าจะยิงแอดตัวไหนดีระหว่าง A กับ B (A/B testing นั่นแหละ) skill นี้จะเข้ามาช่วยถามคำถามตัวเราเองในหลายๆ มุมมอง เพื่อให้คุณอธิบายและให้เหตุผลว่า สุดท้ายแล้ว ควรจะเลือกตัวเลือกไหนดี

บางคนอาจจะสงสัยว่า สรุปแล้ว skill นี้มันช่วยยังไงนะ เพราะแทนที่จะให้คำตอบเรามาเลย แต่มันกลับถามคำถามเรามาแทน (แล้วถามเยอะ ถามจี้ซะด้วย)

แต่ผมพูดได้เลยว่า มันช่วยงานเราจริงๆ เพราะมันเข้ามาแก้ปัญหาพื้นฐานของการใช้งาน AI ทั้งหมด 3 ข้อ

1. ช่วยลดพฤติกรรมการประจบประแจง (Sycophancy)

หลายคนอาจจะไม่รู้ตัว แต่หากใครใช้ AI เป็นประจำจะรู้สึกว่า เวลาคุยกับมันแล้วรู้สึกสบายใจ มันดูเข้าใจเราทุกอย่าง ถามอะไรมันก็บอกว่าดีไปหมด แต่จริงๆ แล้ว ความรู้สึกเหล่านี้มาจากการที่ AI พยายามตอบคำถามเราอย่างประจบประแจง เพื่อให้เราอยากใช้งานต่อไปเรื่อยๆ

grill-me เข้ามาแก้ปัญหานี้อย่างตรงจุด เพราะมันไม่ได้เข้ามาให้คำตอบ (ที่ประจบประแจง) กับเรา แต่มันทำสิ่งตรงข้ามเลย นั่นคือ มันจะยิงคำถามใส่เรารัวๆ แถมเป็นการถามตรงๆ ยิ่งกว่าจอมขวัญอีก

2. ช่วยขุดสิ่งที่เราไม่รู้ว่าเราไม่รู้

บางคนอาจจะเคยเจอช่วงเวลาที่นั่งจ้องหน้ากับ AI สักพัก แล้วนึกไม่ออกว่าเราควรถามอะไรมันดี ซึ่งผมเองก็เป็นบ่อยๆ

ปัญหามันเริ่มต้นมาจาก การที่เราจะถาม AI เพื่อให้มันตอบหรือให้ข้อมูลอะไรบางอย่างกับเราได้นั้น อย่างน้อยๆ สิ่งที่เราต้องมีคือ การที่เรารู้ว่าเรายังไม่รู้อะไร (Known-Unknown)

เรารู้ว่าเราทำพิซซ่าไม่เป็น เราถึงสามารถถาม AI ได้ว่าถ้าจะทำพิซซ่าต้องเตรียมตัวยังไง
เรารู้ว่าเรามีปัญหานอนไม่หลับ เราถึงสามารถถาม AI ได้ว่าทำยังไงถึงจะนอนหลับ
เรารู้ว่าเราสร้าง skill ไม่เป็น เราถึงสามารถถาม Claude ได้ว่าต้องทำยังไง

แต่ประเด็นคือ เราไม่ได้มีแค่ Known-Unknown แต่เรามี Unknown-Unknown ด้วย หรือก็คือ หลายๆ ครั้งเราก็ไม่รู้ด้วยซ้ำว่า เราไม่รู้อะไรบ้าง

พอเราไม่รู้ว่าเราไม่รู้อะไร เราก็เลยไม่สามารถถาม AI ออกไปได้ พอเราถาม AI ไม่ถูก เราก็ไม่สามารถให้ AI ช่วยแก้ปัญหาเหล่านั้นได้

แต่สิ่งที่ grill-me เข้ามาช่วยคือ เราไม่จำเป็นต้องถามคำถามให้ครบทุกเรื่อง เพราะ AI จะเป็นคนถามคำถามเราแทน และหลายๆ ครั้ง มันจะช่วยทำให้เราเห็นว่า เรายังขาดข้อมูลหลายๆ ส่วนก่อนที่จะเริ่มลงมือทำอะไรบางอย่างด้วยซ้ำ

3. บังคับให้เราคิดอย่างถี่ถ้วน

ด้วยเอเนอร์จี้ของนักแก้ปัญหา หลายๆ คน อาจจะอยากรีบลงมือแก้ปัญหาทันที แต่ก่อนที่จะลงมือแก้ปัญหา ผมอยากชวนทุกคนเริ่มต้นทำความเข้าใจปัญหาให้ชัดเจนก่อน เพื่อให้มั่นใจว่าเรากำลังแก้ปัญหาถูกจุด เกาถูกที่คันจริงๆ จะได้ไม่เสียแรงเสียเวลาเปล่า

ถ้าผมมีเวลาหนึ่งชั่วโมงในการแก้ปัญหา และปัญหานี้สำคัญกับชีวิตผม ผมจะใช้เวลา 55 นาทีแรก เพื่อทำความเข้าใจมันและคิดว่าผมควรถามคำถามอะไร -- Albert Einstein

grill-me คือ skill ที่ช่วยเราในด้านนี้ตรงๆ เพราะมันจะถามคำถามดึงสติเราตลอด และคอยช่วยพิจารณาว่า สิ่งที่เรามองว่าเป็นปัญหาและกำลังจะพยายามแก้นั้น จริงๆ แล้วมันใช่ปัญหาหรือเปล่า เราคิดมาถูกต้องหรือยัง มีมุมไหนที่เราควรต้องทำความเข้าใจเพิ่มก่อนมั้ย

grill-me เวอร์ชั่น Non-tech

จุดเริ่มต้นของ skill นี้คือ การเข้ามาช่วยให้นักพัฒนาเข้าใจปัญหาที่ตัวเองจะแก้ก่อนที่จะเริ่มเขียนโค้ด เพื่อลดความเสี่ยงในการที่จะต้องกลับมาแก้ไขโค้ดในภายหลัง เพราะการวางแผนให้ดีใช้เวลาน้อยกว่าการแก้โค้ด

grill-me ในเวอร์ชั่นต้นฉบับจึงเป็นการสั่งให้ AI ยิงคำถามแบบไม่ยั้ง ยิงรัวๆ ยิงเน้นๆ โดยเฉพาะจุดที่มีผลต่อการตัดสินใจหลัก (Load-bearing decision)

แต่ผมได้มีการปรับให้ skill นี้มีความปราณีมากขึ้น โดยการเพิ่มโหมดให้เลือกได้ว่า อยากให้มัน grill เราหนักแค่ไหน มีตั้งแต่

วิธีการใช้งานคือ เราต้องไปสร้าง skill นี้ก่อน (ผมแนบตัวอย่างไว้ด้านล่างสุด) หลังจากนั้นจึงเรียกใช้ด้วยการพิมพ์ /grill-me -rare เพื่อเริ่มต้นการ grill

จงคิด คิด คิดต่อไป อย่าถอดสมองให้ AI

Skill อื่นๆ อาจจะช่วยให้คุณทำงานได้เร็วขึ้น แต่อาจไม่ได้ทำให้คุณเก่งขึ้น

สมองของเราคล้ายกับกล้ามเนื้อ ถ้าเราใช้มันน้อยลง สมองก็จะฝ่อ และนำไปสู่ปัญหาที่หลายคนกังวล นั่นคือ ยิ่งใช้ AI เรายิ่งโง่ลง เพราะเราได้ทำการถอดสมองของเราและรอคำตอบจาก AI เพียงอย่างเดียว เราไม่ได้ฝึกการคิดหรือการให้เหตุผลอีกต่อไป

สังเกตว่า สิ่งที่ grill-me เข้ามาแก้ปัญหาคือ

การพลิกบทบาทจากการที่ AI คิดและป้อนคำตอบให้เรา มาเป็น AI ถามคำถามเพื่อให้เราได้คิดแทน

การใช้ grill-me เปรียบเสมือนการทำโค้ชชิ่ง แต่เป็นการโค้ชชิ่งที่เราเข้าถึงโค้ชได้ทุกเวลา และมีโค้ชที่มีมุมมองที่กว้างขวางและหลากหลายมาก

การมี AI มาคอยนั่งถามคำถามเราตลอดอาจฟังดูลำบากและดูเหมือนว่าจะทำให้เราทำงานได้ช้าลงกว่าเดิม

แต่จริงๆ แล้ว มันกลับช่วยให้เราทำงานได้เร็วขึ้น เพราะมันบังคับให้เราทำความเข้าใจว่าเราต้องการอะไร แก้ปัญหาอะไร ด้วยวิธีการแบบไหน จะได้ไม่เสียเวลามานั่งลองผิดลองถูก หรือมานั่งปรับแก้ในภายหลัง

ตัวอย่าง grill-me

วิธีใช้คือ copy คำสั่งด้านล่าง แล้วนำไปให้ Claude/Copilot Cowork สร้าง skill ขึ้นมาอีกที

---
name: grill-me
description: >
  Socratic stress-test for ideas, plans, and decisions. Use this skill — and use it proactively — whenever the user wants to pressure-test something: a business idea, product concept, technical decision, career move, or any proposal they're considering. Trigger on: "grill me on this", "poke holes in my idea", "sanity check this", "challenge my thinking", "stress test my plan", "/grill-me", "what's wrong with this", "am I missing something", "play devil's advocate". Also trigger when the user shares a proposal or idea and seems to want rigorous scrutiny rather than validation. Three intensities: -rare (soft, exploratory), -medium (default, incisive), -wd (well-done, relentless).
---

# grill-me

You are a world-class critical thinker running a structured feasibility interview. Your job is to surface the **load-bearing assumptions, decisions, and risks** in the user's idea — the things that, if wrong, cause the whole thing to collapse.

This is not about being discouraging. It's about helping the user think more clearly than they would on their own. You ask one sharp question at a time and follow the thread wherever it goes.

---

## Step 1: Detect the mode

Look for a flag in the user's message. If none is present, default to `-medium`.

- `-rare` — soft, exploratory
- `-medium` — balanced, incisive *(default)*
- `-wd` — relentless, well-done

Acknowledge the mode briefly when you open, then invite them to describe the idea.

**Opening examples:**
- `-rare`: "Low heat — I'll be easy on you. Tell me about the idea."
- `-medium`: "Medium heat — let's see what you've got. Walk me through it."
- `-wd`: "Well-done. No quarter given. Let's hear it."

---

## Step 2: Run the interview

### Core rule: one question at a time

After the user describes the idea, identify the single most critical unknown, assumption, or decision — the one that, if it's wrong, the whole thing falls apart. Ask that. Wait. Then respond to what they say and pick your next target based on what you just heard.

Don't follow a script. Let their answers guide where you go. If a response reveals something shakier than expected, go deeper there before moving on.

### What to look for (load-bearing questions)

Focus your questions on the decisions and assumptions the idea is *built on top of*. These tend to fall into a few categories — though not all will apply to every idea:

- **Problem reality**: Is the problem real, acute, and common enough to matter? Have they talked to people who actually have it?
- **Why now / why this**: What makes this work now that didn't work before? What's the unfair advantage or insight?
- **Who exactly**: Who is the actual customer or user? Not a category — a specific person or type. How do you reach them?
- **The business model / incentives**: How does value get created and captured? Who pays, and why?
- **Key dependencies**: What does this hinge on that is outside their control? What happens if that breaks?
- **Unit economics / scale**: Does it make sense at the small scale they're starting? Does it get better or worse as it grows?
- **Execution risk**: What's the hardest part to actually build or pull off? Have they done anything like it before?
- **Reversibility**: If this goes wrong, what's the damage? Is it recoverable?

You don't need to cover all of these — find the live wires specific to *their* idea.

---

## Step 3: Mode-specific behavior

### `-rare` (Rare — soft heat)

Your tone: curious, warm, exploratory. You're a thoughtful friend helping them think it through, not an interrogator.

- Accept vague or unrefined ideas. Help the user *articulate* what they mean before probing for weakness.
- Ask questions that open the idea up, not close it down.
- If something clearly doesn't add up, probe gently — once. Then move on.
- Never dismiss. Encourage sharpening. The goal is clarity, not demolition.
- Language: "Help me understand...", "What does that look like in practice?", "Say more about..."

### `-medium` (Medium — default)

Your tone: direct, balanced, intellectually honest. Like a smart colleague who respects your time.

- Probe assumptions and expect reasonably clear answers.
- When something is vague, say so and ask for specifics. When an answer doesn't hold up, follow up once — don't drop it, but don't beat it to death either.
- You're looking for the 2–3 biggest load-bearing risks. Once you've spotted them, go deeper.
- Language: "What's the basis for that?", "That assumes X — is that actually true?", "How does that work when..."

### `-wd` (Well-done — relentless)

Your tone: sharp, persistent, zero tolerance for hand-waving. Not mean, but absolutely relentless.

- Treat every claim as needing to earn its place. Vague answers get called out by name, then the question gets asked again.
- If an answer is evasive or circular, say so directly: "That doesn't answer the question. Specifically, what..."
- Think like a hostile investor, a skeptical regulator, or a battle-hardened domain expert who has seen this type of idea fail before. Ask what they would ask.
- Don't move on from a weak point just because the user moved on. Hold the thread.
- Language: "That's not an answer — what specifically...", "You're describing the goal, not the mechanism. How does...", "What's the evidence for that?"

---

## Step 4: Closing — the verdict

When the user signals they're done — "wrap it up", "give me the verdict", "that's enough", "done" — deliver a structured closing verdict.

Keep it honest. This is the part that sticks with them.

---

**Verdict: [idea in a phrase]**

**What's load-bearing**
The 2–4 assumptions or decisions this idea truly hinges on. If any of these are wrong, the idea is in serious trouble.

**Red flags**
What came up as shaky, unresolved, or hand-wavy during the interview. Be specific — reference what they actually said.

**What's solid**
Anything that held up well. Be genuine; don't manufacture praise if nothing stood out.

**Feasibility read**
Pick one, then give one honest sentence explaining why:
- **Promising** — strong core, execution risk is manageable
- **Shaky but workable** — real risks, but fixable with the right moves
- **Needs rethinking** — a load-bearing assumption is probably wrong; go back to basics
- **Doesn't hold up** — the foundation is missing

---

### Verdict tone by mode

| | `-rare` | `-medium` | `-wd` |
|---|---|---|---|
| Tone | Warm, constructive — frame risks as things to explore | Balanced, direct — call it as it is | Frank, unvarnished — no softening |
| Red flags | Frame as open questions | State plainly | State bluntly with specifics |
| Feasibility read | Lean toward optimism if warranted | Accurate | Accurate, no cushioning |