การเรียนรู้ทักษะของ Claude Agent - คู่มือฉบับสมบูรณ์เพื่อสร้างคลังแสงพลัง AI ของคุณ

ช่วงเวลาที่ผมเข้าใจว่า Skills คืออะไรกันแน่

ขอผมเล่าเรื่องให้ฟัง ลองจินตนาการว่าคุณได้รับมอบหมายให้เป็นพี่เลี้ยงพนักงานใหม่ที่เก่งกาจคนหนึ่ง คนๆ นี้ฉลาดเหลือเชื่อ — เรียนรู้ได้เร็วที่สุดเท่าที่คุณเคยเห็นมา เข้าใจเกือบทุกอย่างที่คุณอธิบาย พูดจาฉะฉานในทุกหัวข้อ แต่มีปัญหาอยู่อย่างหนึ่ง: เขาไม่รู้กฎระเบียบของบริษัทคุณ

ทุกเช้าคุณต้องนั่งลงกับเขาและอธิบายเรื่องเดิมๆ "นี่คือวิธีที่เราจัดรูปแบบรายงาน นี่คือสไตล์การเขียนโค้ดของเรา นี่คือคนที่ต้อง CC ในอีเมลไหน นี่คือเทมเพลตสำหรับข้อเสนอให้ลูกค้า" และทุกเช้า หลังอาหารกลางวัน เขาก็ลืมมันไปหมด ไม่ใช่เพราะเขาโง่ — เขาฉลาดมาก แต่เขาไม่มีความจำถาวรเกี่ยวกับวิธีการทำงานของบริษัทคุณ

นั่นคือความรู้สึกของการทำงานกับ AI ในสมัยก่อน

Prompts (คำสั่ง) เปรียบเสมือนการยืนอยู่ข้างพนักงานใหม่คนนั้นและให้คำสั่งด้วยวาจา ณ ตรงนั้น "เขียนอีเมลนี้ให้เป็นทางการมากขึ้น" "ใช้รายการแบบ bullet point ตรงนี้" "ตรวจสอบโค้ดนี้เพื่อหาข้อผิดพลาด" มันได้ผล แต่ทันทีที่คุณปิดการสนทนา ทุกอย่างก็หายไป แชทใหม่ทุกครั้งเริ่มต้นจากศูนย์

Skills (ทักษะ) เปรียบเสมือนการมอบคู่มือ SOP ภายใน — โฟลเดอร์ฐานความรู้ที่มีข้อกำหนด สคริปต์ เทมเพลต และเอกสารอ้างอิง Agent จะค้นหาสิ่งที่ต้องการเมื่อจำเป็น และที่สำคัญ คู่มือนี้จะยังคงอยู่ตลอดทุกการสนทนา

นี่คือข้อมูลเชิงลึกที่เปลี่ยนโลก: Skills ไม่ใช่แค่ Prompt ที่หรูหรา มันเป็นกระบวนทัศน์ที่แตกต่างไปจากเดิมอย่างสิ้นเชิง Prompt เป็นแบบ Reactive — คุณสั่ง คุณได้คำตอบ Skill เป็นแบบ Proactive — มันนั่งรออยู่ตรงนั้น รอที่จะถูกค้นพบและนำไปใช้เมื่อเกี่ยวข้อง และทำงานในลักษณะเดียวกันทุกครั้ง

สิ่งที่ Skill ประกอบด้วยจริงๆ

แต่ละ Skill คือโฟลเดอร์ ไม่ใช่แค่ไฟล์ข้อความ นี่เป็นสิ่งสำคัญที่ต้องเข้าใจ ภายในโฟลเดอร์นั้น คุณสามารถมี:

เมื่อผมเห็นโครงสร้างนี้ครั้งแรก ผมคิดว่า: "เดี๋ยวสิ นี่มันเหมือนกับการสร้างแอปเล็กๆ เลย" และนั่นถูกต้อง แต่ละ Skill คือโมดูลความสามารถที่จบในตัว บางอันง่าย — แค่ไฟล์ markdown พร้อมกฎการพิสูจน์อักษร บางอันซับซ้อน — ครบครันด้วยสคริปต์ Python ที่ประมวลผลข้อมูล อัปโหลดไปยังเซิร์ฟเวอร์ และสร้างรายงาน

Skills มาถึงเมื่อไหร่?

Anthropic ปล่อย Skills สำหรับ Claude Code ในเดือนตุลาคม 2025 ตอนแรกผมคิดว่ามันเป็นแค่อีกหนึ่งฟีเจอร์อัปเดต แต่แล้วก็มีบางอย่างเกิดขึ้นในเดือนธันวาคม 2025 — พวกเขาเปิด Skills ให้เป็นมาตรฐานผ่าน agentskills.io ทันใดนั้น Skills ก็ไม่ใช่แค่เรื่องของ Claude อีกต่อไป Codex CLI ของ OpenAI ก็ใช้สถาปัตยกรรมเดียวกัน Cursor, Codebuddy, OpenCode — ทุกคนเริ่มสร้างความเข้ากันได้

Skills กลายเป็นมาตรฐานโดยพฤตินัยสำหรับการขยายความสามารถของ AI Agent เช่นเดียวกับที่ MCP กลายเป็นโปรโตคอลสำหรับการเชื่อมต่อภายนอกของทุกคนอย่างรวดเร็ว

และความนิยม? บอกแบบนี้แล้วกัน: Repository ที่รวบรวม 50+ Claude Skills มียอดดาวบน GitHub ถึง 18K คำว่า "Skills" ตอนนี้แพร่หลายในวงการ AI เหมือนกับคำว่า "Prompt" ในปี 2023

Progressive Disclosure - ทำไมการออกแบบนี้ถึงอัจฉริยะ

ก่อนที่ผมจะเข้าใจเรื่อง Progressive Disclosure (การเปิดเผยข้อมูลตามลำดับขั้น) ผมมีความกังวล: "ถ้าผมติดตั้ง 50 Skills คอนเท็กซ์ของ Claude จะไม่ระเบิดเหรอ? ผมจะไม่ผลาญโทเค็นเป็นพันๆ เพียงแค่โหลดคำอธิบายทักษะเหรอ?"

นี่คือจุดที่ความฉลาดในการออกแบบของ Anthropic เปล่งประกาย พวกเขายืมแนวคิดจากการออกแบบ UX — Progressive Disclosure — และนำมาใช้กับการจัดการคอนเท็กซ์ AI ได้อย่างสมบูรณ์แบบ

ระบบโหลดแบบสามชั้น (Three-Tier Loading System)

Progressive Disclosure หมายถึง การโหลดเป็นระยะและตามความต้องการ Claude ไม่ได้โยนทุกอย่างเข้าไปในคอนเท็กซ์ตอนเริ่มต้น แต่ใช้ระบบสามชั้น:

ลองคำนวณกัน

นี่คือการเปรียบเทียบที่ทำให้ผมชื่นชมการออกแบบนี้:

นั่นคือการลดการใช้โทเค็นลง 75% และนี่ไม่ได้นับรวมความได้เปรียบของสคริปต์ด้วยซ้ำ

ความมหัศจรรย์ของสคริปต์

นี่คือจุดที่ Skills ทิ้งห่าง Prompts แบบไม่เห็นฝุ่น เมื่อ Skill มีสคริปต์รวมอยู่ด้วย สิ่งพิเศษจะเกิดขึ้น:

1. Claude สร้างคำสั่ง: python scripts/upload_image.py image.png
2. สคริปต์ทำงานในเครื่องของคุณ (Locally)
3. เฉพาะผลลัพธ์ (เช่น URL ของรูปภาพ) เท่านั้นที่ถูกส่งกลับไปให้ Claude

โค้ดสคริปต์เองไม่เคยเข้าสู่คอนเท็กซ์

ลองคิดดูว่ามันหมายถึงอะไร คุณสามารถเขียนสคริปต์ Python 500 บรรทัดที่จัดการทุกกรณีขอบ (edge case) มีการจัดการข้อผิดพลาดที่แข็งแกร่ง การบันทึก (logging) การลองใหม่ (retries) — ทุกสิ่งที่ถ้าใส่ใน Prompt จะทำให้มันบวมจนเป็นไปไม่ได้ Claude แค่ต้องรู้ว่า "รันสคริปต์นี้" ความซับซ้อนถูกห่อหุ้มไว้ (Encapsulated)

การเปรียบเทียบกับเมนูมือถือ

ถ้าคุณเคยออกแบบแอปมือถือ คุณจะคุ้นเคยกับ Progressive Disclosure เป็นอย่างดี นั่นคือเหตุผลที่เรามีเมนูแฮมเบอร์เกอร์ — เราไม่แสดง 47 ตัวเลือกให้ผู้ใช้เห็นทันที เราแสดงไอคอนเมนู พวกเขาแตะ เห็นหมวดหมู่ แตะอีกครั้ง ไปถึงการตั้งค่าที่ต้องการ

จุดประสงค์? ไม่ให้ข้อมูลท่วมท้น ย่อยเป็นชิ้นๆ ให้ผู้ใช้ (หรือในกรณีนี้คือ AI) โฟกัสกับงานปัจจุบันโดยมีภาระทางปัญญาน้อยที่สุด

มนุษย์สามารถเก็บข้อมูลได้ประมาณ 7±2 ชิ้นในความจำระยะสั้น AI ซึ่งถูกจำกัดด้วยหน้าต่างคอนเท็กซ์ ก็มีข้อจำกัดที่คล้ายกัน Progressive Disclosure เคารพข้อจำกัดนั้นในทั้งสองกรณี

Skills vs MCP vs Subagent - ไขข้อข้องใจในที่สุด

คำถามนี้กวนใจผมมาหลายสัปดาห์ MCP, Skills, Subagent — ทั้งหมดดูเหมือนจะ "ขยายความสามารถของ Claude" เหมือนกัน อะไรคือความแตกต่างที่แท้จริง? หลังจากสร้างด้วยทั้งสามอย่าง ในที่สุดผมก็ได้คำตอบที่สมเหตุสมผล

ความแตกต่างในประโยคเดียว

MCP อนุญาตให้ Claude แตะต้องระบบภายนอก Skills บอก Claude ว่าจะใช้สิ่งที่แตะต้องอย่างไร Subagent ส่งคนอื่นไปทำงานให้

ขอผมขยายความด้วยการเปรียบเทียบที่ช่วยให้ผมเข้าใจจริงๆ:

ตารางเปรียบเทียบ

เมื่อไหร่ใช้อะไร

ใช้ MCP เมื่อคุณต้องการเชื่อมต่อกับระบบภายนอก:

• คิวรีฐานข้อมูล
• เรียกใช้ API บุคคลที่สาม
• อ่าน/เขียน Notion, Jira, GitHub, Salesforce
• เข้าถึงบริการใดๆ ที่ต้องการการยืนยันตัวตน

ใช้ Skills เมื่อคุณมีเวิร์กโฟลว์ที่ทำซ้ำๆ:

• กระบวนการ Code Review พร้อมรายการตรวจสอบเฉพาะ
• การพิสูจน์อักษรบทความด้วยกฎสไตล์ที่สม่ำเสมอ
• การสร้างรายงานด้วยรูปแบบมาตรฐาน
• คำสั่งใดๆ ที่คุณพิมพ์บ่อยๆ

ใช้ Subagent เมื่อเมื่องานซับซ้อนและทำขนานกันได้:

• รีวิว Codebase ทั้งหมด (ใช้เวลานาน)
• ประมวลผลหลายงานที่ไม่เกี่ยวข้องกันพร้อมๆ กัน
• ป้องกันไม่ให้คอนเท็กซ์ปนเปื้อนระหว่างงานที่ไม่เกี่ยวข้องกัน

ทำงานร่วมกัน

นี่คือส่วนที่สวยงาม: มันไม่ใช่เทคโนโลยีที่แข่งขันกัน มันเป็นเลเยอร์ที่เสริมกัน

เวิร์กโฟลว์ที่ซับซ้อนอาจใช้ทั้งสามอย่าง:

1. MCP เชื่อมต่อกับ Salesforce เพื่อดึงข้อมูลการขาย
2. Skills กำหนดกระบวนการวิเคราะห์ข้อมูล — วิธีคำนวณตัวชี้วัด สร้างรายงาน
3. Subagent จัดการการวิเคราะห์ภูมิภาคต่างๆ พร้อมกัน

ในเวิร์กโฟลว์การเขียนของผมเอง:

• Skills กำหนดกฎการพิสูจน์อักษรและคู่มือสไตล์
• สคริปต์ (ที่รวมอยู่ใน Skills) อัปโหลดรูปภาพไปยังโฮสติ้งของผม
• ผมวางแผนจะเพิ่ม MCP เพื่อเชื่อมต่อกับฐานข้อมูลวัตถุดิบของผม

ทำไม Simon Willison ถึงบอกว่า Skills อาจยิ่งใหญ่กว่า MCP

Simon Willison เป็นหนึ่งในเสียงที่ได้รับการยอมรับมากที่สุดในชุมชนนักพัฒนา AI เมื่อเขาเขียนว่า "Skills อาจเป็นเรื่องใหญ่กว่า MCP" ผู้คนจึงให้ความสนใจ หลังจากใช้งานทั้งสองอย่างมาหลายเดือน ผมเข้าใจเหตุผลของเขาอย่างชัดเจน

เหตุผลที่ 1: ประสิทธิภาพของโทเค็น

MCP มีปัญหาพื้นฐาน: Token Bloat (การบวมของโทเค็น)

เมื่อคุณเชื่อมต่อ MCP Server, Claude ต้องเข้าใจว่าเซิร์ฟเวอร์นั้นทำอะไรได้บ้าง ทุกฟังก์ชันที่มี ทุกพารามิเตอร์ ทุกประเภทการคืนค่า — ทั้งหมดต้องอยู่ในคอนเท็กซ์ Simon สังเกตว่า GitHub MCP Server อย่างเป็นทางการใช้โทเค็นเป็นหมื่นๆ แค่ตัวมันเอง

Skills หลีกเลี่ยงสิ่งนี้ได้อย่างสวยงาม โหลดแค่ Metadata (100 โทเค็นแต่ละอัน) จากนั้นโหลดคำสั่งเต็มเมื่อถูกกระตุ้นเท่านั้น ความแตกต่างด้านประสิทธิภาพนั้นน่าทึ่ง

เหตุผลที่ 2: ความได้เปรียบด้านความเรียบง่าย

ในการสร้าง MCP Server คุณต้อง:

• เข้าใจข้อกำหนดโปรโตคอล
• เขียนโค้ดฝั่งเซิร์ฟเวอร์
• กำหนดค่า JSON ให้ถูกต้อง
• จัดการการสื่อสารและสถานะข้อผิดพลาด

ในการสร้าง Skill?

แค่เขียน Markdown

ถ้าคุณรู้วิธีเขียนเอกสาร คุณก็รู้วิธีเขียน Skills ความแตกต่างของเกณฑ์การเข้านั้นมหาศาล และในเทคโนโลยี อุปสรรคในการสร้างที่ต่ำกว่าจะนำไปสู่การเติบโตแบบระเบิดเสมอ

เหตุผลที่ 3: ความเข้ากันได้ข้ามแพลตฟอร์ม

MCP Servers มักจะเฉพาะเจาะจงกับโฮสต์ สิ่งที่สร้างขึ้นสำหรับ Claude Code อาจใช้ไม่ได้ที่อื่นโดยไม่มีการดัดแปลง

Skills เป็นเพียงโฟลเดอร์ที่มี Markdown และสคริปต์ทางเลือก ไม่ขึ้นอยู่กับเทคโนโลยีเฉพาะของ Anthropic Simon ชี้ให้เห็นว่าคุณสามารถชี้โฟลเดอร์ Skill เดียวกันไปยัง Codex CLI, Gemini CLI — มันจะทำงานได้แม้ไม่มีการรองรับ Skills โดยกำเนิด เพราะโดยแก่นแท้แล้ว Skills ก็คือคำสั่งที่มีโครงสร้างดีนั่นเอง

ความสามารถในการพกพานี้คือเหตุผลที่ OpenAI ใช้สถาปัตยกรรมเดียวกันใน Codex CLI ทักษะกำลังกลายเป็นมาตรฐานสากล

เหตุผลที่ 4: การทำนายการระเบิดแบบแคมเบรียน (Cambrian Explosion)

"ผมขอทำนายว่า Skills จะนำมาซึ่งการระเบิดแบบแคมเบรียนที่น่าตื่นตาตื่นใจยิ่งกว่าความคลั่งไคล้ MCP ในปีที่ผ่านมา"

ทำไม? เพราะเมื่อเกณฑ์การสร้างลดลงต่ำพอ การมีส่วนร่วมของชุมชนจะระเบิด การเขียน MCP Server ต้องใช้ทักษะ Backend Dev การเขียน Skill ต้องใช้ความรู้ในการเขียนเอกสาร

เราเห็นคำทำนายนี้เป็นจริงแล้ว ตลาด Skills ผุดขึ้นทุกที่ Repository GitHub เต็มไปด้วยการมีส่วนร่วมของชุมชน ระบบนิเวศเติบโตเร็วกว่าที่ใครคาดไว้

การสังเกตของผมเอง

หลังจากใช้เวลาหลายเดือนกับทั้งสองเทคโนโลยี ผมเห็นด้วยกับการประเมินของ Simon Skills ให้ความรู้สึกสอดคล้องกับวิธีการทำงานตามธรรมชาติของ LLM มากกว่า — การเข้าใจข้อความ การทำตามคำสั่ง การใช้ความรู้ตามบริบท

MCP เป็นตัวแทนของวิธีคิดทางวิศวกรรมซอฟต์แวร์แบบดั้งเดิม: กำหนดอินเทอร์เฟซ ใช้บริการ จัดการโปรโตคอล

Skills เป็นตัวแทนของวิธีคิดแบบ LLM-Native: เขียนวิธีทำอย่างชัดเจน ปล่อยให้โมเดลหาวิธีและเวลาที่จะใช้มัน

ทั้งสองมีที่ของมัน แต่ Skills อาจเป็นการเปลี่ยนแปลงกระบวนทัศน์ที่ลึกซึ้งกว่า

กายวิภาคของ Skill ที่สมบูรณ์แบบ

ขอผมพาคุณทัวร์โครงสร้างของ Skill ที่สร้างขึ้นมาอย่างดี นี่ไม่ใช่แค่ทฤษฎี — การเข้าใจกายวิภาคนี้จะทำให้ทุกอย่างในคู่มือนี้เข้าที่เข้าทาง

โครงสร้างโฟลเดอร์

my-skill/
├── SKILL.md                 # คำสั่งหลัก (จำเป็นต้องมี)
├── scripts/
│   └── process.py           # สคริปต์ที่รันได้
├── references/
│   └── DETAILED_GUIDE.md    # เอกสารอ้างอิงละเอียด
└── assets/
    └── template.md          # ทรัพยากรเทมเพลต

ไฟล์ SKILL.md

นี่คือหัวใจของทักษะของคุณ มีสองส่วน:

---
name: my-awesome-skill
description: คำอธิบายสั้นๆ ว่าทักษะนี้ทำอะไรและควรใช้เมื่อไหร่ ใส่คำสำคัญสำหรับกระตุ้นการทำงานด้วย
---

# ทักษะสุดเจ๋งของฉัน

## Instructions

คู่มือทีละขั้นตอนสำหรับ Claude ให้ทำตามเมื่อทักษะนี้ถูกเรียกใช้

## Examples

การสาธิต Input/Output ที่เป็นรูปธรรม หรือรูปแบบการใช้งาน

## Guidelines

กฎ ข้อจำกัด หรือแนวทางปฏิบัติที่ดีที่สุดที่ต้องปฏิบัติตาม

YAML Frontmatter

ส่วนที่อยู่ระหว่างเครื่องหมาย --- คือสิ่งสำคัญ นี่คือสิ่งที่ Claude อ่านเพื่อตัดสินใจว่าจะใช้ทักษะของคุณหรือไม่

ตัวเลือก Frontmatter ขั้นสูง

นอกจากชื่อและคำอธิบายแล้ว Skills ยังรองรับตัวเลือกการกำหนดค่าที่ทรงพลัง:

กฎทอง: 500 บรรทัด

ธรรมเนียมการตั้งชื่อ

ชื่อโฟลเดอร์ของคุณสำคัญ ต้องเป็น ตัวพิมพ์เล็ก + ขีดกลาง ห้ามมีช่องว่าง ห้ามมีตัวพิมพ์ใหญ่

• ดี: hotspot-collector, code-review, ai-proofreading
• แย่: Hotspot Collector, codeReview, AI_Proofreading

การสร้าง Skill แรกของคุณ

นี่คือคำแนะนำที่สำคัญที่สุดของผม: คุณไม่จำเป็นต้องเขียน Skills เอง

ขอผมอธิบาย คุณค่าของ Skill อยู่ที่สิ่งที่มันห่อหุ้มไว้ — เวิร์กโฟลว์ของคุณ ประสบการณ์ของคุณ SOP ของคุณ สิ่งนี้มาจากคุณ ผ่านการทำงานจริง แต่การเปลี่ยนสิ่งนั้นให้เป็นไฟล์ SKILL.md ที่จัดรูปแบบถูกต้อง? ให้ AI ทำเถอะ

สิ่งที่คุณต้องทำ:

1. คิดให้ชัดเจนว่าปัญหาที่คุณต้องการแก้คืออะไร
2. ทำให้เวิร์กโฟลว์ของคุณชัดเจน
3. จัดเตรียมบริบทและวัสดุอ้างอิงให้เพียงพอ

จากนั้นบอก Claude: "ช่วยฉันสร้าง Skill เพื่อทำ XXX หน่อย" มันจะสร้างไฟล์ที่จัดรูปแบบถูกต้องให้คุณ

ทีละขั้นตอน: ตัวอย่างง่ายๆ

ลองสร้างทักษะที่สอน Claude ให้อธิบายโค้ดโดยใช้แผนภาพภาพและการเปรียบเทียบกัน

---
name: explain-code
description: Explains code with visual diagrams and analogies. Use when explaining how code works, teaching about a codebase, or when user asks "how does this work?"
---

When explaining code, always include:

1. **Start with an analogy**: Compare the code to something in everyday life
2. **Draw a diagram**: Use ASCII art to show flow, structure, or relationships
3. **Walk through code**: Explain step-by-step what happens
4. **Highlight a trap**: What is a common mistake or misconception?

Keep explanations conversational. For complex concepts, use multiple analogies.

Skills อยู่ที่ไหน

ตำแหน่งกำหนดขอบเขต:

การใช้ skill-creator อย่างเป็นทางการ

Anthropic มีทักษะเฉพาะสำหรับการสร้างทักษะ Meta ใช่ไหม?

ติดตั้งโดยบอก Claude:

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

เมื่อติดตั้งแล้ว คุณสามารถพูดง่ายๆ ว่า: "ช่วยฉันสร้างทักษะสำหรับการพิสูจน์อักษรบทความหน่อย" และ Claude จะใช้ skill-creator เพื่อสร้างทุกอย่างให้ถูกต้อง

การเปลี่ยน GitHub ทั้งหมดให้เป็นคลังแสงส่วนตัวของคุณ

ตรงนี้แหละที่สิ่งต่างๆ เริ่มน่าตื่นเต้น นี่คือเทคนิคที่เปลี่ยนวิธีคิดของผมเกี่ยวกับความสามารถของ AI ไปอย่างสิ้นเชิง

นี่คือข้อมูลเชิงลึก: ในช่วงสามสิบปีของอินเทอร์เน็ต นักพัฒนาอัจฉริยะนับไม่ถ้วนได้แก้ปัญหาแทบทุกอย่างที่คุณนึกออก พวกเขาสร้างเครื่องมือ เปิดเป็น Open Source และทำให้ทุกคนใช้งานได้ ปัญหาเดียวคือ? เครื่องมือเหล่านี้ส่วนใหญ่ต้องการการ Deployment การทำงานผ่าน Command Line การตั้งค่า Environment — อุปสรรคที่ขวางกั้นผู้ใช้ทั่วไป

Skills สามารถละลายอุปสรรคเหล่านั้นได้

แนวคิดหลัก

เนื่องจาก Skills สามารถแพ็คสคริปต์และคำสั่งไว้ด้วยกัน คุณจึงสามารถห่อหุ้มโปรเจกต์ Open Source ทั้งหมดให้เป็นความสามารถที่เรียกใช้ได้ โค้ดที่ผ่านการทดสอบในสนามรบซึ่งผู้ใช้นับพันขัดเกลามาหลายปี กลายเป็นส่วนหนึ่งของชุดเครื่องมือ AI ของคุณ

ตัวอย่างจริง: การดาวน์โหลดวิดีโอ

ขอผมยกตัวอย่างจริง สมมติว่าคุณต้องดาวน์โหลดวิดีโอจาก YouTube, Bilibili และแพลตฟอร์มอื่นๆ บ่อยๆ

ขั้นตอนที่ 1: หาโปรเจกต์ที่ใช่ ถาม AI ใดก็ได้: "มีโปรเจกต์ Open Source บน GitHub ที่ดาวน์โหลดวิดีโอจากเว็บไซต์ต่างๆ ไหม?"

มันจะชี้คุณไปที่ yt-dlp — โปรเจกต์ในตำนานที่มี 143,000+ ดาวที่รองรับเว็บไซต์นับพัน

ขั้นตอนที่ 2: แพ็คมันเป็น Skill

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

ขั้นตอนที่ 3: ให้ Claude วางแผน ใช้โหมด Plan ก่อน Claude จะวิเคราะห์โปรเจกต์ เข้าใจความสามารถของมัน และถามคำถามเพื่อความชัดเจนเกี่ยวกับความชอบของคุณ

ขั้นตอนที่ 4: สร้างและทดสอบ เปลี่ยนไปใช้โหมด Development ภายในไม่กี่นาที คุณจะมี Skill สำหรับดาวน์โหลดวิดีโอที่ใช้งานได้

ขั้นตอนที่ 5: ปรับปรุงจากการรันครั้งแรก ครั้งแรกที่คุณใช้ Skill ใดๆ ที่ห่อหุ้มเครื่องมือ Open Source คุณจะเจอปัญหา YouTube มีกลไกป้องกันการขูดข้อมูล คุณอาจต้องติดตั้ง dependencies บันทึกประสบการณ์เหล่านั้นและบอก Claude ให้อัปเดต Skill

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

ครั้งต่อไป? เปิดและดาวน์โหลด ทันที

ไอเดีย GitHub-to-Skills เพิ่มเติม

นี่เป็นแค่ยอดภูเขาน้ำแข็ง GitHub โฮสต์โปรเจกต์นับล้าน — ภูมิปัญญาของมนุษย์หลายทศวรรษ ที่เข้าถึงได้ฟรี

คุณไม่จำเป็นต้องมีสามหัวหกแขน คุณไม่จำเป็นต้องมีเขาบนหัว เบื้องหลังของคุณคือความรู้ที่สั่งสมมาของมนุษยชาติทั้งมวลในช่วงหลายทศวรรษที่ผ่านมา ตราบใดที่คุณต้องการมัน — มันเป็นของคุณที่จะสั่งการ

การสร้างระบบจัดการทักษะที่พัฒนาตนเองได้

ตอนนี้เรากำลังเข้าสู่ดินแดนที่ผมใช้เวลาสองวันเต็มกว่าจะเข้าใจ ที่นี่ Skills เปลี่ยนจาก "เครื่องมือที่มีประโยชน์" เป็น "ความสามารถที่มีชีวิตและเติบโตได้"

ปัญหา: Skills ที่แพ็คมาจากโปรเจกต์ GitHub ต้องการการบำรุงรักษา Repo ต้นฉบับมีการอัปเดต การแก้ไขบั๊กเกิดขึ้น ฟีเจอร์ใหม่ปรากฏขึ้น ในขณะเดียวกัน คุณได้ใช้ Skill ของคุณและสะสมประสบการณ์ — "พารามิเตอร์นี้ทำงานดีกว่า" "เพิ่ม flag นี้เพื่อเลี่ยงข้อผิดพลาดนั้น" คุณจะจัดการทั้งหมดนี้อย่างไร?

โซลูชันสามส่วน

ผมสร้าง (ด้วยความช่วยเหลือจาก AI) ทักษะสามอย่างที่ทำงานร่วมกันเพื่อแก้ปัญหานี้:

ปัญหาการควบคุมเวอร์ชัน (Version Control Problem)

นี่คือความขัดแย้งที่ผมเจอประจำ: เมื่อ GitHub อัปเดต ผมต้องการดึงโค้ดล่าสุดและสร้าง SKILL.md ใหม่ แต่ผมก็ได้ปรับปรุง Skill ของผมตามประสบการณ์การใช้งาน — การปรับแต่ง การแก้ไข ความชอบ การปรับเปลี่ยนเหล่านี้ก็อยู่ใน SKILL.md เช่นกัน

แรงสองแรง ทั้งคู่แก้ไขไฟล์เดียวกัน ด้วยเป้าหมายที่แตกต่างกันอย่างสิ้นเชิง หายนะรอเกิดชัดๆ

ทางออก: evolution.json

ข้อมูลเชิงลึก: การแยกความกังวล (Separation of Concerns)

การอัปเดต GitHub ยังคงสร้างไฟล์ SKILL.md พื้นฐานใหม่ แต่ประสบการณ์ที่สะสมมาทั้งหมดจะถูกเก็บไว้ในไฟล์ evolution.json แยกต่างหาก คิดซะว่าเป็น Save File ของเกม ไม่ว่าเกมหลักจะอัปเดตเป็นเวอร์ชันไหน Save File ของคุณก็ยังรักษาความก้าวหน้าของคุณไว้

เมื่อ SKILL.md ถูกเขียนทับด้วยเวอร์ชันใหม่ evolution.json จะเล่นบทบาทของมัน — แทรกภูมิปัญญาที่สะสมมากลับเข้าไปใน Skill ที่สดใหม่

yt-dlp-skill/
├── SKILL.md           # คำสั่งพื้นฐาน (สร้างใหม่ได้)
├── evolution.json     # ประสบการณ์สะสม (เก็บรักษาไว้)
└── scripts/
    └── download.sh    # สคริปต์ดำเนินการ

วงล้อการจัดการ (Management Flywheel)

ด้วยสามส่วนนี้ การจัดการ Skills กลายเป็นวงจรที่เสริมแรงตัวเอง:

1. สร้าง (Create) Skills ใหม่จาก GitHub โดยใช้ github-to-skills (ฝังตัวตนไว้)
2. ใช้ (Use) Skills ในงานประจำวัน เจอกรณีขอบและวิธีแก้ปัญหา
3. พัฒนา (Evolve) Skills โดยอัตโนมัติผ่าน skill-evolution-manager (จับวิธีแก้ปัญหา)
4. อัปเดต (Update) Skills พื้นฐานเมื่อ GitHub repo อัปเดตผ่าน skill-manager
5. ผสาน (Merge) ข้อมูลวิวัฒนาการกลับเข้าไปใน Skills ที่อัปเดตแล้ว (รักษาประสบการณ์ไว้)

ผลลัพธ์: Skills ที่เรียนรู้และปรับปรุงอย่างแท้จริง ไม่ใช่เชิงอุปมาอุปไมย — แต่เป็นเรื่องจริง ทุกครั้งที่คุณใช้และแก้ปัญหา พวกมันจะฉลาดขึ้น

ผมเปิดเผย Source Code ของทั้งสามตัวนี้ที่ https://github.com/KKKKhazix/Khazix-Skills มันไม่สมบูรณ์แบบ แต่มันใช้งานได้ และมันชี้ให้เห็นถึงสิ่งที่ทรงพลัง: Skills ของวันพรุ่งนี้จะไม่ใช่เอกสารนิ่งๆ แต่จะเป็นระบบที่มีชีวิต

ลายแทงขุมทรัพย์ของ 14 ทักษะอย่างเป็นทางการ

ก่อนที่คุณจะสร้างของคุณเอง รู้ไว้ว่ามีอะไรให้ใช้แล้วบ้าง Anthropic ดูแล Repository ทักษะอย่างเป็นทางการที่ครอบคลุมความต้องการทั่วไปอย่างสวยงาม

ทักษะทั้งหมดอยู่ที่: https://github.com/anthropics/skills

ทักษะเอกสาร (Closed Source)

ทักษะเหล่านี้ขับเคลื่อนการสร้างเอกสารที่คุณเห็นใน Claude.ai:

ทักษะการพัฒนา (Apache 2.0 Open Source)

ทักษะสร้างสรรค์

ทักษะการสื่อสารและ Meta

วิธีการติดตั้ง

วิธีที่ 1: ภาษาธรรมชาติ

แค่บอก Claude: "Install this skill, project address is: [GitHub URL]"

วิธีที่ 2: ตลาดปลั๊กอิน (Plugin Marketplace)

# เพิ่ม repo ทางการเป็นตลาด
/plugin marketplace add https://github.com/anthropics/skills

# ติดตั้ง skills
/plugin install
# Tab เพื่อเลือก Marketplace เลือกแพ็คเกจที่ต้องการ

วิธีที่ 3: ดึงมาด้วยตนเอง (Manual Pull)

ดาวน์โหลดโฟลเดอร์ skill และวางไว้ในไดเรกทอรี skills ของคุณ (~/.claude/skills/ สำหรับส่วนตัว, .claude/skills/ สำหรับโปรเจกต์)

ศิลปะแห่งทักษะการออกแบบ - การวิเคราะห์เชิงลึก

หลังจากทำ UX Design มาหลายปี ผมพบว่าทักษะการออกแบบอย่างเป็นทางการนั้นน่าหลงใหลเป็นพิเศษ ขอผมแจกแจงเทคนิคที่ทำให้พวกมันประสบความสำเร็จ รูปแบบเหล่านี้ใช้ได้ไกลกว่าแค่การออกแบบ — มันเป็นเทมเพลตสำหรับ Skill คุณภาพสูงใดๆ

เทคนิคที่ 1: ยกเพดานขึ้น (Raise the Ceiling)

Skill algorithmic-art ไม่ได้เริ่มด้วย "ช่วยฉันวาดด้วย p5.js" มันเริ่มด้วย:

"Algorithmic philosophies are computational aesthetic movements that are then expressed through code." (ปรัชญาอัลกอริทึมคือการเคลื่อนไหวทางสุนทรียศาสตร์เชิงคำนวณซึ่งถูกแสดงออกผ่านโค้ด)

สิ่งนี้ยกระดับงานจาก "สร้างผลงาน" เป็น "สร้างแนวทางสุนทรียศาสตร์พร้อมระบบอัลกอริทึมที่สอดคล้องกัน" เตือนโมเดลว่าผลลัพธ์ต้องเป็น ระบบ (Systematic) ไม่ใช่แค่แรงบันดาลใจชั่วแล่น

เทคนิคที่ 2: โครงสร้างสองขั้นตอน

ทั้งสองทักษะการออกแบบใช้วิธีการสองขั้นตอน:

1. ขั้นแรก สร้างปรัชญา (กรอบแนวคิดใน .md)
2. จากนั้น แสดงออกทางสายตา (การนำไปใช้จริง)

สิ่งนี้บังคับให้เกิดความเป็นนามธรรมก่อนการลงมือทำ โมเดลไม่สามารถตกหลุมพรางของ "เขียนโค้ด ปรับค่า" คอนเซปต์ต้องมาก่อน โค้ดเป็นเพียงการแสดงออก

เทคนิคที่ 3: เทมเพลตเชิงกวี + วิศวกรรม

Skill algorithmic-art ให้โครงสร้างสำหรับการเขียนปรัชญา:

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

สังเกต: แต่ละจุดเป็นทั้ง ภาษาทางสุนทรียศาสตร์ และ วัตถุทางเทคนิค "ฟังก์ชันสัญญาณรบกวน (Noise functions)" เชื่อมโยงโดยตรงกับโค้ด "พฤติกรรมของอนุภาค (Particle behaviors)" สามารถเขียนเป็นโปรแกรมได้ สิ่งนี้เชื่อมโยงวิสัยทัศน์และการดำเนินการเข้าด้วยกัน

เทคนิคที่ 4: เมล็ดพันธุ์คอนเซปต์

ข้อมูลเชิงลึกที่ยอดเยี่ยมจาก Skills ทางการ:

"คอนเซปต์คือการอ้างอิงที่ละเอียดอ่อนและเฉพาะกลุ่มที่ฝังอยู่ภายในอัลกอริทึม — ไม่ใช่แค่ตามตัวอักษรเสมอไป แต่ซับซ้อนเสมอ คิดเหมือนนักดนตรีแจ๊สที่อ้างถึงเพลงอื่นผ่านความกลมกลืนของอัลกอริทึม"

ธีมของผู้ใช้ควรถูกฝังอยู่ใน พารามิเตอร์ พฤติกรรม รูปแบบ — ไม่ใช่เขียนบนหน้าจอ เคารพต้นฉบับแต่ซ่อนไว้ลึกๆ คนที่รู้จะรู้สึก คนที่ไม่รู้จะแค่คิดว่ามันดูดี

เทคนิคที่ 5: การใช้เทมเพลตที่มีโซนอิสระ

Skills กำหนดชัดเจนว่าอะไรคือ FIXED (เลย์เอาต์ แบรนด์ การควบคุม) และอะไรคือ VARIABLE (อัลกอริทึม พารามิเตอร์ สี) สิ่งนี้รับประกันว่า:

• ทุกผลลัพธ์มีประสบการณ์ UI ที่สม่ำเสมอ
• โมเดลรู้ชัดเจนว่าตรงไหนเปลี่ยนได้/ไม่ได้
• ลด "เซอร์ไพรส์" ที่ไม่คาดคิดจากการตีความที่สร้างสรรค์เกินไป

เทคนิคที่ 6: งานฝีมือในรูปแบบรายการตรวจสอบ

Skill canvas-design เข้ารหัสมาตรฐานวิชาชีพเป็นกฎที่ตรวจสอบได้:

• ไม่มีอะไรตกขอบ
• ไม่มีอะไรซ้อนทับกัน
• ขอบกระดาษที่เหมาะสมเป็นสิ่งที่ต่อรองไม่ได้
• ข้อความต้องน้อยที่สุดและให้ความสำคัญกับภาพก่อนเสมอ

สิ่งนี้แปลความรู้โดยนัย (Tacit Knowledge) ของมืออาชีพให้เป็นข้อจำกัดพฤติกรรมที่ชัดเจน โมเดลสามารถตรวจสอบงานของตัวเองเทียบกับเกณฑ์ที่เป็นรูปธรรมได้

เทคนิคที่ 7: การลบ ไม่ใช่การเพิ่ม

ขั้นตอนการขัดเกลาสุดท้ายนั้นอัจฉริยะมาก:

"เพื่อขัดเกลางาน หลีกเลี่ยงการเพิ่มกราฟิก แต่ให้ขัดเกลาสิ่งที่สร้างขึ้นแล้วแทน หากสัญชาตญาณคือการเรียกฟังก์ชันใหม่หรือวาดรูปทรงใหม่ ให้หยุด"

สิ่งนี้เข้ารหัส "ฝีมือ 10% สุดท้าย" ที่แยกมือสมัครเล่นออกจากมือโปร เมื่อสัญชาตญาณบอกว่า "เพิ่มอีก" ให้ถามแทนว่า: อะไรที่ลบได้? อะไรที่จัดแนวได้ รวมได้ ทำให้แข็งแกร่งขึ้นได้?

การออกแบบสถาปัตยกรรมไลบรารีทักษะของคุณ

เมื่อมีทักษะหลายสิบ การจัดระเบียบเป็นเรื่องสำคัญ นี่คือวิธีที่ผมคิดเกี่ยวกับการจัดโครงสร้างไลบรารีทักษะที่ขยายขนาดได้

ทำไมต้องแยก Skills?

คนมักถามว่า: "ฉันเขียน Skill ใหญ่ๆ อันเดียวที่ทำทุกอย่างไม่ได้เหรอ?"

ไม่ได้ เหตุผลสามประการ:

รูปแบบประเภทของ Skill

ผมพบสี่รูปแบบที่ครอบคลุมกรณีการใช้งานส่วนใหญ่:

ระบบทักษะการเขียนของผม

เป็นตัวอย่างที่เป็นรูปธรรม นี่คือวิธีที่ผมจัดโครงสร้างทักษะสำหรับการเขียน:

P0 ทักษะหลัก (ทุกบทความ)

• ai-proofreading: กระบวนการ 3 รอบเพื่อลดคะแนนการตรวจจับ AI ทริกเกอร์: "proofread", "too AI"
• image-illustration: สร้างภาพ + อัปโหลดโฮสติ้ง + คืนค่า markdown ทริกเกอร์: "illustrate", หลังพิสูจน์อักษร

P1 ทักษะปกติ (บทความส่วนใหญ่)

• topic-generator: สร้างไอเดียหัวข้อตามเทรนด์ ทริกเกอร์: "give me topics"
• long-to-x: แปลงเนื้อหายาวเป็น Twitter threads ทริกเกอร์: "convert to X content"
• research-collector: รวบรวมและจัดระเบียบวัสดุวิจัย ทริกเกอร์: "research [topic]"

P2 ทักษะบางครั้ง

• headline-generator: สร้างพาดหัวที่ดึงดูดความสนใจ ทริกเกอร์: "title ideas"
• seo-optimizer: ปรับให้เหมาะสมสำหรับ Search Engine ทริกเกอร์: "SEO", "optimize for search"

การจัดการข้อผิดพลาดใน Skills

ระบบนิเวศ Skills ที่กำลังระเบิดตัว

เมื่อผมดู Skills ครั้งแรกเมื่อเดือนที่แล้ว ผมเจอแค่ไม่กี่ Repository ตอนนี้? ระบบนิเวศระเบิดตัวออก มีตลาดเฉพาะ ไดเรกทอรีที่ได้รับการคัดเลือก และทักษะนับหมื่นที่ชุมชนมีส่วนร่วม

จุดเริ่มต้นอย่างเป็นทางการ

เอกสาร Anthropic: https://code.claude.com/docs/en/skills

คู่มือทีละขั้นตอนที่ชัดเจนสำหรับการสร้างและใช้ทักษะ

Official Repository: https://github.com/anthropics/skills

14 ทักษะทางการบวกตัวอย่าง

Agent Skills Standard: https://agentskills.io

สเปคมาตรฐานแบบเปิด หากต้องการเข้าใจสเปคทางเทคนิคทั้งหมด เริ่มที่นี่

ตลาดชุมชน (Community Marketplaces)

คอลเลกชันที่ได้รับการคัดเลือก

smithery.ai/skills — มีไม่เยอะ แต่ทุกอันได้รับการตรวจสอบคุณภาพ

awesome-claude-skills บน GitHub — รายการที่คัดเลือกด้วยมือ คุณภาพสูง อัปเดตบ่อย

ไดเรกทอรี Multi-Tool

mcpservers.org/claude-skills — รวม MCP servers และ Claude Skills ไว้ด้วยกัน มุมมองที่เป็นเอกลักษณ์ต่อระบบนิเวศ

claudemarketplaces.com — ไดเรกทอรีของตลาด "ตลาดของตลาด"

รูปแบบขั้นสูงและเทคนิคระดับมือโปร

สำหรับผู้ที่พร้อมจะเจาะลึก นี่คือรูปแบบที่ผมค้นพบจากการใช้งานอย่างหนักหน่วง

การแทรกคอนเท็กซ์แบบไดนามิก

ไวยากรณ์ !`command` ดำเนินการคำสั่ง shell ก่อนที่เนื้อหาทักษะจะไปถึง Claude ผลลัพธ์จะแทนที่ placeholder

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

การดำเนินการแบบแยกสาขา (Subagent Integration)

เพิ่ม context: fork เพื่อรัน Skill ในแบบแยกส่วน เนื้อหา Skill จะกลายเป็น Prompt ที่เปิดตัว Subagent

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

การแทนที่อาร์กิวเมนต์

ส่งค่าไดนามิกเข้าไปใน Skills โดยใช้ $ARGUMENTS หรือตำแหน่ง $0, $1, ฯลฯ

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

โหมดอ่านอย่างเดียว (Read-Only Mode)

ใช้ allowed-tools เพื่อจำกัดสิ่งที่ Claude ทำได้เมื่อ Skill ทำงานอยู่:

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

การสร้างผลลัพธ์ภาพ

Skills สามารถสร้างไฟล์ HTML แบบโต้ตอบที่เปิดในเบราว์เซอร์ของคุณ รูปแบบนี้ใช้ได้กับ:

• การแสดงภาพ Codebase
• กราฟความสัมพันธ์ (Dependency graphs)
• รายงานความครอบคลุมของการทดสอบ
• ไดอะแกรม Schema ฐานข้อมูล
• ข้อมูลซับซ้อนใดๆ ที่ได้ประโยชน์จากการสำรวจแบบโต้ตอบ

สคริปต์ที่แนบมาทำงานหนัก; Claude จัดการ ผู้ใช้ได้รับผลลัพธ์ภาพที่สมบูรณ์โดยไม่ต้องทำเอง

การบันทึกเซสชัน

ใช้ ${CLAUDE_SESSION_ID} สำหรับการดำเนินการเฉพาะเซสชัน:

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

ตัวกระตุ้น Ultrathink

สภาวะแห่งการสร้างสรรค์

ผมอยากจบด้วยเรื่องส่วนตัว

ทุกครั้งที่ผมทำงานกับ Skills ผมจะนึกย้อนกลับไปฤดูร้อนปี 2013 ผมเพิ่งสอบเข้ามัธยมปลายเสร็จและซื้อแล็ปท็อปด้วยเงินเก็บ ผมใช้เวลาทั้งฤดูร้อนนั้นยุ่งอยู่กับ Skyrim Mods — ดาวน์โหลด ผสมผสาน ปรับแต่งไฟล์ config ดูเกมของผมเปลี่ยนเป็นอะไรที่เป็นของผมโดยสิ้นเชิง

นั่นคือความสุขของการสร้างสรรค์ที่บริสุทธิ์ ไม่ใช่การเสพคอนเทนต์ ไม่ใช่การไถฟีด แต่เป็นการสร้างอะไรบางอย่าง ปรับแต่งอะไรบางอย่าง ทำให้เป็นของผม

Skills นำความรู้สึกนั้นกลับมา

สภาวะการเป็นพี่เลี้ยงที่เจ๋งที่สุดไม่ใช่การมีใครสักคนที่พูดเก่งและต้องจูงมือตลอดเวลา แต่คือการยื่นชุดคู่มือให้พวกเขา และดูพวกเขาพลิกหน้า ลงมือทำ ตรวจสอบด้วยตัวเอง และปรับปรุงอย่างอิสระ คุณพูดน้อยลง; พวกเขาส่งมอบงานได้มากขึ้น

Skills คือสิ่งนั้น

วันนี้คุณสามารถติดตั้ง skill-creator และทำให้การกระทำทั่วไปหนึ่งอย่างมั่นคงขึ้น — อาจจะเป็นการตรวจสอบจุดร้อนของหัวข้อ เปลี่ยนบันทึกข้อผิดพลาดเป็นแผนการแก้ไข หรือเปลี่ยนลิงก์เป็นบทสรุป แค่อันเดียว

เมื่อมันทำงานสำเร็จ คุณจะเข้าใจถึงคุณค่าของการใช้ซ้ำ

พรุ่งนี้คุณจะต้องการอีกอัน มะรืนนี้คุณจะต้องการย้ายกระบวนการทั้งหมดของคุณเข้าไป

ในช่วงเวลานั้น คุณกำลังก้าวเข้าสู่สภาวะที่แตกต่าง

อิสรภาพ สภาวะแห่งการสร้างสรรค์

โปรเจกต์ Open Source อัจฉริยะเหล่านั้นบน GitHub — ภูมิปัญญาของมนุษย์หลายทศวรรษ ที่แบ่งปันกันอย่างอิสระ เพราะ Skills เพราะ Agents คนธรรมดาทุกคนสามารถบัญชาการพลังนั้นได้แล้ว

คุณไม่จำเป็นต้องมีสามหัวหกแขน คุณไม่จำเป็นต้องมีความสามารถเหนือธรรมชาติ เบื้องหลังของคุณคือความรู้ที่สั่งสมมาของมนุษยชาติ ตราบใดที่คุณต้องการมัน — มันเป็นของคุณ

ถ้าคุณเปรียบเทียบตัวเองตอนนี้กับตัวเองเมื่อสามปีก่อน จะมีอะไรให้เปรียบเทียบได้ไหม? ดูสิ่งที่คุณทำได้ในวันนี้ ดูสิว่าขอบเขตความสามารถของคุณขยายไปถึงไหน

ยุคสมัยที่ยอดเยี่ยมและงดงามนี้ที่สามารถทำให้ทุกคนเป็นยอดมนุษย์ — มันไม่ทำให้คุณตื่นเต้นเหรอ?