N1 — Operator Foundations ▾
ระดับ 1 · MOONKEY LAB

Operator
Foundations

สร้างพื้นฐานการใช้ Claude Code, GitHub, automation และระบบ AI 8 โมดูลเชิงปฏิบัติพร้อมแบบฝึกหัดจริงและผลงานที่ชัดเจน ไม่ต้องมีความรู้โค้ดเดิม เรียนในจังหวะของคุณ

8
โมดูล
~3h
ทั้งหมด
0
ความรู้โค้ดเดิม
100%
เชิงปฏิบัติ

ไดอะแกรม — ระบบพื้นฐานทำงานอย่างไร

คุณ

Operator พร้อม context และเป้าหมาย

Claude Code

AI ในสภาพแวดล้อม local ของคุณ

CLAUDE.md + context + prompts

คำสั่งที่ guide การทำงาน

GitHub + ไฟล์ + automation

ที่อยู่และ version ของงาน

Output: เว็บ, ระบบ, เอกสาร, workflow

ผลลัพธ์ที่จับต้องได้และส่งมอบได้

Glosario rápido

12 términos

Consulta los que no conozcas. No hace falta memorizar ninguno ahora.

CLI ▼

Command Line Interface. La terminal. Una pantalla de texto donde escribes comandos directamente al ordenador, sin botones ni menús. Es la forma más directa de controlar un sistema.

Terminal ▼

El programa que da acceso a la CLI. En Mac es Terminal o iTerm2. En Windows es PowerShell o Windows Terminal. Desde aquí lanzas herramientas, navegas por carpetas y ejecutas scripts.

VS Code ▼

Visual Studio Code. El editor de código más usado del mundo. Gratuito y extensible. Desde aquí escribirás, editarás y revisarás casi todos tus proyectos. Claude Code funciona dentro de él.

Git ▼

Sistema de control de versiones. Registra cada cambio que haces en tus archivos con un mensaje de qué cambiaste y por qué. Si algo se rompe, puedes volver a cualquier punto anterior.

GitHub ▼

Plataforma donde subes tus repositorios Git. Es la nube de tu código. Sirve para guardar, colaborar, publicar proyectos y conectar con herramientas como Cloudflare Pages o Vercel.

Repo ▼

Repositorio. La carpeta de tu proyecto con todo su historial de cambios. Puede ser local (en tu ordenador) o remoto (en GitHub). Ambos se sincronizan con git push y git pull.

Commit ▼

Un punto de guardado con mensaje. Cada commit es una foto del estado de tu proyecto en ese momento. "Añadí la sección de glosario." "Arreglé el bug del header." Úsalos con frecuencia.

API ▼

Application Programming Interface. Una puerta de acceso a una herramienta o servicio externo. Le envías una solicitud y recibes una respuesta. Así los programas se comunican entre sí.

MCP ▼

Model Context Protocol. Un estándar que permite a Claude conectarse con herramientas externas: sistemas de archivos, GitHub, bases de datos, navegadores. Convierte a Claude de asistente a operador de sistemas reales.

CLAUDE.md ▼

Archivo de instrucciones para Claude. Le dice qué es el proyecto, cómo debe trabajar, qué hacer y qué evitar. Es el contrato entre tú y tu asistente IA. Sin él, Claude trabaja sin contexto.

Deploy ▼

Publicar un proyecto para que esté accesible en internet. Convierte código local en una URL real. Para proyectos estáticos, plataformas como Cloudflare Pages, Vercel o Netlify lo hacen gratis y en minutos.

Cloudflare Pages ▼

Plataforma de hosting gratuito para proyectos estáticos. Conectas tu repo de GitHub, configuras el comando de build y cada vez que haces git push, tu sitio se actualiza automáticamente.

M0

เตรียม context

15 min

เมื่อเสร็จ

มี document บันทึก context การทำงานของคุณพร้อมให้ Claude ใช้ตั้งแต่เริ่มต้นทุกโปรเจกต์

Claude ไม่มีความจำระหว่าง session เมื่อไม่มี context จะทำงานแบบ generic เมื่อมี context จะทำงานได้แม่นยำ module นี้สอนวิธีสร้าง context ก่อนเริ่มทุกงาน

ทำไมถึงสำคัญ

ผลลัพธ์ mediocre ส่วนใหญ่ไม่ได้มาจากเครื่องมือ แต่มาจากการขาด context document ที่ดีประหยัดเวลาแก้ไขครึ่งชั่วโมงในแต่ละ session

เคล็ดลับ

เขียน context ราวกับว่าคุณกำลังอธิบายงานให้ผู้รับจ้างที่เก่งแต่เพิ่งมาถึง หนาแน่น แม่นยำ ไม่มีการสอนพื้นฐาน หนึ่งบรรทัดต่อหนึ่งจุด ถ้าเกิน 30 บรรทัดให้ตัด
PROMPT M0 ดึง context เชิงปฏิบัติจากการสนทนาก่อนหน้า 
ฉันมีประวัติการทำงานกับคุณในการสนทนาก่อนหน้า

ดึงสรุปที่มีโครงสร้างพร้อม sections เหล่านี้:
- ชื่อโปรเจกต์หรือพื้นที่งานหลักของฉัน
- เครื่องมือที่ฉันใช้เป็นประจำ
- เป้าหมายปัจจุบันของฉัน
- สไตล์การทำงานกับ AI ที่ฉันชอบ
- สิ่งที่ฉันไม่ต้องการให้คุณทำเมื่อเราทำงานร่วมกัน
- กฎการทำงานที่เราตกลงกันไว้

Format: Markdown ไม่เกิน 30 บรรทัด ไม่มีตกแต่งหรือ filler
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

สร้าง document context ส่วนตัวที่ให้ Claude ใช้ได้ในทุกโปรเจกต์

ก่อนเริ่ม

เปิด VS Code หรือ editor อะไรก็ได้ module นี้ไม่ต้องติดตั้งอะไร

ขั้นตอน

  1. 1 สร้างไฟล์ชื่อ mi-contexto.md ในโฟลเดอร์ที่คุณเลือก
  2. 2 เขียน sections เหล่านี้: ฉันเป็นใคร, โปรเจกต์ที่กำลังทำ, เครื่องมือที่ใช้, วิธีที่ชอบทำงาน, สิ่งที่ไม่ต้องการให้ Claude ทำ
  3. 3 เขียนให้กระชับ หนึ่งบรรทัดต่อหนึ่งจุด ไม่ต้องเป็นย่อหน้า
  4. 4 ถ้ามีประวัติใน Claude.ai ให้ใช้ prompt ด้านบนเพื่อดึง context ออกมาอัตโนมัติ

ผลลัพธ์ที่คาดหวัง

ไฟล์ mi-contexto.md ขนาด 20–30 บรรทัด พร้อมข้อมูลที่หนาแน่นและมีประโยชน์เกี่ยวกับตัวคุณและงาน

ข้อผิดพลาดที่พบบ่อย

เขียนมากเกินไป context ต้องแม่นยำ ไม่ใช่ครบถ้วน ถ้าเกิน 30 บรรทัดให้ตัด

วิธีรู้ว่าทำถูกต้อง

เปิด session ใหม่ของ Claude แล้ว Claude รู้วิธีทำงานกับคุณโดยไม่ต้องอธิบายอะไรพื้นฐาน

ผลงาน: mi-contexto.md
✓Claude เข้าใจงานของคุณโดยไม่ต้องอธิบายซ้ำ
↑ สารบัญ
M1

สภาพแวดล้อมการทำงาน

20 min

เมื่อเสร็จ

เปิด Terminal แล้ว สร้างโฟลเดอร์ฝึกหัดแล้ว และ VS Code ทำงานได้พร้อมไฟล์แรกของคุณ

คุณไม่สามารถ operate ระบบดิจิทัลได้โดยไม่รู้จัก environment ที่พวกมันอยู่ Terminal คือ cockpit ที่คุณควบคุมทุกอย่าง VS Code คือที่ที่คุณแก้ไขและตรวจสอบ module นี้ให้เครื่องมือขั้นต่ำที่จำเป็นในการเริ่มต้น

ทำไมถึงสำคัญ

หลายคนหลีกเลี่ยง Terminal เป็นเดือนๆ นั่นคือความผิดพลาดที่แพงที่สุดที่คุณทำได้ ทุกอย่างที่คุณจะทำใน module ต่อๆ ไปต้องใช้ Terminal ขั้นพื้นฐาน

ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

เปิด Terminal สร้างโฟลเดอร์ฝึกหัด และเปิด environment ทำงานใน VS Code

ก่อนเริ่ม

ดาวน์โหลดและติดตั้ง VS Code จาก code.visualstudio.com ถ้ายังไม่มี

ขั้นตอน

  1. 1 เปิด Terminal: Mac: Cmd+Space → "Terminal" / Windows: Windows key → "PowerShell"
  2. 2 รัน mkdir operador-practica เพื่อสร้างโฟลเดอร์ฝึกหัด
  3. 3 รัน cd operador-practica เพื่อเข้าไปในโฟลเดอร์
  4. 4 รัน touch README.md (Mac/Linux) หรือ ni README.md (Windows) เพื่อสร้างไฟล์
  5. 5 รัน code . เพื่อเปิดโฟลเดอร์ใน VS Code

ผลลัพธ์ที่คาดหวัง

VS Code เปิดอยู่พร้อมโฟลเดอร์ operador-practica และไฟล์ README.md ที่มองเห็นใน explorer ด้านข้าง

ข้อผิดพลาดที่พบบ่อย

ใช้ชื่อโฟลเดอร์ที่มีช่องว่าง ให้หลีกเลี่ยง: ใช้ขีดกลางแทนช่องว่าง (operador-practica ไม่ใช่ operador practica)

วิธีรู้ว่าทำถูกต้อง

เห็นไฟล์ README.md ใน panel ซ้ายของ VS Code และสามารถแก้ไขได้

ผลงาน: operador-practica/README.md
✓รู้วิธีสร้างโฟลเดอร์และไฟล์จาก Terminal
↑ สารบัญ
M2

Claude Code

20 min

เมื่อเสร็จ

ติดตั้ง Claude Code และใช้งานเพื่อสร้าง documentation จริงในโปรเจกต์ของคุณ

Claude Code ไม่ใช่ chatbot แต่เป็น assistant ที่ทำงานในโปรเจกต์ของคุณ: อ่านไฟล์ เขียนโค้ด ดำเนินการ และเสนอแนวทางแก้ไขตาม context มันรู้ว่าอะไรอยู่ในโฟลเดอร์ของคุณ นั่นเปลี่ยนทุกอย่าง

ทำไมถึงสำคัญ

การใช้ Claude จาก web chat กับการใช้จาก Claude Code เป็นสองประสบการณ์ที่ต่างกันสิ้นเชิง อันหนึ่งตอบคำถาม อีกอันดำเนิน work ในโปรเจกต์ของคุณ

เคล็ดลับ

Claude Code อ่านโฟลเดอร์จริงของคุณ เมื่อคุณถามอะไร มันรู้ว่าไฟล์ไหนมีอยู่ ข้างในมีอะไร และอะไรที่เปลี่ยนไป นั่นเปลี่ยนสิ่งที่คุณขอได้และวิธีที่มันตอบโดยสิ้นเชิง
PROMPT M2 ขอให้ Claude สร้าง document โปรเจกต์ของคุณ 
ทำตัวเป็นนักเขียนเอกสารทางเทคนิค

วิเคราะห์โปรเจกต์นี้และสร้าง README.md ที่รวมถึง:
- สิ่งที่โปรเจกต์นี้ทำในหนึ่งบรรทัด
- เหตุผลที่มีอยู่
- วิธีติดตั้งและเรียกใช้
- โครงสร้างไฟล์และโฟลเดอร์ที่เกี่ยวข้อง
- ขั้นตอนต่อไปหรือวิธีมีส่วนร่วม

โทน: ชัดเจนและตรงไปตรงมา ไม่ใช้ภาษาเทคนิคโดยไม่จำเป็น
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

ติดตั้ง Claude Code และทำงานแรกจริง: สร้าง documentation สำหรับโปรเจกต์ของคุณ

ก่อนเริ่ม

ต้องติดตั้ง Node.js ตรวจสอบด้วย: node --version ถ้าไม่มีเลขให้ดาวน์โหลดที่ nodejs.org

ขั้นตอน

  1. 1 ติดตั้ง Claude Code: npm install -g @anthropic-ai/claude-code
  2. 2 ไปที่โฟลเดอร์: cd operador-practica
  3. 3 เริ่ม Claude Code: claude
  4. 4 ใช้ prompt ด้านบน หรือพิมพ์ตรงๆ: "สร้าง README.md ที่อธิบายว่านี่คือโฟลเดอร์ฝึกหัดสำหรับเรียนรู้การ operate ระบบ AI"
  5. 5 อ่านผลลัพธ์ทั้งหมด แก้ไขสิ่งที่ไม่ถูกต้องหรือไม่ตรงกับโปรเจกต์จริงของคุณ

ผลลัพธ์ที่คาดหวัง

README.md ที่มีเนื้อหาจาก Claude และตรวจสอบโดยคุณ ไฟล์สมเหตุสมผลและไม่มีข้อมูลที่แต่งขึ้น

ข้อผิดพลาดที่พบบ่อย

รับ output ของ Claude โดยไม่อ่าน Claude อาจแต่งรายละเอียดที่ไม่มีอยู่จริง ตรวจสอบเสมอก่อนบันทึก

วิธีรู้ว่าทำถูกต้อง

README อธิบายได้ถูกต้องว่าโฟลเดอร์ฝึกหัดของคุณคืออะไร และไม่มีข้อความที่เป็นเท็จ

ผลงาน: README.md ตรวจสอบแล้วและถูกต้อง
✓ติดตั้ง Claude Code และทำงานในโปรเจกต์ของคุณได้
↑ สารบัญ
M3

GitHub และความปลอดภัย

25 min

เมื่อเสร็จ

repo แรกถูก upload ขึ้น GitHub พร้อม commit ที่ชัดเจนและตั้งค่า .gitignore เพื่อไม่เปิดเผยข้อมูลสำคัญ

Git บันทึกทุก change พร้อม message GitHub เก็บบันทึกเหล่านั้นบน cloud ไม่มี Git งานของคุณไม่มีประวัติและ deploy ได้ยาก ไม่มี .gitignore อาจ upload API keys หรือรหัสผ่านโดยไม่ตั้งใจ

ทำไมถึงสำคัญ

Git ไม่ใช่แค่สำหรับโปรแกรมเมอร์ เป็นสำหรับทุกคนที่ต้องการไม่สูญเสียงาน ร่วมมือกับคนอื่น หรือเผยแพร่โปรเจกต์บนอินเทอร์เน็ต ความปลอดภัยของ .gitignore ไม่ใช่ optional: API key ที่รั่วบน GitHub สามารถสร้างหนี้ได้ภายในชั่วโมง

ข้อผิดพลาดที่พบบ่อย

ตรวจสอบ git status ก่อนเสมอก่อนรัน git add . ถ้าเห็นไฟล์ .env หรือ credentials ให้สร้าง .gitignore ก่อน API key ใน repo สาธารณะสามารถสร้างหนี้ได้ในไม่กี่นาที
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

Initialize Git ในโปรเจกต์ ทำ commit แรกที่ปลอดภัย และ upload repo ขึ้น GitHub

ก่อนเริ่ม

สร้างบัญชีฟรีที่ github.com ถ้ายังไม่มี

ขั้นตอน

  1. 1 ภายใน operador-practica รัน git init
  2. 2 สร้างไฟล์ .gitignore และเพิ่ม: .DS_Store, node_modules/, .env
  3. 3 รัน git add . แล้ว git commit -m "init: ai-operator practice folder"
  4. 4 บน github.com สร้าง repo ใหม่เปล่าชื่อ operador-practica แล้วคัดลอก URL
  5. 5 รัน git remote add origin URL_ของคุณ แล้ว git push -u origin main

ผลลัพธ์ที่คาดหวัง

โฟลเดอร์ operador-practica ที่มองเห็นได้ใน github.com พร้อม README และ commit อย่างน้อยหนึ่งอันพร้อม message ที่ชัดเจน

ข้อผิดพลาดที่พบบ่อย

ทำ commit แรกโดยไม่มี .gitignore ถ้า upload ไฟล์ .env พร้อม API keys ก่อนเพิ่ม .gitignore keys เหล่านั้นจะยังอยู่ใน history แม้จะลบทีหลัง

วิธีรู้ว่าทำถูกต้อง

เปิด URL ของ repo ใน GitHub จาก browser อื่นและเห็นไฟล์ของคุณโดยไม่มีไฟล์ .env หรือ credentials ใดๆ

ผลงาน: Repo สาธารณะบน GitHub พร้อม commit อย่างน้อย 1 อัน
✓งานของคุณอยู่บน cloud พร้อม version history
↑ สารบัญ
M4

CLAUDE.md และความจำ

20 min

เมื่อเสร็จ

ไฟล์ CLAUDE.md ในโปรเจกต์ที่ให้ context ถาวรแก่ Claude โดยไม่ต้องพูดซ้ำทุก session

Claude ไม่จำระหว่าง session แต่อ่านไฟล์ได้ CLAUDE.md ที่เขียนดีคือ manual สำหรับโปรเจกต์ Claude อ่านเมื่อเริ่มต้นและรู้ว่าต้องทำอะไร: ทำอะไร หลีกเลี่ยงอะไร พูดอย่างไร

ทำไมถึงสำคัญ

ไม่มี CLAUDE.md ทุก session เริ่มจากศูนย์ มี CLAUDE.md ทุก session เริ่มพร้อม alignment กับเป้าหมาย สไตล์ และกฎของคุณ ความแตกต่างสะสมเป็นชั่วโมงที่ประหยัดได้

จำไว้

CLAUDE.md อันแรกไม่จำเป็นต้องสมบูรณ์แบบ เขียนแล้วเริ่มใช้เลย Claude จะบอก (โดยปริยาย ผ่าน response) ว่าขาดอะไร มันดีขึ้น session ต่อ session ไม่ใช่ในบ่ายเดียว
PROMPT M4 สร้าง CLAUDE.md สำหรับโปรเจกต์ของคุณ 
ทำตัวเป็น architect โปรเจกต์

สร้าง CLAUDE.md สำหรับโปรเจกต์นี้พร้อม:
- คำอธิบายและเป้าหมายหลัก
- tech stack ที่ใช้
- convention ของ style หรือโค้ด
- สิ่งที่ไม่ควรทำในโปรเจกต์นี้
- วิธีเพิ่ม module หรือ section ใหม่
- โทนและเสียงของโปรเจกต์ถ้ามี

กระชับ ไม่มี filler ไม่เกิน 40 บรรทัด
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

สร้าง CLAUDE.md สำหรับ operador-practica พร้อม objective, stack, style และข้อจำกัด

ก่อนเริ่ม

คิด 3 อย่างที่ต้องการให้ Claude รู้เกี่ยวกับโปรเจกต์นี้ก่อนเริ่มทำงาน

ขั้นตอน

  1. 1 เปิด operador-practica ใน VS Code
  2. 2 สร้างไฟล์ CLAUDE.md ใน root ของโปรเจกต์
  3. 3 ใช้ prompt ด้านบนใน Claude เพื่อช่วยกรอกข้อมูล
  4. 4 ตรวจสอบผลลัพธ์ ปรับอะไรที่ไม่ตรงกับโปรเจกต์จริง ลบสิ่งที่ generic
  5. 5 ทำ commit: git add CLAUDE.md && git commit -m "add CLAUDE.md"

ผลลัพธ์ที่คาดหวัง

CLAUDE.md ขนาด 20–40 บรรทัดพร้อมกฎที่ชัดเจนและ context ที่มีประโยชน์ ใน session ถัดไป Claude อ่านไฟล์และรู้วิธีทำงานแล้ว

ข้อผิดพลาดที่พบบ่อย

"จงเป็นประโยชน์" กฎต้องเฉพาะเจาะจง: "ไม่เพิ่ม dependencies โดยไม่มีเหตุผล", "ใช้ภาษาไทยเสมอ"

วิธีรู้ว่าทำถูกต้อง

เปิด session ใหม่ของ Claude Code ในโฟลเดอร์เดิมและโดยไม่ต้องอธิบายอะไร เขารู้แล้วว่าโปรเจกต์คืออะไรและทำงานอย่างไร

ผลงาน: CLAUDE.md พร้อม commit
✓Claude ทำงานพร้อม context โปรเจกต์โดยไม่ต้องพูดซ้ำ
↑ สารบัญ
M5

Prompt เชิงปฏิบัติ

20 min

เมื่อเสร็จ

รู้วิธีโครงสร้าง request ที่ผลิตงานที่ใช้ได้โดยตรง ไม่ใช่ response generic ที่ต้องเขียนใหม่

Prompt แบบ generic ได้ผลลัพธ์แบบ generic Prompt เชิงปฏิบัติมี role, context, structure และ limits ความแตกต่างอาจเป็นเวลาแก้ไขครึ่งชั่วโมงหรือ deliverable ที่ใช้ได้เลย

ทำไมถึงสำคัญ

คนส่วนใหญ่ใช้ AI เหมือนเครื่องค้นหา AI ไม่ใช่เครื่องค้นหา มันคือ collaborator ที่ต้องการ briefing ไม่มี briefing ได้งาน generic มี briefing ได้งานเฉพาะ

เคล็ดลับ

โครงสร้างขั้นต่ำของ prompt เชิงปฏิบัติ: ROLE (Claude คือใครสำหรับงานนี้) + งาน (อะไรกันแน่) + FORMAT (ต้องการ output แบบไหน) + ขีดจำกัด (ไม่เกิน X บรรทัด, ไม่มี Y ฯลฯ) สี่องค์ประกอบ ที่เหลือเป็น optional
PROMPT M5 ตรวจสอบงานซ้ำๆ และวาง map การทำให้อัตโนมัติ 
ทำตัวเป็นนักวิเคราะห์ workflow

วิเคราะห์งานซ้ำๆ นี้: [อธิบายงานในรายละเอียด]

ตอบ:
1. ขั้นตอนที่ประกอบขึ้น แยกออกมาโดยไม่ข้ามขั้นตอนใด
2. ขั้นตอนไหน automate ได้และไม่ได้ พร้อมเหตุผล
3. เครื่องมืออะไรที่แก้ปัญหาส่วนที่ automate ได้แต่ละส่วน
4. ส่วนไหนที่ต้องการการดูแลจากมนุษย์อย่างบังคับ
5. เวลาที่ประมาณว่าจะประหยัดได้ถ้านำ automation ไปใช้

ระบุให้ชัดเจน อย่า generalize
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

เปลี่ยน request คลุมเครือเป็น prompt เชิงปฏิบัติและเปรียบเทียบผลลัพธ์

ขั้นตอน

  1. 1 คิดถึงงานที่ต้องการมอบหมายให้ Claude เช่น: ร่าง email, สรุป document, สร้าง to-do list
  2. 2 เขียนเวอร์ชัน generic ในหนึ่งบรรทัด: "เขียน email ให้ลูกค้า", "สรุปข้อความนี้"
  3. 3 เขียนใหม่โดยเพิ่ม: role ของ Claude, ผู้รับคือใคร, โทนที่ต้องการ, format ของ output, ความยาวสูงสุด
  4. 4 ส่งทั้งสองเวอร์ชันให้ Claude และเปรียบเทียบผลลัพธ์แบบเคียงข้างกัน
  5. 5 อันไหนที่ใช้ได้โดยไม่ต้องแก้? ส่วนไหนของ context ที่เปลี่ยน output มากที่สุด?

ผลลัพธ์ที่คาดหวัง

Prompt เชิงปฏิบัติที่เขียนโดยคุณซึ่งผลิต output ที่ใช้ได้โดยตรงโดยไม่ต้องแก้ไขมาก

ข้อผิดพลาดที่พบบ่อย

เพิ่ม context ที่ไม่เกี่ยวกับงาน Context ต้องหนาแน่นและเกี่ยวข้อง ไม่ใช่ยาว

วิธีรู้ว่าทำถูกต้อง

Output ของ prompt เชิงปฏิบัติไม่ต้องเขียนใหม่เพื่อนำไปใช้ Output ของ prompt คลุมเครือต้องการ

ผลงาน: Prompt เชิงปฏิบัติส่วนตัวที่ผลิตผลลัพธ์ที่ใช้ได้
✓แยกแยะระหว่าง request คลุมเครือและ request ที่มีโครงสร้างได้
↑ สารบัญ
M6

การทำให้อัตโนมัติ

25 min

เมื่อเสร็จ

ระบุได้อย่างน้อยหนึ่งงานในการทำงานของคุณที่สามารถ systematize ได้ และมี map ว่าจะทำอย่างไร

การทำให้อัตโนมัติไม่ได้หมายถึงการโปรแกรม หมายถึงการคิดเป็นขั้นตอน: ฉันทำอะไร ส่วนไหนที่เครื่องจักรทำได้ ส่วนไหนที่ต้องดูแล module นี้เกี่ยวกับการออกแบบก่อนสร้าง

ทำไมถึงสำคัญ

คนส่วนใหญ่ทำให้อัตโนมัติก่อนเข้าใจว่ากำลัง automate อะไร ผลที่ได้คือระบบที่เปราะบางซึ่งพังเมื่อมีอะไรเปลี่ยน การ map ก่อนประหยัดเวลาหลังจากนั้น

ข้อมูลเชิงลึก

การทำให้อัตโนมัติไม่ได้กำจัดงาน: มันกระจายงานใหม่ ลดการดำเนินการซ้ำๆ เพิ่มการออกแบบและการดูแล operator ที่ไม่เข้าใจสิ่งที่อยู่เบื้องหลังไม่สามารถดูแลหรือปรับปรุงมันเมื่อมันพัง
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

Map งานซ้ำๆ ของตัวเองและตรวจสอบว่าส่วนไหน automate ได้ ส่วนไหนต้องดูแล และส่วนไหนต้องการ human judgment

ขั้นตอน

  1. 1 เลือกงานที่ทำอย่างน้อยสัปดาห์ละครั้ง ยิ่งเฉพาะเจาะจงยิ่งดี
  2. 2 เขียนทุกขั้นตอนของงานนั้นตามลำดับ อย่าข้ามแม้แต่ขั้นตอนเล็กๆ
  3. 3 สำหรับแต่ละขั้นตอน ติดป้าย: automate ได้, ดูแล, หรือ human
  4. 4 ระบุขั้นตอนที่ใช้เวลาหรือพลังงานสมองมากที่สุด
  5. 5 ออกแบบว่าขั้นตอนนั้นจะเป็นอย่างไรถ้า Claude ดำเนินการ Claude ต้องการข้อมูลอะไร? จะผลิตอะไร? คุณจะตรวจสอบอย่างไร?

ผลลัพธ์ที่คาดหวัง

Document พร้อม map ของงาน ติดป้ายตามประเภท (automate ได้ / ดูแล / human) และข้อเสนอ workflow ที่ดีขึ้น

ข้อผิดพลาดที่พบบ่อย

พยายาม automate ทุกอย่างพร้อมกัน เริ่มจากขั้นตอนที่ซ้ำที่สุดและสำคัญน้อยที่สุด ระบบเล็กที่ทำงานได้มีค่ามากกว่าระบบใหญ่ที่ยังไม่เสร็จ

วิธีรู้ว่าทำถูกต้อง

อธิบายระบบได้ใน 5 บรรทัดและบอกวิธีทำงานให้คนอื่นฟังโดยไม่ใช้คำศัพท์เทคนิค

ผลงาน: Map ของงานพร้อมป้ายและข้อเสนอการทำให้อัตโนมัติ
✓แยกแยะระหว่างงาน กระบวนการ ระบบ และการทำให้อัตโนมัติได้
↑ สารบัญ
M7

เผยแพร่และปรับปรุง

20 min

เมื่อเสร็จ

สิ่งที่เผยแพร่แล้วพร้อม URL จริงที่เข้าถึงได้จาก browser ใดก็ได้ และรายการการปรับปรุงที่บันทึกไว้สำหรับเวอร์ชันถัดไป

การเผยแพร่ปิด cycle เปลี่ยนงานส่วนตัวเป็นงานจริง เรียนรู้วิธี deploy สิ่งเล็กๆ ใน 10 นาที จากนั้นเขียนว่าจะเปลี่ยนอะไร: นั่นคือจุดเริ่มต้นของการ iterate

ทำไมถึงสำคัญ

โปรเจกต์ที่ไม่เผยแพร่ไม่ได้รับ feedback ไม่ปรับปรุง และในที่สุดก็ถูกทิ้ง สิ่งไม่สมบูรณ์ที่ทำงานได้และมีอยู่จริงมีค่ามากกว่าสิ่งสมบูรณ์แบบที่ไม่มีวันออก

จำไว้

เผยแพร่ที่เวอร์ชัน 0.1 ไม่ใช่ 1.0 URL แรกมีอยู่เพื่อให้มีอยู่ feedback จริงเริ่มเมื่อมีบางอย่างเผยแพร่แล้ว การ iterate ก็เช่นกัน
ดูแบบฝึกหัดทีละขั้น ▼

เป้าหมาย

Deploy operador-practica บน Cloudflare Pages และบันทึกการปรับปรุงสำหรับ v2

ก่อนเริ่ม

ตรวจสอบว่าโปรเจกต์มีไฟล์เนื้อหาอย่างน้อยหนึ่งไฟล์และ upload ขึ้น GitHub แล้ว

ขั้นตอน

  1. 1 เข้า dash.cloudflare.com → Workers & Pages → Create → Pages
  2. 2 เชื่อมต่อบัญชี GitHub ของคุณและเลือก repo operador-practica
  3. 3 ถ้าเป็น HTML static: ปล่อย Build command ว่างไว้, output directory / ถ้าเป็น Astro: Build command npm run build, output dist
  4. 4 คลิก Save and Deploy ใน ~60 วินาที จะมี URL สาธารณะ
  5. 5 สร้าง mejoras-v2.md พร้อมอย่างน้อย 3 อย่างที่คุณจะเปลี่ยนหรือเพิ่ม

ผลลัพธ์ที่คาดหวัง

URL สาธารณะที่ load ได้จาก browser ใดก็ได้ รวมถึงไฟล์ mejoras-v2.md พร้อมอย่างน้อย 3 จุดที่เฉพาะเจาะจง

ข้อผิดพลาดที่พบบ่อย

รอให้ "สมบูรณ์แบบ" ก่อนเผยแพร่ ไม่มีสมบูรณ์แบบก่อนเผยแพร่ มีแต่สิ่งไม่สมบูรณ์ที่รับ feedback และปรับปรุง

วิธีรู้ว่าทำถูกต้อง

URL load ได้ใน browser ที่ไม่ใช่ของคุณ ไฟล์ mejoras-v2.md มีจุดที่เฉพาะเจาะจง ไม่คลุมเครือ

ผลงาน: URL สาธารณะที่ active + mejoras-v2.md
✓ปิด cycle แล้ว: สร้าง → บันทึก → เผยแพร่ → ปรับปรุง
↑ สารบัญ
ระดับ 1 — ส่ง PROOF ของคุณ รอการส่ง Proof

ระดับ 1 ไม่สำเร็จด้วยการดูเนื้อหา แต่สำเร็จด้วยการส่งหลักฐานสาธารณะ

Proof สุดท้ายของคุณคือ repo สาธารณะ + URL ที่ใช้งานได้จริง. ผลงานทั้งหมด (context, CLAUDE.md, prompts, แผนผัง automation, การปรับปรุง) อยู่ใน repo เดียว: operador-practica.

ก่อนส่ง ตรวจสอบให้แน่ใจว่า:

  • ✓ mi-contexto.md ใน repo operador-practica
  • ✓ README.md ที่สร้างด้วย Claude Code และตรวจสอบโดยคุณ
  • ✓ CLAUDE.md ที่ commit เข้า repo แล้ว
  • ✓ .gitignore และ commit อย่างน้อย 1 อัน (ไม่มี secret)
  • ✓ Prompt เชิงปฏิบัติของตัวเองที่บันทึกใน repo
  • ✓ แผนผัง automation ของงานจริง
  • ✓ mejoras-v2.md พร้อมอย่างน้อย 3 จุดที่เฉพาะเจาะจง
  • ✓ โปรเจกต์ที่ deploy บน URL สาธารณะที่ใช้งานได้จริง