prial

[EarthDeFIRE @EarthDeFIRE]

จ่าย Claude @claudeai เดือนละ $20 อาจจะเพียงพอแล้ว! ถ้าคุณ Optimize เป็น ด้วย 21 เทคนิคปฏิบัติ ที่ใช้งานได้จริงเหล่านี้

ไม่ต้องรีบอัปเกรดเป็นแผน $100 แค่ปรับ Workflow ให้ฉลาดขึ้น ก็ช่วยลดการบริโภค Token และทำให้แผน Pro คุ้มค่าที่สุด ฮะ

📌 ลองเช็คดูว่าคุณกำลังทำแบบนี้อยู่หรือเปล่า? และนี่คือวิธีแก้ไขครับ:

1. ❌ อัปโหลด PDF แบบดิบๆ: (กิน 500–4,000+ token ต่อหน้า)
✅ แก้ไข: คัดลอกข้อความใส่ Google Docs -> ดาวน์โหลดเป็น .md (Markdown) ไฟล์จะเล็กลงมาก เหลือไม่ถึง 200 โทเคน

2. ❌ เริ่มสร้างไฟล์ใน Cowork เร็วเกินไป:
✅ แก้ไข: วางแผนรายละเอียดใน Chat ให้เรียบร้อยก่อน แล้วค่อยย้ายไป Cowork เมื่อรู้ชัดเจนแล้วว่าต้องการอะไร เช่น

ใช้ Chat ก่อน เมื่อยังไม่ชัดเจนว่าต้องการอะไร เช่น brainstorm, ถามโน่นถามนี่, ลองหลาย direction, ยังไม่รู้ว่า output สุดท้ายจะออกมาหน้าตาแบบไหน

ย้ายไป Cowork เมื่อรู้แล้วชัดเจนว่าต้องการไฟล์จริงๆ เช่น สร้าง Excel, เขียน Python script, ทำ dashboard, แก้ไขโค้ด — งานที่มี deliverable ชัดเจนและต้องการให้ Claude จัดการ file system

3. ❌ เขียนพรอมต์ยาว 500 คำ สำหรับงานง่ายๆ:
✅ แก้ไข: เขียนสั้นๆ ก็พอ เช่น "ฉันอยากได้ [งาน] เพื่อ [เป้าหมาย]. ถามฉันด้วย AskUserQuestion ก่อนเริ่ม"

4. ❌ พิมพ์ "redo the whole thing" เพื่อแก้แค่จุดเดียว:
✅ แก้ไข: สั่งแก้เฉพาะจุด เช่น "Only redo section 3. Keep everything else. No commentary. Just the output."

5. ❌ ส่ง 3 ข้อความแยกกันสำหรับ 3 งาน:
✅ แก้ไข: มัดรวมใส่ข้อความเดียว เช่น "Summarize this, list the points, suggest a headline."

6. ❌ พิมพ์ "No, I meant..." แก้ไขงานเดิมจนประวัติแชทยาว:
✅ แก้ไข: กดปุ่ม Edit ที่ข้อความพรอมต์เดิม แก้ไขเนื้อหาแล้วกด Regenerate ทับไปเลย

7. ❌ เขียนพรอมต์ใหม่หมดทุกครั้งที่เริ่มงาน:
✅ แก้ไข: สร้าง Prompt Library เก็บไว้ ใช้โครงสร้างเดิม แค่เปลี่ยนตัวแปรต้นทาง

8. ❌ ใช้ Claude Opus (รุ่นท็อป) กับงานง่ายๆ เช่นตรวจ Grammar:
✅ แก้ไข: งานง่ายใช้แค่ Sonnet ก็พอ เก็บ Opus ไว้ใช้กับงานที่ต้องการความลึกและซับซ้อนจริงๆ

9. ❌ ไฟล์บริบท (เช่น About Me) ยาวเกินความจำเป็น:
✅ แก้ไข: ตัดให้สั้น กระชับ เหลือเฉพาะเนื้อๆ ไม่เกิน 2,000 คำ

10. ❌ ไม่เคยรีสตาร์ทแชทเลย ปล่อยให้คุยยาวจนเอ๋อ:
✅ แก้ไข: เมื่อ Cowork เริ่มเพี้ยน ให้กด "Restart the conversation from here" ที่ข้อความก่อนหน้าเพื่อล้าง context เก่า

11. ❌ ไม่เคยสรุปเนื้อหาเปนระยะก่อนแชทจะยาวเกินไป:
✅ แก้ไข: ทุกๆ 15-20 ข้อความ ให้สั่งสรุปแล้วกอปปี้ไปเริ่มเซสชันใหม่

12. ❌ ไม่ใช้ Projects สำหรับไฟล์ที่ต้องใช้บ่อยๆ:
✅ แก้ไข: ใช้ฟีเจอร์ Projects อัปโหลดไฟล์ครั้งเดียว ทุกแชทในโปรเจกต์จะเรียกใช้ได้เลย ไม่ต้องอัปโหลดซ้ำ

13. ❌ โยนไฟล์ 50 ไฟล์เข้า Cowork แบบ "เผื่อไว้ก่อน":
✅ แก้ไข: ใส่เฉพาะไฟล์ที่จำเป็นต้องใช้ในงานนั้นจริงๆ

14. ❌ คุยหลายหัวข้อตีกันมั่วในแชทเดียว:
✅ แก้ไข: หัวข้อใหม่ = แชทใหม่เสมอ context เก่าที่ไม่เกี่ยวข้องคือการเสียโทเคนเปล่า

15. ❌ เปิด Search และ Connectors ทิ้งไว้ตลอดเวลา:
✅ แก้ไข: ปิดเป็นค่าเริ่มต้น แล้วเปิดใช้เฉพาะเมื่องานนั้นต้องการจริงๆ

16. ❌ รันรายงานเดิมๆ ทุกสัปดาห์ด้วยการพิมพ์ใหม่มือ:
✅ แก้ไข: สร้าง Prompt Template สำหรับงานรูทีน เก็บไว้ใน Project แล้ว copy-paste ใช้ตอนเริ่มแชทใหม่

17. ❌ พิมพ์พรอมต์ยาวๆ ด้วยมือตลอด ไม่เคยใช้เสียงพิมพ์:
✅ แก้ไข: ใช้ระบบ Dictation (ไมโครโฟน) แทนการพิมพ์ (Mac: กด Fn 2 ครั้ง, Windows: Win + H)

18. ❌ ยังไม่ได้ตั้งค่า Personal Preferences:
✅ แก้ไข: ไปที่ Settings -> Personal Preferences ตั้งโทนและสไตล์การตอบกลับที่ต้องการไว้ครั้งเดียว

19. ❌ พิมพ์พรอมต์แบบ lazy เช่น "ทำให้ดีขึ้น" กับงานที่ซับซ้อน:
✅ แก้ไข: ใช้ https://t.co/AZYTJEIdVm หรือเสียงพิมพ์ อธิบายบริบท (context) ให้ครบถ้วนในครั้งเดียว

20. ❌ ใช้โควต้า (Message Limit) ทั้งหมดหมดภายในเช้าวันเดียว:
✅ แก้ไข: Claude ใช้ระบบ rolling window 5 ชั่วโมง พยายามแบ่งงานออกเป็นช่วงๆ ตลอดทั้งวัน

21. ❌ พยายามใช้ Claude กับงานที่มันทำไม่ได้ดี:
✅ แก้ไข: เลือกเครื่องมือให้ถูกงาน เช่น อยากได้ภาพ -> ไป Gemini, อยากค้นหา Real-time -> ไป Grok

💡 เทคนิคเหล่านี้ใช้เวลาตั้งค่าแค่ 1-2 ชม. แต่ช่วยยืดอายุแผน Pro เดือนละ $20 ให้คุ้มค่าสุดๆ โดยไม่ต้องอัปเกรดเป็นแผน Max ครับ

ขอขอบคุณข้อมูลดีๆ จากคุณ @rubenhassid

#EarthDeFIRE รายงาน 13/05/2026

#Claude #ClaudeAI #AI #Productivity

[aditya @adxtyahq]

“design a RAG pipeline for 10M docs with zero hallucination”

apparently this was asked in a Google L5 interview round. came across it somewhere on the internet and honestly it’s a way more interesting system design problem than most classic distributed systems questions

1. ingest + normalize docs
- remove duplicates, standardize formats, extract metadata, maintain version history

2. hybrid retrieval (BM25 + embeddings)
- BM25 handles exact keyword matching while embeddings capture semantic meaning
- semantic search alone usually struggles with precision at massive scale

3. ANN retrieval + reranking
- ANN (Approximate nearest neighbor ) quickly pulls top candidate chunks from millions of docs
- then a reranker rescoring step improves relevance by deeply comparing query vs retrieved chunks

4. source confidence scoring
- every retrieved chunk gets scored based on freshness, trust level, overlap and retrieval consistency
- low-confidence context should never heavily influence generation

5. constrained generation
- the model is only allowed to answer using retrieved context (nothing new to be invented outside of the retrieved context)

6. citation-backed responses
- every major claim links back to exact chunks, documents or timestamps

7. hallucination fallback layer
- if retrieval confidence drops below a threshold: “insufficient evidence found”

8. continuous evals
- run adversarial queries, retrieval recall benchmarks and hallucination tests continuously

9. caching + memory layer
- cache high-frequency enterprise queries and retrieval paths (improves latency and output)

10. observability everywhere
- trace retrieval paths, chunk rankings, token attribution and failure points

Also at 10M docs, retrieval quality matters more than the frontier model itself.

[0xHUGE🧪 @0xHuge]

อยากรันโมเดล AI บนเครื่องตัวเอง แต่หัวหมุนไปกับเครื่องมือและบทความสอนใช้งานมากมาย

ที่นี่บอก Ollama ที่นั้นบอก vLLM แถมยังมี fine-tuning framework อีกเพียบ ดูเหมือนมีตัวเลือกให้เยอะมากๆ แต่พอจะลงมือจริงกลับไม่รู้จะเริ่มจากตรงไหน ส่วนตัวที่ run อยู่ก็ศึกษาเองใช้เวลาหลายวันอยู่กว่าจะเข้าใจ

ผมไปขุดเจอโปรเจกต์ขุมทรัพย์บน GitHub: Awesome Local LLM เป็นเหมือน one-stop index สำหรับโมเดล local AI บนเครื่องเราโดยเฉพาะ ครอบคลุมครบ จัดหมวดหมู่ชัดเจน ช่วยให้จัดระเบียบ tech stack ที่ต้องการได้รวดเร็ว

โปรเจกต์นี้แบ่งเนื้อหาออกเป็นกว่า 10 หมวด ได้แก่ Inference Platform, Inference Engine, UI, Model, Dev Tools และอื่น ๆ พร้อมแนะนำการเลือกซื้อฮาร์ดแวร์และบทเรียนที่ใช้งานได้จริง ช่วยประหยัดเวลาลองผิดลองถูกได้มาก

นอกจากนี้ยังรวม YouTube Tutorial, Hardware Review และแหล่งเรียนรู้อื่นๆ ไว้ให้ด้วย ทำตามและเรียนรู้ได้เลยทันที

ถ้าคุณกำลังตั้ง Local LLM หรืออยากหาเครื่องมือ Open Source ในหมวดใดหมวดหนึ่งอย่างรวดเร็ว คอลเลกชันนี้คุ้มค่ามากที่จะบุ๊กมาร์กเก็บไว้นะจ๊ะๆ Link ที่ comment นะจ๊ะๆๆ

[bongtao @bongtao]

จากประสบการณ์ใช้ AI ค่ายหลัก ณ ตอนนี้ แต่ละเจ้ามีจุดเด่นจุดด้อยต่างกันประมาณนี้

Copilot - ถ้าใช้ทั่วไปคือกระจอกสุด ไปขี้ แต่ถ้าใช้คู่กับ office พวก word หรือ excel คือเริ่ด เช่น ให้อ่าน contract แล้วแนะนำว่าต้องปรับตรงไหน นางจัดการเข้าไปใน doc ได้โดยตรง

Grok - เก่งมากเรื่องการจับเทรนด์จากข้อมูลในทวิตเตอร์ พวกข้อมูลหุ้น หรือ hot trend ในโลก ข้อมูลอัปเดตแบบ near real-time ของแท้

ChatGPT - เป็นเป็ด ทำได้ทุกอย่าง แต่ไม่มีด้านไหนเก่งสุด แต่โดยรวมก็ไม่ได้แย่อะไร

Gemini - ถ้าใช้แบบ chat ก็เป็ดพอกัน แต่ความทรงพลังคือตอนใช้กับ google product ทั้งหลาย มันฝังตัวอยู่ในทุกอย่าง ชีวิตสะดวกมาก

Claude - ประเสริฐเลิศล้ำ ทำได้แทบทุกอย่าง และทำได้ดีมากด้วย แต่ token มีน้อยใช้สอยประหยัด

[JRT—Platinum Emperor Reserve Ceremonial Grade @JRTDesk]

เกียรตินิยมอันดับ 1 จากมหาวิทยาลัยมีชื่อเสียง ไม่ได้แปลว่าจะเป็นคนเก่งในชีวิตการทำงานจริงๆ นะครับ น้องๆ เด็กรุ่นใหม่ที่เพิ่งเรียนจบเข้าสู่สังคมการทำงานอย่าหลงตัวติดกับดัก Prestige Trap

ระบบการศึกษาออกแบบมาเพื่อวัด academic performance ในสภาพแวดล้อมที่ controlled มากๆ...

- จำและสอบผ่าน..
- ทำตามเกณฑ์การให้คะแนนที่กำหนด
- compete แบบ individual
ส่งงานตรงเวลา deadline ชัดเจน..
- ตอบถูก..
- etc.,

เวลาทำงานจริงๆ..

- แก้ปัญหาที่ไม่มีคำตอบสำเร็จรูปตายตัว..
- สร้าง framework ขึ้นมาเอง..
- บริหารจัดการความไม่แน่นอนโดยไม่มีกรอบเวลาชัดเจน
- collaborate และ navigate politics ภายในองค์กร..
- ถามคำถามที่ถูก..
.
.
ที่เคยเจอมาหลายๆ กรณีด้วยตัวเอง (ซึ่งก็สอดคล้องกับที่ได้ยินคนอื่นๆ จากบริษัทอื่นๆ เล่าให้ฟังเช่นกัน)..

้เด็ก 4.0 ที่เข้าสู่สังคมการทำงาน (not all) บางทียังคงติดกับดัก optimization trap อยู่.. คือเล่นเกมที่เก่งในระบบที่มีกติกาตายตัว.. รู้ว่าอาจารย์ชอบอะไร.. exam pattern เป็นยังไง.. ต้องเขียน essay แบบไหนถึงได้ A..

แต่ในองค์กร... ถึงจะมี KPI อยู่ แต่ก็ไม่มีสูตรสำเร็จให้ทำตามแบบชัดเจน.. KPI บอกแค่ว่าต้องไปถึงไหน แต่ไม่มีใครมานั่งบอกว่าต้องเดินยังไง.. ต้อง prioritize อะไรก่อน หรือต้องทำอะไรกันแน่ถึงจะผ่าน

งานจริงคือการหาทางไปให้ถึง goal ที่บางทียังมองไม่เห็นชัดด้วยซ้ำ ซึ่งเป็นทักษะคนละชุดกับการเดินตามแผนที่ที่มีอยู่แล้ว
ต่อให้ได้ B+ แต่ถ้าชอบ experiment, ลองผิดลองถูก, รู้จักล้มเลิกสิ่งที่ไม่ work... มักจะ navigate การทำงานในองค์กรได้ดี
.
.
และงานจริงมี human complexity สูงมาก.. เช่นการ negotiate กับเพื่อนร่วมงานที่ไม่เห็นด้วยกับเรา.. การ managing up ดูแลความสัมพันธ์กับ boss.. การ read the room ในห้องประชุม.. การรับ feedback โดยไม่ defensive.. การแจ้งข่าวร้ายให้ลูกค้าโดยไม่เสียความสัมพันธ์..

EQ พวกนี้ไม่มีในหลักสูตร และ GPA ก็ไม่มีความสัมพันธ์กับ EQ เลย.. ด็กที่ขึ้น dean's list ตลอด 4 ปีอาจไม่เคยเจอ conflict จริงๆ ในชีวิตเลยก็ได้ เพราะใช้เวลาส่วนใหญ่อยู่กับหนังสือ
.
.
ยังมีเรื่อง Risk Tolerance กับการรับมือกับความล้มเหลวอีก.. เด็กเกียรตินิยมบางทีกลัวความล้มเหลวสุดๆ เพราะทั้งชีวิตถูก define ด้วย academic success.. พอเจองานแล้วต้อง take risks.. propose ideas ที่อาจโดน reject.. หรือล้มเหลวต่อหน้าสาธารณะ... จนเกร็งไปหมดเหมือนเป็นอัมพาตไปเลย

ในขณะที่คนที่เคยล้มเหลวในมหาลัย หรือมี non-linear path จะ chill กับความไม่แน่นอนกว่า.. เพราะเคยแพ้แล้วลุกขึ้นมาได้
.
.
ความต่างอีกอย่างคือมหาลัยวัด comprehension เป็นหลัก.. แต่ทำงานต้องการ execution ซึ่งต่างกันมาก

รู้ว่า project management framework คืออะไร ≠ ส่ง project ตรงเวลาจริงๆ ได้

เข้าใจ financial model ≠ เอา model นั้นไป pitch นักลงทุนแล้วปิด deal ได้

อ่าน case study เรื่อง leadership ≠ เป็น leader จริงๆ ที่คนอยากตาม

Gap ระหว่าง knowing กับ doing คือจุดที่เด็กเกียรตินิยมหลายคนสะดุดอยู่...
.
.
ไหนจะเรื่องเวลาอีก.. มหาลัยให้เวลาเป็น semester ในการเรียนเรื่องนึง แต่งานจริงบางทีให้เวลา 3 วันในการเข้าใจ industry ใหม่ทั้งหมดและ present ให้ C-suite ฟัง..
ความสามารถในการเรียนรู้เร็วภายใต้แรงกดดัน.. ในสถานการณ์ที่วุ่นวายไม่มีระเบียบ.. โดยไม่มีอาจารย์มาชี้นำ เป็นทักษะที่ต่างออกไปโดยสิ้นเชิง

และบางทีเด็กที่ต้องทำงาน part-time ตลอด 4 ปีเพื่อหาเงินเรียนเองจนไม่ได้ 4.0 (not all.. เพราะบางคนก็ทำงานไปด้วยและยังได้ 4.0 ก็มี) มีทักษะพวกนี้มากกว่าเด็กที่อ่านหนังสือทั้งวัน...
.
.
และเรื่อง Prestige Trap ที่ผมเกริ่นในตอนแรก.. หลายคนที่ได้จบจากทั้งมหาลัยระดับ Top U และยังได้เกียรตินิยม บางทีมี identity ที่ผูกพันกับชื่อเสียงมหาลัยมากเกินไป..

- จนรู้สึก entitled รู้สึกว่าตัวเองสมควรได้ดีโดยอัตโนมัติทั้งที่ยังไม่ได้พิสูจน์อะไรเลย
- ไม่อยากที่จะทำงานให้คนที่「ด้อยกว่า」ทางการศึกษา
- อาจ dismiss ความรู้ที่มาจากประสบการณ์ของคนอื่นโดยไม่ตั้งใจ
- บางคนคิดเยอะไป และ over-engineer ทุกอย่างเพราะถูก trained ให้คิดแบบ academic

คนที่ไม่มี pedigree มักจะขวนขวายกว่า.. ปรับตัวยืดหยุ่นในองค์กรกว่า.. และ savvy ด้านการเมืองในองค์กรกว่า
.
.
⚠️แต่เกียรตินิยมจากมหาลัยดังๆ ก็มีคุณค่าเช่นกันครับ..

- Baseline discipline อย่างน้อยก็มี signal ทำให้เรารู้ว่าคนนี้ทุ่มเทในตอนเรียน..
- Ceiling ของความสามารถทางวิชาการ มีประโยชน์ใน technical roles
- Network มหาลัยดังให้ alumni network ที่มีมูลค่าจริงๆ อยู่..
- ช่วยผ่าน HR screening ในบริษัทใหญ่

แต่มันก็คือ entry ticket ขั้นแรก.. ไม่ใช่ guarantee ความสำเร็จ...

สรุป..

เกียรตินิยมบอกว่าคนๆ นึง เล่นเกมระบบการศึกษาได้เก่ง.. งานจริงต้องการคนที่เล่นเกมที่ไม่มีกติกาชัดเจน, เปลี่ยนได้ตลอด, และมี human stakes สูง ได้เก่ง.. สองเกมนี้มี overlap บ้าง แต่ไม่ได้ overlap กันมาก.. เพราะฉะนั้นภูมิใจกับเกียรตินิยมได้ครับ แต่ก็อย่าลืมถามตัวเองด้วยว่าเล่นเกมที่สองเป็นหรือยัง? มันไม่เหมือนกับตอนเรียนครับ อย่าสำคัญผิดไป

จากที่ผ่านมา.. คนที่ทำงานได้จริงในมุมมองผมไม่ได้พิสูจน์ตัวเองด้วย GPA.. แต่พิสูจน์ด้วยสิ่งที่ทำตอนที่ไม่มีคำตอบสำเร็จรูปตายตัวให้เลือก

เคยมี quant ที่ืทำ model แล้ว overfit อย่างหนักช่วง out-of-sample.. drawdown ออกมาเกิน threshold ที่คุยกันไว้.. แทนที่จะรอให้ผมเห็นตัวเลขเอง เค้าก็โทรมาก่อนเลยเพื่ออธิบาย signal ที่พัง.. walk through ให้ดูว่า regime เปลี่ยนตรงไหน.. และมาพร้อม fallback position ที่ปรับ parameter ใหม่แล้ว.. ไม่รอให้ถูกถาม ไม่โยนให้ market conditions.. ซึ่ง GPA ของเค้าผมไม่เคยรู้เลย.. และก็ไม่ได้สำคัญ.. เพราะสิ่งที่ทำมันไม่ได้ขึ้นอยู่กับว่าเคยได้ 4.0 หรือเปล่า.. แต่ขึ้นอยู่กับว่าเค้าปฎิบัติตัวในการทำงานยังไง

และที่พูดมาทั้งหมดนี้ ไม่ได้แปลว่าเด็กเกียรตินิยมทำสิ่งเหล่านี้ไม่ได้นะครับ.. หลายคนทำได้ดีมาก.. แต่ถ้าทำได้ มันก็ไม่ได้มาจากเกียรตินิยม.. มันมาจากสิ่งที่สะสมมาจากนอกห้องเรียน.. จากการเคยล้มเหลว เคยรับผิดชอบอะไรบางอย่างที่ไม่มีในตำรา เคยอยู่ในสถานการณ์ที่ไม่มีใครมาบอกว่าต้องทำอะไร.. ระบบการศึกษาไม่ได้ออกแบบมาเพื่อสอนสิ่งเหล่านี้.. GPA ก็ไม่ได้วัดมัน

[Shann³ @shannholmberg]

claude superpowers pushes you to become a context engineer

whether you're writing a GTM strategy or shipping code, these two steps in the workflow get you into that thinking ↓

1. brainstorming kicks in before any work starts

> asks you questions one at a time
> digs through your existing files and project context
> proposes a few approaches with trade-offs
> walks you through the design for approval
> saves a design doc to your project

2. planning starts once the design is approved

> breaks everything into smaller tasks
> maps out exact file paths for every task
> confirms complete output and verification steps
> nothing is left to the unknown

when its time to start building, every decision is already made, we can therefore give claude a new context window with the plan. that´s context engineering as you don´t drift and fill up unnecessary

superpowers then handles the rest of the implementation with subagents

[le.hl @0xleegenz]

People who moved abroad alone in their 20s, handled all docs, bank account, visa, tax, jobs, accomadation, and culture difference

These people fear nothing anymore

[0xHUGE🧪 @0xHuge]

บ่นกันระนาว หลังจากที่ Claude หมด X2 Limit เต็มไว นี้คือวิธีที่ผมใช้มาดูกัน... อาจจะได้ถึง 10x เลยนะ...

คุณต้องเข้าใจก่อนว่า Token ใน Claude Code ไม่ได้เพิ่มแบบบวกเลข (Linear) แต่เพิ่มแบบทวีคูณ (Exponential):
การอ่านซ้ำทุกครั้งที่คุณส่ง Prompt ใหม่ Claude จะไม่อ่านแค่คำสั่งล่าสุด แต่จะอ่าน "ทั้งหมด" ตั้งแต่ต้นจนจบใหม่เสมอ

ตัวอย่าง: ข้อความที่ 1 (500 tokens) -> ข้อความที่ 2 (อ่านข้อความที่ 1 + ตอบกลับ + คำสั่งใหม่ = 1,500 tokens)
Chat ที่มี 100 ข้อความ 90% ของ Token ที่เสียไป คือการ "อ่านประวัติเดิมซ้ำ" เพื่อจะได้เดาได้ว่าต่อไปคืออะไร

พอรู้แบบนี้แล้ว สิ่งที่ผมทำเสมอๆ

1. ใช้ /clear ตลอดๆ

เมื่อจบงานหนึ่ง หรือจะเริ่มถามเรื่องใหม่ที่ "ไม่เกี่ยวกับโค้ดส่วนเดิม" ให้สั่ง /clear ทันที
มันจะตัดประวัติการสนทนาทิ้ง ทำให้การส่งครั้งต่อไปเริ่มนับ 1 ใหม่ (จ่ายหลักร้อยแทนที่จะจ่ายหลักหมื่น Token)

2. เอา MCP Servers ที่ไม่ได้ใช้ออก

ทุกครั้งที่เชื่อมต่อ MCP Claude จะโหลดและอ่าน "วิธีใช้เครื่องมือ" เข้าไปใน Context ทุกรอบ เราจะเสียไปเลยฟรีๆ แบบไม่ได้ทำอะไร
ใช้คำสั่ง /mcp เพื่อเช็คและ Disconnect สิ่งที่ไม่จำเป็น หรือใช้ CLI (Command Line Interface) แทน เพราะกิน Token น้อยกว่ามาก

3. Batch Prompting และการ Edit

Batching: แทนที่จะถาม 3 ครั้ง (สรุป -> หาบั๊ก -> แก้) ให้รวมเป็น 1 Prompt ยาวๆ เพื่อเสียค่า "อ่านประวัติ" แค่ครั้งเดียว

4. "Plan Mode"

ก่อนสั่งให้ Claude เขียนโค้ด ให้สั่งมัน "วางแผน" ก่อน โดยใส่กฎใน CLAUDE.md ว่า "ห้ามเขียนโค้ดจนกว่าจะมั่นใจ 95% ให้ถามคำถามจนกว่าจะชัวร์" หรือจะใช้ brainstorm ที่ผมเคยแนะนำก่อนก็ได้

5. (/context & /cost)

หมั่นรันคำสั่งเพื่อตรวจสอบสุขภาพ Session:
/context: ดูว่าตอนนี้ Context เต็มไปกี่ % และอะไรคือตัวกินพื้นที่ (Files, MCP, หรือ History)
/cost: ดูจำนวน Token ที่ใช้ไปจริงใน Session นั้น

6. ติดตั้ง Status Line ใน Terminal

ช้คำสั่ง /setup status-line เพื่อให้ Terminal แสดงแถบ (Progress Bar) ของ Context ตลอดเวลา

7. เปิด Dashboard ควบคู่เสมอ

เปิดหน้าเว็บ Claude Usage ไว้ข้างๆ เพื่อดูว่าโควตา 5 ชั่วโมงของคุณเหลือเท่าไหร่ และจะ Reset เมื่อไหร่ จะได้บริหารงานได้ถูก

8. การ Paste

อย่า Copy โค้ดทั้งไฟล์ลงไปถ้าจะแก้แค่จุดเดียว ให้ Copy เฉพาะฟังก์ชันหรือย่อหน้าที่เกี่ยวข้องเท่านั้น

9. นั่งเฝ้า (Active Monitoring)

อย่ากดส่งแล้วไปกินกาแฟ หากเห็น Claude เริ่มรันคำสั่งวนลูป (Bad Loop) หรืออ่านไฟล์เดิมซ้ำๆ ให้กด Interrupt (Ctrl+C) ทันที เพื่อหยุดการเผา Token ทิ้ง

10. CLAUDE.md ต้องลีน (Lean)

ไฟล์นี้จะถูกอ่าน "ทุกครั้ง" ที่ส่งข้อความ พยายามคุมให้ไม่เกิน 200 บรรทัด

11. ระบุไฟล์ด้วย @

อย่าบอกว่า "หาบั๊กในโปรเจกต์ให้หน่อย" แต่ให้ใช้ @ filename หรือระบุชื่อฟังก์ชันตรงๆ เพื่อบีบให้ Claude โหลดเฉพาะส่วนที่จำเป็นเข้า Context

12. (/compact)

ระบบ Auto-compact จะทำงานที่ 95% ซึ่งตอนนั้นความฉลาดของ Claude จะเริ่มลดลงแล้ว (Loss in the middle)
รันคำสั่ง /compact ด้วยตัวเองเมื่อถึง 30% หรือประมาณ 300k token และระบุว่า "ให้เก็บข้อมูลสำคัญส่วนไหนไว้บ้าง"

13. (Cache Timeout)

Claude มีระบบ Cache ที่ช่วยให้ไม่ต้องประมวลผลใหม่ถ้าคุยต่อเนื่อง แต่ Cache นี้มีอายุแค่ 5 นาที

หากคุณพักไป 10 นาทีแล้วกลับมาพิมพ์ใหม่ Claude จะต้อง "ประมวลผลประวัติทั้งหมดใหม่ทั้งหมด"
ทริค: ถ้าจะพักนาน ให้สั่ง /compact หรือ /clear ทิ้งไว้เลย

14. ระวัง Command Output

ผลลัพธ์จากการรันคำสั่ง Terminal (เช่น npm test ที่ Error ยาวๆ) จะถูกโหลดเข้า Context ทั้งหมด
พยายามจำกัด Output ของคำสั่ง หรือห้าม Claude รันคำสั่งที่ให้ข้อมูลเยอะเกินจำเป็น

15. (Model Mixing)

Sonnet (Default): ใช้เขียนโค้ดทั่วไป
Haiku: ใช้สำหรับงานย่อยๆ เช่น "สรุปไฟล์นี้ให้หน่อย" หรือ "จัดฟอร์แมตข้อมูลนี้ให้ที" (ถูกกว่ามาก)
Opus: ใช้เฉพาะการวางแผนสถาปัตยกรรม (Architecture) ที่ซับซ้อนจริงๆ เท่านั้น

16. ระวังการใช้ Sub-agents

การเรียก Agent ย่อยมาช่วยงาน กิน Token มากกว่าปกติ 7-10 เท่า เพราะมันต้องสร้างกระบวนการใหม่ทั้งหมด
ใช้ Sub-agent เฉพาะงานที่ทำเสร็จแล้วจบไป (One-off tasks) และสั่งให้มันใช้ Haiku เสมอ

17. Peak vs Off-Peak

Anthropic ปรับอัตราการลดของโควตาตามความหนาแน่นของผู้ใช้ (Peak Hour: 08:00 - 14:00 น. เวลาสหรัฐฯ)
ก็คือ อย่าทำงานตอนดึกๆ เวลาไทย กลางวันจัดให้หนัก

18. Self-Evolving CLAUDE.md

เขียนคำสั่งไว้ท้ายไฟล์ CLAUDE.md ว่า "When learning new concepts or solving difficult problems, record them as short bullet points (no more than 15 words) here."

ทำให้ Claude ฉลาดขึ้นในทุก Session โดยไม่ต้องเสียเวลาอธิบายใหม่ ซึ่งช่วยประหยัด Token ในระยะยาว

การบริหาร Token ไม่ใช่เรื่องของ "การประหยัด" อย่างเดียว แต่มันคือการ "รักษาความฉลาด" (Context Hygiene) เพราะยิ่ง Context บวม Claude จะยิ่งเบลอและตอบผิด จบ

[Rian Doris @RianSweetDoris]

The harder you force a decision, the further you get from the answer.

Here's a 3-step process that unlocks effortless decision-making:

1. Write the problem down.

Not the surface-level version, the root version. Writing activates your Reticular Activating System, a neural filter in your brainstem that tells your brain to prioritize this problem.

2. Walk away.

Do something lightly physical. A walk, gardening, cleaning. These activities quiet the prefrontal cortex (transient hypofrontality) and give your subconscious room to work.

3. Come back and write solutions.

Sit down with a blank page. Within a few minutes, answers will start showing up, and the decision will become very clear.

90% of decisions don't need to be made today. Use the time.

More on this in the article below.

[Akshay 🚀 @akshay_pachaar]

https://t.co/SSSIK3BX4z

[Big Brain Business @BigBrainBizness]

In Elon Musk’s 2018 leaked Tesla memo, he lays out 7 blunt rules for getting more shit done:

[delmar @imyourwintercry]

ขอพลังช่วยกันรีด่วนค่ะ ขอนแก่นเขต 10 ไม่มีการนับคะแนน ไม่มีการเขียนคะแนนใดๆทั้งสิ้น แต่ในเว็บขึ้นสีน้ำเงินแล้ว กกต.เปลี่ยนชุดกลับบ้านเรียบร้อย มีพี่เขานั่งเฝ้าไลฟ์สดตั้งแต่ 5 โมงเย็น ไม่มีนับคะแนนให้ดู ไม่มีอะไรเลย ‼️ #เลือกตั้ง69

[Rian Doris @RianSweetDoris]

https://t.co/J3nd4eu4oj

[Blake Burge @blakeaburge]

Your biggest competition isn’t other people. It’s procrastination when you should start. Ego when you should listen. Distraction when you should focus. Excuses when you should act. Until you beat those, no external opponent is your real problem.

[Collin Rugg @CollinRugg]

Donald Trump was mocked for sounding the alarm on the California water/fire crisis during his interview with Joe Rogan.

Turns out, he was right.

Trump spent nearly 7 minutes ranting about the issue, blasting Newsom for doing nothing to fix the problem.

Trump specifically discussed the Californian Delta Smelt controversy, where rainwater is wasted by being directed into the Pacific Ocean to protect a tiny fish species.

"You know in Los Angeles, you can't get proper amounts of water."

"In order to protect a tiny little fish, the water up north gets routed into the Pacific Ocean. Millions and millions of gallons of water gets poured [into the Pacific]."

"I got it all done. Nobody could believe it. It was all done. I said, I got it. You got so much water. All you have to do is sign, and [Newsom] didn't wanna sign."

"Every time I go to California, I say you have so much water. They don't know it... I'm telling you, people living in Beverly Hills, they turn off the water. Same thing with the electric."

[prial @prial123]

Probably nothing... I just applied to Alchemy University (@AlchemyLearn) to earn my free web3 degree!

Applications are open to everyone! LFG!!! https://t.co/UrvVopItil

[Band @BandProtocol]

At Band, we believe that security comes hand-in-hand with the growth of #web3. We are happy to announce that with our partnership with @AlphaVentureDAO, we will be giving out grants for #DeFi builders to use our #decentralized oracle services for free for 6 months!

Apply👇

[Band @BandProtocol]

🎉 D-DAY for our VRF launch! 🎉

🥳 More details here👉https://t.co/fvDGERmjgF

👇Also, check the thread down below for a quick VRF summary!

#bandvrf

[ZAAP ⚡️🎨 | Soft Launched! @zaapstudio]

What if Leonardo had access to ZAAP? 👀

Watch to understand how https://t.co/KoOos0fVET allows #NFT collectors explore a wider range of art

Are you ready to explore and collect new NFTs?

Visit https://t.co/Izqekjm3hh now!👈

[Fon @siree_fon]

Find me in SG 🇸🇬 for @token2049. Excited and looking forward to catch up with many of @BandProtocol partners and people in the space! Come say hi if you are around this week!