Rackmanager

AI is the real deal that truly changes the way people interact with information around us, whether it's a database or simple plain text. Wow, just wow!

[Rackmanager @rackmanager]

ปากกาน้ำเงินสำหรับเซ็นเอกสารที่ดีที่สุดเท่าที่เคยมีมา แบบประหยัด ซื้อมาทั้งกล่องไปเลย ! https://t.co/DUCyF52BC2

[Vibe Coding Thailand @vibecodingth]

ดูคลิปเต็มของ Ben AI:
https://t.co/4NMvCBz1RH

อ่านบทความฉบับเต็มที่:
https://t.co/BRCkfkAaG9

10/10

[Rackmanager @rackmanager]

รถไฟรางบ้านเราเป็น automomous ระดับ 5 แล้วแหละ เพราะ ไม่ต้องมีคนในห้องควบคุมใดๆ ! แบบนี้แปลว่าคนไหนไปคร่อมรางมีโอกาสโดนซัดแบบไม่ต้องเบรคทั้งนั้นนะ ระวังตัวกันเอาไว้

[Kawaaii @Kawaaii13]

อึ้งมาก แกร 😳😳วงจรปิดจับภาพชัด!! คนขับไม่ได้อยู่ที่ห้องควบคุม ซูมหายังไงก็ไม่เจอ ชห.มั้ยล่ะ !? คุณภาพชีวิตดีๆของคนไทย 🇹🇭

#รถไฟชนรถเมลล์ #รถไฟ #มักกะสัน

[Rackmanager @rackmanager]

อันนี้เป็นไอเดียที่ดีเลย หลักการคือ ให้กำหนดพื้นที่สีแดงหลังพื้นที่ห้ามจอดทับไปอีกทีหนึ่ง พื้นที่สีแดงจะต้องว่างก่อน รถคันต่อไปถึงจะข้ามไปได้ เพื่อให้มั่นใจได้ว่าต่อให้รถติด มันจะมีที่สำหรับการขับข้ามไปอีกฝั่งหนึ่งของรางรถไฟ

[i.amPPLE4cute @pchanybbaekh]

พี่บอล-พี่ยอด ไหนพาปัง เอาคลิปทางข้ามรถไฟญี่ปุ่นมาให้ดู ระบบ+วินัยดีมากจริงๆ สุดท้ายทุกอย่างมันก็วนไปที่ต้องแก้ที่โครงสร้างอ่ะ ปะผุไปวันๆก็ได้ผลลัพธ์แบบเดิมๆ
.
cr: ดูคลิปเต็มที่ช่อง Ball-Yod ไหนพาปัง https://t.co/77H7Amuq2S

[Rackmanager @rackmanager]

ดีมาก สรุปว่าคนรถไฟชนรถเมล์ได้ เพราะ คนขับรถไฟเมายาเสพมาว่างั้น แสดงว่าโอกาสที่คนจะโดนหากคร่อมรางรถไฟคือสูงมาก คนขับรถไฟ ไม่มีสติ โอเคเลย

[Jafar Najafov @JafarNajafov]

Stop telling Claude, “write the function.”
Stop telling Claude, “fix this error.”
Stop telling Claude, “make the tests pass.”

You’re treating a billion-dollar AI engineer like Stack Overflow with autocomplete.

Here are 11 insane coding prompts you can copy-paste right now:

[nick vasilescu @nickvasiles]

@orgo get it here:

https://t.co/rc3bvow6xs

[เกมถูกบอกด้วย @sheapgamer]

[News] "Pordee" ปลั๊กอินภาษาไทยสำหรับClaude Code ที่ช่วยลดการใช้งาน Token ได้สูงสุดถึง 75%!
.
เมื่อช่วงเช้าที่ผ่านมา เจ้าพ่อสารพัดอย่างโปรเจกต์และนักพัฒนาชาวไทยคุณ keRLos เปิดตัวโปรเจกต์ใหม่ในชื่อ Pordee หรือ “พอดี” ซึ่งเป็น Plugin สำหรับ Claude Code ที่ออกแบบมาเพื่อแก้ปัญหาการกิน Token ปริมาณมากของภาษาไทยโดยเฉพาะ โดยได้รับแรงบันดาลใจมาจาก "caveman" เพื่อช่วยให้ AI ตอบคำถามได้กระชับ ตรงประเด็น และประหยัด Token สูงสุดถึง 60-75% โดยที่เนื้อหาและความถูกต้องทางเทคนิคยังอยู่ครบถ้วน
.
สำหรับหลายๆคนที่ใช้ AI เป็นแชตบอตอาจจะทราบดีว่า ในการถามคำถามที่เป็นเนื้อหาหรือบริบทเดียวกันภาษาไทยนั้นใช้จำนวน Token ในการตอบมากกว่าภาษาอังกฤษมาก แต่หลายคนเองก็ไม่ได้สะดวกที่จะแชตกับ AI ด้วยภาษาอังกฤษตลอดเวลา คุณ keRLos จึงได้พัฒนา Plugin สำหรับ AI ชื่อว่า Pordee ขึ้นมาให้ใช้งานกัน
.
โหมดการทำงานของ Pordee จะแบ่งระดับการตัดคำออกเป็น 2 ระดับ เพื่อให้ผู้ใช้เลือกใช้ตามความเหมาะสมได้แก่
.
Lite - เน้นตัดคำฟุ่มเฟือย คำสุภาพ และคำลงท้าย (ครับ/ค่ะ) ออก แต่ยังคงโครงสร้างไวยากรณ์ที่ถูกต้อง อ่านแล้วยังเป็นภาษาไทยปกติที่ดูเป็นทางการ
.
Full - เป็นค่าเริ่มต้น ที่เน้นความประหยัดสูงสุด โดยจะตัดทั้งคำเชื่อมที่ไม่จำเป็นและปรับรูปประโยคให้สั้นที่สุดเท่าที่จะทำได้ ซึ่งช่วยลดจำนวน Token ลงได้มหาศาลจากประโยคภาษาไทยแบบปกติ
.
วิธีติดตั้งและใช้งานผ่าน Claude Code สามารถติดตั้งบน CLI ได้ทันทีด้วยคำสั่ง
.
claude plugin marketplace add kerlos/pordee
claude plugin install pordee@pordee
.
หลังจากติดตั้งแล้ว สามารถควบคุมการทำงานผ่าน Slash Command เช่น /pordee เพื่อเปิดใช้งาน หรือ /pordee stop เพื่อปิด นอกจากนี้ยังมีระบบ Keyword ที่ช่วยให้เปิด-ปิดการใช้งานได้ง่ายๆ เพียงพิมพ์คำว่า "พอดี", "พูดสั้นๆ" หรือ "พูดปกติ" ในแชท ระบบจะปรับเปลี่ยนโหมดการตอบกลับให้อัตโนมัติทันที
.
ในเวอร์ชันแรกนี้ คุณ keRLos บอกว่าจะรองรับการใช้งานผ่าน Claude เป็นหลัก แต่มีแผนที่จะขยายการรองรับไปยัง AI ตัวอื่นๆ เพิ่มเติมในอนาคต
.
ใครที่สนใจก็ไปส่องและติดตั้งได้ใน Github ด้านล่าง

Github: https://t.co/azYGHVibCd

Source: https://t.co/g9Nap9FiVH

[Blaze @browomo]

This Chinese guy created agents in Claude Code for landing pages and single-handedly serves 47 small businesses a month, taking $400 from each.

He built a system of 7 agents on Claude Sonnet 4.6 that analyzes Google Maps in small towns, finds small businesses without websites there, and over 1 weekend takes each one to a finished mockup with video and cold message.

No assistant, no sales team, no SDR. Just him, a MacBook, an iPhone, and 1 API key.

And traditional web design agencies keep teams of 8 people on salary for the same order flow, while his expenses are only tokens and subscriptions to Lovable, Higgsfield, and Calendly.

7 agents work through 1 orchestrator on Claude Code Router. Usage is about 3 million tokens a day, the average API bill is about $480 a month.

All 7 go through MCP servers and write shared state to the file system, without shared state in memory and without race conditions, and 1 of them lives right in the iPhone and picks up positive replies from the subway, a taxi, or on walks.

And here is the system prompt he put into the orchestrator before launch:

"You are the orchestrator of a solo agency that sells ready-made websites to local businesses. You delegate read-only tasks to 6 sub-agents and own all writes.

sub-agents:

// Scout (walks through Google Maps in selected cities, looks for narrow niches: 5+ years on the map, fewer than 50 reviews, no website or a website from 2014, but high ratings)
// Diagnoser (for each lead writes a 50-word diagnosis, hero angle, tone matched to the industry, and a cold message under 70 words)
// Builder (generates a landing page mockup in Lovable through MCP only for the top 5 leads per day, with the sharpest diagnoses and the biggest gap)
// Filmer (pulls 5 screenshots of the mockup and through Higgsfield renders a 10-second vertical video 1080x1920 with a soft zoom)
// Pitcher (sends a personalized cold message through the right channel for the niche: email to roofers, SMS to tradesmen, IG DM to salons, LinkedIn to realtors)
// Checker (runs every message through evals for personalization, absence of AI markers and buzzwords before sending)
// Mobile (lives in the iPhone, handles positive replies in real time, books Zoom calls in Calendly through MCP while the owner is on the go).

You never let 2 sub-agents touch 1 lead. You stop and request approval from the human only when a deal exceeds $3,000 or the reply rate in a niche for the day drops below 12%."

Meaning the system knows what it is and within what boundaries it is allowed to act.

It knows it is supposed to find leads on its own.

It knows it is supposed to take each one to a mockup, video, and cold message without intervention.

It knows the human only steps in when a deal goes above $3,000 or the reply rate stops converging.

→ The system runs 24 hours a day

→ Scout goes through about 220 local businesses on Google Maps per day and leaves 30 new leads in the queue

→ Diagnoser outputs 30 structured diagnoses + briefs + cold messages per day

→ Builder assembles 3 to 5 finished landing pages in Lovable for the sharpest leads

→ Filmer renders a 10-second vertical video in Higgsfield for each one

→ Pitcher sends 30 personalized messages per day across 4 channels with a reply rate of about 14%

→ Checker runs every message through evals before sending

And only when a deal breaks $3,000 or the reply rate for the day drops below 12% does the orchestrator wake the owner.

And when the owner at that moment is sitting in the subway or a taxi, the Mobile agent in his iPhone picks up 1 move on its own: replies to a fresh positive reply from a dentist, books a Zoom through Calendly synced to the local time of the client, and puts the lead back in the queue. The owner only has to tap "approve" and in just 10 minutes join the call.

Here is what the system writes in his log during 1 of the Saturdays:

"scout report: 218 businesses checked in Austin, Denver, and Miami, 34 without a website, 19 with a website from 2014, 6 with an active redesign request in reviews. passing top 30 to diagnoser."

"pitcher: 30 cold messages sent across 4 channels, 14 replies, 5 positive, 3 Zoom calls booked for Sunday. passing to closer."

"builder: landing page for Westside Cosmetic Dentistry built in Lovable, 5 sections, mobile, soft beige. URL placed at /Users/dev/maps-agency/clients/westside/v1. filmer launching Higgsfield."

"eval flag: deal with The Lotus Salon at $3,400 exceeds the approved limit of $3,000. sending for manual review."

He has no server of his own and no separate backend.

Just a local file sandbox at /Users/dev/maps-agency, an MCP router, 1 API key to Claude, and the same key forwarded to Claude Code on his iPhone.

Out of everything I have seen this year, this is the cleanest one-person agency for selling websites to small businesses: $480 a month on the API, about $18,800 into the account, and between them 7 prompts, 1 file system, and 1 phone in the pocket.

[Perth Woratana 🇦🇺🇹🇭 @woraperth]

=> สรุปไลฟ์เมื่อวาน Data Engineer in AI Era: DE คือใคร? เอาตัวรอดยังไงในยุค AI? <=

เมื่อวานนี้ คุยกันสนุก มีหลายหัวข้อที่น่าสนใจมาก

สรุปมาเป็น 5 ข้อ สำหรับทั้งมือใหม่ที่สนใจทำงานด้าน Data & มือเก่าที่ทำงานด้าน Data อยู่แล้ว และกำลังหาทางเอาตัวรอดในยุค AI อยู่

1/ เครื่องมือ AI กลายเป็นผู้ช่วยประจำวัน (AI as a Daily Tool)
- จาก Survey ของ Data Engineer 1,100 คนทั่วโลก กว่า 82% ใช้งาน AI ทุกวัน
- งานที่ DE ใช้ช่วยหลัก ๆ คือ เขียนโค้ด, ทำ Document, Debug Data Pipeline

2/ การควบคุม Agentic AI ด้วยไฟล์ skill md
- ในปีที่ผ่านมา เราตกอยู่ในโลกที่ต้อง Prompt ยาว ๆ ละเอียด ๆ ยิ่งดี
- ในปัจจุบัน งาน DE (และงานอื่น ๆ) แทนที่จะพิมพ์ Prompt ยาว ๆ เราสามารถสร้างเป็น skill . md ได้ โดยแนบไว้ในโปรเจกต์ เพื่อเป็น Instruction บอก AI

เช่น
> บอกว่าทีมมีมาตรฐานการเขียนโค้ด (เราเรียกว่า Code standard / Code convention) แบบไหน
> ต้องทำตาม step อะไรบ้าง

- นอกจากนั้น เราแนบโค้ดที่อยากให้ AI รัน เข้าไปใน Skill ได้ด้วย ทำให้ Skill md ไม่ได้เป็นแค่ตัวหนังสือสั่งงาน

(Tip ส่วนตัว: ผมใช้วิธีสั่ง AI ให้ทำงานทีละขั้น และถ้าทำงานผิด ก็บอกให้มันแก้ จากนั้นพอคุยกันยืดยาวเสร็จ ก็บอกว่า "สร้าง Skill ให้หน่อย จากที่เราคุยกัน")

3/ เสริม Context ให้ AI ฉลาดด้วย MCP (Model Context Protocol)
- AI มีความรู้รอบตัวเยอะ แต่ไม่ได้รู้เรื่องเฉพาะเจาะจง เช่น ข้อมูลในฐานข้อมูล, วิธีบังคับ Web Browser
- MCP ถูกเปรียบเทียบว่าเป็นเหมือนสาย USB-C ของโลก AI เป็นมาตรฐานเปิดที่ทำให้ AI Agent สามารถวิ่งไปเชื่อมต่อกับ Tools หรือ API ภายนอกได้โดยตรง

เช่น
> ให้ AI ไปอ่าน Document ล่าสุดของ Google Cloud ก่อนเขียนโค้ด
> เชื่อมต่อกับ Database จริงเพื่อดึงข้อมูลมาวิเคราะห์ (ชื่อเครื่องมือ: MCP Toolbox)
ทำให้ AI ทำงานได้ถูกต้อง แม่นยำ และไม่อัปเดตข้อมูลเก่า

4/ AI ช่วยเพิ่ม Productivity ในงานถึก และงานแอดมิน
- AI ไม่ได้เข้ามาแทนที่ DE แต่มาช่วยลดเวลาในหลาย ๆ งานที่ต้องใช้พลังเยอะ ถ้าทำเอง

เช่น
> ช่วยแกะโค้ดเก่าๆ (Legacy Code) ที่ไม่มีคนอธิบายไว้ และคนเขียนออกไปแล้ว ซึ่งในงานเจอกันบ่อยมาก
> ช่วยวิเคราะห์ปัญหาข้อมูล (Data Quality Issues) ซึ่งปกติอาจต้องงมนานครึ่งวัน AI ช่วยลดเวลาเหลือแค่ไม่กี่นาที
> ช่วยทำงานแอดมิน เช่น ให้ AI สร้าง Ticket ในระบบ Project Management (เช่น Jira) ให้เราเลย

5/ AI เฉพาะทาง สำหรับงาน Data กำลังเติบโตขึ้น
- Cloud Platform เริ่มนำ AI มาใส่ใน Database, Data Warehouse เช่น BigQuery Data Engineering Agent
- AI Agent สาย Data สามารถทำความเข้าใจ Requirement แล้วรัน Data Pipelin, แนะนำโค้ด, หรือบอกได้เลยว่าต้องแก้ไขตรงไหน
- นอกจากนี้ ยังมีเรื่อง Conversational Analytics ที่ทำให้ผู้ใช้งานถามเป็นภาษามนุษย์ แล้ว AI จะไปเขียน Query ดึงข้อมูลและสร้างกราฟให้เองได้เลย

(อย่างไรก็ตาม ต้องมี Data Engineer มาวางรากฐาน Data ให้ดี ใช้งานง่าย)

(ลิงค์ไปวีดิโอเต็ม เดี๋ยวใส่ไว้ในคอมเม้นท์ให้ครับ)

[GREG ISENBERG @gregisenberg]

There’s $1T up for grabs for agent-first startups and this window is WIDE open. Probably 10,000+ niches.

How it plays out:

1. Every SaaS company follows salesforce and goes headless within 18 months

2. a new category of "agent-native" startups emerges that treat salesforce, HubSpot, workday etc as dumb backends. the startup IS the agent. the SaaS is just the database.

3. the entire consulting/services industry around enterprise SaaS gets compressed into software. the agent replaces the implementation team.

4. outcome-based pricing becomes default. nobody pays per seat when the "seat" is an agent making 10,000 API calls a minute. you pay when revenue hits your account.

5. the winning founders are ex-operators who understand a vertical workflow cold. the code is the easy part. knowing that a property manager spends 14 hours a week on lease renewals? that's the insight worth $100M.

6. distribution becomes the moat. when anyone can wire agents to APIs, the company with the audience and the brand wins. media + agents is the new SaaS. There’s a rush to incubate live/short form shows.

7. Silicon Valley goes all influencer. Roy lee gets this. Pat Walls gets this. Sam Parr gets this.

8. the first $1B agent-native company in each vertical will look nothing like the SaaS it replaced. smaller team, higher margins, no implementation cost, no churn from bad UX because there is no UX.

the fastest path to wealth right now: find an industry that still runs on dashboards, phone calls, and spreadsheets. build the agent-native version. charge per outcome. own the workflow end-to-end.

someone reading this right now is going to build a $100M company off this exact shift. tell me about it on the @startupideaspod when you do. Im rooting for you.

Less reading, less bookmarking, more building.

the last wave rewarded people who built pretty interfaces on top of ugly data.

I think this wave rewards people who build smart agents on top of exposed APIs.

Or who just build the APIs themselves

Here we go

[Aaron Levie @levie]

The more enterprises I talk to about AI agent transformation, the more it’s clear that there is going to be a new type of role in most enterprises going forward. The job is to be the agent deployer and manager in teams. Here’s the rough JD:

This person will need to figure out what are the highest leverage set of workflows on a team are (either existing or new ones) where agents can actually drive significantly more value for the team and company.

In general, it’s going to be in areas where if you threw compute (in the form of agents) at a task you could either execute it 100X faster or do it 100X more times than before. Examples would be processing orders of magnitude more leads to hand them off to reps with extra customer signal, automating a contracting review and intake process, streamlining a client onboarding process to reduce as many straps as possible, setting up knowledge bases than the whole company taps into, and so on.

This person’s job is to figure out what the future state workflow needs to look like to drive this new form of automation, and how to connect up the various existing or new systems in such a way that this can be fulfilled. The gnarly part of the work is mapping structured and unstructured data flows, figuring out the ideal workflow, getting the agent the context it needs to do the work properly, figuring out where the human interfaces with the agent and at what steps, manages evals and reviews after any major model or data change, and runs and manages the agents on an ongoing basis tracking KPIs, and so on.

The person must be good at mapping the process and understanding where the value could be unlocked and be relatively technical, and has full autonomy to connect up business systems and drive automation. This means they’re comfortable with skills, MCP, CLIs, and so on, and the company believes it’s safe for them to do so. But also great operationally and at business.

It may be an existing person repositioned, or a totally net new person in the company. There will likely need to be one or more of these people on every team, so it’s not a centralized role per se. It may rile up into IT or an AI team, or live in the function and just have checkpoints with a central function.

This would also be a fantastic job for next gen hires who are leaning into AI, and are technical, to be able to go into. And for anyone concerned about engineers in the future, this will be an obvious area for these skills as well.

[Vibe Coding Thailand @vibecodingth]

9 วินาที AI agent ลบ database production
+ backup ทั้งหมด

Cursor รัน Claude Opus 4.6 ยิง GraphQL mutation
ครั้งเดียวไป Railway ไม่มี confirmation ไม่มี undo

สรุปมาให้อ่านกัน

[Mahachai 🦇🔊 @EthereumThaila1]

ตอนนี้ เส้นแบ่งระหว่าง Business User และ Programmer มันจะไม่มีแล้วน่ะ
งานตอนนี้ที่ทำ Process Improvement ก็จะขยับทั้งทีมมาทำ DevOps ละ โดยต้องมี Hosting services ต่างๆ เพื่อจะได้ automate งาน ที่เหลือคงมีใช้คุยกับพวก IT Dev ผ่าน MCP แค่นั้น ที่เหลือทำเอง เพราะรอคิวงานไม่ไหว

[Perth Woratana 🇦🇺🇹🇭 @woraperth]

เมื่อคืนนั่งงม Automation โดยใช้ Claude ช่วยเขียน ประหยัดเวลาได้เยอะมากกกกกก

ปกติ 2 วันน่าจะเสร็จ พอใช้ Claude ไม่ถึง 4 ชม. เสร็จ

แอบคิดว่า ถ้าเป็นคนสาย Business ที่อธิบาย Process ได้เคลียร์ ๆ แล้วไม่กลัว Tech (เพราะต้องไปสมัคร API นู่นนี่) พอใช้ AI แล้วจะทำงานได้เร็วมาก น่ากลัวกว่าคนเขียนโค้ดเป็นแบบเราอีก 😂

[Atal @ZabihullahAtal]

🚨 BREAKING: A new role is quietly emerging and it’s about to dominate the next 5 years.

It’s not “AI engineer.”
It’s not “prompt engineer.”

It’s the Agent Operator.

And it will sit inside almost every organization.

Most people are still thinking about AI as a tool.

That framing is already outdated.

What’s actually happening is a shift from:
humans using software to humans managing autonomous agents that execute work

This is a fundamental redesign of how work gets done.

So what is an Agent Operator?

An Agent Operator is the person who:
• Designs how agents interact with real workflows
• Connects tools, data, and systems into agent pipelines
• Translates business problems into executable agent behavior
• Monitors, corrects, and improves agent performance over time

They don’t just “use AI.”

They orchestrate outcomes.

and this matter because
Every function marketing, legal, finance, biotech is becoming “agent-compatible.”

Not because companies want it.
Because they won’t have a choice.

Agents can:
• Run research loops
• Execute multi-step workflows
• Integrate across tools without APIs breaking the flow
• Operate 24/7 at near-zero marginal cost

The bottleneck is no longer capability.
It’s implementation inside real-world systems.

Required skills for AI Agent Operator role:
→ MCPs (Model Context Protocols)
Understanding how agents access tools, memory, and structured context.

→ CLIs (Command Line Interfaces)
Because serious agent workflows won’t live in GUIs—they’ll run in programmable environments.

→ Writing skills (the file kind)
Clear specs, instructions, and structured documents.
Agents run on precision, not vibes.

→ agents dot md fluency
The ability to define agent roles, constraints, memory, and tool usage in persistent formats.

→ Business acumen
Knowing what actually matters:
Where automation creates leverage, not noise.

What happens next
Enterprises will begin to redesign workflows:

Not around employees using dashboards…
But around agents executing tasks.

That means:
• SOPs → Agent playbooks
• Teams → Human + agent hybrids
• Tools → Composable agent systems

When that shift happens, companies won’t just need engineers.
They’ll need operators who understand both the system and the business.

The leverage is asymmetric

One strong Agent Operator can:

• Replace fragmented SaaS workflows
• Multiply team output without adding headcount
• Turn ideas into execution systems in days

This is not incremental productivity.

It’s operational transformation.

[Aaron Levie @levie]

The jump from working with a chatbot to having an agent that actually helps automate a process requires a real amount of work.

Most companies will need to have dedicated people that are responsible for bringing automation to their teams, instead of leaving this up to every individual employee. Partly because the work is more technical than we imagine today, and partly because it’s just hard to do this as a side project.

The job spec is to map out new workflows with agents, implement new systems to deploy agents, make sure the agent has all the right (up to date) context to work with, wiring up internal systems to connect to the agents, creating evals for the agents, figuring out where the human is in the loop, managing the system when there are new upgrades, helping with the change management of the existing business process, and so on.

These jobs may come from IT or engineering, or live directly in the business function itself. They’ll be called different things depending on the company, and in some sense it’s the future of software engineering that you’ll see a huge growth of in non-tech companies.

Most companies will have to be hiring for this now or in the future, and it’s another example of the kind of new jobs that will be created in AI.

[Jui (Colby Daddy) 🐶 @0xJui10]

[ลองฟีเจอร์ใหม่ Claude Design แบบเร็วๆ]

workflow ที่ใช้ทำคลิปนี้:

1. บอก Claude ว่าอยากทำคอนเทนต์ "5 คำ AI ที่ต้องรู้" ความยาว 2 นาที
→ Claude เจน script voice-over + video prompt + caption ให้ครบ

2. เอา script ไปเจนเสียง voice-over ใน @ElevenLabs (แพลตฟอร์มเจนเสียงพูด AI จากข้อความ)

3. เอา video prompt ไป paste ใน Claude Design (ฟีเจอร์ใหม่ของ @claudeai สร้าง visual และ motion graphic จากคำสั่ง)
→ ได้ slideshow 16:9 พร้อมใช้

4. เอา voice + video มาประกอบ (ตัดต่อเองอยู่)

คลิปต่อไปจะลองให้ Claude Code ตัดต่อคลิปแทนเลย

ผลลัพท์ ตามนี้ 👇🏻

ปล. อันนี้ทำเร็วๆ ยังไม่ได้กรองเนื้อหาให้ถี่ถ้วน เช่นเรื่อง Context Window ในคลิปพูดว่า Claude มี 200K แต่ Claude Opus 4.7 (1M context) มีให้ใช้แล้ว — ดูเป็น workflow demo ไปก่อนนะ

[Rackmanager @rackmanager]

ดูๆแล้วเริ่มมีคนพัฒนาอุปกรณ์พเพื่อต่อพ่วงเพื่อทำให้คอมปกติมีความสามารถในการรัน LLM Offline ได้ด้วยนะ https://t.co/E8KnFtrbLk via @YouTube

[Rackmanager @rackmanager]

มะขามที่ไร้เมล็ดกินแล้วถ่ายง่ายดีนะ https://t.co/BRHNpMHDRD