Claude Code เปิดตัวคำสั่ง loop-engineering ใหม่สามคำสั่ง ได้แก่ /loop, /goal และ /schedule ซึ่งช่วยให้ coding agent สามารถขับเคลื่อนวงจรการส่ง prompt ของตัวเองได้โดยไม่ต้องรอให้มนุษย์พิมพ์ในทุกขั้นตอน ฟีเจอร์นี้สัญญาว่าจะช่วยให้นักพัฒนาสามารถทำงานเขียนโค้ดที่ซ้ำซากได้โดยอัตโนมัติ ควบคุมการใช้ token และหลีกเลี่ยงจังหวะ "พิมพ์-ส่ง prompt-รอ-พิมพ์-ส่ง prompt" ที่เป็นรูปแบบหลักของการพัฒนาด้วย AI จนถึงปัจจุบัน

ทำไมคำสั่งใหม่เหล่านี้ถึงสำคัญ

เวิร์กโฟลว์การเขียนโค้ดด้วย AI ส่วนใหญ่ยังคงต้องพึ่งพาการโต้ตอบกันไปมาด้วยตัวเอง: นักพัฒนาเขียนคำขอ, โมเดลส่งโค้ดกลับมา, นักพัฒนาอ่านโค้ด, ตัดสินใจว่าจะถามอะไรต่อ แล้วก็ทำซ้ำ รูปแบบดังกล่าวมีความล่าช้า มีค่าใช้จ่ายสูง และเสี่ยงต่อความผิดพลาด เมื่อต้องทำภารกิจเล็กๆ เดิมๆ ซ้ำๆ เช่น การรัน build, การแก้ไขคำเตือน lint หรือการแก้ไขข้อผิดพลาดจากการทดสอบ ซึ่งอาจต้องใช้การโต้ตอบหลายสิบครั้ง

โหมด loop ทั้งสามแบบ

  • /loop – วงจรที่ทำงานด้วยตัวเองแบบเบาๆ (lightweight, self-paced cycle) โดย Claude instance เดิมจะทำงานในแต่ละรอบและตรวจสอบเงื่อนไขง่ายๆ เช่น “is the build green?” (build ผ่านหรือไม่?) โหมดนี้ทำงานได้ดีที่สุดเมื่อขั้นตอนการตรวจสอบนั้นไม่ซับซ้อนและมีความเสี่ยงต่ำที่จะเกิดสัญญาณ "เสร็จสิ้น" ที่ผิดพลาด
  • /goal – วงจรที่มีความแม่นยำสูง (high-precision cycle) ในแต่ละรอบจะมีโมเดลลำดับที่สอง (secondary model) มาช่วยประเมินเงื่อนไขการทำงานที่เสร็จสมบูรณ์ เพื่อเพิ่มความละเอียดในการตรวจสอบ ใช้เมื่อการจบงานก่อนกำหนดอาจส่งผลเสียร้ายแรง เช่น การปรับใช้ (deploying) บริการที่มีความสำคัญด้านความปลอดภัย
  • /schedule – กระบวนการที่โฮสต์บนคลาวด์ (cloud-hosted routine) ซึ่งทำงานบนโครงสร้างพื้นฐานของ Anthropic โดยที่ loop จะดำเนินต่อไปแม้ว่าแล็ปท็อปของนักพัฒนาจะถูกปิดไปแล้วก็ตาม

ทั้งสามโหมดใช้สถาปัตยกรรมร่วมกัน ได้แก่: skill (คำสั่งที่บอก agent ว่าต้องทำอะไร), verifier (การตรวจสอบที่พิสูจน์ว่างานเสร็จสิ้นจริง), guardrails (ขอบเขตการทำงานว่า agent สามารถเรียกใช้เครื่องมือใดได้บ้าง) และ state (หน่วยความจำขนาดเล็กของสิ่งที่ทำไปก่อนหน้า) หากขาดส่วนใดส่วนหนึ่งไป loop อาจกลายเป็นการตกลงกันเองอย่างไม่สิ้นสุดซึ่งจะทำให้สิ้นเปลือง token โดยเปล่าประโยชน์

การสร้าง loop ที่ปลอดภัยและควบคุมค่าใช้จ่ายได้

  1. กำหนด skill – เขียน prompt ที่มีความชัดเจนและแน่นอน (deterministic) เพื่อบอก agent ถึงการทำงานที่เจาะจง (เช่น “run npm test and capture the output”)
  2. เพิ่ม verifier – ใช้ skill ควบคู่กับแบบทดสอบที่เป็นรูปธรรมซึ่ง agent ไม่สามารถปลอมแปลงได้ เช่น การอ่านค่า exit code จาก test runner จริงๆ หรือการตรวจสอบ checksum ของ artifact ที่สร้างขึ้น
  3. ตั้งค่า guardrails – จำกัดให้ agent ใช้ได้เฉพาะคำสั่งหรือ API ที่อยู่ใน whitelist เท่านั้น เพื่อป้องกันไม่ให้มันเปิด network socket ในขณะที่งานต้องการเพียงแค่การทำ file I/O
  4. บันทึก state – เก็บข้อมูลในรูปแบบ JSON blob ขนาดเล็กหรือบันทึกลงฐานข้อมูลเพื่อบันทึกสิ่งที่ agent ได้ทำไปแล้ว โดยในรอบถัดไปจะอ่านค่า state นั้นเพื่อหลีกเลี่ยงการทำงานซ้ำ

ขีดจำกัดความปลอดภัย 3 อย่างที่ทุก loop จำเป็นต้องมี

  • Hard stop – กำหนดจำนวนรอบสูงสุดหรือเพดาน token ที่ชัดเจน หาก loop ถึงขีดจำกัด ให้หยุดการทำงานทันทีและรายงานว่า “max turns reached”
  • Real stop condition – ใช้ตัวชี้วัดการตรวจสอบที่โมเดลไม่สามารถสร้างขึ้นเองได้ เช่น ชุดการทดสอบที่ผ่าน (passing test suite), build artifact ที่ไม่ว่างเปล่า หรือ checksum ที่ตรงกับค่าที่ถูกต้อง
  • Spend cap – เชื่อมต่อ loop เข้ากับเลเยอร์การตรวจสอบ (monitoring layer) ที่คอยเฝ้าดูการใช้ token แบบเรียลไทม์ และหยุดการทำงานทันทีเมื่อมีการใช้จ่ายเกินเพดานที่กำหนดไว้

บทสรุป

คำสั่ง /loop, /goal และ /schedule ของ Claude Code ช่วยให้นักพัฒนาสามารถทำงานเขียนโค้ดที่ซ้ำซากได้โดยอัตโนมัติในทางปฏิบัติ พร้อมทั้งยังสามารถควบคุมการใช้ token ได้อย่างโปร่งใส กุญแจสำคัญของ loop ที่น่าเชื่อถือคือ verifier ที่แข็งแกร่ง, guardrails ที่เข้มงวด และการกำหนดขีดจำกัดด้านเวลาและค่าใช้จ่ายที่ชัดเจน จงสร้างมาตรการป้องกันเหล่านี้ก่อน แล้วจึงปล่อยให้ agent จัดการงานที่น่าเบื่อหน่าย เพื่อที่คุณจะได้ใช้เวลาไปกับปัญหาที่ยังคงต้องใช้ความคิดของมนุษย์ในการแก้ไข