AI · AIC-97

Build AI Multi-Agent with Claude Code

หลักสูตร Build AI Multi-Agent with Claude Code เป็นการอบรมการสั่งงานทีม AI Agent ใน Claude Code ตั้งแต่ Subagent, Specialty Agent, Skills และ MCP ไปจนถึง Orchestration และ Hooks เหมาะกับนักพัฒนาและ Tech Lead ที่ใช้ Claude Code อยู่แล้ว จบแล้วสร้างเว็บแอปด้วยทีม Agent และ Deploy ขึ้น Vercel ได้

อัปเดตล่าสุด 11 ต.ค. 2569

ราคาเริ่มต้น 8,010 บาท / ท่าน 8,900 −10% ยังไม่รวม VAT 7% · มีราคาหมู่คณะ

ขอใบเสนอราคาอบรมองค์กร ลงชื่อจองไว้

PDFดาวน์โหลด Course Outline

ระยะเวลา12 ชั่วโมง · 2 วัน
รูปแบบออนไซต์ / ออนไลน์สด
รอบถัดไปเปิดตามคำขอ
ใบรับรองมี Certificate

ภาพรวมหลักสูตร

นักพัฒนาจำนวนมากใช้ Claude Code เป็นผู้ช่วยเขียนโค้ดแบบคุยทีละคำสั่งได้คล่องแล้ว แต่เมื่องานใหญ่ขึ้น Context ของ Agent ตัวเดียวเริ่มเต็ม งานที่ทำพร้อมกันได้ถูกทำทีละขั้น และผลลัพธ์ขึ้นกับว่าใครพิมพ์ Prompt เก่งแค่ไหน Claude Code ในปัจจุบันจึงมีทั้ง Subagent ที่แยก Context ของตนเอง Skills, MCP, Hooks และ Agent Teams ให้แบ่งงานเป็นทีม AI ที่มีหน้าที่ชัดเจน คำถามสำคัญจึงเป็นว่าจะออกแบบทีม Agent อย่างไรให้ทำงานเร็วขึ้น ผลลัพธ์ตรวจสอบได้ และไม่ใช้ Token หรือสิทธิ์เกินจำเป็น

หลักสูตรนี้พาผู้เรียนสั่งงานทีม AI Agent ใน Claude Code ตั้งแต่พื้นฐานการทำงานของ Agent การเตรียม settings.json การให้ Subagent วิเคราะห์โค้ดพร้อมกันแบบ Swarm การสร้าง Specialty Agent ด้วย Markdown และ YAML Frontmatter การผูก Skills และ MCP Server ให้ Agent แต่ละตัว ไปจนถึง Orchestrator-Worker ที่ Leader วิเคราะห์ก่อนแจกงาน Pipeline แบบทำตามลำดับ การจัดการ Context และ Memory และการตั้ง Permission กับ Hooks เป็น Quality Gate และ Cost Gate ปิดท้ายด้วย Capstone ที่ทีม Agent เฉพาะทางสร้างเว็บแอปธุรกิจจริงและ Deploy ขึ้น Vercel (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Advanced)

สิ่งที่คุณจะได้รับ

อธิบายการทำงานของ Agent, Tool Calling และเลือกรูปแบบ Multi-Agent ให้เหมาะกับงานและงบ Token
ใช้ Subagent ในตัวทำงานขนานกันแบบ Swarm แล้วรวมผลเป็นรายงานเดียวได้
สร้าง Specialty Agent ใน .claude/agents พร้อมกำหนด Tools, Model, Skills และ MCP Server
เขียน Skills และติดตั้ง MCP Server ในขอบเขตที่เหมาะสม แล้วผูกให้ Agent เฉพาะตัว
ออกแบบ Orchestrator-Worker, เขียน Delegation Prompt และติดตามงานผ่าน Task List
ต่อ Agent เป็น Pipeline ตามลำดับ และจัดการ Context กับ Memory ข้าม Session
ตั้ง Permission และ Hooks เป็น Quality Gate และ Cost Gate ก่อนให้ Agent ทำงานอัตโนมัติ
ใช้ทีม Agent สร้างเว็บแอปธุรกิจจริงและ Deploy ขึ้น Vercel ตาม Pre-flight Checklist

หลักสูตรนี้เหมาะสำหรับ

Software Developer และ Full-stack Developer ที่ใช้ Claude Code อยู่แล้วและอยากขยายเป็นทีม Agent
Tech Lead และ Solution Architect ที่ต้องออกแบบ Workflow ของ AI Agent ให้ทีมใช้ร่วมกัน
AI Engineer และ Automation Engineer ที่สร้างระบบ Agent ทำงานต่อเนื่องหลายขั้นตอน
DevOps และ Platform Engineer ที่ดูแลสิทธิ์ Hooks และค่าใช้จ่ายของ Agent ในองค์กร
ผู้ที่เรียน Claude Code Roadmap หรือใช้ AI Coding Tool มาแล้วและต้องการระดับ Multi-Agent

พื้นฐานของผู้เข้าอบรม

ใช้ Claude Code หรือ AI Coding Tool อื่นมาแล้ว และเขียน Prompt สั่งงานได้ชัดเจน
ใช้ Terminal, Git และ GitHub ได้ และอ่านเขียนไฟล์ JSON พื้นฐานได้
อ่านโค้ดเว็บแอปได้ เช่น JavaScript หรือ TypeScript เพื่อตรวจงานที่ Agent สร้าง
มีบัญชี Claude ในแผนที่มี Claude Code หรือ API Key ของตนเอง และบัญชี Vercel แบบฟรี
โน้ตบุ๊กที่ติดตั้ง Node.js, VS Code และ Git ได้ พร้อมสิทธิ์ติดตั้งโปรแกรม

หัวข้อการฝึกอบรม

รายละเอียดหลักสูตร

หลักสูตรนี้เจาะการสร้างและสั่งงานทีม AI Agent ใน Claude Code โดยเฉพาะ อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab และ Workshop บน Repository ตัวอย่างและโจทย์เว็บแอปธุรกิจ ระดับ Advanced ผู้เรียนควรใช้ Claude Code หรือ AI Coding Tool อื่นมาแล้ว เขียน Prompt ได้ดี และใช้ Terminal, Git, GitHub และ JSON พื้นฐานได้ ผู้เรียนใช้บัญชี Claude ส่วนตัวหรือของบริษัทในแผน Pro, Max, Team หรือ Enterprise หรือ API Key

ของตนเอง และบัญชี Vercel แบบฟรี สถาบันไม่ได้จัดเตรียมบัญชีหรือ Subscription ให้ หลักสูตรนี้ต่อยอดจาก Claude Code Roadmap ที่สอน Claude Code อย่างครบถ้วนและแตะเรื่อง Subagent เพียงเล็กน้อย โดยเน้นเฉพาะงาน Multi-Agent ตั้งแต่ Subagent, Specialty Agent, Skills และ MCP ต่อ Agent ไปจนถึง Orchestration, Agent Teams, Pipeline, Memory, Permission และ Hooks หากต้องการพื้นฐาน Claude Code ให้เรียน Claude Code Roadmap ก่อน ฟีเจอร์ของ Claude Code เปลี่ยนเร็ว และ Agent Teams ยังเป็นฟีเจอร์ทดลอง เนื้อหาจะอิงเวอร์ชันล่าสุดในวันอบรม

Day 1 สร้างทีม Agent: Subagent, Skills และ MCP

Section 1: AI Agent ทำงานเป็นทีมได้อย่างไร

Agent ต่างจาก Chatbot อย่างไร และ Tool Calling ทำให้ Claude Code อ่านไฟล์ แก้โค้ด และรันคำสั่งได้อย่างไร
รูปแบบ Multi-Agent ใน Claude Code: Subagent, Background Subagent และ Agent Teams
Context Window ของแต่ละ Agent และเหตุผลที่การแยก Context ช่วยให้งานใหญ่แม่นขึ้น
ต้นทุน Token ของทีม Agent และเกณฑ์ตัดสินใจว่างานใดคุ้มที่จะแบ่งให้หลาย Agent

Section 2: Lab: เตรียมสภาพแวดล้อมสำหรับทีม Agent

Terminal, VS Code, Git, Node.js และการอ่านเขียน JSON กับ Environment Variable
ติดตั้ง Claude Code แบบ CLI หรือแอป Desktop แล้วตรวจด้วย claude --version และ claude doctor
settings.json ระดับผู้ใช้และโปรเจกต์ และค่าที่เกี่ยวกับ Agent
Lab: ตั้งโปรเจกต์ตัวอย่าง ตรวจ /agents, /context และ /usage ก่อนเริ่ม

Section 3: Workshop: Swarm ด้วย Subagent ทำงานขนานกัน

Subagent ในตัว Explore, Plan และ general-purpose แต่ละตัวมี Context แยกของตนเอง
ให้ Leader แบ่งงานแล้วส่ง Subagent หลายตัวทำพร้อมกัน เทียบกับการทำทีละขั้น
ติดตาม Background Subagent ด้วย /tasks แล้วรวมผลเป็นข้อสรุปเดียวเมื่อผลขัดแย้งกัน
Workshop: Prompt เดียวให้ Leader ส่ง Subagent วิเคราะห์ Codebase พร้อมกันแล้วรวมรายงาน

Section 4: Lab: Specialty Agent ด้วย Markdown และ YAML

CLAUDE.md เป็นกติกากลางของทีม ส่วนไฟล์ Agent อยู่ใน .claude/agents หรือ ~/.claude/agents
ให้ Claude สร้างไฟล์ Agent จาก Prompt แล้วปรับ name, description, tools และ model ต่อ Agent
เรียกใช้ด้วย Auto-delegation, @-mention หรือ claude --agent
Lab: สร้าง Researcher Agent ที่ค้นข้อมูลแล้วสรุปพร้อมแหล่งอ้างอิง

Section 5: Skills ความรู้เฉพาะงานที่ Agent หยิบใช้ได้

Skill คือโฟลเดอร์ใน .claude/skills ที่มี SKILL.md พร้อมไฟล์ประกอบ
โครงสร้าง SKILL.md: Frontmatter, description ที่ทำให้ถูกเรียกถูกงาน และคำสั่งทีละขั้น
ตัวอย่างการใช้งาน และการ Preload Skill ให้ Subagent ผ่านฟิลด์ skills
Lab: สร้าง Skill มาตรฐานรายงานแล้วผูกให้ Researcher Agent ใช้ทุกครั้ง

Section 6: Lab: MCP Server สำหรับ Agent แต่ละตัว

Transport แบบ stdio และ HTTP (SSE เลิกแนะนำแล้ว) และการติดตั้งผ่าน npx, Docker หรือ Remote URL
ขอบเขต local, project ใน .mcp.json และ user ควรเลือกแบบใดเมื่อทำงานเป็นทีม
ผูก MCP Server ให้เฉพาะ Subagent ด้วยฟิลด์ mcpServers และจำกัด Tool ที่ใช้ได้
Lab: ให้ Researcher Agent ใช้ MCP ค้นข้อมูลภายนอกโดยไม่เปิดให้ Agent อื่นใช้

Day 2 Orchestration, Guardrails และ Capstone

Section 7: Orchestrator-Worker และ Leader-first

Orchestrator-Worker: Leader วิเคราะห์โจทย์ก่อน แล้วจึงแจกงานให้ Worker
Delegation Prompt: เป้าหมาย ขอบเขต ไฟล์ รูปแบบผลลัพธ์ และเกณฑ์ว่างานเสร็จ
Effort Scaling: จำนวน Agent และระดับ Effort ที่พอดีกับงาน และ Task List ของ Leader
Lab: ให้ Leader วิเคราะห์ Feature ใหม่แล้วแตกเป็นงานย่อยพร้อม Prompt ให้ Worker

Section 8: Workshop: ทีม Frontend, Backend และ QA

เปิด Agent Teams (ฟีเจอร์ทดลอง) และความต่างจาก Subagent ที่รายงานกลับ Leader
Team Lead สร้าง Shared Task List ให้ Teammate รับงาน ส่งข้อความหากัน และแยกไฟล์ที่แต่ละคนดูแล
Workshop: ทีม Frontend, Backend และ QA สร้าง Feature เดียวกันผ่าน Task List

Section 9: Workshop: Sequential Workflow แบบ Pipeline

งานแบบใดต้องทำตามลำดับ และเมื่อใดการทำขนานกันกลับเสียมากกว่าได้
ต่อ Subagent เป็น Pipeline ผ่านไฟล์ Spec หรือใช้ Task ที่ขึ้นต่อกันใน Agent Teams
Workshop: Pipeline วิเคราะห์ความต้องการ ออกแบบ เขียนโค้ด และตรวจทาน

Section 10: Context Management และ Persistent Memory

CLAUDE.md ระดับองค์กร ผู้ใช้ โปรเจกต์ และ CLAUDE.local.md รวมถึง Auto Memory
Memory ของ Subagent ระดับ user, project และ local สำหรับจำข้าม Session
แยก Context ให้ Subagent ทำงานหนักแล้วส่งเฉพาะสรุปกลับ Leader และใช้ /compact กับ /clear
Lab: ให้ Reviewer Agent จำข้อผิดพลาดที่พบบ่อยของโปรเจกต์ข้าม Session

Section 11: Workshop: Permission, Hooks, Quality Gate และ Cost Gate

permissions แบบ allow, ask และ deny ใน settings.json และกัน Agent อ่านไฟล์ .env หรือ Secret
จำกัดสิทธิ์ต่อ Agent ด้วย tools, disallowedTools, permissionMode และ maxTurns
Gate Logic: เงื่อนไขหยุดงาน และจุดที่ต้องให้คนอนุมัติก่อนทำต่อ
Hooks อย่าง PreToolUse, SubagentStop และ TaskCompleted ดักและบล็อกคำสั่งอันตราย
Workshop: Quality Gate ที่ไม่ยอมปิดงานจนกว่า Test ผ่าน และ Cost Gate ที่คุมจำนวนรอบและงบ Token

Section 12: Capstone: ทีม Agent สร้างเว็บแอปและ Deploy

Leader วิเคราะห์โจทย์ธุรกิจและเขียน Spec กลางที่ทุก Agent ยึดเป็นข้อตกลง
ทีม Planner, Competitive Research, Full-stack Developer, Writer และ QA/Reviewer
ติดตามงานผ่าน Task List ใช้ Synthesize Pattern รวมผล และตรวจ Diff กับ Test ก่อนรับงาน
Deploy ขึ้น Vercel ด้วย Vercel CLI หรือ Vercel MCP พร้อมตั้ง Environment Variable
Pre-flight Checklist ก่อนรัน Agent อัตโนมัติ แล้วนำเสนอผลงานและแผนนำไปใช้จริง

รอบอบรมและรูปแบบการอบรม

สำหรับบุคคล — รอบอบรมทั่วไป

ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770

ลงชื่อจองไว้ สอบถามรอบอบรม

สำหรับองค์กร — In-house / Private Training

ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ

ขอใบเสนอราคาอบรมองค์กร

วิทยากรผู้สอน

สามิตร โกยมCEO ที่สถาบันไอทีจีเนียส

คำถามที่พบบ่อย

หลักสูตรนี้ต่างจาก Claude Code Roadmap อย่างไร

Claude Code Roadmap สอน Claude Code อย่างครบถ้วนตลอด 30 ชั่วโมง ตั้งแต่พื้นฐานการใช้งานไปจนถึงงานพัฒนาซอฟต์แวร์ และแตะเรื่อง Subagent เพียงเล็กน้อย หลักสูตรนี้เป็นสายเจาะลึกด้าน Multi-Agent โดยเฉพาะ ได้แก่ Subagent แบบ Swarm, Specialty Agent, Skills และ MCP ต่อ Agent, Orchestrator-Worker, Agent Teams, Pipeline, Memory, Permission และ Hooks ผู้ที่ยังไม่คุ้นกับ Claude Code ควรเรียน Claude Code Roadmap ก่อน

ต้องเตรียมบัญชีอะไรบ้าง และสถาบันจัดเตรียมให้หรือไม่

สถาบันไม่ได้จัดเตรียมบัญชีหรือ Subscription ให้ ผู้เรียนต้องมีบัญชี Claude ของตนเองหรือของบริษัทในแผนที่มี Claude Code ได้แก่ Pro, Max, Team หรือ Enterprise หรือใช้ API Key ผ่าน Claude Console (แผน Free ไม่มี Claude Code) และต้องมีบัญชี GitHub กับบัญชี Vercel แบบฟรี พร้อมติดตั้ง Node.js, VS Code และ Git ไว้ก่อนวันอบรม ปริมาณการใช้งานขึ้นกับแผนที่ใช้ และงานแบบ Multi-Agent ใช้ Token มากกว่าการใช้ Agent ตัวเดียว

ทำไมเป็นระดับ Advanced และต้องมีพื้นฐานอะไร

หลักสูตรนี้ไม่สอนการใช้ Claude Code เบื้องต้น ผู้เรียนควรใช้ Claude Code หรือ AI Coding Tool อื่นมาแล้ว เขียน Prompt สั่งงานได้ชัดเจน ใช้ Terminal, Git และ GitHub ได้ และอ่านเขียนไฟล์ JSON พื้นฐานได้ เพราะทุก Lab ต้องแก้ไฟล์ตั้งค่า เขียนไฟล์ Agent และตรวจโค้ดที่ Agent สร้างด้วยตนเอง

ทีม Agent เปลือง Token มากแค่ไหน และคุมค่าใช้จ่ายอย่างไร

ทุก Agent มี Context ของตนเองจึงใช้ Token เพิ่มตามจำนวน Agent โดยเฉพาะ Agent Teams ที่ใช้มากกว่า Session เดียวอย่างชัดเจน หลักสูตรสอนให้เลือกรูปแบบให้พอดีกับงาน ใช้ Model ที่เล็กกว่ากับงานง่าย จำกัดจำนวนรอบด้วย maxTurns ตรวจการใช้งานด้วย /usage และทำ Cost Gate ด้วย Hooks เพื่อหยุดงานก่อนเกินงบ

ให้ Agent ทำงานอัตโนมัติปลอดภัยหรือไม่

หลักสูตรเน้น Guardrail ทุกขั้น ได้แก่ ตั้ง permissions แบบ allow, ask และ deny ใน settings.json ไม่ให้ Agent อ่านไฟล์ .env หรือ Secret จำกัด Tool และสิทธิ์ของแต่ละ Agent ใช้ Hooks ดักและบล็อกคำสั่งอันตราย กำหนดจุดที่คนต้องอนุมัติก่อนทำต่อ ตั้งงบ Token และตรวจ Diff, Test และเนื้อหาที่ Agent สร้างก่อนรับงานทุกครั้ง พร้อม Pre-flight Checklist ก่อนรันแบบอัตโนมัติ

Agent Teams เป็นฟีเจอร์ทดลอง เนื้อหาจะยังทันสมัยไหม

ฟีเจอร์ของ Claude Code เปลี่ยนเร็ว และ Agent Teams ยังเป็นฟีเจอร์ทดลองที่ต้องเปิดใช้เอง วิทยากรจะอัปเดตเนื้อหาและ Lab ให้ตรงกับเวอร์ชันล่าสุดในวันอบรม ส่วนแนวคิดหลัก เช่น การแยก Context, Leader-first, การเขียน Delegation Prompt, Task List และ Guardrail ยังใช้ได้แม้ชื่อคำสั่งหรือหน้าตาเครื่องมือจะเปลี่ยน