Claude Code Roadmap 12 Units จากพื้นฐานสู่ AI Coding Workflow

รายละเอียดหลักสูตร

อบรม 5 วัน วันละ 6 ชั่วโมง รวม 30 ชั่วโมง รูปแบบ Hands-on และ Project-based Learning สัดส่วน Lecture 30% และ Workshop 70% ระดับ Beginner ถึง Intermediate ผู้เรียนควรเตรียม Notebook ที่ติดตั้ง Node.js และ Git พร้อมบัญชีสำหรับใช้งาน Claude Code และ Codebase ของตนเองมาใช้ใน Workshop ตลอด 5 วัน หลักสูตรแบ่งเป็น 12 Units เรียงจากพื้นฐานไปสู่การประยุกต์จริง มี Project Workshop ใหญ่ 3 จุดที่ Unit 3, Unit 6 และ Unit 12 หลักสูตรนี้มุ่งเน้นการใช้ Claude Code เป็น AI Coding Agent และการออกแบบ AI Coding Workflow ไม่ใช่หลักสูตรสอนภาษาโปรแกรมมิ่งหรือ Framework ใดโดยเฉพาะ

Day 1: Getting Started และ Project Context (Unit 1-3)

Unit 1: เริ่มต้นใช้งาน Claude Code CLI

• การติดตั้งและตั้งค่า Claude Code CLI และการทำงานผ่าน Command Line
• การสั่งงานด้วยภาษาธรรมชาติและการมอบหมาย Coding Task ให้ AI Agent
• ทำความเข้าใจว่า Claude Code อ่าน Codebase แก้ไขไฟล์ และรันคำสั่งอย่างไร
• Lab: เริ่มใช้ Claude Code กับโปรเจกต์จริงและมอบหมายงานเขียนโปรแกรมพื้นฐาน

Unit 2: สร้าง Project Context ด้วย CLAUDE.md

• ทำความรู้จักไฟล์ CLAUDE.md และวิธีสร้างสำหรับโปรเจกต์ของตนเอง
• การกำหนด Coding Convention, Project Architecture และมาตรฐานของ Codebase
• การระบุคำสั่ง Terminal ที่ใช้ประจำและแนวทางการพัฒนาโปรเจกต์
• Lab: เขียน CLAUDE.md เพื่อลดการเขียน Prompt ซ้ำและให้ AI เข้าใจบริบทต่อเนื่อง

Unit 3: Project 1 Setup Claude Code กับโปรเจกต์จริง

• เชื่อม Claude Code เข้ากับ Codebase และให้สำรวจโครงสร้างโปรเจกต์
• สร้าง CLAUDE.md พร้อมกำหนด Coding Convention, Architecture และ Project Context
• ทดลองมอบหมาย Development Task จริงให้ Claude Code ดำเนินการ
• Workshop: ส่งมอบโปรเจกต์ที่ตั้งค่า Claude Code เรียบร้อยพร้อมใช้ต่อในวันถัดไป

Day 2: Agentic Workflow และ Git Integration (Unit 4-6)

Unit 4: Plan Mode และ Agentic Loop

• Plan Mode: วิเคราะห์ Requirement วิเคราะห์ Codebase และหาไฟล์ที่เกี่ยวข้อง
• การเสนอ Architecture และ Implementation Plan พร้อมประเมินผลกระทบก่อนเริ่มเขียนโค้ด
• Agentic Loop ครบวงจร: Analyze, Plan, Implement, Test, Fix และ Verify
• Lab: เดิน Agentic Loop กับ Task จริงและตัดสินใจว่าเมื่อใดต้องเข้าควบคุมเอง

Unit 5: ใช้ Claude Code ร่วมกับ Git

• ตรวจสอบ Git Status วิเคราะห์ Code Changes และ Stage ไฟล์ด้วย Claude Code
• การสร้าง Commit และให้ AI ช่วยเขียน Commit Message ที่สื่อความหมาย
• การจัดการ Branch สำหรับ Feature หรือ Bug Fix และการตรวจโค้ดก่อน Commit
• Lab: เตรียมและสร้าง Pull Request ผ่าน Workflow ที่ทำงานร่วมกับ Claude Code

Unit 6: Project 2 ส่งมอบ Feature แบบ End-to-End

• เดิน Workflow เต็ม: Requirement, Plan with Claude, Implement, Test, Fix, Commit, Pull Request
• วิเคราะห์ Feature หรือ Bug แล้ววางแผน Implementation ร่วมกับ Claude
• แก้ไข Source Code สร้างหรือปรับ Test และตรวจสอบผลการทำงาน
• Workshop: ส่ง Pull Request ที่พร้อมให้ทีม Review จริง

Day 3: External Tools และ Reusable Skills (Unit 7-8)

Unit 7: เชื่อม Claude Code กับเครื่องมือภายนอกด้วย MCP

• ทำความเข้าใจแนวคิด Model Context Protocol และโครงสร้างของ MCP Server
• การตั้งค่า MCP Server และการเชื่อม Claude Code เข้ากับ External Tools
• การเชื่อมต่อ Database, API และ Data Source ภายนอก และการเรียกใช้ Tool ผ่าน Claude Code
• สถาปัตยกรรม Claude Code ผ่าน MCP ไปยัง External Tools, API, Database และ Services
• ข้อควรระวังด้านสิทธิ์และความปลอดภัยเมื่อเปิดให้ AI Agent เข้าถึงระบบภายนอก
• Lab: ตั้งค่า MCP Server และเชื่อม Claude Code เข้ากับฐานข้อมูลหรือ API จริง

Unit 8: สร้าง Claude Skills สำหรับงานที่ใช้ซ้ำ

• แนวคิดของ Claude Skills และโครงสร้างของ Skill Folder
• การเขียน Instruction, การกำหนด Constraint และการระบุ Best Practices
• การรวบรวม Workflow และ Domain Knowledge ให้อยู่ในรูปแบบที่เรียกใช้ซ้ำได้
• ตัวอย่างการนำไปใช้: Code Review, API Development, Database Migration และ Testing
• ตัวอย่างเพิ่มเติม: Documentation, Security Check, Deployment และ Coding Standard ขององค์กร
• Lab: สร้าง Custom Skill อย่างน้อยหนึ่งตัวสำหรับงานประจำของผู้เรียนเอง

Day 4: Automation, Multi-Agent และ Customization (Unit 9-11)

Unit 9: Automating Claude Code

• การใช้งานแบบ Headless และ Non-interactive และการเรียก Claude Code ผ่าน Script
• การ Trigger งานอัตโนมัติและการใช้งานร่วมกับ Git Hooks
• การเชื่อม Claude Code เข้ากับ CI/CD Pipeline: Push, Pipeline, Analyze, Test, Review, Result
• Lab: ทำ Automation สำหรับ Code Review, Test Generation หรือ Documentation

Unit 10: Parallel Subagents และ Multi-Agent Workflow

• แนวคิด Parallel Subagents และการแบ่งปัญหาออกเป็น Subtasks
• การมอบหมาย Task ให้ Agent หลายตัว เช่น Frontend, Backend, Test และ Security
• การรันงานแบบ Parallel และการรวบรวมผลลัพธ์กลับมาเป็น Solution เดียว
• Lab: แตก Task ขนาดใหญ่ให้ Subagent ทำงานพร้อมกันแล้วสังเคราะห์ผลลัพธ์

Unit 11: Plugins และการปรับ Claude Code Workflow

• ทำความรู้จัก Claude Code Plugins การติดตั้งและการสำรวจ Extension
• การสร้าง Custom Commands, Custom Tools และ Workflow Extension
• การนำ Configuration มาใช้ร่วมกันในทีมและการ Package Workflow สำหรับแจกจ่าย
• Lab: จัด Environment ให้ทีมมี Coding Standard, Commands, Skills และ Tools ชุดเดียวกัน

Day 5: Capstone สร้าง Multi-Agent AI Coding Workflow (Unit 12)

Unit 12: Project 3 สร้าง Multi-Agent AI Coding Workflow

• ประกอบความรู้ทุก Unit เข้าด้วยกัน: CLI, CLAUDE.md, Plan Mode, Agentic Loop และ Git
• ต่อยอดด้วย MCP, Skills, Automation, Parallel Subagents และ Plugins ในโปรเจกต์เดียว
• ออกแบบให้ Main Agent วิเคราะห์และวางแผน แล้วแบ่งงานให้ Subagents
• กระจายบทบาท Coding Agent, Testing Agent, Review Agent และ Documentation Agent
• เชื่อม External Tools ผ่าน MCP แล้วรวมผลลัพธ์กลับมาตรวจสอบ
• เดินต่อจนถึง Test, Verify, Git Commit และ Pull Request
• ทำงานบางส่วนแบบ Automation เพื่อลดการทำงานด้วยมือของ Developer
• การเชื่อม Workflow นี้เข้ากับกระบวนการพัฒนาซอฟต์แวร์ที่ทีมใช้อยู่
• แนวทางต่อยอดไปสู่ Workflow ที่ใช้งานจริงในองค์กร
• Workshop: นำเสนอ Multi-Agent AI Coding Workflow ที่สร้างและทบทวนการออกแบบร่วมกัน