LINE Workflow Automation with Claude Code & MCP

รายละเอียดหลักสูตร

อบรมเชิงปฏิบัติการ Onsite 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ทุก Workshop ของทั้งสองวันร้อยเรียงอยู่บนสถานการณ์เดียวกันคือบริษัทจำลอง "สยามสมาร์ทเทรด" บริษัทซื้อขายสินค้าในไทยที่สื่อสารกันผ่าน LINE เป็นหลัก วันแรกผู้เรียนฝึก Claude Code กับข้อมูลยอดขายของบริษัทนี้ และวันที่สองสวมบทเจ้าหน้าที่ผู้สร้างระบบอัตโนมัติให้ฝ่าย HR ทีมปฏิบัติการ และผู้บริหาร ปิดท้ายด้วย Group Challenge ที่แต่ละทีมเลือกโจทย์จริงขององค์กรมาให้ AI Agent ลงมือแก้แล้วนำเสนอ ใช้ข้อมูลจำลองทั้งหมด (มีไฟล์ seed ฐานข้อมูลเตรียมให้) ไม่เกี่ยวข้องกับข้อมูลจริงของบริษัทใด

Day 1: Claude Code ครบถ้วนสำหรับมือใหม่ - จากติดตั้งจนสั่งงานอัตโนมัติ

Section 1: รู้จัก AI Agent และเป้าหมายของหลักสูตร

• จาก AI Chat สู่ AI Agent ความต่างที่เปลี่ยนวิธีทำงาน และเหตุผลที่องค์กรไทยควรเริ่ม Auto Workflow ที่ LINE
• รู้จัก Claude Code และ GPT Codex AI Agent แบบ CLI คืออะไร ทำอะไรได้บ้าง
• ภาพรวมระบบที่จะสร้างเสร็จในวันที่สอง เพื่อให้เห็นปลายทางของทุกทักษะที่เรียนวันนี้
• กิจกรรมเปิดคอร์ส: สำรวจ workflow จริงที่องค์กรใช้ LINE อยู่ในปัจจุบัน จดเป็นคลังโจทย์ไว้ใช้ใน Group Challenge วันที่สอง

Section 2: เริ่มต้น Claude Code - ติดตั้ง สั่งงาน และควบคุมให้เป็น

• ติดตั้ง Claude Code บน Windows, ล็อกอินบัญชี และตรวจความพร้อมของเครื่อง
• โครงสร้างการทำงาน: session, โฟลเดอร์โปรเจกต์ และวงจรการสั่งงาน-ตรวจงาน-อนุมัติ
• สั่งงานแรก: สร้างไฟล์ อ่านไฟล์ แก้ไขไฟล์ และรันคำสั่งผ่าน AI
• ระบบสิทธิ์และความปลอดภัย: การอนุมัติการแก้ไฟล์และรันคำสั่ง, Plan Mode วางแผนก่อนลงมือ, การกด ESC หยุดงานกลางคัน และการสั่งแก้ทิศทาง
• แนวคิดสำคัญของวันนี้: AI เป็นคนลงมือ เราเป็นคนกำกับและตรวจรับ

Section 3: คำสั่งสำคัญ การจัดการ Context และ CLAUDE.md

• คำสั่งที่ใช้บ่อย: /help, /clear, /compact, /model, /mcp, /init และการกลับมาทำงานต่อ (continue และ resume)
• Context คืออะไร ทำไม session ยาวแล้ว AI เริ่มหลง และวิธีจัดการด้วย /clear กับ /compact
• CLAUDE.md หน่วยความจำประจำโปรเจกต์: ตั้งกติกา เช่น ตอบภาษาไทย ไม่ใส่ semicolon ใช้ library ที่กำหนด
• เทคนิคเขียน prompt สั่งงานที่ดี: ระบุเป้าหมาย ขอบเขต ข้อกำหนดทางเทคนิค และผลลัพธ์ที่ตรวจรับได้ พร้อมตัวอย่างเปรียบเทียบ prompt ที่ดีและไม่ดีจากงานจริง

Section 4: Workshop 1 - โปรเจกต์แรกกับ Claude Code

• สร้างโปรเจกต์แรกตั้งแต่ศูนย์: ให้ AI สร้างเว็บเพจสรุปข้อมูลบริษัทสยามสมาร์ทเทรดพร้อมกราฟ Chart.js
• ฝึกครบวงจรตั้งแต่เขียน prompt, ใช้ Plan Mode ดูแผนก่อนอนุมัติ, ตรวจและสั่งแก้งานซ้ำจนพอใจ
• สร้าง CLAUDE.md กำหนดกติกาโปรเจกต์ แล้วทดสอบว่ากติกามีผลจริงกับงานถัดไป
• ทักษะชุดนี้คือหัวใจของการสร้าง Webhook Server และรายงานในวันที่สอง

Section 5: Model Context Protocol - ประตูเชื่อม AI สู่ระบบขององค์กร

• MCP คืออะไร มาตรฐานเชื่อม AI เข้ากับระบบภายนอก สถาปัตยกรรม และ ecosystem ของ MCP Server ที่ใช้ได้ทันที
• การเพิ่ม MCP ด้วยคำสั่ง claude mcp add, การตรวจสถานะด้วย /mcp และ scope ของการตั้งค่า (เฉพาะโปรเจกต์ หรือ ทั้งเครื่อง)
• แนะนำ MCP 2 ตัวที่ใช้ตลอดหลักสูตร: Postgres MCP ขาอ่านข้อมูล และ LINE Bot MCP Server พร้อมเจาะเครื่องมือทั้ง 12 ตัวของฝั่ง LINE

Section 6: Workshop 2 - เชื่อม MCP กับฐานข้อมูล สั่ง AI วิเคราะห์ข้อมูลด้วยภาษาไทย

• Import ฐานข้อมูลยอดขายจำลองของสยามสมาร์ทเทรด (ไฟล์ seed เตรียมให้ ข้อมูลย้อนหลัง 30 วัน)
• เชื่อม Postgres MCP เข้า Claude Code ด้วยตนเอง แล้วฝึกสั่งวิเคราะห์แบบไต่ระดับ: สำรวจโครงสร้างตาราง, สรุปยอดขายเมื่อวานแยกตามสาขาและช่องทาง, วิเคราะห์แนวโน้ม 30 วัน
• ปิดท้ายด้วยโจทย์ค้นหารายการขายผิดปกติที่ฝังไว้ในข้อมูล (Anomaly Detection)
• ฐานข้อมูลนี้จะถูกใช้ต่อใน Capstone วันที่สอง

Section 7: Workshop 3 - จากสั่งมือสู่อัตโนมัติ สคริปต์รายงานตัวแรก และ Task Scheduler

• แนวคิดสำคัญ: งาน ad-hoc ใช้ MCP สั่งสด ส่วนงานประจำใช้สคริปต์และตั้งเวลา และ Claude Code คือคนเขียนสคริปต์ให้เราทั้งสองแบบ
• สั่ง AI เขียนสคริปต์ Node.js สรุปยอดขายเมื่อวานเป็นไฟล์รายงาน ทดสอบแนวคิด dry-run ก่อนใช้จริง
• ตั้งเวลารันอัตโนมัติด้วย Windows Task Scheduler พร้อมทดสอบสั่งรันทันที
• โครงเดียวกันนี้จะถูกต่อยอดเป็นรายงานส่งเข้า LINE ใน Capstone วันที่สอง

Section 8: GPT Codex Cross-check และสรุปวันแรก

• รู้จัก Codex CLI: ติดตั้ง ตั้งค่า MCP (ไฟล์ config.toml) แล้วรัน prompt ชุดเดียวกับ Workshop 2 เปรียบเทียบผลลัพธ์และวิธีคิดกับ Claude Code
• หลักการเขียน prompt ให้เป็นกลาง ใช้ได้กับ AI Agent ทุกตัว
• สรุปทักษะทั้งหมดของวันแรก เทียบกับตารางว่าพรุ่งนี้แต่ละทักษะจะถูกใช้ตรงไหน
• เตรียมความพร้อมวันที่สอง: สมัครบัญชี LINE Developers, จับกลุ่ม 3-4 คน สร้างไลน์กลุ่มทดสอบ และตรวจการติดตั้ง ngrok

Day 2: นำทักษะทั้งหมดมาสร้าง LINE Auto Workflow เต็มระบบ

Section 9: LINE Platform สำหรับงานองค์กร

• ภาพรวม LINE Official Account และ Messaging API อะไรทำได้ อะไรทำไม่ได้ และโควต้าข้อความของแต่ละแพลน
• ข้อจำกัดสำคัญ: Messaging API อ่านแชทย้อนหลังไม่ได้ ปูทางสู่สถาปัตยกรรม Webhook และฐานข้อมูลช่วงบ่าย
• สถาปัตยกรรมรวมของระบบที่จะสร้างวันนี้: Webhook ขาเข้า, PostgreSQL หน่วยความจำ, Postgres MCP ขาอ่าน และ LINE Bot MCP ขาส่งกลับ

Section 10: Workshop 4 - ตั้งค่า LINE OA และ HR Notification Bot

• สร้าง Provider และ Messaging API Channel ใน LINE Developers Console ตั้งค่า OA Manager (เปิด Webhook, ปิด Auto-response, อนุญาตบอทเข้ากลุ่ม) และออก Channel Access Token อย่างปลอดภัย
• เชื่อม line-bot MCP เข้า Claude Code (ทักษะ claude mcp add จากวันแรก) แล้วส่งข้อความแรกเข้า LINE ตัวเองด้วย prompt ภาษาไทยประโยคเดียว
• สวมบทฝ่าย HR: ส่งแจ้งนัดประชุมรายบุคคล, ดึงรายชื่อผู้ติดตามด้วย get_follower_ids, broadcast ประกาศวันหยุดถึงพนักงานทุกคน และตรวจโควต้าด้วย get_message_quota
• Flex Message: ออกแบบประกาศรับสมัครงานภายในที่มีปุ่มกด ทดสอบผ่าน Flex Message Simulator และสร้าง Rich Menu เมนูบริการพนักงานด้วย create_rich_menu

Section 11: Workshop 5 - Group Chat Recorder เก็บแชทกลุ่มลงฐานข้อมูล

• เชิญบอทเข้าไลน์กลุ่มทดสอบของแต่ละทีม แล้วให้ Claude Code สร้าง Webhook Server (Node.js, Express, @line/bot-sdk) ที่รับข้อความจากกลุ่มและบันทึกลง PostgreSQL
• ใช้ทักษะจากวันแรกเต็มรูปแบบ: เขียน prompt ระบุข้อกำหนดชัดเจน ใช้ Plan Mode ดูแผน ตรวจโค้ดที่ AI สร้างก่อนอนุมัติ
• ครอบคลุมการตรวจ signature การกันข้อมูลซ้ำเมื่อ LINE retry และการตอบ 200 เสมอ เปิดระบบสู่ HTTPS ด้วย ngrok และตั้งค่า Webhook URL
• ให้สมาชิกกลุ่มคุยกันจริงในหัวข้อจำลอง (วางแผนงานของทีมปฏิบัติการ) และตรวจว่าข้อความไหลเข้าฐานข้อมูลครบถ้วน

Section 12: Workshop 6 - AI สรุปประชุมกลุ่มและติดตามงาน ส่งกลับเข้ากลุ่ม

• ใช้ทักษะวิเคราะห์ฐานข้อมูลผ่าน MCP จากวันแรกกับข้อมูลแชทจริงของทีม: สรุปว่ากลุ่มคุยเรื่องอะไร ใครเสนอประเด็นไหน วิเคราะห์พฤติกรรมกลุ่ม
• ค้นหาการนัดหมายและงานที่มีคนรับปากไปทำเป็นตารางติดตามงาน
• ไฮไลท์: สั่งให้ AI สรุปประชุมพร้อมรายการงานค้าง ส่งกลับเข้ากลุ่มเป็น Flex Message รายงานประจำวันที่ทุกคนในกลุ่มเห็นพร้อมกัน

Section 13: Workshop 7 (Capstone) - Executive Daily Report รายงานผู้บริหารอัตโนมัติทุกเช้า

• ต่อยอดสคริปต์รายงานจาก Workshop 3 ของวันแรกให้เป็นระบบสมบูรณ์: สั่ง Claude Code สร้างสคริปต์ daily-report ที่ query ยอดขายเมื่อวานจากฐานข้อมูลที่ import ไว้ตั้งแต่วันแรก
• ประกอบเป็น Flex Message รายงานผู้บริหาร พร้อม section แจ้งเตือนสีแดงเมื่อพบรายการผิดปกติ
• ทดสอบด้วย dry-run ตรวจ JSON แล้วส่งจริงเข้ากลุ่ม จากนั้นตั้งเวลารันอัตโนมัติทุกเช้า 08:00 ด้วย Task Scheduler
• จบ Workshop ทุกทีมจะมีรายงานอัตโนมัติที่ทำงานเองได้จริงโดยไม่ต้องมีคนสั่ง

Section 14: Group Challenge - แก้โจทย์จริงขององค์กรและนำเสนอ

• แต่ละทีมเลือกโจทย์จริง 1 เรื่องจากคลังโจทย์ที่รวบรวมไว้ตั้งแต่เปิดคอร์ส เช่น ระบบแจ้งเตือนที่อยากมี รายงานที่ทำมือทุกวัน หรือคำถามเชิงข้อมูลที่ผู้บริหารถามบ่อย
• ให้ AI Agent ลงมือทำ prototype ภายในเวลาที่กำหนด
• นำเสนอหน้าห้องทีมละ 3 นาที พร้อมรับคำแนะนำแนวทางนำไปใช้จริงจากวิทยากร

Section 15: Governance, Privacy และปิดคอร์ส

• Governance และ Privacy: การขอความยินยอมก่อนเก็บแชทกลุ่ม การใช้ read-only user กับฐานข้อมูลจริง ข้อมูลอ่อนไหวที่ห้ามส่งออกนอกองค์กร และการดูแล Token
• แนวทางต่อยอดหลังคอร์ส: สคริปต์ Alert เฉพาะเหตุการณ์ผิดปกติ, รายงาน HTML ประจำสัปดาห์, การสร้าง MCP Server ขององค์กรเอง และการย้ายระบบขึ้น Cloud
• ถาม-ตอบปิดคอร์ส และแจกไฟล์เอกสาร prompt ทั้งหมดพร้อม checklist การนำไปใช้กับองค์กรจริง